550 likes | 1.31k Views
KAEDAH PENYELIDIKAN TM6013. ANALISIS DATA Hazura Mohamed. DATA ANALISIS. Objektif : Kemahiran dalam menganalisis data menggunakan teknik-teknik berstatistik. Analisis Statistik.
E N D
KAEDAH PENYELIDIKANTM6013 ANALISIS DATA Hazura Mohamed
DATA ANALISIS Objektif : Kemahiran dalam menganalisis data menggunakan teknik-teknik berstatistik
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.
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.
Deskriptif Statistik 1- Analisis UNIvariate 2- Analisis Bivariate
Analisis Univariate 1.Taburan Frekuensi • Paling basic (and least useful) • Percentage • Mod (nominal data) 2. Ukuran Kecenderungan Memusat • Min – (interval data ) • Mod – (nominal data) • Median – (ordinal data)
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)
Sambung… Skew = 0 Skew > 0 “positive skew” Skew < 0 “negative skew”
Analisis Bivariat • Korelasi • Arah • Kekuatan • Pearson r (interval data) • Spearman (ordinal data)
Data • Teknik--teknik berstatistik adalah ditentukan oleh jenis data. • Pemahaman asas mengenai jenis data membantu dalam pemilihan kaedah analisis dan ujian statistik yang sesuai
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.
Jenis Data Data Kualitatif- bukan numerik • Nilai-nilai data adalah kategori bukan berangka. • Cth: jenis darah, jantina
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
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.
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)
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.
Nominal Ordinal Interval/Ratio Mode X X X Median X X Mean X Ukuran kecenderungan memusat(Central tendency)
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
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.
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.
Langkah-langkah Pengujian Hipotesis • Penyataan hipotesis • Jenis Taburan Data • Aras keertian • Ujian Statistik • Kawasan Penolakan • Pengiraan ujian statistik • Keputusan • Kesimpulan
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 .
Contoh: Ho: Purata pendapatan pelajar MIT UKM Bangi adalah RM4,000.00 sebulan atau Ho: = RM 4,000.00 sebulan.
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.
Contoh: H1: Purata pendapatan pelajar MIT UKM Bangi adalah kurang RM4,000.00 sebulan atau H1: < 4,000.00 .
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
Taburan Data • Ø Taburan data sampel perlu di kenalpasti terlebih dahulu untuk membolehkan kita menggunakan statistik ujian yang betul. Ø Bagi data yang diambil dari taburan normal, taburan sampel nya juga normal. Bagi data yang diambil dari taburan bukan normal, teorem had memusat diperlukan. Ø 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 data.
Aras Keertian • Menerima atau menolak H0 bergantung kepada tahap signifikan atau aras keertian (level of significance) • Aras keertian ditandakan dengan simbol • Juga dipanggil sebagai kebarangkalian berlakunya ralat jenis I, iaitu dalam membuat keputusan, hipotesis nol ditolak sedangkan pada hakikat ianya benar. • Maka semakin besar nilai , semakin besar kemungkinan kita akan menolak hipotesis nol yang benar • Lazimnya nilai yang digunakan ialah 0.1, 0.01 atau 0.05
Ujian Statistik Sebelum 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?
Design Scale of Measurement Correlation Coefficients Survey or Correlational Studies Two nominal variables Phi Coefficient A nominal variable and an interval or ratio variable Point-biserial Ordinal Spearman's r Interval or ratio Pearson's r Kajian hubungan
Designs Scale of Measurement Test Statistic Single-group between-subject Nominal Chi-Squared, sign test Ratio or Interval Z-test : Population variance is known T-test: Population variance must be estimated Two-group between-subject Nominal Chi-Squared Ordinal Sign test, Wilcoxon's rank-sum test ,U-Mann Whitney test(tidak bersandar) Interval or Ratio Student's t-test Three or more group between subject Ordinal Kruskal-Wallace's H-test Interval or ratio Fisher's F-test (ANOVA) If significant, test individual means with Tukey's HSD Kajian Perbandingan
Contoh • Seorang pensyarah ingin mengetahui adakah belajar secara dalam kumpulan menyebabkan peningkatan prestasi dalam exam berbanding belajar secara individu.. • Tujuan : menguji adakah teknik belajar memberi kesan kepada pencapaian markah. • Mengkaji dua kumpulan sampel yang independent • Pembolehubah kajian : markah peperiksaan • Skala pengukuran: nisbah. • Hipotesis H0: Tiada perbezaan purata markah di antara belajar berkumpulan dan belajar sendiri. • Statistik ujian yang sesuai : • Normal - independent t-test. • Tak-normal – u-mann whitney test
Kawasan Penolakan Ø Ada 3 jenis hujung ujian: o 2 hujung o 1 hujung sebelah kiri o 1 hujung sebelah kanan Ø Bergantung kepada H1. Ø Kawasan penolakan adalah kawasan yang membolehkan Ho di tolak
Nilai Kritikal • Nilai pemisah diantara kawasan penolakan dan kawasan penerimaan. Keputusan Kesimpulan
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. ØKb (Ralat Jenis I ) = dan Kb (Ralat Jenis II) = Oleh itu penyelidik menetapkan aras keertian pada 0.05 iaitu hanya 5 dari 100 sahaja dibenarkan membuat ralat jenis 1
Secara Matematik • = kb (Ralat jenis I ) • = kb ( tolak H0| H0 benar ) • dan • = kb (Ralat jenis II) • = KB (Terima H0| H0 palsu)
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.
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
3 kumpulan Ujian berstatistik inferensi • 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.
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 test independent sample atau dependent sample
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
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