SSQL1113 STA STATISTIK TISTIK UNTUK SAINS SOSIAL SOSIAL Puan Ramlah Karsan
[email protected] 019-2643161
BAB 1 PENGENALAN KEPADA STATISTIK SAINS SOSIAL
BAB 1 PENGENALAN KEPADA STATISTIK SAINS SOSIAL
Analisis Statistik Statistik •
•
Untuk membolehkan kita menguji dan memperihalkan kepelbagaian kejadian kejadian dan tingkah laku yang dilihat dan dialami, ahli ilmu telah mencipta satu sistem pemerihalan dengan menggunakan data dan maklumat. Data dan maklumat akan diterjemahkan diterjemahkan atau ditukar ke bentuk angka atau nombor.
Statistik dalam Penyelidikan •
•
Penyelidik seharusnya mampu untuk mempastikan data, maklumat dan fakta yang diperoleh adalah benar, boleh dipercayai dan sah. Data, maklumat dan fakta yang dikumpul dalam sesuatu penyelidikan
Statistik Deskriptif dan Inferens Statistik Deskriptif •
•
•
Digunakan untuk memperihalkan keadaan data yang terdapat pada sampel. Pemerihalannya terhad kepada sampel. Tidak digunakan untuk membuat generalisasi.
Statistik Inferens •
•
Digunakan untuk memperihalkan keadaan data sampel untuk tujuan membuat generalisasi kepada populasi. Menggunakan konsep dan hukum kebarangkalian.
Kesahan Dalaman
Merujuk kepada setakat mana keputusan ujian yang berkait dengan pemboleh ubah yang dikaji boleh dipertahankan. Kesahan Luaran
Merujuk kepada setakat mana sampel kajian yang dicabut daripada populasi dapat mewakili populasi yang dikaji.
Konsep Utama Dalam Statistik •
Pemboleh Ubah
•
Populasi
•
Parameter
•
Sampel
•
•
Pemboleh Ubah Bebas dan Pemboleh Ubah Terikat Pemboleh Ubah Kualitatif dan Pembolehubah Kuantitatif
Pemboleh Ubah •
•
Merujuk kepada sebarang objek atau fenomena yang sifatnya boleh berubah. Contoh: Jantina, berat badan, keupayaan mental, nilai dan kepercayaan. Statistik
Nilai yang terdapat pada sampel. Selalunya, ia merupakan hasil manipulasi kepada data atau hasil analisis
Parameter •
•
Nilai yang menggambarkan ciri-ciri populasi. Populasi biasanya ditulis dengan huruf Greek. Contohnya huruf µ (sebutannya mew) ialah parameter kepada purata atau min populasi.
Sampel
•
•
Kumpulan individu atau agregat yang diambil sebagai sebahagian daripada semua individu dalam populasi. Contohnya sebahagian penduduk Daerah Sg Petani ialah sampel kepada penduduk negeri Kedah.
Populasi
•
•
Semua individu atau agregat yang terdapat dalam sesuatu lokaliti seperti tempat atau negeri. Contohnya seluruh individu di negeri Kedah ialah populasi penduduk negeri Kedah.
Pemboleh Ubah Bebas •
•
Pemboleh ubah yang mempengaruhi atau memberi kesan kepada suatu pemboleh ubah lain. Dimanipulasi dalam kajian oleh penyelidik.
Pemboleh Ubah Terikat •
•
Pemboleh Ubah yang dipengarusi oleh pemboleh ubah bebas. Pemboleh ubah yang mendapat kesan kepada pemboleh ubah yang dimanipulasi.
Pemboleh Ubah Kualitatif •
Pemboleh ubah yang mempunyai ciri saling eksklusif dan mempunyai subkelas seperti gender ada subkelas lelaki dan wanita.
Pemboleh Ubah Kuantitatif •
•
Pemboleh Ubah kuantitatif mempunyai nilai angka bagi menunjukkan sifat yang berkait dengan objek pemboleh ubah tersebut. Contohnya, berat badan dalan kg menunjukkan kuantiti berat seseorang individu.
BAB 2 SKALA PENGUKURAN
Jenis-jenis Skala Pengukuran •
1. Skala Norminal
•
2. Skala Ordinal
•
3. Skala Sela
•
4. Skala Nisbah
Skala Norminal •
•
•
•
•
•
Skala paling mudah dan ketepatannya paling rendah. Mengkategorikan pemboleh ubah berdasarkan kepada ciri-ciri kesamaannya dan seterusnya memberikan nama serta label kepada pemboleh ubah tersebut. Biasanya menggunakan pengukuran kualitatif Contohnya: bangsa (Melayu, Cina, India), warna, gender Setiap kategori boleh diberikan nilai angka atau nombor yang fungsinya hanya sebagai pengenalan atau kod kategori, ia tidak memberi apa-apa makna kuantitatif. Contohnya nombor atau kod bagi bangsa Melayu ialah 1, bangsa Cina 2.
Skala Ordinal •
•
•
•
Menggambarkan susunan nilai sesuatu kualiti pemboleh ubah. Ia boleh bermula daripada peringkat atau pangkat yang paling rendah hinggalah kepada peringkat yang lebih tinggi. Contohnya kedudukan pelajar di dalam sesuatu kelas ialah 1,2,3 dan seterusnya. Pelajar yang mempunyai markah keseluruhan paling tinggi diberi kedudukan nombor 1, diikuti dengan nombor 2,3,4 dan seterusnya. Skala ini hanya mampu membezakan kategori dan nilai susunan secara pemeringkatan sahaja.
Skala Sela •
•
•
•
•
Mempunyai ciri-ciri yang terdapat dalam skala norminal dan ordinal. Menunjukkan perbezaan di antara beberapa kategori dan boleh menunjukkan kesamaan dalam unit pengukuran yang digunakan. Contohnya perbezaan suhu antara 200°C dengan 300°C adalah sama dengan perbezaan antara 350°C dengan 450°C. Perbezaannya ialah 100°C. Nilai sifar atau kosong (0) di dalam skala sela merupakan suatu nilai. Contohnya 0°C Data sela boleh dicampur dan ditolak untuk menghasilkan angka atau statistik lain seperti purata atau min,
Skala Nisbah •
•
•
Mempunyai hierarki kedudukan yang paling tinggi dan mempunyai semua ciri yang terdapat di dalam skala norminal, skala ordinal dan skala sela. Mempunyai sifat berhubung dengan nilai sifar. Nilai sifar tidak lagi bersifat arbitrari, tetapi merupakan satu nilai yang sifatnya secara mutlak adalah kosong. Sebagai contoh, perbezaan di antara 40 dengan 50 adalah sama dengan perbezaan di antara 10 dengan 20. Kita juga boleh menyatakan bahawa 40 ialah 2 kali ganda 20.
BAB 3 PEMERIHALAN DATA DENGAN JADUAL KEKERAPAN, GRAF DAN GAMBAR RAJAH
Jadual Taburan Kekerapan •
Taburan Kekerapan Data Tidak Terkumpul 65 78 69 70 77 87 69 67 88 90 69 78 88 98 92 68 84 87 68 69 78 72 77 68 97 78 75 74 69 77 75 86 89
Taburan Kekerapan Data Terkumpul Pendapatan Bulanan (RM)
Bilangan Pekerja
300 – 400
10
400 - 500
15
500 - 600
32
600 - 700
21
Taburan Kekerapan Data Tidak Terkumpul •
•
Untuk memperihalkan dan meringkaskan data yang bertabur secara tidak terkumpul ke dalam satu taburan kekerapan. Kita susunkan data daripada yang kecil hinggalah kepada yang terbesar mengikut nilai sebenar dan kira sebanyak mana data tersebut wujud dalam taburan. (DIPANGGIL ARRAY DATA)
1. Susunan Array Contoh data tidak terkumpul 68 75 67 61 65 66 71 73 66 77 77 76 61 62 60 71 67 74 67 75 76 67 77 76 1. Susunan Array 60 61 61 62 65 66 66 67 67 67 67 68 71 71 73 74 75 75 76 76 76 77 77 77
2. Mencari Nilai Asas dan Nilai Hujung ( Tatacara Stem dan Leaf) Nilai Asas * . Contoh : Data
Nilai Asas 6* . 7 * .
Nilai Hujung 5 5 5 6 6 7 7 8 8 8 8 9 0 0 1 2 2 2 3 4 60 61 61 62 65 66 66 67 67 67 67 68 71 71 73 74 75 75 76 76 76 77 77 77 Nilai Hujung 5 6677778 0 112 55666777 1134
Data Outlier Dengan menggunakan gambar rajah, data yang terpencil jauh daripada kebanyakan data dapat dikesan. Conton Markat Kekerapan 85 1 . . . . 75 0 74 0 73 0 72 0 71 0 70 0 69 1 68 2 •
•
3. Bina Taburan kekerapan untuk menjadikan data tidak terkumpul kepada data terkumpul 3.1. Menetukan bilangan kelas yang sesuai. Biasanya bilangan kelas ialah di antara 5 hingga 20 kelas. Mengira dengan menggunakan peraturan Sturges : k = 1 + 3.3 log n k = bilangan kelas, n = bilangan cerapan
Contoh : k = 1 + 3.3 log 24 k = 5.56 atau dibulatkan menjadi 6
3.2 Menentukan lebar kelas •
Perbezaan di antara sempadan atas dan sempadan bawah sesuatu kelas. julat bilangan kelas julat = nilai tertinggi - nilai terendah i
=
Contoh : i = ( 77 – 60 ) 6 i = 2.833 atau bulatkan menjadi 3
Kelas 60 – 62 63 – 65 66 – 68 69 – 71 72 – 74 75 – 77
3.3 Taburan kekerapan dan Peratus Kekerapan Kelas
Kekerapan Peratus Kekerapan Kekerapan Kumulatif Peratus KK (KK)
60 – 62
4
(4/24*100) 16.6
4
16.6
63 – 65
1
4.16
5
20.76
66 – 68
7
29.16
12
49.92
69 – 71
2
8.33
14
58.25
72 – 74
2
8.33
16
66.58
75 – 77
8
33.33
24
100.00
GRAF DAN GAMBAR RAJAH •
Carta Turus dan Histogram
•
Kekerapan Poligon atau Graf Garisan
•
Graf Ogif
•
Carta Bulatan atau Graf Pai
