4.2 PEMERIKSAAN DATA KAJIAN

Pemeriksaan data kajian adalah aktiviti pertama yang dilakukan oleh penyelidik sebelum memulakan

analisis data berdasarkan soalan kajian. Tujuan pemeriksaan adalah untuk melihat kesilapan semasa

memasukkan data serta menyemak kehadiran ‘outliers’ dan ‘missing value’ pada data. Oleh itu,

sebanyak 53 daripada 898 data telah dikeluarkan bagi membersihkan data agar tiada unsur yang dalam

kawalan mempengaruhi analisis data. Selain daripada itu, pemeriksaan data juga bermatlamat untuk

menguji data univariat berdasarkan andaian yang selalunya dirujuk semasa menggunakan analisis

multivariate. Andaian yang penting menurut Rollins (2001), data selanjar yang mempunyai ciri normal

adalah perkara yang sangat penting yang perlu diuji sebelum analisis lanjutan dengan teknik statistik

tertentu diaplikasikan.

Kaedah yang sering digunakan untuk menguji kenormalan data ialah dengan menggunakan gambaran

grafik dan bukan grafik. Dalam kajian ini, gambaran grafik yang digunakan ialah histogram dan plot Q-Q,

makala kaedah bukan grafik ialah dengan menggunakan pekali pencongan (skewness) dan juga

berdasarkan ujian statistic Shapiro-Wilks dan Kolmogorov-Smirmov (dengan pembetulan Lilliefors).

Selain daripada itu, dalam kajian Sains Sosial yang menggunakan manusia sebagai sampel kajian, bentuk

‘loceng’ dengan nilai min, mod dan median yang sama adalah amat jarang diperoleh Rollins (2001;

Burdenski; 2000). Jika bentuk taburan yang diperoleh adalah terpesong daripada bentuk ‘loceng’ yang

tepat, sebagai satu petanda bahawa data bukan bertabur secara normal (Rollins, 2001). Ini adalah

kerana kenormalan taburan data wujud dalam pelbagai bentuk dan setiap bentuk mempunyai ciri yang

tersendiri.

Oleh hal yang demikian, pakar-pakar penyelidik mencadangkan agar penyelidik mengkaji bentuk grafik

dan juga nilai pencongan data selain daripada menggunakan teknik statistik untuk menguji kenormalan

data (Rollins, 2001; Pallant, Burdenski, 2000). Hasil ujian statistik seperti Shapiro-Wilks dan

Kolmogorov-Smimov, selalunya memberi nilai yang bertentangan dengan hasil analisis gambaran grafik,

kerana teknik ini amat sensetif dengan julat antara min, sisihan piawai, saiz sampel serta ‘outliers’.

Oleh itu gambaran grafik merupakan alternatif untuk menganalisis kenormalan data. Manakala Hair et

al. (1998), menggunakan pekali skewness dan kurtosis sebagai tanda untuk melakukan transformasi,

iaitu jika data menunjukkan taburan tidak normal atau apabila nilai pekali ini berada di luar julat ±1.

Dalam kajian ini, semua data selanjar pencapaian PMR pelajar

Kaedah yang sering digunakan untuk menguji