.

"ANTARA BLOG TERBAIK DI NATIONAL EDUCATIONAL BLOGGING SUMMIT 2011"


MORE THAN 3 MILLION HITS !

Statistik

SPSS - STATISTIK PENYELIDIKAN SECARA SANTAI

Pertanyaan: zahinothman@gmail.com



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

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

Saya klik Follow dan BANGGA menjadi follower drotspss...

Thursday, February 3, 2011

Tajuk 57 - Kajian keberkesanan sesuatu program - Model CIPP

Ramai pelajar berminat untuk mengkaji keberkesanan sesuatu program yang telah atau baru dilaksanakan dalam sistem pendidikan atau program2 latihan yang lain. Saya sendiri tidak mendalami apa yang berlaku dalam sistem pendidikan negara kerana berada di IPTA. Namun saya ingin memberikan sedikit sumbangan pandangan.


Keberkesanan sesuatu program boleh dikaji berdasarkan model2 penilaian. Saya ingin sentuh dulu satu model yang generic – Model CIPP (context, Input, Process, Product). Model ini dipelupori oleh Stufflebeam (peliknya nama).

Context – penilaian keperluan pengguna program dan rasional perlaksanaan program bagi mencapai objektif program tersebut. Perkara ini berkaitan dengan perancangan program.

Input – penilaian input berdasarkan maklumat tentang sumber manusia dan sumber fizikal bagi memastikan keberkesanan kos. Perkara ini berkaitan dengan perancangaan struktur program.

Process – penilaian terhadap perlaksanaan program bagi mengesan sebarang kecacatan perjalanan program. Perkara ini berkaitan dengan usaha mempertingkatkan keberkesanan program.

Product – penilaian bagi mengenal pasti hasil yang dijangka dan tidak dijangka dengan membandingkan hasil yang diperolehi dan diperlukan oleh pengguna program.

Salah satu cara penilaian dilakukan adalah dengan penyediaan jadual matriks. Bacalah journal2 bagi mengetahui cara-cara lain melaksanakan CIPP. Jika anda gunakan jadual matrik, anda perlukan pasukan penilai yang komprehensif (pegawai dalaman dan penilai luaran yang akan membekalkan data), pemeriksa ketepatan laporan, kesahan dan reliability. Jika anda seseorang yang memang pegawai dalam MOE dan terlibat dengan sesuatu program seperti PPSMI (dah mansuh) atau MBMMBI (ganti PPSMI) anda akan lebih mudah jalankan kajian penilaian ini kerana anda akses kepada staf dan data program tersebut. Jika anda "orang luar"...cucah ler cikit... banyak ler halangan dan prosidur yang anda kena tempuh....maklumlah..... tak semua suka programnya dinilai.

Berikut adalah contoh matrik bagi penilaian context. Anda boleh sediakan seberapa banyak soalan yang menjurus kepada konteks program. Anda kena sediakan jadual matrik bagi tiga penilaian yang lain.

                                                           A: Matrik Penilaian Konteks
Soalan

Petunjuk
Sumber data
Kaedah pengumpulan data

Soalan 1: Adakah maatlamat program tercapai?
Teliti misi dan visi program

Minit mesyuarat, notis, laporan dll

Analisis dokumen
Interview


Soalan 2: Sejauh mana matlamat program tercapai
Perbezaan antara yang disasar dengan yang tercapai
Minit mesyuarat, notis, laporan dll

Analisis dokumen
Interview


                                                               B: Matrik penilaian input
Soalan

Petunjuk
Sumber data
Kaedah pengumpulan data

Anda kenalah sediakan soalan sendiri tau!







                                                               C: Matrik penilaian proses
Soalan

Petunjuk
Sumber data
Kaedah pengumpulan data

 Anda kenalah sediakan soalan sendiri tau!








                                                              D:  Matrik penilaian produk
Soalan

Petunjuk
Sumber data
Kaedah pengumpulan data

 Anda kenalah sediakan soalan sendiri tau!








Setelah anda lengkapkan matrik di atas, anda akan analisis bagi menentukan keberkesanan program. Maklumat dari interview dan dokumen serta bukti foto boleh anda proses melalui perisian NViVo. Ia akan lebih memudahkan. Jika anda tak tahu NViVo terpaksalah lakukan secara manual. Ini adalah kajian kualitatif.  Ini sekadar konsep CIPP yang saya tulis. Anda kena explore dan dalami lagi. Jika anda faham bagaimana CIPP dilaksanakan..... itu satu permulaan yang baik... phew...Saya akan cuba menulis model2 lain pula....
Piramid Giza, Mesir Dec 2010 yang dingin dan tenang...


OT


Wednesday, February 2, 2011

Tajuk 56: Kisah SPSS dan kekasihnya NViVo.

Sekadar berkongsi sedikit maklumat:


Ada tiga school of thoughts dalam kajian sosial science. Ada yang hanya setuju dengan kajian kualitatif dan ada yang hanya setuju dengan kuantitatif. Antara sebabnya 'maybe' satu pihak hanya tahu dan ambil tahu satu bidang sahaja. 


Dari pemerhatian saya, bidang kuantitatif jauh berkembang dengan adanya bantuan perisian komputer sejak tahun 1960an yang berupaya menganalisis berbagai bentuk data secara objektif. Selain SPSS berikut adalah perisian yang hampir serupa dalam bidang applied statistics: SAS, Statistica, Minitab, WPS dan XLSTAT selain excel.


Bidang kualitatif slow sikit perkembangannya (khususnya di Malaysia) kerana sifat data yang tidak berstruktur dan pendekatan analisisnya yang bersifat subjektif. Dengan adanya perisian komputer seperti NVivo (dulu Nudist), bidang ini mula mendapat perhatian pelajar siswazah. Apa yang NVivo boleh lakukan? Perisian ini boleh mengurus data bagi discourse analysis, ethnografi, literature review, grounded theory, fenomenologi, mengorganisasi coding bagi data dalam berbagai bahasa yang berbentuk file audio, vodeo, foto digital, PDF,  word document dan spreadsheet. Perisian lain yang sewaktu dengan NViVo adalah seperti Atlas TI dan Ethnograph.


Ketiga, mereka yang gabungkan kedua2 bidang dalam kajian mereka. Saya termasuk dalam kumpulan ini. Saya percaya, gabungan kualitatif dan kuantitatif akan memberi lebih  makna kepada data yang kita analisa. 


Saya perasan satu perkara. Kursus statistik dan kuantitatif seperti wajib ada di menara gading tetapi saya tak perasan pulak kursus kualitatif?


Rehat minda kejap.....



Tajuk 55: Kira siput dgn SPSS... kenali apa itu SPSS !

SPSS adalah perisian statistik yang forfular dlm kalangan pelajar siswazah sosial sains. SPSS asalnya bermakna statistical package for social science. Tak silap saya sejak version 15 ia hanya di kenali sebagai SPSS sahaja kerana keperluannya telah melangkaui bidang sosial sains. Saya dapati ramai pelajar sains menggunakan SPSS. Pernah seorang pelajar Biologi jumpa saya bertanyakan SPSS untuk kajian populasi siput ditepi sungai sebagai indicator pencemaran. Pelajar ini melakukan analisis ANOVA. He... he... kira siput dgn SPSS....


Jadi jika anda menggunakan SPSS, ia adalah SPSS sahaja dan tidak perlu lagi dimaknakan sebagai statistical package for social science spt yang lazim dilakukan dalam penulisan tesis. 


Sedikit perkembangan terbaharu SPSS:
  • 2008: Sejak versi 17, ia dipanggil SPSS statistics.
  • 2009: Versi 17.0.3 pula dikenali sebagai PASW statistics (PASW - Predictive Analysis Software). 
  • 2010: Versi 19 dikenali sebagai IBM SPSS Statistics. 
Keta ni best bawak gi pasar

Q & A 2: Soalan dari UTM




My class... dan collaborative learning..umur bukan halangan
Salam, 
Saya A, pelajar dari UTM..
Adakah tuan ada menganjurkan kursus untuk analisis faktor? Jika ada saya berminat untuk menyertai kursus tersebut. Ini adalah kerana, salah satu method dalam kajian phd saya memerlukan analisis faktor.
Terima kasih, 
A H
UTM

Jawapan:
Saya pada prinsipnya tak anjur kursus analisis faktor sahaja. Saya selalunya diminta beri bengkel SPSS dan statistik asas bukan yang khusus. Itupun pelajar yang sendiri anjurkan. Tapi jika u nak bertanya saya cuba membantu. Tapi izinkan saya tanya u dulu.

Mengapa u nak guna AF tu? Adakah u membina soalselidik? Adakah AF berbentuk confirmatory atau exploratory? Jika u dah faham konsep mengapa u guna AF, saya cadangkan u baca buku Andy Field kerana huraiannya cukup untuk u jalankan AF melalui SPSS langkah demi langkah, dan analisis data  untuk PhD U.  Saya juga ada buat huraian ringkas mengapa AF diperlukan dalam blog ini. Sila rujuk Tajuk 49.

Sdr boleh terus hubungi saya melalui email. Gud luck

Terima kasih.

Tajuk 54: Camner pulak nak analisis soal selidik....

Lori ni sarat dengan questionnaire...
Saya cuma akan bincangkan dua bentuk data yang sering digunakan dalam soalselidik / questionnaire. Yang paling penting, data dari soal selidik dapat dianalisis berdasarkan:

i. objektif atau persoalan kajian yang hendak dijawab

ii. jenis skala pada soal selidik. 

Jika persoalan memerlukan persetujuan (“Ya” atau “Tidak”) antara lelaki dan perempuan terhadap sesuatu isu maka data adalah pada skala nominal. Berikut adalah contoh persoalan kajian dan item yang digunakan bagi menjawab persoalan kajian tersebut:

 Persoalan kajian:
 ·      Adakah guru lelaki lebih bersetuju dalam hukuman rotan berbanding perempuan?

Maka kenalah anda bina item soal selidik seperti berikut:

 Apakah jantina anda:
______ Lelaki               
______ Perempuan

Adakah anda setuju hukuman rotan dijalankan semasa perhimpunan sekolah?
______ Ya        
______ Tidak

Hasil data nominal hanya boleh diringkaskan sebagai frekuensi atau  peratus seperti berikut:
                                              Peratus persetujuan hukuman rotan
Jantina
Ya
Tidak
Lelaki (n=100)
40%
60&
Perempuan (n=100)
70%
30%
Purata
55%
55%

                                                Bilangan persetujuan hukuman rotan
Jantina
Ya
Tidak
Lelaki (n=100)
40
60
Perempuan (n=100)
70
30

Oleh kerana anda menggunakan frekuensi bagi data nominal, anda boleh menganalisis perbezaan berikut menggunakan statistik bukan parametrik chi kuasadua antara:
·      lelaki dan perempuan yang setuju (sampel tak bersandar)
·      lelaki dan perempuan yang tidak setuju (sampel tak bersandar)
·      lelaki yang setuju dengan lelaki yang tidak setuju (sampel bersandar)
·      perempuan yang setuju dengan perempuan yang tidak setuju (sampel bersandar)

Jika anda gunakan pula skala 5-poin Likert (data ordinal), maka data boleh diproses seperti data interval:

Apakah pendapat anda tentang hukuman merotan pelajar?
1: Sangat Tidak Setuju  2: Tidak Setuju 3: Tidak kisah 4: Setuju 5: Sangat Setuju

Jadual berikut menunjukkan min skor skala Likert pendapat tentang kewajipan merotan pelajar. Anda mencampurkan semua skor setiap responden lelaki dan perempuan dan dapatkan min skor Likert scale seperti berikut:

                                                  Min skor skala Likert hukuman rotan
Jantina
Persetujuan
Lelaki (n=100)
3.75
Perempuan (n=100)
2.50

Min menunjukkan lelaki lebih bersetuju hukuman rotan berbanding perempuan dan perbezaan ini boleh diuji signifikannya menggunakan analisis statistik ujian-t sampel tidak bersandar.

Harap anda dapat sedikit idea bagaimana item soal selidik diproses. Paling utama, item dibina mesti menjawap persoalan kajian, ada konstruk yang diuji...selain dari reliable dan valid....bukan ikut sukahati jer ....

Tajuk 53 - Apakah maksud TRIANGULASI dalam kajian kualitatif?

Triangulasi adalah satu keperluan dalam kajian kualitatif. Triangulasi bermaksud integrasi method yang berbeza bagi mendapatkan lebih dari satu bentuk data supaya dapatan kajian kualitatif yang bersifat subjektif akan lebih meyakinkan dan dapat meningkatkan kesahan data yang dikumpul.

Katakan anda berminat untuk mengetahui sikap pengunjung terhadap kebersihan di pantai peranginan Port Dickson, anda boleh menemubual secara rawak reponden yang mengunjungi PD tentang kesedaran menjaga kebersihan, diikuti dengan pemerhatian terhadap tingkah laku pengunjung serta membuat rakaman video serta mengambil foto. Kesemua bentuk data yang berbeza ini di “triangulasi”kan bagi menghasilkan kumpulan data yang lebih meyakinkan.

Data yang berbagai bentuk ini (transrip temuduga, video clips, foto, catatan lapangan, pemerhatian,  dokumen) akan mudah diproses dan dianalisis dengan bantuan perisian seperti NUD.IST dan NVivo. Perisian ini hanya “membantu” anda menyusun data kualitatif anda secara bersepadu.

Menggunakan perisian mempunyai kelebihan kerana anda dapat menghubungkan secara bersepadu kesemua data anda, malah anda juga boleh membuat analisis statistik yang asas seperti frekuensi. Katakan anda memilih satu perkataan dalam transkrip seperti “hobi”, maka perisian boleh membantu anda dengan cepat untuk mencari perkataan tersebut dalam keseluruhan transkrip anda dan memberikan frekuensinya. Anda juga boleh menghubungkan transkrip seorang responden dengan bukti video dan audio, dan ini sangat membantu proses triangulasi data. 
Kenangan di T'ganu.. ada bukti video, foto untuk triangulasi
OT

Tajuk 52 - Berapa sampel bagi kajian kualitatif?



Berapa ramai sample yang perlu diambil bagi satu kajian kualitatif? Kajian kualitatif dijalankan bagi tujuan meneroka sesuatu fenomena dengan mendalam. Katakan anda ingin mengkaji kes "Kejayaan pelajar terbaik SPM". 


Pertama anda perlu tahu siapakan focus group anda. Bagi kes ini, focus group anda adalah pelajar terbaik SPM. Maka anda mulakan temuduga anda bagi mengetahui segala aspek yang anda fikirkan dapat memberikan gambaran yang jelas bagaimana responden boleh berjaya berbanding dengan pelajar lain. Anda akan memperbaiki kaedah dan soalan temuduga anda dengan pengalaman yang anda perolehi dari temuduga sampel terdahulu. Ini bagi memastikan anda menyediakan soalan yang lebih komprehensif dan mendalam. Anda boleh teruskan temuduga anda sehinggalah anda mencapai “saturation point” atau “takat tepu”. 


Takat tepu ini adalah takat hypothetical yang anda dapati tiada sebarang maklumat baru yang anda terokai dari jawapan responden. Katakan setelah anda temuduga 6 pelajar terbaik, kesemua mereka memberikan jawapan disekitar peranan ibu bapa, guru, kelas tuisyen dan teknik menjawab soalan….. anda boleh jangkakan bahawa responden  seterusnya juga akan memberikan jawapan yang hampir sama. Ini bermakna anda telah capai takat ini,  maka banyak itulah sample anda…. Ya... 6 orang sahaja !
Kalau ambil dia ni sebagai sampel, anda akan dapat data EXTREME

Tuesday, February 1, 2011

Q & A 1: Pertanyaan dari Uitm

Soalan:


Salam. Saya pelajar Uitm. Saya ada buat dissertation tentang perception pembeli dan agent. Berdasarkan objective, saya nak comparekan perception dari dua pihak. Bila saya dah compare both perceptions yg soalan questionnairenya saya guna likert scale, apakah ANOVA sesuai bagi kajian saya? 


Siti 
Shah Alam
(Nama dan soalan ini telah disesuaikan untuk tujuan paparan dalam blog ini)


Jawapan:

ANOVA digunakan jika u nak bandingkan min lebih dari dua kumpulan atau u lakukan lebih dari dua pengukuran bagi satu kumpulan yang sama. U guna one way ANOVA jika ada satu IV. Dalam kes ini saya jangka kumpulan adalah IV, iaitu ada dua kategori - pembeli dan agen. Jika dua kumpulan jer, u patut guna independent sampel t-test bukan one way ANOVA.

Perception u adalah DV dengan skor norminal (1 – 5) Likert scale. U boleh declare scale norminal ni sebagai interval, then u boleh cari min. Banyak penyelidik telah menerima data Likerst scale boleh di convert ke interval terutama apabila sample anda cukup besar dan interval antara point Likert anda kelihatan munasabah jaraknya antara satu sama lain. Then u compare min tersebut melalui t-test bukan ANOVA.

Dari apa yang u beritahu, saya tidak nampak keperluan ANOVA kerana comparison dari dua aspek / kumpulan sahaja. U boleh cari min (katakan 3.5) bagi persepsi satu kumpulan bandingkan dengan min (katakan 3.9) bagi persepsi satu kumpulan lagi, kemudian uji untuk tahu samada terdapat perbezaan yang signifikan. Ini hanya sesuai dengan independent sample t-test bukan ANOVA! 


Bagi kawan2 lain yang sedang membuat analisis kuantitatif, sila fahami dahulu keperluan setiap analisis statistik.... jangan sampai guna pisau untuk potong kain then guna gunting untuk potong bawang..... boleh juga tapi bakal mak mertua terbeliak biji mata ler.... he he.... 

Gud luck. 
Badan sihat minda cerdas...

Terima kasih kerana menyokong blog ini.

Saya ucapkan terima kasih kepada semua followers yang menunjukkan sokongan kepada blog ini. Bagi yang singgah dan membaca sedikit blog ini, jadilah followers... kerana saya mensasarkan 100 sebelum hujung tahun 2011. Inilah motivasi saya. Juga terima kasih pada isteri dan anak2 yang tidak fahampun apa yang saya tulis tapi terus memberi sokongan. Luv u all...




OT
Pantai Remis
2 Februari 2011

Thursday, January 27, 2011

Tajuk 52 - Tak faham statistk - Anda dalam kelompok mana?


Ini semester ke 3 saya mengajar statistic. Saya dapati ada 4 jenis pelajar.

Pertama, pelajar yang takut dengan statistic, menganggap dia susah, dan apabila diperkenalkan z-skor jer terus panik! Confirm stat ni susah... Mereka berusaha cuba nak faham tapi hanya bergantung kepada nota....sering berkata “saya mmg lemah maths sejak dulu...susah nak faham lah nombor2 ni..” sebab memang mereka susah nak faham.... akhirnya seperti give up. Pelajar ni tak sampaipun peringkat “recall / knowledge” ikut Bloom. Bila ujian 1 jer....  sangkut.... dgn fobia yang dibawa...mereka cukup2 makan sampai ke final.

Kedua, pelajar yang tak ambil kisah pun pasal statistik....kebanyakkan mereka pulak ambil courseworks....mereka tiada masalah untuk faham tapi tak usah nak faham lebih....sekadar faham nota sahaja......Pelajar kumpulan ni berada antara” recall – comprehension”.... Mereka ni selalu kata "ala relex lah.... nak exam kita studi ler..." Bila ujian 1.... cukup2 makan. Finalpun cukup2 makan.

Ketiga pelajar yang komited, focus dalam kelas dan berusaha keras......belum masuk kelas dah membaca dan cuba memahami dulu....then sering berjumpa saya....nak pastikan pemahaman mereka betul... byk buat latihan selalu berkata “ betul tak saya buat macam ni..betul tak saya faham macam ni...buku mana yang bagus  nak baca....” Pelajar ini berada antara “comprehension – application”. Bila ujian 1...mereka  dalam kelompok teratas... then kekal sampai final.

Keempat...pelajar takut statistic tapi berkawan dengan kumpulan ketiga....ada kumpulan studi.... positif...fokus dan mereka berada dalam kelompok “recall” mulanya tetapi berjaya melonjakkan diri ke “comprehension”. Mereka dikenali dgn ucapan “barulah saya faham sekarang....” Dalam ujian 1 cukup-cukup makan tapi dalam final mereka cemerlang!

Statitik bukan SUSAH cuma cara pemahamannya tidak direct macam anda belajar sejarah atau sains. Anda guna sampel untuk estimate nilai populasi maka ada pengiraan melibatkan min, s.d, std error dll. Then terdapat pelbagai jenis ujian berdasarkan skala. Terdapat berbagai taburan...Z, t, F dll. Ada ANOVA, ANCOVA, MANOVA phew... Mann-Whitney, Kurskal-Wallis, Othman-Talib.. phew..phew...Jadi anda perlu FOKUS.... jgn tak hadir satu kuliahpun....buat bacaan tambahan biarpun 10 kali baru boleh faham.... then adakan kumpulan studi.... sebab mengikut Vygotsky dan Ausubel.... berbincang akan menghasilkan meaningful learning...

Nasihat saya.. jadilah sekurang2nya kelompok keempat. Saya sendiri dalam kelompok mana ha? 

Monday, January 24, 2011

Tajuk 51- Apa sebab sampel n = 30 untuk kajian eksperimen?

Saya bagai nak giler bila pelajar tanya "Apsal n = 30 dikatakan mencukupi khususnya bagi kajian eksperimental? Saya dah baca dalam buku tak derpun.... pensyarah pun tak tahu....". Mana tak giler.... saya bukan statistician yang boleh jawab begitu jer. Saya akan ambil pendekatan mudah, sekurang2nya dapat digunakan bagi mempertahankan n = 30 sebagai sufficient enough untuk analisis statistik anda.

Anda memahami bahawa taburan bagi populasi adalah taburan frekuensi individu skor yang menghasilkan min dan s. piawai. Apabila anda mengambil satu kumpulan sampel secara rawak dari populasi tersebut, maka minnya akan menghampir min populasi.

Jika anda mengambil, katakan 20 sampel dengan setiap satunya mempunyai saiz sampel n = 5  iaitu n1, n2, n3...n20 dan anda plotkan min-min sampel tersebut anda akan dapati ianya cenderung tertabur secara normal, tak kira samada taburan populasi  dimana sampel diambil tertabur secara normal ataupun tidak normal. Jika anda tambah saiz bagi 20 sampel-sampel tersebut, katakan saiz sampel n = 10, taburan akan menjadi lebih menghampiri taburan normal dengan variability yang lebih kecil.

Jika diulang dengan n = 30, taburan yang terhasil adalah "cukup tertabur secara normal" maka  saiz sampel n = 30 (yang diambil secara random) adalah mencukupi untuk  tujuan statistik inferens seperti t-test, ANOVA atau ANCOVA bagi mengesan sebarang kesignifikanan. Maka untuk tujuan eksperimental, mencukupilah anda mengambil sampel n = 30 bagi setiap kumpulan kawalan dan eksperimental. Tiada masalah jika anda ingin  mengambil lebih sedikit sampel anda katakan n = 35 bagi mengatasi masalah keciciran sampel atau ada data yang ekstreme.... disamping itu anda kena pastikan faktor extraneous dikawal.

Malah.... jka anda ada sampel katakan n > 30 katakan 40, anda boleh gunakan Z-test. So saya "berpendapat: anda masih boleh jalankan kajian eksperimen dgn yakin walaupun n < 30 sebab anda menggunakan taburan-t bukannya Z. Jika anda ada sampel n = 25 bagi kumpulan eksperimen dan kawalan masing dengan varians kedua2nya homogen, jalankan kajian anda dengan syarat anda kawal variabel luaran (extraneous) dan tunjukkan cara anda mengawal dalam kajian anda dan laporan. Ingat, taburan-t digunakan apabila anda ada sample n < 30.... so selamat menjalankan kajian eskperimen dengan tenang....

Cuma jangan lupa... jika anda melakukan survey.... anda perlu sampel yang lebih ramai kerana anda tidak mengawal sampel anda dan tidak memanipulasi apa2 treatment. Ini telah saya bincangkan dalam tajuk yang lalu.... sila semak.
Satu-satunya sampel yang boleh tidor kat mana sahaja....

Saturday, January 22, 2011

Tajuk 50: Ape ke bendenyer darjah kebebasan (df) tu?

Sukar nak jelaskan konsep df ni, khususnya bagi pelajar sains sosial / pendidikan. Wbagaimanapun, cubalah fahami contoh berikut:


Konsep df tidak perlu dalam statistik deskriptif sebab anda mengira data mentah secara terus, spt mencari min atau mode satu set data mentah. Begitu juga, bila ada ada taburan populasi, anda gunakan data mentah bagi mengira min (parameter) bagi populasi tersebut. Konsep df hanya diperlukan apabila anda menggunakan data dari sampel katakan min sampel (statistik) bagi menganggar satu nilai katakan min populasi (parameter) bagi membuat inferen. Dalam bahasa mudah apabila melibatkan inferens, penggunaan data ini tidak secara terus, anda menggunakan nilai statistik untuk menganggar parameter, maka anda tidak bebas menggunakan data dari sampel tersebut, ada satu df yang perlu anda patuhi. Sebab itu bila anda semak taburan pupulasi (parameter) tiada df diperlukan. TETAPI bila anda semak taburan t, atau F atau chi square, anda perlu ambilkira df yang didasarkan kepada n dan bilangan parameter yang anda ingin buat inferen. Sebab itu ada df bagi jadual taburan tersebut. 


Cuba perhatikan contoh berikut: Katakan anda ingin menganggar varians dalam pengiraan ketinggian seluruh populasi pelajar UPM, maka anda kena tahu min populasi pelajar UPM. Ingat - varians adalah pengiraan yang melibatkan perbezaan antara individu data dengan min, kemudian dikuasadua bagi mengatasi masalah nilai negatif hasil perbezaan tersebut. Oleh kerana anda tidak tahu min populasi ketinggian pelajar UPM (tak tahu sebab takkan mungkin dapat ukur ketinggian semua pelajar UPM), maka anda menganggar min tersebut daripada sampel (statistik) yang diambil secara rawak (sebab itu antara andaian ujian-t, sampel rawak dan tertabur secara normal). 


Katakan anda mengukur ketinggian sampel dua pelajar UPM (n = 2) ,iaitu 4 dan 5 kaki (cukuplah dua sampel sbg contoh), maka anggaran anda bagi min populasi adalah:

Min populasi = (4+5)/2 = 4.5.

Dan jika anda kira dua anggaran varians ini dari dua sampel:

Anggaran 1 = (4-4.5)2 = 0.25 (anda guna min sample anggar varians populasi)


Anggaran 2 = (5-4.5)2 = 2.25

Adakah anggaran 1 dan 2 bersandar atau bebas antara satu sama lain? Tentulah bersandar sebab pengiraan 1 dan 2 saling berkait iaitu setiap nilai ketinggian menyumbang kepada pengiraan min populasi (4.5) bagi kedua2 pengiraan varians. Oleh itu, dua pengukuran yang melibatkan dua sampel ini saling bersandar, maka anda hanya ada satu darjah kebebasan sahaja dalam menentukan nilai varians populasi. Pening ke? Teruskan membaca....

Perkaitan antara bilangan observation (dalam kes ini bilangan sampel atau n) dengan bilangan parameter yang dikira, k adalah df = n – k . Dalam kes ini, k adalah 1 iaitu min populasi (parameter) yg dianggar dari min sampel. Ini kerana df adalah satu fungsi bagi bilangan observation atau bilangan sampel, n dan bilangan parameter, k yang dianggar. Dalam kes ini, df = n -1 kerana hanya ada 1 parameter yang dianggar.  Dalam kes ini juga terdapat dua observation (4 dan 5), dan kita perlu menganggar satu parameter (min populasi).  Maka, untuk menganggar varians seterusnya dengan satu min populasi yang dianggar, anda mempunyai df = n - k, atau df = 2 - 1 = 1. 


Bagi mengurangkan kepeningan anda, sebagai analogi, sama seperti anda mempunyai 6 pelajar yang anda ingin letakkan dalam berbagai posisi sebagai satu pasukan bola tampar, maka anda hanya ada darjah kebebasan 5 sahaja untuk meletakkan pelajar dalam mana2 posisi, kerana pelajar yang terakhir iaitu pelajar ke 6 tiada pilihan untuk diletakkan dimana2 posisi. Dia terpaksa mengisi satu posisi terakhir yang tinggal. Dengan n = 6, dan k = 1 (iaitu posisi - menganggar posisi dalam permainan) maka df = n - k atau df = 6 -1 = 5.


 Secara amnya, df = (bil observation atau data individu yang terlibat dalam estimation) – (bilangan parameter).  Mungkin satu lagi cara memahami konsep df adalah dengan melibatkan, katakan  empat nombor  p,q,r,s  (katakan mewakili empat data atau observation)  yang setiap satunya mesti dikira bagi mendapatkan min 20 (katakan min mewakili parameter yang ingin dianggar), maka anda boleh menentukan dengan bebas tiga nombor sahaja secara rawak, sedangkan nombor ke empat tidak bebas atau tetap yang akan menjadikan min 20. Jadi df = n-1 = 4 – 1 = 3. Oleh kerana kita membuat anggaran atau inferens sampel ke populasi spt dalam t-test, F-test…. Chi-square….. kita memerlukan df.


Jika anda ada dua kumpulan pula katakan A dan B....untuk ditentukan posisi, k(AB) = 2 iaitu mencari posisi bagi dua pasukan berbeza dengan nA = 6 dan nB = 6 maka df = (nA + nB) - 2 atau df = n - k = 12 - 2 = 10.


Camner lagi nak diperjelaskan....?
Zahin ni ada df yang tinggi sebab tu bebas tidor kat mana2...





Thursday, January 13, 2011

Tajuk 49 - Soalselidik tak cukup ada reliability.... perlukan Factor Analysis

Baru nak buat item dapat dapat kekasih ! 
Saya mulanya tidak bercadang untuk menulis berkaitan factor analysis atau analisis faktor (AF). Namun setelah mendapat byk pertanyaan, saya usahakan juga memberi ringkasan mengapa kita perlu lakukan analisis ini. AF sebenarnya boleh dipanggil juga analisis item. Bila sebut item, tentulah berkaitan soalselidik. Katakan anda membina soal selidik dengan 60 item dan 5 konstruk pada skala Likert bagi mengukur personaliti kekasih yang baik. Konstruk tersebut adalah 1. Rupa paras menawan 2. Bijak berkomunikasi 3. Saling menghormati 4. Periang 5. Empati. Selalunya anda hanya lakukan proses validity diikuti dengan reliability dengan Cronbach alpha. So cukuplah jika anda dapat nilai alfa katakan 0.7. Namun, bagi meningkatkan validity dan reliability ini, terutamanya bagi soalselidik yang anda sendiri bina, maka sayugianya anda boleh menjalankan AF ini. Barulah mantap tesis anda, khususnya yang nak buat PhD!
Tujuan AF adalah bagi memastikan bilangan konstruk yang diwakili oleh 60 item anda tersebut. Item yang mengukur konstruk / konsep / idea yang sama, sepatutnya mempunyai korelasi yang tinggi antara satu sama lain. Sebaliknya item yang mengukur konstruk / konsep / idea yang berbeza akan mempunyai korelasi yang rendah.

Contohnya, semua item yang mengukur konstruk 1. (Rupa paras menawan) mestilah mempunyai korelasi yang tinggi antara satu sama lain. Item yang mengukur konstruk 1. akan mempunyai korelasi yang rendah dengan item yang mengukur konstruk 2. (Bijak berkomunikasi). Namum terdapat juga item yang saling mempunyai korelasi yang tinggi dengan beberapa konstruk. Item begini perlu dibuang kerana akan menyukarkan tafsiran dibuat. Sebab tu lah AF ni dalam SPSS berada bawah Anlyze – Data Reduction - Factor. Anda perlu jalankan pilot dengan sampel yang agak besar, katakan 150 untuk laksanakan AF ini.

Dalam SPSS, anda akan gunakan nilai eigen (Jadual Total Variance Explained) atau Graf screeplot bagi menentukan bilangan faktor atau konstruk. Bilangan faktor ditunjukkan dengan graf yang menegak. Jika Graf screeplot tersebut hanya menunjukkan 4 faktor sahaja, maka anda telah tersilap satu kosntruk yang tidak diwakili dengan baik oleh item yang anda tulis. Jadual output Component matrix akan menunjukkan item apa berada dalam keempat-empat faktor ini. Terdapat item yang perlu dibuang kerana tidak berada dalam kelompok yang betul, katakan 10 item. Akhirnya anda ada 50  item yang diwakili oleh 4 konstruk dengan 10 item telah dibuang.  Ini hanya idea….. untuk anda faham konsep dan tujuan menggunakan AF....

Tuesday, January 11, 2011

Tajuk 48 - Bila nak guna ANCOVA...abis ANOVA camner pulak?

Selamat Tahun Baru Masehi 2011. Cabaran 2010 telah berlaku. Lawatan saya ke Florence (Italy) Amsterdam, Medan, Cairo dan Semenanjung Sinai (Laut Merah) sepanjang tahun 2010 byk memberi kesan mendalam. Pelajar master EDU5900 dan EDU5950 byk memberi refleksi kepada saya untuk meningkatkan pengetahuan. Bertemu dengan pelajar siswazah UKM juga memberi satu peluang bagi saya memperbaiki diri. Buat SEMUA…LUV U ALL.

Setelah hampir dua bulan tidak menulis kerana ada kesibukan hujung tahun yang lain. Kali ini saya menulis tentang ANCOVA. ANCOVA adalah gabungan pengiraan korelasi dan regresi. ANCOVA dijalankan untuk kawal faktor gangguan atau extraneous variable yang ganggu DV anda selain IV yang digunakan. Jika tiada kesan mana2 kovariat, anda boleh saje guna ANOVA satu hala jika ada IV atau ANOVA dua hala jika anda guna 2 IV.  Namun, jika ada kesan variable lain seperti IQ, kenalah anda gunakan ANCOVA. ANCOVA juga digunakan jika anda jalankan kuasi-eskperimen dengan intact group yang mana random sampel tidak dapat dilakukan bagi menghasilkan dua kumpulan atau lebih kumpulan yang tak setara. Lazimnya anda ambil skor pre-test sebagai kovariat bagi mensetarakan kumpulan intact tersebut dari aspek penguasaan dalam pre-test. Anda sebenarnya boleh mengunakan lebih dari satu kovariat dgn syarat anda ukur kovariate anda sebelum tretmen. Apabila ANCOVA menyingkirkan kesan  kovariat, ia juga menyingkirkan sebahagian kesan tretmen yang dihasilkan oleh kovariat, maka mengurangkan sedikit peluang untuk mendapat hasil yang signifikan.... namun ANCOVA meningkatkan sensitiviti dan POWER statistik anda. Ini kerana kovariat mempunyai korelasi dengan DV anda dan anda berjaya melenyapkannyer..

Timbul persoalan. Macamana nak tahu kovariat ada kesan korelasi dgn DV? Sonang bah itu! Anda hanya perlu jalankan analisis korelasi bagi membuktikan adanya hubungan LINEAR yang kuat antara kovariat dgn DV... he he....Jika nilai koefisien hanya 0.2 jer.... tak der lah kesan yang kuat bagi kovariat anda tu. Jika 0.7 ker... barulah ANCOVA anda benar2 kaw! Maka POWER bagi analisis statistik anda akan bertambah.... fuhh! Jika anda ada lebih dari satu kovariat, pastikan juga semuanya mempunyai hubungan korelasi yang linear dengan DV. Jika tidak.... POWER akan turun pulak! Macam ANOVA, anda juga ada ANCOVA satu hala (satu IV dengan lebih 2 kategori)  dan satu DV dan satu atau lebih kovariate dan ANCOVA dua hala (faktorial ler tu)..

Katakan anda membuat kajian eksperimental teknik X, Y dan Z bagi melihat kesannya kepada skor maths  kumpulan X, Y dan Z. Katakan anda kenalpasti faktor IQ mempengaruhi skor maths (maknanya ada pengaruh linear atau  korelasi faktor IQ dgn skor maths). Ingat! ANCOVA hanya untuk sampel tak bersandar kerana tujuan ANCOVA bagi mensetarakan kumpulan yang berbeza (tak bersandar) ini akibat faktor kovariat. Jika anda membuat pengukuran berulang bagi satu kumpulan yang sama, faktor kovariat sudah tidak releven lagi. Bagi kes begini, jalankan sahaja ANOVA biasa, sehala atau dua hala bergantung kepada IV anda. Sama seperti anda hanya memerlukan ujian Levene bagi kumpulan tak bersandar, untuk mengetahui samada varians kumpulan tersebut homogen mahupun tidak.  Ujian Levene tidak relevan pada kumpulan yang bersandar. Betul..betul..betul...
ANOVA ku...

Related Posts Plugin for WordPress, Blogger...