Refleksi Pertama

Slot yang pertama adalah berkaitan dengan tajuk Statistik dalam Pendidikan. Dr. Arsay
memperbetulkan pandangan kami tentang subjek Statistik yang mana mungkin sebahagian
daripada kami berpendapat subjek statistik berkaitan dengan kemahiran pengiraan/matematik.

Penjelasan Dr. Arsay mengenai statistik membuka minda kami. Statistik sebenarnya
menekankan bagaimana data itu diintrepretasikan berdasarkan sampel yang ada yang mewakili
sesebuah populasi. Statistics dapat digunakan untuk menyelesaikan masalah harian seperti boleh
mentafsir data supaya bermakna dan membuat keputusan yang berkesan.

Dalam bidang pendidikan, statistik boleh digunakan untuk menyampaikan maklumat

dalam pelbagai situasi seperti contoh yang diberikan, statistik boleh diguna untuk menunjukkan
taburan pelajar mengikut pencapaian.

Statistik juga boleh digunakan untuk menguji hipotesis tertentu, misalnya menguji sama
ada wujud hubungan antara lama masa belajar dengan pencapaian. Selain menguji hubungan,
kaedah statistik boleh digunakan untuk menguji perbezaan antara dua min atau lebih iaitu
dengan menggunakan ujian-t atau ANOVA.

Statistik terbahagi kepada dua bahagian iaitu Deskriptif dan Inferential. Deskriptif lebih
berbentuk penerangan dan meringkaskan data dan hanya memerlukan satu pembolehubah sahaja
manakala inferential adalah perbezaan mutlak dan memerlukan lebih dari satu pembolehubah.

Statistik Deskriptif merupakan statistik yang digunakan untuk menghuraikan ciri-ciri

variable yang menggunakan petunjuk seperti min, median, mod, sisihan piawai, taburan norma
dan skor-z untuk menyatakan ciri-ciri sesuatu variable.

Manakala Statistik Inferential pula digunakan untuk membuat rumusan keputusan ujian
yang diperolehi daripada sample populasi kajian. Melalui data yang dipungut daripada sample,
pengkaji menggunakan statistic inferential untuk membuat kesimpulan tentang ciri-ciri populasi
berdasarkan ciri-ciri sample. Statistik inferential terdiri daripada Ujian T, Anova, Korelasi, khi 2
dan regrasi untuk menunjukkan perhubungan antara variable-variable.

Seterusnya, kami diberi penerangan tentang langkah-langkah untuk membuat kajian dan
bagaimana mengaplikasikan statistic dalam kajian. Bagi membuat kajian/statistics, masalah perlu
dikenalpasti terlebih dahulu. Permasalahan merupakan istilah yang digunakan untuk merujuk
kepada perkara kajian yang kita akan lakukan. Dalam melaksanakan kajian, kita tidak dapat
mengkaji dan menyelesaikan banyak masalah dalam satu penyelidikan.

1
 Oleh itu, adalah kebiasaan setiap penyelidikan memfokuskan kajian kepada suatu
penyataan masalah yang khusus. Ringkasnya permasalahan yang dipilih perlu ditakrifkan. Oleh
itu kita perlu membuat tinjauan melalui bahan-bahan bacaan yang berkaitan dengan tajuk kajian.

Penentuan ojektif amat perlu untuk mengukur hasil yang diinginkan di akhir ujian.
Objektif kajian adalah melalui satu proses jangka masa yang lama atau pendek. Berdasarkan
kepada objektif kajian, beberapa soalan kajian akan dibina. Pengetahuan asas berkenaan perkara
yang dikaji perlu sebelum melaksanakan kajian. Seterusnya rujukan awal akan membantu kita
untuk merangka hipotesis.

Hipotesis merupakan andaian-andaian penyelidik terhadap hasil penyelidikannya.

Andaian itulah yang akan dibuktikan oleh penyelidikan yang bakal dijalankan. Untuk
menghasilkan suatu hipotesis yang baik ia perlulah mempunyai sifat-sifat seperti berfokus, jelas,
logik, difahami dan dapat diuji.

Kaedah kajian merupakan segala langkah yang diambil untuk mencapai segala objektif
kajian. Selepas menetapkan masalah yang hendak dikaji, barulah difikirkan kaedah kajian yang
sesuai digunakan. Beberapa contoh atau sampel perlu dalam setiap kajian. Sampel digunakan
untuk mendapatkan maklumat yang lebih jelas.

Sesuatu kajian perlulah dirancang dengan teliti. Perancangan hendaklah bersesuaian

dengan skop kajian, kaedah yang dipilih, sample, kemudahan-kemudahan fizikal dan situasi
pengkaji. Skop yang luas memerlukan masa yang  mungkin lebih panjang.

Langkah terakhir dalam menghasilkan kajian adalah melaporkan hasil kajian. Ini
bermaksud menukarkan kajian yang telah dijalankan kepada bentuk susunan teks bertulis.
Mungkin dalam sesi seterusnya, Dr.Arsay akan memberi penerangan yang lebih jelas tentang
tajuk statistic ataupun kajian yang akan dilaksanakan.
Refleksi Kedua
Kuliah dimulai dengan pertanyaan kenapa guna statistiks? Kerana adanya sampel.
Skala tentang pengukuran bagi pemboleh ubah yang mana diringkaskan dalam key word
NOIR iaitu Nominal Scale, Ordinal Level Data, Interval Scale and Ratio Scale.
Ciri-ciri bagi setiap pengukuran bagi pemboleh ubah adalah seperti berikut:
Nominal Scale: adalah level yang paling rendah, data dilabel dan tidak dikira kedudukan
hanya mewakili nombor semata-mata dan menunjukkan karektor data yang diberi seperti
jantina sebagai pemboleh ubah dan kategorinya adalah Lelaki dilabel dengan nombor
satu dan Perempuan dilabel dengan nombor dua.
2
 Ordinal Level Data: ada ranking (ordered) yang bermakna tetapi selang antara data
tidak sama nilai contohnya dari segi Gred Gaji.
Interval Scale: ada ranking (ordered), selang antara data sama nilai contohnya Likert
Scale with equa interval.
Ratio Scale: adalah level yang paling tinggi, nilai bagi kosong adalah tidak bermakna
contohnya kedatangan hadir dilabel nombor satu dan tidak hadir dilabel dengan nombor
kosong.
Salah satu cara penyelesaian untuk Descriptive Statistics ialah dengan memilih graf yang
sesuai dengan data.

Measures of Central Tendency adalah terdiri daripada mean(purata data), median(data

yang berada di tengah selepas disusun mengikut tertib) dan juga mode(kekerapan data paling
tinggi). Apabila data bertaburan Normal maka kedudukan ketiga-tiga tersebut adalah di tengah-
tengah gambarajah curve.

Refleksi Ketiga
Maksud inferential adalah pemerihalan. Kecenderungan memusat terbahagi kepada tiga
iaitu mean, median dan mode. Sekiranya data adalah tertabur secara normal maknanya nilai
ketiga-tiganya adalah sama tetapi sekiranya skewed maknanya nilai ketiga-tiga tersebut tidak
sama dan wujud nilai ekstreme.Maka, skewed ada positive dan negative. Skewed positive mean
akan berada di sebelah kanan dan skewed negative disebelah kiri.Di mana, skewed positive
ekornya berada sebelah kanan mengikut paksi –x dan skewed negative ekornya berada sebelah
kiri paksi-x.
Curve laptokurtiv adalah kelas A dan kelas terakhir, Curve mesokurtif adalah normal dan
flate hanya subjek tertentu sahaja tinggi. Maka, yang terbaik adalah data yang tertabur secara
Normal kerana nilai varians adalah besar dan mempunyai banyak maklumat.Justeru itu, data
yang dikutip mestilah ditaburkan.
Variability adalah variance (tersebar) iaitu banyak maklumat.Terbahagi kepada
tiga bahagian iaitu range ( julat),  2 (varians) dan  standard deviation. Di mana, maklumat
dari kecenderungan memusat sahaja tidak mencukupi untuk membuat taksiran data. Oleh itu,
perlukan maklumat lain iaitu varians dan standard deviation.

(x- x ) bila ditambah dapat jumlah kosong, itu maknanya adalah normal. Sesuatu taksiran
hendaklah dibuat berdasarkan data yang sama jenis. Data yang ada boleh ditaksirkan, dengan
mencari mean dan bandingkan.Sekiranya, nilai mean lebih besar maknanya data rendah dan
sebaliknya.

Kecenderungan memusat tidak mencukupi.Kadang-kadang boleh jadi kedua-dua di

bawah mean atau kedua-dua di atas mean.Di sini, peranan standard deviation adalah penting

3
untuk tentukan kedudukan data.Maka, variability lebih berkuasa berbanding kecenderungan
memusat.

Kenapa saya guna sesuatu ujian itu? Kerana mod adalah tetap dan lebih tinggi atau besar
daripada mean (berubah).

Refleksi Keempat

Dalam statistik inferensi, ujian hipotesis digunakan untuk menentukan sama ada sesuatu
hipotesis yang dibuat adalah signifikan atau sebaliknya. Sekiranya hipotesis adalah signifikan,
maka nilai p (kebarangkalian) adalah lebih kecil daripada 0.05 ( p  0.05 ). Ujian yang boleh
digunakan untuk menentukan nilai signifikan termasuklah Ujian-t, ANOVA, korelasi, khai
kuasa dua dan regresi.

Hipotesis adalah satu pernyataan yang boleh diuji secara empirical dan ia berkait dengan
hubungan antara pembolehubah. Terdapat dua jenis hipotesis iaitu hipotesis null (H o) dan
hipoteis alternatif (HA). Penyataan hipotesis null adalah berbentuk pernyataan negatif dan
bermula dengan perkataan ‘tidak’. Manakala pernyataan hipotesis alternatif adalah dalam bentuk
sebaliknya, tanpa perkataan ‘tidak’.

Pembolehubah pula adalah apa sahaja yang boleh menunjukkan perbezaan nilai numerik.
Hipotesis inferensi mestilah mempunyai sekurang-kurangnya dua pembolehubah. Hipotesis
yang lengkap mesti mempunyai empat perkara iaitu, perkataan ‘terdapat’, ‘perbezaan’,
menyatakan dua pembolehubah dan persampelan. Terdapat dua jenis hipotesis iaitu hipotesis
terarah dan hipotesis tidak terarah. Contoh hipotesis terarah ialah ‘Pencapaian pelajar perempuan
lebih baik daripada pelajar lelaki dalam mata pelajaran Sains’, manakala contoh hipotesis tidak
terarah ialah ‘Terdapat perbezaan pencapaian antara pelajar perempuan dan lelaki dalam mata
pelajaran Sains’.

‘Statistical significance’ menentukan sama ada hipotesis null boleh ditolak dan hipotesis
kajian (hipotesis alternatif) boleh diterima. Aras ‘significance level’ yang digunakan untuk
menentukan sama ada hipotesis untuk menolak atau tidak menolak hipotesis hipotesis null (atau
untuk menerima atau untuk tidak menerima hipotesis alternatif) dinamakan sebagai ‘significance
level’. Ia juga dipanggil sebagai alfa, ‘decision value’, ‘criterion level’ dan aras keyakinan
(confidence level). ‘Significance level’ ini adalah bergantung kepada jenis data iaitu sama ada
data nominal, ordinal, interval atau ratio. Jika data nominal dan ordinal sahaja yang digunakan,
maka ‘significance level’ adalah 0.05. Manakala jika data interval dan ratio digunakan, maka
‘significance level’ adalah 0.01.

Nilai alfa (significance level) yang biasa digunakan dalam kajian pendidikan ialah p
0.05 yang bermaksud 95% aras keyakinan keputusan adalah tidak bergantung kepada ‘chance’.
Jika p 0.05, maka ia menunjukkan ada perbezaan di antara pembolehubah yang dikaji, iaitu
nilai adalah signifikan, oleh itu hipotesis null ditolak dan hipotesis alternatif diterima.
4
Sebaliknya, jika p>0.05, maka gagal menolak hipotesis null iaitu tidak terdapat perbezaan dalam
pembolehubah yang dikaji.

Refleksi Kelima

Ujian Hipotesis

Dalam menguji hipotesis sama ada kita boleh menolak hipotesis atau gagal
menolak bergantung kepada data yang dikutip.Variable pula terdiri daripada daripada
variable bersandar d an tidak bersandar.

Dalam ujian signifikan,Apabila Aras ujian signifikan ialah ujian itu signifikan
apabila menunjukkan P <0.05 bermaksud ada perbezaan, bermakna hipotesis null
ditolak.dan Hipotesis HA ( hipotesis alternative) diterima.Jika ujian signifikan menunjukkan
P> 0.05 bermakna hipotesis null gagal ditolak. Ujian dikatakan signifikan apabila P <0.05
bermakna 95 peratus aras keyakinan bahawa keputusan tidak ‘due to chance.’Hanya 5
peratus sahaja ‘due to chance’.

Kesilapan dalam ujian hipotesis nul berlaku apabila hipotesis nul yang benar ditolak,
gagal menolak hipotesis nul yang benar,menolak hipotesis nul yang tidak benar dan gagal
menolak hipotesis nul yang tidak benar.Terdapat dua jenis kesilapan (ralat) dalam ujian
hipotesis nul iaitu Type I Error dan Type II Error.

Type I Error ialah kesilapan yang kurang serius berbanding dangan Type II
Error.Type I Error berlaku apabila Hipotesis nul benar ,sepatutnya hipotesis null ditolak,
tetapi diterima.(kesilapan kurang serius).Type II Error pula berlaku apabila hipotesis null
tidak benar,sepatutnya hipotesis null tidak benar diterima tetapi hipotesis null tidak benar
ditolak .(kesilapan yang serius)

Contoh : Jika seseorang yang Lulus Ujian – Digagalkan.,Kesilapan itu adalah

kesilapan Type II.Kesilapan ini adalah serius kerana tidak sepatutnya digagalkan. Tetapi jika
seseorang yang gagal diluluskan,kesilapan itu dikategorikan dalam kesilapan Type I kerana
kesilapan itu dianggap kurang serius.

Kesilapan-kesilapan yang berlaku menunjukkan dalam statistik tidak semua ‘finding ‘

yang diperoleh adalah betul kerana kemungkinan wujud kesilapan ketika mengutip data
.Data yang dikutip mungkin daripada respondan yang dipilih secara tidak random atau
berlaku kesilapan ketika memasukkan data ke dalam system SPSS .

Refleksi Keenam

5
 Dalam penulisan sesuatu kajian, perlu dinyatakan masalah, objektif, soalan dan hipotesis
kajian dengan jelas. Contoh cara penulisan :

i) Objektif kajian : Untuk mengenalpasti perbezaan pencapaian Matematik berdasarkan

jantina, bangsa dan lokasi sekolah.

ii) Soalan kajian : Adakah terdapat perbezaan pencapaian Matematik berdasarkan

jantina, bangsa dan lokasi sekolah ?

iii) Hipotesis kajian :

H0(1) : Tidak terdapat perbezaan yang signifikan antara pencapaian Matematik

dengan jantina.

H0(2) : Tidak terdapat perbezaan yang signifikan antara pencapaian Matematik

dengan bangsa.

H0(3) : Tidak terdapat perbezaan yang signifikan antara pencapaian Matematik

dengan lokasi sekolah.

Daripada hipotesis kajian, satu kerangka boleh dibina untuk menghubungkan semua
pembolehubah, iaitu pembolehubah jantina, bangsa dan lokasi sekolah dikategorikan sebagai
pembolehubah tak bersandar (independent variable), manakala pembolehubah pencapaian
Matematik adalah pembolehubah bersandar (dependent variable).

Sekiranya objektif kajian hanya untuk mengenalpasti perbezaan pencapaian Matematik

berdasarkan jantina sahaja, maka tiada hipotesis dalam kajian tersebut kerana kajian adalah
berdasarkan jantina sahaja. Oleh itu, hipotesis dalam sesuatu kajian adalah satu optional, sama
ada terdapat hipotesis atau tiada hipotesis adalah mengikut keperluan. Biasanya kajian
berbentuk kuantitatif jarang mempunyai hipotesis manakala kajian kualitatif mempunyai
hipotesis.

Dalam soal selidik yang dilakukan, kadangkala terdapat pernyataan negatif untuk
memastikan data yang didapati daripada responden adalah sah. Proses ‘Recode’ dalam SPSS
digunakan untuk mentafsir semula item negatif ini. Cara melakukan proses recode:

Transform Recode Into same variable (pilih variable, e.g Sikap 7) old & new
values taipkan Old value ‘1’, new value ‘4’ (1 4, 2 3, 3 2, 4 1)

Continue Ok
Kaedah ‘Stem & Leave Plot’, PP Plot, Q-Q Plot dan ‘Box Plot’ boleh digunakan bagi
menentukan sama ada terdapat data ekstrem yang mungkin diambil daripada sampel yang tidak
6
berkenaan. Contohnya dalam kaedah Box Plot, data yang berada di luar garisan perlu dibuang.
Sekiranya terdapat banyak data ekstrem, maka keutamaan adalah pada data yang berada paling
jauh daripada garisan perlu dibuang dahulu. Setiap kali data yang ekstrem ini dibuang, maka data
daripada dependent list juga perlu diubah dan dianalisis semula (Analyze, Descriptive statistics,
Explore). Dalam hal ini, indeks amat penting bagi menunjukkan data responden yang berkenaan
telah dipadam.

Dalam tajuk Pembersihan Data (Cleaning Process), data-data yang perlu dibuang adalah
data-data ekstrem yang mungkin diambil daripada sampel-sampel yang tidak berkenaan. Kaedah
yang boleh digunakan untuk menentukan sama ada terdapat data ekstrem adalah melalui kaedah
Stem & Leaf Plot, PP Plot, Q-Q Plot dan Box Plot. Kaedah Box Plot adalah kaedah yang paling
mudah untuk mengenalpasti data ekstrem kerana ia boleh menunjukkan dengan jelas data-data
ekstrem ini.

Data mentah diambil daripada fail ‘Data0’. Sebelum melakukan pembersihan data
melalui perisian SPSS, pengguna perlu berada di helaian Variable View terlebih dahulu. Data-
data daripada nombor 77 hingga 82 perlu dipadam dengan cara meletakkan cursor pada bahagian
kiri sekali dan tekan kekunci ‘Delete’. Untuk memasukkan variabel ‘Indeks’, cursor diletakkan
pada kotak ‘Jantina’, kemudian pada menu Data, pilih Insert Variable, taipkan ‘Indeks’ bagi
menggantikan ‘VR0001’ dan pada column ‘Decimal’, taipkan ‘0’.

Kemudian buka helaian Data View untuk memasukkan nombor 1 hingga 300 pada
column ‘Indeks’. Cara yang lebih mudah adalah melalui perisian MS Excell , kemudian copy
dan paste ke SPSS. Data ini kemudian disimpan dan dinamakan sebagai ‘Data1’.

Untuk mentafsir variabel Sikap, Bimbangan, Tabiat, Tingkahlaku dn Persekitaran

menggunakan SPSS, pengguna perlu berada di helaian Variable View. Pada menu Transform,
pilih Compute dan paparan Compute Variable akan ditunjukkan. Pada ruang Target Variable,
taipkan ‘TABIAT’ manakala pada bahagian Numeric Expression, masukkan tanda kurungan.
Pastikan cursor berada di dalam kurungan, double click pada ‘Tabiat1’ dan masukkan tanda
tambah (+). Kemudian, double click pada ‘Tabiat2’, dan masukkan tanda’+’ dan seterusnya
hingga ‘Tabiat16’. Keluarkan cursor dari dalam kurungan, pilih tanda ‘/’ dan taipkan ‘16’, iaitu
mewakili 16 tabiat yang telah dimasukkan dan tekan ‘OK’.

Untuk menganalisa data yang diperolehi dalam bentuk gambarajah seperti Stem & Leaf
atau Box Plot, pada menu Analyze, pilih Descriptive Statistics dan pilih Explore. Pada ruang
Dependent List, masukkan variabel ‘Tabiat’ dan pada ruang Factor List, masukkan variabel
‘Jantina’. Pada menu Display, pilih Both. Pada menu Statistics, tanda ‘/’ pada kotak
Descriptives dan Outliers, tekan Continue. Pada menu Plots, ruangan Box Plots telah bertanda
kotak Factor levels together, ruangan Descriptives, hilangkan tanda ‘/’ pada kotak Stem & Leaf
(kerana hanya bentuk Box Plot sahaja yang dikehendaki), tekan Continue dan tekan OK.

7
 Data-data yang belum dibersihkan akan dipaparkan dan data-data ekstrem akan jelas
kelihatan pada rajah Box Plot. Untuk memindahkan rajah Box Plot ini ke dalam Program MS
Word, klik kanan pada rajah Box Plot, pilih copy dan paste pada MS Word. Data yang perlu
dibuang dahulu adalah data yang berada paling jauh daripada garisan Box Plot. Setiap kali data
dipadam, data perlu dianalisa semula menggunakan menu Analyze, Descriptive Statistics dan
Explore. Ulang langkah ini sehingga semua data ekstrem telah dibersihkan.