1. ANALISIS DAN
PERSEMBAHAN
DATA KUANTITATIF
Disediakan oleh: Pn Noradzimah bt. Abdul Majid
Jabatan Matematik
IPG Kampus Ipoh
ph: 019-7161432, emel: norad.1507@gmail.com
2. MENGANALISIS DATA DENGAN
MENGGUNAKAN STATISTIK
DESKRIPTIF
Melibatkan penghas ilan s atu gambaran ringkas
s es uatu s ampel atau pembolehubah populas i yang
dikaji.
Ia mungkin melibatkan penyampaian data dalam
bentuk graf atau penggunaan s tatis tik des kriptif.
3. MEMPERSEMBAHKAN DATA
MENGGUNAKAN STATISTIK
DESKRIPTIF
Statistik deskriptif menunjukkan data dan
selalunya menggunakan grafik seperti carta atau
graf.
Grafik yang digunakan bergantung pada data
yang diperolehi.
Carta bar Carta pai Histogram Poligon
frekuensi
Nominal + +
Ordinal +
Selang + +
Nisbah + +
4. CARTA BAR
CARTA PAI
POLIGON FREKUENSI
HISTOGRAM
5. TABURAN KEKERAPAN DAN
KECENDERUNGAN MEMUSAT
Taburan kekerapan adalah satu jadual untuk
memaparkan data kuantitatif.
Ia menyenaraikan semua kelas dan bilangan cerapan
atau frekuensi tertabur.
Data yang dipersembahkan dalam bentuk ini dipanggil
data terkumpul
8. TABURAN KEKERAPAN MARKAH UJIAN
DENGAN SEL ANG KEL AS
SELANG KEKERAPAN PERATUS
KELAS
0-2 7 14
3-4 12 24
5-6 18 36
7-8 10 20
9-10 3 6
Jumlah 50 100
9. HIS TOGRAM
Cara lain memaparkan taburan markah ialah
mengumpulkan beberapa markah yang sama julatnya
kepada beberapa kelas.
Tinggi sesuatu kotak menunjukkan kekerapan/bilangan
pelajar yang mendapat markah tertentu.
Jeda kelas menunjukkan markah-markah dalam kelas
tersebut.
Kekerapan berkelas dapat mengurangkan bilangan markah/
skor yang dimasukkan ke dalam jadual kekerapan.
15. POLIGON KEKERAPAN
•PoligonKekerapan dibina dengan memplotkan titik
dinilai tengah setiap sela kelas ke ketinggian
selaras dengan bilangan kekerapan kelas berkenaan
•Kemudian,sambungkan kesemua titik-titik dengan
garis lurus.
•Titik awalan dan akhir harus berada padapaksi-X.
16.
17. KEKERAPAN HIMPUNAN (OGIF)
•Kekerapan himpunan ialah jumlah kekerapan
data dan kekerapan data sebelumnya.
•Berdasarkan jadual diatas,kita boleh menentukan
bilangan pelajar yang memperoleh skor yang sama
atau kurang daripada sesuatu skor tertentu.
Contohnya,bilangan pelajar yang memperoleh skor
antara15–19 skor atau kurang daripada nya
ialah16.
18.
19.
20. LENGKUNG TABURAN NORMAL
•Lengkung taburan normal berbentuk loceng jika
skor-skornya bertaburan normal.
•Kawasan dibawah lengkung mewakili semua
skor(100%) dimana 50% daripada skor berada diatas
min dan 50% daripada skor pula berada dibawah
min.
•Manakala,min,median dan mod adalah sama.
•Kebanyakan skor berhampiran dengan min dan
semakin jauh sesuatu skor daripada min bermaksud
kurangnya bilangan calon yang memperoleh skor
tersebut
23. TABURAN PENCONG POSITIF
•Dalam konteks pengujian dan penilaian bilik
darjah,kemungkinan kita tidak akan dapat satu
lengkung taburan normal.
Jika skor median dan mod adalah lebih kurang
daripada min, taburan skor akan terpesong ke
sebelah kiri ( pencongan positif).
•Contohnya,taburan pencong positif merujuk kepada
susunan ketiga-tiga ukuran kecenderungan
memusat dari kiri ke kanan ialah:pertama,
mod,iaitu nilai terendah;kemudian,median, iaitu
nilai tengah;dan akhirnya, min,iaitu nilai tertinggi.
25. Taburan Pencong Negatif
Jika skor median dan mod lebih besar daripada min,
taburan skor itu akan terpesong ke sebelah kanan
(pencongan negatif).
•Bagi taburan pencong negatif pula,susunan ketiga-
tiga ukuran kecenderungan memusat dari kiri ke
kanan adalah: pertama, min, iaitu nilai terendah;
kemudian,median, iaitu nilai tengah;dan
akhirnya,mod,iaitu nilai tertinggi.
27. UKURAN KECENDERUNGAN MEMUSAT
Satu jenis pengukuran yang digunakan untuk
memerihalkan set data tidak terkumpul adalah ukuran
kecenderungan memusat.
Pengukuran kecenderungan memusat menghasilkan
maklumat berkaitan dengan titik tengah pada satu
kumpulan nombor.
Ukuran kecenderungan memusat tidak menumpukan
keatas pengembangan set data atau berapa jauh nilai
daripada titik tengah.
Ukuran kecenderungan memusat bagi data yang tidak
berkumpul adalah min, mod, median, peratusan dan
quantil.
29. MOD
Mod adalah nilai yang paling kerap wujud didalam
set data. Simbol statistik mod ialah M0
Bagi data yang ditunjukkan didalam Jadual 3.1, mod
ialah RM19.00 kerana harga tawaran berlaku
sebanyak 4 kali. Menyusun data didalam susunan
yang menaik (menyusun dari nombor terkecil hingga
terbesar) membantu kita menentukan mod.
30. MOD DATA BERKUMPULAN
Jeda Kekerapan Titik tengah kelas mod
Kelas (fi)
Kelas mod mempunyai
30
1–3 16
kekerapan yang terbesar
3–5 2
5–7 4
1+ 3
7–9 3 Mod =
2
9 – 11 9
= 2
11 – 13 6
Jumlah 40
31. MEDIAN
Median ialah titik tengah sesuatu kumpulan nombor
yang disusun secara menaik atau menurun. Jika
bilangan data tersebut adalah ganjil, median ialah
nombor yang ditengah. Jika bilangan data adalah
genap, median ialah purata dua nombor yang terletak
ditengah-tengah. Langkah berikut adalah digunakan
untuk menentukan median.
LANGKAH 1: Susun data didalam susunan menaik.
LANGKAH 2: Jika bilangan data adalah ganjil,
carikan sebutan ditengah-tengah didalam susunan
tersebut yang menjadi median.
LANGKAH 3: Jika bilangan data adalah genap,
kirakan purata dua angka ditengah-tengah susunan
tersebut. Purata ini adalah median.
32. CONTOH:
Katakan ahli statistik hendak mencari median bagi
kumpulan data berikut:
15 11 14 3 21 17 22 16 19 16 5 7 19 8 9 20 4
Susunan nombor didalam sebutan menaik:
3 4 5 7 8 9 11 14 15 16 16 17 19 19 20 21 22
Terdapat 17 sebutan (bilangan ganjil), oleh itu
median terletak di tengah susunan tersebut, iaitu 15.
Jika nombor 22 dikeluarkan daripada senarai,
terdapat hanya 16 sebutan (bilangan genap):
3 4 5 7 8 9 11 14 15 16 16 17 19 19 20 21
Sekarang kita mempunyai bilangan sebutan genap,
median ditentukan dengan mengira purata dua
nombor yang terletak ditengah susunan tersebut, 14
33. MEDIAN – DATA BERKUMPULAN
33
N
- cf p
Median = L + 2
( W)
f med
L = had bawah jeda kelas median
cfp = jumlah terkumpul kekerapan sehingga kelas tersebut,
tetapi tidak melibatkan kekerapan median kelas
Fmed = kekerapan median
W = keluasan jedia kelas median (had atas kelas – had bawah
kelas)
N = jumlah bilangan kekerapan
34. MEDIAN DATA BERKUMPULAN -
CONTOH
Jeda Kekerapan Kekerapan
34
Kelas (fi) Terkumpul N
- cf p
1–3 16 2 Median = L + 2
( W)
f med
3–5 2 4
20
- 18
5–7 4 6 =5+ 2
(2)
4
7–9 3 8
1
9 – 11 9 10
=5+ (2)
2
11 – 13 6 12 = 5 +1
Jumlah 40 =6
35. MIN
Min aritmatik adalah susunan sinonim dengan purata
kumpulan nombor dan ia dikira dengan menjumlahkan
semua nombor dan membahagikannya dengan bilangan
nombor tersebut. Disebabkan min aritmatik
digunakan dengan meluas, kebanyakan ahli statistik
hanya menggunakan istilah min sahaja.
∑x
Min populasi ditandakan µdengan huruf Greek mu (µ).
=
n
Min sampel pula ditandakan dengan huruf Roman ( ).
Formula bagi mengira min bagi populasi dan min
sampel adalah sebagaimana berikut:
Min populasi: ∑x
µ=
n
Min Sampel: ∑x
x=
n
36. CONTOH:
Katakan syarikat mempunyai lima jabatan dengan
bilangan pekerja 24, 13, 19, 26 dan 11 masing-
masingnya. Min populasi adalah:
µ = 24 + 13 + 19 +26 + 11 / 5
= 93/5
= 18.6
37. PENGIRAAN MIN UNTUK DATA
TERKUMPUL
•Pengiraan min untuk data terkumpul lebih
kompleks. Contohnya;
38. PENGIRAAN MIN BERKUMPULAN
Jeda Kelas Kekerapan (fi) Titik Tengah fi Mi
(Mi)
1–3 16 2 32
38
3–5 2 4 8
5–7 4 6 24
7–9 3 8 24
9 – 11 9 10 90
11 – 13 6 12 72
Jumlah 40 ΣfM = 252
µ=
∑ fiMi =
250
= 6.25
∑ fi 40
39. PENYEBARAN
PENGUKURAN
Cara-cara yang digunakan untuk mengukur
penyerakan pengukuran:
- Julat
- Julat antara kuartil
- Varians
- Sisihan piawai
40. Julat
- Perbezaan antara s kor tertinggi dengan s kor
terendah
Julat antara kuartil
- Perbezaan antara s kor yang mempunyai s atu
per empat s kor di bawah (s ering dikenali
s ebagai kuartil pertama atau pers entil ke-25)
dan s kor yang telah tiga per empat s kor di
bawah (pers entil ke-75)
41. Varians
- Purata s is ihan kuas a dua s etiap s kor dari
min.
Sisihan piawai
-S atu pengukuran tentang takat di mana
res pons ters ebar dari min,dan diperolehi
dengan mengira varians dari min, kuas a dua,
menambah dan mengira punca kuas a dua.
42. PENTAFSIRAN NILAI SISIHAN
PIAWAI
•Sisihan Piawai ialah ukuran kebolehubahan
atau sebaran skor-skor.
•Ia merupakan sejauh mana skor berubah
keliling min.
•Semakin kecil nilai sisihan piawai,semakin
kecil sebaran skor dalam taburan.
•Ini membawa implikasi bahawa data adalah
berhampiran antara satu sama lain(homogen).
•Begitu juga,semakin besar nilai sisihan piawai,
semakin besar sebaran skor dalam taburan.
•Ini bermakna data adalah tersebar luas antara
satu sama lain(heterogen).
43. Terdapat 2 cara mengira sisihan piawai :
1.Sisihan Piawai untuk Data Tidak Terkumpul
2. Sisihan Piawai untuk Data Terkumpul
Contoh:
1. Skor untuk 5 orang pelajar ialah 1,2,3,4, dan 5
Cari sisihan piawainya.
47. CONTOH:
Jadual dibawah menunjukkan data terkumpul
untuk satu ujian sains. Kira sisihan piawai
untuk markah ujian.
48.
49. SKOR PIAWAI
Skor piawai menunjukkan kedudukan sesuatu
skor dari segi berapa sisihan piawai skor
tersebut berada di atas atau di bawah min
taburan. Dan ia biasanya diwakili dengan skor-z
atau skor-t.
• Skor-z dikira dengan menggunakan rumus
(
berikut: −
z=
( x − x)
z=
σ
• Skor-t dikira dengan menggunakan rumus
berikut:
t = 50 + 10z
50. CONTOH:
Skor untuk 5 orang pelajar dalam satu
ujian ialah 5,8,10,4 dan 3. Cari skor-z dan
skor-t untuk pelajar yang mempunyai 10
markah.
51.
52. PENTAFSIRAN SKOR-Z
Contoh:
Abdullah mempunyai skor sebanyak 55 dalam ujian Matematik;
skor purata kumpulan normal ialah 60 dan sisihan piawai 15.
Maka skor piawai Abdullah ialah:
z = = - 0.33
Ini bermaksud skor Abdullah adalah satu pertiga sisihan piawai
daripada min. Tanda negatif menunjukkan bahawa ia adalah
satu pertiga sisihan piawai di bawah min.
Contoh:
Abdullah mempunyai skor sebanyak 75 dalam satu ujian Sains;
purata skor untuk kumpulan normal ialah 65 dan sisihan piawai
ialah 10. Maka skor piawai Abdullah ialah:
z==1
• Ini bermakna Abdullah adalah satu sisihan piawai daripada
min. Tanda positif menunjukkan bahawa ia adalah satu sisihan
piawai di atas min.
53. PENTAFSIRAN SKOR-T
•Skor-t lebih biasa digunakan berbanding
dengan skor-z untuk pelaporan keputusan ujian
kerana ia menghasilkan integer positif.
•Ia juga lebih kerap digunakan untuk melapor
prestasi ujian seseorang sebagai skor-t33
berbanding dengan pelaporan prestasi yang
sama dalam skor-z sebagai–1.7.
•Sebenarnya,kedua-dua skor ini adalah sama.
•Memandangkan skor-t sentiasa mempunyai
min 50 dan sisihan piawai 10,maka,skor-t boleh
ditafsir secara langsung.
54. VARIAN
54
Varian ialah purata sisihan kuasadua
dari min bagi set nombor. Populasi
varian ditandakan dengan huruf Greek,
σ2 dan formulanya:
σ 2
=
∑ (X - µ) 2
N
55. VARIAN - CONTOH
Jumlah sisihan kuasadua
X X-µ ( X - µ) 2
daripada min (X - µ)2 bagi set
nombor dipanggil sebagai
5 -8 64 Jumlah Kuasadua X (SSX)
9 -4 16
SSX = Σ(X - µ)2 = 130
17 +3 9
17 +4 16 SSX
σ2 =
N
18 +5 25
=
∑(X - µ) 2
ΣX = 65 Σ(X -µ) = 0 Σ(X - µ) = 130
2
N
130
= = 26.0
5 55
57. VARIAN SAMPEL
57
Purata sisihan kuasadua dari min aritmatik
X −)
− (X ∑( X − X)
2
2
XX X
2
2,398 625 390,625 S =
n−1
1,844 71 5,041
1,539 -234 54,756 663,866
=
1,311 -462 213,444 3
7,092 0 663,866 = 221,288.67
58. LATIHAN 1
1. Cari mod untuk data
berikut:54,76,69,54,74,88,74,65,74
2.Skor yang diperoleh oleh 12 orang pelajar dalam
ujian Sains yang ditadbir oleh guru adalah
seperti berikut:
35,23,55,35,65,67,55,35,98,88,92,and72
-Kira min,median dan mod bagi skor-skor diatas.
3.Berikut adalah skor-skor untuk 6 orang pelajar
dalam ujian Sains:
8,10,7,12,6,11
Cari skor-z dan skor-t untuk pelajar yang
mempunyai skor7.
59. LATIHAN
Jadual diatas menunjukkan keputusan Ali dan Fatimah dalam ujian-ujian
Matematik danSains.
-Kira skor-z dan skor-t untuk Ali dan Fatimah dalam Matematik dan
Sains.
-Dengan menggunakan skor-z dan skor-t, bandingkan prestasi Ali dan
Fatimah dalam Matematik dan Sains.
60. PROSES PENGUJIAN HIPOTESIS:
BERDASARKAN STATISTIK INFERENS
Pengujian hipotesis dalam beberapa peringkat:
- Perumus an hipotes is
- S pes ifikas i paras kepentingan ( untuk melihat s ejauh
manakah ia s elamat untuk menerima atau menolak
hipotes is )
- Pengenalpas tian taburan kebarangkalian dan takrif
penolakan itu
- Pemilihan ujian-ujian s tatis tik yang s es uai
- Pengiraan ujian s tatis tik dan penerimaan atau
penolakan hipotes is
61. PERUMUSAN HIPOTESIS
Kitabias anya membuat s atu hipotes is
dalam bentuk nolnya (negatif). J adi, lebih
baik menyatakan:
Pemilikan komputer akan lebih banyak di
UK daripada di Perancis.
Kita
mengatakan:
Pemilikan komputer tidak akan lebih di
UK daripada di Perancis.
62. Hipotesis wujud dengan tiga bentuk iaitu:
-Memeriks a ciri-ciri bagi populas i individu
(dan mungkin melibatkan pengiraan min,
median, s is ihan piawai dan bentuk taburan).
- Meneroka kontras dan perbandingan antara
kumpulan.
- Memeriks a pers atuan dan hubungan antara
kumpulan
63. MENGHITUNG UJIAN STATISTIK DAN
MENERIMA ATAU MENOLAK
HIPOTESIS.
Setelah ujian statistik dihitung
perkara yang terakhir adalah
membandingkannya dengan nilai
hipotesis.
Jika ujian statistik tidak mencapai
nilai ini, maka hipotesis nol harus
diterima.
64. MEMBANDINGKAN
PEMBOLEHUBAH.
Dalam bahagian ini beberapa jumlah
ujian statistik akan dilakukan seperti
mengakses program lain seperti SPSS.
Namun, kadang-kadang dalam
menggunakan excel untuk menghitung
adalah sangat susah sehinggakan dalam
kes seperti ini, perhitungannya
digambarkan dalam bentuk teks.
65. DATA NOMINAL – SAMPEL
PERTAMA
Membandingkan hubungan diantara
pembolehubah-pembolehubah dengan menerokai
edaran daripada pembolehubah ini.
Contoh:
Terdapat sebuah syarikat yang berminat
membandingkan masalah displin di empat tempat
pengeluaran dengan merujuk kepada surat amaran
yang dikeluarkan dalam dua tahun yang terakhir.
Kita mungkin menganggap bahawa daripada
setiap jumlah pekerja masing-masing telah
menerima 25 peratus amaran.
66. JADUAL KONTINGENSI DATA
UNTUK ANALISIS.
Bahagian Kajian Q¡ Jangkaan E¡
A 12 29
B 68 29
C 14 29
D 22 29
Jumlah 116 116
67. ANALISIS DATA DARI JADUAL DI ATAS
Bahagian Kajian Q¡ Jangkaan (Q¡ - E¡ ) ²
E¡ ------------
E¡
A 12 29 9.97
B 68 29 52.45
C 14 29 7.76
D 22 29 1.69
Jumlah 116 116 71.86
68. Data dikumpul (diamati frekuensi) untuk
melihat adakah data berpadanan dengan
frekuensi yang diharapkan.
Hipotesis nol pula menyatakan bahawa tiada
perbezaan frekuensi yang akan dijangka dan
diharapkan. Mengikut saranan terdahulu telah
menetapkan tingkat signifikasi di hadapan.
Dalam kes ini telah menyatakan bahawa
dengan meletakkan pada p=0.05
Jika ada terdapat perbezaan yang signifikasi
yang ditemui maka hipotesis nol akan ditolak.
69. KUMPULAN NOMINAL DAN
DATA KUANTITATIF (BIASANYA
DIEDARKAN)
Membandingkan prestasi dua kumpulan atau untuk
bandingkan prestasi satu kumpulan melalui satu
tempoh masa menggunakan pembolehubah yang
dapat dikuantifikasikan seperti skor.
Boleh menggunakan satu ujian-t berpasangan. T-
tests menganggap yang data tertabur secara normal
dan dua kumpulan adalah varians sama (sisihan
piawai yang selaras).
Ujian t membandingkan cara dua kumpulan untuk
melihat jika apa-apa perbezaan di antara mereka
adalah signifikan. Jika p nilai dikaitkan dengan t
adalah rendah (< 0.05) dan terdapat bukti untuk
menolak hipotesis nol.
70. KUMPULAN NOMINAL DAN DATA
KUANTITATIF (TIDAK DIEDARKAN
SECARA NORMAL)
Dalam bahagian biasanya melihat perbezaan
dalam data teragih antara kumpulan
Data ini secara automatik dihasilkan di excel
dengan menggunakan pencetak / data analisis /
kedudukan dan ciri persentil.
Hipotesis nol tidak ada perbezaan antara
kedua set nilai skor.
71. ANALISIS STATISTIK : ORGANISASI
ANTARA PEMBOLEHUBAH-
PEMBOLEHUBAH
Bahagian ini memeriksa keadaan di mana kajian
itu mengandungi dua pembolehubah-
pembolehubah jenis bebas
( nominal, ordinal ,antara/ nisbah )
72. ORGANISASI ANTARA DUA
PEMBOLEHUBAH-PEMBOLEHUBAH
NOMINAL
Menyiasat hubungan-hubungan antara dua
nominal pembolehubah-pembolehubah.
Pencapaian pendidikan dan pilihan kerjaya.
Jenis pengambilan ( graduan / tidak graduan)
dan tahap tanggungjawab dalam sebuah
organisasi
74. ANALISIS KORELASI : PRINSIP
PENGUKURAN
Analisis korelasi berkaitan dengan hubungan
antara pembolehubah-pembolehubah.
Korelasi adalah sesuatu kekeliruan dengan
regresi.
Fink(1995) membuat korelasi, yang
menggambarkan korelasi berkaitan dengan
hubungan (misalnya antara X dan Y) sedangkan
regresi menganggarkan nilai (katakanlah X
berdasarkan satu nilai Y).
Ketika sebuah organisasi diukur secara numerik
untuk mendapatkan pekali, korelasi
memberikan kekuatan hubungan.
Hubungan seperti ini boleh menjadi asas
daripada beberapa soalan yang sangat penting
dalam analisis organisasi.
75. ORGANISASI ANTARA DUA
PEMBOLEHUBAH-PEMBOLEHUBAH
ORDINAL
Kadang-kadang ia tidak mungkin untuk
memberi nilai-nilai untuk pembolehubah-
pembolehubah hanya di kedudukan
(1st,2nd ,3rd).
Contoh kes di mana kita menilai prestasi
lima pentadbir di pejabat baru.
Dua orang penyelia diminta untuk
memberi taraf prestasi pentadbirnya
dengan keputusan-keputusan itu
dinyatakan dalam jadual dibawah.
76. KEDUDUKAN PENILAIAN YANG
DIBUAT OLEH PENYELIA PADA
PRESTASI LIMA PENTADBIR
Penyelia Alice Raj Jo Beth Sid
Mr 5 2 4 3 1
Jones
Mrs 4 1 3 5 2
Smith
77. DI ANTARA ORGANISASI
DENGAN PEMBOLEHUBAH
BERANGKA
Organisasi penyelidik ingin mengeksplorasi potensi
organisasi antara pembolehubah-pembolehubah
seperti pendapatan atau usia dan pelbagai aktiviti
manusia seperti pola pengeluaran
Penggunaan lain akan membandingkan angka-angka
penjualan terhadap jumlah penjualan syarikat yang
telah menambahkan wakil jualan supaya dapat
meningkatkan hasil jualan.
Namun perlu dicatat bahawa ujian statistik ini hanya
sesuai jika hubungan antara pembolehubah-
pembolehubah berbentuk U atau berbentuk ∩.
78. KESIMPULAN
• Terdapat dua jenis data untuk dianalisis iaitu data
mutlak dan data yang dapat dikira iaitu yang terdiri
daripada data nominal, ordinal, selang dan nisbah.
• Terdapat pelbagai cara yang boleh digunakan untuk
pesembahan data seperti jadual, carta, histogram
dan poligon kekerapan.
• Data yang diperolehi mestilah bersesuaian dengan
grafik yang akan dibuat.