Entah mengapa saya ingin menulis dan menimbas kembali penentuan saiz sampel. Sekurang2nya ada 4 kaedah penentuan saiz sampel yang lazim digunakan iaitu Krejcie dan Morgan (1970), Cochran (1977), Cohen (1988) dan perisian GPower (versi 3.1).
Sampling diperlukan bagi mendapatkan nilai sampel bagi menganggar nilai populasi dari mana sampel tersebut diambil. Ini bagi menjimatkan masa dan kewangan. Oleh kerana sampel mempunyai darjah variability yang lebih kecil berbanding dengan darjah variability populasi (variability populasi lazimnya tersebar sehingga menghasilkan graf taburan normal), maka penentuan sample size perlu diberikan perhatian supaya inference dapat dilakukan.
Percayalah, saya sendiri tak tahu sampel saiz ni sebab sepanjang belajar di university, hanya ketika menulis tesis master baru saya terkial2 nak tahu sample size. Itupun saya buat eksperimental design so….. ambil sahaja n=30…. abis citer. Saya Cuma nak sentuh sepintas lalu berkaitan saiz sampel sebab saya dah kupas banyak dalam entry sebelum ini, cuma kali ini saya tulis secara ringkas tapi lumsum…..
Dalam penentuan sais sample, berikut adalah antara perkara yang diambilkira iaitu:
1. Sampling error (ralat persampelan)
Sampling error berlaku apabila nilai yang sepatutnya diperolehi dari populasi berbeza dengan nilai yang diperolehi dari sample yang diambil (contoh skor IQ populasi 120 tetapi skor IQ dari sample 110, ada error sebanyak 10)
2. Confidence level
Kaedah ini berdasarkan aras keyakinan. Jadual Krejic dan Morgan (1970) menggunakan confidence level dalam pengiraan saiz sample. Mengikut Central Limit Theorem, jika sejumlah sample (katakan n=40) dari populasi diambil berulangkali (dengan kumpulan sampel yang berbeza setiap kali tapi n=40), katakan sebanyak 30 kali, maka min sample2 ini akan semakin menghampiri min populasi. Bagi populasi bertaburan normal dengan confidence level 95% atau α = .05, maka jika diambil 100 kali sample (setiap kali n=40), 95 dari sample tersebut mempunyai nilai min menghampiri dengan nilai min populasi, 5 lagi tersasar jauh…
3. Darjah homogeneity
Ciri ketiga adalah degree of homogeneity atau degree of variability yang merujuk kepada taburan variance populasi. Variance adalah satu konsep asas dalam statistic. Secara mudah, variance bermakna perbezaan individu skor disekitar min atau perubahan skor disekitar min. Bagi populasi yang heterogen (tidak seragam), saiz sampel yang lebih besar diperlukan, begitulah sebaliknya.
Berikut adalah cara penentuan sample yang lazim digunakan…
1. Krejcie and Morgan (1970)
Jika anda tahu populasi anda (target ataupun accessible), bolehlah guna jadual Jadual Krejcie and Morgan, 1970. Pengiraan dalam jadual ini tidak mengambilkiran statistical power dan effect size dan saya berpendapat sesuai jika anda ingin membuat kajian survey….dan populasi anda besar serta diketahui bilangannya.
2. Cochran (1977) – berasaskan formula margin of error
Cochrans menyediakan formula bagi membolehkan penyelidik menerima error item seperti 5% margin error bagi data kategori dan 3% margin error bagi data continuous. Ini adalah error yang sengaja diadakan ut diterima oleh penyelidik kerana setiap pengukuran mesti membawa error. Ini termasuklah menerima error dengan α = .05 (Type 1 error). Oleh itu Cochran telah menyediakan dua formula iaitu bagi data continuos dan data categorical. Anda tidak perlu tahu saiz populasi apabila menggunakan formula Cochran.
3. Cohen (1988) - berasaskan statistical power dan effect size
Saya dah kupas dalam tajuk 118 blog ini…. Sila baca…dengan disertakan juga Jadual Cohen (1988)
4. G*Power (2011 – version 3.1) – berasaskan statistical power dan effect size.
Tak ramai yang kisah kewujudan perisian percuma ini. G*Power sangat convincing utk digunakan kerana outputnya bukan sahaja berdasarkan jenis analisis statistik, tetapi juga disertakan dengan graf. Dengan membuat anggaran statistical power 80% dan effect size yang anda jangkakan terlebih dahulu, anda akan mengetahui saiz sampel yang diperlukan. Semua arahan ada disertakan dalam homepage G*Power. Sila rujuk Tajuk 18f dalam entry blog ini untuk kupasan lanjut tenatng G*Power....
PERSOALAN:
Abis mana satu nak guna dari keempat2 teknik di atas?
Saya cadangkan, jika anda tahu saiz populasi, anda gunakan jadual Krejcie and Morgan, dan kemudian bandingkan dengan saiz sample yang anda perolehi dari formula Cochran dan Jadual Cohen.
Katakan sebagai contoh, anda mendapat saiz sample Krejcie & Morgan (n = 230); Cochran (n = 217) dan Cohan (n = 245), maka ambillah n = 245 supaya saiz sample anda seperti telah mengambil semua aspek yang diperlukan dalam penentuan saiz sample....
Katakan sebagai contoh, anda mendapat saiz sample Krejcie & Morgan (n = 230); Cochran (n = 217) dan Cohan (n = 245), maka ambillah n = 245 supaya saiz sample anda seperti telah mengambil semua aspek yang diperlukan dalam penentuan saiz sample....
Satu lagi alternative adalah G*Power yang lebih komprehensif kerana disertakan dengan pilihan jenis analisis statitik yang lengkap. G*Power 3.1 semakin advanced dan lengkap. Saya juga cadangkan anda download secara percuma perisian ini dan cuba dapatkan saiz sample anda...
Namun saya berpendapat memadailah anda mengunakan mana2 dua kaedah pengiraan di atas..... ambil bilangan sample yang paling hampir antara satu sama lain dan pilihlah satu yang terbanyak. Ini kerana satu teknik persampelan biasanya dianggap "tidak memadai" atau akan dipersoalkan "kenapa tak guna teknik pengiraan yang lain".... so anda buatlah perbandingan awal2... bagi memudahkan anda justify semasa defend nanti....
Moga jangan fening2....
OT
Namun saya berpendapat memadailah anda mengunakan mana2 dua kaedah pengiraan di atas..... ambil bilangan sample yang paling hampir antara satu sama lain dan pilihlah satu yang terbanyak. Ini kerana satu teknik persampelan biasanya dianggap "tidak memadai" atau akan dipersoalkan "kenapa tak guna teknik pengiraan yang lain".... so anda buatlah perbandingan awal2... bagi memudahkan anda justify semasa defend nanti....
Moga jangan fening2....
OT
No comments:
Post a Comment