ANALISIS DAN PERSEMBAHAN

DATA KUANTITATIF

Disediakan oleh: Pn Noradzimah bt. Abdul Majid

Jabatan Matematik

IPG Kampus Ipoh

ph: 019-7161432, emel: norad.1507@gmail.com

MENGANALISIS DATA DENGAN MENGANALISIS DATA DENGAN MENGGUNAKAN STATISTIK MENGGUNAKAN STATISTIK

DESKRIPTIFDESKRIPTIF

Melibatkan penghasilan satu gambaran Melibatkan penghasilan satu gambaran

ringkas sesuatu sampel atau pembolehubah ringkas sesuatu sampel atau pembolehubah

populasi yang dikaji.populasi yang dikaji.

Ia mungkin melibatkan penyampaian data Ia mungkin melibatkan penyampaian data

dalam bentuk graf atau penggunaan dalam bentuk graf atau penggunaan

statistik deskriptif.statistik deskriptif.

MEMPERSEMBAHKAN DATA MENGGUNAKAN STATISTIK DESKRIPTIF

Statistik deskriptif menunjukkan data dan selalunya menggunakan grafik seperti carta atau graf.

Grafik yang digunakan bergantung pada data yang diperolehi.

Carta bar Carta pai Histogram Poligon

frekuensi

Nominal + +

Ordinal +

Selang + +

Nisbah + +

CARTA BARCARTA PAI

HISTOGRAMPOLIGON FREKUENSI

TABURAN KEKERAPAN DAN TABURAN KEKERAPAN DAN KECENDERUNGAN MEMUSATKECENDERUNGAN MEMUSAT

Taburan kekerapan adalah satu jadual untuk memaparkan data kuantitatif.

Ia menyenaraikan semua kelas dan bilangan cerapan atau frekuensi tertabur.

Data yang dipersembahkan dalam bentuk ini dipanggil data terkumpul

Contoh:Taburan markah ujian mingguan bagi 50 orang pelajar yang markah penuhnya ialah 10.

2 5 4 1 6 3 7 5 4 7

5 6 2 7 8 6 4 2 9 5

3 5 6 4 0 7 8 5 3 6

8 4 9 6 5 4 7 1 5 10

5 7 3 5 6 2 8 4 3 6

TABURAN KEKERAPAN

MARKAH KEKERAPAN PERATUS0

1

2

3

4

5

6

7

8

9

10

1

2

4

5

7

10

8

6

4

2

1

2

4

8

10

14

20

16

12

8

4

2

Jumlah 50 100

TABURAN KEKERAPAN MARKAH UJIANDENGAN SELANG KELAS

SELANG KELAS

KEKERAPAN PERATUS

0-23-45-67-89-10

71218103

142436206

Jumlah 50 100

HISTOGRAMCara lain memaparkan taburan markah ialah mengumpulkan beberapa markah yang sama julatnya kepada beberapa kelas.Tinggi sesuatu kotak menunjukkan kekerapan/bilangan pelajar yang mendapat markah tertentu.

Jeda kelas menunjukkan markah-markah dalam kelas tersebut.Kekerapan berkelas dapat mengurangkan bilangan markah/skor yang dimasukkan ke dalam jadual kekerapan.

HISTOGRAM TABURAN KEKERAPAN MARKAH UJIAN

Histogram taburan kekerapan markah ujian

0

2

4

6

8

10

12

1 2 3 4 5 6 7 8 9 10 11

markah (x)

ke

ke

rap

an

(y

)

kekerapan

CONTOH:

Markah pelajar:

33 12 6 45 27 25 11 37 22 16 48 26 37 21 3 26 14 34 22 19 40 24 22 15 32 24 27 30 23 31 19 24 27 20 33 14 27 20 29 23 31 22 16 36 27 9 28 25 17 29 13 18 44 12 28

POLIGON KEKERAPAN •PoligonKekerapan dibina dengan memplotkan

titik dinilai tengah setiap sela kelas ke ketinggian selaras dengan bilangan kekerapan kelas berkenaan

•Kemudian,sambungkan kesemua titik-titik dengan garis lurus.

•Titik awalan dan akhir harus berada padapaksi-X.

KEKERAPAN HIMPUNAN (OGIF)

•Kekerapan himpunan ialah jumlah kekerapan data dan kekerapan data sebelumnya.

•Berdasarkan jadual diatas,kita boleh menentukan bilangan pelajar yang memperoleh skor yang sama atau kurang daripada sesuatu skor tertentu. Contohnya,bilangan pelajar yang memperoleh skor antara15–19 skor atau kurang daripada nya ialah16.

LENGKUNG TABURAN NORMAL

•Lengkung taburan normal berbentuk loceng jika skor-skornya bertaburan normal.

•Kawasan dibawah lengkung mewakili semua skor(100%) dimana 50% daripada skor berada diatas min dan 50% daripada skor pula berada dibawah min.

•Manakala,min,median dan mod adalah sama. •Kebanyakan skor berhampiran dengan min dan

semakin jauh sesuatu skor daripada min bermaksud kurangnya bilangan calon yang memperoleh skor tersebut

CONTOH LENGKUNG TABURAN NORMAL

Contoh 1

Contoh 2

TABURAN PENCONG POSITIF

•Dalam konteks pengujian dan penilaian bilik darjah,kemungkinan kita tidak akan dapat satu lengkung taburan normal.

Jika skor median dan mod adalah lebih kurang daripada min, taburan skor akan terpesong ke sebelah kiri ( pencongan positif).

•Contohnya,taburan pencong positif merujuk kepada susunan ketiga-tiga ukuran kecenderungan memusat dari kiri ke kanan ialah:pertama, mod,iaitu nilai terendah;kemudian,median, iaitu nilai tengah;dan akhirnya, min,iaitu nilai tertinggi.

GRAF LENGKUNG PENCONG POSITIF

Taburan Pencong Negatif

Jika skor median dan mod lebih besar daripada min, taburan skor itu akan terpesong ke sebelah kanan (pencongan negatif).

•Bagi taburan pencong negatif pula,susunan ketiga-tiga ukuran kecenderungan memusat dari kiri ke kanan adalah: pertama, min, iaitu nilai terendah; kemudian,median, iaitu nilai tengah;dan akhirnya,mod,iaitu nilai tertinggi.

LENGKUNG TABURAN PENCONG NEGATIF

UKURAN KECENDERUNGAN MEMUSAT

Satu jenis pengukuran yang digunakan untuk memerihalkan set data tidak terkumpul adalah ukuran kecenderungan memusat.

Pengukuran kecenderungan memusat menghasilkan maklumat berkaitan dengan titik tengah pada satu kumpulan nombor. 

Ukuran kecenderungan memusat tidak menumpukan keatas pengembangan set data atau berapa jauh nilai

daripada titik tengah. Ukuran kecenderungan memusat bagi data yang tidak

berkumpul adalah min, mod, median, peratusan dan quantil.

Contoh:Harga Saham bagi 20 Kaunter KLSE (RM)

14.25 19.00 11.00 28.00

24.00 23.00 43.25 19.00

27.00 25.00 15.00 7.00

34.22 15.50 15.00 22.00

19.00 19.00 27.00 21.00

MOD

Mod adalah nilai yang paling kerap wujud didalam set data. Simbol statistik mod ialah M0

Bagi data yang ditunjukkan didalam Jadual 3.1, mod ialah RM19.00 kerana harga tawaran berlaku sebanyak 4 kali. Menyusun data didalam susunan yang menaik (menyusun dari nombor terkecil hingga terbesar) membantu kita menentukan mod.

30

MOD DATA BERKUMPULAN

Titik tengah kelas mod Kelas mod mempunyai

kekerapan yang terbesar

Jeda Kelas

Kekerapan (fi)

1 – 3 16

3 – 5 2

5 – 7 4

7 – 9 3

9 – 11 9

11 – 13 6

Jumlah 40

2

2

31Mod

MEDIAN Median ialah titik tengah sesuatu kumpulan nombor

yang disusun secara menaik atau menurun. Jika bilangan data tersebut adalah ganjil, median ialah nombor yang ditengah. Jika bilangan data adalah genap, median ialah purata dua nombor yang terletak ditengah-tengah. Langkah berikut adalah digunakan untuk menentukan median.

LANGKAH 1: Susun data didalam susunan menaik. LANGKAH 2: Jika bilangan data adalah ganjil, carikan

sebutan ditengah-tengah didalam susunan tersebut yang menjadi median.

LANGKAH 3: Jika bilangan data adalah genap, kirakan purata dua angka ditengah-tengah susunan tersebut. Purata ini adalah median.

   

CONTOH: Katakan ahli statistik hendak mencari median bagi

kumpulan data berikut:15 11 14 3 21 17 22 16 19 16 5 7 19 8 9

20 4   Susunan nombor didalam sebutan menaik: 3 4 5 7 8 9 11 14 15 16 16 17 19 19 20 21

22 Terdapat 17 sebutan (bilangan ganjil), oleh itu

median terletak di tengah susunan tersebut, iaitu 15. Jika nombor 22 dikeluarkan daripada senarai,

terdapat hanya 16 sebutan (bilangan genap): 3 4 5 7 8 9 11 14 15 16 16 17 19 19 20 21  Sekarang kita mempunyai bilangan sebutan genap,

median ditentukan dengan mengira purata dua nombor yang terletak ditengah susunan tersebut, 14 dan 15. Ini menghasilkan nilai median iaitu 14.5.

33

MEDIAN – DATA BERKUMPULAN

W f

cf - L Median

med

p2N

L = had bawah jeda kelas mediancfp = jumlah terkumpul kekerapan sehingga kelas tersebut,

tetapi tidak melibatkan kekerapan median kelasFmed = kekerapan median

W = keluasan jedia kelas median (had atas kelas – had bawah kelas)

N = jumlah bilangan kekerapan

34

MEDIAN DATA BERKUMPULAN - CONTOH

Jeda Kelas

Kekerapan (fi)

Kekerapan Terkumpul

1 – 3 16 2

3 – 5 2 4

5 – 7 4 6

7 – 9 3 8

9 – 11 9 10

11 – 13 6 12

Jumlah 40

6 1 5

(2) 2

1 5

(2) 4

18 - 5

W f

cf - L Median

220

med

p2N

MIN Min aritmatik adalah susunan sinonim dengan purata

kumpulan nombor dan ia dikira dengan menjumlahkan semua nombor dan membahagikannya dengan bilangan nombor tersebut. Disebabkan min aritmatik digunakan dengan meluas, kebanyakan ahli statistik hanya menggunakan istilah min sahaja.

Min populasi ditandakan dengan huruf Greek mu (). Min sampel pula ditandakan dengan huruf Roman ( ). Formula bagi mengira min bagi populasi dan min sampel adalah sebagaimana berikut:

 Min populasi:   Min Sampel:

n

x

n

x

n

xx

CONTOH:

Katakan syarikat mempunyai lima jabatan dengan bilangan pekerja 24, 13, 19, 26 dan 11 masing-masingnya. Min populasi adalah:

= 24 + 13 + 19 +26 + 11 / 5 = 93/5 = 18.6    

PENGIRAAN MIN UNTUK DATA TERKUMPUL

•Pengiraan min untuk data terkumpul lebih kompleks. Contohnya;

38

PENGIRAAN MIN BERKUMPULAN

Jeda Kelas Kekerapan (fi) Titik Tengah (Mi)

fiMi

1 – 3 16 2 32

3 – 5 2 4 8

5 – 7 4 6 24

7 – 9 3 8 24

9 – 11 9 10 90

11 – 13 6 12 72

Jumlah 40 fM = 252

6.25 40

250

f

Mf ii

i

PENYEBARAN PENGUKURAN PENYEBARAN PENGUKURAN Cara-cara yang digunakan untuk mengukur

penyerakan pengukuran:

- Julat

- Julat antara kuartil

- Varians

- Sisihan piawai

Julat Julat - Perbezaan antara skor tertinggi

dengan skor terendah

Julat antara kuartilJulat antara kuartil

- Perbezaan antara skor yang mempunyai satu per empat skor di bawah (sering dikenali sebagai kuartil pertama atau persentil ke-25) dan skor yang telah tiga per empat skor di bawah (persentil ke-75)

VariansVarians

- Purata sisihan kuasa dua setiap skor dari

min.

Sisihan piawaiSisihan piawai

- Satu pengukuran tentang takat di mana

respons tersebar dari min,dan diperolehi

dengan mengira varians dari min, kuasa dua,

menambah dan mengira punca kuasa dua.

PENTAFSIRAN NILAI SISIHAN PIAWAI

•Sisihan Piawai ialah ukuran kebolehubahan atau sebaran skor-skor.

•Ia merupakan sejauh mana skor berubah keliling min.

•Semakin kecil nilai sisihan piawai,semakin kecil sebaran skor dalam taburan.

•Ini membawa implikasi bahawa data adalah berhampiran antara satu sama lain(homogen).

•Begitu juga,semakin besar nilai sisihan piawai, semakin besar sebaran skor dalam taburan.

•Ini bermakna data adalah tersebar luas antara satu sama lain(heterogen).

Terdapat 2 cara mengira sisihan piawai :

1.Sisihan Piawai untuk Data Tidak Terkumpul

2. Sisihan Piawai untuk Data Terkumpul

Contoh: 1. Skor untuk 5 orang pelajar ialah 1,2,3,4, dan 5 Cari sisihan piawainya.

CONTOH 2:

SISIHAN PIAWAI UNTUK DATA TERKUMPUL

CONTOH:

Jadual dibawah menunjukkan data terkumpul untuk satu ujian sains. Kira sisihan piawai untuk markah ujian.

SKOR PIAWAI Skor piawai menunjukkan kedudukan

sesuatu skor dari segi berapa sisihan piawai skor tersebut berada di atas atau di bawah min taburan. Dan ia biasanya diwakili dengan skor-z atau skor-t.

• Skor-z dikira dengan menggunakan rumus berikut:

• Skor-t dikira dengan menggunakan rumus

berikut:

t = 50 + 10z

(z

)( xxz

CONTOH:

Skor untuk 5 orang pelajar dalam satu ujian ialah 5,8,10,4 dan 3. Cari skor-z dan skor-t untuk pelajar yang mempunyai 10 markah.

PENTAFSIRAN SKOR-Z Contoh:

Abdullah mempunyai skor sebanyak 55 dalam ujian Matematik; skor purata kumpulan normal ialah 60 dan sisihan piawai 15.

Maka skor piawai Abdullah ialah:

z = = - 0.33

Ini bermaksud skor Abdullah adalah satu pertiga sisihan piawai daripada min. Tanda negatif menunjukkan bahawa ia adalah satu pertiga sisihan piawai di bawah min.

Contoh:

Abdullah mempunyai skor sebanyak 75 dalam satu ujian Sains; purata skor untuk kumpulan normal ialah 65 dan sisihan piawai ialah 10. Maka skor piawai Abdullah ialah:

z = = 1 • Ini bermakna Abdullah adalah satu sisihan piawai

daripada min. Tanda positif menunjukkan bahawa ia adalah satu sisihan piawai di atas min.

PENTAFSIRAN SKOR-T

•Skor-t lebih biasa digunakan berbanding dengan skor-z untuk pelaporan keputusan ujian kerana ia menghasilkan integer positif.

•Ia juga lebih kerap digunakan untuk melapor prestasi ujian seseorang sebagai skor-t33 berbanding dengan pelaporan prestasi yang sama dalam skor-z sebagai–1.7.

•Sebenarnya,kedua-dua skor ini adalah sama. •Memandangkan skor-t sentiasa mempunyai

min 50 dan sisihan piawai 10,maka,skor-t boleh ditafsir secara langsung.

54

VARIAN

Varian ialah purata sisihan kuasadua dari min bagi set nombor. Populasi varian ditandakan dengan huruf Greek, 2 dan formulanya:

N

) - (X

22

55

VARIAN - CONTOH

X X - ( X - )2

5 -8 64

9 -4 16

17 +3 9

17 +4 16

18 +5 25

X = 65 (X -) = 0 (X - )2 = 130

Jumlah sisihan kuasadua daripada min (X - )2 bagi set

nombor dipanggil sebagai Jumlah Kuasadua X (SSX)

SSX = (X - )2 = 130

26.0 5

130

N

) - (X

N

SSX

2

2

56

SISIHAN PIAWAI POPULASI Punca kuasadua varian

X X - ( X - )2

5 -8 64

9 -4 16

17 +3 9

17 +4 16

18 +5 25

X = 65 (X -) = 0 (X - )2 = 130

5.1 26.0

26.0 5

130

N

) - (X

N

SSX

2

2

2

57

VARIAN SAMPEL

Purata sisihan kuasadua dari min aritmatik

2,3981,8441,5391,3117,092

62571

-234-462

0

390,6255,041

54,756213,444663,866

X X X 2

X X 2

2

1663 866

3221 288 67

SX Xn

,

, .

LATIHAN 1

1. Cari mod untuk data berikut:54,76,69,54,74,88,74,65,74

2.Skor yang diperoleh oleh 12 orang pelajar dalam ujian Sains yang ditadbir oleh guru adalah seperti berikut:

35,23,55,35,65,67,55,35,98,88,92,and72 -Kira min,median dan mod bagi skor-skor

diatas.3.Berikut adalah skor-skor untuk 6 orang

pelajar dalam ujian Sains: 8,10,7,12,6,11 Cari skor-z dan skor-t untuk pelajar yang mempunyai skor7.

LATIHAN

Jadual diatas menunjukkan keputusan Ali dan Fatimah dalam ujian-ujian Matematik danSains.-Kira skor-z dan skor-t untuk Ali dan Fatimah dalam Matematik dan Sains.-Dengan menggunakan skor-z dan skor-t, bandingkan prestasi Ali danFatimah dalam Matematik dan Sains.

PROSES PENGUJIAN HIPOTESIS: PROSES PENGUJIAN HIPOTESIS: BERDASARKAN STATISTIK INFERENSBERDASARKAN STATISTIK INFERENS

Pengujian hipotesis dalam beberapa peringkat:

- - Perumusan hipotesisPerumusan hipotesis

- Spesifikasi paras kepentingan ( untuk - Spesifikasi paras kepentingan ( untuk melihat sejauh manakah ia selamat untuk melihat sejauh manakah ia selamat untuk menerima atau menolak hipotesis) menerima atau menolak hipotesis)

- Pengenalpastian taburan kebarangkalian - Pengenalpastian taburan kebarangkalian dan takrif penolakan itudan takrif penolakan itu

- - Pemilihan ujian-ujian statistik yang sesuaiPemilihan ujian-ujian statistik yang sesuai

- Pengiraan ujian statistik dan penerimaan - Pengiraan ujian statistik dan penerimaan atau penolakan hipotesisatau penolakan hipotesis

PERUMUSAN HIPOTESIS

Kita biasanya membuat satu hipotesis dalam bentuk nolnya (negatif). Jadi, lebih baik menyatakan:

Pemilikan komputer akan lebih banyak di UK daripada di Perancis.

Kita mengatakan: Pemilikan komputer tidak akan lebih

di UK daripada di Perancis.

Hipotesis wujud dengan tiga bentuk iaitu:

- Memeriksa ciri-ciri bagi populasi individu (dan mungkin melibatkan pengiraan min, median, sisihan piawai dan bentuk taburan).

- Meneroka kontras dan perbandingan antara kumpulan.

- Memeriksa persatuan dan hubungan antara kumpulan

MENGHITUNG UJIAN STATISTIK DAN MENERIMA ATAU MENOLAK

HIPOTESIS.

Setelah ujian statistik dihitung perkara yang terakhir adalah membandingkannya dengan nilai hipotesis.

Jika ujian statistik tidak mencapai nilai ini, maka hipotesis nol harus diterima.

MEMBANDINGKAN PEMBOLEHUBAH.

Dalam bahagian ini beberapa jumlah ujian statistik akan dilakukan seperti mengakses program lain seperti SPSS.

Namun, kadang-kadang dalam menggunakan excel untuk menghitung adalah sangat susah sehinggakan dalam kes seperti ini, perhitungannya digambarkan dalam bentuk teks.

DATA NOMINAL – SAMPEL PERTAMA

Membandingkan hubungan diantara pembolehubah-pembolehubah dengan menerokai edaran daripada pembolehubah ini.

Contoh: Terdapat sebuah syarikat yang berminat

membandingkan masalah displin di empat tempat pengeluaran dengan merujuk kepada surat amaran yang dikeluarkan dalam dua tahun yang terakhir. Kita mungkin menganggap bahawa daripada setiap jumlah pekerja masing-masing telah menerima 25 peratus amaran.

JADUAL KONTINGENSI DATA UNTUK ANALISIS.

Bahagian Kajian Q¡ Jangkaan E¡

A 12 29

B 68 29

C 14 29

D 22 29

Jumlah 116 116

ANALISIS DATA DARI JADUAL DI ATAS

Bahagian Kajian Q¡ Jangkaan E¡

(Q¡ - E¡ ) ²------------

E¡

A 12 29 9.97

B 68 29 52.45

C 14 29 7.76

D 22 29 1.69

Jumlah 116 116 71.86

Data dikumpul (diamati frekuensi) untuk melihat adakah data berpadanan dengan frekuensi yang diharapkan.

Hipotesis nol pula menyatakan bahawa tiada perbezaan frekuensi yang akan dijangka dan diharapkan. Mengikut saranan terdahulu telah menetapkan tingkat signifikasi di hadapan.

Dalam kes ini telah menyatakan bahawa dengan meletakkan pada p=0.05

Jika ada terdapat perbezaan yang signifikasi yang ditemui maka hipotesis nol akan ditolak.

KUMPULAN NOMINAL DAN DATA KUANTITATIF (BIASANYA

DIEDARKAN) Membandingkan prestasi dua kumpulan atau

untuk bandingkan prestasi satu kumpulan melalui satu tempoh masa menggunakan pembolehubah yang dapat dikuantifikasikan seperti skor.

Boleh menggunakan satu ujian-t berpasangan. T-tests menganggap yang data tertabur secara normal dan dua kumpulan adalah varians sama (sisihan piawai yang selaras).

Ujian t membandingkan cara dua kumpulan untuk melihat jika apa-apa perbezaan di antara mereka adalah signifikan. Jika p nilai dikaitkan dengan t adalah rendah (< 0.05) dan terdapat bukti untuk menolak hipotesis nol.

KUMPULAN NOMINAL DAN DATA KUANTITATIF (TIDAK DIEDARKAN

SECARA NORMAL)

Dalam bahagian biasanya melihat perbezaan dalam data teragih antara kumpulan

Data ini secara automatik dihasilkan di excel dengan menggunakan pencetak / data analisis / kedudukan dan ciri persentil.

Hipotesis nol tidak ada perbezaan antara kedua set nilai skor.

ANALISIS STATISTIK : ORGANISASI ANTARA PEMBOLEHUBAH-

PEMBOLEHUBAH

Bahagian ini memeriksa keadaan di mana kajian itu mengandungi dua pembolehubah-pembolehubah jenis bebas

( nominal, ordinal ,antara/ nisbah )

ORGANISASI ANTARA DUA PEMBOLEHUBAH-PEMBOLEHUBAH

NOMINAL

Menyiasat hubungan-hubungan antara dua nominal pembolehubah-pembolehubah.

Pencapaian pendidikan dan pilihan kerjaya. Jenis pengambilan ( graduan / tidak graduan)

dan tahap tanggungjawab dalam sebuah organisasi

PENCAPAIAN PENDIDIKAN

Sebenar Bukan Kelulusan Sarjana

Kelulusan sarjana

Jumlah

Eksekutif 2 10 12

Pengurus 20 80 100

perniaga 70 64 134

Manual 240 4 244

Jumlah 332 158 490

Dijangka

Eksekutif 8.13 3.87 12

Pengurus 67.76 32.24 100

Perniaga 90.79 43.21 134

Manual 165.32 78.68 244

Jumlah 332 158 490

ANALISIS KORELASI : PRINSIP PENGUKURAN

Analisis korelasi berkaitan dengan hubungan antara pembolehubah-pembolehubah.

Korelasi adalah sesuatu kekeliruan dengan regresi.

Fink(1995) membuat korelasi, yang menggambarkan korelasi berkaitan dengan hubungan (misalnya antara X dan Y) sedangkan regresi menganggarkan nilai (katakanlah X berdasarkan satu nilai Y).

Ketika sebuah organisasi diukur secara numerik untuk mendapatkan pekali, korelasi memberikan kekuatan hubungan.

Hubungan seperti ini boleh menjadi asas daripada beberapa soalan yang sangat penting dalam analisis organisasi.

ORGANISASI ANTARA DUA PEMBOLEHUBAH-PEMBOLEHUBAH

ORDINAL

Kadang-kadang ia tidak mungkin untuk memberi nilai-nilai untuk pembolehubah-pembolehubah hanya di kedudukan (1st,2nd ,3rd).

Contoh kes di mana kita menilai prestasi lima pentadbir di pejabat baru.

Dua orang penyelia diminta untuk memberi taraf prestasi pentadbirnya dengan keputusan-keputusan itu dinyatakan dalam jadual dibawah.

KEDUDUKAN PENILAIAN YANG DIBUAT OLEH PENYELIA PADA PRESTASI LIMA PENTADBIR

Penyelia Alice Raj Jo Beth Sid

Mr Jones

5 2 4 3 1

Mrs Smith

4 1 3 5 2

DI ANTARA ORGANISASI DENGAN PEMBOLEHUBAH

BERANGKA

Organisasi penyelidik ingin mengeksplorasi potensi organisasi antara pembolehubah-pembolehubah seperti pendapatan atau usia dan pelbagai aktiviti manusia seperti pola pengeluaran

Penggunaan lain akan membandingkan angka-angka penjualan terhadap jumlah penjualan syarikat yang telah menambahkan wakil jualan supaya dapat meningkatkan hasil jualan.

Namun perlu dicatat bahawa ujian statistik ini hanya sesuai jika hubungan antara pembolehubah-pembolehubah berbentuk U atau berbentuk ∩.

KESIMPULAN

• Terdapat dua jenis data untuk dianalisis iaitu data mutlak dan data yang dapat dikira iaitu yang terdiri daripada data nominal, ordinal, selang dan nisbah.

• Terdapat pelbagai cara yang boleh digunakan untuk pesembahan data seperti jadual, carta, histogram dan poligon kekerapan.

• Data yang diperolehi mestilah bersesuaian dengan grafik yang akan dibuat.

SEKIAN….