Ramai yang berpendapat kajian quali sukar, ambil masa yang lama, tedious, tidak boleh digeneralisasi malah penuh dengan bias. Paling best pendapat ini dinyatakan oleh mereka yang tidak pernahpun buat kajian kualitatif…. maka jadilah ia satu momokan “klise turun temurun”. Dalam bahasa mudah - Kenapa nak buat kajian quali yang lebih susah dan bermasalah bbanding kajian quanti ?
Label negative kpd kajian quali kerana didakwa susah dan bermasalah telah menjadikan kajian quanti mendominasi dunia research master dan PhD... malah kelas Research Methodologi pun ada yg memberikan focus kepada kajian quanti melebihi kajian quali.
Malah pernah sekumpulan pelajar datang dan bertanya “Ada ker nanti SV nak terima kalau kami buat kajian quali?”
Maka tidak hairanlah, katalah kalau ada 74 pelajar dalam kelas Research Methodology tersebut, maybe 73 akan menuju kearah kajian quanti sedang hanya 1 sahaja yang membuat kajian quali… itupun setelah bbrpa kali solat istikharah kerana mendapat tekanan dari pelbagai arah !
Kajian quali atau quanti saling diperlukan…. tetapi sangat bergantung kepada nature masalah dikaji. Kalau kajian survey…. eksperimental maka pendekatan quanti adalah pilihan. Namun banyak kajian khususnya social science yang naturenya melibatkan data quali spt etnografi dan study cases.
Sila baca dgn teliti…. kenapa kajian quanti jika tidak dilakukan dgn betul atas pemahaman.....akan lebih bermasalah.
Kajian quanti umpamanya memerlukan
1. bilangan minimum sampel secara random utk kekalkan statistical power tetapi kalau banyak sangat pun tak boleh sehingga perubahan yang sedikitpun yang tiada makna apa2 masih dapat dikesan secara signifikan... yang boleh membawa kepada kesimpulan yang palsu.
Contohnya min skor 56 dan 58 didapati berbeza secara signifikan jika sample besar, sehingga disimpulkan wujudnya keberkesanan sesuatu intervention sedangkan perbezaan 2 skor tersebut tidak membawa apa2 makna secara teori mahupun praktis, menjadikan kesimpulan yang dibuat adalah palsu.
2. skor khususnya DV utk analisis kuantitatif perlu pada skala interval dan ratio, namun kebanyakkan skor dlm kajian quanti khususnya social science diperolehi dari skala ordinal dan nominal.
3. terdapat pelbagai assumption yang perlu diuji terlebih dahulu bagi setiap kategori (kumpulan umur, jantina, agama, tahun pengalaman dll menjadikan sampel semakin kecil kerana terbahagi kepada bbrp ketegori) sebelum analisis dijalankan. Ini sebahagian assumption tersebut…
Normality, outlier, linearity, homogeneity of variance, homogeneity of regression slope, multicollinearity dan singularity, homoscedascity, Mauchly’s spericity, Mahalanobis distances, KMO,Bartlett, Benferroni adjustment, EFI, CFI, RMSEA dan lain-lain yang sewaktu dengannya….. perghh !!
Percayalah…. bukan mudah pula assumption di atas dipenuhi oleh data yang diperolehi dari kajian quanti, yang melibatkan pembahagian kategori (menjadikan sample semakin kecil), namun sama ada assumption tidak diuji sepenuhnya atau tidak memenuhi assumption tetapi tidak dilaporkan.... di sinilah masalahnya.
Percayalah juga…. ada kajian yang ujian kenormalan pun dah tak lepas…. namum some how diteruskan juga analisis parametrik… yang akhirnya membawa kepada keputusan dan interpretasi yang SALAH yang kemudiannya digeneralisasikan… OMG ! Pastu ada pula yang merujuk dapatan yang diperolehi….2x OMG !
Malah jika semua thesis kuantitatif disemak dgn teliti khususnya dalam memenuhi assumption.... sure byk yang akan RESUBMISSION.... 3 x OMG !
4. Banyak kajian quanti yang melibatkan analisis korelasi, dan dapatan dari analisis ini walaupun boleh digeneralisasikan namun tidak membawa apa-apa makna yang “bermakna” sebab analisis korelasi esp dalam social science bukanlah causal relation antara IV dan DV ! Masalah lah kalau dapatan tidak dapat membantu menyelesaikan masalah !
Contoh: Katakan skor anda tidak memenuhi assumption multiple regression lalu anda teruskan juga analisis multiple regression sehingga mendapat persamaan regressi x=0.01(y) + 0.03(z) + 12, dan dgn bangganya anda membuat kesimpulan bahwa z adalah peramal terbaik diikuti dgn y utk meramalkan x, sedangkan sumbangan z dan y masing2 hanyalah 3 % dan 1 % sahaja, this value can be neglected dan ini adalah kesimpulan yang “tak bermakna” dan misleading .. apatah lagi utk digeneralisasikan ! Sekali lagi OMG !
5. Bukan sahaja dalam kajian quali, bias juga wujud dalam kajian quanti…. spt experimental bias… instrumentation bias… jadi kedua2 kajian quanti dan quali pun ada bias, bezanya penyelidik quali dah ready dgn data triangulation utk minimumkan biasness.... tetapi penyelidik quanti selalunya buat selamba !
6. Kajian quanti sgt memerlukan dapatan yang signifikan selepas menguji hipotesis (dgn IV dan DV) yang dibina berdasarkan kupasan dan review dari theory dan kajian lepas, maka mungkin wujud riak-riak masalah (dan tendency utk manipulate data...) jika dapatan kajian tidak signifikan !
Keadaan ini tidak ketara dalam kajian quali kerana tidak bergantung sepenuhnya kepada predetermined theory, IV atau DV... dgn menguji hipotesis tetap sebalik kajian quali lebih kepada memberi penjelasan mendalam kepada sesuatu fenomena yang dikaji.
7. Kajian quanti hanya guna data utk validate instrument SEBELUM kajian sdg kajian quali perlu validate protokol SEBELUM dan validate data SELEPAS diambil oleh partisipan sendiri....
Kesimpulan:
Ini sekadar satu “perspektif” aku bahawa kajian quanti lebih “bermasalah” jika diambilkira segala aspek berbanding dengan kajian quali.
Jgn pula ada yang berfikir cara old school dgn menyatakan "dont compare apples and oranges"... sebab kita boleh sahaja membandingkan keduanya dgn membuat kajian makmal dari segi texture, fibre, sweetness, pH, calory dll... no big deal ! Yang tak boleh adalah bandingkan apple dgn apple incorporation !!
OT
No comments:
Post a Comment