saya jawab dan respons.

Mohon maaf ya

Kali ini sekadar berkongsi tentang reka bentuk kajian yang agak jarang dipilih oleh para
pengkaji iaitu tentang reka bentuk kajian Eksperimental. Sebenarnya ada beberapa situasi dan
keadaan yang memerlukan kajian eksperimental dijalankan dan bukanlah kajian tinjauan.
Namun, ia bukanlah suatu kajian yang mudah dilakukan walaupun jumlah sampelnya lebih
sedikit berbanding dengan kajian tinjauan. Kajian eksperimental ini merupakan kaedah
terkawal yang memerlukan penelitian dan juga kecekapan pengkaji itu sendiri dalam
mengendalikan kajian yang agak complicated. Apa yang membezakannya, kita perlu
mengawal pemboleh ubah kajian.
Namun, dalam bidang Sains Sosial, kebanyakan ahli penyelidik kerap menggunakan kajian
kuasi-eksperimental berbanding dengan kajian eksperimental benar (true experimental). Saya
pun sebenarnya tidak pernah melakukan kajian eksperimental benar. Mungkin masih belum
mahir dan berkepakaran dalam melaksanakan kajian sebegini. Namun, kali ini saya hanya
ingin berkongsi sedikit ilmu dan maklumat mengenai kajian kuasi-eksperimental yang mana
sering digunakan untuk menilai keberkesanan sesuatu program yang dijalankan. Bagi saya
kajian kuasi-eksperimental ini lebih mudah diuruskan dan dilaksanakan berbanding kajian
eksperimental benar kerana kumpulan-kumpulan responden kajian tidak semestinya sama
jumlahnya. Dalam kajian ini juga, reka bentuk pre & post design yang paling kerap dan biasa
dengan saya. Dua reka bentuk lain iaitu regresi tidak bersambungan dan reka bentuk siri
masa, sememangnya saya tidak mempunyai kepakaran tersebut dan hanya mendapat
maklumat melalui pembacaan saya terhadap buku-buku metode sahaja.
Dalam reka bentuk ujian pre dan post ini, terdapat dua kumpulan kajian yang dinamakan
kumpulan rawatan dan kumpulan kawalan. Ciri-ciri yang dipilih oleh kedua-dua kumpulan
ini seharusnya hampir sama. Jangan bimbang kerana bagi kajian kuasi-eksperimental ini tidak
memerlukan pensampelan secara rawak. Oleh itu, jangan terikat dengan ujian parametrik
kerana reka bentuk kajian ini ada ujian yang tersendiri yang boleh kita gunakan seperti ujian
ANCOVA.
Reka Bentuk Kajian

Sebenarnya kenapa kaedah penyelidikan ini sangat penting kepada mereka yang bergelar
penyelidik, pengkaji, pelajar yang ingin menulis tesis dan juga pelajar yang mengambil kelas
Metodologi. Kenapa dalam bidang penulisan akademik, memahami mengenai kaedah
penyelidikan ini sangat dititik beratkan. Walaupun semua sudah sedia maklum mengenai
kepentingan memahami dan menguasai kaedah penyelidikan atau research methods ini
namun ramai lagi yang masih keliru tentang segala-galanya.
Di saat-saat penghujung semester akan berakhir ini, walaupun kelas kuliah dan tutorial sudah
berakhir, di saat para pelajar mengosongkan fakulti dan jabatan dalam tempoh study week,
namun tugas sebagai seorang pensyarah masih belum terhenti. Apatah lagi di saat cuti
sekolah terasa rasa bersalah kerana tidak dapat bercuti panjang bersama keluarga. Kenapa?
Kerana masih ada tugas yang belum selesai. Tugas menyelia tesis pelajar dan juga menjadi
examiner demi membaca tesis pelajar yang banyak. Nampak macam kerja senang dan mudah
namun tidak semudah itu. Kadang-kadang sangat pening dengan tesis yang tidak difahami
sendiri oleh pelajar yang menulisnya. Mungkin perlukan sedikit pencerahan apa sebenar yang
mereka faham sehingga mereka keliru dengan apa yang mereka tulis. Antara persoalan lain
ialah kalau mereka tidak faham kenapa mereka tidak bertanya. Masalah tentang kaedah
penyelidikan ini macam seolah-olah tiada penghujung. Setiap pelajar menghadapi masalah
yang sama. Atau mungkin pensyarahnya yang tidak pandai mengajar kot :(
Antara isu kaedah penyelidikan yang kerap tidak difahami
oleh pelajar ialah REKA BENTUK KAJIAN. Keliru!!! Sebagai contohnya reka bentuk kajian
tinjauan tetapi pada masa yang sama tidak memahami kaedah pengumpulan data yang
bagaimana sepatutnya sesuai dengan kaedah tinjauan. Sebagai contohnya menggunakan reka
bentuk kajian tinjauan, kaedah pengumpulan data melalui borang soal selidik dan
pemerhatian. Pernyataan tersebut adalah kurang tepat kerana pemerhatian merupakan kaedah
pengumpulan data melalui kajian kualitatif.
Ada juga kekeliruan tentang metode temubual. Sebenarnya temu bual mendalam merupakan
kaedah pengumpulan data dalam kajian lapangan. Kajian lapangan ini mewakili kajian
kualitatif bukan kajian kuantitatif. Walaubagaimanapun, ada juga kaedah temu bual dalam
kajian kuantitatif iaitu temu bual tinjauan. Temu bual tinjauan ini boleh dijalankan dengan
mengambil kira beberapa aspek seperti satu set soalan telah disediakan terlebih dahulu
sebelum temu bual berlangsung, soalan yang akan dikemukakan kepada responden akan
dicatatkan pada borang soal selidik dan juga unsur perbincangan berkaitan dengan isu amat
terhad kepada soalan-soalan yang ada dalam soal selidik sahaja. Bila perlunya penyelidik
menggunakan kaedah temu bual tinjauan ini? Ketika berhadapan dengan responden yang
mengalami kesukaran untuk menjawab sendiri borang soal selidik tersebut. Sebagai
contohnya, responden kajian kita adalah masyarakat Orang Asli, sudah tentu memerlukan
bantuan penyelidik ataupun enumerator untuk melengkapi soal selidik tersebut. Begitu juga
jika responden kajian kita adalah pesakit kritikal di hospital.
Jadi, temu bual tinjauan sangat berbeza dengan temu bual lapangan atau juga dikenali sebagai
temu bual mendalam. Temu bual mendalam merupakan kaedah pengumpulan data kajian
kualitatif yang memerlukan perbincangan yang mendalam tentang sesuatu isu. Terdapat juga
pelajar yang keliru tentang temu bual sebagai kaedah mendapatkan data yang mana akan
menjawab objektif kajian serta temu bual sebagai sumber rujukan teks. Oleh itu, kerap
berlaku kesilapan bila dinyatakan temu bual dalam metodologi kajian tetapi tidak ada data,
tidak hasil kajian malah tidak ada objektif kajian yang menunjukkan tentang kaedah temu
bual tersebut.
Sebenarnya memahami kaedah penyelidikan perlukan pemahaman secara menyeluruh bukan
sekadar serpihan.
Penentuan Saiz Sampel

Di antara aspek yang perlu kita ambil kira yang melibatkan persampelan kajian ialah
mengenai saiz sampel yang akan kita gunakan. Banyak persoalan yang timbul; berapa banyak
sampel yang akan kita guna, kena guna saiz sampel yang besar kah untuk dapatkan
signifikan, bagaimana nak tentukan saiz sampel, cara apa dan juga betulkah sampel yang kita
gunakan itu menepati ciri-ciri populasi kajian.
Jika kita menggunakan kajian kuantitatif, saiz sampel boleh ditentukan dengan menggunakan
prosedur pengiraan yang tertentudengan mengambil kira ralat persampelan, aras signifikan
dan juga aras keyakinandan selalunya kita memilih menggunakan ralat persampelan 5%,
(significance level ()- .05) dengan aras keyakinan (level of confidence) 95%.
Sebagai seorang penyelidik, kita sendiri yang perlu menetapkan aras signifikan kajian kita
untuk kita uji hipotesis kajian kita. Aras signifikan yang biasa ditetapkan dalam penyelidikan
Sains Sosial ialah p<.05 (nilai alpha ). Terdapat juga penyelidik yang menetapkan aras
signifikan alphanya pada .001 dengan aras keyakinan 99%.
Biasanya untuk menentukan saiz sampel, kita boleh merujuk jadual penentuan saiz sampel
yang telah disediakan seperti jadual Krejcie & Morgan (1970) dan jadual Cohen et al. (2001).


Namun, Krejcie & Morgan (1970) tidak membincangkan secara langsung tentang aras
signifikan dan ralat persampelan berbanding dengan Cohen et al. (2001). Selain itu, jika kita
tidak mengetahui jumlah populasi kajian, perisian G*Power lebih sesuai kerana ia membantu
kita menetapkan saiz sampel dengan mengambil kira saiz kesan (effect size), ralat
persampelan dan juga aras signifikan kajian. Cohen (1977) juga membincangkan tentang saiz
kesan ini dalam kajian beliau.
Walauapapun, keputusan pemilihan semuanya bergantung kepada kita sendiri yang
menjalankan penyelidikan tersebut. Tidak kira jenis dan prosedur saiz sampel yang kita
gunakan perlu ada justifikasinya. Ini penting yang akan membuktikan bahawa kita faham
kajian yang kita sendiri jalankan
Kerangka teoretikal dan
kerangka konseptual

Tajuk tentang kerangka teoretikal dan kerangka konseptual ada yang keliru dalam
mengintepretasikannya. Ada yang kurang jelas masa bila nak guna. Boleh guna salah satu ke,
atau boleh guna kedua-duanya?
Dalam kajian penyelidikan, perlu ada sesuatu yang kita nak dan kena ukur.konsep yang
akan menjelaskan ciri-ciri dan kriteria konsep tersebut. Sebagai contohnya, tahap kemahiran
berkomunikasi pelajar, tahap motivasi pelajar.
Oleh itu, kita sebagai penyelidik perlukan bukti untuk menyatakan dan menjelaskan tahap-
tahap tersebut. Bukan hanya meneka sahaja. Bukti perlukan data-data empirikal sama ada
data yang berbentuk kuantitatif mahupun data kualitatif. Sebelum memahami kerangka
teoretikal dan kerangka konseptual, perlu dulu memahami tentang konsep abstrak dan
variabel untuk membina alat pengukuran yang akan bergerak kepada peringkat operasional
pengukuran.
sesuatu kajian akan bermula dengan kerangka teoretikal terlebih dahulu, kemudian kerangka
konseptual dan baru boleh meletakkan operasional pengukurannya. Teoretikal boleh
dijelaskan melalui penggunaan teori-teori dan model kajian yang sesuai serta yang boleh
menjelaskan konsep abstrak kajian. Kemudian barulah kerangka konseptual boleh dibentuk.
Kerangka konseptual boleh dijelaskan dalam bentuk hipotesis konseptual dalam kajian
kuantitatif.
Sebagai contohnya kajian mengenai Kesan televisyen kepada tingkah laku kanak-kanak.
Kerangka teoretikal ialah menggunakan teori kesan media yang sesuai seperti teori kognitif
sosial.

Peringkat kerangka konseptual ialah menjelaskan perhubungan antara konsep-konsep abstrak
dalam bentuk hipotesis. Jadi, konsep kesan penontonan televisyen boleh dijelaskan dalam
beberapa bentuk seperti kesan terhadap tingkah laku, kesan terhadap pemikiran, kesan
terhadap emosi dan perasaan.

Selalunya penyelidik menggunakan kedua-dua kerangka teoretikal dan juga kerangka
konseptual. Sebagai contohnya, daripada beberapa teori kajian yang digunakan boleh
membentuk kerangka konseptual dalam menjelaskan beberapa pilihan variabel hipotesis.
Manakala kajian kualitatif tidak menitik beratkan hipotesis dan variabel kajian.


0 comments
Komparatif Komputerisasi Multivariat
Interprestasi Uji Manova dalam SPSS
Tutorial Interprestasi Uji Manova dalam SPSS

Artikel ini merupakan kelanjutan dari artikel sebelumnya yang berjudul "Uji Manova dalam SPSS". Sebelum anda membaca artikel
ini, anda lebih baik apabila membaca artikel sebelumnya tersebut. Dalam artikel tersebut, dijelaskan langkah demi langkah
melakuka uji Manova dengan menggunakan Software SPSS. Sedangkan pada bahasan kali ini akan dijelaskan cara membaca output
hasil uji tersebut kemudian bagaimana mengambil kesimpulan serta menjawab hipotesis.

Langsung saja kita mulai cara membaca output tersebut. Setelah anda melakukan semua tahapan dalam artikel sebelumnya, maka
akan muncul jendela output sebagai berikut:
(Anda juga bisa mendownload Output dalam uji coba ini di link berikut:
Manova.spv





Tabel di atas, menunjukkan hasil uji deskriptif. Contoh dari tabel di atas: Responden dengan Pekerjaan Tani, rata-rata (mean) nilai
matematika sebesar 46,64 dan jumlahnya ada 11 orang. Sedangkan Buruh rata-rata nilai fisika sebesar 76,67 dan jumlahnya 9 orang,
begitu pula yang lain cara membacanya sama. Agar lebih jelas, baca artikel kami yang berjudul "Analisis Deskriptif dengan Excel".




Seperti biasa untuk hasil uji F, kita mengabaikan bagian yang diberi label "Intercept."

Pada baris yang di bawah pada tabel di atas menunjukkan 4 nomor memberikan nilai P value untuk empat uji multivariat yang
berbeda.
Hasil tersebut memberitahukan pada kita jika ada pengaruh yang signifikan dari variabel independen pada semua variabel dependen.
Jika Anda ditanya "Secara keseluruhan, apakah ada pengaruh yang signifikan dari variabel independen pada satu set kelompok
variabel dependen", "maka Anda akan menjalankan MANOVA dan melihat hasil uji multivariat ini sebagai kesimpulan Anda".
"Artinya, jika 4 nilai p-value menunjukkan <0,05, maka signifikan pada level kepercayaan 95%".
Ingat bahwa berdasar tabel di atas, tidak ada satu uji multivariat tunggal, yang ada adalah empat jenis uji yang berbeda.




Tabel di atas, menunjukkan hasil uji homogenitas yaitu uji Levene. Dikatakan semua variabel memiliki varian yang sama apabila
nilai sig. > 0,05. Nilai ini nantinya akan mempengaruhi pilihan uji Post Hoc apa yang digunakan. Apabila Sig. >0,05 maka uji Post
Hoc menggunakan Uji Benferroni, sedangkan jika <0,05 maka menggunakan Games-Howell. Hasil di atas menunjukkan semua
variabel dependen memiliki varian yang sama sebab Sig. >0,05 sehingga uji Post Hoc yang digunakan nantinya adalah Benferroni.




Tabel di atas menunjukkan nilai uji Manova. Seperti biasanya pada uji F, anda akan disuguhkan dengan beberapa nilai: Corrected
Model, Intercept, Pekerjaan, Error dan Total. Dalam bahasan kali ini, kami menganggap semua pembaca telah membaca artikel-
artikel sebelumnya, sehingga memahami maksud dari nilai-nilai tersebut.

Langsung saja kita lihat baris "Pekerjaan" pada tabel di atas. Pada baris tersebut ada 3 baris lagi, yaitu "Matematika", "Fisika" dan
"Biologi". Maksud dari hal tersebut adalah tiap baris menunjukkan hasil uji pengaruh satu variabel independen yaitu pekerjaan
terhadap masing-masing variabel dependen. Dari hasil di atas, lihat nilai pada kolom "Sig.". Dikatakan Signifikan apabila nilai Sig.
< 0,05. Contoh di atas ketiga nilai menunjukkan 0,000 di mana <0,05, sehingga kesimpulan dan jawaban hipotesis adalah:

Pekerjaan secara bermakna mempengaruhi nilai ujian matematika dengan P Value 0,000 yang artinya H0 Ditolak atau H1
Diterima.
Pekerjaan secara bermakna mempengaruhi nilai ujian matematika dengan P Value 0,000 yang artinya H0 Ditolak atau H1
Diterima.
Pekerjaan secara bermakna mempengaruhi nilai ujian matematika dengan P Value 0,000 yang artinya H0 Ditolak atau H1
Diterima.




Tabel di atas menunjukkan hasil Uji Post Hoc. Karena nilai uji homogenitas menunjukkan Sig. >0,05 pada semua variabel, maka
masing-masing pengaruh variabel independen terhadap variabel dependen menggunakan uji Benferroni.
Dikatakan ada perbedaan variabel dependen yaitu nilai ujian berdasarkan variabel independen yaitu Pekerjaan apabila memiliki
tanda bintang. dalam Contoh di atas dapat disimpulkan sebagai berikut:
Untuk perbedaan nilai ujian matematika berdasarkan pekerjaan, yang memiliki perbedaan adalah Tani dengan Buruh dan
Tani dengan PNS.
Untuk perbedaan nilai ujian fisika berdasarkan pekerjaan, yang memiliki perbedaan adalah Tani dengan Buruh dan Tani
dengan PNS.
Untuk perbedaan nilai ujian biologi berdasarkan pekerjaan, yang memiliki perbedaan adalah Tani dengan Buruh, Tani
dengan PNS dan Buruh dengan PNS.

Demikian bahasan singkat tentang Uji Manova dalam SPSS, semoga bermanfaat.

Artikel selanjutnya adalah "Uji Mancova dalam SPSS."