Analisas Berstatistik Asas 6.

1 Pengertian dan Pengunaan Statistik Statistik ialah satu jenis analisis data yang mengamalkan perancangan, rumusan, dan mengintrepretasikan sistem pemerhatian yang meramalkan kejadian berdasarkan pengiraan system model matematik yang diperhatikan. Statistik adalah cabang matematik gunaan yang menumpukan kepada teori kebarangkalian. Implikasi teori kebarangkalian ini adalah hasilan keputusan statistik yang dapat menunjukkan hubungan korelasi Perihal statistik yang asas adalah populasi boleh diwakili melalui satu set sampel populasi yang mana sampel tersebut adalah agak besar . Teori statistik menyediakan kaedah bagi menentukan besar manakah sampel yang diperlukan untuk menyediakan keperluan hasilan keputusan yang signifikan. Dua jenis statistik asas ialah statistik deskriptif dan statistik inferensi. Statistik deskriptif menerangkan atau merumuskan sistem pemerhatian pengkuran. Sementara deskriptif inferensi digunakan untuk meramal atau membuat agakan kepada sifat sistem. Statistik digunakan meluas dalam dpelbagai disiplin terutama bidang sains sosial , kajihayat dan lain-lain bidang pembelajaran yang melibatkan sistem yang kompleks. Statistik digunakan juga dalam perniagaan bagi tujuan pengawalan proses, pengawalan mutu, pemasaran dan lain-alain akti iti harian. Dalam bidang sukan, statistik digunakan untuk memaklumkan kemahiran dan kebolehan ahli sukan. Sektor kerajaan menggunakan statitistik dalam pelbagai hal,terutama dalam kerja bancian mengenai populasi penduduk. Objektif Di akhir bab ini, anda seharusnya dapat ! ". memahami asas kefahaman mengenai menginterepretasikan mengenai statistic deskriptif dan inferen #. memahami konsep asas ukuran kekerapan, taburan dan serakan 6.1.1 Pengertian Statistik Statistik adalah kaedah mudah untuk membuat pengukuran dan memaklumkan perhubungan dengan mengunakan nombor. $ebanyakan kekeliruan awal ketika mempelajari statistics adalah tidak memahami konsep dan istilah. %pabila mengunakkan kaedah statistic, kita boleh mengunakan pelbagai istilah untuk menerangkan konsep. &ika anda ingin menerangkan mengenai perbatuan pengunaan minyak kenderaan anda, pernyataan seperti dibawah boleh digunakan ! Tangki minyak kenderaan saya sudah penuh Tangki minyak kenderaan saya hanya tinggal separuh %ras tingki minyak saya adalah pada kadar '() $enderaan saya hanya mampu bergerak sejauh "'( kilometer Semua pernyataan ini menerangkan kadar pengunaan minyak kenderaan anda. Dari maklumat ini anda boleh membuat keputusan bila anda perlu membeli minyak. Dari kenyataan ini anda boleh membuat pengiraan mudah dan pastinya anda tahu bahawa purata pergerakan kenderaan anda adalah diantara tujuhbelas hingga *' batu segelen.

Dalam menyatakan kaedah skoran yang digunakan didalam pengukuran dan penilaian anda boleh mengunakan kenyataan seperti diatas ! Skoran persamaan umur Skoran persamaan gred Skoran piawai dan sisihan piawai +anking persentil Pengetahuan mengenai statistic akan membolehkan anda menilai pencapaian pelajaran anak-anak anda.

,ana-mana analisa statistik bermula dari masalah, satu adalah yang anda cari dan atau yang anda diberi. "pelajar yang belajar lebih tahu lebih " Jika anda mempunyai dua kumpulan pelajar, anda boleh mengasingkan dua kumpulan tersebut dalam dua kumpulan. Kumpulan pertama belajar secukupnya dan sekumpulan lagi diminta datau digalakkan untuk belajar, katakanlah dua kali lebih lama. Oleh itu, anda bolehlah melakukan perkara berikut: Dua benda berlainan? - bandingkan purata skor pembelajaran bagi kedua-dua kumpulan tersebut Satu langkah lagi adalah mengukur banyak manakah yang dipelajari atau masa pelajar belajar olehkedua kumpulan tersebut. %nda boleh bertanya kepada pelajar tersebut tetapi kaedah tersebut bolehkah dipercayai ,aka anda boleh menggunakan kaedah ! Dua perkara berkaitan? - perhatikan perhubungan diantara banyak mana yang dipelajari dan masa yang digunakan untuk belajar. .ntuk ini, anda boleh menggunakan kaedah statistic yang ditnjukkan pada jadual , kemungkinan /+0 yang bermaksud korelasi koefisen Pearson. Pengunaan Statistik dalam Pendidikan Pengukuran ialah suatu proses atau sistem yang digunakan untuk menentukan nilai kuantitatif sesuatu benda, perkara atau keadaan. 1ilai kuantitatif ini biasanya dinyatakan dalam sesuatu unit angka yang tetap dengan menggunakan alat pengukuran yang berkaitan. Dalam proses pengajaran dan pembelajaran, pengukuran merangkumi segala aspek pengujian, termasuk menggunakan skala ordinal atau skala selang untuk menentukan kedudukan dan pencapaian pelajar-pelajar dalam sesebuah kelas atau di antara kelas. Skala ordinal ini merupakan sesuatu alat pengukuran yang digunakan untuk menempatkan pangkatan atau kedudukan pelajar-pelajar mengikut markah-markah yang diperolehi daripada sesuatu ujian. Skala selang yang mengandungi unit markah-markah yang sama berat nilainya, adalah digunakan bukan sahaja untuk menentukan pangkatan, tetapi juga membuat perbandingan di antara pelajar-pelajar dalam sesebuah kelas yang sama ataupun di antara kelas-kelas yang lain. Secara ringkasnya, skala ordinal digunakan berdasarkan prestasi atau pencapaian mereka. Skala selang, yang meliputi markah dan gred, digunakan untuk menentukan peringkat pencapaian di antara pelajar. ,cnamara 2"3345, menyatakan pengukuran ialah suatu penyiasatan tentang kualiti sesuatu proses penilaian dengan melihat skor pencapaian. 6erdasarkan ini beliau menegaskan bahawa terdapat dua langkah untuk membuat pengukuran!

6.1.2

1. Mengkuantitikan- iaitu menetapkan nombor atau skor untuk berbagai-bagai hasil penilaian. Satu set skor boleh digunakan untuk membuat analisis data himpunan daripada perolehan nombor yang diambil daripada dapatan ujian yang dinamakan data matrik. 2. Semakan- iaitu membuat semakan menggunakan berbagai jenis dan bentuk pengiraan secara matematik dan statistik dlam membuat penilaian perkara-perkara yang penting 2seperti ketekalan persembahan calon atau penilai5yang akan mempengaruhi penilaian. Sebab utama langkah ini dibuat adalah untuk mencapai tahap kualiti kontrol, yang bertujuan untuk meningkatkan lagi tahap kebolehpercayaan dan keadilan pada keputusan yang diperolehi tentang seseorang calon 2kesahihan ujian5. Prosedur untuk membuat pengukuran bukan sahaja perlu rasional malah dapat menguatkan kesahihan ujian. Di sini jelaslah bahawa sesuatu pengukuran itu perlulah mempunyai ciri-ciri seperti kesahan, kebolehpercayaan, linearity, praktikal, ketunggalan atau keobjektifan dan kemudahtafsiran untuk memudahkan hasil ujian calon direkodkan supaya tidak timbul sebarang rasa tidak percaya terhadap hasil pengukuran itu kelak. Terdapat beberapa penggunaan statistic dalam pengukuran yang melibatkan pelbagai symbol atau pernomboran perhubungan dan operasi membuat pengukuran. Tahap yang sering diperbincangkan dalam hal ini adalah ! Tara !"minal Pengukuran data yang paling rendah adalah taraf nominal. 1ombor mewakili data taraf nominal boleh digunakan hanya untuk pengelasan dan kategori. 1ombor pengenalan kakitangan adalah sebagai contoh data nominal. 1ombor yang digunakan hanyalah untuk membe7akan kakitangan dan bukanlah untuk memberikan pernyataan nilai terhadap mereka. 6anyak soalan-soalan demografi di dalam sur ei adalah data nominal disebabkan soalan yang digunakan hanyalah untuk pengelasan sahaja. 8ontoh soalan seperti tersebut adalah! ,anakah klasifikasi pekerjaan yang terbaik menerangkan bidang kerja anda9 %. 6. 8. D. :. ;. Pendidik Pekerjaan binaan Pekerja Perkilangan Peguam Doktor <ain-lain

=leh yang demikian, untuk tujuan pengiraan, pendidik ditandakan sebagai ", pekerjaan binaan sebagai #, pekerja perkilangan sebagai *, dan seterusnya. 1ombor hanyalah digunakan untuk mengkelaskan pekerja sahaja. 1ombor " bukan menandakan pengkelasan tertinggi. Ia hanya bertujuan untuk membe7akan di antara pendidik 2"5 dan doktor 2'5. <ain-lain data demografi seperti bangsa, jantina, tempat tinggal dan lain-lain merupakan data bertaraf nominal. Tara #rdinal

Pengukuran data bertaraf ordinal adalah lebih tinggi daripada nominal. Disamping itu, data ordinal boleh digunakan untuk memeringkatkan atau menyusun objek. Sebagai contoh, dengan menggunakan data ordinal, penyelia boleh menilai tiga orang pekerja dengan memeringkatkan produkti iti mereka dengan nombor " hingga *. Penyelia boleh mengenalpasti, satu pekerja amat produktif, saorang pekerja kurang produktif dan saorang lagi tidak produktif menggunakan data ordinal. >alau bagaimanapun, penyelia tidak boleh menggunakan data ordinal untuk membuktikan inter al di antara dua orang pekerja yang diperingkatkan sebagai " dan # atau pekerja diperingkat # dan * adalah sama. Iaitu, ia tidak boleh menyatakan bahawa perbe7aan di antara oekerja diperingkat ", # dan * adalah sama. Dengan data ordinal, jarak yang diwakili oleh nombor yang berturutan adalah tidak selalunya sama. 6eberapa soalan soal-selidik jenis skala <ikert yang selalu digunakan oleh penyelidik adalah jenis ordinal. 6erikut adalah contoh skala tersebut! $ualiti perkhidmatan yang diberi oleh 6ank di ,alaysia adalah baik. %mat 6ersetuju " 6ersetuju # Tidak Pasti * Tidak 6ersetuju ? %mat tidak 6ersetuju '

%pabila soalan sur ei ini dikodkan kedalam komputer, hanya nombor " hingga ' sahaja yang dimasukkan bukannya keterangannya. Secara maya semua orang bersetuju bahawa ' lebih tinggi daripada ? di dalam skala ini dan pemeringkatan tindakbalas adalah mungkin. >alau bagaimanapun kebanyakan responden tidak mempertimbangkan perbe7aan di antara %mat Tidak 6ersetuju, Tidak 6ersetuju, Tidak Pasti, 6ersetuju dan %mat 6ersetuju adalah sama. Sebagai contoh lain, dana pelaburan sebagai pelaburan yang diperingkatkan di dalam sebutan risiko dengan menggunakan ukuran risiko biasa, risiko kewangan dan risiko kadar faedah. Tiga ukuran ini adalah digunakan kepada pelaburan dengan memeringkatkannya sebagai mempunyai risiko yang tinggi, sederhana dan rendah. $atakan risiko tinggi ditandakan sebagai *, sederhana risiko sebagai # dan tidak berisiko sebagai ". &ika dana tersebut dilabelkan sebagai * berbanding #, ia mempunyai risiko yang lebih dan seterusnya. >alau bagaimanapun, perbe7aan risiko di antara kategori ",# dan * tidak semestinya sama. =leh itu, pengukuran risiko ini hanyalah taraf pengukuran ordinal. Disebabkan oleh data nominal dan ordinal biasanya diterbitkan daripada pengukuran seperti soalan demografi, kategori manusia atau objek, atau pemeringkatan sesuatu item, data nominal dan ordinal adalah data bukan metrik atau kadangkala dipanggil sebagai data kualitatif. Tara $nter%al Pengukuran data inter al adalah taraf data yang tertinggi sedikit. Pengukuran inter al mempunyai semua kandungan data taraf ordinal, tetapi jarak di antara nombor berturutan mempunyai makna dan data selalunya adalah numerik. &arak adalah diwakili oleh perbe7aan di antara nombor berturutan adalah sama. 8ontoh pengukuran inter al adalah

nombor suhu ;arenheit, suhu boleh diperingkatkan, jumlah kepanasan di antara bacaan berturutan, seperti #"o, ##o dan #*o. Disamping itu, dengan paras data inter al, titik sifar hanyalah kon ension atau keselesaan dan bukan semula jadi atau tetap pada titik sifar. =leh itu, sifar hanyalah titik lain di atas skala dan tidak bermakna iatidak ujud di dalam fenomena. Sebagai contoh, (o ; bukanlan suhu terendah yang mungkin. 8ontoh laindata taraf inter al adalah peratus perubahan di dalam pekerjaan, peratus pulangan keatas pelaburan dan perubahan di dalam harga saham. Dengan data taraf inter al, transformasi unit dari satu pengukuran kepada yang lain melibatkan pendharaban dengan faktor tertentu, , dan menambah dengan faktor lain, , oleh itu @ A B C. Sebagai contoh, untuk mengubah suhu 8alcius kepada suhu ;arenheit melibatkan perhubungan ;A *# B 3D' 8

Tara &adar .kuran taraf kadar adalah taraf pengukuran data yang tertinggi. Data kadar mempunyai kandungan yang sama sebagaimana data inter al, tetapi data perkadaran mempunyai nilai mutlak sifar dan kadar bagi dua nombor adalah bermakna. 1otasi nilai mutlak sifar bermakna nilai sifar adalah tetap dan oleh itu ujud nilai sifar di dalam data yang mewakili ketidakhadiran ciri-ciri yang dikaji. 1ilai sifar tidak boleh secara arbitrari diletakkan disebabkan ia mewakili titik tetap. Definasi ini membolehkan statistik mengujudkan kadar dengan data. 8ontoh data kadar adalah tinggi, berat, jumlah jualan dan sebagainya. Dengan data kadar, penyelidik boleh menyatakan "4( kg adalah lebih berat daripada 3( kg atau sebaliknya, dan membuat kadar "4(!3(. Disebabkan oleh data taraf inter al dan kadar biasanya diperolehi daripada alatan yang biasanya digunakan di dalam proses pengeluaran dan proses kejuruteraan, di dalam ujian piawai kebangsaan, atau tatacara perakaunan piawai, ianya dipanggil data matrik dan kadangkala dirujukkan sebagai data kuantitatif. Perbandingan 'mpat Tara data +ajah "." menunjukkan perhubungan potensi penggunaan di antara empat taraf pengukuran data. :mpat persegi yang tertinggi menandakan setiap kategori paras data boleh dianalisis dengan sebarang teknik yang digunakan keatas taraf data yang terendah, tetapi sebagai tambahan, boleh dianalisis menggunakan sebarang teknik statistik yang boleh digunakan terhadap lain-lain tiga jenis data ditambah dengan yang lain. Data nominal adalah data yang amat terhad di dalam jenis analisis staistik yang boleh digunakan dengan mereka. Data ordinal membolehkan penyelidik untuk melakukan sebarang analisis yang boleh dilakukan dengan data nominal ditambah dengan yang lain. ,elalui data kadar, ahli-ahli statistik berkebolehan untuk membuat perbandingan pendaraban dan bersesuaian melakukan sebarang analisis yang boleh dilakukan oleh data nominal, ordinal atau inter al. Sesetengah teknik statistik memerlukan data kadar dan tidak boleh digunakan untuk menganalisis lain-lain taraf data.

Teknik statistik boleh digunakan di dalam dua kategori statistik parametrik dan statistic tidak berparametrik.Statistik parametrik memerlukan data inter al atau kadar. &ika data adalah nominal atau ordinal, statistik tidak berparameter mesti digunakan. Statistik tidak berparameter juga boleh digunakan statistik tidak berparameter juga boleh digunakan untuk menganalisis data inter al dan kadar.

6.1.(

Pengunaan Statistik dalam Penilaian Tujuan utama penilaian dalam bidang pendidikan dan psikologi ialah untuk mendapatkan langkah-langkah yang objektif serta boleh difahami dalam bentuk perbandingan yang mutlak. $enyataan berikut merangkumi seluruh interpretasi bagi data ujian dan bukan ujian. Data ujian hanyalah merupakan salah satu cara bagi mendapatkan maklumat dalam membimbing ahli memilih sesuatu keputusandalamprosesbimbinganDkaunseling. ". %hli mestilah menerangkan dengan khusus maklumat mengenai ujian, sebelum dan selepas ujian dibuat supaya keputusan ujian itu dapat diterima dalam perspektif yang betul jika dikaitkan dengan faktor-faktor sosio-ekonomi, bangsa dan budaya dalam pencapaian ujian itu. #. Dalam memilih ujian untuk digunakan dalam satu-satu situasi bagi seseorang klien, ahli harus menimbang dengan teliti mengenai kesahan dan kebolehpercayaan serta kesesuaian atau ketepatan ujian itu. *. .jian yang berlainan memerlukan tahap kelayakan pengendalian yang berbe7a dan interpretasi yang berlainan. %hli mestilah menyedari had-had kebolehan sendiri dan menjalankan hanya tugas-tugas yangia layak sahaja. ?. Tujuan ujian dan kegunaan keputusan hendaklah diberitahu kepada caloncalon sebelum ujian diberi. '. 6ila membuat kenyataan kepada orang awam mengenai ujian dan pengujian, ahli mestilah memberi keterangan yang tepat dan mengelak dari membuat dakwaan yang tidak benar atau tanggapan yang salah.

E. .jian-ujian mestilah dijalankan dalam keadaan-keadaan yang sama seperti norma. 6ila ujian tidak dijalankan dalam keadaan-keadaan yang la7im atau bila berlakunya sesuatu tingkahlaku, perkara itu mestilah dicatatkan. $eputusan-keputusan ujian berkenaan hendaklah diisytiharkan sebagai tidak sah atau yang boleh meragukan. F. Pencapai yang bererti dari keputuan ujian-ujian yang digunakan oleh kaunselor la7imnya berdasarkanketidakbiasaan calon mengenai perkara tertentu yang terdekat dalam ujian itu, mengajar atau memberitahu bahan-bahan ujian sebelum sesuatu ujian dijalankan memungkinkan keputusannya tidak sah. =leh itu pengawasan rapi ujian adalahsalah satu daripada tanggungjawab ahli. 4. %hli mestilah berhati-hati apabila menginterpretasi sesuatu keputusan dari bahan atau alat kajian yang tidak lengkap. Tujuan utama penggunaan alat kajian itu mestilah dinyatakan dengan jelas kepada calon. 3. $eputusan ujian yang diberi kepada majikan atau lain-lain pihak yang berkenaan untuk tujuanpenilaian atau klasifikasi harus diawasi supaya tidak disalah erti atau disalah guna. $ebajikan calon ujian harus diambilkira sebagai satu kriteria penting dalam apa-apa pertimbangan. "(. %hli mestilah berhati-hati apabila membuat penilaian dan menginterpretasi restasi mereka yang tidak termasuk di dalam golongan norma semasa alat ujian itu distandardisasikan. %hli yang mengguna ujian yang diambil dari luar negeri haruslah berhati-hati semasa menguna dan menginterpretasi dengan memikirkan budaya golongan norma yang telah digunakan oleh pencipta ujian dalam proses piawaian. "". %hli mestilah berhati-hati supaya tidak mencedok, mengubahsuai dan menggunakan ujian-ujian yang diterbitkan tanpa menyatakan penghargaan atau mendapat kebenaran dari penerbit. 6.2 Analisis &ekerapan dan Taburan Perkara yang perlu difikirkan selepas data mentah dikumpul ialah untuk membentangkan data tersebut kedalam bentuk yang mudah difahami untuk dibuat sebarang analisis dan perbandingan. Data mentah yang dikumpulkan tidak dapat memberikan sebarang makna jika data itu tidak dibentang dalam bentuk grafik ataupun bentuk lain yang senang dilihat dan ditafsirkan. Sebagai contoh, data-data kehadiran pelajar tidak memberi sebarang makna kepada seorang guru jika data tidak dapat dibentangkan dalam bentuk jadual kekerapan untuk menunjukkan jumlah kehadiran pelajar yang beliau ajar. Pembentangn data secara graf boleh menunjukkan pergerakan kehadiran murid atau pelajar beliau di sepanjang masa untuk sesuatu tempoh. Dengan cara ini pihak sekolah akan lebih faham tentang keadaan kehadiran dan pergerakan kehadiran pada sesuatu masa yang tertentu.

=leh sebab data mentah yang dikumpulkan tidak dapat memberikan sebarang makna kepada pembaca, kaedah-kaedah seperti jadual kekerapan, polygon kekerapan, ogif carta pai, carta palang dan lain-lain harus digunakan untuk memberi lebih makna dalam penyampaian 6.2.1 Analisis &ekerapan dan )ra ik $aedah yang paling mudah untuk membentangkan data metah ialah dengan membina sebuah jadualkekerapan . Dua factor yang perlu dipertimbangkan semasa membina suatu jadual kekerapan ialah bilangan kelas yang perlu digunakan dan selang bagi setiap kelas. .ntuk menentukan bilangan kelas yang diperlu disediakan, formula berikut selalunya digunakan !

Taburan &ekerapan Taburan kekerapan adalah mudah untuk dibina. >alaupun terdapat beberapa garis panduan untuk pembinaannya, taburan adalah berbe7a di dalam rekabentuknya, walaupun data mentah yang awal adalah sama. Sebenarnya taburan kekerapan yang dibina adalah menurut citarasa penyelidik.<angkah-langkah di dalam membina taburan kekerapan! *angkah 1+ Tentukan jeda data mentah tersebut.

&eda didefinasikan sebagai perbe7aan di antara angka terbesar dan terkecil di dalam set data. &eda bagi data di dalam jadual #." ialah "".* 2"#.' - ".#5.

*angkah 2+

Tenentukan berapa banyak kelas yang perlu dibina.

Peraturan biasa adalah memilih di antara ' hingga "' kelas. &ika taburan kekerapan mempunyai terlalu sedikit kelas, ringkasan data adalah terlalu am untuk digunakan. Terlalu banyak kelas pula menghasilkan taburan kekerapan yang tidak dapat mengumpulkan data secukupnya untuk membantu kita membuat keputusan. 6ilangan kelas terakhir adalah arbitrari. Data di dalam &adual #." akandikumpulkan ke dalam enam kelas sebagaimana ditunjukkan di dalam &adual #.#. *angkah (+ Tentukan luas jeda kelas. Penghampiran luas kelas boleh dikira dengan membahagikan jeda dengan bilangan kelas. 6agi data di dalam &adual #.", penghampiranya ialah "".*D? atau ".3. 6iasanya, nombor tersebut dibundarkan kepada nombor bulat berikutnya dan di dalam kes ini ialah #. Taburan kekerapan mesti bermula dengan nilai yang sama atau lebih rendah daripada nombor terkecil bagi set data dan berakhir dengan nilai yang sama atau lebih besar daripada nilai terbesar. Garga yang terendah ialah ".# dan tertinggi "#.', oleh itu kita boleh memulakan taburan kekerapan dengan " dan berakhir dengan "*. &adual #.# mengandungi taburan kekerapan lengkap bagi data di dalam &adual #.". Titik akhir kelas adalah dipilih supaya tiada nilai data yang boleh dimasukkan di dalam lebih dari satu kelas. Pernyataan jeda kelas -di bawah - di dalam taburan &adual #.# boleh mengatasi masalah tersebut. Titik Tengah &elas Titik tengah setiap jeda kelas dipanggil sebagai titik tengah kelas dan kadangkala dipanggil sebagaitanda kelas. Ia merupakan nilai pertengahan bagi jeda kelas dan dikira sebagai purata dua titik akhir kelas. Sebagai contoh, bagi taburan di dalam &adual #.#, titik tengah jeda kelas *-di bawah ' ialah ?,atau . 8ara kedua untuk memperolehi titik tengah kelas ialah dengan mengira separuh jarak disepanjang jeda kelas 2separuh dari luas kelas5 dan ditambah dengan titik awal kelas.

Titik tengah kelas adalah penting kerana ia mewakili nilai bagi setiap kelas di dalam kebanyakkan pengiraan statistik kumpulan. <ajur ketiga di dalam &adual #.* mengandungi titik tengah bagi semua kelas bagi data di dalam &adual #

&ekerapan ,elati $ekerapan relatif ialah bahagian jumlah kekerapan bagi jeda kelas di dalam taburan kekerapan. $ekerapan relatif adalah kekerapan kelas indi idu dibahagi dengan jumlah kekerapan. Sebagai contoh, daripada &adual #.*, kekerapan relatif bagi selang kelas '-di bawah F ialah ?D?(, atau (."(. <ajur keempat &adual #.* adalah senarai kekerapan relatif bagi taburan kekerapan &adual #.#. &ekerapan Terkumpul $ekerapan terkumpul ialah jumlah kekerapan disepanjang taburan

kekerapan. $ekerapan terkumpul bagi setiap jeda kelas ialah kekerapan bagi kelas tersebut ditambah dengan jumlah terkumpul jeda sebelumnya. Di dalam &adual #.*, kekerapan terkumpul bagi kelas pertama adalah sama sebagaimana kekerapan kelas, iaitu "E. $ekerapan terkumpul bagi jeda kelas kedua ialah kekerapan kelas kedua 2#5, ditambah dengan kekerapan terkumpul selang kelas pertama 2"E5, menghasilkan kekerapan terkumpul yang baru, # B "E A "4. Proses ini berterusan sehingga ke

kelas yang terakhir dimana kekerapan terkumpul adalah sama sebagaimana jumlah kekerapan, ?(. $onsep kekerapan terkumpul bidang seperti jualan terkumpul digunakan dengan meluas didalam kewangan, jumlah mata disepanjang

disepanjang tahun

perlawanan bola sepak disepanjang

musim dan jumlah kos

tempoh masa perakaunan. <ajur ke lima &adual #.* terkumpul bagi taburan kekerapan &adual #.#.

menunjukkan kekerapan

8ontoh #." Sebuah syarikat air mineral biasanya mengisi air di dalam botol sebanyak '(( ml. Sampel rawak '( botol air mineral telah diambil dan disukat isi kandungannya adalah sebagaimana berikut!

6inakan taburan kekerapan bagi data ini menggunakan lapan kelas. $irakan titik tengah kelas, taburan kekerapan, dan kekerapan terkumpul bagi taburan kekerapan ini. Penyelesaian!

*angkah (+ Tentukan luas jeda kelas. Titik akhir kelas pertama mestilah *E( atau kurang supaya nilai terkecil dapat dimasukkan di dalam kelas pertama, dan titik akhir kelas terakhir mestilah E3( supaya nilai terbesar dapat dimasukkan kedalam kelas tersebut. Taburan kekerapan, titik tengah kelas, kekerapan relatif dan kekerapan terkumpul adalah sebagaimana jadual berikut.

)era dan -arta Salah satu daripada mekanisma yang paling berkesan di dalam mempersembahkan data di dalam bentuk yang bermakna untuk pembuat keputusan ialah di dalam bentuk geraf. ,elalui geraf dan carta, pembuat keputusan biasanya memperolehi gambaran keseluruhan bagi data dan mencapai beberapa rumusan yang amat berguna dengan hanya mengkaji carta atau geraf. ,enukarkan data kepada geraf merupakan akti iti yang kreatif dan berseni. Salah satu daripada penggunaan penting geraf di dalam statistik adalah untuk membantu penyelidik menentukan bentuk taburan. <ima bentuk geraf yang akan dibincangkan disini! 2"5 histogram, 2#5 poligon kekerapan, 2*5 orgif 2?5 carta pai dan 2?5 lakaran batang dan daun. Gistogram Gistogram ialah jenis carta bar menegak untuk menerangkan taburan kekerapan. Pembinaannya melibatkan kita melabelkan paksi-C sebagai titik akhir kelas dan paksi @ adalah sebagai kekerapan. +ajah #." menunjukkan histogram bagi taburan kekerapan untuk &adual #.#. Gistogram merupakan alat yang berguna untuk membe7akan di antara selang kelas. Dengan melihat secara imbas kepada histogram dapat menunjukkan kepada kita selang kelas yang memberikan jumlah kekerapan yang tertinggi. +ajah #." dengan nyata menunjukkan jeda kelas "-di bawah * mempunyai kekerapan yang tertinggi 2"E5. Gistogram boleh menunjukkan kepada kita dimana peningkatan atau penurunan yang besar terjadi di antara kelas, seperti dari kelas "-di bawah * kepada *-di bawah ', penurunan "?, dan daripada kelas F-di bawah 3 kepada kelas 3-di bawah "", peningkatan E.

P"lig"n &ekerapan Poligon kekerapan merupakan geraf dimana segmen garisan /menghubungi titik tengahH di antara taburan kekerapan. Pembinaan poligon kekerapan bermula, dengan menskalakan titik akhir kelas disepanjang paksi-C dan nilai kekerapan disepanjang paksi-@. Titik adalah dilakarkan bagi nilai kekerapan pada titik engah setiap selang kelas. ,enghubungi titik tengah ini akan melengkapkan poligon. +ajah #.# merupakan poligon kekerapan taburan data dari &adual #.*. ,aklumat yang diperolehi dari poligon kekerapan dan histogram adalah sama.

=gif =rgif adalah poligon kekerapan terkumpul. Pembinaan orgif bermula dengan melabelkan paksi-C dengan titik akhir kelas dan paksi-@ dengan kekerapan terkumpul. +ajah #.* menunjukkan orgif bagi kekerapan terkumpul di dalam &adual #.*. =rgif amat berguna apabila pembuat keputusan mahu melihat jumlah disepanjang tempoh masa. $ecerunan yang curam bagi orgi e boleh digunakan untuk menunjukkan peningkatan yang mendadak di dalam kekerapan. Di dalam +ajah #.? kecerunan yang curam berlaku di dalam kelas "-di bawah * dan kelas 3-di bawah "".

-arta Pie 8arta pie merupakan bahagian data dimana kawasan keseluruhan pie mewakili "(() daripada data yang dikaji dan kepingan pie merupakan peratus pecahan suble el. Ia digunakan dengan meluas di dalam perniagaan, terutamanya untuk menggambarkan beberapa perkara seperti kategori belanjawan, bahagian pasaran, dan pengagihan masa dan sumber. &adual #.? menunjukan jumlah aduan yang diterima oleh perkhidmatan kereta api dan +ajah #.' menunjukkan carta pie.

6atang dan Daun 8ara lain untuk menyusun data mentah kedalam kumpulan ialah melalui lakaran batang dan daun.Teknik ini adalah mudah dan memberikan pandangan unik bagi data. <akaran batang dan daun merupakan pembinaan melalui pengasingan digit bagi setiap nombor data kepada dua kumpulan, batang dan daun. Digit yang terkiri sekali sebagai batang

dan mengandungi nilai digit yang tertinggi. Digit yang paling kanan sekali merupakan daun dan mengandungi nilai yang rendah. &ika set data mempunyai dua digit, batang merupakan nilai disebelah kiri dan daun adalah nilai disebelah kanan.Sebagai contoh, jika *? adalah satu nombor, batang adalah * dan daun adalah ?. 6agi nombor yang mempunyai lebih dari dua gigit, pembahagian batang dan daun adalah bergantung kepada citarasa penyelidik. &adual #.' mengandungi skor pemeriksaan polisi keselamatan kilang terhadap *' orang pekerja. <akaran batang dan daun ditunjukkan di dalam &adual #.E. $ebaikan taburan ini memberikan pembuat keputusan melihat sama ada skor terletak dikedudukan teratas atau terbawah dan menentukan serakan skor tersebut. $ebaikan kedua ialah nilai data mentah yang asal adalah dikekalkan. .adual 2./ Sk"r Pemeriksaan &eselamatan &ilang 4E FE #* FF 4" F3 E4 FF 3# '3 E4 F' 4* ?3 3" ?F F# 4# F? F( 'E E( 44 F' 3F *3 F4 3? '' EF 4* 43 EF 3" 4"

-"nt"h 2.2 6erikut ialah data yang mewakili kos bagi sampel *( harga saham harian di $<S:. E.EF F.#( '.?# #.F' #.F4 4.E? '.?F *.*? ?.4? ?.E' F.4( ?."( *.*# *.#( 3"' #.(3 *.#" *.?' ".4* *.'' '."" "(.3? ".3* *.'* *.E? ".3F #.4? E.43 ?.3' ?."'

,enggunakan ringgit sebagai batang dan sen sebagai daun, binakan lakaran batang dan daun bagi data tersebut.

6.2.2

Analisis Taburan dan )ra ik Sampel taburan adalah hasilan sample yang dipungut dari data asal. 8iri utama sample tersebut adalah bilangan skoran yang boleh dikira, bilangan skoran yang diwakili dengan huruf 1. Sebagai contoh, data berikut adalah dipungut ! *' ?# ** *E *4 *F ** *4 *E *' *? *F ?( *4 *E *' *" *F *3 ?( ** *( *' *F *3 *# *3 *F *' *E *3 ** *" ?( *F *? 1ombor-nombor ini adalah nombor yang mewaikil taburan sample. Dari perwakili nombor-nombor tersebut polygon kekerapan boleh dinyatakan.

*# *E

*E *?

** *F

Taburan sample yang dimaksudkan boleh di istilahkan sebagai statistics. 8ontoh-contoh statistic yang dimaksudkan adalah min, median, mod, sisih piawai, julat dan lain-lain. &ika sample yang lain dipersembahkan , pnskoran yang lain akan terbentuk. Poligon kekerapan relati eakan turut dipersembahkan secara berlainan. 6agi mengelak kekeliruan model keberangkalian wujud secara teori dimana maklumat penuhnya adalah ternyata. ,odel kebarangkalian ini biasanya dinyatakan didalam bentuk graf . Dua model geraf yang boleh disaksikan dinyatakan seperti taburan uniform dan lengkuk normal.

6.2.(

Analisis Taburan &umulati dan )ra ik

<angkah pertama dalam membentuk polygon kekerapan relati e aalah dengan membahagikan kumulatif kekerapan obsolute dengan kekerapan bilangan skor. $umulatif kekerapan relati e menjadi !

Dengan melukis paksi-C dan paksi-@ anda akan memperolehi graf seperti dibawah.

bagi

kekerapan

kumulatif

relati e

6.(

&en0enderungan Memusat dan Serakan Taburan memusat adalah sekumpulan taburan yang mempunyai bentuk yang sama . Taburan skoran tertumpu dibahagian tengah daripada kawasan ekor. &uga dikenali dengan nama Ibentukan loceng0.$etinggian taburan memusat boleh dispesifikasikan dalam dua parameter iaitu min 2J5 dan sisihan piawai 2K5.

6.(.1

1kuran &e0enderungan Memusat Satu jenis pengukuran yang digunakan untuk memerihalkan set data adalah ukuran kecenderungan memusat. Pengukuran kecenderungan memusat menghasilkan maklumat berkaitan dengan titik tengah pada satu kumpulan nombor. Sukatan kecenderungan memusat adalah satu nilai pusat yang dapat mewakili keseluruhan nilai data. Dengan mengetahui nilai pusat sesuautu data, kita akan dpat mengambarkan yang lebih paik tentang cirri-ciri populasi yang di maksudkan. Terdapat tiga jenis sukatan kecenderungan memusat yang selalu digunakan iaitu min, mod dan median.

Di antara ukuran yang memerihalkan data secara mumerik ialah sukatan kecenderungan memusat . Sukatan kecenderungan memusat yang akan diperkenalkan di sini ialah min, median, mod dan persentil ke-p. %ndaikan set cerapan bagi pembolehubah rawak C dari satu sampel bersai7 n ialah Lx", x#, x*, MM.., xnN. ,aka

Purata atau min sampel adalah satu sukatan ke0enderungan memusat.

Sukatan kecenderungan memusat pada dasarnya adalah satu titik yang mana cerapan yang lain gemar berlegar hampir kepadanya. Ia juga boleh jadi titik yang menandakan kedudukan pertengahan satu set data.Sukatan kecenderungan memusat yang lain ialah #. M"d, iaitu cerapan yang paling kerap timbul dalam set data. *. Median, yang cara kasarnya, ialah nilai cerapan yang menjadi penengah set data setelah semua cerapan dalam set data tersebut disusun secara menaik. /PenengahH set data boleh ditakrifkan sebagai satu nilai di mana '() cerapan bernilai kurang daripadanya dan '() lagi cerapan bernilai lebih daripadanya. Secara aritmetik median satu set data ditentukan mengikut langkahlangkah berikut! ". Susunkan data cara menaik,

di mana 2i 5 x ialah cerapan di kedudukan ke I setelah semua cerapan disusunkan. #. $irakan median, 2m5 x , seperti berikut!

-"nt"h 2.2.1 Tentukan min, median dan mod bagi sampel yang terdiri dari cerapan berikut! 4, ', #, ', F, ', ".

Data yang disusun ialah ", #, ', ', ', F, 4. ,aka median ialah '. ,od bagi set data ini ialah ' juga kerana ' timbul paling kerap, iaitu * kali.

6.(.2

1kuran Serakan dan Serakan Pia2ai .kuran kecenderungan memusat menghasilkan maklumat berkaitan titik tertentu bagi set data. >alau bagaimanapun, penyelidik boleh menggunakan kumpulan alatan analisis lain untuk menerangkan set data. %lat ini ialah ukuran serakan yang menerangkan serakan atau pencaran set data. ,enggunakan ukuran serakan bersama-sama ukuran kecenderungan memusat membuatkan pemerihalan numerik bagi data lebih lengkap lagi.penghampiran sahaja.

%ariansnya

-"nt"h 2.(.1 Set data L#, #, ", ', ", ", ?, *N boleh juga dijadualkan begini

Dengan itu min set data di atas ialah

.ntuk mengira arians lebih mudah jika semua nilai yang diperlukan dipaparkan dalam jadual seperti berikut!

E.*.* Skor Piawai Skor piawia adalah skoran yang dibentuk. Skoran ujian mentah 2bilangan skoran yang betul5 di bentuk untuk menunjukkan dimana skoran tersebut berada dengan min skoran yang diperolehi. Ini bagi membolehkan skoran mentah dibandingkan dengan mana-mana ujian yang dijalankan. Ini juga membolehkan tafsiran skoran ujian jelas dilihat. Seseorang boleh menentukan di mana skoran tersebut berada berbanding dengan kebolehan keseluruhan atau dengan indi idu yang lain atau dengan skoran kumpulan. $aedah ini penting apabila kita menjalankan piawai keatas populasi yang besar.

$ebanyakan skor piawai ujian yang dijalankan oleh ahli akademik dan ahli psikologi mengunakan skor piawai yang diperolehi dari skor 7 2 z scores. 5 $ebanyakan ujian menggunakan skor piawai dengan min "(( dan sisihan piawai "'. Skor piawai "(( adalah pada min atau persentil '(). Skor piawai 4' adalah satu sisihan paiwai dibawah min dan skor piawai ""' adalah satu sisihan piawai diatas min E4) dari populasi berada di atas satu sisihan piawai min dan satu sisihan piawai dibawah min. Ini adalah julat purata yang dikenali sebagai julat skor dari -" hingga B ". =leh kerana skor piawai adalah konsisten sepanjang ujian , skor bagi seseorang itu boleh dibandingkan dengan ujian yang dijalankan. Sesorang yang mempunyai IO atau kecerdasan ""( dijangka mempunyai skor pencapaian membaca disekitaran yang sama. &ika tahap pencapaian membaca beliau adalah 3(, iaitu #( skor dibawah tahap maka skor beliau adalah ""(-3(A #( skor. Perbe7aan ini adalah satu sisihan piawai dan perbe7aan ini adalah perbe7aan signifikan. $ebanyakan skor ujian pencapaian mempunyai min "( dan sisihan piawai *

8ontoh mudah bagi skor piawai ialah skor 7 2 z-score) . Skor ini menunjukkan sisihan skor dari min atau skor purata atau sekumpulan skor yang berkaitan dengan sisihan piawai. This score is an indication of the de iation of a score from the mean, or a erage score, or a group of scores in relation to the standard de iation. 6erikut adalah satu senarai skor mentah yang diperolehi didalam sesuatu ujian. &ohan ,aria +ashid Daud F4 E# F# 44 6aharom EF ,ariam 3# Paul Danish 3? ;arid 34 6ariah 4" Pang E" Su7i ?# +entung F4 3" +om7i '" <eong 4' Garis F4

Teng

4(

&ohari

F4

,as

E4

Tengku 4#

$atakanlah gred sekolah tersebut pada lekukan loceng 2bell cur e5 adalah %,6, 8,D,;. 6agaimnakah kita hendak memberikan gred pada kelas tersebut 9 Pred tersebut hendaklah atau mesti dibentuk. 1. +umus yang boleh kita gunakan bagi mengira skor 7 adalah ! Skor piawai 27 score5A skor mentah 2gred sisihan piawai2S.D.5 =leh itu

ujian52C5-min2,5

". 8ari nilai min kelas. 1ilai min adalah jumlah keseluruhan skor mentah dibahagikan dengan bilangan pelajar yang mengambil ujian. ,in kelas adalah FE.* #. 8ari nilai sisihan piawai %nda akan memperolehi min ujian adalah FE.* dan sisihan piawai "?.(F. .ntuk menentukan gred ujianakan menurun atau tidak kita boleh mengunakan skor 7. Skor ini akan dianggap mempunyai min "(( dan sisihan piawai "?. Skor 7 bagi setiap indi idu diperolehi dengan mengambil skor indi idu dan ditolak dengan min dan kemudiannya dibahagikan dengan sisihan piawai. =leh itu jika skor &ohan diambilkira maka skor 7 bagi beliau adalah AQ F4-FE.*D"?.(FA.12. Skor &ohan adalah hampir dengan min &ika kita lihat skor Su7i, skor 7 beliau adalah berlainan iaitu ?#-FE.*A *?.*D"?.(FA 32.4(. ,enunjukkan skor Su7i adalah # sisihan piawai dibawah min. Dengan mengunakan kaedah ini, kita boleh membuat perbandingan pencapaian relatif skoran bagi setiap sesi latihan ujian. ,umusan ,embuat analisis, interpretasi, dan kesimpulan merupakan peringkat yang paling penting dalam proses penilaian. Gal ini demikian kerana dapatan daripada kesimpulan ini akan menjadi pertimbangan asas untuk membuat cadangan dan tindakan yang selanjutnya untuk memperbaiki ujian dan amalan yang kurang memuaskan atau menjadi asas untuk mengubahsuaikan proses pengujian seterusnya.

+ujukan ! 6uanaR Pengajar &urusan Sejarah .ni ersitas 1egeri ,akassar . .jian 1asional! Penilaian atau : aluasi9 Parfield. &oan. 2"33#5 %ssessment and Teaching Statistics , &S:

Sarle. >arren S. 2"33F5 Disseminations of the International Statistical %pplications Institute, olume ", edition ?, "33', >ichita! %8P Press, pp. E"-EE. http!DDmyschoolnet.ppk.kpm.myDkaunselingDpanduanD(*pSukuran#.htm http!DDen.wikipedia.orgDwikiDStatistics http!DDsun.science.wayne.eduDTwpoffDcorDbasDstatuses.html http!DDwww.psychstat.missouristate.eduDintrobookDsbk"3.htm http!DDwww.econ.upm.edu.myDTaliasD:81*"#( http!DDhome.gwu.eduDTkkidDsscore.htm n 6loom, 6.S. 2"3435. Taksonomi objektif pendidikan, buku pedoman 1: Domain kognitif 2ed.5. $uala <umpur! Dewan 6ahasa dan Pustaka. 6loom, 6.S., Gasting, &.T., ,adaus, P.;. 2"3F"5. andbook on formati!e and summati!e e!aluation of student learning. 1ew @ork! Garper and +ow Publisher. $rathwohl, D.+., 6loom, 6.S., ,asia, 6.6. 2"3E'5. "lassroom testing: "onstruction. Illinois! ;.: Peacock Publisher Inc. <ind all, 8.,. U 1itko, %.&. 2"3F'5. #easuring pupil achie!ement and aptitude$ %&nd ed$5. 1ew @ork! G6& Inc. ,okhtar Ismail. 2"33'5. 'enilaian di bilik darjah. $uala <umpur! Dewan 6ahasa dan Pustaka. =osterhof, %. 2#(("5. "lassroom application of educational measurement.2*rd ed.5 1ew &ersey! Printice Gall Pusat Perkembangan $urikulum. 'enilaian kendalian sekolah. $ementerian Pendidikan ,alaysia. +aminah Gaji Sabran. 2"33"5 penilaian dan pengujian (ahasa #alaysia: 'enerapannya pada peringkat sekolah rendah. $uala <umpur! Dewan 6ahasa dan Pustaka. Penilaian kendalian sekolah. 526627. Pusat Perkembangan &urikulum8 &ementerian Pendidikan Malaysia. ,okhtar Ismail. 2"33'5. 'enilaian di bilik darjah. $uala <umpur! Dewan 6ahasa dan Pustaka.