Escolar Documentos
Profissional Documentos
Cultura Documentos
ABPR1103
1|Page
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
ISI KANDUNGAN
SOALAN 1…..………………………………………………………... 3
SOALAN 2…………………………………………………...……….. 8
SOALAN 3……………………………………………….…...…….... 12
SOALAN 4……………...............................................……………... 19
SOALAN 5…………………………………………………………… 22
2|Page
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
SOALAN 1
3|Page
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
Kajian kuantitatif terbahagi kepada 2 jenis iaitu kajian intervensi dan kajian non-
intervensi. Bagi kajian intervensi, rekabentuk kajian yang sesuai adalah kajian
eksperimen, manakala kajian non-intervensi pula rekabentuk kajiannya adalah kajian
korelasi dan kajian tinjauan. Bagi rekabentuk kajian eksperimen (kajian intervensi), ia
menerangkan sama ada intervensi mempengaruhi hasil satu kumpulan berbanding
kumpulan yang satu lagi. Manakala bagi rekabentuk kajian korelasi pula ia meramal
perkaitan atau hubungan antara pemboleh ubah, dan bagi rekabentuk kajian tinjauan pula
menerangkan trenda bagi satu populasi.
4|Page
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
DATA NORMINAL
Pengukuran data yang paling rendah adalah taraf nominal. Nombor mewakili
data taraf nominal boleh digunakan hanya untuk pengelasan dan kategori. Nombor
pengenalan kakitangan adalah sebagai contoh data nominal. Nombor yang digunakan
hanyalah untuk membezakan kakitangan dan bukanlah untuk memberikan pernyataan
nilai terhadap mereka. Banyak soalan-soalan demografi di dalam survei adalah data
nominal disebabkan soalan yang digunakan hanyalah untuk pengelasan sahaja. Contoh
soalan tersebut adalah:
DATA ORDINAL
5|Page
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
diperingkat 2 dan 3 adalah sama. Iaitu, ia tidak boleh menyatakan bahawa perbezaan di
antara pekerja diperingkat 1, 2 dan 3 adalah sama. Dengan data ordinal, jarak yang
diwakili oleh nombor yang berturutan adalah tidak selalunya sama.
Beberapa soalan soal-selidik jenis skala Likert yang selalu digunakan oleh
penyelidik adalah jenis ordinal. Berikut adalah contoh skala tersebut:
Amat Bersetuju Bersetuju Tidak Pasti Tidak Bersetuju Amat tidak Bersetuju
1 2 3 4 5
Apabila soalan survei ini dikodkan kedalam komputer, hanya nombor 1 hingga 5
sahaja yang dimasukkan bukannya keterangannya. Secara maya semua orang bersetuju
bahawa 5 lebih tinggi daripada 4 di dalam skala ini dan pemeringkatan tindakbalas adalah
mungkin. Walau bagaimanapun kebanyakan responden tidak mempertimbangkan
perbezaan di antara Amat Tidak Bersetuju, Tidak Bersetuju, Tidak Pasti, Bersetuju dan
Amat Bersetuju adalah sama.
6|Page
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
DATA DISKRIT
Data diskrit adalah data yang diperoleh dari hasil menghitung atau mengira dan
bukannya mengukur. Data diskrit mempunyai sukatan data tertentu, boleh dikira dengan
nombor negatif. Data diskrit hanya boleh mengambil nilai-nilai tertentu sahaja. Sebagai
contoh:
• Bilangan kereta yang melalui tol ialah kemungkinan antara 27 atau 28 buah kereta.
DATA SELANJAR
Data selanjar adalah data yang diperolehi melalui pemerhatian ke atas nilai-nilai
satu pembolehubah selanjar yang hanya boleh diberi nilai dalam suatu julat dan tidak
boleh mengambil satu nilai tunggal atau satu nilai tepat. Data selanjar mempunyai
sukatan data berterusan dan boleh mengambil nilai-nilai dalam satu selang. Sebagai
contoh :
• Contoh : berat pelajar (48.9 kg, 56.2kg), tinggi, masa,saiz kasut dan lain-lain.
7|Page
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
SOALAN 2
Satu kajian telah dilakukan oleh sebuah klinik untuk mengetahui bilangan pesakit
yang menerima rawatan bermula dari jam 8 hingga 11 pagi dalam tempoh 28 hari.
8 6 7 7 6 8 11 6 9 10 8 9 15 12
13 11 12 7 8 10 9 11 12 7 8 10 11 15
i. Bahagikan nilai pembolehubah (x) kepada selang, kemudian hitung bilangan nilai bagi
setiap selang.
ii. Bina jadual dengan 3 jalur,iaitu nombor bagi selang (x), tally (bilangan yang dihitung)
dan frekuensi (f).
8|Page
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
b. Kirakan frekuensi relatif dan peratus bagi setiap kelas.
Jadual taburan frekuensi yang di nyatakan dalam nilai nisbah atau peratus
dinamakan jadual taburan frekuensi relatif. Jadual-jadual tersebut boleh ditokok menjadi
jadual frekuensi relatif seperti berikut:
9|Page
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
c. Kirakan frekuensi kumulatif bagi setiap kelas.
x = 6 f = 3 Fkum = 3
x = 7 f = 4 Fkum 3 + 4 = 7
x = 8 f = 5 Fkum 7 + 5 = 12
x = 9 f = 3 Fkum 12 + 3 = 15
x = 10 f = 3 Fkum 15 + 3 = 18
x = 11 f = 4 Fkum 18 + 4 = 22
x = 12 f = 3 Fkum 22 + 3 = 25
x = 13 f = 1 Fkum 25 + 1 = 26
x = 14 f = 0 Fkum 26 + 0 = 26
x = 15 f = 2 Fkum 26 + 2 = 28
10 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
11 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
SOALAN 3
1. Min
Biasanya dikenali sebagai ‘purata’ atau min arimatik, min adalah ukuran memusat
yang paling kerap digunakan. Sebagai contoh Min digunakan oleh guru-guru untuk
mengira nilai purata skor yang diperoleh oleh pelajar-pelajar dalam ujian yang dilakukan
oleh guru, dan ianya terbahagi kepada dua iaitu ‘Min Data Mentah/Data Tak Terkumpul’
dan ‘Min Data Terkumpul (Jadual Kekerapan)’.
12 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
CONTOH 1:
CONTOH 2:
Dalam satu ujian Matematik, skor untuk 10 orang pelajar adalah: 35, 42, 55, 67, 75, 88,
90, 94, 96 dan 98. Kirakan min dengan menggunakan formula,
13 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
ii) Pengiraan Min (Data Terkumpul)
Pengiraan min untuk data terkumpul adalah lebih kompleks. Bagi menghitung
min yang melibatkan data terkumpul, rumus berikut di gunkan:
CONTOH 1:
Sekumpulan pelajar di beri ujian matematik. Markah yang diperolehi dikumpulkan dalam
bentuk jadual seperti di bawah:
Markah Matematik 55 65 75 80 85 90 95
Bilangan Pelajar 5 10 15 20 14 12 6
Nilai min bagi taburan data di atas dihitung dengan menggunakan rumus:
14 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
Xi 55 65 75 80 85 90 95
fi 5 10 15 20 14 12 6
fiXi 275 650 1125 1600 1190 1080 570
Nilai diatas juga dikenali sebagai min berpemberat. Dengan fi sebagai pemberat.
Kelebihan Min
Min merupakan pengukur yang sesuai digunakan jika kesemua cerapan perlu
diambil kira dalam menghitung ukuran kecenderungan memusat.
Min merupakan pengukuran yang baik jika terdapat bilangan data yang besar.
Min memberi pemberat yang seragam secara relative mengikut saiz data.
Min sering digunakan dalam analisis lanjutan.
Kekurangan Min
15 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
2. Median
Median ialah skor tengah apabila jumlah bilangan skor adalah ganjil atau nilai
purata dua skor di tengah-tengah taburan jika jumlah bilangan skor adalah genap dalam
satu susunan taburan menaik atau menurun.
Sebagai contoh, median untuk skor ujian ejaan (40,56,35,70,94) dan ujian
penulisan (55,62,96,45,76,80) adalah berikut:
CONTOH 1:
35, 40, 56, 70, 94 (Susun secara menaik), maka median bagi skor ujian ejaan
adalah 56.
CONTOH 2:
Median berguna jika terdapat skor yang ekstrim (melampau) dalam sesuatu
taburan. Contohnya, terdapat 3 skor dalam sesuatu ujian,iaitu 20, 20 dan 80. Walaupun
min taburan ini ialah 40, tetapi ini tidak menggambarkan ukuran kecenderungan
memusat. Dalam kes ini, nilai median 20 adalah lebih berguna sebagai ukuran
kecenderungan memusat.
16 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
Kelebihan Median
Kekurangan Median
3. Mod
Nilai mod pula boleh di peroleh dengan menyusun data yang tidak terkumpul itu
secara menaikatau menurun. Mod (Mo) adalah skor yang mempunyai kekerapan yang
paling tinggi dalam satu taburan. Satu taburan mungkin mempunyai satu atau lebih mod
atau tidak mempunyai mod langsung.
CONTOH 1:
76, 55, 34, 80, 60, 95, 70 (Taburan skor ini tidak mempunyai mod)
17 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
CONTOH 2:
86, 70, 59, 70, 75, 68, 70 (Taburan skor ini mempunyai satu mod atau unimod
sahaja. Nilainya ialah 70).
CONTOH 3:
76, 62, 54, 68, 62, 54, 88, 71 (Taburan skor ini mempunyai dua mod atau dwi-
mod. Nilai modialah 62 dan 54).
Mod memberi satu gambaran umum tentang taburan. Sebagai contoh, dalam
penghasilan baju-T, pengetahuan tentang mod akan membantu pengusaha menentukan
saiz baju-T yang paling dikehendaki.
Kelebihan Mod
Kekurangan Mod
18 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
SOALAN 4
Satu tinjauan telah dijalankan untuk mencari bilangan jam yang digunakan suri
rumah untuk menonton televisyen setiap hari. Data di bawah adalah keputusan untuk 12
orang suri rumah.
a.Kirakan varians.
Varians adalah ukuran serakan yang mengambil kira semua data yang ada,
berbeza daripada julat yang bergantung kepada dua ukuran sahaja, iaitu yang terendah
dan tertinggi. Kita perlu menjumlahkan kuasa-dua perbezaan setiap ukuran daripada min
keseluruhan ukuran.
Xi Xi - (x - min)2
8 (8 – 17.4) = -9.4 88.36
14 (14 – 17.4) = -3.4 11.56
12 (12 – 17.4) = -5.4 29.16
15 (15 – 17.4) = -2.4 5.76
30 (30 – 17.4) = 12.6 158.76
32 (32 – 17.4) = 14.6 213.16
2 (2 – 17.4) = -15.4 237.16
20 (20 – 17.4) = 2.6 6.76
34 (34 – 17.4) = 16.6 275.56
7 (7 – 17.4) = -10.4 108.16
11 (11 – 17.4) = -6.4 40.96
19 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
24 (24 – 17.4) = 6.6 43.56
17.4 0.2 1218.92
Pengiraan ,
Kita menggunakan 12 jam pertama daripada 24 jam dalam sehari menonton television.
Min bagi 12 jam ini dan kuasa-dua perbezaan jam daripada min adalah seperti berikut :
= 1218.92 / (12-1)
=1218.92/11
=110.81
Sisihan piawai juga merupakan ukuran serakan dan ia amatlah berkaitan dengan
varians, iaitu sisihan piawai adalah punca-ganda-dua varians :
s= 2 = √(110.81) = 10.53
20 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
Sisihan piawai lebih mudah difahami kerana bagi data yang banyak, ia mempunyai
hubungan langsung dengan ukuran, iaitu anggaran ukuran tertinggi, terendah dan julat
seperti berikut:
= 6 X 10.53 = 63.18
21 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
SOALAN 5
Taburan Normal adalah satu taburan selanjar berbentuk simetri yang mempunyai
nilai min dan sisihan piawai. Ciri-ciri ini dapat di lihat seperti dalam Gambarajah 1
dibawah.
Keluk normal ini berguna untuk mengkaji keterangan tentang sifat-sifat data.
Keluk normal dan jadual normal boleh memberikan bahagian pencerapan yang
terkandung di antara dua nilai. Sebarang keluk normal ini ditentukan oleh sisihan piawai,
s dan kedudukannya pada paksi mengufuk ditentukan oleh min, . . Untuk panduan,
selang dalam sisihan piawai, dan peratusan diantaranya diberikan seperti di Gambarajah
2 dibawah.
22 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
Nilai-nilai :
Apabila data yang kita uji mempunyai taburan normal, barulah boleh run analisis
test of differences dan juga relationship. Data bertaburan normal sesuai menggunakan
analisis parametrik yang dapat menentukan sejauh mana kita menggunakan statistikal
inferensi melalui analisis bivariat dan analisis multivariat. Namun, jika seandainya data
kita tidak memenuhi syarat taburan normal, kita harus menggunakan analisis non-
23 | P a g e
ABPR1103 STATISTICS FOR PSYCHOLOGY 2018
parametric seperti Wilcoxon dan juga Mann-whitney test. Selalunya bagi analisis non-
parametric, sampel kajian yang digunakan kurang daripada 30 orang responden. Begitu
juga jika data kita tidak bertaburan normal, walaupun sampel kajian melebihi 30 orang
responden, analisis kajian perlu juga menggunakan non-parametric.
24 | P a g e