AnalisisDeskriptif_Pengenalan
-
Upload
pohon-semarak-api -
Category
Documents
-
view
225 -
download
0
Transcript of AnalisisDeskriptif_Pengenalan
-
8/19/2019 AnalisisDeskriptif_Pengenalan
1/37
GB6023 1
Statistik Deskriptif:Pemerihalan Data
Pengolahan Data Kuantitatif
Data Mentah
Data Terkumpul
-
8/19/2019 AnalisisDeskriptif_Pengenalan
2/37
GB6023 2
Objektif
Melihat bagaimana untuk mendapatkanmaklumat yang tersembunyi di sebalik data-data yang diperolehi.
Bagaimana data diwakilkan dalam bentukyang lebih informatif.
Keluarkan maklumat dari data mentah dan
data terkumpul.
-
8/19/2019 AnalisisDeskriptif_Pengenalan
3/37
GB6023 3
Pembentangan Data Lazimnya suatu penyelidikan melibatkan data
yang besar dari segi bilangan atau saiz
Jadi sukar untuk mentafsir ciri yangterkandung di dlmnya
Oleh itu data perlu diolah dan dipapar dlm
bentuk yang tersusun dan bersistem
Pembentangan yang jelas dan rapi akan
membawa kepada pentafsiran yang tepat.
-
8/19/2019 AnalisisDeskriptif_Pengenalan
4/37
GB6023 4
Data mentah. Data terkumpul.
Data Kuantitatif Data Kualitatif
Pembentangan Data
-
8/19/2019 AnalisisDeskriptif_Pengenalan
5/37
GB6023 5
Data Mentah Data yang baru dicerap atau dikumpulkan
hasil dari soalselidik ataupun ujikaji
rekabentuk yang belum dilakukan sebarang
proses ke atasnya.
Contoh – Markah peperiksaan akhir kursus
Statistik bagi 50 orang pelajar.
-
8/19/2019 AnalisisDeskriptif_Pengenalan
6/37
GB6023 6
Markah Statistik bagi 50 orang pelajar
34 75 62 26 56 72 80 63 85 59
37 51 72 20 72 75 70 48 58 40
44 70 60 51 74 75 65 56 59 59
48 67 72 51 80 70 58 83 56 56
55 70 70 73 58 68 73 71 45 52
-
8/19/2019 AnalisisDeskriptif_Pengenalan
7/37GB6023 7
Refleksi:
Apakah yg anda dapat drp data2 tadi?
Apakah kesimpulan yg dapat anda buat?
Bagaimana anda dapat menyampaikan data
ke bentuk yg lebih informatif.
-
8/19/2019 AnalisisDeskriptif_Pengenalan
8/37GB6023 8
Markah Statistik bagi 50 orang pelajar
yang telah disusun
20 26 34 37 40 44 45 48 48 51
51 51 52 55 56 56 56 56 58 5858 59 59 59 60 62 63 65 67 68
70 70 70 70 70 71 72 72 72 72
73 73 74 75 75 75 80 80 83 85
-
8/19/2019 AnalisisDeskriptif_Pengenalan
9/37GB6023 9
Refleksi:
Apakah dengan tindakan ini akan lebih
memudahkan anda membuat inferens
berhubung pencapaian pelajar?
Bagaimana meringkaskannya ke dalam
bentuk yang lebih bermakna?
-
8/19/2019 AnalisisDeskriptif_Pengenalan
10/37GB6023 10
Data Terkumpul Data mentah yg telah dilakukan proses ke
atasnya.
W’pun penyusunan semula data secara menaikatau menurun mudah, namun masih banyakmaklumat yang lebih terperinci mengenaigambaran umum data tidak jelas.
Sukar sekiranya pengiraan diperlukan
Perlukan satu ringkasan yang boleh memberi penjelasan mengenai data dengan mudah
Gunakan Gambarajah Batang dan Daun dan
Jadual Taburan Kekerapan
-
8/19/2019 AnalisisDeskriptif_Pengenalan
11/37GB6023 11
Gambarajah Batang dan Daun
Digunakan untuk memerihal taburan suatuset data
Nilai cerapan ditunjukkan dalam dua bhgniaitu batang dan daun
Perkara yang boleh diperihal dari GBdDialah
Julat nilai cerapan dalam set data
Bentuk taburan kekerapan set data
Kewujudan nilai ekstrim dalam set data itu.
-
8/19/2019 AnalisisDeskriptif_Pengenalan
12/37GB6023 12
Langkah pembinaan GBdD1. Tentukan unit daun, samada 0.01, 0.1, 1.0, 10.
Sebagai contoh, nilai cerapan ialah 167. Jika unitdaun =1.0, maka cerapan ini direkod sebagai16|7, jika unit daun =10.0, maka cerapan inidirekod sebagai 1|67
2. Lukis satu garis tegak, kiri >> batang dan kanan>> daun
3. Tuliskan angka yang pertama sebagai batang dandan angka berikutnya sebagai daun.
4. Susunkan daun mengikut tertib.
-
8/19/2019 AnalisisDeskriptif_Pengenalan
13/37GB6023 13
2
3
4
5
6
7
8
6 0
4 7
4 8 8 5 0
5 1 1 1 6 8 6 8 9 6 9 9 6 2 8
7 0 2 8 5 3
5 0 0 2 2 0 3 2 5 5 0 0 3 1 2 4
0 3 5 0
Pembinaan GBdDLangkah 1 – Tuliskan angka secara menaik pada batang dan
angka yang berikutnya sebagai daun
-
8/19/2019 AnalisisDeskriptif_Pengenalan
14/37GB6023 14
2
3
4
5
6
7
8
0 6
4 7
0 4 5 8 8
1 1 1 2 5 6 6 6 6 8 8 8 9 9 9
0 2 3 5 7 8
0 0 0 0 0 1 2 2 2 2 3 3 4 5 5
0 0 3 5
Pembinaan GBdDLangkah 2 - Susun daun secara menaik
-
8/19/2019 AnalisisDeskriptif_Pengenalan
15/37GB6023 15
Jadual Taburan Kekerapan
Penjadualan ialah proses menyusun danmembentang set data dalam bentuk barisdan lajur.
Kebaikan data yang kompleks dapat diringkaskan
perbandingan & penganalisaan mudah
dibuat Keburukan
Sebhgn maklumat akan hilang
Tidak unik
-
8/19/2019 AnalisisDeskriptif_Pengenalan
16/37GB6023 16
Contoh Pertimbangkan set nilai yang berikut:
2, 1, 3, 2, 1, 3, 4, 4, 2, 4, 5, 5, 2
Dari set data ini boleh dibina jadual kekerapan
seperti berikut.X Kekerapan
1
23
4
5
2
42
3
2
•Namun penjadualanmengikut nilai-nilai tunggalsemakin rumit a’bila saiz data besar dan bersifat selanjar.
•
Mudah – kelompokan ke dlmkelas-kelas yang terdiri dpdselang-selang nilai – dipanggiltaburan kekerapan.
-
8/19/2019 AnalisisDeskriptif_Pengenalan
17/37GB6023 17
Istilah dan takrifan
Kelas – kategori pengumpulan data Had-had kelas – nilai-nilai hujung bagi sesuatu
kelas. Had bawah – nilai hujung yang lebih kecil/tanda
mulanya kelas Had atas – nilai hujung yang lebih besar/tanda
atas kelas
Sempadan bawah – Purata had bawah kelas danhad atas kelas sebelumnya.
Sempadan atas – Purata had atas kelas dan hadbawah kelas selepasnya.
-
8/19/2019 AnalisisDeskriptif_Pengenalan
18/37GB6023 18
Istilah dan takrifan
Saiz kelas – beza antara sempadan atas dansempadan bawah suatu kelas.
Tanda kelas – titik tengah kelas, purata hadbawah dan had atas kelas.
Kekerapan – bil. ulangan data dlm kelas
Kekerapan relatif-nisbah kekerapan sesuatukelas kepada jumlah
-
8/19/2019 AnalisisDeskriptif_Pengenalan
19/37GB6023 19
Langkah-langkah Pembinaan Jadual Taburan
Kekerapan
L1 Tentukan julat Julat = cerapan terbesar – cerapan terkecil
L2 Tentukan bilangan kelas Bil. Kelas, K = 1 + 3.3 log10n
n = bil. cerapan
L3 Tentukan saiz kelas saiz kelas, C = Julat / K
-
8/19/2019 AnalisisDeskriptif_Pengenalan
20/37GB6023 20
Langkah-langkah Pembinaan Jadual Taburan
KekerapanL4 Bina selang kelas. Lazimnya nilai had
bawah kelas yang pertama ialah nilai
cerapan yang minimum @ boleh ambil nilai yang kurang dari nilai cerapan minimum yang bersesuaian.
L5 Kira kekerapan data bagi setiap kelas.
L6 Kira kekerapan relatif bagi setiap kelas.
-
8/19/2019 AnalisisDeskriptif_Pengenalan
21/37GB6023 21
Contoh: Berdasarkan data markah statistik 50 orangpelajar.
Langkah 1 :Julat = 85 – 20 = 65
Langkah 2 :
Bil. Kelas, K = 1 + 3.3 (log1050)= 1 + 3.3 (1.69) = 6.6 7
Langkah 3 :
Saiz kelas = 65/7 = 9.37
10
Langkah 4 :Bina selang kelas. Kita ambil cerapan
terkecil sebagai had bawah kelas pertama.
-
8/19/2019 AnalisisDeskriptif_Pengenalan
22/37GB6023 22
Contoh: Berdasarkan data markah statistik 50 orangpelajar.
SelangKelas
Sempadan Kelas
T.tengah
Kekerapan Kek. Relatif
20 – 29 19.5 – 29.5 24.5 2 2/50=0.04
30 –39 29.5 – 39.5 34.5 2 2/50=0.0440 –49 39.5 – 49.5 44.5 5 5/50=0.1
50 –59 49.5 – 59.5 54.5 15 15/50=0.3
60 –69 59.5 – 69.5 64.5 6 6/50=0.12
70 –79 69.5 – 79.5 74.5 16 16/50=0.3280 -89 79.5 – 89.5 84.5 4 4/50=0.08
Jumlah 50 1.0
20+10
(20+19)/2 (29+30)/2
(20+29)/2
-
8/19/2019 AnalisisDeskriptif_Pengenalan
23/37GB6023 23
Histogram
Histogram adalah penyajian data dengan
menggunakan carta palang bagi taburan
kekerapan data kuantitatif. Untuk melukis
histogram ; Tandakan sempadan kelas pada paksi
mengufuk .
Tandakan kekerapan pada paksi menegak
Lukiskan satu palang tegak dengan lebar sekata bagi menunjukkan kekerapan sesuatu kelas
-
8/19/2019 AnalisisDeskriptif_Pengenalan
24/37
GB6023 24
Pembinaan Histogram
Histogram Markah Statistik
0
2
4
6
8
10
12
14
16
18
Sempadan kelas
K e k e r a p a n
19.5 29.5 39.5 49.5 59.5 69.5 79.5 89.5
-
8/19/2019 AnalisisDeskriptif_Pengenalan
25/37
GB6023 25
Poligon Kekerapan
Poligon kekerapan adalah penyajian data
dalam bentuk graf garis yang dilukisdengan menyambung titik-titik tengah
puncak setiap palang dalam histogram.
-
8/19/2019 AnalisisDeskriptif_Pengenalan
26/37
GB6023 26
Pembinaan Poligon KekerapanPoligon Kekerapan Markah Statistik
0
2
4
6
8
10
12
14
16
18
Sempadan kelas
K e k e r a p a
n
19.5 29.5 39.5 49.5 59.5 69.5 79.5 89.5
-
8/19/2019 AnalisisDeskriptif_Pengenalan
27/37
GB6023 27
Persembahan Data Kualitatif Datanya melibatkan bilangan (kekerapan)
yang bersifat diskrit sementara kategori
atau pembolehubahnya bersifat kualitatif.
persembahan data yang biasa digunakan
ialah
- Carta bar
- Carta pai
-
8/19/2019 AnalisisDeskriptif_Pengenalan
28/37
GB6023 28
Carta Bar
Palang2 segiempat sama dengan panjang yang sesuai
digunakan bagi menyatakan data yang berkenaan
dengan kajian. Palang2 boleh digambarkan secaramenegak atau mendatar. Carta bar biasanya digunakan
untuk membuat perbandingan di antara dua atau lebih
perkara pada sesuatu masa.
Ada 3 jenis carta bar iaitu carta bar mudah, carta bar berkomponen dan carta bar berganda.
-
8/19/2019 AnalisisDeskriptif_Pengenalan
29/37
GB6023 29
Jenis – jenis Carta BarCarta bar berganda menunjukkan Prestasi Sistem
Perbankan di Malaysia 1998-2002
0
5000
10000
1500020000
25000
30000
1998 1999 2000 2001 2002
Tahun
( j u t a R M )
-
8/19/2019 AnalisisDeskriptif_Pengenalan
30/37
GB6023 30
Jenis – jenis Carta Bar
Carta bar berkomponen menunjukkan Prestasi
Sistem Perbankan di Malaysia 1998-2002
0
10000
20000
30000
40000
50000
1998 1999 2000 2001 2002
Tahun
( j u t a R M )
-
8/19/2019 AnalisisDeskriptif_Pengenalan
31/37
GB6023 31
Jenis – jenis Carta Bar
Carta Bar mudah Keputusan SPM di Sebuah Sekolah
42
43
44
45
46
47
48
Gred 1 Gred 2 Gred 3 Gred 4
Gred
B i l a n g a n
-
8/19/2019 AnalisisDeskriptif_Pengenalan
32/37
GB6023 32
Carta Pai Carta pai merupakan suatu bulatan yang
dibahagikan kepada beberapa sektor yang luasnya
adalah menurut kadar kekerapan kelasnya dalamukuran sudut atau peratusan.
Untuk membina carta pai, darabkan 360 dengan
kekerapan relatif setiap kategori bagi
mendapatkan saiz sudut setiap sektor.
-
8/19/2019 AnalisisDeskriptif_Pengenalan
33/37
GB6023 33
Carta Pai
Jenispekerjaan
Kek. Relatif Saiz sudut
Sektor swasta
Sektor awamKerajaannegeri
Perniagaan
sendiri
0.42
0.180.27
0.13
360x0.42=151.2o
360x0.18=64.8o360x0.27=97.2o
360x0.13=46.8o
-
8/19/2019 AnalisisDeskriptif_Pengenalan
34/37
GB6023 34
Carta Pai
Carta Pai menunjukkan Pekerjaan bagi 100 orangpelajar graduan FTSM
21%
9%
63%
7%
Swasta
Awam
Negeri
Sendiri
-
8/19/2019 AnalisisDeskriptif_Pengenalan
35/37
GB6023 35
Refleksi….
Berdasarkan perbincangan, apa yang dapat
anda RUMUSKAN tentang peranan statistik
deskriptif dalam penyelidikan?
-
8/19/2019 AnalisisDeskriptif_Pengenalan
36/37
GB6023 36
RUMUSAN Statistik deskriptif memainkan peranan yang
penting dalam persembahan data penyelidikan
khususnya dalam mempersembahkan profildemografi responden yang terlibat dalam kajian
Kejayaan melakukannya, bergantung kepada
kreativiti penyelidik untuk secara selektif
memilih statistik deskriptif dalam
mempersembahkan dapatan kajiannya
-
8/19/2019 AnalisisDeskriptif_Pengenalan
37/37
SEKIAN, TERIMA KASIH