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 Statistik Inferens
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. Data Kuantitatif-numerik
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. Data Kualitatif- bukan numerik
Jenis Data
Data Kualitatif- bukan numerik
Nilai-nilai data adalah kategori bukan berangka.
Cth: jenis darah, jantina
Cara lain mengklaskan data adalah melalui skala pengukuran. Dalam statistik terdapat 4 skala pengukuran iaitu nominal, ordinal, interval, nisbah.

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
Median
Mean

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, sebulan
atau
Ho:  = RM 4, 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, sebulan
atau
H1:  < 4,

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
Ø Taburan data sampel perlu di kenalpasti terlebih dahulu untuk membolehkan kita menggunakan statistik ujian yang betul.
Ø Bagi data yang diambil dari taburan normal, taburan sampel nya juga normal. Bagi data yang diambil dari taburan bukan normal, teorem had memusat diperlukan.
Ø 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.

29. 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

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

32. Kajian Perbandingan Designs Scale of Measurement Test Statistic
Single-group between-subject
Nominal
Chi-Squared, sign test
Ratio or Interval
Z-test : Population variance is known
T-test: Population variance must be estimated
Two-group between-subject
Chi-Squared
Ordinal
Sign test, Wilcoxon's rank-sum test ,U-Mann Whitney test(tidak bersandar)
Interval or Ratio
Student's t-test
Three or more group between subject
Kruskal-Wallace's H-test
Interval or ratio
Fisher's F-test (ANOVA)
If significant, test individual 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..
Tujuan : menguji adakah teknik belajar memberi kesan kepada pencapaian markah.
Mengkaji dua kumpulan sampel yang independent
Pembolehubah kajian : markah peperiksaan
Skala pengukuran: nisbah.
Hipotesis H0: Tiada perbezaan purata markah di antara belajar berkumpulan dan belajar sendiri.
Statistik ujian yang sesuai :
Normal - independent t-test.
Tak-normal – u-mann whitney test

34. Kawasan Penolakan Ø Ada 3 jenis hujung ujian: o 2 hujung
o       1 hujung sebelah kiri
o       1 hujung sebelah kanan
Ø      Bergantung kepada H1.
Ø      Kawasan penolakan adalah kawasan yang membolehkan Ho di tolak

35. Nilai Kritikal Keputusan Kesimpulan
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.
ØKb (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

37. Secara Matematik  = kb (Ralat jenis I ) = kb ( tolak H0| H0 benar )
dan
 = 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 test independent sample atau dependent sample

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