Nota tm6013
Upcoming SlideShare
Loading in...5
×
 

Like this? Share it with your network

Share

Nota tm6013

on

  • 1,537 views

 

Statistics

Views

Total Views
1,537
Views on SlideShare
1,537
Embed Views
0

Actions

Likes
2
Downloads
68
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment
  • Cara lain mengklaskan data adalah melalui skala pengukuran. Dalam statistik terdapat 4 skala pengukuran iaitu nominal, ordinal, interval, nisbah.

Nota tm6013 Presentation Transcript

  • 1. KAEDAH PENYELIDIKAN TM6013 ANALISIS DATA Hazura Mohamed
  • 2. DATA ANALISIS Objektif :Kemahiran dalam menganalisis data menggunakan teknik-teknik berstatistik
  • 3. Analisis Statistik Merupakan tatacara, teknik dan kaedah yang digunakan untuk tujuan memahami data dan maklumat, membuat penelitian, meringkas dan membuat analisis bagi memperihalkan berbagai ragam data. Peranan utamanya ialah supaya data yang berbagai macam ini mudah difahami oleh orang ramai.
  • 4. Kategori Statistik Statistik deskriptif  Menggunakan kaedah berangka dan grafik untuk menentukan corak set data, meringkaskan maklumat daripada set data dan mempersembahkan maklumat yang dikumpul daripada sampel dalam bentuk yang menarik.  Oleh kerana pemerihalannya terhad kepada sampel sahaja ia tidak digunakan untuk tujuan membuat kesimpulan dan generalisasi menyeluruh kepada populasi yang dikaji Statistik Inferens  Prosidur-prosidur untuk membuat generalisasi mengenai populasi yang dikaji berdasarkan maklumat daripada sampel yang diambil dari populasi.
  • 5. Deskriptif Statistik1- Analisis UNIvariate2- Analisis Bivariate
  • 6. Analisis Univariate1.Taburan Frekuensi  Paling basic (and least useful)  Percentage  Mod (nominal data)2. Ukuran Kecenderungan Memusat  Min – (interval data )  Mod – (nominal data)  Median – (ordinal data)
  • 7. Sambung …3.Ukuran Serakan Minimum Maksimum Julat – perbezaan di antara maksimum dan minimum Sisihan piawai – ukuran sejauh mana subjek-subjek yang dikaji berbeza daripada min kumpulan.(the more heterogeneous the group, the higher the standard deviation)
  • 8. Sambung… Skew = 0 Skew > 0 “positive skew” Skew < 0 “negative skew”
  • 9. Analisis Bivariat Korelasi  Arah  Kekuatan  Pearson r (interval data)  Spearman (ordinal data)
  • 10. Data Teknik--teknik berstatistik adalah ditentukan oleh jenis data. Pemahaman asas mengenai jenis data membantu dalam pemilihan kaedah analisis dan ujian statistik yang sesuai
  • 11. Jenis Data Dua jenis data iaitu: Data Kuantitatif-numerik nilai-nilai data adalah bilangan atau ukuran berangka. Data kuantitatif boleh dalam bentuk:  Diskret - Boleh mengambil nilai-nilai yang tepat sahaja.  Contoh: bilangan buah bagi setiap pokok dalam kebun, saiz kasut bagi pelajr sebuah kelas dan bilangan anak dalam setiap keluarga dsbnya atau  Selanjar- Tidak boleh mengambil nilai yang tepat tetapi boleh dihampirkan kepada ukuran tertentu  Contoh: tinggi pelajar, berat buah jambu , halaju kereta, PNGK pelajar-pelajar sarjana UKM-NPC, gaji pensyarah dan sebagainya.
  • 12. Jenis Data Data Kualitatif- bukan numerik Nilai-nilai data adalah kategori bukan berangka.  Cth: jenis darah, jantina
  • 13. Skala Pengukuran Data Nominal  Data nominal sesuai pada data yang hanya dapat diklasifikasikan ke dalam kategori, nama atau label.  Kategori tidak dapat disusun mengikut urutan.  Dapat memberikan nilai numerik pada kategori tapi tidak dapat melakukan operasi matematik terhadap nilai-nilainya.   Cth: male = 0 dan female = 1, budak ceria = 1 dan budak tak ceria = 2
  • 14. Skala Pengukuran Data Ordinal  Sama seperti data nominal.  Membezakan ialah data boleh disusun mengikut urutan.  Tetapi kita tidak boleh mengukur perbezaan di antara dua data.  Kita dapat memberikan nilai numerik namun tidak dapat melakukan operasi matematik  Cth:  Pengundi-pengundi diklasifikasikan sebagai low-income, middle- income, or high-income  Frekuensis Penerbangan: tidak pernah, jarang, kadang-kadang, selalu.·  Bagaimana penilaian anda terhadap restoran itu? Sangat baik, baik, cukup, kurang.
  • 15. Skala Pengukuran Data Interval/Sela  Data interval adalah sama spt data ordinal iaitu data boleh disusun.  Perbezaan antara data bermakna dan boleh diukur.  Cth. Senarai suhu-suhu didih bagi cecair yang berbeza. Kita boleh tahu samada suhu didih cecair A lebih tinggi daripada suhu didih cecair B. jika suhu didih cecair A adalah 212darjah dan suhu didih cecair B adalah 284 darjah , suhu didih cecair B adalah lebih tinggi daripada suhu didih cecair A.  Nilai sifar bersifat arbitrari.(tidak menggambarkan kosong secara mutlak)
  • 16. Skala Pengukuran Data Nisbah(ratio data)  Data nisbah adalah sama seperti data interval kecuali nisbah memberi makna..  Data ratio mempunyai nilai kosong secara mutlak. Nilai kosongnya mempunyai maksud tiada kuantiti. Seseorang yang tidak bekerja bermaksud gajinya RM 0.  Cth. 4 orang dipilih secara rawak dan ditanya berapa banyak duit yang mereka bawa sekarang. Berikut adalah hasilnya : $21, $50, $65, and $300.  Adakah data ini boleh disusun ikut urutan? Ya, $21 < $50 < $65 < $300.  Bolehkah kita mengira nisbah ? Ya sebab $0 nilai paling maksimum yang mereka bawa.  Individu yang mempunyai $300 adalah mempunyai 6 kali ganda daripada individu yang mempunyai $50.  Cth lain: umur, skor ujian, jumlah jam belajar untuk suatu ujian.
  • 17. Ukuran kecenderunganmemusat(Central tendency)  Nominal Ordinal Interval/RatioMode X X XMedian   X XMean     X
  • 18. Statistik Inferens
  • 19. Pengujian Hipotesis Pengujian hipotesis merupakan kaedah yang paling berkesan untuk membuat kesimpulan mengenai suatu populasi yang dikaji berpandukan keputusan yang didapati daripada sampel. Hipotesis statistik adalah satu kenyataan yang dibuat tentang suatu populasi Kenyataan ini mungkin benar atau tidak Benar atau tidak +++> lakukan pengujian hipotesis
  • 20. Kepentingan & Keperluan Penting untuk menguji adakah perbezaan yang wujud di antara data dalam sampel dan populasi adalah benar-benar berbeza atau berbeza secara kebetulan sahaja.
  • 21. Takrif Hipotesis Hipotesis statistik adalah suatu pernyataan atau anggapan yang mungkin benar atau tidak terhadap suatu populasi atau lebih (Walpole, 1990). Hipotesis yang baik mempunyai sifat- sifat seperti berfokus, jelas, logik, difahami dan dapat diuji.
  • 22. Langkah-langkah PengujianHipotesis  Penyataan hipotesis  Jenis Taburan Data  Aras keertian  Ujian Statistik  Kawasan Penolakan  Pengiraan ujian statistik  Keputusan  Kesimpulan
  • 23. Pernyataan Hipotesis Hipotesis nol ditandakan dengan H0 ialah hipotesis yang hendak diuji dan diharap akan ditolak. oMesti yang membawa maksud kesamaan. oJadi ada 3 kemungkinan: sama ada = atau ≥ atau ≤.
  • 24.  Contoh:Ho: Purata pendapatan pelajar MIT UKM Bangi adalah RM4,000.00 sebulanatauHo: µ = RM 4,000.00 sebulan.
  • 25. Pernyataan Hipotesis Hipotesis alternatif ditandakan dengan H1 , biasanya dinamakan hipotesis penyelidik yang dirumuskan dengan harapan untuk menerimanya. Kebiasaannya sebarang pernyataan yang hendak dibuktikan benar, ditulis dalam hipotesis alternatif Mesti membawa maksud ketaksamaan. o Jadi ada 3 kemungkinan: sama ada ≠ atau < atau >. o Diterima jika Ho ditolak.Perhatikan!!!   Pernyataan dalam Ho dan H1 tidak boleh bertindan.
  • 26.  Contoh:H1: Purata pendapatan pelajar MIT UKM Bangi adalah kurang RM4,000.00 sebulanatauH1: µ < 4,000.00 .
  • 27. Pernyataan Hipotesis Kesilapan-kesilapan yang dibuat:  Pernyataan hipotesis penyelidikan yang terlalu kabur. Cth: terdapat hubungan kecerdasan dan sikap  Pernyataan hipotesis penyelidikan yang terlalu umum. Cth: pelajar yang bijak mempunyai sikap yang baik  Pernyataan hipotesis penyelidikan dalam bentuk yang tidak boleh diuji. Cth: pelajar yang rajin ke kuliah lebih beriman
  • 28. Taburan Data  Taburan data sampel perlu di kenalpasti terlebih dahulu untuk membolehkan kita menggunakan statistik ujian yang betul. Bagi data yang diambil dari taburan normal, taburan sampel nya juga normal. Bagi data yang diambil dari taburan bukan normal, teorem had memusat diperlukan. Ujian kenormalan juga boleh digunakan untuk menguji adakah data tertabur secara normal. oBina histogram , Bina plot batang-daun oKira pekali kepencongan dan kepuncakannya. oGunakan hubungan min, mod dan median dengan bentuk taburan. oAtau gunakan perisian untuk menguji kenormalan
  • 29. Aras Keertian Menerima atau menolak H0 bergantung kepada tahap signifikan atau aras keertian (level of significance) Aras keertian ditandakan dengan simbol α Juga dipanggil sebagai kebarangkalian berlakunya ralat jenis I, iaitu dalam membuat keputusan, hipotesis nol ditolak sedangkan pada hakikat ianya benar. Maka semakin besar nilai α, semakin besar kemungkinan kita akan menolak hipotesis nol yang benar Lazimnya nilai α yang digunakan ialah 0.1, 0.01 atau 0.05
  • 30. Ujian StatistikSebelum memilih suatu ujian statistik , tanya: Berapa banyak pembolehubah kajian? Adakah taburan data normal? Adakah sampel independent atau dependent? Apakah hipotesis anda? Adakah data nominal, ordinal, selang/ratio?
  • 31. Kajian hubungan Correlation Design Scale of Measurement Coefficients Phi Two nominal variables Coefficient A nominal variable and an interval or ratio Point-biserial variableSurvey or Correlational Studies Ordinal Spearmans r Interval or ratio Pearsons r
  • 32. Kajianof Perbandingan Designs Scale Test Statistic Measurement Nominal Chi-Squared, sign testSingle-group Z-test : Population variance is knownbetween-subject Ratio or Interval T-test: Population variance must be estimated Nominal Chi-SquaredTwo-group between- Ordinal Sign test, Wilcoxons rank-sum test ,U-Mannsubject Whitney test(tidak bersandar) Interval or Ratio Students t-test Ordinal Kruskal-Wallaces H-testThree or more groupbetween subject Fishers F-test If significant, test individual Interval or ratio (ANOVA) means with Tukeys HSD
  • 33. Contoh Seorang pensyarah ingin mengetahui adakah belajar secara dalam kumpulan menyebabkan peningkatan prestasi dalam exam berbanding belajar secara individu.. 1. Tujuan : menguji adakah teknik belajar memberi kesan kepada pencapaian markah. 2. Mengkaji dua kumpulan sampel yang independent 3. Pembolehubah kajian : markah peperiksaan 4. Skala pengukuran: nisbah. 5. Hipotesis H0: Tiada perbezaan purata markah di antara belajar berkumpulan dan belajar sendiri. 6. Statistik ujian yang sesuai : 1. Normal - independent t-test.
  • 34. Kawasan Penolakan      Ada 3 jenis hujung ujian:o       2 hujungo       1 hujung sebelah kirio       1 hujung sebelah kanan      Bergantung kepada H1.      Kawasan penolakan adalah kawasan yang membolehkan Ho di tolak
  • 35. Nilai Kritikal Nilai pemisah diantara kawasan penolakan dan kawasan penerimaan. Keputusan Kesimpulan
  • 36. Jenis ralat statistik Semua keputusan ujian statistik bergantung kepada samada menolak atau menerima hipotesis nol. Namun ianya dipengaruhi oleh 2 ralat statistik Ralat jenis I  berlaku jika kita menolak H0 apabila dalam keadaan sebenar, ia benar dan Ralat jeis II  berlaku apabila kita tidak menolak H0 sedangkan dalam keadaan sebenar, ia palsu.Kb (Ralat Jenis I ) = α dan Kb (Ralat Jenis II) = βOleh itu penyelidik menetapkan aras keertian pada 0.05 iaitu hanya 5 dari 100 sahaja dibenarkan membuat ralat jenis 1
  • 37. Secara Matematik α = kb (Ralat jenis I ) = kb ( tolak H0| H0 benar ) dan β = kb (Ralat jenis II) = KB (Terima H0| H0 palsu)
  • 38. Pokok Pemilihan Ujian
  • 39. Analisis Menggunakan SPSS Apa itu SPSS? SPSS (Statistical Package for the Social Sciences) Satu sistem yang berupaya mengurus data dan menganalisis secara berstatistik. Mudah digunakan dan boleh memanipulasi data. Tetapi SPSS tidak boleh menyelesaikan sebarang masalah anda. Ia boleh digunakan untuk menganalisis data Yang penting, anda mesti ada pengetahuan asas mengenai statistik untuk mentafsirkan output.
  • 40. Analisis Grafik dan Diskriptif Data Nominal – Frequency, Crosstabs, bar charts dan pie charts Data Ordinal - Frequency, Crosstabs dan descriptivee statistics, bar charts, pie charts, steam-lesf plots Data selanjar – descriptive statistics, histograms, boxplots, dan scatter plot bagi dua pembolehubah
  • 41. 3 kumpulan Ujian berstatistikinferensi Kumpulan 1. Menguji jika terdapat perbezaan yang bererti di antara dua pembolehubah; Kumpulan 2. Menguji kesignifikanan hubungan di antara dua pembolehubah; dan Kumpulan 3. Menguji jika terdapat perbezaan yang signifikan diantara lebih daripada dua pembolehubah. 
  • 42. Analisis Inferensi Kumpulan 1. Menguji jika terdapat perbezaan yang bererti di antara dua pembolehubah  Nominal atau ordinal – guna Crosstabs  Data selanjar –  Pertama, periksa jika data normal  Untuk periksa kenormalan, go to ‘Analyze’, ‘descriptive statistics’, ‘explore’  Kedua, jika membandingkan dua atau lebih kumpulan, periksa kehomogenan bagi varians di antara kumpulan.  Guna ‘explore’  Bagi perbandingan dua kumpulan, guna Independent t- test bagi independent sample dan dependet t-test bagi paired sample  Jika tidak normal  guna analyze nonparametric
  • 43. Analisis Inferensi Kumpulan 2. Menguji kesignifikan hubungan di antara dua pembolehubah  Nominal data – guna crosstab dan pilih ujian yang sesuai untuk nominal data  Ordinal data – guna crosstabs, bivariate correlation spt pekali korelasi Spearman  Data Selanjar – guna bivariate correlation spt Pearson correlation
  • 44. Analisis Inferensi Kumpulan 3. Menguji jika terdapat perbezaan yang bererti di antara lebih dua pembolehubah Bagi data tidak normal pilih  Analyze  nonparametric test  k independet test  Bagi data normal  Analyze  compare mean  ANOVA
  • 45. Descriptive Statistics Procedure
  • 46. The Crosstabs Procedure inSPSS
  • 47. The Crosstabs Procedure inSPSS
  • 48. Adakah terdapat perbezaan di antara kumpulan kajian
  • 49. Mengkaji hubungan di antara pembolehubah kajian
  • 50. Jika taburan data bukan tertabur normal
  • 51. SekianTerima Kasih