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
No comments:
Post a Comment