Statistical power adalah keupayaan statistic kajian anda mengelak Type 2 Error iaitu terima Ho yang salah. Amende plak ini? Ada dua jenis error.....
1. Type 1 Error (T1E) = TOLAK Ho (ada kesan), sebenarnya tiada
Jadi... T1E = TOLAK Ho yang BETUL
2. Type 2 Error (T2E) = TERIMA Ho (tiada kesan), sebenarnya ada
Jadi… T2E = TERIMA Ho yang SALAH
T2E lebih serius kerana anda terima yang salah berbanding tolak yang betul. Disinilah perlunya statistical power iaitu keupayaan statistic kajian anda mengelak terima Ho yang salah (T2E).
Dalam bahasa mudah , jika statistical power kajian anda tinggi, maka kebolehan kajian anda mengesan kesan kajian yang memang wujud maka anda mengurangkan berlakunya T2E (terima Ho yang salah).
Statistical power lazimnya ditetapkan 80% atau 0.8 (80%) dan ini bergantung kepada:
1. the effect size, ES
2. the sample size, N
3. the alpha, α yang lazim ditetapkan pada 0.05 (bagi social science)
Statistical power, ES, N dan α saling berkaitan. Macamana nak tahu statistical power kajian anda?
G*Power adalah perisian percuma (download dari internet) bagi penentuan SP, ES, N dan α. Jadi sebelum dapat dapatan sebenar, laporkan dalam thesis bahagian Methodology bagi menunjukan kekuatan statistic anda, seperti contoh berikut:
“Kajian ini telah menetapkan kuasa statistik pada .8 dan kesan saiz pada 0.4 untuk menguji Ho. Kesan saiz 0.4 ini ditetapkan adalah kesan yang sederhana mengikut Cohen (1998, p.55) yang dianggarkan dari kajian lepas yang berkaitan dengan penggunaan animasi dalam pengajaran (Othman; 2007 & Robert; 2008)...”
"Analisis ujian-t sampel tidak bersandar dengan pengiraan menggunakan G*Power dengan nilai kuasa statistik dan kesan saiz ini memberikan saiz sampel antara kumpulan eksperimen dan kawalan masing-masing 34 orang. Dengan kuasa .8 ini maka statistik t-test yang digunakan berupaya mengurangkan kemungkinan berlakunya T2E, iaitu menerima Ho yang salah. Dengan itu, kajian ini akan menggunakan sampel saiz masing-masing 34 bagi kumpulan eksperimen dan kawalan”
OT
No comments:
Post a Comment