.

"ANTARA BLOG TERBAIK PENGAJIAN TINGGI DI NATIONAL EDUCATIONAL BLOGGING SUMMIT 2011"


MORE THAN A MILLION HITS !

Statistik

SPSS - STATISTIK PENYELIDIKAN SECARA SANTAI

ANTARA TAJUK-TAJUK POPULAR.

Link ke semua Tajuk Popular berikut terletak dibawah ShoutMix.

Tajuk 004 - Ada 11 perkara kajian anda SIGNIFICANCE

Tajuk 014 - Menulis LITERATURE REVIEW yang kritis...sempoiii..

Tajuk 020 - Sample: Purposive atau Convenience atau ?

Tajuk 032 - Kenapa data ordinal tidak normal?

Tajuk 035 - Interpretasi SIGNIFICANT bagi correlation

Tajuk 083 - Sempoinya menulis LITERATURE REVIEW secara kritis !

Tajuk 094 - Tulis PROBLEM STATEMENT tapi TIDAK ADA problem?

Tajuk 100 - Menulis thesis dgn PANTAS "Jika saya menjadi anda"

LINK KE SEMUA TAJUK POPULAR BERIKUT TERLETAK DIBAWAH SHOUTMIX.

Tajuk 119 - Jgn perasan kajian anda boleh ubah policy!

Tajuk 122 - Jgn nak lebeh2 jika guna CORRELATION !

Tajuk 132 - Anda patut lebih TERROR dari supervisor anda !

Tajuk 141 - Tak logic minat RASCH MODEL tapi tak tahu LOGIT?

Tajuk 156 - DROPBOX - File tesis anda dalam bahaya!

Tajuk 184 - Semak Literature Review dgn SIMEC !

Tajuk 185 - Senangnya bina OUTLINE LR !

Tajuk 187 - Tiga rahsia penulisan LR terbongkar... Yezza!

Tajuk 212 - Cari RESEARCH GAP? Gunalah SYNTHESIS MATRIX !!

Tajuk 215 - Kalaulah saya jadi SV.. emmm

Tajuk 233 - CITATION dlm LR – Giler kalau macam ini...!!

Tajuk 238 - Lambat siap tesis – Anda berpenyakit procrastination !

Tajuk 234 - Anda pasti KALUT tanpa PILOT Article

LINK KE SEMUA TAJUK POPULAR BERIKUT TERLETAK DIBAWAH SHOUTMIX.

Tajuk 339 - Thesis: Dont Make It Write, Make It Written !!

Tajuk 240 - "DISCUSSION OF FINDINGS" Jangan pulak anda jadi Pak Pandir.

Tajuk 242 - RESEARCH GAP? - Gunalah HYBRIDIZATION TECHNIQUE

Tajuk 245 - Baca ini anda confirmed kamcing dgn SV

Tajuk 261 - RESEARCH GAP dan Teori Persenyawaan

Tajuk 267 - RESEARCH FRAMEWORK: Kenapa proposal mesti tebal-tebal?

Tajuk 277 - 278: RFOT - Wow !! RESEARCH FRAMEWORK dlm satu mukasurat jer!

Tajuk 279 - Nilai sebuah PROPOSAL..

Tajuk 285 - Thesis dan Awet Muda - Tips untuk suami isteri

LINK KE SEMUA TAJUK POPULAR BERIKUT TERLETAK DIBAWAH SHOUTMIX.

Tajuk 291 - 4 langkah validate + reliability questionnaire

Tajuk 311 - 6 kisah seram calon PhD !!

Tajuk 312 - Anda tak boleh ubah SV, andalah yang perlu berubah !

Tajuk 326 - MENDELEY: Citation + bibliography secara automatik....!

Tajuk 363 - Download template RFOT versi baru dlm MS Word disini !

Tajuk 366 - Empat langkah sempoi tulis paragraph yg KRITIS !!

Tajuk 367 - Bila supervisee jadi BEBAN SV !!

Tajuk 370 – Menulis significance dan Implication of study…

Tajuk 373 - Download desktop calender free here

Tajuk 379 - Download template for writing article AROT

Tajuk 395 - Novelty / Originality kajian anda dipersoalkan?

Tajuk 401 - Download RFOT latest (v4)

Tajuk 405 - Fulamak...Speed Reading (SROT)

Tajuk 417 - 432: Wooow.... ATLAS.TI - 12 Siri Langkah demi langkah

Tajuk 458 - Fulamak...3 Langkah Mudah Gaya UKM Dlm MENDELEY

Tajuk 468 - What is "THE BEST" Thesis?

Tajuk 473 - Sebab supervisee slow sokmo !!

Tajuk 477 - Template RFOT utk download (pdf)

Tajuk 486 - SV timun laut buat kajian singa laut?

Tajuk 487 - Bila Prof nak jadi MARADONA

Tajuk 529 - Calon PhD: Tipah Jgn Tertipu dgn SV !

----------------------------------------

Sila klik link Brochure, Sijil Penyertaan dan Resit yg disediakan di bawah shoutmix.

------------------------------------------------

SENARAI TENTATIF BENGKEL


RINGKASAN BENGKEL:

(1) TULIS TESIS CEPAT = TULIS TESIS CEPAT, LIT. REV. & PENGURUSAN ARTIKEL MENDELEY

(2) SPSS =PENGENALAN ANALISIS DATA KUANTITATIF SPSS

(3) ATLAS.ti = ANALISIS DATA KUALITATIF DGN ATLAS.ti

(4) QNAIRE = BENGKEL BINA DAN ANALISIS SOAL SELIDIK



Daftar dan info : http://www.postgraduateworkshop.com/

Ingin anjur bengkel ditempat anda? Email ke: zahinothman@gmail.com


Sila klik link Brochure, Sijil Penyertaan dan Resit yg disediakan di bawah shoutmix.

-------------------------------------------------------------------------------------------------------------------------------------------------------

Sila joint dan sign-in. Anda FOLLOWER kehormat drotspss...

Saya klik Follow dan BANGGA menjadi follower drotspss...

Saturday, March 14, 2015

Thursday, February 26, 2015

Tajuk 714: Kat mana nak tunjukkan contribution to knowledge?

Knowledge berkembang secara incremental. Perkembangan ini wujud merata2 dalam pelbagai penulisan akademik, tetap mempunyai perkaitan direct atau indirect antara satu sama lain. Dalam kajian, PhD atau master, incremenal inilah yang memberi kan contribution to knowledge.

Ramai yang menganggap PhD mestilah sepenuhnya original, tiada repetition atau duplication. Apa yang pasti, setiap apa yang dilakukan mestilah berkaitan dgn increment of knowledge. Sebab itu kajian PhD direkabentuk untuk establish sambil mengembangkan knowledge yang ada, orng putih kata, expand the current body of knowledge incrementally. Jgn bimbang, sedikit bertambah pun boleh memberi kesan yang besar kepada establishment knowledge yang ada.

Kata2 seorang Prof “The most important thing to realise regarding your ‘contribution to knowledge’ is that knowledge moves incrementally… most PhDs are not original in absolute terms… what I always advise students to think about is framing their research within the existing literature, so your examiners can clearly establish (1) what is known, (2) what your research adds to the existing knowledge base”.

Aku menyebut statement ini sebagai “What else need to be done”.

Kat mana nk tunjuk increment of knowledge?

Salah satu “tempat” utk tunjukkan adalah pada conceptual framework spt pic berikut.

PIC 1 = theoretical framework menunjukkan teori consructivist yang menghubungkan element new knowledge, equilibrium, cognitive conflict sehinggalah berlakunya learning.


Pic 2 = researcher dari reviewnya mendapati strategi conceptual change (berdasarkan teori Posner) boleh diaplikasikan dan menambah lagi establishment teori yang ada. 




Jadi resesrcher designed kajian bagi mengkaji kesan strategi conceptual change ini dan kesannya kepada learning sambil mengambilkira kewujudan misconception.

So... mana incremental of knowledge tu?

Theory lepas hanya menekankan “learning” tetapi kajian ini (lihat warna purple) mengkaji “learning without misconception” menggunakan strategi conceptual change (Posner) dan inilah incremental atau added value yang dimaksudkan, iaitu menambah pemahaman dan extension kepada theoretical framework sedia ada.

OT - Seoul, Korea

Tajuk 713: Thesis vs Dissertation - Spiderman VS Batman !

Dulu ada DBA holder merajuk bila dikatakan PhD lebih tinggi makamnya dari DBA. Bila aku tanya soalan "bodoh", mana lebih tinggi makam PhD dalam bidang bisness dari universiti ranking 500 atau DBA dalam bisness dari Princeton, universiti ranking 3.... tak ada jawapan....

Kini ada yang tanya adakah makam thesis lebih tinggi dari dissertation, sebab uni tempat dia belajar guna perkataan "dissertation" bukan "thesis". Ini macam budak2 kata.... "spiderman lebih hebat dari batman....." then berbalah sampai menangis !

Izinkan aku kupas sikit pemahaman aku akan dua benda ini.

1. Kajian perlukan argument, dalam bahasa akademiknya “thesis statement”

2. Kajian perlu dijalankan bagi menguji thesis tersebut.

3. Kerja2 penulisan atau mendokumenkan hasil kajian terhadap thesis tersebut dalam bentuk manuskrip dinamakan dissertation.

4. Dissertation adalah proses menyiapkan manuskrip yang memerlukan format yang tersendiri (sehingga ada gaya itu dan ini...), sebagai naskah akademik sebelum diterima sebagai pra-syarat mendapatkan master / PhD.



5. Jadi yang anda hantar adalah dissertation bagi membuktikan kajian anda dalam menguji thesis statement kajian anda.

6. Oleh kerana dissertation itu pembuktian bertulis untuk satu thesis, walaupun yang dihantar itu adalah dissertation.... tapi lebih "canggih" disebut “Thesis Submission”.. lalu di kebanyakkan uni.... naskah tersebut pun disebut "thesis", dan sebahagian uni memanggilnya dissertation.

7. Jadi jgn bergaduhlah pulak thesis tu lebih tinggi makamnya dari dissertation....atau sebaliknya... sebelum mengetahui context penggunaannya...

OT - Seoul, South Korea

Tajuk 712: 10 - Pesanan semula pencarian tajuk kajian.

Satu skrip klise calon PhD:

"Boleh tidak saya buat PhD berkaitan Sistem Pengurusan PBS (Penilaian Berasaskan Sekolah - sistem membantu guru merekod pencapaian murid secara berterusan)"




Aku tanya kenapa?

Jawabnya dengan mata bersinar2 spt mata Neelofa selepas mengenakan hijap... "Sistem tersebut banyak kelemahan..... dan tidak berasaskan cloud computing.... saya dah ada pengalaman ribu2 data hilang.......”

Aku tanya lagi "Itu jer alasannyer"

Dia jawab penuh semangat persis Felixia Yap ditanya penghijrahannya...

"Paling best masalah ni masih belum dikaji lagi...dan ada impak kepada KPM."

Aku tanya "Apa teori yang U nak guna?"

Dia jawab dengan tenang, setenang Mizz Nina "Kenalah carilah dalam journal..... "
Aku sambung lagi "Katalah U sedang jalankan kajian .... dah abis 6 semester....tiba2 KPM mansuhkan PBS, lantik panel untuk ganti dengan sistem baru atau upgrade sistem tersebut menggunakan platform cloud.... apa jadi dengan kajian u?"

Emmmmm.... kena PBS lah.....Pi Buat Semula !!

Pandangan sempena Kong Xi Fa Cai...esp kepada pelajar sains sosial.... carilah topik dan kemudian tajuk kajian yang:

1. tajuk yang mendalami kajian dalam bidang anda mengatasi kajian bidang baru bagi anda
2. tajuk yang mengutamakan motif akademik mengatasi motif peribadi anda (atau motif mendapatkan grant atau pihak lain)
3. boleh sumbang "some new understanding" mengatasi "fix somebody else or even government's / sponsor's problem"
4. telah ada beberapa teori yang jelas mengatasi pencarian yang belum pasti
5. isu dalam "main stream" mengatasi isu pinggiran wpun tgh hot !
6. mempunyai specific sampling frame
7. tajuk yang catchy jika diterjemah utk pembentangan dalam conference atau publication bagi bacaan international readers
8. mempunyai isu bersifat international mengatasi isu local...
9. diperolehi dari bacaan intensif dan extensive dari pelbagai sumber mengatasi pujukan intensif dari mana2 pihak lain
10. jika boleh dan sesuai..... ambil peluang buat mixed method mengatasi single method !!

OT

Tajuk 711: 10 info santai supaya title "Dr" selepas bergraduate terus bersinar….

Jika anda baru untuk memulakan kajian...

1. Dapatkan topic (bukan tajuk) kajian yang berada dalam "mainstream" dan menjadi perbualan, discussion dan juga akan stimulate anda … melalui INTENSIVE preliminary literature search

2. Dapatkan isu yang mempunyai well-grounded theoretical basis utk bertahan lama…. dan memudahkan penulisan dan asas membuat discussion



3. Pastikan anda ada knowledge berkaitan literature yang bakal anda baca dan review

4. Isu yang ada ruang utk extention dan advancement to the body of knowledge dalam bidang kajian anda

5. Anda perlu menjangkakan bahawa kajian anda nanti akan membawa kepada pemahaman yang lebih mendalam dalam topic tersebut… clear room for exploration....

6. Adakah pengetahuan dari kajian akan menjadikan anda seseorang yang “bakal” menjadi rujukan organisasi atau mana2 badan SELEPAS anda bergraduate…. malah menjadikan anda secara direct / indirect terlibat dgn apa sahaja policy dll....

7. Menjadikan title “Dr” didepan nama anda ada signifikan dan impak dgn membuat kajian2 lanjut dari asas yang ada perolehi semasa membuat Msc / PhD, kerana bukan sahaja thesis anda akan menjadi obsolete tersimpan dilibrary…. title “Dr” anda juga akan “berkarat” jika anda tidak lalukan apa2 kajian selepas itu...

8. Cuba dapatkan kajian yang mempunyai sifu-sifu yang “masih aktif” supaya boleh anda terus belajar dari mereka malah boleh buat post doc atau sabbatical dengan mereka selepas bergraduate !
9. Kajian yang flexible, boleh merentasi disiplin, lebih memberi peluang utk anda membuat kolaborasi selepas bergraduate, sebagai principal investigator malah boleh menulis artikel merentasi disiplin, bukan sahaja dgn individu tetapi dgn organisasi malah kementerian
10. Kajian yang dapat anda membina “kemahiran” tambahan kepada anda spt analysis data quanti dan quali supaya anda terus menjadi mentor / SV yang baik utk calon2 baru…

OT

Tajuk 710: 20 pantang larang item dalam qnaire - jgn buat selamba !

Tujuan qnaire utk dapat informasi tentang pendapat dan nilai yang responden sendiri tidak pernah defined secara explicit utk diri sendiri. Oleh itu, item mestilah tepat, jelas dan seringkas mungkin supaya mudah responden memberikan respon.

Banyak qnaire singgah dimeja aku. Pergghh... byk sungguh yang langgar pantang larang membina item... ada yang hampir semuanya melanggar pantang larang berikut, tapi buat selamber jer...

Paling best...siap tunjuk bukti item yang diambil dari tesis lepas... tetapi ini tak bermakna item terlepas terlepas dari komentar aku...




Baca 20 perkara berikut.... dan semak semula item anda....11- 15 perlu dielakkan ... 16- 20 tu pesanan

1. Leading: Sebagai seorang Islam, saya ….. 
2. Direct : Pendidik mestilah peka kepada perkembangan….
3. Double barrelled: Saya menjadi pendidik kerana minat dan pengaruh kawan…
4. Double negative: Organisasi tidak memberi keutamaan kepada kakitangan yang tidak mencapai KPI
5. Andaian: Saya akan ..... sekiranya dilantik sebagai…
6. Future intention: Dalam tempoh 5 tahun lagi, saya akan…
7. Jargon: Pelajar perlu didedahkan kepada ubiquitous learning 
8. Kabur: Pendekatan e-learning memerlukan penguasaan terhadap m-learning.
9. Exclusive (jgn sampai bertindih): Sebagai bapa dan guru, saya…. 
10. Sensitif: Merokok adalah penyumbang kepada pencemaran udara
11. Emosi: Plan strategik pasca banjir….. mangsa yang tidak berdosa sama sekali.
12. Responden bukan penilai: Cara pengajaran guru saya berkesan kerana …
13. Menyusahkan responden: Perbelanjaan sehari untuk elektrik pada tahun lepas….(akhirnya responden main taram jer...) 
14. Diluar pengetahuan responden: Penurunan harga minyak global memberi kesan kepada kenaikan kadar inflasi Malaysia (akupun tak leh jawab....). 
15. Dah tahu tanya pula: Penguasaan Bahasa Inggeris penting dalam kerjaya...
16. Semua item mestilah mempunyai dimensi positif, kalau ada item negatif perlu di kod semula (recode)
17. Item yang tidak menepati objektif kajian
18. Menyediakan item yang terlalu banyak kepada responden yang anda tidak boleh kawal (spt orang awam)
19. Gunalah bahasa biasa-biasa bukan bahasa terlalu “akademik”
20. Menyediakan item yang hampir sama berulang-ulang sampai boleh muntah responden menjawab...

Jawap 10 item berikut tentang ciri-ciri persembahan A.
Jawap 10 item berikut tentang ciri-ciri persembahan B.
Jawap 10 item berikut tentang ciri-ciri persembahan C.
Jawap 10 item berikut tentang ciri-ciri persembahan D.

Kalau sendiripun naik muak tengok item yang banyak... tentu responden lebih lagi...

Jika tanya aku..... approx 30 item memadai utk satu qnaire.... Jika ada 5 konstruk, 10 item setiap konstruk .. 50 item utk pilot... then kurangkan jadi 30 item terbaik (plus 5 - 10 demografi) !

OT

Tajuk 709: Kenapa perlu ada hipotesis?

Aku menulis post ini dgn bercakap kepada diri sendiri… dalam bahasa yang aku sendiri faham… bagi membantu menjawab pertanyaan di atas... berkaitan kajian experimental.

Katakan aku bcadang utk membuat kajian experimental dgn membandingkan min skor kumpulan treatmen (E) dan min skor kumpulan kawalan (C).

Bersama Dr Ardess Karlsson, Vice Presiden Mendeley

Pertama:
Aku menukar problem statement dalam bentuk null hipotesis. Null hipotesis adalah untuk populasi dari mana subjek kump E dan C diperolehi, maka sepatutnya tiada perbezaan min skor A dan min skor B kerana berasal dari POPULASI yang sama. Ingat… null hipotesis adalah utk POPULASI.

Kedua:
Oleh kerana aku nak buat research, aku kenalah ambil sample E (n=28) dan C (N=29) , lalu aku menulis pula research hipotesis iaitu hipotesis bagi SAMPEL bagi menguji adakah min skor E > min skor C selepas dikenakan treatment.

Ketiga:
Aku pun menetapkan degree of confidence pada 95% iaitu nisbah perbezaan skor min E dan C akan berada dlm kawasan terima null hipotesis (perbezaan tidak signifikan)

Keempat:
Terdapat lagi 5 % lagi (p=0.05) kawasan kebarangkalian pada hujung taburan kebarangkalian dgn nilai extreme (kawasan kritikal)

Kelima:
Oleh kerana aku guna sample maka akupun menggunakan formula t bagi mengira perbezaan min skor E vs min skor C. lalu mendapat nilai t-obtained atau t-calculated, iaitu nilai nisbah perbezaan min / variance dari kajian.

Jika perbezaan min skor E dan C ini cukup besar, maka nilai t yang dikira juga akan besar dan jika nilainya melampau nilai 95% menerima null hipotesis sehingga memasuki kawasan 5% nilai extreme (memasuki kawasan kritikal), maka aku yakin bahawa perbezaan ini berlaku kerana treatment (perbezaan yang signifikan), iaitu aku menolak null hipotesis, lalu menerima research hipotesis, iaitu wujud perbezaan yang signifikan.

Keenam:
Oleh kerana sampel E dan C diambil secara rawak (seboleh2nya) dari populasi yang sama, maka dgn ini, bolehlah dibuat inferens kepada populasi yang mempunyai criteria yang sama.

OT

Friday, February 13, 2015

Tajuk 708 - Kajian QUALITATIVE Panic Button

Aku nak lengkapkan siri Panic Button… sekadar berkongsi perkara 7 utama yang perlu dijalankan dalam quali research. Ini bukan step-by step procedures… sekadar sepintas lalu…

Intro:
Qualitative research – discover and understand “the meaning” of a fenomena from the participant’s persepctive / experience / confession.

Quanti: Is there any relationship bet types of learning styles and science scores?
Quali: How students’ learning styles influence their science score?

Jadi utk dapatkan “meaning” kepada RQ di atas, kepada sample yang dipilih secara purposive mulakan dengan mendalami lagi literature bagi menyediakan asas pengetahuan kepada learning styles utk anda conceptualize kajian anda secara specific – what is currently being conducted and what still needs to be understood? Ini bagi memastikan kajian anda novel dan significance !

1. Effective interviews
- finding indirect / unobservable feeling / opinion/ intention / thought / past behaviour 
- hypothetical questions – “What if….” 
- probes / follow up questions “what makes you say that..”

2. Careful observer
- need to be planned systematically, as informal as possible, focused on what to achieve – record, video, fill the form

3. Indepth document analysis
- personal / public / organisational / artifact / personnel belonging
- find relevant data / material / clues 
- manifest (visible & surface content) or latent (underlying meaning)

4. Triangulation (bagi dptkan pemahaman lebih mendalam fenomena dikaji)
- Methods – to increase the consistency of findings 
- Criteria – to check data form diff sources – men vs women ; kg vs bandar; employer vs employee
- Theory – use >1 theoretical perspectives to strengthen the interpretion of data

5. Validity and realibility
- validity (what it is supposed to measure) – looking at the phenomena from local perspective (emic) or from outside perspective (etic) using generic concepts…. Sebab itulah salah satu criteria kajian quali adalah thick description. Kalau nipis jer… siaplah !!
- reliability – double-coding or intra coding (others’ coding in the same field data) and inter coder reliability (others’ coding for the same data)

6. Analyse data / presentation
- code – process code, activity code, event code
- coding - open, axial and selective coding – to form themes / categories / principles 
- Integrate MS Word (Navigation Pane) + Atlas.ti or Nvivo coz manage codings is time consuming / tedious

Jika anda tak berapa sure atau tak tahu mana-mana aspek di atas – time to press the panic button !

Thursday, February 5, 2015

Bahan JOM HEBAT 7.0 USIM

Spt dijanjikan... ini bahan yang saya paparkan semasa JOM HEBAT 7.0, hanya sedikit sahaja sebab saya banyak demo dengan MENDELEY.

Yang bakal mengikuti hadir bengkel saya tak perlulah download.

SILA KLIK INI



Tuesday, January 27, 2015

SIJIL ONE BORNEO K KINABALU

SIJIL UTK PESERTA DI ONE BORNEO Kota Kinabalu:

Sila klik dan download sijil dilink berikut:

Klik Link Ini !!

Terima kasih

Thursday, January 8, 2015

Tajuk 707: Apakah dosa analisis non-parametric sehingga......?

Data yang dipungut sebagai DV dalam reality berkemungkinan tidak normal. Ini adalah sesuatu yang normal. Namun aku hampir tidak mendengar presentation atau membaca kerja pelajar yang guna analisis non-parametrik spt Wilcoxon signed rank test, Whitney-Mann-Wilcoxon, Kruskal-Wallis test, Friedman's test dll yang juga terdapat dalam SPSS. Ini macam tak normal pulak.

Bagi aku, jika data INTERVAL sekalipun yang tak normal selepas dijalankan beberapa langkah EDA spt eliminate extreme data / outliers, maka analisis non-parametrik adalah selayaknya. Apatah lagilah jika guna ordinal data.

Ramai pelajar termasuk PG yang takut dgn analisis non-parametrik, sebab dilihat “less power” kerana ranked order based dan kununnya akan menjejaskan quality kajian yang dijalankan – betulkah begitu ?



Abis…. dah sendiri awal2 guna less power scale utk DV spt ordinal scale….atau nominal atau ambil sample relatively kecil…. maka data tidak akan normal….. then tak nak pulak guna less power non-parametrik yang lebih appropriate dan robust ! Ini namanya “sendiri lupa diri”…

Bukanlah satu “kekurangan” guna non-parametrik jika memang itulah selayaknya utk menganalisis data anda yang tak normal …. selepas anda menjalankan data collection dgn langkah2 sewajarnya…. termasuklah ada kemungkinan DV yang dianalisis secara parametrik (tertabur normal) dan ada DV yang dianalisis secara nonpara (didapati terlalu skewed)…. wpun dalam satu research yang sama….

Jadi lebih besar bahayanya guna parametric analysis kepada data tidak normal yang boleh membawa kepada incorrect conclusion !

Jgnlah sampai …. dalam bahasa marhein, “aku nak tunjuk power jugak tak kisahlah wpun buat keputusan yang silap “ !!

OT

Tajuk 706 : SPSS dan Normality…. SV pun jadi tak normal !!

Aku bukan statistician… ini pengakuan sebelum ada yang nak saman aku. Aku insan marhein yang sentiasa dalam pencarian !

Aku memiliki sejumlah buku statistic…. tapi bila sampai bab normality dan ordinal data (Likert scale) semuanya tidak memberi penjelasan kepada beberapa isu asas kepada marhein spt aku.
Bila ada argument…. masing2 mula berhujah dgn formula alien yang “ntah apa-apa”. Makin kompleks argument, makin komplekslah formula yang ditunjukkan. yang berhujah tu bukan orang lain…. sesama statistician jugak… manalah aku faham !!

Aku cuma berminat dgn data ordinal spt questionnaire (likert scale) dan beberapa istilah asas spt normality yang kerap digunakan oleh PG social sciences dan sebahagian PG dari hard sciences. Isu ini telah dibahaskan oleh ramai SV dalam social sciences …. A kata "para", B kata "non para…" C kata "U baca lagi".... D kata "saya geng quali" , E kata "This is your research not mine"... dan F kata "saya SV baru...." lebih kuranglah....jadi apa pilihan anda ?

Skang aku nak bagi pendapat… nak ikut silakan, tak ikut pun tak ada paksaan. Aku nak permudahkan beberapa istilah dalam bahasa marhein:

Pertama: Normality
Kenapa sibuk2 pasal normality? Sebabnya… data populasi tertabur secara normal dgn majority data tertabur ditengah – paling perfect bila median = mean, terbentuklah bell shape !! Bila ambil sampel, maka data sampel mestilah represent taburan populasi. Kajian quantitative hanya bermakna jika melibatkan majoriti populasi yang mean apa sahaja variable berada ditengah-tengah... sebab kalau berminat dgn beberapa individu jer, buatlah kajian qualitative !!

Bila ambil sample, maka sample perlulah approximately normal – bukanlah perfectly normal - inilah yang normal. Data interval (spt skor IQ) atau data ratio (spt pendapatan) bukan sahaja ada order (dari tinggi ke rendah) tapi juga ada frekuensi yang perlu tertabur approximately normal (data byk tertabur ditengah, sekitar mean).

Pengiraan statistic hanya bermakna jika sebahagian data tertabur menghampiri mean, sebab inilah reality dalam populasi, maka data yang kelihatan spt normal (bell shape) tapi skewed kekiri atau kanan perlu diteliti julat skewnessnya .

Semua data yang approximately normal perlu tandakan sbg SCALE dalam SPSS (gambar pembaris) sebab SPSS tak ada INTERVAL atau RATIO dan layak utk analisis parametrik.

Kedua : Likert scale dan normality.
Data yang diperolehi dari questionnaire (katakan Likert 5-point) tidak akan normal jika diambilkira individu item. Dalam kes ini, saya setuju Likert scale pada dasarnya adalah ordinal dan hanya layak dianalisis dgn non para. Walau bagaimanapun, dgn sample size yang besar (sekurang2 minimum ke atas mengikut perkiraan) maka analisis para boleh dijalankan – sila baca (Knap, 1990). 



Aku membaca Sakaran (2003) yang mencadangkan semua item ordinal (Likert scale) dijumlahkan bagi setiap responden utk menghasilkan summated variable. Jika summated variable ini normal, boleh dianalisis spt SCALE dalam SPSS utk analisis paramatrik.

Begitu juga data responden wpun interval atau ratio tetapi tidak normal, tidak boleh berada dalam SCALE SPSS maka layaknya adalah utk analisis non para.

Ketiga: Normality dan skewness
Jika normality test hasilkan p < 0.05, iaitu tidak normal, sila lihat pula pada skewness. Jika nilai skewness antara -1 dan +1, ciri data tersebut approximately normal dan boleh dikategorikan sebagai SCALE, termasuklah summated variable dari data Likert Scale.

Jadi jgn awal2 dah tandakan data dalam “Variable View” SPSS sebagai SCALE, selagi belum menguji kernormalan dan skewness. Malah jika nilai skewness keluar sedikit spt -1.001 atau +1.002, bolehlah dilihat pada HISTOGRAM pula…. kalau dah kelihatan skewed skit jer dari mean tapi masih jelas bell shape – approximate normal lah tu !!

Yang penting HAPPY !!

OT

Tuesday, January 6, 2015

Tajuk 705: Betul kah PG sekarang amalkan budaya copy-paste ?

Terbaca akan aku satu komen seorang sarjana bahawa PG sekarang adalah generasi “copy-paste”…. Bukan saja di sini… di mana-manapun aku terbaca komen yang hampir sama.

Aku ingin memberi sedikit respon dgn komen simplistic tersebut:

Pertama:
Adakah generasi dahulu, tidak pernah melakukan “copy-paste”? Adakah budaya ini hanya muncul ketika ini – ketika mudahnya diperolehi bahan dari sumber digital?
Aku percaya, budaya copy-paste telah lama berlaku, turun temurun diamalkan bagi oleh "segelintir pelajar" di Timur mahupun di Barat…cuma caranya sahaja yang berbeza.



Aku juga percaya,….segelntir PG dahulupun pernah melakukannya apatah lagi bila terdapat ratusan artikel dalam senarai references yang aku percaya sebahagiannya tidak dimiliki oleh PG tersebut, sekadar membaca dari sumber lain diikuti dgn "copy-paste" cara manual menulisnya kembali seperti dia yang membaca dari sumber tersebut.

Bezanya, PG dahulu tidak boleh copy-paste direct daei sumbernya kerana type writer yg digunakan tiada fungsi tersebut….. ditambah tiada TURN-IT-IN utk mengesan amalan tersebut !

Kedua:
Tentulah tidak logic ada mana2 individu yang tidak pernah menggunakan fungsi copy-paste la ni. Jadi copy-paste memang satu budaya….tambahan copy-paste adalah fungsi WAJIB dan PENTING dalam mana2 perisian computer….

Ketiga:
Dalam dunia PG… budaya copy-paste memang sedia maklum…. bezanya copy-paste (termasuk PG yang buat jadual… rubric utk preparation LR) ini perlu diikuti dgn paraphrase dan sintesis idea dari perbagai sumber supaya difahami perkaitannya antara satu sama lain dan hubungannya dgn kajian yang dilakukan….serta membuat komentar dan extrapolation bagi menggambarkan pemahaman PG tersebut.

Keempat:
Adakah wujud kelas atau pengajaran peringkat PG yang mengajar bagaimana utk lakukan paraphrasing, rewording, summarizing, rephrasing dari pelbagai sumber... diikuti dgn synthesizing.... sedang hampir semua PG tak tahu amende semua ini dan bagaimana nak lakukan dgn betul.
Kenapa kemahiran ini tidak diajar? Adakah kemahiran ini sesuatu yang remeh atau kemahiran "pandai-pandailah sendiri" sedang jika tersilap langkah akan membawa padah !

Kelima:
Last sekali.... bukan sahaja copy-paste, apa sahaja budaya dalam research pun boleh menjadi satu kesalahan jika disalahgunakan - termasuk meminta meletakkan nama dalam senarai pengarang wpun tanpa sumbangan... malah budaya inilah "ibu" kpd segala copy-paste!

OT

Monday, January 5, 2015

Tajuk 704: PhD / Master – Think INSIDE the box pls !

Tag “Think Outside the box” membawa maksud spt “think creatively” or “think from a new perspective”.... maka berlumba2lah nasihat diberi supaya PG "think outside the box" lebih2 lagi bila dikaitkan dgn originality, novelty dan "buat sesuatu yang xpernah orang lain buat". Aku tak nak kupas lagi, bacalah post aku yang lepas tentang 3 benda ni.

Sebagai PG yang masih asing dgn topic kajian, dgn pengetahuan yang masih dangkal, kemahiran membuat research yang masih “zero”, anda disarankan “think inside the box” kerana dunia scholar memerlukan anda menguasai apa sahaja “dalam kotak” topik kajian anda !



Jadi masuk ke dalam kotak bidang kajian anda…. belajar secara sistematik semua pengetahuan dan kemahiran membuat research. Selongkar apa sahaja yang ada dalam kotak tersebut….jgn sampai ada yang tertinggal atau terkurang..

Ini bukan bermakna jadi katak melalak dalam kotak…. Sebab anda masih boleh bina networking, discussion tetapi dgn kotak yang mpunyai paradigm yang sama…

Setelah memahami bidang kajian dan mendalaminya terlebih dahulu… barulah anda boleh berfikir sesuatu perkara tersebut dari perspective anda… dari dalam kotak.

Tak faham?

Anda berminat dalam bidang multimedia. Jadi anda kena masuk dalam kotak multimedia dan menyelongkar apa sahaja pengetahuan dalam kotak tersebut… membaca dan membina network dalam kotak tersebut. Selepas anda menguasainya, barulah anda boleh melihat apa sahaja dari perspektif multimedia…. bukan dari perspektif berbeza kerana yang berbeza tu apabila dilihat oleh orang lain…. BUKAN ANDA ! Anda masih ada dalam kotak. Semakin anda mendalami bidang multimedia, semakin luas pula kotak anda.

Contoh:
Adakah Steve Jobs berfikir luar kotak spt yang ditulis oleh hampir semua "best seller book" serata dunia?

Steve Jobs mengasaskan computer peribadi bersama APPLE kerana itu kotak dia….wpun dia bukan Professor…. dia berfikir dalam kotak… macamana computer peribadi boleh dipermudahkan sehingga keyboard akhirnya tinggal satu button sahaja ! Ini adalah kerja dan idea dalam kotak...

Anda mungkin berfikir setelah menguasai bidang multimedia…supaya anak down syndrome boleh di ajar dgn multimedia atau menjadikan mezium satu tempat yang interaktif utk anak2 zamam ICT dll. Jadi anda tetap berfikir dari “dalam kotak” anda utk memberikan sesuatu yang dilihat berbeza dari perspektif orang lain sedang anda masih berada dalam kotak anda... sambil mengembangkan lagi kepakaran anda dalam kotak tersebut.

Anda juga boleh menguasai beberapa bidang…. jadi anda mesti berada dalam beberapa kotak… dan ini lebih mmberikan kelebihan utk anda memberikan sesuatu yang berbeza dari perspektif orang lain…. bukan anda !!

OT - Yang ini kalau tak faham... tak apa, sebab anda berfikir secara "luar kotak" !

Tajuk 703: Correlation - RQ favorite social science !

Fakulti aku baru selesai seminar / presentation project..... fuhh.... RQ correlation spt satu yang wajib. Ini sedikit respon aku kepada semua yang guna correlation:

Pertama:
Secara umum, coefficient correlation adalah purata bagi hasil darab perbezaan antara individual skor X dan individual skor Y dgn min masing2 (variance) lalu memberikan satu nilai hubungan antara X dan Y (sila lihat sendiri persamaan tersebut dalam buku). Jika hasil darab variance X dan Y ini adalah positif, maka coefficient, r adalah positif dan seterusnya.

Kedua:
Jika coefficient correlation antara X dan Y adalah r = 0.5, maka X menjelaskan (explained) sebanyak r2 = 0.25 (atau 25%) dari variance pada Y. Elakkan mengguna perkataan X mempengaruhi Y atau X memberi kesan kepada Y. Guna perkataan X mempunyai hubungan atau perkaitan dengan Y.

Ketiga:
Wpun X dan Y mempunyai r yang tinggi, tidak bermakna X mempengaruhi / memberi kesan kepada Y. Ini hanya berlaku dalam experiment sains bila X di manipulasi sambil variable lain dikawal sehingga menyebabkan perubahan pada Y.

Keempat:
Hubungan antara X dan Y mestilah linear. Ini bermakna coefficient correlation tidak dapat menjelaskan jika X berkait secara positive dgn Y pada peringkat awal kemudian berkurang dan akhirnya berkait secara negative. Contohnya motivasi belajar guna ICT yang mulanya meningkat dan kemudian turun.



Kelima:
Correlation juga tidak sesuai jika julat skor X dan Y sangat kecil. Contohnya X = CGPA (1 – 4) dengan Y = Tahap kemahiran (1 – 5) kerana sudah pasti variance kedua2 X dan Y juga kecil lalu menghasilkan coefficient correlation yang kecil sedangkan kedua2 variable X dan Y pada prinsipnya mempunyai hubungan yang kuat.

OT

Tajuk 702: Bila PG buat kajian - mana dulu, ayam atau telor ?

Misteri telur dan ayam ini telah lama wujud dan mengundang pelbagai jawapan dari pelbagai dimensi – agama, falsafah, evolusi, logic dan metafizik… malah mjadi bahan lawak dan teka teki sepanjang zaman.

Mana dulu.... telor atau ayam?
Jawapnya - telor.

Mana dulu.... ayam atau telor?
Jawapnya - ayam !

Calon PhD bernasib baik kerana kajian yang dijalankan tidak melibatkan persoalan spt telur VS ayam. Kajian PhD adalah kajian yang focus dan khusus dgn keyword / term index / terminology / definition yang mempunyai huraian yang jelas.

Dalam social science, mungkin wujud sedikit debates terhadap sesuatu teori dgn maksud yang hampir2 sama, tetapi masih boleh difahami dgn mudah dari pelbagai sumber bacaan spt contoh berikut:

1. e-learning vs online learning 
2. web-based learning vs internet-based learning
3. cognitive vs mind vs thinking
4. self-efficacy vs self-esteem vs PBC

Post ini adalah respon kepada PG yang belum apa-apa lagi dah confused ! Belumpun buat pembacaan dah mengeluh… confused !

Di Malaysia HALL LONDON

Jika teori dgn terminology khusus dalam kajian sendiri pun awal2 lagi dah confused, maknanya satu sahaja – anda tidak membuat pembacaan secukupnya… sedang asas calon PhD / master adalah membaca dan menguasai terlebih dahulu bidang kajian masing-masing. Ini baru teori khusus dah confused memanjang, belum lagi statistical analysis !

Terlalu banyak bacaan dan sumber utk dibaca khususnya kepada teori dgn terminology yang dah sgt-sgt lazim dalam sesuatu bidang spt contoh di atas. Kalau ada calon PhD yang masih confused spt antara e-learning dan online learning misalnya, sampai tak tahu nak buat apa-apa….tak payahlah susahkan diri buat PhD, cukuplah dgn master !!

OT

Tajuk 701: Lagi asas pemahaman kenapa (n-1) ….

Kes 1:
Jika anda kira mean satu sample (n=10) sebagai estimation kepada population katakan 100/10 = 10, s.d 1.2. Nilai ini dikatakan sebagai “biased”

Jika anda kira mean sample tersebut (n=10) sebagai estimation kepada population, lalu mengira mean =100/10-1 = 11.1, s.d 1.7. Nilai terhasil selepas n-1 dikatakan sebagai “unbiased”.

Kes 2:
Jika sample bertambah (n=100) : mean = 1000/100 = 10, s.d 1.2 (biased)

Jika anda kira mean = 1000/100-1 = 10.1, s.d 1.4 (unbiased)

Perhatikan:
n = 10, mean = 10, s.d = 1.2 (biased)
n= 100, mean = 10, s.d = 1.2 (biased) ........ X

dan:

n =10, mean = 11.1, s.d = 1.7 (unbiased)
n = 1000, mean = 10.1. s.d = 1.4 (unbiased)
n= 10000, mean =10.01, s.d = 1.2 (unbiased) ...... Y

Tujuan n-1 dilakukan kerana statistician “sengaja” memberikan error (atau biased) yang besar kepada sample yang kecil.

Semakin besar nilai sample, semakin kecil perbezaan biased dgn unbiased. Jadi pada n=10000, nilai biased (mean =10.01, s.d 1.2) pada .... X dan unbiased (mean = 10.01, s.d 1.2) ... Y adalah sama !!

Khusyu , Jepan
Tulah pasal adanya n-1 sebagai asas kepada statistic inferential supaya anda ambil sample besar (atau secukupnya) utk mengurangkan error / biased sebelum membuat estimation kepada population !

OT

Monday, December 29, 2014

Tajuk 700: Lepas gian - Jgn bingung dgn asas terminologies statistics

Aku pernah dulu sekejap diminta ajar statistik... oleh kerana aku ajar stat cam santai jer.... terus direhatkan... jadi nak lepaskan gian.... ada 4 bahagian asas terminologies (capital letter) yang perlu difahami dan boleh disebut tanpa perlu membuka buku stat.... esp newbies. 

Jika ada yg masih bingung dgn terminologies berikut....tak tahu nak sebut dgn jelas maksudnya.... anda akan terus bingung.. sampai bila-bila !

Term 1:
Pengukuran ciri-ciri populasi seperti min berat rakyat Msia dinamakan PARAMETER.

Pengukuran ciri-ciri sampel spt min berat sampel yg mewakili satu populasi dinamakan STATISTIK.

Term 2:
Analisis data sample (statistik) yg tertabur secara normal utk digeneralisasi / infer kepada populasi (parameter) dinamakan ANALISIS STATISTIK PARAMETER (parametric statistics).

Analisis data sample (statistik) yang tidak tertabur secara normal utk digeneralisasi / infer kepada populasi dinamakan ANALISIS STATISTIK BUKAN PARAMETER (non parametric statistics).

Kedua2 ANALISIS STATISTIK PARAMETER dan ANALISIS STATISTIK BUKAN PARAMETER dinamakan juga STATISTIC INFERENS (inferential statistics) kerana infer data sample kepada populasi.


Term 3:
STATISTIK DESKRIPTIF hanya utk describe satu set data sample menggunakan analisis spt min, median frekuensi, peratus, mode... bukan utk infer ke populasi
Selain dari analisis statistik deskriptif tersebut, maka analisis statistik parameter (bila data sample normal) adalah spt analisis Pearson correlation, regression, t-test, anova, manova, ancova, mancova dll

Analisis statistik bukan parameter (bila data sample tak normal) adalah spt analisis Mann-Whitney, Kruskal Wallis, Chi-square, Spearman correlation.

Keempat:
Data dari pengukuran variable dilakukan secara observation / indirect (spt questionnaire) dan direct measurement (numerical data).

Data observation / indirect menggunakan SKALA NOMINAL (CATEGORY) dan SKALA ORDINAL (RANKED).

Data measurement (numerical) menggunakan SKALA INTERVAL (CONTINUOUS – measured characteristic) dan SKALA RATIO (DISCRETE – counted items)

Selamat hujung minggu.

OT

Tajuk 699 - Para VS Nonparametric - Bayangkan kalau Ust Don baca post ini !

Sebagai mantan guru kimia, aku anggap statistician manusa pelik… mereka buat formula pelik2 tapi mampu beri tafsiran yg masuk aqal... yang aku pasti Ust Don pun tak boleh buat tafsiran spt itu..

Dalam kelas statistic ketika master dulu, aku diajar bagaimana data (DV) mesti normal distribution baru boleh guna statistic parametric…. yang merujuk kepada sample diperolehi dari populasi.
Then aku jumpa byk lagi perkataan distribution… t-distribution, F-distribution, Chi-square distribution, binomial distribution… amende semua ni?



Aku cuba nak kaitkan semua jargon2 ni cara orang kampong….

Pertama:
t-test adalah statistic parametric, digunakan utk banding 2 sample …mgunakan t-distribution… khusus utk sample size kecil < 30 sebab jika sample besar, t distribution menghampiri normal distribution. Sebab itulah SPSS guna t-distribution sebab menepati keperluan sample kecil dan besar.
Jika data (DV) tak normally distributed, terpaksalah guna statistic nonparametric spt Mann-Witney test atau Wilcoxon.

Kedua:
F-distribution pula terhasil dari perbandingan nisbah (F-ratio) variance between dan within groups bagi >2 sample / set data. Maka F-distribution digunakan dalam ANOVA dan keluarganya.
Jika data (DV) tak normally distributed, terpaksalah guna statistic nonparametric spt Kruskal-Wallis.

Ketiga:
Bila DV adalah dichotomous atau 2 kategory (macam kepala atau bunga bila lambung syiling) .. maka kita boleh bina binomial distribution utk tahu FREQUANCY kepala atau bunga dari sejumlah lambung. Jika banyak category… jadilah pula multinomial distribution.
Oleh kerana multinomial distribution menghampiri chi-squared distribution (yg guna konsep discrepancies between actual obtained and expected frequency) … maka sebarang data kategori yang melibatkan frekuensi akan menggunakan chi-squared distribution utk jalankan chi square test. Chi-square adalah non paramatreic.

Keempat:
Kenapa pulak analisis spt Kruskal-Wallis dan Chi-square dinamakana statistik non parametric?
Ini kerana pengiraan / formula statistiknya tidak bergantung kepada “the estimation of parameters” iaitu tidak menggunakan mean atau s.d. / variance, sebagaimana statistic parametrik.
Pengiraan statistic non parametric menggunakan ranking sebagai asas pengiraan spt sum of ranks.
Sebab itu juga statistic non parametric dinamakan “distribution-free” tests.

Kelima:
Dapatan dari statistic non parametric masih boleh dibuat inferens kepada populasi tapi kurang POWER berbanding parametrik kerana non para menggunakan asas ranking bukan nilai data sebenar.

OT - Tahniah jika anda faham post ini.... !
Related Posts Plugin for WordPress, Blogger...