SGDP5053 - Statistic in Education

Refleksi Pembelajaran untuk minggu 1-4.

Disediakan oleh: Disediakan untuk:

1 REFLEKSI STATISTIK

Statistik dalam kajian terbahagi kepada dua

Deskriptif Inferens

Statistik deskriptif ialah statistik yang menerangkan satu set data. Terbahagi kepada tiga elemen utama iaitu: 1. 2. 3. Central tendency (kecenderungan memusat) - melihat kepada min, mod dan median Variability - melihat kepada range dan standard deviation (sisihan piawai) Standard score - T-score dan Z-score

CENTRAL TENDENCY
1. Penting untuk melihat kenormalan data. 2. Kenormalan data adalah sangat penting dalam kajian. Data yang tidak normal tidak sah untuk dikaji. 3. Kenormalan data dapat dilihat dengan kedudukan min, mod dan median bagi sesuatu set data. 4. Min, mod dan median yang dekat/berhampiran menunjukkan data yang normal. 5. Kepencongan berlaku apabila min berada jauh daripada mod dan median. 6. Ini berlaku kerana wujudnya skor ekstrem dalam taburan data tersebut

7. Gambarajah di atas menunjuk contoh data yang normal dan data yang pencong. 8. Graf (a) menunjukkan taburan data yang pencong negatif dimana min berada rendah daripada mode dan median

2 REFLEKSI STATISTIK

9. Graf (c) menunjukkan taburan data yang pencong positif dimana min adalah lebih tinggi daripada mode dan median 10.Graf (b) pula menunjukkan taburan data yang normal dimana min, mod dan median berada pada nilai yang sama dan graf mempunyai taburan yang simetri di sebelah kanan dan kiri mode. Min 1. Min menunjukkan purata kepada sesuatu taburan data. Min akan digunakan dalam pengiraan sisihan piawai, skor Z dan skor T. 2. Min dikira dengan menjumlahkan semua skor yang ada dan membaginya dengan bilangan data. 3. Sebagai contoh: Data Bil data Min 80 + 70 + 90 3 = 80 4. Formula Min : 80, 70, 90. 3

Mod Mod ialah skor yang mempunyai kekerapan yang paling tinggi dalam satu taburan. Sebagai contoh: jika data markah murid ialah 40 40 50 60 60 60 70 80 90, maka mode bagi taburan data tersebut ialah 60 kerana ianya kekerapannya 3 kali. Median

3 REFLEKSI STATISTIK

1. Median ialah skor tengah dalam satu susunan taburan menaik atau menurun. 2. Median boleh dikirakan dengan membahagikan satu set skor yang tersusun kepada dua bahagian yang sama 3. Jika bilangan data adalah ganjil, median bagi data tersebut ialah data yang berada di tengah-tengah susunan data. 4. Jika bilangan data adalah genap, maka median adalah purata dua data yang berada di tengah-tengah susunan data terbabit. 5. Sebagai contoh jika susunan data markah 9 orang murid ialah 40 40 50 55 60 65 70 80 90, maka data yang berada di tengah-tengah ialah 60, maka median=60 6. Sebagai contoh jika susunan data markah 10 orang murid ialah 40 40 50 55 60 70 70 75 80 90, maka dua data yang berada di tengah-tengah ialah 60 dan 70, maka median=(60 + 70) /2 = 65. Kesimpulan 1. Central tendency digunakan untuk melihat kenormalan data. Data dikatakan normal jika min, mod dan median berada pada nilai yang sama dalam taburan data. 2. Data yang normal sahaja digunapakai dalam analisis kajian. Jika data tidak normal, maka data-data kajian perlu ditapis dan dibuang skor yang ekstrem yang menyebabkan pencongan.

VARIABILITY
1. Variability dilihat kepada dua aspek iaitu i. range ii. standard deviation Range 1. Range adalah julat bagi data yang wujud iaitu data tertinggi -data terendah. 2. Sebagai contoh: jika data markah 10 orang murid ialah 40 40 50 55 60 70 70 75 80 90, maka range bagi taburan data terbabit ialah 90 - 40 = 50. 3. Range yang besar adalah penting bagi menentukan bahawa sampel yang dikaji mewakili populasi.

4 REFLEKSI STATISTIK

4. Sebagai contoh, bagi mengkaji prestasi ujian murid dimana sampel ialah 1 kelas daripada 3 kelas bagi sesuatu aliran yang mana muridnya disusun mengikut pencapaian akademik, maka sampel hendaklah dipilih daripada kelas pertengahan. Ini kerana kelas pertengahan mempunyai julat yang besar dimana terdapat pelbagai prestasi murid daripada lemah hingga ke pandai. Maka akan terdapat pelbagai gred murid dari A, B, C, D dan E. 5. Jika sampel dipilih daripada kelas pandai, maka gred yang wujud mungkin hanya A dan B sahaja manakala jika kelas lemah dipilih, maka gred murid mungkin akan sekitar D dan E sahaja. Standard deviation (sisihan piawai) 1. Sisihan piawai dicari untuk melihat sejauh mana skor-skor tersebar daripada min. 2. Sisihan piawai bagi data tidak terkumpul dikira menggunakan formula berikut:

3. Sebagai contoh: jika skor untuk 5 orang pelajar ialah 1, 2, 3, 4 dan 5. Maka min bagi data tersebut ialah 15/5 = 3. Skor 5 4 3 2 1 n=5 (Skor-min) (Skor-min)2 2 1 0 -1 -2 4 1 0 1 4 Jum (Skor-min)2 =10 4. Maka sisihan piawai bagi taburan data tersebut ialah = Puncakuasadua(10/5) = puncakuasadua(2) = 1.41

5 REFLEKSI STATISTIK

5. Oleh itu, dapat dikatakan bahawa skor-skor tersebar sebanyak 1.41 daripada min. 6. Nota tambahan i. Sisihan Piawai ialah sebaran skor-skor. Ia merupakan sejauh mana skor berubah keliling min. ii. Semakin kecil nilai sisihan piawai, semakin kecil sebaran skor dalam taburan. iii. Ini membawa implikasi bahawa data adalah berhampiran antara satu sama lain (homogen). iv. Begitu juga, semakin besar nilai sisihan piawai, semakin besar sebaran skor dalam taburan. v. Ini bermakna data adalah tersebar luas antara satu sama lain (heterogen). vi. Keluasan bawah graf untuk data yang dikaji juga adalah penting. Data yang mempunyai sisihan piawai yang banyak melambangkan keluasan bawah graf yang besar sehingga 99% daripada data. vii. Varian yang besar melambangkan sehingga 99% mempunyai ralat yang kecil iaitu 1%. viii. Ralat yang kecil adalah amat penting dalam kebolepercayaan dalam kajian.

Jadual 1. Graf Kenormalan data

6 REFLEKSI STATISTIK

STANDARD SCORE (SKOR PIAWAI)

1. Skor piawai menunjukkan kedudukan sesuatu skor dari segi "berapa sisihan piawai" skor tersebut berada di atas atau di bawah min taburan. 2. Ia biasanya diwakili dengan skor-z atau skor-t. 3. Skor-z dikira dengan menggunakan rumus berikut:

4. Skor-t dikira dengan menggunakan rumus berikut: 5. t = 50 + 10z 6. Dengan merujuk kepada Jadual 1. Graf Kenormalan data di atas, dapat dilihat skor-z bagi data adalah daripada -4.0 hingga +4.0 7. Dengan min = 50, skor-t mewakilkan data kepada score yang lebih mudah untuk dinilai dengan skor-z = -4 maka skor-t adalah 10, skor-z = -1, skor-t adalah 40 dan skor-z = +2.0 maka skor-t adalah 70.

7 REFLEKSI STATISTIK