SlideShare a Scribd company logo
1 of 5
1. Apakahygdimaksudkandengan:
a) Statistik
statistikbolehlahdikatakankajianberkaitanketakpastian.
Data
yang diperolehimasalepas, sekarangdanakandatang adalah
tidakpasti.
Statistikdidefinisikansebagaisatukaedahsaintifikuntukmengumpul,
menyusun, meringkas,mempersembahkandanmenganalisis data
sertamembuatkesimpulan, rumusandankeputusanberdasarkanhasil
penganalisian data tersebut.
b) Pembolehubahdiskrit
pembolehubah yang menghasilkan data diskrit yang berbentuknombor
bulat
c) Pembolehubahtakbersandar
pembolehubah yang mempengaruhipembolehubah lain. Pemboleh
ubah yang faktornyadiukur, dimanipulasi, ataudipiliholehpenyelidik
untukmenentukanhubunganyadengansesuatugejala yang
diperhatikan.
d) Hipotesis
Jangkaanawalkepadahasilkajian yang dilakukan
e) Skala Ordinal
Skala ordinal membolehkanpengkajimengetahuisejauhmanakah
respondenbersetujuatautidakbersetujudengansesuatupernyataan.
Skala ordinal bolehdigunakandaripada 3 kategori (tinggi, sederhana,
danrendah) hinggakepada9 kategori
f) Pembolehubah
(i) Pembolehubah kuantitatif: satu istilah yang
digunakan untuk menerangkan ciri‐ciri sesuatu
yang boleh diukur misalnya berat, tinggi, suhu
dan sebagainya.
(ii) Pembolehubah kualitatif: satu istilah yang
digunakan untuk menerangkan ciri‐ciri sesuatu
yang TIDAK boleh diukur misalnya agama,
jantina, bangsa, kaum dan sebaainya.
(iii) Pembolehubah diskrit: satu istilah yang
digunakan untuk sesuatu yang boleh diwakili
oleh nombor integer seperti bilangan anak,
bilangan rumah, bilangan pelajar yang membuat
pendaftara awal dan sebagainya
g) Data yang dikutippadatempohmasatertentusepertisetiaptahun,
setiapenambulansekali, setiapbulanatausetiapminggudikenalisebagaidata
sirimasa.
h) Data yang dikutippadatempohmasa yang
tetaptetapimelibatkanbeberapakawasandikenalisebagaidata keratanrentas.
2. Perbezaandata kualitatifdankuantitatif
Data kuantitatifialah data yang bolehdiukur.Contoh: ketinggianpelajar,
markahpelajar, penerimaansistem PBS olehibu-bapa.
Di dalm data kuantitatifada yang diskritdanada data yang berterusan.Data
diskritterdiridaripadanomborbulatmanakala data berterusanterdiridaripada
data yang adanilaiperluluhanataupecahan.
Data kualitatifmerupakan data yang tidakdapatdiukur.Contoh: warnarambut.
Data kualitatifbolehditukarkepada data
kuantitatifdenganmenggunakanskalaLikert
3. Huraikan proses yang terlibatdalampengurusan data.
Langkah 1 – Pembolehubah
Sebelummendapatkan data,
kitahendaklahmemikirkanmengenaipembolehubahpembolehubahiaitupembolehubahtidakbersandardanpembolehubahbersandar
.
Langkah 2 - Skala
Walaubagaimana pun, kitajugaperlumemikirkanmengenaiskalapenarafan
(pengertiannyaatauukurannya).
Stanley Smith Steven, seorangahlistatistikpadatahun 1945
telahmengkelaskanskalapenarafankepada:
skala nominal
skala ordinal
skalaselang
skalanisbah
Langkah 3- SoalSelidik
Iamerupakanborang yang berisisoalansertaruanganuntukjawapan di
manasatusampelborangdigunakanuntuksemuaresponden.
Borangsoalselidikhanyabolehdibentukberdasarkanobjektifpenyelidikanuntukm
engumpul data kajian.
langkah 4 – Pengumpulan data
Katakankitatelah pun melaksanakankajian di
lapanganiaitumengedarkansejumlahsoalselidikkesekolah-sekolah yang
telahdikenalpasti.Kita mendapatsambutan yang tinggidaripadasoalselidik
yang diedarkan.
Langkah 5 – Analisis Data
Sebagaipengkaji,
andamenganalisissoalselidiktersebutuntukmendapatkanbilangan (frekuensi)
sambutanresponden, purata (min)
sambutanrespondensertamencariperbezaan,
menentukanhubungan,danmengenalpastiperubahan.
Langkah 6 – Penakulan (Pentafsiran)
Penafsiranhendalahdibuatberdasarkankepadaanalisisdankeputusan yang
telahdiperolehiselepaskutipan data.
Penerangankepadakeputusantersebutjugahendaklahdititikberatkandalamsebuahkajian.
Langkah 7 - Persembahkan
Laporan
Perbagaibentuk ,graf, Cartapai, Histogram dll
4. Terangkanempat (4) jenisskala yang biasadigunakandalamsoalselidik.

i)

Skala Nominal: klasifikasi data kepada kategori tertentu yang
Tiada nilai sepunya misalnya mengkategorikan
Responden mengikut kategori tertentu misalnya
Mengikut:
(i) Jantina : perempuan dan lelaki.
(ii) Bangsa : Cina, Melayu, India dan Lain‐lain
(iii) Status : Bujang atau Sudah Berkahwin
Data nominal adalah ukuran yang paling sederhana,
Dimana angka yang diberikan kepada objek mewakili
Satu label sahaja, dan tidak menunjukkan sebarang
Pemeringkatan. Misalnya perempuan diberi nilai=1
Manakala lelaki=2. Angka‐angka ini tidak boleh

ii)

Skala ordinal berkehendakkan responden memilih pandangan atau
jawapan
berasaskan susunan keutamaan. Contoh skala ini ialah
status ekonomi seseorang (tinggi, sederhana, atau rendah). Pengiraan
median atau memisahkan nombor sebelah
atas
dan
nombor
sebelah bawah.
iii)

Skala nombor boleh dalam dua bentuk:
Skala diskrit dan skala selanjar. Skala diskrit menghasilkan suatu
nombor bulat,
manakala

iv)

Skala selanjar pula menghasilkan suatu nombor berasaskan alat
pengukuran yang digunakan. Pengiraan min dilakukan untuk skala
selanjar.

5. Pembersihan data
MEMBERSIHKAN DATA
Apabilakesemua data sudahdimasukkankedalam program SPSS, data
tersebuthendaklahdibersihkanterlebihdahulu. Antara sebabperlunyapembersihan
data ialahtersilapmembuatkoding, kesilapanmemasukan data,
danterdapatsambutanresponden yang tertinggalterhadapmanamana item
dalamsoalselidik.Jikarespondentidakmemberikanmana-manasambutan item
demografisepertiumur, jantina, etnikatautarafpendidikan, makakehilangan data
sepertiinitidaklahmemberikanmasalah yang besar.Namun,
Bagiresponden yang tidakmemberikanmana-manasambutanterhadap item-item
dalamsoalselidik, pengkajimempunyaiduapilihan:
samaadamembuangkanterusrespondentersebutdaripadadianalisis (gunakanlistwise
deletion), atau pun membuangkanhanya item yang
tidakmendapatsambutanresponden (gunakan pairwise deletion). Tekniklistwise
deletion digunakanjika data yang tertinggalsambutannyakurangdaripada 10 %.
Jikasambutan data yang tertinggalitutinggi,
makapengkajibolehjugamenggunakanteknikpenggantian min. Misalnya,
jikarespondentidakmemberikansambutanpadasuatu item, makagantikanmin
bagiresponden yang tidakmemberikansambutan (berdasarkanresponden yang
memberikansambutansahaja).
Bagipengkaji yang menggunakantekniklistwise deletion, kemungkinanberlakunya
bias ataukesilapansangatlahbesarsemasaanalisisdijalankansekiranyasemua item
dalamsoalselidikitusememangnyadiisiolehresponden.
Inisebenarnyatidakmungkinberlakubagiresponden yang
sememangnyajujurmenjawabsetiap item dalamsoalselidiktersebut.Begitulahjuga,
bagiresponden yang tertinggalmemberikansambutankeatassatu item
dalamsoalselidik. Olehitusekiranyamemangberlakunya bias ataukesilapan,
initidaklahmenjejaskaninterpretasianalisis data.
Manakalapengkaji yang menggunakanteknik pairwise deletion pula,
hanyamembuangkan item yang
tidakmendapatsambutanresponden.Cumanyaialahbilangansampel yang
dianalisisberubahdaripadadaripadasatukepadasampel yang berikutnya.
Kesilapanmembuatkodingberlakuapabilaseseorang yang memasukkan data
itubukanpenyelidikitusendiriiaitukemungkinanmereka yang tiadapengalaman,
tidakdilatihterlebihdahuluataukemungkinantiadapenyeliaandilakukansemasamemasu
kkan data.
Dapatkanfrekuensi data jikaandasudahmempunyai 20 %
sambutandaripadaresponden.Terusdapatkanfrekuensi data yang berikutnya, iaitu 40
%
sambutanresponden.Ulangifrekuensisambutanrespondensehinggaandapastibahawa
data frekuensi yang ditunjukkanberjalandenganlancar.
Setiapfrekuensimerupakantabulasisambutanrespondenbagisetiap item.Jika data
andabilangannyakecil,
imbasanmenggunakanmatakasaradalahmemadaiuntukmengesansebarangkesilapan
.Manakalabagi data yang besar pula,
makaperlukepadapemeriksaanmenggunakankomputer.

More Related Content

What's hot

STATISTIKA DASAR (CARA PENYAJIAN DATA STATISTIKA)
STATISTIKA DASAR (CARA PENYAJIAN DATA STATISTIKA)STATISTIKA DASAR (CARA PENYAJIAN DATA STATISTIKA)
STATISTIKA DASAR (CARA PENYAJIAN DATA STATISTIKA)
Yusrina Fitriani Ns
 
Statistika Presentasi
Statistika PresentasiStatistika Presentasi
Statistika Presentasi
guest232a662
 
MATEMATIKA TERAPAN (MODUS, MEAN, MEDIAN, VARIAN, SIMPANGAN BAKU, REGRESI)
MATEMATIKA TERAPAN (MODUS, MEAN, MEDIAN, VARIAN, SIMPANGAN BAKU, REGRESI)MATEMATIKA TERAPAN (MODUS, MEAN, MEDIAN, VARIAN, SIMPANGAN BAKU, REGRESI)
MATEMATIKA TERAPAN (MODUS, MEAN, MEDIAN, VARIAN, SIMPANGAN BAKU, REGRESI)
afifsalim
 
Rangkuman Materi Ststistika
Rangkuman Materi StstistikaRangkuman Materi Ststistika
Rangkuman Materi Ststistika
Fuad Nasir
 
Statistik perwakilan data (word)-hantar
Statistik perwakilan data (word)-hantarStatistik perwakilan data (word)-hantar
Statistik perwakilan data (word)-hantar
Miccaill Casparov
 
Bab1 statistik
Bab1 statistikBab1 statistik
Bab1 statistik
nadiahbsa
 

What's hot (20)

Ppt singkat pengantar statistika kel 1
Ppt singkat pengantar statistika kel 1Ppt singkat pengantar statistika kel 1
Ppt singkat pengantar statistika kel 1
 
Kuliah 1 konsep dasar statistika niken
Kuliah 1 konsep dasar statistika nikenKuliah 1 konsep dasar statistika niken
Kuliah 1 konsep dasar statistika niken
 
Statistik 1
Statistik 1Statistik 1
Statistik 1
 
Statistika presentasi kelompok 2
Statistika presentasi kelompok 2Statistika presentasi kelompok 2
Statistika presentasi kelompok 2
 
STATISTIKA DASAR (CARA PENYAJIAN DATA STATISTIKA)
STATISTIKA DASAR (CARA PENYAJIAN DATA STATISTIKA)STATISTIKA DASAR (CARA PENYAJIAN DATA STATISTIKA)
STATISTIKA DASAR (CARA PENYAJIAN DATA STATISTIKA)
 
Statiska pertemuan 1
Statiska pertemuan 1Statiska pertemuan 1
Statiska pertemuan 1
 
Statistika Presentasi
Statistika PresentasiStatistika Presentasi
Statistika Presentasi
 
Statistika
StatistikaStatistika
Statistika
 
Statistika
StatistikaStatistika
Statistika
 
MATEMATIKA TERAPAN (MODUS, MEAN, MEDIAN, VARIAN, SIMPANGAN BAKU, REGRESI)
MATEMATIKA TERAPAN (MODUS, MEAN, MEDIAN, VARIAN, SIMPANGAN BAKU, REGRESI)MATEMATIKA TERAPAN (MODUS, MEAN, MEDIAN, VARIAN, SIMPANGAN BAKU, REGRESI)
MATEMATIKA TERAPAN (MODUS, MEAN, MEDIAN, VARIAN, SIMPANGAN BAKU, REGRESI)
 
Pengertian dasar dalam_statistika(1)
Pengertian dasar dalam_statistika(1)Pengertian dasar dalam_statistika(1)
Pengertian dasar dalam_statistika(1)
 
Ppt singkat statistika kelompok 10
Ppt singkat statistika kelompok 10Ppt singkat statistika kelompok 10
Ppt singkat statistika kelompok 10
 
Rangkuman Materi Ststistika
Rangkuman Materi StstistikaRangkuman Materi Ststistika
Rangkuman Materi Ststistika
 
STATISTIKA (Menganalisis Data) - Pertemuan 1
STATISTIKA (Menganalisis Data) - Pertemuan 1STATISTIKA (Menganalisis Data) - Pertemuan 1
STATISTIKA (Menganalisis Data) - Pertemuan 1
 
Makalah Statistika, Ekonomi dan Bisnis II
Makalah Statistika, Ekonomi dan Bisnis IIMakalah Statistika, Ekonomi dan Bisnis II
Makalah Statistika, Ekonomi dan Bisnis II
 
Kelompok 1 statistik terapan (1)
Kelompok  1 statistik terapan (1)Kelompok  1 statistik terapan (1)
Kelompok 1 statistik terapan (1)
 
Statistik perwakilan data (word)-hantar
Statistik perwakilan data (word)-hantarStatistik perwakilan data (word)-hantar
Statistik perwakilan data (word)-hantar
 
ESPA 4123 - Statistika Ekonomi Modul 6 : Estimasi (Pendugaan Statistik)
ESPA 4123 - Statistika Ekonomi Modul 6 : Estimasi (Pendugaan Statistik)ESPA 4123 - Statistika Ekonomi Modul 6 : Estimasi (Pendugaan Statistik)
ESPA 4123 - Statistika Ekonomi Modul 6 : Estimasi (Pendugaan Statistik)
 
Statistik wayan
Statistik wayanStatistik wayan
Statistik wayan
 
Bab1 statistik
Bab1 statistikBab1 statistik
Bab1 statistik
 

Viewers also liked

Censos central elèctrica
Censos central elèctricaCensos central elèctrica
Censos central elèctrica
lauriiitaaa
 

Viewers also liked (13)

Censos central elèctrica
Censos central elèctricaCensos central elèctrica
Censos central elèctrica
 
Chicken jalfrezi indian style
Chicken jalfrezi indian styleChicken jalfrezi indian style
Chicken jalfrezi indian style
 
Mahatma gandhi and human_rights-a_ppt
Mahatma gandhi and human_rights-a_pptMahatma gandhi and human_rights-a_ppt
Mahatma gandhi and human_rights-a_ppt
 
International Day of People With Disabilities
International Day of People With DisabilitiesInternational Day of People With Disabilities
International Day of People With Disabilities
 
Spareage EUSGA 2015,
Spareage EUSGA 2015, Spareage EUSGA 2015,
Spareage EUSGA 2015,
 
Predavanja 05 - Osnovne osobine klasa
Predavanja 05 - Osnovne osobine klasaPredavanja 05 - Osnovne osobine klasa
Predavanja 05 - Osnovne osobine klasa
 
Ortografia
OrtografiaOrtografia
Ortografia
 
Nova ortografia
Nova ortografiaNova ortografia
Nova ortografia
 
Impulsgespraeche oekosozialmarkt
Impulsgespraeche oekosozialmarktImpulsgespraeche oekosozialmarkt
Impulsgespraeche oekosozialmarkt
 
Feminismo
FeminismoFeminismo
Feminismo
 
Genius Recipe for Homemade Soup
Genius Recipe for Homemade SoupGenius Recipe for Homemade Soup
Genius Recipe for Homemade Soup
 
Mahatma gandhi and human_rights-a_ppt
Mahatma gandhi and human_rights-a_pptMahatma gandhi and human_rights-a_ppt
Mahatma gandhi and human_rights-a_ppt
 
Almond Chicken Recipe
Almond Chicken RecipeAlmond Chicken Recipe
Almond Chicken Recipe
 

Similar to Nota exam

biostatistik.pptx document universitas muh gorontalo
biostatistik.pptx document universitas muh gorontalobiostatistik.pptx document universitas muh gorontalo
biostatistik.pptx document universitas muh gorontalo
ElsaHabi1
 
Aminullah assagaf p9 12-metode penelitian_14 ags 2021
Aminullah assagaf p9 12-metode penelitian_14 ags 2021Aminullah assagaf p9 12-metode penelitian_14 ags 2021
Aminullah assagaf p9 12-metode penelitian_14 ags 2021
Aminullah Assagaf
 
Aminullah assagaf p9 12-metode penelitian_14 ags 2021
Aminullah assagaf p9 12-metode penelitian_14 ags 2021Aminullah assagaf p9 12-metode penelitian_14 ags 2021
Aminullah assagaf p9 12-metode penelitian_14 ags 2021
Aminullah Assagaf
 
MPI-sess_12-Pengolahan-Data.ppt
MPI-sess_12-Pengolahan-Data.pptMPI-sess_12-Pengolahan-Data.ppt
MPI-sess_12-Pengolahan-Data.ppt
NothngIsTrue
 
INFORMATIKA RUMPUN KESEHATAN SMK KELAS X_BAB 6 ANALISIS DATA DAN DAMPAK SOSIA...
INFORMATIKA RUMPUN KESEHATAN SMK KELAS X_BAB 6 ANALISIS DATA DAN DAMPAK SOSIA...INFORMATIKA RUMPUN KESEHATAN SMK KELAS X_BAB 6 ANALISIS DATA DAN DAMPAK SOSIA...
INFORMATIKA RUMPUN KESEHATAN SMK KELAS X_BAB 6 ANALISIS DATA DAN DAMPAK SOSIA...
andiekuA
 
Pendahuluan: Metode Statistika
Pendahuluan: Metode StatistikaPendahuluan: Metode Statistika
Pendahuluan: Metode Statistika
Indira Laksmi
 

Similar to Nota exam (20)

biostatistik.pptx document universitas muh gorontalo
biostatistik.pptx document universitas muh gorontalobiostatistik.pptx document universitas muh gorontalo
biostatistik.pptx document universitas muh gorontalo
 
Bab ii
Bab iiBab ii
Bab ii
 
Data dan Penyajian data
Data dan Penyajian dataData dan Penyajian data
Data dan Penyajian data
 
Biostatistik
BiostatistikBiostatistik
Biostatistik
 
Statistik.xlsx
Statistik.xlsxStatistik.xlsx
Statistik.xlsx
 
Modul 1 statistika deskriptif
Modul 1 statistika deskriptifModul 1 statistika deskriptif
Modul 1 statistika deskriptif
 
Aminullah assagaf p9 12-metode penelitian_14 ags 2021
Aminullah assagaf p9 12-metode penelitian_14 ags 2021Aminullah assagaf p9 12-metode penelitian_14 ags 2021
Aminullah assagaf p9 12-metode penelitian_14 ags 2021
 
Aminullah assagaf p9 12-metode penelitian_14 ags 2021
Aminullah assagaf p9 12-metode penelitian_14 ags 2021Aminullah assagaf p9 12-metode penelitian_14 ags 2021
Aminullah assagaf p9 12-metode penelitian_14 ags 2021
 
MPI-sess_12-Pengolahan-Data.ppt
MPI-sess_12-Pengolahan-Data.pptMPI-sess_12-Pengolahan-Data.ppt
MPI-sess_12-Pengolahan-Data.ppt
 
Dasar Dasar Statistika
Dasar Dasar StatistikaDasar Dasar Statistika
Dasar Dasar Statistika
 
R5 g kel 1 statdas 1
R5 g kel 1 statdas 1R5 g kel 1 statdas 1
R5 g kel 1 statdas 1
 
Statistika
StatistikaStatistika
Statistika
 
Analisis data dan interpretasi 2
Analisis data dan interpretasi 2Analisis data dan interpretasi 2
Analisis data dan interpretasi 2
 
INFORMATIKA RUMPUN KESEHATAN SMK KELAS X_BAB 6 ANALISIS DATA DAN DAMPAK SOSIA...
INFORMATIKA RUMPUN KESEHATAN SMK KELAS X_BAB 6 ANALISIS DATA DAN DAMPAK SOSIA...INFORMATIKA RUMPUN KESEHATAN SMK KELAS X_BAB 6 ANALISIS DATA DAN DAMPAK SOSIA...
INFORMATIKA RUMPUN KESEHATAN SMK KELAS X_BAB 6 ANALISIS DATA DAN DAMPAK SOSIA...
 
Pendahuluan: Metode Statistika
Pendahuluan: Metode StatistikaPendahuluan: Metode Statistika
Pendahuluan: Metode Statistika
 
Materi satatistik 2
Materi satatistik 2Materi satatistik 2
Materi satatistik 2
 
TINJAUAN UMUM DATA DAN STATISTIKA
TINJAUAN UMUM DATA DAN STATISTIKATINJAUAN UMUM DATA DAN STATISTIKA
TINJAUAN UMUM DATA DAN STATISTIKA
 
Statistik ts
Statistik tsStatistik ts
Statistik ts
 
STATISTIKA
STATISTIKASTATISTIKA
STATISTIKA
 
Makalah statistik
Makalah statistikMakalah statistik
Makalah statistik
 

Nota exam

  • 1. 1. Apakahygdimaksudkandengan: a) Statistik statistikbolehlahdikatakankajianberkaitanketakpastian. Data yang diperolehimasalepas, sekarangdanakandatang adalah tidakpasti. Statistikdidefinisikansebagaisatukaedahsaintifikuntukmengumpul, menyusun, meringkas,mempersembahkandanmenganalisis data sertamembuatkesimpulan, rumusandankeputusanberdasarkanhasil penganalisian data tersebut. b) Pembolehubahdiskrit pembolehubah yang menghasilkan data diskrit yang berbentuknombor bulat c) Pembolehubahtakbersandar pembolehubah yang mempengaruhipembolehubah lain. Pemboleh ubah yang faktornyadiukur, dimanipulasi, ataudipiliholehpenyelidik untukmenentukanhubunganyadengansesuatugejala yang diperhatikan. d) Hipotesis Jangkaanawalkepadahasilkajian yang dilakukan e) Skala Ordinal Skala ordinal membolehkanpengkajimengetahuisejauhmanakah respondenbersetujuatautidakbersetujudengansesuatupernyataan. Skala ordinal bolehdigunakandaripada 3 kategori (tinggi, sederhana, danrendah) hinggakepada9 kategori f) Pembolehubah (i) Pembolehubah kuantitatif: satu istilah yang digunakan untuk menerangkan ciri‐ciri sesuatu yang boleh diukur misalnya berat, tinggi, suhu dan sebagainya. (ii) Pembolehubah kualitatif: satu istilah yang digunakan untuk menerangkan ciri‐ciri sesuatu yang TIDAK boleh diukur misalnya agama, jantina, bangsa, kaum dan sebaainya. (iii) Pembolehubah diskrit: satu istilah yang digunakan untuk sesuatu yang boleh diwakili oleh nombor integer seperti bilangan anak, bilangan rumah, bilangan pelajar yang membuat pendaftara awal dan sebagainya
  • 2. g) Data yang dikutippadatempohmasatertentusepertisetiaptahun, setiapenambulansekali, setiapbulanatausetiapminggudikenalisebagaidata sirimasa. h) Data yang dikutippadatempohmasa yang tetaptetapimelibatkanbeberapakawasandikenalisebagaidata keratanrentas. 2. Perbezaandata kualitatifdankuantitatif Data kuantitatifialah data yang bolehdiukur.Contoh: ketinggianpelajar, markahpelajar, penerimaansistem PBS olehibu-bapa. Di dalm data kuantitatifada yang diskritdanada data yang berterusan.Data diskritterdiridaripadanomborbulatmanakala data berterusanterdiridaripada data yang adanilaiperluluhanataupecahan. Data kualitatifmerupakan data yang tidakdapatdiukur.Contoh: warnarambut. Data kualitatifbolehditukarkepada data kuantitatifdenganmenggunakanskalaLikert 3. Huraikan proses yang terlibatdalampengurusan data. Langkah 1 – Pembolehubah Sebelummendapatkan data, kitahendaklahmemikirkanmengenaipembolehubahpembolehubahiaitupembolehubahtidakbersandardanpembolehubahbersandar . Langkah 2 - Skala Walaubagaimana pun, kitajugaperlumemikirkanmengenaiskalapenarafan (pengertiannyaatauukurannya). Stanley Smith Steven, seorangahlistatistikpadatahun 1945 telahmengkelaskanskalapenarafankepada: skala nominal skala ordinal skalaselang skalanisbah Langkah 3- SoalSelidik Iamerupakanborang yang berisisoalansertaruanganuntukjawapan di manasatusampelborangdigunakanuntuksemuaresponden. Borangsoalselidikhanyabolehdibentukberdasarkanobjektifpenyelidikanuntukm engumpul data kajian.
  • 3. langkah 4 – Pengumpulan data Katakankitatelah pun melaksanakankajian di lapanganiaitumengedarkansejumlahsoalselidikkesekolah-sekolah yang telahdikenalpasti.Kita mendapatsambutan yang tinggidaripadasoalselidik yang diedarkan. Langkah 5 – Analisis Data Sebagaipengkaji, andamenganalisissoalselidiktersebutuntukmendapatkanbilangan (frekuensi) sambutanresponden, purata (min) sambutanrespondensertamencariperbezaan, menentukanhubungan,danmengenalpastiperubahan. Langkah 6 – Penakulan (Pentafsiran) Penafsiranhendalahdibuatberdasarkankepadaanalisisdankeputusan yang telahdiperolehiselepaskutipan data. Penerangankepadakeputusantersebutjugahendaklahdititikberatkandalamsebuahkajian. Langkah 7 - Persembahkan Laporan Perbagaibentuk ,graf, Cartapai, Histogram dll 4. Terangkanempat (4) jenisskala yang biasadigunakandalamsoalselidik. i) Skala Nominal: klasifikasi data kepada kategori tertentu yang Tiada nilai sepunya misalnya mengkategorikan Responden mengikut kategori tertentu misalnya Mengikut: (i) Jantina : perempuan dan lelaki. (ii) Bangsa : Cina, Melayu, India dan Lain‐lain (iii) Status : Bujang atau Sudah Berkahwin Data nominal adalah ukuran yang paling sederhana, Dimana angka yang diberikan kepada objek mewakili Satu label sahaja, dan tidak menunjukkan sebarang Pemeringkatan. Misalnya perempuan diberi nilai=1 Manakala lelaki=2. Angka‐angka ini tidak boleh ii) Skala ordinal berkehendakkan responden memilih pandangan atau jawapan berasaskan susunan keutamaan. Contoh skala ini ialah status ekonomi seseorang (tinggi, sederhana, atau rendah). Pengiraan median atau memisahkan nombor sebelah atas dan nombor sebelah bawah.
  • 4. iii) Skala nombor boleh dalam dua bentuk: Skala diskrit dan skala selanjar. Skala diskrit menghasilkan suatu nombor bulat, manakala iv) Skala selanjar pula menghasilkan suatu nombor berasaskan alat pengukuran yang digunakan. Pengiraan min dilakukan untuk skala selanjar. 5. Pembersihan data MEMBERSIHKAN DATA Apabilakesemua data sudahdimasukkankedalam program SPSS, data tersebuthendaklahdibersihkanterlebihdahulu. Antara sebabperlunyapembersihan data ialahtersilapmembuatkoding, kesilapanmemasukan data, danterdapatsambutanresponden yang tertinggalterhadapmanamana item dalamsoalselidik.Jikarespondentidakmemberikanmana-manasambutan item demografisepertiumur, jantina, etnikatautarafpendidikan, makakehilangan data sepertiinitidaklahmemberikanmasalah yang besar.Namun, Bagiresponden yang tidakmemberikanmana-manasambutanterhadap item-item dalamsoalselidik, pengkajimempunyaiduapilihan: samaadamembuangkanterusrespondentersebutdaripadadianalisis (gunakanlistwise deletion), atau pun membuangkanhanya item yang tidakmendapatsambutanresponden (gunakan pairwise deletion). Tekniklistwise deletion digunakanjika data yang tertinggalsambutannyakurangdaripada 10 %. Jikasambutan data yang tertinggalitutinggi, makapengkajibolehjugamenggunakanteknikpenggantian min. Misalnya, jikarespondentidakmemberikansambutanpadasuatu item, makagantikanmin bagiresponden yang tidakmemberikansambutan (berdasarkanresponden yang memberikansambutansahaja). Bagipengkaji yang menggunakantekniklistwise deletion, kemungkinanberlakunya bias ataukesilapansangatlahbesarsemasaanalisisdijalankansekiranyasemua item dalamsoalselidikitusememangnyadiisiolehresponden. Inisebenarnyatidakmungkinberlakubagiresponden yang sememangnyajujurmenjawabsetiap item dalamsoalselidiktersebut.Begitulahjuga, bagiresponden yang tertinggalmemberikansambutankeatassatu item dalamsoalselidik. Olehitusekiranyamemangberlakunya bias ataukesilapan, initidaklahmenjejaskaninterpretasianalisis data. Manakalapengkaji yang menggunakanteknik pairwise deletion pula, hanyamembuangkan item yang
  • 5. tidakmendapatsambutanresponden.Cumanyaialahbilangansampel yang dianalisisberubahdaripadadaripadasatukepadasampel yang berikutnya. Kesilapanmembuatkodingberlakuapabilaseseorang yang memasukkan data itubukanpenyelidikitusendiriiaitukemungkinanmereka yang tiadapengalaman, tidakdilatihterlebihdahuluataukemungkinantiadapenyeliaandilakukansemasamemasu kkan data. Dapatkanfrekuensi data jikaandasudahmempunyai 20 % sambutandaripadaresponden.Terusdapatkanfrekuensi data yang berikutnya, iaitu 40 % sambutanresponden.Ulangifrekuensisambutanrespondensehinggaandapastibahawa data frekuensi yang ditunjukkanberjalandenganlancar. Setiapfrekuensimerupakantabulasisambutanrespondenbagisetiap item.Jika data andabilangannyakecil, imbasanmenggunakanmatakasaradalahmemadaiuntukmengesansebarangkesilapan .Manakalabagi data yang besar pula, makaperlukepadapemeriksaanmenggunakankomputer.