Topik 2 Asas Statistik Dalam Ujian Pengukuran Dan Penilaian Pendidikan Jasmani
Topik 2 Asas Statistik Dalam Ujian Pengukuran Dan Penilaian Pendidikan Jasmani
Asas Statistik
dalam Ujian,
Pengukuran
dan Penilaian
Pendidikan
Jasmani
HASIL PEMBELAJARAN
Pada akhir topik ini, anda seharusnya dapat:
1. Menjelaskan istilah asas dalam statistik;
2. Mengaplikasi jenis-jenis ukuran kecenderungan memusat dalam
Pendidikan Jasmani;
3. Mengaplikasi jenis-jenis ukuran pemboleh ubah; dan
4. Membezakan empat jenis skala pengukuran.
PENGENALAN
34 X
TOPIK 2
2.1
35
Sebelum kita pergi lebih jauh, mari pelajari kita istilah-istilah asas dalam statistik.
Pemahaman istilah-istilah ini penting sebelum anda mengaplikasinya pada
keputusan ujian. Untuk memahami apa itu statistik, adalah wajar bagi kita untuk
meninjau beberapa definisi yang dikemukakan seperti berikut:
(a)
Populasi
Populasi adalah pengumpulan semua unsur yang dikaji dan yang kita
cuba menarik kesimpulan tentangnya.
Populasi ini perlu ditakrifkan supaya ia jelas, sama ada sesuatu unsur adalah
ahli populasi atau tidak. Semua subjek mestilah memiliki sesuatu ciri yang
boleh diukur atau diperhati. Sebagai contoh, jika anda mahu mengenal pasti
tahap kecergasan fizikal murid Tahun Dua di sekolah, populasi mestilah
meliputi kesemua murid Tahun Dua.
36 X
(b)
TOPIK 2
Sampel
Sampel ialah pengumpulan sebahagian tetapi bukan kesemua unsur
populasi yang dikaji.
Sampel digunakan untuk menghurai populasi.
(c)
Sampel rawak
Sampel rawak adalah keadaan di mana setiap subjek dalam populasi
mempunyai peluang yang sama rata, termasuk dalam sampel.
(d)
Taburan kekerapan
Taburan kekerapan ialah satu cara untuk menyusun data dalam bentuk
yang lebih bersesuaian dan praktikal.
Ia menunjukan kekerapan bagi sesuatu skor atau markah yang diperoleh oleh
sebuah kumpulan. Semua data hendaklah disusun bagi memudahkan untuk
kita mencari taburan kekerapan. Untuk memahami dengan lebih lanjut, mari
kita lihat contoh dalam Jadual 2.1.
Jadual 2.1 menunjukkan taburan kekerapan bagi ujian bangkit tubi bagi 23
orang murid Tahun Tiga Dahlia.
Jadual 2.1: Taburan Kekerapan bagi Ujian Bangkit Tubi Tahun Tiga Dahlia
x
29
28
27
26
25
24
23
22
21
20
t
1
1
11
111
11
111
1
1111
1111
1
N = 23
f
1
1
2
3
2
3
1
5
4
1
(e)
37
Data
Data adalah pengumpulan sebarang jumlah cerapan yang berkait.
Terma data juga bermaksud keputusan yang ditunjukkan secara bernombor
dalam pengukuran. Ia juga boleh bermaksud maklumat verbal dalam
kecenderungan memusat. Terdapat banyak cara dalam menyusun data. Apa
yang penting ialah data boleh dikumpul dan disusun secara tertib.
Penyusunan data membolehkan kita melihat dengan segera sebahagian ciriciri data yang telah dikumpul. Data boleh membantu pembuat keputusan
untuk membuat tekaan berasaskan pengetahuan tentang sebab-musabab dan
seterusnya kesan-kesan yang mungkin berlaku. Contoh data adalah seperti
Jadual 2.2 berikut.
Jadual 2.2: Contoh Data
Nama
Jantina
Ujian 1
Ujian 2
Ujian 3
Amran Omar
Lelaki
50
70
90
Benny
Lelaki
60
70
80
Canny
Perempuan
50
40
70
Lelaki
80
70
90
Danial Fazli
2.2
Terdapat tiga ukuran kecenderungan memusat iaitu min, median dan mod.
Penerangan tentang jenis-jenis ukuran tersebut adalah seperti berikut:
2.2.1
Min
Sebagai guru, kita tidak boleh lari daripada pertanyaan pelajar, terutama dalam
hal ujian. Soalan yang selalu keluar dari mulut pelajar ialah Apakah markah
purata dalam ujian? Min adalah kaedah yang selalu digunakan untuk mengukur
kecenderungan memusat yang mewakili purata aritmetik suatu set pencerapan. Ia
dikira dengan mencampurkan jumlah skor dan dibahagikan dengan jumlah
bilangan skor. Formula mencari min adalah seperti berikut:
38 X
TOPIK 2
Mari kita lihat contoh berikut bagi memahami dengan lebih lanjut tentang min.
Contoh 2.1:
Cuba cari min bagi data di bawah:
5, 15, 10, 15, 5, 10, 10, 20, 25, 15
Data hendaklah disusun terlebih dahulu sebelum mencari min seperti berikut:
Skor
5
10
15
20
25
Kekerapan
2
3
3
1
1
Min bersamaan 130 dibahagikan dengan 10 bersamaan dengan 13; atau dalam persamaan
Min
130 = 13
10
2.2.2
Median
Median adalah satu nilai tunggal daripada set data yang mengukur item
memusat dalam data.
Item tunggal ini ialah yang paling tengah atau paling memusat dalam sesuatu set
nombor. Median juga yang membahagikan set data kepada dua bahagian yang
sama besar.
Berikut adalah contoh untuk mencari median.
39
Contoh 2.2:
5, 10, 10, 10, 15, 15, 20, 20, 25
Cuba anda cari median bagi bilangan pelajar di atas.
Mencari median dapat dilakukan dengan menyusun data bagi memudahkan
pencarian median. Kemudian, cuba cari median dengan mengambil nombor yang
berada di tengah-tengah set nombor. Dalam contoh ini, 15 adalah median kerana
ia berada di tengah set nombor.
Jika bilangan set nombor genap, ia dapat dilakukan dengan mencampur keduadua nombor yang berada di tengah dan dibahagikan dengan dua. Sebagai contoh;
2, 2, 4, 6, 7, 9, 10, 12
Median = 6 + 7
2
= 6.5
Median mempunyai beberapa kebaikan jika dibandingkan dengan min.
Pertamanya, nilai-nilai ekstrem tidak dapat mempengaruhi median. Kita boleh
mencari median walaupun data bersifat perihalan kualitatif. Median juga mudah
difahami dan boleh dikira dengan sebarang jenis data. Namun ia juga
mempunyai kelemahan di mana sesetengah prosedur statistik yang
menggunakan median adalah lebih kompleks daripada menggunakan min. Selain
itu, oleh kerana median ialah nilai yang berada pada kedudukan purata, kita
perlu menyusun data sebelum melakukan pengiraan. Ini akan mengambil masa
bagi set yang mengandungi bilangan unsur yang besar.
2.2.3
Mod
Mod ialah satu ukuran kecenderungan memusat yang berbeza daripada min,
tetapi agak menyerupai median kerana ia bukanlah dikira melalui proses
aritmetik biasa.
Mod ialah nilai yang paling kerap berulang dalam set data.
Ia diwakili oleh titik tertinggi dalam keluk taburan sesuatu set data. Sebelum
mengenal pasti mod, data hendaklah disusun secara sistematik bagi
40 X
TOPIK 2
memudahkan proses pencarian. Mari kita lihat contoh yang diberikan bagi
memahami dengan lebih lanjut tentang mod.
Contoh 2.3:
Data di bawah mewakili bilangan pelajar yang menjadi ahli Persatuan Bulan
Sabit Merah di Sekolah Menengah Kebangsaan Redang Panjang.
1, 2, 3, 3, 5, 5, 7, 7, 7, 7, 8, 9
Cuba anda cari mod bagi bilangan pelajar di atas.
Mod dapat dikenal pasti dengan melihat nombor yang kerap berulang di atas
data. Oleh itu, mod bagi contoh di atas ialah 7 kerana ia merupakan nombor yang
paling kerap berulang iaitu sebanyak empat kali pengulangan.
Sepertimana juga median, mod tidak mudah dipengaruhi oleh nilai-nilai ekstrem.
Kita boleh menggunakan mod tanpa menghiraukan besar mana, kecil mana, atau
bagaimana tersebarnya nilai-nilai dalam suatu set data yang ada. Ini kerana kita
hanya memilih set data yang berlaku paling kerap sebagai nilai mod. Walaupun
terdapat kebaikan, mod tidak boleh digunakan sekerap min dan median untuk
mengukur kecenderungan memusat. Kerapkali, nilai mod tidak ada kerana tidak
berlaku pengulangan dalam set data atau set data mengandungi dua, tiga atau
lebih mod. Ini menyebabkan ia agak sukar untuk ditafsir dan dibuat
perbandingan.
AKTIVITI 2.1
Cuba anda cari min, median dan mod bagi data yang diberi:
55, 45, 50, 45, 45, 50, 60, 70, 85, 55.
Anda dikehendaki untuk menyusun data yang diberikan.
2.3
Dalam subtopik ini, kita akan melihat beberapa ukuran pemboleh ubah julat,
sisihan lazim, varian, skor 2, skor 1 dan lengkok norma.
2.3.1
41
Julat
Menggunakan persamaan ini, mari kita bandingkan julat bayaran tahunan yang
diberikan dalam contoh 2.4 berikut.
Contoh 2.4:
Jumlah bayaran tahunan bagi pusat tuisyen Hj. Zulkifli diberikan dalam Jadual
2.3 berikut.
Jadual 2.3: Julat bayaran tahunan
Sesi
Awal tahun
Pertengahan tahun
Akhir tahun
Jumlah bayaran
RM 1000
RM 1200
RM 1900
Apakah julat bayaran tahunan pusat tuisyen Hj Zulkifli? Julat bayarannya ialah
RM1900 RM1000 = RM900.
Julat mudah difahami dan dicari, tetapi kegunaannya sebagai ukuran serakan
adalah terhad. Julat hanya menpertimbangkan nilai tertinggi dan nilai terendah
tetapi mengabaikan pencerapan lain dalam set data. Oleh kerana ia mengukur
dua nilai sahaja, julat lebih berkemungkinan untuk berubah dengan ketara
daripada satu sampel kepada sampel yang lain dalam populasi yang diberi,
walaupun nilai-nilai yang berada di antara nilai tertinggi dan nilai terendah
mungkin hampir sama.
42 X
TOPIK 2
2.3.2
Sisihan Lazim
Sisihan lazim ialah satu teknik pengukuran pemboleh ubah yang popular. Sisihan
lazim mengira berapa banyak penaklukan dibezakan daripada min kumpulan. Ia
juga adalah satu kaedah yang terbaik untuk melihat perbezaan skor dalam
taburan kecenderungan memusat.
Formula untuk mengira sisihan lazim adalah seperti berikut:
S = ( X M )
"""""""""""""*P/3+
Di mana:
S = Sisihan lazim
X = Skor
M = Min
N = Jumlah bilangan skor
Mari kita lihat Contoh 2.5.
Contoh 2.5:
Jadual 2.4: Contoh Sisihan Lazim
X
X-M
( X - M )
-4
16
22
30
S = ( X M )
(N-1)
S =
22
(5-1)
S = 5.5
S = 2.35
S = 2.35
2.3.3
43
Varian
Varian dianalisis bagi membuat inferens tentang sama ada sampel yang diambil
daripada populasi mempunyai min yang sama atau tidak. Dengan ini, kita dapat
membandingkan min lebih daripada dua sampel. Ia juga adalah cara yang baik
untuk menentukan ketepatan min. Formula untuk mencari varian adalah seperti
berikut:
S = ( X M )
""""""""""""""P
Di mana:
S = Varian
X = Skor
M = Min
N = Jumlah bilangan skor
Jadual 2.5 memberikan contoh untuk mencari varian bagi dua kumpulan:
Contoh 2.6:
Jadual 2.5: Contoh untuk Mencari Varian
Kumpulan 1
Kumpulan 2
X-M
( X M )
X-M
( X M )
16
-1
-2
-2
-4
16
( X M ) = 10
X = 25
N=5
M=5
( X M ) = 40
X = 25
N=5
M=5
S = ( X M )
N
S = ( X M )
N
S = 10
5
S =
40
5
S = 2
S =
44 X
2.3.4
TOPIK 2
Skor z
(48 - 40)
4
8
4
2
Walau bagaimanapun terdapat beberapa ujian yang dikira semakin rendah skor
mentah semakin tinggi prestasinya. Formula skor z bagi skor mentah yang dikira
berdasarkan semakin rendah skor ujian, maka semakin baik prestasinya adalah
seperti berikut:
Skor z = ( Min Skor mentah)
Sisihan lazim
Contoh 2.8:
Seramai 30 orang pelajar mengambil ujian lari pecut 50m. Skor min yang
diperoleh ialah 8 saat dan sisihan lazim adalah 2. Maka nilai skor z bagi pelajar
yang mempunyai skor mentah 6 saat ialah:
Skor z =
=
=
(8 - 6)
2
2
2
1
2.3.5
45
Skor T
2.3.6
Lengkok Norma
Sukar bagi kita menggambarkan taburan markah ujian dengan lebih jelas. Oleh
itu, lengkok norma dicipta bagi membantu para pendidik untuk memudahkan
cara perbandingan markah atau skor seseorang pelajar dengan pelajar yang lain.
Lengkok norma mempunyai kualiti yang menarik minat untuk digunakan.
Kebanyakan lengkok norma mempunyai bentuk menyerupai sebuah loceng.
Segala keputusan yang berasaskan lengkok norma lebih konsisten dan amat
sesuai untuk menilai prestasi pelajar daripada berlainan kumpulan.
Sesuatu taburan markah ujian juga boleh menjadi lengkok negatif atau lengkok
positif. Apabila sesuatu ujian dikategorikan sebagai senang di mana ramai calon
mendapat skor yang tinggi dan tidak ramai calon mendapat skor yang rendah,
ekor bagi taburan berkenaan akan menghala ke kiri dan dikenali sebagai lengkok
negatif. Seandainya ujian yang diberikan adalah terlalu sukar, ramai calon
mendapat skor rendah dan amat kurang calon yang mendapat skor tinggi, maka
ekor taburan berkenaan menghala ke kanan dan dikenali sebagai lengkok positif.
Lengkok norma dapat menjelaskan kepada kita min, median dan mod secara
serentak. Rajah 2.2 di bawah menunjukkan lengkok norma, lengkok norma positif
dan lengkok norma negatif.
46 X
TOPIK 2
2.4
SKALA PENGUKURAN
Skala Nominal
Skala nominal adalah skala yang paling mudah dan terendah berbanding
lain-lain skala. Ia digunakan untuk mengenal pasti dan melaporkan
kekerapan sesuatu pemboleh ubah. Nilai yang diberikan kepada pemboleh
47
ubah dalam skala ini hanyalah membezakan kategori dan tidak boleh dibuat
perbandingan antara satu dengan lain. Contoh skala nominal ialah jantina
yang dibezakan oleh skala (1) untuk murid lelaki dan (2) untuk murid
perempuan ataupun bangsa yang dibezakan oleh skala (1) Melayu, (2) Cina,
(3) India dan (4) lain-lain. Nombor digunakan untuk mewakili pemboleh
ubah tersebut tetapi ia tidak mempunyai nilai berangka atau apa-apa
hubungan.
(ii)
Skala Ordinal
Skala ordinal membekalkan beberapa maklumat mengenai urutan atau
pangkatan pemboleh ubah dalam turutan tertinggi ke paling rendah atau
kecil ke besar. Nilai dalam skala nominal tidak menunjukkan berapa besar
perbezaan antara satu nilai dengan orang lain. Biasanya skala ordinal hanya
menunjukkan arah perbezaan. Contoh skala ordinal adalah skala Likert lima
peringkat iaitu (5) sangat setuju, (4) setuju, (3) tidak pasti, (2) tidak setuju
dan (1) sangat tidak setuju. Perbezaan antara kedudukan pangkatan antara
skala 1 hingga skala 5 tidak boleh dibandingkan.
(iii)
Skala Sela
Skor ujian berdasarkan skala sela adalah lebih tepat berbanding dengan
skala nominal dan ordinal. Menggunakan skala sela, perbezaan unit dalam
pengukuran dapat menggambarkan perbezaan yang sebenar terhadap ciriciri pemboleh ubah yang diukur. Contoh dalam ujian bangkit tubi, pelajar A
berjaya membuat 80 bilangan ulangan, pelajar B mendapat 70 ulangan dan
pelajar C mendapat 40 ulangan. Ini bermakna pelajar A berjaya melakukan
bangkit tubi 10 ulangan lebih berbanding pelajar B dan pelajar C, 30 ulangan
lebih rendah berbanding pelajar B. Namun dalam hal ini, kita tidak boleh
menyatakan bahawa pelajar A, dua kali lebih kuat berbanding pelajar C.
Manakala nilai 0 dalam skala sela tidak menggambarkan apa-apa nilai.
Pelajar yang mendapat skor 0 tidak bermakna dia tidak mempunyai daya
tahan otot di bahagian abdomen.
48 X
TOPIK 2
Median merupakan item tunggal yang paling tengah atau paling memusat
dalam sesuatu set nombor. Median juga yang membahagikan set data kepada
dua bahagian yang sama besar.
Mod ialah nilai yang paling kerap berulang dalam set data. Ia diwakili oleh
titik tertinggi dalam keluk taburan sesuatu set data. Data hendaklah disusun
secara sistematik bagi memudahkan proses pencarian.
Dalam ukuran pemboleh ubah, julat ialah perbezaan antara nilai tercerap
paling tinggi dan paling rendah. Manakala, sisihan lazim mengira berapa
banyak penaklukan dibezakan daripada min kumpulan. Ia juga adalah satu
kaedah yang terbaik untuk melihat perbezaan skor dalam taburan
kecenderungan memusat.
Varian pula digunakan bagi membuat inferens, sama ada sampel yang
diambil daripada populasi yang mempunyai min yang sama atau tidak.
Dengan ini, kita dapat membandingkan min bagi lebih daripada dua sampel.
Julat
Sisihan lazim
Kekerapan
Skor z
Lengkok Norma
Skor T
Median
Varian
Min
Nominal
Mod
Ordinal
Populasi
Sela
Sampel
Nisbah
Sampel rawak
49