Cara Mengumpulkan Data ke dalam Selang Kelas
Mengelompokkan data ke dalam selang kelas merupakan langkah penting dalam statistik deskriptif. Matlamatnya adalah untuk memudahkan sejumlah besar data mentah bagi memudahkan pembacaan, analisis dan pembentangan dalam jadual taburan frekuensi atau histogram. Apabila data terlalu pelbagai dan berselerak, selalunya sukar untuk membezakan corak. Selang kelas menyusun data ke dalam kumpulan nilai tertentu, membolehkan kita memahami taburan data, nilai yang paling kerap berlaku dan juga kecenderungan pusat dengan lebih jelas.
Artikel ini membincangkan maksud selang kelas, bila ia diperlukan, serta langkah praktikal untuk mengumpulkan data ke dalam selang kelas lengkap dengan contoh aplikasi.
1. Memahami Selang Kelas
Selang kelas ialah julat nilai yang digunakan untuk mengumpulkan data dalam taburan frekuensi. Setiap selang biasanya mempunyai had bawah dan atas. Contohnya, selang 10–19 menunjukkan bahawa semua data dengan nilai antara 10 dan 19 termasuk dalam kelas tersebut.
Dalam jadual taburan frekuensi, selang kelas berfungsi sebagai "bekas" untuk nilai yang serupa. Ini menjadikan data lebih ringkas daripada menyenaraikan semua nilai secara individu. Selang kelas juga membentuk asas untuk mencipta graf seperti histogram dan poligon frekuensi.
2. Bilakah Data Perlu Dikumpulkan?
Tidak semua data perlu dibahagikan kepada selang kelas. Pengumpulan secara amnya perlu apabila:
1. Jumlah data yang besar, contohnya lebih daripada 30 atau 50 pemerhatian.
2. Julat data adalah luas, jadi nilainya tersebar dan sukar dibaca.
3. Kita ingin melihat corak taburan, contohnya untuk mengetahui sama ada data cenderung normal, condong atau mempunyai puncak berganda.
4. Data akan dibentangkan dalam histogram, kerana histogram memerlukan kelas selang.
Jika data kecil (cth. 10 nilai), selalunya satu jadual frekuensi sahaja sudah memadai tanpa selang masa.
3. Langkah-langkah untuk Mengelompokkan Data ke dalam Selang Kelas
Berikut adalah langkah-langkah yang paling biasa digunakan untuk membentuk selang kelas.
Langkah 1: Tentukan Data Minimum dan Maksimum
Pertama, kenal pasti nilai data terkecil (minimum) dan terbesar (maksimum).
– Nilai minimum = \( x_{\min} \)
– Nilai maksimum = \( x_{\max} \)
Nilai ini akan digunakan untuk mengira julat data.
Langkah 2: Kira Julat
Julat ialah perbezaan antara nilai maksimum dan minimum:
\[
R = x_{\maks} – x_{\min}
\]
Julat memberikan gambaran tentang lebar taburan data.
Langkah 3: Tentukan Bilangan Kelas (k)
Bilangan kelas boleh ditentukan dalam beberapa cara. Cara yang paling popular adalah dengan menggunakan Peraturan Sturges:
\[
k = 1 + 3{,}3 \log_{10}(n)
\]
di mana \(n \) ialah jumlah data.
Keputusan pengiraan biasanya dibundarkan kepada nombor bulat terdekat (atau ke atas) supaya bilangan kelas tidak terlalu kecil.
Selain Sturges, terdapat amalan biasa: pilih saiz kelas antara 5 dan 12, bergantung pada keperluan paparan dan saiz sampel anda. Walau bagaimanapun, Sturges agak bagus untuk set data yang lebih kecil.
Langkah 4: Kira Lebar Kelas (i)
Lebar kelas ialah panjang setiap selang kelas. Formulanya ialah:
\[
i = \frac{R}{k}
\]
Oleh kerana lebar kelas perlu mudah digunakan, ia biasanya dibundarkan kepada nombor yang "kemas" (cth., 5, 10, 2 atau 0,5, bergantung pada konteks data). Pembundaran ini penting untuk memastikan selang mudah dibaca dan mengelakkan kekeliruan.
Jika keputusan pembundaran menghalang semua data daripada dimuatkan, lebar kelas boleh ditingkatkan sedikit.
Langkah 5: Tentukan Had Kelas
Mulakan dengan nilai minimum sebagai had bawah kelas pertama. Kemudian cipta selang berturut-turut sehingga ia merangkumi nilai maksimum.
Contohnya, jika nilai minimum ialah 32 dan lebar kelas ialah 5, maka kelas tersebut boleh dicipta:
– 32–36
– 37–41
– 42–46
- dsb.
Penting: Pastikan tiada jurang atau pertindihan antara kelas. Semua nilai data mesti jatuh ke dalam tepat satu kelas.
Langkah 6: (Pilihan) Cipta Sempadan Kelas
Jika data adalah integer (contohnya, skor ujian), sempadan kelas sering dicipta untuk menjadikan kelas tersebut berterusan. Ini dilakukan dengan menambah 0,5 pada sempadan atas dan menolak 0,5 daripada sempadan bawah.
Contohnya, kelas 32–36, kelebihan kelas menjadi:
– 31,5–36,5
Ini berguna untuk histogram supaya bar bersambung tanpa jurang.
Langkah 7: Kira Kekerapan Setiap Kelas
Setelah selang kelas ditentukan, kira berapa banyak titik data yang termasuk dalam setiap selang. Keputusan ditulis dalam lajur frekuensi (f).
Untuk data yang besar, gunakan kaedah tally untuk lebih pantas dan mengurangkan ralat.
Langkah 8: Bina Jadual Taburan Frekuensi
Jadual taburan frekuensi minimum mengandungi:
– Selang kelas
– Frekuensi (f)
Anda boleh menambah lajur lain seperti:
– Titik tengah kelas (xi)
– Kekerapan kumulatif
– Kekerapan relatif (peratusan)
4. Contoh Pengumpulan Data
Contohnya, terdapat data skor ujian daripada 40 pelajar dengan skor minimum 42 dan maksimum 94.
1. Minimum = 42 , Maksimum = 94
2. Julat:
\[
R = 94 – 42 = 52
\]
3. Bilangan kelas (Sturges):
\[
k = 1 + 3{,}3 \log(40)
\lebih kurang 1 + 3{,}3(1{,}602)
\lebih kurang 6{,}29
\]
Dibundarkan kepada 6 atau 7 kelas. Kami memilih 7 kelas untuk maklumat lanjut.
4. Lebar kelas:
\[
i = \frac{52}{7} \approx 7{,}43
\]
Dibundarkan kepada 8.
5. Bentuk selang bermula dari 42 dengan lebar 8:
– 42–49
– 50–57
– 58–65
– 66–73
– 74–81
– 82–89
– 90–97
Selang terakhir mencapai 97, jadi nilai maksimum 94 masih dapat ditampung.
6. Seterusnya, kira kekerapan setiap selang masa berdasarkan data (contohnya, menggunakan garis). Jadual akhir akan menunjukkan bilangan pelajar yang berada dalam julat skor tertentu, yang membolehkan kita menilai prestasi dengan cepat.
5. Petua untuk Menjadikan Selang Kelas Lebih Berkesan
1. Gunakan lebar kelas yang konsisten untuk memudahkan perbandingan jadual.
2. Jangan ada terlalu banyak kelas, kerana jadual akan menjadi panjang dan sukar dibaca.
3. Jangan terlalu sedikit kelas, kerana maklumat penting boleh "hilang" dan taburannya boleh kelihatan terlalu kasar.
4. Laraskan pembundaran lebar kelas agar sesuai dengan konteks data. Untuk suhu, 1 atau 0,5 mungkin sesuai; untuk skor ujian, 5 atau 10 biasanya sesuai.
5. Semak semula sempadan kelas untuk memastikan semua data dimasukkan tanpa sebarang nilai yang hilang.
Kesimpulannya
Mengelompokkan data ke dalam selang kelas merupakan teknik penting untuk memudahkan data dan memaparkan taburan dengan jelas. Langkah-langkahnya termasuk menentukan nilai minimum dan maksimum, mengira julat, menentukan bilangan kelas (selalunya menggunakan Peraturan Sturges), mengira lebar kelas, membina selang, dan kemudian mengira kekerapan setiap kelas. Dengan selang kelas yang betul, data mentah yang kompleks boleh diubah menjadi maklumat yang mudah difahami, sama ada dalam jadual atau graf.
Jika anda mahu, saya juga boleh mencipta contoh lengkap dengan data mentah (senarai nilai) dan kemudian menyusun jadual taburan frekuensi dengan histogram.
