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 Statistik
1- Analisis UNIvariate
2- Analisis Bivariate

6. 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)

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 kecenderungan
memusat(Central tendency)
Nominal Ordinal Interval/Ratio
Mode X X X
Median X X
Mean 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 Pengujian
Hipotesis
 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 sebulan
atau
Ho: 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
sebulan
atau
H1: 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 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?

31. Kajian hubungan
Correlation
Design Scale of Measurement
Coefficients
Phi
Two nominal variables
Coefficient
A nominal variable and
an interval or ratio Point-biserial
variable
Survey or Correlational Studies
Ordinal Spearman's r
Interval or ratio Pearson's r

32. Kajianof Perbandingan
Designs
Scale
Test Statistic
Measurement
Nominal Chi-Squared, sign test
Single-group
Z-test : Population variance is known
between-subject
Ratio or Interval
T-test: Population variance must be estimated
Nominal Chi-Squared
Two-group between-
Ordinal Sign test, Wilcoxon's rank-sum test ,U-Mann
subject
Whitney test(tidak bersandar)
Interval or Ratio Student's t-test
Ordinal Kruskal-Wallace's H-test
Three or more group
between subject Fisher's F-test If significant, test individual
Interval or ratio
(ANOVA) means with Tukey's 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 hujung
o 1 hujung sebelah kiri
o 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) = β
Oleh 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 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.

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 in
SPSS

47. The Crosstabs Procedure in
SPSS

48. Adakah terdapat perbezaan di
antara kumpulan kajian

49. Mengkaji hubungan di antara
pembolehubah kajian

50. Jika taburan data bukan
tertabur normal

51. Sekian
Terima Kasih