Anda di halaman 1dari 29

MTE3105 STATISTIK LATAR BELAKANG KAJIAN

Pada 12 Mac 2013 yang lalu, Sekolah Kebangsaan Ulu Tiram telah mengadakan Ujian Formatif 1 untuk semua murid Tahap 2. Setelah analisa peperiksaan bagi ujian 1 dikeluarkan , kami dapati bahawa murid murid tahun 5 mendapat markah yang agak rendah di dalam mata pelajaran Matematik. Hal ini amat membimbangkan memandang mereka akan menduduki Peperiksaan UPSR pada tahun berikutnya iaitu tahun 2014.

Perkara ini telah mendapat perhatian daripada pihak pentadbir. Maka satu mesyuarat khas telah diadakan oleh Panitia Matematik untuk mengenal pasti dan menangani masalah tersebut. Dapatan dari post-mortem ujian 1 itu, di dapati murid lemah dalam menguasai Bidang Nombor dan Operasi.

Beberapa permasalahan telah dikenal pasti, antaranya ialah: kekurangan latihan matematik di kalangan murid murid tahun 5 kekerapan latihan sukan pada sebelah petang menyebabkan mereka tiada masa untuk mengulang kaji pelajaran. persediaan dan kesedaran mental yang kurang dalam menghadapi ujian formatif 1 ini.

Lantaran daripada itu, untuk mengatasi masalah tersebut di samping meningkatkan prestasi murid murid dalam mata pelajaran Matematik telah di cadangkan. Antara cadangan tersebut ialah: memperbanyakkan latihan latih tubi di dalam kelas, bekalan kerja rumah yang konsisten mengadakan kelas tambahan kepada murid yang lemah untuk setiap kelas. PERSOALAN KAJIAN

Setelah mengenal pasti langkah penyelesaian bagi masalah tersebut di dapati cadangan mengadakan kelas tambahan mendatangkan beberapa halangan dan kekangan. Kelas tambahan yang akan dilaksanakan dipersetujui pada setiap hari Rabu bermula pukul 1:30 petang hingga pukul 2:30 petang. Memandangkan murid murid yang bakal terpilih untuk mengikuti kelas tambahan itu nanti menggunakan kenderaan van sekolah dan bas sekolah yang mengikut jadual waktu persekolahan, maka pengangkutan menjadi isu utama. 1

MTE3105 STATISTIK 1. Bagaimanakah pengangkutan balik mereka ? 2. Kesediaan pihak penjaga untuk menunggu anak jagaan mereka hingga pukul 2:30 petang. 3. Berapakah jarak yang paling jauh dan dekat tempat tinggal mereka dengan sekolah ? 4. Risiko yang mereka akan hadapi sekiranya pulang menggunakan kenderaan awam atau berjalan kaki Dengan menyelesaikan persoalan persoalan tersebut, kami akan memastikan murid murid tersebut dapat menghadiri kelas tambahan yang di adakan tanpa menghadapi masalah pengangkutan. Jarak tempat tinggal mereka perlulah diambil kira dalam pemilihan mereka untuk menyertai kelas tambahan ini.

KAEDAH KAJIAN

Seramai 15 orang murid di dalam setiap kelas tahun 5 dipilih untuk mengikuti kelas tambahan tersebut berdasarkan Keputusan Ujian Formatif 1 yang paling rendah. Untuk memastikan mereka akan hadir ke kelas tambahan ini, kajian terhadap jarak dari rumah ke sekolah di ambil kira. Data tersebut diperoleh daripada Aplikasi Sistem Maklumat Murid berdasarkan alamat tempat tinggal mereka.

Surat kebenaran ibu bapa dan Surat Pemberitahuan Kelas Tambahan dikeluarkan dan diberikan kepada ibu bapa. Didapati semua murid yang terpilih bersetuju untuk menyertai kelas tambahan tersebut tetapi sebilangan ibu bapa tidak dapat menyelesaikan masalah pengangkutan anak mereka. Maka satu kajian terpaksa kami jalankan bagi mengenal pasti jarak antara rumah ke sekolah bagi kami menyediakan kenderaan yang boleh digunakan untuk menghantar pulang murid murid.

Kajian terhadap jarak ini di harap dapat mengurangkan risiko murid untuk tidak hadir ke kelas tambahan ini nanti.

MTE3105 STATISTIK MAKLUMAT JARAK RUMAH MURID KE SEKOLAH DALAM KILOMETER

Berikut merupakan data senarai nama murid yang terlibat di dalam kelas tambahan berserta alamat dan jarak tempat tinggal dengan sekolah.

SENARAI NAMA MURID 5 PERMATA SK ULU TIRAM 2013 BIL NAMA ALAMAT RUMAH KEBAJIKAN PUSPANESAM, 20 & 22, JLN INTAN, TMN ROS PTD 6911, JLN. MUTIARA 6, TMN. KEMAJUAN NO 24 JALAN KEMBIA 2, TAMAN PUTERI WANGSA NO 20,22 JALAN INTAN, TAMAN ROS NO 18 JLN MALURI JAYA 2 TMN MALURI ULU TIRAM 38, JLN INTAN TMN ROS N0.20, JALAN INTAN 22, TAMAN ROS NO 117 JLN PERMATA, TMN MESRA, ULU TIRAM N0 9 JLN NILAM 6 TAMAN MAJU JAYA N0.2 JLN GUNUNG EMAS,TMN ROS NO.17, JALAN LEDANG 3,, TAMAN BUKIT TIRAM, 41, JALAN MANGGIS,, TAMAN TIRAM BARU NO. 63 JLN BESTARI 18/1 TMN BESTARI INDAH NO.15, JALAN LADING 35,, TAMAN PUTERI WANGSA, NO 24 JLN SOGA 10,TMN BUKIT TIRAM JARAK

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

MOSES A/L KATHARASAN JEMESRAJ A/L BALACHANDERAN ANBUSAM DERNISHKANTH A/L THIYARAJAN SANTINI HARI RAHGAVAN HARISH A/L SUBRAMANIAM MOHAMAD NAJMI BIN HAMZAH MUHAMMAD AFIF IRFAN BIN ZUL AZLI MOHAMAD ZAFRIE HANIF BIN MD. HANAPIAH MUHAMMAD AQIF ISYRAF BIN ALI YOASHHENN A/L SHASHEEDHARAN FATIN HUMAIRA' BINTI YUZZEMAN AZZATHUL HUSNA BINTI ZAMRI MUHAMMAD IRFAN BIN MOIDEEN

4 4 6 2 3 10 6 2 4 1 2 1 2 1 6

MTE3105 STATISTIK SENARAI NAMA MURID 5 DELIMA SK ULU TIRAM 2013 BI L 1 2 3 4 5 6 7 8 9 10 11 12 13 14 NAMA ALAMAT 130, JALAN CIKU,, TAMAN TIRAM BARU, LOT 436, JALAN HAJI KASTARI,, BATU 16, SUNGAI TIRAM, NO 10-3, BLOK BINTARA 1, DESA PULADA BT.14 1/2, JALAN SULATI SUHOOD,, KAMPUNG SUNGAI TIRAM NO 33, JALAN MALURI JAYA 4, TAMAN MALURI NO B24, BATU 13 1/2 JALAN HJ SUHUD, SG TIRAM NO 10 JLN SOGA 5 TMN BUKIT TIRAM NO. 19, JLN. HJ. SUHUT, KG. SUNGAI TIRAM NO 141,KG SG TIRAM 19, JALAN DELIMA 2/1, TAMAN MURNI E 50 T/TN 512-5, TAMAN TIRAM BARU NO.42,JLN. BERLIAN 13., TMN. NORA NO. 18, JLN. BERLIAN 13,, TMN. NORA 10, JALAN NILAM 17,, TAMAN KASIH, JARA K 5 2 1 6 8 2 1 3 4 1 3 1 5 5

MUHAMMAD FAKHRISHAH BIN ZAKARIA ANIS NUR HASYIMAH BINTI SYAFFRIZAL MOHAMAD ALIF AKIMI BIN KAMARUDDIN MUHAMMAD FAYYADH BIN MUHAMAD ROHANI AZREENA NATASHA BT AZRIL NURUL AFIZA BINTI ISMAIL AMMIR AZZIZ BIN ZAHROL BAHRI ISKANDAR ZULKARNAIN B. RAHMAT MOHAMAD SHAHRUL BIN DAHLAN SITI AINUN BT MUHAMMAD NAWAWI ERLIN EKNAWATI BINTI ROJEB FARA ZURA BT HASAN NOOR AMIRAH BT ISMAIL NOR FARAH FADHILAH BINTI ZULKIFLI

MTE3105 STATISTIK SENARAI NAMA MURID 5 BERLIAN SK ULU TIRAM 2013 BIL NAMA ALAMAT LOT 3493, BT 14 1/2,, JALAN SUNGAI TIRAM E 82,, TAMAN MUHIBBAH, NO 11A,JLN MERANTI, FELCRA SG REDAN, BT 15 1/2 KG TENANG 3, JLN SG TIRAM NO 10 JLN ZAMRUD, TMN ZAMRUD BATU 14 KG SG TIRAM, NO 41, JLN MALURI JAYA 3, TMN MALURI COM WOOD PROD, SDN BHD LOT 835, 837, BT 13 1/2 JLN SG TIRAM 8, JLN MALURI JAYA 3, TMN MALURI 10, JALAN ZAMRUD 8,, TAMAN ZAMRUD, 14.JLN DELIMA 2,, TAMAN MURNI LOT543, LORONG MULIA 3,, KAMPUNG MULIA, SUNGAI TIRAM, LOT 1308,JLN SEMPADAN,MKM MULIA,, BATU 16,JLN SG TIRAM BT 13 1/3 JLN HJ SUHUD, SUNGAI TIRAM PESTAKA 4,TINGKAT 1,NO 01,DESA PULADA JARAK

1 2 3 4 5 6 7

ABDUL RAUF B ALI RAHMINDA BINTI NASIAR MOHAMAD DANIAL HAKIM BIN YAZID MUHAMMAD HAZIL IZHAM MUHAMMAD NURHAKIMIE B ADISMAYUDY NOOR AISYAH BINTI ABDUL JALAL STEWART BERRY ANAK ALEX SUJANG

3 2 1 1 8 2 2

8 9 10 11

MUHAMMAD KHAIRUL ROZALI B ZAMRI NURIN UMAIRAH BT NORDIN SYANUR BINTI ABD SUKOR HABIL BIN HANAFI

2 5 1 3

12 13 14 15

NURUL AIN AQILAH BINTI ZOLCEFFLI MOHAMAD ZULLUQMAN AFIQ BIN RAHMAT MOHAMAD TAUFEAQ AIMAN BIN SARMANI NURUL SAFFIRA BTE ABD RAHMAN

2 5 1 4

MTE3105 STATISTIK KAJIAN JARAK RUMAH MURID DENGAN SEKOLAH

Nilai penganggar bagi min populasi Untuk mencari min sampel, formula berikut kami gunakan: Min bagi sampel 1 adalah seperti berikut: Min bagi sampel 2 adalah seperti berikut: Min bagi sampel 3 adalah seperti berikut:

MTE3105 STATISTIK Penganggar bagi min populasi (), formula berikut kami gunakan:

Min sampel x merupakan penganggar terbaik kepada min populasi kerana penganggar yang saksama, konsisten dan paling cekap. Untuk itu, kami telah menetapkan tiga kumpulan sampel seperti berikut: Sampel 1 Sampel 2 Sampel 3 Jarak dari rumah ke sekolah dalam unit KM bagi murid 5 Permata Jarak dari rumah ke sekolah dalam unit KM bagi murid 5 Delima Jarak dari rumah ke sekolah dalam unit KM bagi murid 5 Berlian

Mencari Varian Sampel dan Sisihan Piawai Sampel Varian Sampel ( )

Sisihan Piawai Ralat Maksima Andaian dilakukan mengikut Teorem Had memusat, sekiranya n > 30, maka datanya bertaburan secara normal. Oleh itu, sifir Z di gunakan kerana sifir Z adalah penganggar normal. Maka formula yang di gunakan ialah

MTE3105 STATISTIK

Selang Keyakinan 95% bagi min populasi Selang keyakinan 95% bagi min populasi yang kami kaji ialah

Nilai Data Terkecil Nilai data terkecil x jika hanya 5% daripada nilai tertinggi sahaja maka formula di bawah digunakan. = X E = X +

S ( N )

= 3.27 + 0.1711 (

= 3.27 + 0.1711 ( 0.324) = 3.325

MTE3105 STATISTIK Analisa Jarak Rumah Murid ke Sekolah (Kilometer) Masalah jarak tempat tinggal murid di kumpulkan mengikut jarak. Dari data yang dikeluarkan, kami dapat mengetahui jumlah murid mengikut jarak yang telah di tetapkan. Lokasi tempat tinggal murid juga dapat di ketahui dengan lebih jelas.

Berikut adalah sampel bagi jarak dan bilang murid :

JARAK 1.0 - 1.9 km 2.0 - 2.9 km 3.0 - 3.9 km 4.0 - 4.9 km 5.0 - 5.9 km 6.0 - 6.9 km 8.0 - 8.9 km 10.0 - 10.9 km

JUMLAH MURID 11 orang 11 orang 5 orang 5 orang 6 orang 4 orang 2 orang 1 orang
Populasi : Murid Tahun 5 SK Ulu Tiram Sampel : 45 orang

Penggangar titik dan selang bagi min populasi Penganggar titik Penganggar titik ialah statistik yang diambil daripada sampel dan digunakan untuk parameter populasi. Walau bagaimanapun, penganggar titik ini hanya baik sebagai perwakilan sampelnya sahaja. Jika sampel rawak yang lain diambil daripada populasi, penganggar titik yang diterbitkan daripada sampel tersebut adalah barlainan.

MTE3105 STATISTIK

Maklumat data di atas adalah mengikut formula yang kami gunakan menggunakan perisian Microsoft Excel seperti jadual di sebelah.

= min jarak rumah dengan sekolah bagi populasi


= min jarak rumah dengan sekolah bagi sampel min sampel , adalah penganggar titik bagi min populasi

10

MTE3105 STATISTIK Penganggar selang

Disebabkan oleh variasi di dalam sampel statistik, penganggaran parameter populasi dengan selang penganggaran biasanya lebih digemari daripada menggunakan

penganggaran titik. Penganggaran selang digunakan untuk menganggar had atas dan had bawah sesuatu selang yang dijangka akan mengandungi nilai parameter populasi. Sekiranya (1 ) 100% daripada selang-selang yang dianggar mengandungi nilai ) 100% bagi

parameter populasi, maka setiap selang ini adalah selang keyakinan (1 parameter populasi tersebut. Maka, 1 -

adalah probabiliti sesuatu selang keyakinan

mengandungi nilai parameter dan ini dirujuk sebagai asas keyakinan.

Dengan itu, daripada sampel rawak bersaiz variansnya diketahui, selang keyakinan (1 -

yang dipilih daripada populasi di mana

) 100% bagi boleh dikira seperti berikut.

0.5 -

1keyakinan

Rajah: Skor Z untuk selang keyakinan di dalam hubungannya dengan

11

MTE3105 STATISTIK Menurut kajian, Varians bagi sampel,s ( )

Sisihan piawai bagi sampel,s


Dalam kajian ini, varians populasi penganggar titik dalam

tidak diketahui. Oleh itu, s boleh digunakan sebagai ini. Menyusun semua formula tersebut untuk

keadaan

menyelesaikan nilai

memberikan Selang keyakinan bagi

Selang keyakinan 95% bagi = = = 1.96 ( 0.635

= (2.635 , 3.905) 95% daripada min sampel berada dalam lingkungan di antara 2.635 dan 3.905. Dalam selang keyakinan 95%, aras keyakinannya ialah 95% atau 0.95. Kenyataan kebarangkalian yang ditunjukkan memberitahu kita terdapat 0.95 kebarangkalian min populasi adalah di dalam selang ini. Jika 45 selang seperti itu dibentuk dengan mengambil sampel rawak daripada populasi, lebih kurang 40 daripada selang tersebut melibatkan min populasi dan lima daripadanya bukan. Kebarangkalian memberitahu kita kebolehjadian

selang tertentu adalah satu yang termasuk di dalam min populasi.

12

MTE3105 STATISTIK Kami telah memilih aras keyakinan 95% untuk menyelesaikan masalah selang keyakinan. Sebab kami memilih keyakinan yang tinggi (95% ) dan bukan keyakinan yang rendah seperti 80% dan 85% adalah atas penimbangan lebar selangnya. Aras keyakinan rendah

berkemungkinan memberikan selang yang sempit dan ini akan menjejaskan ketepatan selang itu. Bagi selang dengan 100% keyakinan adalah terlalu luas dan tidak bermakna. Selepas pengiraan selang keyakinan 95% , kumpulan kami boleh membuat kesimpulan bahawa semakin aras keyakinan meningkat, selang semakin luas apabila saiz sampel dan sisihan piawai tetap kekal.

13

MTE3105 STATISTIK Hipotesis Menggunakan ANOVA Satu kajian telah dijalankan untuk mengetahui sama ada terdapat perbezaan min jarak tempat tinggal murid ke sekolah antara murid-murid di 3 buah kelas iaitu kelas 5 Permata, 5 Delima dan 5 Berlian. Setiap kelas mengandungi 15 sampel jarak dalam kilometer. Ujian hipotesis ini dijalankan dengan menggunakan aras keertian 0.05.

Ujian Analisis Varians (ANOVA) Analisis Varians (ANOVA) adalah satu kaedah untuk menguji samada terdapat perbezaan di antara min-min untuk lebih daripada dua populasi .ANOVA juga digunakan untuk membandingkan min bagi satu kumpulan atau lebih berdasarkan satu pemboleh ubah tidak bersandar (faktor/rawatan).

Terdapat beberapa andaian yang penting di sebalik analisis varians. Semua populasi kajian bagi tiga buah kelas ( 5 Permata, 5 Delima dan 5 Berlian) bertabur secara normal dengan varians seragam. Semua sampel jarak daripada rumah ke sekolah dari tiga kelas rawak. Pemilihan sampel yang diambil dari tiga kelas adalah secara rawak. diambil secara

ANOVA adalah dikira dengan tiga jenis variasi iaitu jumlah variasi, variasi antara kumpulan dan variasi dalam kumpulan.Ujian Hipotesis digunakan bagi menguji sama ada untuk menerima atau menolak kesahihan /kebenaran kajian tersebut.

Langkah 1: Nyatakan

dan

Tidak terdapat perbezaan yang bererti diantara min jarak rumah ke sekolah 5 Permata, 5 Delima dan 5 Berlian pada = 0.05

: Sekurang-kurangnya dua daripada min jarak rumah ke sekolah sekolah 5 Permata, 5 Delima dan 5 Berlian mempunyai perbezaan yang bererti pada ( tidak semua min adalah sama ) = 0.05

Hipotesis nul menyatakan bahawa min populasi bagi murid-murid dari tiga buah kelas tersebut adalah sama manakala hipotesis altenatif menyatakan jika hanya satu sahaja min populasi adalah berbeza dari yang lain, hipotesis nul akan ditolak.

14

MTE3105 STATISTIK Langkah 2: Tentukan statistik ujian yang digunakan. Ujian ANOVA adalah sesuai untuk menyelesaikan masalah kajiaan ini.Ujian ANOVA juga digunakan untuk menguji hipotesis varian.Penyediaan jadual ANOVA penting untuk memudahkan pembacaan data-data tersebut. Berikut di bawah adalah merupakan jadual ANOVA .

Ujian ANOVA Menggunakan Microsoft Excel

Kami juga menggunakan perisian Microsoft Excel untuk menjalankan ujian ANOVA. Ia merupakan rujukan dan jawapan bagi kami dalam menjalankan ujian ANOVA secara manual. Dengan penggunaan ujian ANOVA menggunakan perisian Microsoft Excel ianya lebih mudah, cepat dan jawapan yang diperoleh juga lebih tepat berbanding penggunaan secara manual.

Langkah 1 : Mengisikan data-data yang hendak diuji seperti berikut:

15

MTE3105 STATISTIK Langkah 2 : Di bawah tab Data, memilih Data Analysis Memilih ANOVA : Single Factor

Data

Langkah 3 : Dalam jadual berikut, mengisi atau memilih data-data yang perlu Dalam Input Range , mengisi atau highlight data yang perlu diuji. Dalam kajian kami, kami hendak menguji jarak rumah ke sekolah murid 5 Permata, 5 Delima dan 5 Berlian.. Dalam Grouped by , memilih column kerana kumpulan sampel terdapat dalam ruangan jadual. Menanda Alpha pula, mengisi aras keertian kami iaitu 0.05 Di bawah Output Option menanda Output Range dan menaip G9 , jadual ANOVA akan keluar pada cell G9.

16

MTE3105 STATISTIK

Langkah 4: Jadual ANOVA dikeluarkan pada cell G9.

Untuk menunjukkan data yang lebih jelas adalah seperti di bawah.

Analisa Kajian

Selepas menjalankan kajian ini, kami lebih memahami tentang kegunaan ujian statistik dalam kehidupan seharian. Kami telah mengaitkan ujian statistik dengan pencapaian dan prestasi bagi murid-murid tahun 6 dalam mata pelajaran Matematik. Melalui min, kami dapat lebih memahami dan mengetahui perbezaan pencapaian semua murid-murid tahun 6 dan mengambil langkah seterusnya untuk mengekalkan prestasi yang normal ataupun mengelakkan berlakunya kemerosotan dalam pencapaian matematik.. Oleh yang demikian, setiap murid akan berminat untuk mengetahui keputusan ujian yang telah dijalankan bagi memulakan langkah pencapaian yang lebih baik.

17

MTE3105 STATISTIK Anova: Single Factor SUMMARY Groups 5 Permata 5 Delima 5 Berlian Count 15 15 15 Su m 54 52 41 Average 3.6 3.46666666 7 2.73333333 3 Variance 6.4 4.69523809 5 4.10238095 2

ANOVA Source of Variation Between Groups Within Groups Total SS 6.53333333 3 212.766666 7 219.3 df 2 42 44 MS 3.26666666 7 5.06587301 6 F 0.64483785 1 P-value 0.5298636 4 F crit 3.21994229 3

Fkiraan = 0.6448
Fsifir
= 3.2199

Kesimpulannya, Fkiraan < Fsifir . Oleh yang demikian H o diterima, tidak terdapat perbezaan yang bererti di antara min jarak rumah ke sekolah semua sampel pada = 0.05.

18

MTE3105 STATISTIK Ujian ANOVA untuk menguji hipotesis varian. Langkah 1 : Mengira jumlah sampel dan jumlah kuasa dua sampel bagi setiap kumpulan. KAJIAN JARAK (KM) ANTARA RUMAH MURID TAHUN 5 KE SEKOLAH BIL SAMPEL 5 Permata ( 1) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 x 4 4 6 2 3 10 6 2 4 1 2 1 2 1 6 54 x 16 16 36 4 9 100 36 4 16 1 4 1 4 1 36 284 5 Delima ( 2) 5 5 2 1 6 8 2 1 3 4 1 3 1 5 5 52 25 25 4 1 36 64 4 1 9 16 1 9 1 25 25 246 ( 3) 3 2 1 1 8 2 2 2 5 1 3 2 5 1 4 41 9 4 1 1 64 4 4 4 25 1 9 4 25 1 16 172 5 Berlian

Jumlah skor x

= x1

x2

x3

= 54 + 52 + 41 = 147

19

MTE3105 STATISTIK Jumlah kuasa dua skor x 2 = x12 x22 x32

= 284 + 246 + 172 = 702 KAJIAN JARAK (KM) ANTARA RUMAH MURID TAHUN 5 KE SEKOLAH BIL SAMPEL x 5 Permata ( 1) 54 3.6 284 5 Delima ( 2) 52 246 ( 3) 41 172 5 Berlian

3.466666667

2.733333333

Langkah 2 : Mengira jumlah kuasa dua antara kumpulan (between groups sum of square) SSB, di mana N ialah jumlah responden dalam setiap kumpulan

SSB

+ +

+ +

( )

= (194.4 + 180.2667 + 112.0667 ) 480.2 = 486.7334 480.2 = 6.533333333

Langkah 3: Mengira jumlah kuasa dua min, SST dengan menggunakan formula di bawah.

SST

( )

= 702 - 480.2 = 221.8

20

MTE3105 STATISTIK Langkah 4 : Mengira nilai kuasa dua dalam kumpulan (within group mean square) SSW dengan menggunakan formula di bawah. SSW = SST SSB = 221.8 6.533333333 = 212.7666667

Langkah 5 : Menentukan darjah kebebasan. Terdapat dua darjah kebebasan dalam ujian ANOVA iaitu n1 dan n2. df = n1,n2 = (k 1) , (N k) = (3 1) , (45 3) = 2, 42 Di mana : k N = Bil kelas = Jumlah responden

n1 dan n2 mewakili dua darjah kebebasan yang selaras dengan nilai anggaran variansnya. N1 dinamakan sebagai numerator manakala n2 denominator.

Langkah 6 : Mengira nilai F-kiraan dengan menggunakan formula di bawah. F-kiraan =


( ( ) )

MS bagi SSB

= =

= 3.266666667 MS bagi SSW =


( )

21

MTE3105 STATISTIK

=
= 5.065873016

Oleh itu, nilai F-kiraan

= = 0.644837851

Langkah 7 : Berdasarkan Jadual Nilai Kritikal Bagi Taburan F (Rujuk Lampiran ), nilai F-kritikal (df = 2, 42, p < 0.05) diperoleh. Nilai F-kritikal dibaca dengan berpandu kepada n1 = 2 dan n2 = 42 dalam Jadual Taburan F tersebut. F-kritikal (df = 2,42, p < 0.05) = 3.219942293

Data-data yang telah dikira diisi dalam jadual ANOVA berikut. Markah Percubaan UPSR Matematik Sumber SSB SSW SST SS 6.533333333 212.7666667 219.3 df 2 42 44 MS 3.266666667 5.065873016 F-kiraan 0.644837851 F-kritikal 3.219942293

Langkah 8 : Menyatakan keputusan statistik Bandingkan antara 0.64 dan 3.22 Fkiraan Fsifir

(0.64 < 3.22) Oleh sebab itu, Ho tidak ditolak . Nilai ujian statistik, F kiraan = 0.64 adalah lebih kecil daripada nilai kritikal, F sifir(3.22) dan oleh sebab itu, Ho tidak ditolak pada aras keertian p 5%.

22

MTE3105 STATISTIK Komen - Komen Penganggar bagi ketiga tiga sampel lebih kurang sama, Ho di terima. Daripada kiraan ralat maksimum bagi jarak rumah murid ke sekolah ialah . Manakala selang keyakinan ialah

95% daripada min sampel berada dalam lingkungan di antara 2.635 dan 3.905. Menurut Ujian ANOVA tidak terdapat perbezaan purata antara jarak rumah murid ke sekolah.

Kesimpulan Selepas menjalankan kajian ini, kami lebih memahami tentang kegunaan ujian statistik dalam kehidupan seharian. Kami telah mengaitkan ujian statistik dengan jarak rumah murid ke sekolah bagi murid tahun 5. Melalui min, kami dapat lebih memahami dan mengetahui perbezaan jarak dari rumah ke sekolah dan mengambil langkah seterusnya menjalankan kelas tambahan untuk meningkatkan prestasi pencapaian peperiksaan mata pelajaran Matematik dan mengelakkan berlakunya kemerosotan dalam pencapaian matematik. Oleh yang demikian, setiap murid akan berminat untuk menghadiri kelas tambahan tanpa melihat jarak kedudukan rumah mereka ke sekolah sebagai satu masaalah.

Berdasarkan kajian yang kami lakukan, apabila sampel dipilih daripada populasi yang taburannya tidak diketahui, taburan persampelan bagi min sampel tidak dapat ditentukan. Tetapi mengikut Teorem Had Memusat, sekiranya sampel rawak bersaiz n diambil berulangulang daripada mana-mana populasi dengan min dan varians , taburan pensampelan dan varians /n jika n

bagi min sample akan menghampiri taburan normal dengan min adalah besar.

Selain itu, berdasarkan pemerhatian seharian kami, kami dapati bahawa suasana pengajaran dan pembelajaran di sekolah ,hubungan yang baik antara guru dan murid, pelbagai aktiviti yang menarik minat murid dan sebagainya boleh membantu murid-murid untuk datang menghadiri kelas tambahan di tambah lagi dengan jarak rumah murid ke sekolah yang tidak menjadi masalah kepada mereka.

23

MTE3105 STATISTIK REFLEKSI INDIVIDU Nama : Normala Binti Mohd. Ambiah No I/C : 800120016134

Alhamdulillah, syukur ke hadrat Ilahi kerana akhirnya saya berjaya menyiapkan tugasan ini. Pada mulanya, saya memang tidak faham dengan kehendak soalan tetapi setelah perbincangan dengan rakan-rakan dan juga pengajaran serta penerangan dari pensyarah pembimbing iaitu Pn. Ket Lee Lian, beliau banyak memberi panduan dan tunjuk ajar bagi menyelesaikan permasalahan yang melibatkan pengumpulan data, penganggaran dan persampelan serta ujian hipotesis ANOVA dan sebagainya .Jadi, sedikit sebanyak ia dapat membantu saya untuk lebih memahami bagaimana cara menganalisis data , hasil daripada permasalahan yang timbul hasil kajian tersebut. dan contoh yang digunakan serta rumusan daripada

Amat sukar juga untuk memahami kehendak soalan dan cara penyelesaiannya. Walaupun banyak maklumat boleh didapati di mana-mana sumber seperti internet ,buku rujukan dan latihan namun saya perlu membaca dan memahami serta menyelesaikan dan

mempraktikkan latihan beberapa kali dengan contoh yang berlainan .

Tajuk ini amat sukar bagi saya untuk memahami di peringkat awal kerana matematik dan pengiraan memerlukan kita sentiasa membuat latih tubi dan memahami konsep yang diketengahkan. Begitu juga dengan formula yang sukar untuk di ingati dan jalan pengiraan yang rumit dan pelbagai cara.

Pelbagai halangan yang perlu saya tempuhi untuk menyiapkan tugasan ini dengan lebih awal. Antaranya ialah pengurusan masa yang tidak teratur, terpaksa membuat kerja lewat malam dan dibebani dengan kerja-kerja harian dan rutin yang datang secara serentak serta sukar untuk memahami penyelesaian bagi tugasan ini. Justeru itu, saya perlu pandai membahagikan masa dan tugasan yang perlu dahulu untuk disiapkan. Untuk memahami sesuatu konsep matematik juga memerlukan pemikiran yang tajam dan logik di mana kita perlu mengingati sesuatu formula yang telah lama ditinggalkan semasa di alam persekolahan dahulu.

Banyak kebaikan dan manfaat yang saya dapati ketika menyiapkannya. Antaranya, ialah saya dapat mempelajari banyak pengetahuan dan ilmu yang baru dan saya boleh aplikasikan nya dalam pengajaran pembelajaran di sekolah contohnya pengiraan yang 24

MTE3105 STATISTIK melibatkan penggunaan perisian komputer Excel, pengumpulan data, Anova ,ujian hipotesis, cara penyelesaian masalah yang pelbagai , rumusan sesuatu hasil kajian dan sebagainya. .Apa yang paling penting ialah semoga segala pengetahuan yang saya peroleh ini dapat di aplikasikan dalam kehidupan saya sebagai pendidik yang berilmu tinggi dan cemerlang.Semoga tugasan ini juga dapat dimanfaatkan oleh semua rakan sekumpulan dan sesiapa sahaja yang membaca dan melihat hasilnya. Sekian, terima kasih.

25

MTE3105 STATISTIK REFLEKSI INDIVIDU Nama : Nor Hapizah Binti Haron No I/C : 690820015218

Alhamdulillah bersyukur saya ke hadrat Ilahi

akhirnya dapat saya

menyiapkan tugasan yang di beri bersama rakan saya iaitu Normala dan juga Noor Liza. Pada awalnya kami bertiga menghadapi sedikit masalah dalam memahami soalan yang di berikan. Dengan bantuan pensyarah, kami bertiga dapat menyelesaikan masalah yang kami hadapi. Pada pertemuan yang kedua dan ketiga bersama pensyarah, kami telah di beri pendedahan tentang tajuk yang kami akan selesaikan dalam tugasan kami. Walaupun sukar untuk kami fahami tajuk yang di beri, kami telah dapat menyelesaikannya dengan membuat rujukan dan

bertanyakan kepada rakan yang lain. Dalam tugasan ini kami di minta untuk membuat satu projek yang melibatkan pengumpulan dan pemprosesan data, taburan pensampelan dan penganggaran serta pengujian hipotesis yang berkaitan dengan kehidupan seharian. Dalam melaksanakan tugasan ini kami mengalami pelbagai masalah bagi memahami kehendak soalan. Saya hampir putus asas dalam menyiapkan tugasan ini. Namun dengan bantuan rakan yang banyak memberi semangat kepada saya akhir dapatlah kami menyiapkannya. Walaupun sukar untuk menyiapkan tugasan ini, saya telah membuat beberapa rujukan di internet dan juga beberapa bahan rujukan. Malah perbincangan bersama rakan dapat membantu menyiapkan tugasan ini. Namun kami yakin ada hikmah di sebaliknya. Kami akan menggunakan segala yang kami peroleh ini untuk menjawab soalan yang akan kami hadapi nanti. Semoga kami semua akan lulus dengan cemerlang dan dapat menghabiskan pengajian saya dengan segulung ijazah. Terima kasih kepada semua pensyarah dan juga rakan-rakan yang telah banyak membantu kami secara langsung ataupun tidak dalam menyiapkan tugasan kami ini.
26

MTE3105 STATISTIK REFLEKSI INDIVIDU 3 Nama : Noor Liza Binti Akuan No. I/C : 790303-01-5402

Alhamdulillah bersyukur saya ke Hadrat Allah, kerana dengan izinnya dapat juga saya bersama rakan sekumpulan menyiapkan tugasan bagi MTE 3105. Tugasan ini dan

memerlukan kami menyiapkan satu projek yang melibatkan pengumpulan pemprosesan data, taburan pensampelan yang berkaitan dengan kehidupan seharian.

dan penganggaran serta pengujian hipotesis

Walaupun pada hakikatnya, bukan mudah untuk menjana idea dan berkongsi maklumat untuk menghasilkan projek yang memerlukan kami membuat kajian dan membuat pengiraan statistik ini. Namun, hasil usaha serta ketabahan yang kami perlu lalui, akhirnya dapat juga kami menyiapkan tugasan ini dengan jayanya. Melalui sesi interaksi inilah saya mengambil kesempatan untuk mengetahui serta memahami tentang kajian yang akan dijalankan terutamanya dalam mengenal pasti topik yang akan dibuat kajian. Kajian yang dibuat ini memerlukan kami menentukan tajuk, sampel dari populasi dan parameter yang digunakan bagi membuat kajian. Semasa sesi interaksi saya telah memahami bagaimana langkah pengiraan bagi menentukan ralat maksimum bagi penganggar min populasi yang digunakan. Begitu juga kami perlu mengaitkan tugasan yang diberi dengan membina satu selang keyakinan 95% dan mencari nilai data yang terkecil daripada nilai data yang tertinggi serta membuat ujian hipotesis menggunakan ANOVA. Pada peringkat awal proses menyiapkan tugasan ini saya begitu teruja bagaimana hendak mengaitkan tugasan dengan ilmu pengetahuan semasa sesi interaksi dijalankan. Saya bersama rakan sekumpulan telah mendapatkan pelbagai sumber rujukan di kedai buku serta mengakses internet bagi mendapatkan maklumat. perbincangan dan berkongsi idea dengan rakan kumpulan Kami telah mengadakan lain di kelas kami bagi

menyiapkan tugasan yang diberi. Saya juga telah cuba untuk membuat contoh-contoh pengiraan berdasarkan latihan yang diberi semasa sesi interaksi. Bagi saya, sememangnya amat sukar untuk memahami setiap langkah pengiraan yang melibatkan hipotesis kerana matematik memerlukan latihan latih tubi yang banyak. Latihan-latihan yang dibuat ini telah membuka minda saya bagi memahami kajian dan menganalisis data yang ingin dibuat kajian.

27

MTE3105 STATISTIK Sepanjang tempoh masa untuk menyiapkan tugasan saya perlu membahagikan masa dengan tugasan-tugasan di sekolah dan menyiapkan tugasan KKBI ini mengikut

tarikh yang telah ditetapkan. Namun, hasil usaha dan pengorbanan yang dilalui dengan bersengkang mata akhirnya, saya bersama rakan sekumpulan dapat juga menghasilkan tugasan ini dengan jayanya berkat usaha serta dorongan yang telah diberi oleh suami, anakanak dan rakan-rakan seperjuangan. Saya percaya segala tugasan yang dijalankan ini sungguh memberi manfaat dan amat berguna kepada saya terutama dalam proses pengumpulan dan pemprosesan data kajian seterusnya dalam usaha untuk meningkatkan lagi taraf pendidikan saya dalam profesion perguruan ini. Begitu juga data yang telah dibuat perlu dipindahkan ke dalam perisian komputer menggunakan Microsoft Excel menggunakan rumus-rumus tertentu

telah memberi tambahan ilmu pengetahuan baru kepada saya serta boleh diaplikasikan dalam pengajaran pembelajaran di sekolah.

Akhir sekali, ucapan ribuan terima kasih khas kepada Puan Ket Lee Lian, Pensyarah IPG Kampus Temenggong Ibrahim,Johor merangkap pensyarah tutor ini kerana telah memberikan kami panduan untuk menghasilkan kerja kursus ini. Tidak lupa juga ribuan terima kasih kepada rakan-rakan sekelas amnya dan rakan- rakan sekumpulan khasnya dalam sama sama berkongsi idea, pendapat dan maklumat sepanjang menyempurnakan tugasan ini. Saya sangat berterima kasih kepada ahli kumpulan saya, kerana telah memberi komitmen yang terbaik sepanjang pembikinan tugasan ini berlangsung. Sekian, terima kasih.

28

MTE3105 STATISTIK BIBLIOGRAFI

Ahmad, A. (2011). Pengukuran dan penilaian dalam Pendidikan. Kuala Lumpur: Open University Malaysia.

Adzhar Kamaludin & Habibollah Haron. (1998). Kursus Asas Kebarangkalian dan Statistik Dengan Aplikasi. Edisi Kedua. Universiti Teknologi Malaysia, Skudai. Johor.

Chua Yan Piaw. (2011). Kaedah dan Statistik Penyelidikan: Buku 1 KaedahPenyelidikan, (Edisi Kedua). Kuala Lumpur: McGraw-Hill (Malaysia) Sdn. Bhd.

Dato' Dr. Zaiton Osman,Prof Dr Abtar Kaur,Sharipah Hanon Bidin,Halimatolhanin Mohd Khalid,Harvinder Kaur, Hazna Ahmad dan Thami Munisah Mohd Yusoff. (2010). Learning Skills For Open Distance Learners. Kuala Lumpur: Open University Malaysia.

Sulaiman Ngah Razali. (1991). Penggunaan Statistik dalam Penyelidikan Pendidikan, (Edisi Pertama). Kuala Lumpur: Dewan Bahasa dan Pustaka, Kementerian Pendidikan Malaysia.

Rahmah Samsuri . (2009). Statistik. http://rahmahsamuri.net/rahmah/modul%208%20statistic.pdf . Akses pada 18 Mac 2013

Hidaya Taib. (2011). http://www.fp.utm.my/ePusatSumber/pdffail/ptkghdfwP/HIDAYATAP070114D2011T TP.pdf pada 22 Ogos 2012.Akses pada 18 Mac 2013

http://www.experiment-resources.com/anova.html .Akses pada 18 Mac 2013

http://www.amaljaya.com/guru/PengukuranPengujian/Statistik%20Asas.pdf . Akses pada 20 Mac 2013

29