KAEDAH PENYELIDIKAN

TM6013

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.
Ukuran kecenderungan
memusat(Central tendency)
  Nominal Ordinal Interval/Ratio

Mode X X X

Median   X X

Mean     X
Statistik Inferens
 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
  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 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?

 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

 Kajian
Designs
Scale ofPerbandingan
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
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.
2. Tak-normal – u-mann whitney test
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
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 H 0 sedangkan dalam keadaan
sebenar, ia palsu.
Kb (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)
Pokok Pemilihan Ujian
 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
Descriptive Statistics
Procedure
The Crosstabs Procedure in SPSS
The Crosstabs Procedure in SPSS
Adakah terdapat perbezaan di
antara kumpulan kajian
Mengkaji hubungan di antara
pembolehubah kajian
Jika taburan data bukan
tertabur normal
 Sekian

Terima Kasih