SlideShare a Scribd company logo
1 of 34
Penyelidikan Tindakan:
Analisis Data Kuantitatif
Analisis Deskriptif:
   Frekuensi
   Peratusan
   Min
   Mod
   Median
   Sisihan piawai
   Pekali korelasi
DUA JENIS DATA
SKALA ORDINAL
SKALA INTERVAL/SELA
SKALA INTERVAL/SELA
Contoh: Perbezaan jarak skor M1, M3, M6 & M8 diwakili oleh satu perbezaan
skor yang sama iaitu dalam sela 50-59 . Ini disebabkan oleh kerana setiap sela
10 skor mempunyai makna yang sama. Sebaliknya, jika dibandingkan
perbezaan skor M1 dan M2, jaraknya ialah 20 iaitu antara sela 50-59 dan 60-69.
           M1    M2      M3      M4      M5     M6      M7      M8      M9       M10
90-100
80-89                                      /
70-79               /                                      /
60-69                              /                                      /       /
50-59        /             /                       /               /
40-49
30-39
20-29
10-19
0-9

         Skor diperoleh oleh 10 orang murid dalam satu kelas dalam ujian Sains
SKALA NISBAH/RATIO
JADUAL FREKUENSI

 Jadual frekuensi digunakan untuk meringkaskan/
  merumuskan set data (sama ada data nomimal,
  ordinal). Juga boleh digunakan terhadap data selanjar
  yang telah dikategorikan dalam kumpulan tertentu.


 Ia merekodkan berapa kerap setiap nilai (atau
  satu set nilai-nilai) bagi setiap
  pembolehubah dalam soalan itu berlaku .
 Boleh laporkan bilangan ataupun peratus bagi
  setiap kategori.
JADUAL FREKUENSI
Contoh: Terdapat 30 skor diperoleh oleh seorang penembak adalah seperti
  berikut :-
 5, 2, 2, 3, 4, 4, 3, 2, 0, 3, 0, 3, 2, 1, 5, 1, 3, 1, 5, 5, 2, 4, 0, 0, 4, 5, 4, 4, 5, 5

              Maka, frekuensi bagi skor-skor tersebut diringkaskan
               dalam jadual frekuensi seperti berikut :-
                   Skor                  Frekuensi
                    0                         4
                    1                         3
                    2                         5
                    3                         5
                    4                         6
                    5                         7

                  Jumlah                                 30
JADUAL PERATUSAN
 Frekuensi skor-skor tersebut juga boleh
 diringkaskan seperti berikut :-

Skor     Frekuensi   Peratus
0          4         13%
1          3         10%
2          5         17%
3           5        17%
4           6        20%
5          7         23%
Jumlah     30        100%
MIN
 Adalah hasil purata data-data/skor-skor yang
  diperoleh daripada kajian yang dijalankan.
 Min adalah jumlah semua skor dibahagikan
  dengan bilangan responden

 Min sampel adalah anggaran digunakan untuk
  menganggarkan min populasi
 Simbol :           Formula :
MIN SAMPEL

Contoh - Set data terdiri daripada :

           5, 3, 54, 93, 83, 22, 17, 19.
MOD
 Adalah skor/ nilai yang mempunyai kekerapan yang
  paling tinggi dalam sesuatu taburan data.
 Kadangkala dalam satu taburan skor akan terdapat dua
  mod apabila dua mata nilai muncul lebih kerap.
     Contoh - Keputusan ujian statistik adalah seperti berikut :- :
         Pelajar              Skor
            1                 94
            2                 81
            3                 56
            4                 90
            5                 70
            6                 65
            7                 90
            8                 90
            9                 30
     Mod (most common score) ialah 90
MEDIAN
       Adalah skor/ nilai tengah bagi sesuatu
         taburan skor yang telah disusun mengikut
         urutan menaik atau menurun.

Contoh - Taburan skor mempunyai bilangan ganjil

• Data:
96, 48, 27, 72, 39, 70, 7, 68, 99, 36, 95, 4, 6, 13, 34, 74, 65, 42, 28, 54, 69

• Data disusun secara menaik :
4, 6, 7, 13, 27, 28, 34, 36, 39, 42, 48, 54, 65, 68, 69, 70, 72, 74, 95, 96, 99

• Median = 48, leaving ten values below and ten values above
MEDIAN
    Jika bilangan skor ialah genap (dua angka tengah),
         nilai purata bagi dua skor yang terletak di tengah-
         tengah ialah nilai median.


Contoh - Taburan skor mempunyai bilangan genap

Data:
   57, 55, 85, 24, 33, 49, 94, 2, 8, 51, 71, 30, 91, 6, 47, 50, 65, 43, 41, 7

Data disusun secara menaik :
   2, 6, 7, 8, 24, 30, 33, 41, 43, 47, 49, 50, 51, 55, 57, 65, 71, 85, 91, 94

Median : 47 + 49 ÷ 2 = 48
SISIHAN PIAWAI
 SEBARAN : sebaran merujuk kepada serakan
nilai-nilai sekitar kecenderungan
memusat/tengah.

 Dua bentuk sebaran – JULAT & SISIHAN PIAWAI.

 Julat = dihitung dengan menolak nilai
terendah daripada nilai tertinggi.
 Sisihan piawai = menunjukkan hubungan set
skor dengan min iaitu ukuran serakan sesuatu set
data (measure of the spread or dispersion of a set
of data)
Taburan normal
SISIHAN PIAWAI
 nilai sisihan piawai diperoleh dengan mencari
nilai punca ganda dua varian (s²) dan simbol
sisihan piawai ialah s.d. atau s.

 Formula varian, s² :




 Formula sisihan piawai, s :
Contoh:
 Berikut adalah skor diperoleh oleh murid-murid dalam
  ujian sains.
   Murid            Skor (X)          (X – min)   (X – min)²
     A                 75                 -0.3       0.09
     B                 80                 +4.7       22.09
     C                 81
     D                 80
     E                 76
     F                 55
     G                 85
     H                 56
                    Min= 75.3                     Ε (X – min)²
                                                    = 956.43

           Lengkapkan jadual di atas ….
 Varian = =


      = 956.43 = 136.633
         8–1

 Sisihan piawai =


      = √136.633 = 11.689
99%
                                 95%
                                 68%




                             Min=75.3
Andaian: taburan skor adalah normal atau berbentuk loceng.
1.Anggaran 68% skor daripada sampel termasuk dalam lingkungan satu SP.
2.Anggaran 95% skor daripada sampel termasuk dalam lingkungan dua SP.
3.Anggaran 99% skor daripada sampel termasuk dalam lingkungan tiga SP.

KESIMPULAN : Anggaran 68% skor termasuk ke dalam julat 75.3-11.689
dan 75.3 + 11.689 atau antara 63.611 dan 86.989.
Taburan normal




            Taburan pencong                         Taburan
                negatif                            leptokurtik



Taburan pencong
     positif




                          Taburan platikurtik
SISIHAN PIAWAI
 Semakin luas nilai skor disebarkan, semakin besar nilai
  sisihan piawai.
 Contoh: Katakan ada dua keputusan ujian daripada kelas
  terdiri daripada 30 orang pelajar ;
    Keputusan pertamanya ialah antara julat 31% hingga
    98%, dan satu lagi, antara 82% hingga 93%,.
    Maka, sisihan piawai bagi keputusan yang pertama
    adalah lebih besar.
PEKALI KORELASI

 Pekali korelasi mengukur sejauh mana atau sekuat
  mana dua pembolehubah dapat dikaitkan antara
  satu sama lain & arah perkaitan tersebut (the strength
  and the direction of a linear relationship)

 Pekali korelasi juga dirujuk dengan nama Korelasi
  Pearson (Pearson product moment correlation coefficient )
  penghormatan diberi kepada Karl Pearson.
 Formula menentukan nilai pekali korelasi (r) ialah :
INTERPRETASI NILAI PEKALI KORELASI
 Julat nilai sesuatu pekali korelasi adalah antara +1 dan -1


 Semakin besar nilai sebenar pekali korelasi, maka semakin kuat
   hubungan linear
 Hubungan linear yang paling kuat ditunjukkan oleh pekali
   korelasi -1 atau 1

 Hubungan linear yang paling lemah ditunjukkan oleh pekali
   korelasi sama dengan 0
 Korelasi positif bermaksud sekiranya nilai satu pebolehubah
   meningkat atau menjadi lebih besar, maka nilai pembolehubah
   yang lagi satu juga akan meningkat atau menjadi besar
 Korelasi negatif bermaksud sekiranya nilai satu pembolehubah
   meningkat atau menjadi lebih besar, maka nilai pembolehubah
   yang lagi satu akan mengecil
INTERPRETASI NILAI PEKALI
                      KORELASI




Korelasi positif maksimum ( r = 1.0 )   Korelasi negatif minimum ( r = - 1.0 )

• Apabila kecerunan garisan adalah negatif, maka korelasi
juga negatif. Begitu juga sebaliknya.

• Korelasi terkuat (r = 1 dan r = -1) akan terhasil apabila
titik-titik data berada betul-betul di atas garisan lurus.
INTERPRETASI NILAI PEKALI
           KORELASI




Korelasi positif yang signifikan ( r = 0.80 )
INTERPRETASI NILAI PEKALI
KORELASI




           Korelasi sifar ( r = 0 )

       • Titik-titik data bercorak rawak
INTERPRETASI NILAI PEKALI
KORELASI




     Korelasi negatif sederhana ( r = - 0.43 )
INTERPRETASI NILAI PEKALI
         KORELASI




Korelasi kuat dan keterasingan ( r = 0.71 )
INTERPRETASI NILAI PEKALI
             KORELASI

 PADA UMUMNYA,
 NILAI KORELASI LEBIH DARIPADA 0.8
 DIANGGAP KUAT MANAKALA KORELASI
 KURANG DARIPADA 0.5 DIANGGAP
 LEMAH.
PERSEDIAAN TUTORIAL (ISL):
 Dalam kumpulan, sediakan satu soal selidik yang
  mengandungi 20 soalan tentang ”Faktor-faktor yang
  menyebabkan murid kelas Awana Tahun 5
  mengantuk semasa pengajaran dan pembelajaran”.
  Edarkan soal selidik kepada 10 rakan anda.

TUTORIAL 11:
  Dalam kumpulan, analisiskan data soal selidik
  menggunakan jadual kekerapan, min dan peratus.
                                               (1 jam)

More Related Content

What's hot

Pentaksiran dan penilaian
Pentaksiran dan penilaianPentaksiran dan penilaian
Pentaksiran dan penilaianHon Shan Shan
 
Tajuk 4 bahan bantu mengajar
Tajuk 4 bahan bantu mengajarTajuk 4 bahan bantu mengajar
Tajuk 4 bahan bantu mengajarSalini Dharan
 
Bengkel Pengukuhan Kefahaman KPPB.pptx
Bengkel Pengukuhan Kefahaman KPPB.pptxBengkel Pengukuhan Kefahaman KPPB.pptx
Bengkel Pengukuhan Kefahaman KPPB.pptxIPG
 
Bab 6 pengurusan bilik darjah
Bab 6 pengurusan bilik darjahBab 6 pengurusan bilik darjah
Bab 6 pengurusan bilik darjahAsyikin4996
 
Apa itu kajian kualitatif
Apa itu kajian kualitatifApa itu kajian kualitatif
Apa itu kajian kualitatifRashidah Awang
 
Kaedah & teknik pengajaran
Kaedah & teknik pengajaranKaedah & teknik pengajaran
Kaedah & teknik pengajaranzaini mustaffa
 
Elemen Merentas Kurikulum EMK
Elemen Merentas Kurikulum EMKElemen Merentas Kurikulum EMK
Elemen Merentas Kurikulum EMKcwanrzzwt
 
Modul 6.1_PdP-KmR.pdf
Modul 6.1_PdP-KmR.pdfModul 6.1_PdP-KmR.pdf
Modul 6.1_PdP-KmR.pdfssuser3f4b32
 
KOKURIKULUM DI SEKOLAH
KOKURIKULUM DI SEKOLAH KOKURIKULUM DI SEKOLAH
KOKURIKULUM DI SEKOLAH Fudhla
 
Kerangka konseptual kajian
Kerangka konseptual kajianKerangka konseptual kajian
Kerangka konseptual kajianairenahmad
 
Refleksi praktikum 2018
Refleksi praktikum 2018Refleksi praktikum 2018
Refleksi praktikum 2018NANAPOYO
 
Ciri dan prinsip pentaksiran
Ciri dan prinsip pentaksiranCiri dan prinsip pentaksiran
Ciri dan prinsip pentaksirannurul syifaa'
 
Pendekatan, strategi, kaedah dan teknik pengajaran
Pendekatan, strategi, kaedah dan teknik pengajaranPendekatan, strategi, kaedah dan teknik pengajaran
Pendekatan, strategi, kaedah dan teknik pengajaranBynaNie MaiRa
 
Pembelajaran berasaskan masalah
Pembelajaran berasaskan masalahPembelajaran berasaskan masalah
Pembelajaran berasaskan masalahRohini Egambaram
 
Analisis data kualitatif
Analisis data kualitatifAnalisis data kualitatif
Analisis data kualitatifwmkfirdaus
 
Perbezaan antara penilaian formatif dan penilaian sumatif
Perbezaan antara penilaian formatif dan penilaian sumatifPerbezaan antara penilaian formatif dan penilaian sumatif
Perbezaan antara penilaian formatif dan penilaian sumatifHuiping Lu
 

What's hot (20)

Pentaksiran dan penilaian
Pentaksiran dan penilaianPentaksiran dan penilaian
Pentaksiran dan penilaian
 
Tajuk 4 bahan bantu mengajar
Tajuk 4 bahan bantu mengajarTajuk 4 bahan bantu mengajar
Tajuk 4 bahan bantu mengajar
 
Bengkel Pengukuhan Kefahaman KPPB.pptx
Bengkel Pengukuhan Kefahaman KPPB.pptxBengkel Pengukuhan Kefahaman KPPB.pptx
Bengkel Pengukuhan Kefahaman KPPB.pptx
 
Bab 6 pengurusan bilik darjah
Bab 6 pengurusan bilik darjahBab 6 pengurusan bilik darjah
Bab 6 pengurusan bilik darjah
 
Statistik ppg bab2 -hantar
Statistik ppg bab2 -hantarStatistik ppg bab2 -hantar
Statistik ppg bab2 -hantar
 
Perkembangan moral
Perkembangan moral Perkembangan moral
Perkembangan moral
 
Apa itu kajian kualitatif
Apa itu kajian kualitatifApa itu kajian kualitatif
Apa itu kajian kualitatif
 
Kaedah & teknik pengajaran
Kaedah & teknik pengajaranKaedah & teknik pengajaran
Kaedah & teknik pengajaran
 
Elemen Merentas Kurikulum EMK
Elemen Merentas Kurikulum EMKElemen Merentas Kurikulum EMK
Elemen Merentas Kurikulum EMK
 
Modul 6.1_PdP-KmR.pdf
Modul 6.1_PdP-KmR.pdfModul 6.1_PdP-KmR.pdf
Modul 6.1_PdP-KmR.pdf
 
KOKURIKULUM DI SEKOLAH
KOKURIKULUM DI SEKOLAH KOKURIKULUM DI SEKOLAH
KOKURIKULUM DI SEKOLAH
 
Kerangka konseptual kajian
Kerangka konseptual kajianKerangka konseptual kajian
Kerangka konseptual kajian
 
Refleksi praktikum 2018
Refleksi praktikum 2018Refleksi praktikum 2018
Refleksi praktikum 2018
 
Ciri dan prinsip pentaksiran
Ciri dan prinsip pentaksiranCiri dan prinsip pentaksiran
Ciri dan prinsip pentaksiran
 
Tindakan susulan
Tindakan susulanTindakan susulan
Tindakan susulan
 
Contoh senarai semak
Contoh senarai semakContoh senarai semak
Contoh senarai semak
 
Pendekatan, strategi, kaedah dan teknik pengajaran
Pendekatan, strategi, kaedah dan teknik pengajaranPendekatan, strategi, kaedah dan teknik pengajaran
Pendekatan, strategi, kaedah dan teknik pengajaran
 
Pembelajaran berasaskan masalah
Pembelajaran berasaskan masalahPembelajaran berasaskan masalah
Pembelajaran berasaskan masalah
 
Analisis data kualitatif
Analisis data kualitatifAnalisis data kualitatif
Analisis data kualitatif
 
Perbezaan antara penilaian formatif dan penilaian sumatif
Perbezaan antara penilaian formatif dan penilaian sumatifPerbezaan antara penilaian formatif dan penilaian sumatif
Perbezaan antara penilaian formatif dan penilaian sumatif
 

Similar to Topic 11 AR quantitative data analysis (18)

Kuliah 1.pptx
Kuliah 1.pptxKuliah 1.pptx
Kuliah 1.pptx
 
Analisis dan penafsiran data
Analisis dan penafsiran dataAnalisis dan penafsiran data
Analisis dan penafsiran data
 
Sukatan Kecenderungan Memusat
Sukatan Kecenderungan MemusatSukatan Kecenderungan Memusat
Sukatan Kecenderungan Memusat
 
Soalan latihan-nota
Soalan latihan-notaSoalan latihan-nota
Soalan latihan-nota
 
Kecenderunganmemusat
KecenderunganmemusatKecenderunganmemusat
Kecenderunganmemusat
 
Statistik awalan
Statistik awalanStatistik awalan
Statistik awalan
 
Bab 5 skor z
Bab 5 skor z Bab 5 skor z
Bab 5 skor z
 
Spss ppt
Spss  pptSpss  ppt
Spss ppt
 
Pentaksiran
PentaksiranPentaksiran
Pentaksiran
 
Tugasan projek statistik asas
Tugasan projek statistik asasTugasan projek statistik asas
Tugasan projek statistik asas
 
Variability?
Variability?Variability?
Variability?
 
penilaian pengukuran
penilaian pengukuranpenilaian pengukuran
penilaian pengukuran
 
Statistik asas 1
Statistik asas 1Statistik asas 1
Statistik asas 1
 
Bab 6
Bab 6Bab 6
Bab 6
 
Statistik asas
Statistik asasStatistik asas
Statistik asas
 
Taburan Lengkung Normal
Taburan Lengkung NormalTaburan Lengkung Normal
Taburan Lengkung Normal
 
Nota tm6013
Nota tm6013Nota tm6013
Nota tm6013
 
ujian-t.pptx
ujian-t.pptxujian-t.pptx
ujian-t.pptx
 

More from zytemys

Topic 7 AR data collection methods (quali approach)
Topic 7 AR data collection methods (quali approach)Topic 7 AR data collection methods (quali approach)
Topic 7 AR data collection methods (quali approach)zytemys
 
Topic 12 interpreting the ar data
Topic 12 interpreting the ar dataTopic 12 interpreting the ar data
Topic 12 interpreting the ar datazytemys
 
Topic 10 qualitative data analysis
Topic 10 qualitative data analysisTopic 10 qualitative data analysis
Topic 10 qualitative data analysiszytemys
 
Topic 9 AR data collection considerations
Topic 9 AR data collection considerationsTopic 9 AR data collection considerations
Topic 9 AR data collection considerationszytemys
 
Topic 6 AR planning & proposal
Topic 6 AR planning & proposalTopic 6 AR planning & proposal
Topic 6 AR planning & proposalzytemys
 
Topic 5 AR The Process
Topic 5 AR The ProcessTopic 5 AR The Process
Topic 5 AR The Processzytemys
 
Topic 13 writing an AR report
Topic 13 writing an AR reportTopic 13 writing an AR report
Topic 13 writing an AR reportzytemys
 

More from zytemys (7)

Topic 7 AR data collection methods (quali approach)
Topic 7 AR data collection methods (quali approach)Topic 7 AR data collection methods (quali approach)
Topic 7 AR data collection methods (quali approach)
 
Topic 12 interpreting the ar data
Topic 12 interpreting the ar dataTopic 12 interpreting the ar data
Topic 12 interpreting the ar data
 
Topic 10 qualitative data analysis
Topic 10 qualitative data analysisTopic 10 qualitative data analysis
Topic 10 qualitative data analysis
 
Topic 9 AR data collection considerations
Topic 9 AR data collection considerationsTopic 9 AR data collection considerations
Topic 9 AR data collection considerations
 
Topic 6 AR planning & proposal
Topic 6 AR planning & proposalTopic 6 AR planning & proposal
Topic 6 AR planning & proposal
 
Topic 5 AR The Process
Topic 5 AR The ProcessTopic 5 AR The Process
Topic 5 AR The Process
 
Topic 13 writing an AR report
Topic 13 writing an AR reportTopic 13 writing an AR report
Topic 13 writing an AR report
 

Topic 11 AR quantitative data analysis

  • 2. Analisis Deskriptif:  Frekuensi  Peratusan  Min  Mod  Median  Sisihan piawai  Pekali korelasi
  • 4.
  • 5.
  • 8. SKALA INTERVAL/SELA Contoh: Perbezaan jarak skor M1, M3, M6 & M8 diwakili oleh satu perbezaan skor yang sama iaitu dalam sela 50-59 . Ini disebabkan oleh kerana setiap sela 10 skor mempunyai makna yang sama. Sebaliknya, jika dibandingkan perbezaan skor M1 dan M2, jaraknya ialah 20 iaitu antara sela 50-59 dan 60-69. M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 90-100 80-89 / 70-79 / / 60-69 / / / 50-59 / / / / 40-49 30-39 20-29 10-19 0-9 Skor diperoleh oleh 10 orang murid dalam satu kelas dalam ujian Sains
  • 10. JADUAL FREKUENSI  Jadual frekuensi digunakan untuk meringkaskan/ merumuskan set data (sama ada data nomimal, ordinal). Juga boleh digunakan terhadap data selanjar yang telah dikategorikan dalam kumpulan tertentu.  Ia merekodkan berapa kerap setiap nilai (atau satu set nilai-nilai) bagi setiap pembolehubah dalam soalan itu berlaku .  Boleh laporkan bilangan ataupun peratus bagi setiap kategori.
  • 11. JADUAL FREKUENSI Contoh: Terdapat 30 skor diperoleh oleh seorang penembak adalah seperti berikut :- 5, 2, 2, 3, 4, 4, 3, 2, 0, 3, 0, 3, 2, 1, 5, 1, 3, 1, 5, 5, 2, 4, 0, 0, 4, 5, 4, 4, 5, 5 Maka, frekuensi bagi skor-skor tersebut diringkaskan dalam jadual frekuensi seperti berikut :- Skor Frekuensi 0 4 1 3 2 5 3 5 4 6 5 7 Jumlah 30
  • 12. JADUAL PERATUSAN Frekuensi skor-skor tersebut juga boleh diringkaskan seperti berikut :- Skor Frekuensi Peratus 0 4 13% 1 3 10% 2 5 17% 3 5 17% 4 6 20% 5 7 23% Jumlah 30 100%
  • 13. MIN  Adalah hasil purata data-data/skor-skor yang diperoleh daripada kajian yang dijalankan.  Min adalah jumlah semua skor dibahagikan dengan bilangan responden  Min sampel adalah anggaran digunakan untuk menganggarkan min populasi  Simbol : Formula :
  • 14. MIN SAMPEL Contoh - Set data terdiri daripada : 5, 3, 54, 93, 83, 22, 17, 19.
  • 15. MOD  Adalah skor/ nilai yang mempunyai kekerapan yang paling tinggi dalam sesuatu taburan data.  Kadangkala dalam satu taburan skor akan terdapat dua mod apabila dua mata nilai muncul lebih kerap. Contoh - Keputusan ujian statistik adalah seperti berikut :- : Pelajar Skor 1 94 2 81 3 56 4 90 5 70 6 65 7 90 8 90 9 30 Mod (most common score) ialah 90
  • 16. MEDIAN  Adalah skor/ nilai tengah bagi sesuatu taburan skor yang telah disusun mengikut urutan menaik atau menurun. Contoh - Taburan skor mempunyai bilangan ganjil • Data: 96, 48, 27, 72, 39, 70, 7, 68, 99, 36, 95, 4, 6, 13, 34, 74, 65, 42, 28, 54, 69 • Data disusun secara menaik : 4, 6, 7, 13, 27, 28, 34, 36, 39, 42, 48, 54, 65, 68, 69, 70, 72, 74, 95, 96, 99 • Median = 48, leaving ten values below and ten values above
  • 17. MEDIAN  Jika bilangan skor ialah genap (dua angka tengah), nilai purata bagi dua skor yang terletak di tengah- tengah ialah nilai median. Contoh - Taburan skor mempunyai bilangan genap Data: 57, 55, 85, 24, 33, 49, 94, 2, 8, 51, 71, 30, 91, 6, 47, 50, 65, 43, 41, 7 Data disusun secara menaik : 2, 6, 7, 8, 24, 30, 33, 41, 43, 47, 49, 50, 51, 55, 57, 65, 71, 85, 91, 94 Median : 47 + 49 ÷ 2 = 48
  • 18. SISIHAN PIAWAI  SEBARAN : sebaran merujuk kepada serakan nilai-nilai sekitar kecenderungan memusat/tengah.  Dua bentuk sebaran – JULAT & SISIHAN PIAWAI.  Julat = dihitung dengan menolak nilai terendah daripada nilai tertinggi.  Sisihan piawai = menunjukkan hubungan set skor dengan min iaitu ukuran serakan sesuatu set data (measure of the spread or dispersion of a set of data)
  • 20. SISIHAN PIAWAI  nilai sisihan piawai diperoleh dengan mencari nilai punca ganda dua varian (s²) dan simbol sisihan piawai ialah s.d. atau s.  Formula varian, s² :  Formula sisihan piawai, s :
  • 21. Contoh:  Berikut adalah skor diperoleh oleh murid-murid dalam ujian sains. Murid Skor (X) (X – min) (X – min)² A 75 -0.3 0.09 B 80 +4.7 22.09 C 81 D 80 E 76 F 55 G 85 H 56 Min= 75.3 Ε (X – min)² = 956.43 Lengkapkan jadual di atas ….
  • 22.  Varian = = = 956.43 = 136.633 8–1  Sisihan piawai = = √136.633 = 11.689
  • 23. 99% 95% 68% Min=75.3 Andaian: taburan skor adalah normal atau berbentuk loceng. 1.Anggaran 68% skor daripada sampel termasuk dalam lingkungan satu SP. 2.Anggaran 95% skor daripada sampel termasuk dalam lingkungan dua SP. 3.Anggaran 99% skor daripada sampel termasuk dalam lingkungan tiga SP. KESIMPULAN : Anggaran 68% skor termasuk ke dalam julat 75.3-11.689 dan 75.3 + 11.689 atau antara 63.611 dan 86.989.
  • 24. Taburan normal Taburan pencong Taburan negatif leptokurtik Taburan pencong positif Taburan platikurtik
  • 25. SISIHAN PIAWAI  Semakin luas nilai skor disebarkan, semakin besar nilai sisihan piawai.  Contoh: Katakan ada dua keputusan ujian daripada kelas terdiri daripada 30 orang pelajar ; Keputusan pertamanya ialah antara julat 31% hingga 98%, dan satu lagi, antara 82% hingga 93%,. Maka, sisihan piawai bagi keputusan yang pertama adalah lebih besar.
  • 26. PEKALI KORELASI  Pekali korelasi mengukur sejauh mana atau sekuat mana dua pembolehubah dapat dikaitkan antara satu sama lain & arah perkaitan tersebut (the strength and the direction of a linear relationship)  Pekali korelasi juga dirujuk dengan nama Korelasi Pearson (Pearson product moment correlation coefficient ) penghormatan diberi kepada Karl Pearson.  Formula menentukan nilai pekali korelasi (r) ialah :
  • 27. INTERPRETASI NILAI PEKALI KORELASI  Julat nilai sesuatu pekali korelasi adalah antara +1 dan -1  Semakin besar nilai sebenar pekali korelasi, maka semakin kuat hubungan linear  Hubungan linear yang paling kuat ditunjukkan oleh pekali korelasi -1 atau 1  Hubungan linear yang paling lemah ditunjukkan oleh pekali korelasi sama dengan 0  Korelasi positif bermaksud sekiranya nilai satu pebolehubah meningkat atau menjadi lebih besar, maka nilai pembolehubah yang lagi satu juga akan meningkat atau menjadi besar  Korelasi negatif bermaksud sekiranya nilai satu pembolehubah meningkat atau menjadi lebih besar, maka nilai pembolehubah yang lagi satu akan mengecil
  • 28. INTERPRETASI NILAI PEKALI KORELASI Korelasi positif maksimum ( r = 1.0 ) Korelasi negatif minimum ( r = - 1.0 ) • Apabila kecerunan garisan adalah negatif, maka korelasi juga negatif. Begitu juga sebaliknya. • Korelasi terkuat (r = 1 dan r = -1) akan terhasil apabila titik-titik data berada betul-betul di atas garisan lurus.
  • 29. INTERPRETASI NILAI PEKALI KORELASI Korelasi positif yang signifikan ( r = 0.80 )
  • 30. INTERPRETASI NILAI PEKALI KORELASI Korelasi sifar ( r = 0 ) • Titik-titik data bercorak rawak
  • 31. INTERPRETASI NILAI PEKALI KORELASI Korelasi negatif sederhana ( r = - 0.43 )
  • 32. INTERPRETASI NILAI PEKALI KORELASI Korelasi kuat dan keterasingan ( r = 0.71 )
  • 33. INTERPRETASI NILAI PEKALI KORELASI  PADA UMUMNYA, NILAI KORELASI LEBIH DARIPADA 0.8 DIANGGAP KUAT MANAKALA KORELASI KURANG DARIPADA 0.5 DIANGGAP LEMAH.
  • 34. PERSEDIAAN TUTORIAL (ISL):  Dalam kumpulan, sediakan satu soal selidik yang mengandungi 20 soalan tentang ”Faktor-faktor yang menyebabkan murid kelas Awana Tahun 5 mengantuk semasa pengajaran dan pembelajaran”. Edarkan soal selidik kepada 10 rakan anda. TUTORIAL 11: Dalam kumpulan, analisiskan data soal selidik menggunakan jadual kekerapan, min dan peratus. (1 jam)