Your SlideShare is downloading. ×
0
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Nota tm6013
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Nota tm6013

1,610

Published on

Published in: Technology
0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,610
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
101
Comments
0
Likes
2
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide
  • Cara lain mengklaskan data adalah melalui skala pengukuran. Dalam statistik terdapat 4 skala pengukuran iaitu nominal, ordinal, interval, nisbah.
  • 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

    ×