METOD PEMERIHALAN DATA

Taburan Kekerapan

TOPIK KE - 3
 METOD PEMERIHALAN DATA
menerangkan bagaimana data daripada
sampel kajian diperihalkan secara ringkas dan
diklasifikasikan kepada bentuk yang mudah
difahami oleh penyelidik dan pembaca.
 Metod yang digunakan dalam statistik
deskriptif untuk memerihalkan data ialah:

i) Taburan kekerapan
ii) Ukuran kecenderungan memusat (min, mod,
median)
iii) Ukuran serakan (julat, min sisihan, varians,
sisihan piawai)
iv) Persentil, markat z dan markat t.
 TABURAN KEKERAPAN

Taburan kekerapan merupakan satu metod dan tatacara

untuk memerihalkan kesemua data yang terkumpul
dengan cara membuat taburan dan seterusnya
memerihalkan dengan jadual taburan, graf dan
gambarajah.

***********
 TABURAN KEKERAPAN DATA TIDAK TERKUMPUL

CONTOH DATA TIDAK TERKUMPUL:

75 82 44 60 66 79 89 45 47 50
53 51 74 83 45 47 88 46 64 71
68 79 60 72 58 64 79 88 47 65

• Data yang ditunjukkan adalah tertabur secara rawak.

• Markat ini boleh disusun daripada nilai yang terendah iaitu 44

hinggalah kepada nilai yang tertinggi iaitu 89 (seperti pada
Jadual 1).
JADUAL 1 : TABURAN KEKERAPAN DATA TIDAK TERKUMPUL
 MARKAT KEKERAPAN
89 1
88 3
Berdasarkan jadual ini, pengkaji
83 1 boleh mengetahui:
82 1
79 3  Markat yang paling rendah
75 1 ialah 44.
Markat paling tinggi ialah
74 1

72 1
71 1
89.
68 1  Markat yang paling banyak
66 1 dicapai ialah 88, 79, dan 47.
65 1  Seramai 13 orang
64 2
mencapai markat 70 ke atas
60 2
53 1
dan seramai 7 orang
51 1 mencapai markat 50 ke bawah.
50 1  Julat markat ialah 45.
47 3
46 1
45 2
44 1
 Perbezaan julat yang tidak besar tetapi menggunakan
ruang jadual yang agak besar. Masalah akan timbul
jika perbezaan julat yang besar iaitu menyebabkan
ruang jadual yang lebih besar.

 Oleh itu ahli statistik mencadangkan pengumpulan

data mengikut kelas atau kategori.

 Taburan kekerapan yang dibina berdasarkan data yang

dikategorikan dipanggil taburan kekerapan data
terkumpul .
 TABURAN KEKERAPAN DATA TERKUMPUL

 Taburan kekerapan data terkumpul dibuat

berdasarkan kategori iaitu pengumpulan kepada
beberapa kategori.
 Kategori ini dikenali sebagai kelas.
 Kelas mengandungi :

- bilangan kelas
- selang kelas dan had kelas
- nilai tengah kelas
 BILANGAN KELAS

 Bilangan kelas yang sesuai dan baik bergantung pada

jumlah kes sesuatu taburan data (namun begitu yang
penting bergantung pada kesesuaian dan dapat
menggambarkan data dan taburannya adalah jelas).

 Ahli statistik mencadangan bilangan kelas ialah 10

hingga 20 (Kiess, 1989) dan ada yang mencadangkan
had minimumnya hanya 8 kelas.

 Hukum Struge boleh digunakan sebagai panduan

untuk menentukan bilangan kelas yang agak tepat.
 HUKUM STRUGE

 Hukum ini bergantung pada bilangan kes (N) data.

Jika bilangan kes adalah kecil – tidak sesuai dengan
kaedah ini.
 Berikut ialah formula mengikut Hukum Struge.

Bilangan kelas = 1 + 3.3 log (N)

* N ialah bilangan kes

 SELANG KELAS

• Selang kelas ialah jarak nilai di antara had atas dan

had bawah kelas.
• Selang kelas diperoleh dengan membahagikan julat
dengan bilangan kelas. Berdasarkan data pada Jadual
1, julatnya ialah 45 (89-44).
• Jika bilangan kelas yang digunakan ialah 10, maka
selang kelas ialah 4.5 (45/10). Nilai ini boleh
dibulatkan jadi 5. Jadi setiap kelas akan mengandungi
julat 5 markat.
• Kemudian nilai had bawah bagi kelas yang paling
rendah ditentukan.
• Markat yang paling rendah dalam taburan
hendaklah terkandung di dalam kelas yang paling
rendah.
• Kemudian tentukan titik tengah sesuatu kelas.
• Untuk menentukan had bawah bagi kelas yang
pertama atau kelas yang paling rendah, pilih
nombor yang apabila dibahagi dengan selang kelas
menghasilkan angka bulat. (Berdasarkan jadual 1,
nilai had bawah yang dicadangkan ialah 40). Oleh
itu kelas pertama yang paling bawah dalam
taburan ialah 40-44. Kelas yang paling tinggi ialah
markat yang paling besar dalam taburan.
JADUAL 1 : TABURAN KEKERAPAN DATA TERKUMPUL

MARKAT KEKERAPAN • Kategori kelas ini telah

menghilangkan keasliaan
85-89 4
sifat data selanjar yang
80-84 2
ada pada data mentah
75-79 4
yang asal.
70-74 3
65-69 3
• Sifatnya kini seperti data
60-64 4
diskrit.
55-59 0
50-54 3
• Oleh itu had sebenar
45-49 6
40-44 1
kelas perlu ditunjukkan.
 HAD SEBENAR KELAS

 Had sebenar kelas perlu ditunjukkan kerana

setiap skor mempunyai had nilai yang
terendah sebenar hingga kepada had nilai
tertinggi sebenar.

 Contoh nilai skor 10 mempunyai :

- nilai tertinggi sebenar iaitu 10.5 dan
- nilai terendah sebenar iaitu 9.5
 TABURAN KEKERAPAN MENGIKUT KELAS DAN HAD KELAS
SEBENAR

 KELAS HAD SEBENAR NILAI TITIK KEKERAPAN


TENGAH
85-89 84.5-89.5 87 4
80-84 79.5-84.5 82 2
75-79 74.5-79.5 77 4
70-74 69.5-74.5 72 3
65-69 64.5-69.5 67 3
60-64 59.5-64.5 62 4
55-59 54.5-59.5 57 0
50-54 49.5-54.5 52 3
45-49 44.5-49.5 47 6
40-44 39.5-44.5 42 1
PERATUS KEKERAPAN DAN KEKERAPAN KUMULUTIF (KK)

 Untuk memberi gambaran yang lebih baik, nilai

kekerapan dijadikan peratus kekerapan berdasarkan
jumlah kes (N) iaitu kekerapan x100.
N
 Peratusan kekerapan berguna untuk menggambarkan
taburan dalam bentuk gambarajah atau graf.
 Manakala kekerapan kumulutif dapat digunakan untuk
pengiraan min, mod, dan median.
 Kekerapan kumulutif dikira dengan mencampurkan
kekerapan bagi setiap kelas bermula daripada kelas
yang paling rendah. Pastikan bahawa jumlah KK pada
kelas tertinggi adalah sama dengan jumlah kes (N).
 TABURAN PERATUS KEKERAPAN (PK) DAN KEKERAPAN
KUMULATIF (KK)

 KELAS KEKERAPAN PK KK PERATUS KK



 85-89 4
80-84 2
75-79 4
70-74 3
65-69 3
60-64 4
55-59 0
50-54 3
45-49 6
40-44 1
 Berdasarkan jadual taburan PK dan KK, perihalkan
beberapa perkara berikut:

i) Peratusan bagi markat pencapaian antara 65-69.

ii) Peratusan kekerapan kumulutif pada kelas 70-74.

iii) Peratus pelajar yang berjaya mencapai prestasi

paling baik.

iv) Peratus pelajar mendapat markat yang paling

rendah.