Question? Leave a message!




Data Management: Collecting, Presenting and Analyzing Research Data

Data Management: Collecting, Presenting and Analyzing Research Data 13
Data Management: Collec/ng,  Presen/ng and Analyzing Research  Data  By: Ania) Murni   Zainal A. Hasibuan  ania/(zhasibua)cs.ui.ac.id  Faculty of Computer Science University of Indonesia 2008 Mo/va/on  •  Can research without data  •  How can you resolve the problem without  suppor/ng data  •  How do you convince other, that your data are  sufficient to support the solu/on  •  Where do you go to find data  •  Can you have imaginary data in research  •  Can you have data simula/on for research Session Objec/ves  •  To understand source of data and type of data  •  To understand how to collect and present data  •  To understand how to analyze and interpret  data Source of Data  •  Quan/ta/ve data  are values on a  numerical scale  •  Qualita/ve data are observa/on measured  on a numerical scale Source of Data  Source of data Quantitative Qualitative (numerical) (categorical) Discrete Continuous Discrete Quan/ta/ve or Numerical Data  •  Discrete Data  – Only certain values are possible (there are gaps  between the possible values)  •  Con/nuous Data  – Theore/cally, any value within an interval is  possible with a fine enough measuring device Types of Data  • Primary data: data observed and recorded  or collected directly from respondents  • Secondary data: data complied both  inside and outside the organiza/on for  some purpose other than the current  inves/ga/on Types of Data  Primary Secondary Data Data Collection Compilation Print or Electronic Observation Survey Experimentation Basic Business Statistics 10e, 2006 Prentice Hall Categorical Data Differences between Height, Age, Weekly Ratio Data measurements, true Food Spending zero exists Differences between Temperature in Fahrenheit, measurements but no Standardized exam score Interval Data true zero Service quality rating, Ordered Categories Ordinal Data Standard Poor’s bond (rankings, order, or scaling) rating, Student letter grades Marital status, Type of car Categories (no ordering Nominal Data or direction) owned Basic Business Statistics 10e, 2006 Prentice Hall Collec/ng Data Collec/ng Quan/ta/ve Data  •  Iden/fy your unit analysis  –  Who can supply the informa/on that you will use to answer your  quan/ta/ve research ques/ons or hypotheses  •  Specify the popula/on and sample  •  Informa/on to collect  –  Specify variable from research ques/ons and hypotheses  –  Opera/onally define each variable  –  Choose types of data and measures Criteria For Choosing Instrument To Collect  Quan/ta/ve Data  •  Have authors develop the instrument recently, and can you  obtain the most recent version  •  Is the instrument widely cited by other authors  •  Are reviews available for the instrument  •  Is there informa/on about the reliability and validity of scores  from past uses of the instrument  •  Does the procedure for recording data fit the research  ques/ons/hypotheses in your study  •  Does the instrument contain accepted scales of  measurement Collec/ng Qualita/ve Data  •  What data/informa/on you want to collect  •  How do collect the data/informa/on   – Observa/ons  – Interviews and ques/onnaires  – Documents  – Audiovisual materials Presen/ng Data Presen/ng Qualita/ve Data  Kategori Frekuensi Frekuensi Persen relative A 35 35/400=0.09 9 B 260 260/400=0.65 65 C 93 93/400=0.23 23 D 12 12/400=0.03 3 Total 400 1 100 Presen/ng Data as Graphs  Graphic Pie Chart Presen/ng Data as Graphs  Graphic Bar Chart Penyusunan Distribusi Frekuensi  Contoh : Data Tinggi Badan (Cm) Dari 50                Orang Dewasa  176 167 180 165 168 171 177 176 170 175  169 171 171 176 166 179 181 174 167 172  170 169 175 178 171 168 178 183 174 166  181 172 177 182 167 179 183 185 185 173  179 180 184 170 174 175 176 175 182 172 Distribusi Frekuensi Tinggi Badan  Interval kelas Frekuensi Jumlah 6 164,5 167,5 7 167,5 170,5 8 170,5 173,5 11 173,5 176,5 7 176,5 179,5 6 179,5 182,5 5 182,5 185,5 Jumlah 50 Frequency Distribu/on Polygons Frequency Distribu/on Bar Chart Measures of Loca/on  •  Mean  •  Median  •  Mode Mean  •  Another name for average.  •  If describing a popula/on, denoted as µ, the greek leber  “mu”.  •  If describing a sample, denoted as , called “x‐bar”.  •  Appropriate for describing measurement data.  •  Seriously affected by unusual values called “outliers”. Calcula/ng Sample Mean  Formula: That is, add up all of the data points and divide by the number of data points. Data ( of classes skipped): 2 8 3 4 1 Sample Mean = (2+8+3+4+1)/5 = 3.6 Do not round Mean need not be a whole number. Median  •  Another name for 50th percen/le.  •  Appropriate for describing measurement data.  •  “Robust to outliers,” that is, not affected  much by unusual values. Calcula/ng Sample Median  Order data from smallest to largest. If odd number of data points, the median is the middle value. Data ( of classes skipped): 2 8 3 4 1 Ordered Data: 1 2 3 4 8 Median Calcula/ng Sample Median  Order data from smallest to largest If even number of data points, the median is the average of the two middle values Data ( of classes skipped): 2 8 3 4 1 8 Ordered Data: 1 2 3 4 8 8 Median = (3+4)/2 = 3.5 Mode  •  Mode is the most common number  •  Put the numbers in order  •  Choose the number that appears the most  frequently.  •  Some/mes there may be more than one  mode. Example Mode  •  Class shoe sizes: 3, 5, 5, 6, 4, 3, 2, 1, 5, 6  •  Put in order: 1, 2, 3, 3, 4, 5, 5, 5, 6, 6  The class modal shoe size is 5. Skewness   The skewness of a distribu/on is measured by comparing the rela/ve  posi/ons of the mean, median and mode.  •   Distribu/on is symmetrical  •  Mean = Median = Mode •   Distribu/on skewed right  •  Median lies between mode and mean, and mode is less than mean •   Distribu/on skewed le2  •  Median lies between mode and mean, and mode is greater than mean Graphical Display Of Numerical Variables   (Box Plot)  S 0 S 0 S = 0 Symmetric Positively Negatively (Not Skewed) Skewed Skewed Analyzing Data Steps in Data Analysis Isi Pengelompokan Verifikasi Pengumpulan 2 Tabel Data Data Data Kesimpulan : …………… …………… 2 Cek Konsistensi Analisa Masing Tabel Kesimpulan : Performance : lihat trend Data antar tabel …………… Profile : bandingkan dng standar …………… Analyze Quan/ta/ve Data  •  Describe trends in the data to a single variable or ques/on on  your instrument.  –  e.g., What is the self esteem of middle school students  –  We need Descrip/ve Sta/s/cs  that indicate general tendencies in the  data (mean, median, mode), the spread of scores (variance, standard  devia/on, and rang), or a comparison of how one score relates to all  others (z‐scores, percen/le rank). We might seek to describe any of  our variables: independent, dependent, control or media/ng. Analyze Quan/ta/ve Data  •  Compare two or more groups on the independent variable in  terms of the dependent variable.  –  e.g., How do boys and girls compare in their self esteem  –  We need inferen/al sta/s/cs  in which we analyze data from a sample  to draw conclusions about an unknown popula/on.  –  We assess whether the differences of groups (their means) or the  rela/onships among variables is much greater or less than what we  would expect for the total popula/on, if we could study the en/re  popula/on. Analyze Quan/ta/ve Data  •  Relate two or more variable.  –  e.g., Does self esteem relate to an op/mis/c ajtude  –  To answer the ques/on, we need inferen/al sta/s/cs.  •  Test hypotheses about the differences in the groups or the  rela/onships of variables.  –  e.g., Boys have higher self esteem than girls or self esteem predicts an  op/mis/c ajtude among middle school children.  –  To answer the ques/on, we need inferen/al sta/s/cs. Start Wri/ng Your Research  Proposal and Good Luck 
Website URL
Comment