PENYELIDIKAN KUANTITATIF
3.6 Analisis Data
3.5.11Prosedur Pengumpulan Data
Pengkaji perlu menjelaskan dengan terperinci proses kajian yang meliputi kajian rintis dan langkah-langkah yang diambil semasa pengumpulan data kajian sebenar. Sebagai contoh, jika data dikumpulkan melalui eksperimen, jelaskan di mana eksperimen dijalankan, bagaimana subjek-subjek dibahagikan kepada kumpulan, bagaimana rawatan diberikan kepada subjek, bagaimana pengukuran dibuat dan siapa yang mengawas eksperimen tersebut.
3.6 Analisis Data
Rekabentuk Pemilihan rawak Ciri-ciri lain Persampelan
rawak mudah
Ahli sampel dipilih daripada populasi secara rawak
Keseluruhan populasi bertindak sebagi satu unit daripada sampel dipilih
Persampelan rawak
berstrata
Ahli sampel dipilih secara rawak dari setiap strata populasi
Setiap strata diwakili dalam sample; sample dipilih mengikut nisbah setiap strata dalam populasi
Persampelan
kluster Ahli kluster dipilih daripada populasi kluster yang lebih besar
Semua ahli daripada kluster yang dipilih dilibatkan dalam sample; tidak semua kluster dilibatkan; kluster tidak
semestinya sama saiz Persampelan
3.6.1 Parameter dan Statistik
Dalam penyelidikan kuantitatif, statistik digunakan sebagai asas untuk menyokong sesuatu tuntutan ilmu. Oleh itu, statistik digunakan untuk mengumpul, menyusun, menganalisis dan membuat intepretasi data numerikal. Dalam penyelidikan kuantitatif, penyelidik ingin mengkaji tentang populasi tetapi data adalah diperolehi daripada sampel yang dipilih secara rawak. Statistik tentang ciri-ciri populasi yang diterjemahkan dalam bentuk pembolehubah-pemboelehubah ditakrifkan sebagai parameter dan statistik tentang ciri-ciri sampel dari segi pembolehubah-pembolehubah tersebut ditakrifkan sebagai statistik. Analisis data melibatkan proses memeriksa statistik sampel dan seterusnya membuat inferens tentang parameter populasi daripada statistik sampel tersebut. Proses pemeriksaan data menghasilkan statistik deskriptif tentang sampel dan proses membuat inferensi membantu penyelidik membuat rumusan tentang parameter populasi. Maka, analisis data melibatkan dua peringkat, iaitu peringkat deskriptif dan peringkat inferensi.
3.6.2 Pemeriksaan Data dan Statistik Diskriptif
Data mentah perlu diperiksa dari segi taburan pembolehubah, “outliers”, dan perhubungan antara pembolehubah jika pengkaji ingin meneliti tentang perhubungan. Proses pemeriksaan data juga menghasilkan statistik diskriptif.
• Taburan Pembolehubah dan “outliers”
Data tentang sesuatu pembolehubah yang dikumpul daripada sampel perlu diperiksa dari segi taburan atau distribusinya. Sesuatu distribusi dihuraikan dari segi bentuknya, kecenderungan memusat dan sebaran distribusi. Ukuran kecenderungan memusat (contohnya min dan median) dan ukuran sebaran (contohnya sisihan piawai dan “interquartile range”) merupakan statistik deskriptif tentang sampel.
Bentuk distribusi, sama ada simetri dan normal atau sebaliknya dapat memperlihatkan sejauh mana data tersebut memenuhi syarat-syarat untuk prosedur statistik inferensi. Ini adalah kerana kebanyakan prosedur statistik inferensi memerlukan data yang memenuhi syarat-syarat tertentu. Umpamanya ujian-ujian parametrik biasanya memerlukan distribusi yang normal. Statistik deskriptif yang sesuai digunakan untuk prosedur inferensi juga bergantung kepada bentuk distribusi pembolehubah yang berkenaan. Umpamanya, jika distribusi agak simetri dan normal, min dan sisihan piawai sesuai digunakan sebagai ukur kecenderungan memusat dan sebaran distribusi pembolehubah tersebut. Tetapi, jika ia tidak simetri dan tidak normal, median dan “interquartile range” lebih sesuai sebagai ukur demikian.
Pemeriksaan taburan pembolehubah juga dapat mengesan sama ada terdapat “outliers” yang perlu diteliti. Outliers mempengaruhi min dan sisihan piawai. Setiap outlier perlu diteliti sama ada ia adalah disebabkan
oleh kesilapan pengkaji atau pun ia memang data benar tentang peserta kajian yang mungkin bukan daripada populasi kajian. Sekiranya ia bukan disebabkan oleh kesilapan pengkaji dan peserta-peserta tersebut memang daripada populasi kajian, maka data tersebut tidak digugurkan.
Cara yang paling mudah untuk melihat taburan pemboleh ubah ialah melalui rajah. Plot digunakan untuk menilai bentuk taburan. Antaranya ialah:
o Histogram;
o Stem and leaf plot; o Box plot.
• Perhubungan Antara Dua Pembolehubah
Jika penyelidik ingin mengkaji tentang perhubungan antara dua pembolehubah, maka data perlu diperiksa supaya statistik deskriptif yang sesuai digunakan untuk menghuraikan perkaitan tersebut. Data perlu diperiksa dari segi bentuk dan jenis perkaitan yang wujud antara dua pembolehubah tersebut. Darjah perkaitan antara dua adalah dikenali sebagai korelasi. Cara yang biasa digunakan untuk memeriksa bentuk dan jenis perkaitan antara pembolehubah di mana data adalah jenis parametrik ialah graf “scatterplot”. Untuk data bukan parametrik data dipamerkan dengan jadual dua hala (two-way table)
o Bentuk dan Jenis Hubungan
o Terdapat dua bentuk hubungan, iaitu, bentuk linear dan bentuk bukan linear.
o Bentuk linear merupakan bentuk yang nilai-nilai kedua-dua pembolehubah yang dikaji terletak di dalam kelompok garis lurus.
o Bentuk bukan linear merupakan bentuk yang nilai-nilainya kedua-dua pembolehubah yang dikaji di dalam kelompok berbentuk lengkung linear.
o Hubungan positif – wujud apabila penambahan atau
pengurangan nilai pada sesuatu pembolehubah berkait secara langsung dengan penambahan atau pengurangan nilai pada pembolehubah lain.
o Hubungan negatif – wujud apabila penambahan nilai pada sesuatu pembolehubah dengan pengurangan nilai pada pembolehubah lain. Ia juga terbentuk apabila pengurangan nilai sesuatu pembolehubah berkait dengan peningkatan nilai pada pembolehubah lain.
o Tiada hubungan – wujud apabila bentuk taburan nilai-nilai sesuatu pembolehubah dengan nilai-nilai pembolehubah lain tidak dapat ditentukan.
o Pekali Korelasi
o Pekali korelasi digunakan untuk mengukur keteguhan hubungan antara pembolehubah-pembolehubah.
o Nilai-nilai adalah di antara negatif satu dan positif satu (-1 ≤ r ≤ +1) di mana r disimbolkan sebagai petunjuk sejauh mana kekuatan atau keteguhan di antara satu pembolehubah dengan pembolehubah lain.
o Jenis-jenis Pekali Korelasi
Terdapat lima jenis pekali korelasi yang biasa digunakan dalam syarat-syarat yang berbeza seperti Jadual 3.2 di bawah:
Jadual 3.2 Pekali Korelasi dan Jenis Ukuran Yang Diperlukan Untuk Pembolehubah- Pembolehubah Yang Berkaitan
Pekali Korelasi Ukuran Pembolehubah
Pearson Product Moment Kedua-dua pembolehubah berskala jeda Spearman Rank Order Kedua-dua pembolehubah berskala
ordinal
Point biserial Satu pembolehubah berskala jeda; satu lagi
berskala nominal atau ordinal
Biserial Satu pembolehubah berskala jeda; satu lagi
berskala ordinal Coefficient of
contingency Kedua-dua pembolehubah berskala nominal
3.6.3 Membuat Inferens dan Statistik Inferensi
Statistik inferensi digunakan untuk menguji hipotesis tentang parameter populasi daripada statistik sampel. Tujuannya adalah untuk menguji sama ada sesuatu kesan (contohnya, perbezaan antara kumpulan atau korelasi antara
dua pembolehubah) yang diperhatikan dalam sampel dapat dirumuskan kepada populasi. Statistik inferensi digunakan dengan syarat bahawa sampel yang dikaji telah dipilih secara rawak daripada populasi kajian.
Terdapat dua jenis ujian:
•
Ujian parametrik digunakan jika data adalah jenis data interval dan nisbah. Ujian statistik parametrik mengandaikan bahawa data bertaburan normal.•
Ujian bukan parametrik digunakan jika data adalah jenis nominal atau ordinal. Ujian bukan parametrik juga digunakan untuk menganti
ujian parametrik jika data jenis interval atau nisbah terlalu jauh
daripada bertaburan normal.
3.6.4 Panduan Am Memilih Teknik Statistik
Secara umum soalan-solan kajian boleh dikategorikan kepada dua jenis, iaitu jenis yang memperihal perkaitan antara pembolehubah dan jenis yang memperihal perbandingan antara kumpulan. Teknik statistik yang sesuai bagi setiap jenis soalan ini bergantung kepada bilangan pembolehubah bebas dan bersandar dan juga pembolehubah kawalan. Jadual 3.4 merupakan satu panduan am untuk memilih teknik statistik yang sesuai untuk menanalisis data mengikut jenis soalan kajian, bilangan dan jenis pembolehubah.
Jadual 3.4 Panduan Am Memilih Teknik Statistik
(Ubahsuai daripada B.G. Tabachnick & L. S. Fidell,1996) Bilangan (jenis) Bilangan (jenis)
pembolehubah pembolehubah Pembolehubah Teknik
Soalan Kajian bersandar bebas kawalan
statistik
Satu (selanjar) Korelasi r
Satu (selanjar) Tiada
Multiple R
Lebih dpd satu (selanjar)
Perkaitan antara Multiple R pembolehubah
Satu (diskrit) Satu (diskrit) Chi-square Lebih dpd Lebih dpd
satu (selanjar) satu (selanjar) Canonical R
Tiada Ujian t atau ANOVA
Satu (diskrit) sehala
Ada ANCOVA
Satu (selanjar) Sehala
Tiada ANOVA
Lebih dpd Dua hala
Satu (diskrit)
Ada ANCOVA
Perbezaan Dua hala
Antara
kumpulan Satu (diskrit) Satu (diskrit) Chi square
Tiada MANOVA Sehala Satu (diskrit) Ada MANCOVA Sehala Lebih dpd
Satu (selanjar) Tiada
MANOVA Dua hala Lebih dpd Satu (diskrit) Ada MANCOVA Dua hala