.

"ANTARA BLOG TERBAIK DI NATIONAL EDUCATIONAL BLOGGING SUMMIT 2011"


MORE THAN A MILLION HITS !

Statistik

SPSS - STATISTIK PENYELIDIKAN SECARA SANTAI

BENGKEL ANJURAN DR OT:

(1) TULIS TESIS CEPAT & PENGURUSAN ARTIKEL MENDELEY

(2) PENGENALAN ANALISIS DATA KUANTITATIF SPSS

(3) ANALISIS DATA KUALITATIF DGN ATLAS.ti

(4) BENGKEL BINA DAN ANALISIS SOAL SELIDIK

Ingin anjur bengkel ditempat anda? Email ke:

zahinothman@gmail.com



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

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

Saya klik Follow dan BANGGA menjadi follower drotspss...

Friday, April 1, 2011

TAJUK 115 – LIMA SEBAB MENGAPA KAJIAN KORELASI KURANG SESUAI DI PERINGKAT MASTER

Tajuk ini bukan satu provokasi, tapi satu tajuk untuk dikongsi dan difikirkan bersama. Katakan anda membuat kajian bagi mengetahui perkaitan antara EQ dengan tahap akademik pelajar dengan menguji hipotesis berikut:

Tidak terdapat perkaitan yang signifikan antara emosi dengan tahap akademik pelajar.

Anda membahagikan sampel anda, katakan n = 90 pelajar kepada 3 kategori mengikut julat peratus keseluruhan markah bagi semua mata pelajaran iaitu pelajar cemerlang Kumpulan A: (80 – 100%), Kumpulan B (60 – 79%) dan Kumpulan C (59 – 40%) yang terpaksa anda kod kan sebagai 1, 2 dan 3.

Analisis ini menggunakan data skor EQ yang dikategorikan mengikut kumpulan 1, 2 dan 3 maka anda terpaksa menggunakan analisis korelasi Spearman bukan Pearson. Analisis non parametric Spearman akan menggunakan formula Pearson bagi menganalisis skor EQ yang telah di”ranking”kan mengikut skor terendah hingga skor EQ tertinggi dalam setiap kategori tahap pencapaian akademik. Sebab inilah korelasi non parametric Pearson lebih lemah kerana tidak menggunakan data asal.

Sayugia diingat, jumlah skor ranking sentiasa berkadar terus dengan jumlah skor sebenar. Jika jumlah skor EQ katakan kumpulan A = 110, B = 90 dan C = 75 maka jumlah skor ranking kumpulan A mengatasi B dan B mengatasi C.

Katakanlah selepas menjalankan prosidur korelasi Spearman, anda dapati ada hubungan positif  signifikan yang lemah pada r = 0.22.

Implikasi dapatan tersebut:
1. Anda menggunakan analisis non parametric, maka kuasa membuat inferens menjadi lemah

2.Anda tidak boleh menyatakan bahawa EQ mempengaruhi tahap akademik pelajar, kerana anda tidak mengukur kesan sebab-akibat dalam kajian korelasi.

3. Anda juga tidak boleh mengatakan sama ada EQ yang mempengaruhi tahap akademik atau tahap akademik mempengaruhi skor EQ. Sebab itulah anda tidak wajar menamakan mana2 variable dalam korelasi sebagai IV mahupun DV (wpun SV anda sendiri menggunakan IV dan DV utk korelasi)!

4. Nilai R squared yang ditunjukkan  dalam output SPSS katakan 0.200 pula mewakili berapa banyak variasi dalam skor EQ dapat dikira bagi variasi dalam skor ranking tahap akademik. Dalam peratus, kita akan katakan bahawa hanya 20.0 % variasi skor ranking tahap akademik dapat dikira dari variasi skor EQ. Ingat, perkataan yang digunakan  bukannya “dipengaruhi” tetapi “dapat dikira” . Ini menjadikan  selebihnya 80% boleh dikira dari varible2 yang lain yang tidak anda kaji.

5. Signifikan dalam kajian korelasi tiada kena mengena dengan perkaitan yang kuat atau lemah. Dalam kajian ini, signifikan mewakili wujudnya perkaitan yang wpun kecil tetapi dapat dikesan secara signifikan kerana bilangan sampel yang mencukupi. Sebab itulah dalam kajian korelasi, anda juga boleh mendapat nilai r yang lebih besar dari 0.2 tetapi tidak signifikan.

Emmmmmm…

Habis tu apa gunanya kajian korelasi? Kwang…kawang…kwang…  


Kajian korelasi adalah hanya kajian tinjauan awal sahaja sebelum analisis kajian yang lebih mendalam dilakukan. Jika anda dapati korelasi 2 variable yang menarik minat anda tidak mempunyai korelasi yang tinggi…atas alasan apa anda ingin meneruskan kajian anda? 


Jika ada korelasi yang tinggi, barulah anda jalankan analisis yang lebih mendalam, atau kemudiannya menguji kesan-akibat korelasi tersebut. Ini barulah kajian peringkat master !!


Korelasi digunakan juga bagi mengetahui variable yang mengganggu kajian anda untuk analisis ANCOVA. Setelah anda buat korelasi terhadap beberapa variable, anda akan tahu variable manakah yang "berkemungkinan" mempengaruhi  DV anda, untuk anda jadikan kovariate anda dalam analisis ANCOVA - bukan begitu?

Maka natijahnya:
1. Jgn hanya bergantung kepada analisis korelasi bagi seluruh kajian master anda....

2. Anda boleh buat kajian korelasi peringkat master, tetapi perlu ditambah dengan analisis yang lebih mendalam dan komprehensif spt ANOVA, ANCOVA...

3. Kajian korelasi mungkin sesuai untuk projek pelajar tahun akhir yang baru nak belajar membuat kajian.

Saya hanya memberi  pendapat berdasarkan pemahaman saya….. tak tertakluk kepada apa2 syarat dan terma untuk anda terima ataupun tidak…. 

OT

1 comment:

  1. Dr kenape perlu guna non-para ? bukan ke sampel size tu more than 30..? we can use parametric test right

    ReplyDelete

Related Posts Plugin for WordPress, Blogger...