CERITA 3: KORELASI (Correlation)

Credit: Google

Korelasi adalah teknik statistik yang boleh menunjukkan kekuatan sesuatu pasangan pembolehubah yang berkaitan. Contohnya, pencapaian subjek sains dengan subjek matematik; pelajar yang memperoleh skor yang tinggi dalam subjek sains cenderung untuk mendapat skor yang tinggi juga dalam subjek matematik, dan begitulah sebaliknya.

Walaupun contoh korelasi ini adalah jelas, namun ada ketikanya data kita mungkin mengandungi korelasi yang tidak disangka. Adakalanya kita merasakan wujudnya  korelasi, tetapi tidak tahu sejauh mana kekuatan korelasi tersebut. 

CERITA 2: Analisis Komponen Utama (AKU) dalam Penentuan Pemberat

Credit: Google

Pelbagai kaedah statistik telah dibina dalam usaha untuk memilih kaedah penentuan pemberat yang sesuai. Salah satunya adalah menggunakan kaedah analisis komponen utama (AKU), atau dalam Bahasa Inggeris, Principal Component Analysis (PCA). Kaedah ini menentukan faktor pembeban bagi setiap subkomponen berdasarkan sama ada sesuatu sub-komponen itu berkongsi faktor yang sama dengan sub-komponen yang lain dalam data. 

AKU mengumpulkan beberapa sub-komponen dan komponen yang kolinear antara satu sama lain bagi membentuk indeks komposit yang menerangkan sebanyak mungkin maklumat sepunya dalam setiap komponen. Setiap komponen mesti mempunyai unit pengukuran yang sama. 

Idea dalam AKU adalah untuk mendapat variasi sebanyak mungkin dalam set sub-komponen atau komponen menggunakan bilangan faktor yang sekecil mungkin. Sehubungan itu, komposit tidak lagi bergantung pada komponen data tetapi lebih kepada komponen statistik dalam data.    Berdasarkan kaedah AKU, pemberat digunakan untuk membetulkan maklumat yang bertindih antara dua atau lebih komponen yang berkorelasi dan bukannya mengukur kepentingan relatif gabungan komponen. Jika tiada korelasi antara komponen, maka pemberat tidak dapat ditentukan menggunakan kaedah ini (Nardo et al 2005). 

Langkah-langkah penggunaan AKU dalam menentukan pemberat:

• Langkah 1: Menyemak struktur korelasi dalam data. Jika korelasi antara komponen/sub-komponen lemah, adalah besar kemungkinan bahawa mereka tidak berkongsi faktor yang sama.
• Langkah 2: Mengenal pasti sebilangan faktor yang tersembunyi yang menerangkan data. Setiap faktor bergantung kepada senarai pekali (pembeban), setiap pekali mengukur korelasi antara komponen individu dan faktor terpendam. 
• Langkah 3: Putaran faktor merupakan satu konsep penting dalam analisis faktor. Khususnya, paksi rujukan diputar menurut pusingan jam berasaskan titik asal sehingga tercapai satu kedudukan tertentu. Di bawah putaran orthogonal, kaedah yang digunakan adalah putaran varimax bagi meminimumkan bilangan subkomponen/komponen individu yang mempunyai bebanan yang tinggi ke atas faktor yang sama. Langkah dalam putaran faktor ini adalah bagi mendapatkan struktur faktor yang lebih mudah. 
• Langkah 4: Mendapatkan pemberat berdasarkan matriks oleh faktor pembeban selepas putaran, diberi bahawa kuasa dua faktor pembeban menerangkan kadar jumlah keseluruhan varians dalam komponen yang diterangkan oleh setiap faktor. 
• Langkah 5: Memberikan pemberat kepada setiap satu subkomponen/komponen dengan kadar varians yang diterangkan oleh data. Dalam kajian ini, kaedah yang digunakan untuk mengeluarkan komponen utama adalah kaedah komponen utama. Kaedah komponen utama merupakan kaedah yang paling kerap digunakan dalam kajian empirikal mungkin kerana kaedah komputasi yang mudah (Rahmat et al. 2003; McGillivray 2005) 

syazwani.spss@gmail.com

CERITA 1: APAKAH STATISTIK?

Credit: Google

Manusia kerapkali menggunakan perkataan statistik dengan merujuk kepada kumpulan data.  Sebagai contoh, mereka mungkin berkata mereka memungut statistik dari operasi perniagaan mereka.  Apa yang mereka rujukkan adalah mengukur kenyataan dan angka. Sebenarnya statistik adalah ilmu yang diperlukan dalam pelbagai kegiatan penyelidikan. Ilmu ini membantu pengkaji atau penyelidik merangka kaedah pengumpulan, pemprosesan, pengiraan, perihalan dan pentafsiran data.

Masyarakat menggunakan statistik dalam pelbagai bidang dan displin ilmu seperti ramalan kaji cuaca, meramal wabak penyakit, penyediaan pelan kecemasan, kajian perubatan, ekonomi, kualiti dan sebagainya.

syazwani.spss@gmail.com

Perkhidmatan Kemasukan dan Analisis Data SPSS, AMOS dan tutoring SPSS dan AMOS

Salam semua,

Saya menyediakan perkhidmatan memasukkan data, harga bergantung kepada bilangan soalan (pemboleh ubah). Range harga RM1.50 - RM 2.50/ borang. Harga data cleaning ni termasuk data entry dan coding.

Saya juga turut menyediakan perkhidmatan menganalisis data menggunakan EXCEL, SPSS, AMOS antaranya:

1) Descriptive Statistics (Plots & Graphs)

2) Reliability (Cronbach Alpha), Construct Validity (Factor Analysis)

3) Associationship :

• Crosstabulation (Chi Square)
• Correlation (Pearson, Spearman, Kendall's Tau)

4) Comparative analysis:

•         T-test: Independent t-test, paired t-test
•         1-way Anova; Contrast, Post-hoc
•     2-way Anova: Interaction Effect

5) Regression

• Simple Linear Regression
• Multiple Linear Regression
• Logistic Regression

6) Factor Analysis

• Exploratory Factor Analysis (EFA)
• Confirmatory Factor Analysis (CFA)

7) Structural Equation Modeling (SEM)

• Mediator
• Moderator

Pakej termasuk interpretation, output dan file spss jika anda perlu edit / ubah di kemudian hari.

Dan macam-macam lagi statistical analysis yang dikehendaki, analysis dan harga boleh runding. 

Boleh emel questionnaire/data dan nyatakan analysis yang dikehendaki. Jika tidak pasti analysis apa untuk dibuat, boleh berikan research objective/hypothesis untuk disesuaikan atau bagi menjawab persoalan kajian anda. Senang sahaja kan...?

Oh ya, saya based di Bangi/Kajang, jadi untuk analysis sahaja tiada masalah anda di luar kawasan boleh e-mel data pada saya. Tetapi untuk data entry, boleh juga pos tidak menjadi masalah. Atau, untuk jimatkan kos, anda key in dahulu data dalam excel/spss dan emel sahaja saya untuk analysis.

Yang penting hubungi/whatsapp saya,

Regards,

syazwani.spss@gmail.com
012-5827123

Kaedah Pembuatan Keputusan Multi-kriteria

Kaedah VIKOR

Kaedah VIKOR (VlseKriterijumska Optimizacija I Kompromisno Resenje) dalam bahasa Serbia, bermaksud  Penyelesaian Pengoptimuman dan Kompromi MultiKriteria) telah dibangunkan sebagai satu kaedah dalam pembuatan keputusan multikriteria untuk menyelesaikan masalah keputusan yang berasingan dengan kriteria yang  berlawanan dan tidak sepadan. Kaedah ini memberi tumpuan kepada pangkat dan pemilihan dari satu set alternatif, dan menentukan penyelesaian kompromi untuk masalah dengan kriteria yang bercanggah. 

Kaedah TOPSIS

TOPSIS, (Technique for Order Preference by Similarity to Ideal Solution) dibangunkan oleh Yoon dan Hwang (1985) berdasarkan konsep bahawa alternatif yang dipilih harus mempunyai jarak terdekat dari penyelesaian ideal dan paling jauh dari sasaran lawan ideal.