Penyelidikan dan kajian merupakan satu pendekatan dalam meningkatkan keberkesanan kepimpinan dalam pengurusan pendidikan sama ada di sekolah, di PPD mahu pun di KPM. Penyelidikan seharusnya dijadikan budaya, agar warga pendidikan bukan sahaja sentiasa berusaha ke arah meningkatkan keberkesanan dalam melaksanakan tanggungjawab mengikut fungsi tugas, bahkan menjadi penyuntik semangat ke arah usaha mewujudkan organisasi pembelajaran di organisasi masing-masing.
Pada penulisan ini saya akan berkongsi sedikit kemahiran bagaimana menggunakan MS Excel untuk mendapatkan pekali korelasi (Correlation Coefficient) untuk menunjukkan seberapa kuatnya pembolehubah saling berkaitan antara satu sama lain. Dalam MS Excel, kita boleh menggunakan fungsi CORREL untuk mencari pekali korelasi (Correlation Coefficient) antara dua pemboleh ubah.
Sebelum saya
meneruskan perkongsian ini elok kita mantapkan pemahaman kita mengenai pekali korelasi
(Correlation Coefficient) terlebih dahulu. Pekali korelasi (Correlation
Coefficient) menunjukkan nilai dari -1 hingga +1. Pekali korelasi (Correlation
Coefficient) +1 menunjukkan korelasi positif yang sempurna, yang bermaksud
bahawa apabila pemboleh ubah X meningkat, pemboleh ubah Y meningkat dan
sementara pemboleh ubah X menurun, pemboleh ubah Y menurun. Sebaliknya, pekali
korelasi (Correlation Coefficient) -1 menunjukkan korelasi negatif yang
sempurna. Apabila pembolehubah X meningkat, pemboleh ubah Z menurun dan apabila
pemboleh ubah X menurun, pemboleh ubah Z meningkat.
Baiklah, jika sudah faham mengenai pekali korelasi (Correlation Coefficient), kita teruskan kepada bagaimana mengira pekali korelasi (Correlation Coefficient) dengan menggunakan MS Excel. Terdapat dua kaedah yang disyorkan di sini;
a) Kaedah A Menggunakan fungsi CORREL secara langsung
b) Kaedah B Menerapkan Analisis Data dan mengeluarkan analisis
Kita mulakan
dengan kaedah A Menggunakan fungsi
CORREL secara langsung. Sebagai contoh kita mahu melihat hubungan antara data
standard 4 guru dengan prestasi pencapaian bagi satu mata pelajaran. Andaikan
contoh data adalah seperti pada jadual 1.
Persamaan bagi pengiraasn korelasi ialah seperti berikut;
Dimana X dan Y adalah purata bagi data lajur B2 hingga B6, dan data purata bagi lajur C2 hingga C6.
Terdapat tiga senarai data pada Jadual 1, dan sekarang saya akan mengira pekali korelasi antara kedua pemboleh ubah iaitu antara prestasi guru dalam standard 4 SKPMG2 dengan peratus pencapaian murid mengikut kelas.
Seperti
tangkapan sel pada jadual 2, anda pilih sel kosong yang akan anda masukkan
hasil pengiraan (sel C8), seterusnya masukkan formula ini =CORREL (B2: B6, C2: C6), ATAU =CORREL
(B2: B6; C2: C6) dan tekan kekunci Enter untuk mendapatkan pekali korelasi.
Lihat tangkapan skrin:
Jadual 2
Hasilnya akan ditunjukkan seperti pada Jadual 3. Dalam formula, B2: B6 dan C2: C6 adalah dua senarai pemboleh ubah yang ingin anda bandingkan iaitu melihat korelasi antara pencapaian guru dalam Standard 4 SKPMg2 dengan peratus pencapaian murid mengikut kelas.
Jadual 3
Berdasarkan data yang ditunjukkan pada jadual 3, bacaan korelasi ialah 0.7057834495, iaitu berlakunya korelasi positif antara prestasi guru dengan pencapaian murid , namun pada tahap yang tinggi tapi belum mencapai tahap sempurna. Cara mentafsirkan pekali korelasi dapat ditunjukkan pada Jadual 4.
|
Skala Korelasi |
Interpretasi |
|
.90 hingga 1.00 (-.80 hingga -1.00) |
Korelasi positif (negatif) yang
sangat tinggi |
|
.70 hingga .89 (-.70 hingga -.89) |
Korelasi positif (negatif) yang tinggi |
|
.50 hingga .69 (-.50 hingga -.69) |
Korelasi positif (negatif) yang
sederhana |
|
.30 hingga .49 (-.30 hingga -.49) |
Korelasi positif (negatif) yang rendah |
|
.00 hingga .29 (-.00 hingga -.29) |
Tiada korelasi / Korelasi yang
diabaikan |
Jadual 4
Sila ambil maklum terhadap situasi berikut;
1) Sekiranya array(lajur) atau argumen rujukan mengandungi teks, nilai logik, atau sel kosong, nilai-nilai tersebut akan diabaikan; namun, sel dengan nilai sifar (0)disertakan.
2) Sekiranya array1 dan array2 mempunyai bilangan titik data yang berbeza, CORREL mengembalikan ralat # N / A.
3) Sekiranya
sama ada array1 atau array2 kosong, atau jika s (sisihan piawai) nilainya sama
dengan sifar, CORREL mengembalikan # DIV / 0! Kesilapan.
Anda juga boleh
memasukkan carta garis untuk melihat pekali korelasi secara visual. Lihat
tangkapan skrin:
Baiklah sekarang kita teruskan dengan melanksanakan operasi untuk cara kedua pula iaitu Menerapkan Analisis Data dan mengeluarkan analisis. Kaedah ini memerlukan kemahiran yang sedikit tinggi berbanding kaedah pertama tadi. Iaitu dengan menggunakan Analisis Toolpak di Excel.
Dengan alat
Analisis Toolpak di Excel, anda dapat dengan cepat menghasilkan pekali korelasi
antara dua pemboleh ubah, lakukan seperti di bawah:
1. Klik File > Options, kemudian di tetingkap Excel Options, klik Add-Ins
dari panel kiri, dan pergi ke klik butang Go di sebelah senarai drop-down
Excel Add-in. (Sekiranya anda telah menambahkan add-in Analisis Data ke
kumpulan Data, sila lompat ke langkah 3.)
2. Dalam dialog Add-Ins, tanda / tick Analysis ToolPak, klik OK untuk menambahkan add-in ini ke kumpulan tab Data.
3. Kemudian klik Data> Analysis Data,
dan dalam dialog Analysis Data, pilih Correlation, kemudian klik OK.
4. Kemudian dialog Correlation, lakukan seperti operasi di bawah:
1) Pilih julat data (data range);
2) Periksa pilihan Lajur atau Baris (Columns or Rows) berdasarkan data anda;
3) Tanda Label di baris pertama jika anda mempunyai label dalam data;
4) Tanda satu
pilihan yang anda perlukan di bahagian pilihan Output (Output options).
5. Klik OK.
Dan hasil analisis telah ditunjukkan dalam julat yang anda tentukan.
Selamat mencuba,
semoga dengan sedikit perkongsian ini akan memotivasikan para guru khususnya
dalam kalangan kepimpinan untuk sentiasa terdorong melaksanakan kajain
berasaskan pendekatan kuantitatif mudah dengan melihat hubungan antara data
input, proses engan keberhasilan agar penambahbaikan dapat terus dilakukan
dalam mengikatkan kualiti penyampaian dan perkhidmatan kita.
___________
Rujukan:
Mukaka, MM. 'A guide to appropriate use of Correlation coefficient in medical research', 2012.
Hinkle DE, Wiersma W, Jurs SG. 'Applied Statistics for the Behavioral Sciences', 2003.
No comments:
Post a Comment