STATISTIK

Statistik deskriptif

Digunakan untuk menghuraikan ciri-ciri variabel seperti demografi responden dan sebagainya. Ia digunakan untuk membuat kesimpulan mengenai data numerikal. Ia tidak boleh dibuat generalisasi daripada sampel kajian kepada populasi.

Contoh ujian statistik ialah frekuensi, min, median, peratus dsb

Statistik inferensi

Digunakan untuk menghuraikan perhubungan antara variabel. Ia juga digunakan untuk menghuraikan ciri-ciri sampel yang dipilih daripada populasi. Daripada dapatan, ia dapat dijadikan sebagai generalisasi sampel mengenai populasinya.

Contoh ujian statistik yang digunakan ialah ujian-t untuk melihat perbezaan diantara 2 variabel, ujian korelasi untuk melihat perhubungan dsb.

1. Variabel Tergantung

Variabel tergantung adalah variabel penelitian yang diukur untuk mengetahui besarnya efek atau pengaruh variabel lain. Besarnya efek tersebut diamati dari ada-tidaknya, timbul-hilangnya, membesar-mengecilnya, atau berubahnya variasi yang tampak sebagai akibat perubahan pada variabel lain termaksud.

2. Variabel Bebas

Variabel Bebas adalah suatu variabel yang variasinya mempengaruhi variabel lain. Dapat pula dikatakan bahwa variabel bebas adalah variabel yang pengaruhnya terhadap variabel lain ingin diketahui. Variabel ini dipilih dan sengaja dimanipulasi oleh peneliti agar efeknya terhadap variabel lain tersebut dapat diamati dan diukur.

3. Variabel Kendali

Apa yang dapat dilakukan  oleh peneliti dalam hal ini adalah menjadikan variabel-variabel bebas yang hendak dikendalikan pengaruhnya itu sebagai variabel kendali (control variabel). Variabel kendali adalah variabel bebas yang efeknya terhadap variabel tergantung dikendalikan oleh peneliti dengan cara menjadikan pengaruhnya netral. Dengan kata lain, variabel bebas yang semula dibiarkan bervariasi kini dibatasi sehingga variasinya minimal atau hilang sama sekali.

4. Variabel Moderator

Variabel moderator adalah variabel bebas bukan utama yang juga diamati oleh peneliti untuk menentukan sejauh manakah efeknya ikut mempengaruhi hubungan antara variabel bebas utama dan variabel tergantung. Variabel moderator dibiarkan bervariasi agar pengaruhnya terhadap variabel tergantung dapat diamati dan diperhitungkan sehingga dapat diperoleh kesimpulan yang lebih cermat mengenai hubungan variabel bebas dan variabel tergantung.

5. Variabel Antara

Variabel antara adalah suatu faktor yang secara teoritik berpengaruh terhadap fenomena yang diamati akan tetapi variabel itu sendiri tidak dapat dilihat, diukur, maupun dimanipulasikan sehingga efeknya terhadap fenomena yang bersangkutan harus disimpulkan dari efek variabel bebas dan variabel moderator.

 ___________________________________________________________________

Jenis HIPOTESIS (Nul & Alternatif)

Pernyataan sesuatu hipotesis bersifat sama ada negatif atau positif.

i. HIPOTESIS NUL / STATISTIK

- Hipotesis yang mempunyai pernyataan negatif. 

- Hipotesis statistik yang menyatakan bahawa tidak terdapat kaitan antara pembolehubah yang diselidik, sehingga diuji secara statistik.

- Penyelidik perlu bersikap terbuka dan adil dalam menentukan keputusan sesuatu penyelidikan, iaitu dengan menyatakan tidak ada kaitan, perubahan, pengaruh, kesan dan sebagainya terhadap perkara yang diselidik.   

 Contoh : 

1. Jantina tidak mempunyai kaitan dengan pencapaian pelajar dalam kalangan pelajar universiti yang lemah dalam kursus sains.

2. Tidak terdapat perbezaan antara pencapaian pelajar lelaki dan pelajar perempuan dalam kalangan pelajar universiti yang lemah dalam kursus sains.

** Bagi hipotesis no. 1, apabila dikatakan bahawa tiada kaitan antara jantina dan pencapaian pelajar, dijangkakan bahawa pencapaian pelajar lelaki dan pelajar perempuan adalah tidak berbeza, seperti yang dinyatakan dalam hipotesis no. 2 juga.

Jika keputusan ujian statistik menunjukkan :

#tidak berbeza secara signifikan

Penyelidik akan menerima hipotesis nul sekiranya perbezaan pencapaian antara pelajar lelaki dan pelajar perempuan tidak berbeza secara signifikan. 

#berbeza secara signifikan

Penyelidik akan menolak hipotesis nul sekiranya terdapat perbezaan yang signifikan antara pencapaian  pelajar lelaki dan pelajar perempuan.

 ii. HIPOTESIS ALTERNATIF / PENYELIDIKAN

- Hipotesis yang mempunyai pernyataan positif.

- Hipotesis penyelidikan yang menyatakan bahawa terdapat kaitanantara pembolehubah yang diselidik.

- Hanya pembolehubah tertentu yang dianggap mempunyai kaitan akan diselidik dalam sesuatu penyelidikan. Penyelidikan tidak akan dilakukan ke atas pemboleh ubah yang tiada kaitan seperti pencapaian pelajar dan jenis darah.

 Contoh : 

1. Jantina mempunyai kaitan dengan pencapaian pelajar dalam kalangan pelajar universiti yang lemah dalam kursus sains.

2. Terdapat perbezaan antara pencapaian pelajar lelaki dan pelajar perempuan dalam kalangan pelajar universiti yang lemah dalam kursus sains.

** Kedua-dua hipotesis menyatakan bahawa terdapat kaitan antara jantina dan pencapaian pelajar, bermaksud akan wujud perbezaanpencapaian pelajar lelaki dan pelajar perempuan, maka penyelidikan dilaksanakan bagi memastikan wujudnya kaitan.

Jika keputusan ujian statistik menunjukkan :

#berbeza secara signifikan 

Penyelidik akan  menerima hipotesis alternatif sekiranya terbukti wujud perbezaan yang signifikan antara pencapaian  pelajar lelaki dan pelajar  perempuan.

#tidak berbeza secara signifikan

Penyelidik akan menolak hipotesis alternatif sekiranya perbezaan pencapaian antara pelajar lelaki dan pelajar perempuan tidak berbeza secara signifikan.

 _____________________________________________________________________

Jika ujian statistik (ujian parametrik) T-Test dan ANOVA menggunakan data skala ratio  bagi mengenal pasti perbezaan, ujian chi-square pula boleh digunakan untuk mengenal pasti perbezaan bagi data yang berskala nominal. Ujian chi-square ini termasuk di dalam ujian bukan parametrik.

Jadi, sebenarnya terdapat beberapa sebab yang membolehkan kita menggunakan ujian bukan parametrik ketika menjalankan sesuatu penyelidikan;

a) apabila data kita tidak mematuhi syarat taburan normal (normal distribution)

b) apabila data kajian menggunakan skala pengukuran nominal dan ordinal

Ujian Chi-Square sering digunakan untuk kebebasan (Chi-Square test for independent / test of homogeneity). Ujian ini bagi digunakan bagi mengenal pasti perbandingan dua variabel yang berskala nominal. Sebagai contohnya ingin membandingkan variabel jantina iaitu kategori lelaki dan perempuan dengan tahap kemahiran berkomunikasi sama ada tahap tinggi, tahap sederhana, tahap rendah.

Kita boleh menghasilkan objektif kajian iaitu untuk menentukan sama ada terdapat perbezaan tahap kemahiran berkomunikasi berdasarkan jantina pelajar dan menggunakan analisis ujian chi-square bagi mendapatkan nilai sama ada signifikan atau tidak di antara jantina tersebut.

Ujian chi-square turut digunakan bagi menentukan kebagusan (chi-square test for goodness-of-fit). Sebagai contohnya seorang penyelidik ingin menjalankan kajian mengenai kemahiran berkomunikasi dalam kalangan pelajar di sebuah sekolah. Objektif kajian – untuk menentukan perbezaan tahap kemahiran komunikasi dalam kalangan pelajar. Hasil analisis kajian menunjukkan bahawa terdapat pelajar yang mempunyai tahap komunikasi yang tinggi, sederhana dan juga rendah. Oleh itu chi-square test for goodness-of-fit boleh digunakan untuk menentukan tahap kemahiran komunikasi mana yang signifikan dan menyumbang paling besar dalam kalangan pelajar tersebut (baca nilai residual dan Obseverd N)

___________________________________________________________________

Sisihan Piawai(standard deviasion) menggambarkan sebaran nilai2 dalam sample. semakin kecil nilai sisihan piawai, nilai2 pada sample data cenderung dekat dengan nilai puratanya. dan sebaliknya, semakin besar sisihan piawai, nilai sample semakin bervariasi. semakin menyebar/meningkat menjauhi nilai puratanya.

Standard error, ini mencerminkan ketepatan sample yang kita pilih terhadap populasinya. semakin kecil nilai standard eror, semakin menunjukkan bahawa sample yang diambil kita semakin bagus, atau cukup mewakili populasi yang sedang dikaji. dan sebaliknya. makanya nilai standard error akan mengecil saat jumlah sample kita diperbanyak.

Contohnya, jika di dalam kelas ada 30 pelajar ( = populasi), dan kita akan mengambil 15 orang sebagai sample( = sample), ketepatannya/ perwakilannya akan berbeza dibandingkan jika kita mengambil sample lebih banyak (misal 20 orang = sample). pasti yg 20 orang sample lebih mengambarkan populasi.

____________________________________________________________________________

Secara umum, Ujian-t (t-test) digunakan bagi mengetahui samada min bagi dua kumpulan berbeza secara signifikan. Anda boleh tahu perbezaan min antara dua kumpulan. Jika anda anda tiga atau lebih kumpulan - tidak mungkin lagi anda tahu perbezaan min kerana perbezaan hanya untuk dua kumpulan. Jika min kumpulan A = 30 dan min kumpulan B = 35, maka perbezaan min adalah 5 poin.  Tetapi jika anda ada 3 kumpulan, C = 40, berapakan perbezaan min? Ketika ini, anda memerlukan konsep variance untuk menentukan perbezaan antara 3 atau lebih kumpulan. Konsep perbezaan hanya untuk bandingkan 2 kumpulan sahaja. Jika anda menggunakan ujian-t untuk mengira pebezaan dua min, pengiraan anda melibatkan standard error (mempunyai kiraan asas yang sama dengan standard deviation, sd yang juga adalah error) .Jika anda ada 3 kumpulan, katakan A,B dab C, bermakna anda perlu melakukan 3 pengiraan dengan membandingkan min A,B dan B,C dan A,C. Tiga pengiraan ini melibatkan error yang besar kerana anda mengira 3 kali standard error.  Jalan penyelesaiannya adalah dengan mengira variance ANTARA kumpulan A,B dan C dinisbahkan dengan jumlah variance DALAM kumpulan A,B dan C. Jika jumlah variance ANTARA kumpulan melebihi jumlah variance DALAM kumpulan, bermakna terdapat perbezaan pada skor mana-mana kumpulan. Pengiraan variance ini dilakukan sekali sahaja dengan melibatkan pengiraan variance skor KESEMUA kumpulan tanpa melibatkan standard error maka anda dapat mengelak dari mengira 3 t-test dengan melibatkan 3 kali standard error. Oleh sebab itulah, analisis statistik perbezaan skor lebih dari 2 kumpulan, anda menggunakn ANOVA dan bukannya t-test.

JADUAL MENUNJUKKAN PERBEZAAN ANTARA: