Ujian Statistik Inferensi

Statistik inferensi digunakan oleh penyelidik untuk membuat kesimpulan tentang populasi berdasarkan data sampel. Ia melibatkan pengujian hipotesis, penentuan signifikan, dan analisis hubungan antara variabel (Field, 2018). Antara ujian inferensi yang sering digunakan dalam penyelidikan ialah ujian T, ujian ANOVA, ujian kolerasi, dan ujian regresi.

---

1. Ujian T

Ujian T digunakan untuk membandingkan min antara kumpulan atau dengan satu nilai tertentu. Ia termasuk dalam ujian parametrik yang memerlukan data berdistribusi normal (Gravetter & Wallnau, 2017).

a) Sampel Bebas (Independent t-test)

• Membandingkan min dua kumpulan yang tidak berkaitan.

• Contoh: Min markah pelajar lelaki berbanding pelajar perempuan.

b) Pengukuran Berulangan (Paired t-test)

• Digunakan apabila data dikumpul daripada kumpulan yang sama pada dua keadaan berbeza.

• Contoh: Markah pelajar sebelum dan selepas mengikuti kelas tambahan.

c) Sampel Padanan

• Hampir sama dengan paired t-test, tetapi pasangan dibentuk berdasarkan ciri tertentu.

• Contoh: Pelajar dipadankan mengikut umur atau tahap pencapaian sebelum ujian dijalankan.

d) Satu Sampel (One-sample t-test)

• Membandingkan min sampel dengan satu nilai tetap (contohnya purata populasi).

• Contoh: Membandingkan purata markah satu kelas dengan purata kebangsaan.

---

2. Ujian ANOVA

a) Fungsi ANOVA

ANOVA (Analysis of Variance) digunakan untuk membandingkan min antara tiga kumpulan atau lebih. Ia membantu menentukan sama ada wujud perbezaan signifikan (Howell, 2013).

b) ANOVA Sehala (One-way ANOVA)

• Digunakan apabila terdapat satu variabel bebas dengan tiga atau lebih kumpulan.

• Contoh: Membandingkan min pencapaian akademik berdasarkan tiga gaya pembelajaran (visual, auditori, kinestetik).

c) Syarat-syarat Ujian ANOVA

1. Data berdistribusi normal.

2. Varians kumpulan adalah homogen.

3. Data berskala interval/rasio.

d) Ujian ANOVA Sehala

• Jika dapatan signifikan, analisis pasca-hoc (contohnya Tukey test) dijalankan untuk mengenal pasti kumpulan mana yang berbeza.

e) Ujian ANOVA Dua Hala (Two-way ANOVA)

• Digunakan apabila terdapat dua variabel bebas.

• Contoh: Mengkaji kesan gaya pembelajaran (visual, auditori, kinestetik) dan jantina (lelaki, perempuan) terhadap pencapaian pelajar.

---

3. Ujian Kolerasi

Kolerasi digunakan untuk menilai kekuatan dan arah hubungan antara dua variabel.

a) Pekali Kolerasi

• Nilai kolerasi (r) berada antara -1 hingga +1.

  • r = +1: hubungan positif sempurna.

  • r = -1: hubungan negatif sempurna.

  • r = 0: tiada hubungan.

b) Pengiraan Pekali Kolerasi

• Pearson correlation: digunakan untuk data berskala interval/rasio yang normal.

• Spearman correlation: digunakan untuk data ordinal atau tidak normal.

Contoh: Hubungan antara motivasi pelajar (skor soal selidik) dengan pencapaian akademik (markah peperiksaan).

---

4. Ujian Regresi

Regresi digunakan untuk meramal nilai variabel bersandar (dependent variable) berdasarkan variabel bebas (independent variable).

a) Syarat-syarat Regresi

1. Hubungan antara variabel adalah linear.

2. Data bebas daripada multicollinearity.

3. Data berdistribusi normal.

4. Homoskedastisitas – varians residu adalah sama merentasi nilai prediktor.

b) Analisis Data Regresi

• Regresi mudah: satu variabel bebas meramal variabel bersandar.

  • Contoh: Motivasi → pencapaian pelajar.

• Regresi berganda: lebih daripada satu variabel bebas digunakan untuk meramal.

  • Contoh: Motivasi + Gaya Pembelajaran → pencapaian pelajar.

---

Kesimpulan

Ujian statistik inferensi seperti ujian T, ANOVA, kolerasi, dan regresi merupakan asas penting dalam penyelidikan kuantitatif. Pemilihan ujian bergantung pada jenis data, bilangan kumpulan, serta tujuan kajian. Dengan memahami prinsip dan syarat ujian ini, penyelidik dapat menghasilkan dapatan yang lebih sahih, tepat, dan boleh dipercayai.

---

Rujukan

• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). Sage.

• Gravetter, F. J., & Wallnau, L. B. (2017). Statistics for the behavioral sciences (10th ed.). Cengage Learning.

• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Cengage Learning.

• Pallant, J. (2020). SPSS survival manual: A step by step guide to data analysis using IBM SPSS (7th ed.). Routledge.