Adakah anda sedang mencari cara untuk menganalisis data skala Likert tetapi tidak tahu caranya? Skala Likert ialah alat tinjauan yang mengukur sikap atau perasaan orang terhadap sesuatu topik. Responden memilih daripada pelbagai pilihan seperti "sangat setuju" kepada "sangat tidak setuju", biasanya dengan titik tengah neutral seperti "tidak bersetuju atau tidak bersetuju". Ini membolehkan penyelidik mengukur data subjektif dan membuat kesimpulan yang ketara. Dicipta oleh ahli psikologi Rensis Likert, skala biasanya mempunyai lima atau tujuh mata.
Menganalisis data skala Likert melibatkan pentafsiran respons untuk mendapatkan cerapan yang berharga. Dalam artikel komprehensif ini, kami akan menyelidiki proses langkah demi langkah "cara menganalisis data skala Likert" dan membuat kesimpulan yang bermakna.
Memahami Skala Likert
Sebelum menyelami analisis, mari kita lihat lebih dekat pada skala Likert dan ciri-cirinya:
- Skala Likert membentangkan satu siri pernyataan atau soalan kepada responden, yang kemudiannya menunjukkan tahap persetujuan atau ketidaksetujuan mereka pada skala berangka.
- Pilihan respons skala Likert yang biasa digunakan termasuk "Sangat Tidak Setuju," "Tidak Setuju," "Neutral," "Setuju" dan "Sangat Setuju".
- Respons biasanya dikodkan secara berangka, dengan nilai yang lebih tinggi mewakili persetujuan atau sikap positif yang lebih tinggi.
Skala Likert popular kerana kesederhanaan, kemudahan pentadbiran dan keupayaan untuk menangkap pendapat yang bernuansa. Penyelidik boleh mendapatkan pandangan tentang pengedaran respons, serta kecenderungan utama dan kebolehubahan data, untuk memahami sikap peserta terhadap topik tertentu.
Anda boleh mendapatkan butiran lanjut tentang skala Likert pada perkara berikut Wikipedia page.
Langkah Menganalisis Data Skala Likert
1. Pengumpulan dan Penyediaan Data
- Reka Tinjauan: Mewujudkan tinjauan yang tersusun dengan baik adalah penting untuk mendapatkan data yang boleh dipercayai. Buat soalan skala Likert yang jelas dan padat sejajar dengan objektif penyelidikan anda. Pertimbangkan perkataan pernyataan untuk mengelakkan berat sebelah dan kekaburan.
- Kemasukan dan Pembersihan Data: Setelah tinjauan selesai, masukkan respons ke dalam hamparan data atau perisian statistik. Pastikan data dibersihkan, menyemak sebarang entri yang hilang atau salah yang boleh menjejaskan analisis.
2. Kira Statistik Deskriptif
- Taburan Kekerapan: Untuk memahami taburan respons, kira kekerapan setiap pilihan skala Likert bagi setiap soalan. Susun data ke dalam jadual atau carta untuk menggambarkan taburan dengan berkesan.
- Kira Min dan Sisihan Piawai: Purata (purata) dan sisihan piawai memberikan maklumat penting tentang kecenderungan memusat dan serakan respons bagi setiap soalan. Min mewakili tindak balas tipikal, manakala sisihan piawai mengukur sebaran respons di sekitar min. Sisihan piawai yang tinggi menunjukkan kebolehubahan yang lebih besar dalam pendapat.
Sebagai contoh, pertimbangkan soalan tinjauan pada skala Likert 5 mata tentang tahap kepuasan dengan produk, dengan jawapan berkod seperti berikut: 1 – Sangat Tidak Puas Hati, 2 – Tidak Puas Hati, 3 – Neutral, 4 – Puas Hati dan 5 – Sangat Puas Hati . Selepas mengumpul data, hitung kekerapan setiap pilihan respons dan tahap kepuasan purata untuk memahami sentimen keseluruhan terhadap produk.
3. Menilai Kenormalan Data
- Ujian Normaliti: Untuk menggunakan teknik statistik yang sesuai, semak sama ada data mengikut taburan normal. Ujian kenormalan, seperti ujian Shapiro-Wilk atau Kolmogorov-Smirnov, menilai sama ada data menyimpang dengan ketara daripada taburan normal.
- Tafsiran: Jika data bertaburan normal (p > 0.05), ujian statistik parametrik seperti ujian-t dan ANOVA boleh digunakan. Jika data tidak diedarkan secara normal (p < 0.05), ujian bukan parametrik seperti ujian Mann-Whitney U atau ujian Kruskal-Wallis adalah lebih sesuai.
Sebagai contoh, jika kami menganalisis respons skala Likert untuk dua kumpulan berbeza menggunakan ujian normaliti dan mendapati bahawa data tidak diedarkan secara normal, kami boleh memilih untuk menggunakan ujian Mann-Whitney U bukan parametrik untuk membandingkan sikap kumpulan.
4. Perbandingan dan Analisis Kumpulan
- Membandingkan Kumpulan: Jika tinjauan anda termasuk berbilang kumpulan atau pembolehubah, bandingkan respons mereka untuk mengenal pasti perbezaan atau corak yang ketara. Untuk data taburan normal, gunakan teknik seperti ujian-t atau analisis varians (ANOVA). Manakala data bukan taburan normal boleh dianalisis menggunakan ujian bukan parametrik seperti ujian Mann-Whitney U atau ujian Kruskal-Wallis.
Sebagai contoh, pertimbangkan tinjauan yang menilai keberkesanan dua kaedah pengajaran yang berbeza, dengan respons dikumpul pada skala Likert 7 mata. Gunakan ANOVA untuk menentukan sama ada terdapat perbezaan yang ketara dalam keberkesanan yang dirasakan antara kedua-dua kaedah pengajaran.
- Analisis Korelasi: Terokai hubungan antara soalan atau pembolehubah skala Likert menggunakan pekali korelasi. Terdapat dua jenis pekali korelasi yang paling biasa, pekali korelasi Pearson & pekali korelasi Spearman. Pekali korelasi Pearson sesuai untuk data taburan normal, manakala pekali korelasi Spearman sesuai untuk data taburan tidak normal.
Sebagai contoh, anda mungkin ingin menilai sama ada terdapat korelasi antara kepuasan kerja dan prestasi kerja menggunakan respons skala Likert daripada pekerja. Kira pekali korelasi untuk menentukan kekuatan dan arah hubungan.
5. Tafsiran dan Visualisasi
- Visualisasi Data: Bentangkan penemuan anda menggunakan carta dan graf, seperti carta bar atau carta bar bertindan, untuk mewakili secara visual pengedaran respons bagi setiap pilihan skala Likert. Visualisasi membantu dalam memahami dengan lebih baik taburan sikap dan memudahkan tafsiran data. Baca Cara Membentangkan Data Skala Likert untuk butiran lanjut tentang mempersembahkan data skala Likert
- Tafsiran: Mentafsir keputusan dengan teliti dan membuat kesimpulan yang bermakna berdasarkan analisis data. Beri perhatian kepada corak, aliran dan perbezaan yang ketara antara kumpulan. Bincangkan implikasi penemuan dan bagaimana ia berkaitan dengan objektif penyelidikan anda.
Cara Menganalisis Data Skala Likert – Contoh Praktikal
Mari kita pertimbangkan contoh praktikal untuk menggambarkan proses menganalisis data skala Likert. Bayangkan menjalankan tinjauan tentang kepuasan pekerja terhadap kemudahan tempat kerja. Anda menggunakan skala Likert 5 mata (1 – Sangat Tidak Puas Hati, 2 – Tidak Puas Hati, 3 – Neutral, 4 – Puas Hati, 5 – Sangat Puas Hati). Selepas mengumpul data dan mengira tahap kepuasan purata dan sisihan piawai, anda mendapati bahawa min ialah 4.2, menunjukkan sentimen secara umumnya positif di kalangan pekerja. Walau bagaimanapun, sisihan piawai yang tinggi sebanyak 0.9 menunjukkan bahawa pendapat berbeza dengan ketara. Ini bermakna sesetengah pekerja sangat berpuas hati manakala yang lain kurang begitu.
Seterusnya, anda memutuskan untuk membandingkan tahap kepuasan antara dua jabatan berbeza - jabatan HR dan jabatan Pemasaran. Menggunakan ujian statistik yang sesuai, seperti ujian-t untuk data taburan normal atau ujian Mann-Whitney U untuk data tidak taburan normal, anda mendapati terdapat perbezaan yang signifikan dalam tahap kepuasan antara kedua-dua jabatan. Kakitangan jabatan Pemasaran melaporkan tahap kepuasan yang lebih tinggi berbanding dengan jabatan HR.
Akhir sekali, anda ingin meneroka sama ada terdapat korelasi antara kepuasan kerja dan kadar pengekalan pekerja. Menggunakan pekali korelasi yang sesuai berdasarkan kenormalan data, anda menemui korelasi positif yang kuat antara kepuasan kerja dan kadar pengekalan. Ini menunjukkan bahawa, jika kepuasan kerja adalah tinggi, kadar pengekalan pekerja juga akan tinggi dalam organisasi.
Kesimpulan
Kesimpulannya, menganalisis data skala Likert melibatkan beberapa langkah kritikal untuk mendapatkan pandangan yang bermakna daripada sikap dan pendapat responden. Dengan memahami skala Likert, penyelidik boleh membuka kunci maklumat berharga untuk memaklumkan pembuatan keputusan dan penyelidikan lanjut. Analisis tepat data skala Likert adalah penting dalam pelbagai bidang, daripada sains sosial kepada penyelidikan pasaran. Ini membantu penyelidik memahami tingkah laku, pilihan dan persepsi manusia secara kuantitatif. Dengan pemahaman yang menyeluruh tentang analisis data skala Likert, penyelidik boleh membuat kesimpulan yang boleh dipercayai.
