Professional Documents
Culture Documents
CTH Dapatan Kajian PDF
CTH Dapatan Kajian PDF
CTH Dapatan Kajian PDF
DAPATAN KAJIAN
4.0
Pendahuluan
Bab ini membincangkan dapatan kajian berdasarkan analisis data yang telah
ditetapkan. Data yang diperolehi telah dianalisis dengan menggunakan tiga
perisian, iaitu perisian SPSS Version 15, Quest, GENOVA dan AMOS version
7. Pada bahagian pertama huraian adalah berdasarkan statistik dekriptif yang
akan menyentuh aspek latar belakang responden serta pembelajaran matematik
dalam bahasa Inggeris. Kemudian, perbincangan akan berkisar kepada analisis
item menggunakan perisian Quest. Seterusnya perbincangan akan menyentuh
komponen varian yang berkait dengan dependability skor pencapaian. Akhir
sekali, huraian adalah berdasarkan analisis
Modeling).
Secara umumnya huraian dalam bab ini akan menjawab soalan kajian yang
telah ditetapkan seperti berikut:
1. Apakah dependability skor ujian pencapaian mata pelajaran matematik
KBSM Tingkatan 2 mengikut Teori Generalizabiliti?
2. Apakah sumbangan setiap facet terhadap varians ralat mengikut Teori
Generalizabiliti?
3. Sejauhmanakah model cadangan fit data pembolehubah bebas dan
pembolehubah bersandar?
169
4.1
Seramai 500 orang pelajar tingkatan dua telah terlibat dengan kajian ini.
Ringkasan maklumat latar belakang responden ditunjukkan dalam Jadual 4.1
di sebelah. Hasil daripada pentadbiran soal selidik dan ujian yang diduduki,
seramai 225 (45%) responden adalah lelaki dan 275 (55%) perempuan.
Komposisi mengikut kaum pula melibatkan kaum Melayu seramai 385 orang
(77%) diikuti kaum Cina 83 orang (16.6%), India 27 (5.4%) orang dan lainlain (yakni Siam) seramai 5 orang (1%).
Dari segi pola tempat tinggal responden pula, kebanyakan responden berasal
atau tempat tinggal mereka adalah di kampung (N=272, 54.4%). Seramai 135
(27%) orang responden tinggal di bandar dan masing-masing responden dari
pekan kecil dan tanah rancangan seramai 88 orang (17.6%) dan 5 orang (1%)
yang tinggal di kawasan rancangan. Walaupun begitu, bilangan responden
mengikut kategori sekolah luar bandar dan sekolah bandar adalah seimbang,
iaitu masing-masing seramai 250 orang.
170
Lokasi
Sekolah
Jumlah
Kampung
Pekan kecil
Bandar
Tanah Rancangan
Jumlah
Luar Bandar
Bandar
Jumlah
500 (100)
272 (54.4)
88 (17.6)
135 (27)
5 (1)
500 (100)
250 (50)
250 (50)
500 (100)
Dari segi pencapaian responden dalam mata pelajaran Bahasa Inggeris pada
peringkat UPSR, kebanyakan responden mendapat gred yang baik, iaitu Gred
A (N=90, 18 %) dan Gred B (N=170, 34%). Sementara yang mendapat Gred
D dan Gred E masing-masing seramai 52 (10.4%) dan 38 (7.6%). Maklumat
gred responden ditunjukkan dalam Jadual 4.2 di bawah.
171
Walaupun gred pencapaian pelajar yang diperolehi oleh responden agak baik,
seperti yang ditunjukkan dalam Jadual 4.2, namun apabila diminta menanda
dalam soal selidik berhubung kemahiran bahasa masing-masing, dapatan
kajian menunjukkan kemahiran bahasa responden perempuan lebih tinggi
daripada responden lelaki (Perempuan: M = 3.16., SD = 0.77; Lelaki: M =
3.03, SD = 0.96). Jadual 4.3 menunjukkan kemahiran bahasa Inggeris
responden.
Lelaki
Perempuan
Lokasi
sekolah
Luar bandar
Bandar
Min
N
Std.Dev.
Min
N
Std.Dev.
3.03
225
0.96
3.16
275
0.77
Min
N
Std.Dev.
Min
N
Std.Dev.
3.06
225
0.92
3.18
275
0.80
172
dan sisihan piawai bagi kumpulan bandar ialah 3.18 dan 0.80; manakala skor
min dan sisihan piawai bagi pelajar luar bandar ialah 3.06 dan 0.92.
4.2
Min
N
Std.Dev.
3.70
225
1.40
4.16
225
1.32
Perempuan
Min
N
Std.Dev.
4.20
275
1.07
4.43
275
1.10
responden perempuan ialah 4.20 dan 1.07 berbanding responden lelaki 3.70
dan 1.40. Bagi mata pelajaran matematik pula skor min dan sisihan piawai
173
responden perempuan ialah 4.43 dan 1.10. Manakala skor min dan sisihan
piawai bagi responden lelaki ialah 4.16 dan 1.32.
Bagi sikap terhadap mata pelajaran mengikut lokasi sekolah pula Jadual 4.5 di
bawah memaparkan sikap responden terbabit. Skor min bagi sikap responden
sekolah lokasi bandar dan luar bandar adalah sama, iaitu masing-masing 3.97.
Sikap matematik pula menunjukkan sikap responden sekolah bandar lebih
tinggi daripada sekolah luar bandar. Skor min dan sisihan piawai bagi sekolah
lokasi bandar ialah 4.32 dan 1.16. Sementara skor min dan sisihan piawai
bagi sekolah lokasi luar bandar ialah 4.29 dan 1.25.
Jadual 4.5 Sikap Pelajar Terhadap Mata pelajaran Mengikut Lokasi sekolah
Sikap BI
Sikap Mat
Lokasi sekolah
4.3
Luar bandar
Min
N
Std.Dev.
3.97
250
1.27
4.29
250
1.25
Bandar
Min
N
Std.Dev.
3.97
250
1.23
4.32
250
1.16
174
261 (52.2%)
142 (28%)
97 (19.4%)
Saya sukar
mengikuti
pembelajaran
matematik dalam BI.
132 (26.4%)
166 (33.2%)
202 (40.4%)
Guru matematik
saya mengajar
menggunakan
bahasa Inggeris dan
bahasa Melayu
16 (3.2%)
55 (11.0%)
429 (85.8%)
Responden
responden
Bersetuju
bahawa
mereka
sukar
mengikuti
175
4.4
Kualiti sesuatu item dapat ditentukan berdasar kepada indeks kesukaran dan
indeks diskriminasi. Indek kesukaran merujuk kepada nisbah jawapan calon
yang menjawab dengan betul berbanding dengan keseluruhan bilangan calon
yang menduduki sesuatu ujian berkenaan. Nilai yang ditunjukkan adalah
antara kosong (sifar) hingga satu (0 hingga 1). Jika nilai yang diperolehi ialah
satu bermakna semua calon menjawab dengan tepat atau betul. Ujian yang
baik seharusnya memiliki nilai indeks kesukaran antara
Pekali Point-Biserial merujuk kepada hubungan antara skor item dengan skor
ujian. Ia memberikan petunjuk kekuatan sesuatu item berkenaan dalam
membezakan pelajar mengikut kumpulan pencapaian sesuatu ujian. Nilai
indeks Point-Biserial
dijawab dengan betul oleh kebanyakan pelajar yang cerdik berbanding dengan
pelajar yang lemah. Ujian yang baik nilai indeks Point-Biserial berada di
antara 0.3 hingga 0.6 (Bond & Fox, 2001).
item berbentuk soalan subjektif. Hasil daripada jawapan yang diberikan pelajar
telah dianalisis menggunakan perisian Quest. Dapatan analisis berasaskan
pekali kesukaran dan Point-Biserial.
Item
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0.16
0.50
0.27
0.48
0.36
0.53
0.39
0.33
0.28
0.36
0.37
0
0.39
0.55
0.35
Perlu dibaiki
Diterima
Perlu dibaiki
Diterima
Diterima
Diterima
Diterima
Diterima
Perlu dibaiki
Diterima
Diterima
Digugurkan
Diterima
Diterima
Diterima
Secara umumnya kebanyakan item dalam ujian asal ini boleh diterima.
Sementara item 12 perlu digugurkan kerana tergolong dalam item yang
dianggar terlalu mudah kerana semua responden dapat menjawab dengan
betul. Terdapat tiga item perlu dibaiki semula iaitu item 1, item 3 dan item 9.
Item yang dianggap paling sukar ialah item 8.
177
0.91
0.62
0.43
0.62
0.81
0.71
0.50
0.34
0.39
0.40
0.37
0.30
0.70
0.40
0.61
-0.07
0.56
0.30
0.58
0.42
0.51
0.48
0.32
0.20
0.35
0.56
0.05
0.45
0.59
0.50
Digugurkan
Diterima
Diterima
Diterima
Diterima
Diterima
Diterima
Diterima
Dibaiki
Diterima
Diterima
Digugurkan
Diterima
Diterima
Diterima
Bagi ujian yang diubah suai pula, Jadual 4.8 menunjukkan item 1 dan item 12
perlu digugurkan. Sementara hanya satu item, iaitu item 9 perlu dibaiki. Itemitem lain boleh diterima kerana berada dalam lingkungan indeks kesukaran
dan Point-Biserial yang boleh diterima.
Jika dibandingkan ujian asal dengan ujian ubah suai, didapati kebanyakkan
nilai indeks kesukaran item dalam ujian yang diubah suai didapati lebih tinggi
daripada item ujian asal. Keadaan ini menunjukkan item yang diubah suai
lebih mudah berbanding item ujian asal. Rajah 4.1 di bawah menunjukkan
perbezaan nilai indeks kesukaran bagi kedua-dua ujian berkenaan.
178
Rajah 4.1 Graf Indeks Kesukaran Ujian Asal dan Ubah Suai
Daripada Rajah 4.1 di atas didapati hanya item 10 dan item 12 yang nilai
indeks kesukarannya yang berada lebih rendah daripada ujian asal. Manakala
item lain, nilai indeks kesukaran adalah menunjukkan lebih baik daripada
ujian asal. Rajah 4.2(a) dan 4.2(b) menunjukkan Keluk Ciri Item (ICC) bagi
soalan ujian asal dan soalan ujian ubah suai.
179
Probability
Ability
Rajah 4.2 (a) menunjukkan keluk Ciri Item bagi ujian asal. Setiap keluk
menunjukkan tahap diskriminasi yang sama tetapi aras kesukaran yang
berbeza. Keluk yang paling kiri, iaitu bagi item 7 menunjukkan item yang
paling mudah. Keluk yang terletak di tengah-tengah menunjukkan item yang
lebih sederhana kesukarannya dan keluk yang paling kiri, yang ditunjukkan
oleh item 5 adalah item yang lebih sukar. Berdasarkan rajah ini, didapati item
7 ialah item yang paling mudah kerana kemungkinan pelajar menjawab betul
adalah tinggi berdasarkan hanya memerlukan kebolehan responden calon yang
180
rendah. Berbeza dengan item 5 yang didapati lebih sukar kerana kemungkinan
calon untuk menjawab dengan betul berdasarkan kebolehan pada tahap 4
Probability
sebanyak 0.50.
Ability
Seperti Rajah 4.2 (a) untuk ujian asal, Rajah 4.2(b) turut menunjukkan
keadaan yang sama; dengan item 7 masih dianggap sebagai mudah dan item 5
dianggap sebagai item yang sukar. Perbezaan antara Rajah 4.2(a) dan Rajah
4.2(b) ialah pergerakan keluk telah beralih ke sebelah kiri. Dalam erti kata
yang lain pergerakan dari kanan ke kiri (Rajah 4.2(a)) ke kiri (Rajah 4.2(b)
181
4.5
4.9 memaparkan
pendapat mereka
Sederhana
Mudah
Secara
keseluruhan
soalan ujian ini
(Asal)
182 (36.4%)
273 (54.6%)
45 (9.0%)
Secara
keseluruhan
soalan ujian ini
(Ubah suai)
72 (14.4%)
303 (60.6%)
125 (25.0%)
182
Daripada data yang ditunjukkan dalam jadual di atas, lebih 30% responden
berpendapat soalan ujian asal adalah sukar berbanding hanya 14% sahaja
yang berpendapat soalan ujian yang telah ubah suai adalah sukar. Bagi soalan
ujian asal, responden yang berpendapat sederhana ialah 54.6 % dan 60 %
bagi soalan ubah suai. Sementara responden yang berpendapat soalan ujian
asal adalah mudah ialah 9 % dan bagi soalan ujian yang diubah suai ialah
25%. Keadaan menunjukkan bahawa ujian yang diubah suai adalah lebih
mudah berbanding soalan ujian asal.
Dari segi skor pencapaian responden dalam kedua-dua ujian berkenaan Jadual
4.10 di bawah menunjukan perbezaan skor min kedua-dua ujian berkenaan.
Berdasarkan jadual di atas, skor min bagi ujian asal ialah 5.62 dan skor min
bagi ujian yang diubah suai meningkat kepada 7.45.
ini menunjukkan
wujudnya peningkatan dalam skor min sebanyak 1.83. Skor maksimum yang
183
diperolehi dalam ujian asal ialah 13 manakala bagi ujian ubah suai ialah 14.
Rajah 4.3 (a) dan Rajah 4.3 (b) di sebelah menunjukkan keluk normal dan
taburan skor setiap ujian berkenaan.
80
Frequency
60
40
20
Mean =5.62
Std. Dev. =2.774
N =500
0
-5.00
0.00
5.00
10.00
15.00
80
Frequency
60
40
20
Mean =7.45
Std. Dev. =2.795
N =500
0
-5.00
0.00
5.00
10.00
15.00
184
Skor
Ubah
Suai
Skor asal
1.830
Std.
Dev.
1.121
Std.
Error
Mean
0.0511
95%
C.I
1.700
1.960
t
36.52
df
499
Sig.
(2tailed)
0.001
Daripada jadual di atas, bagi sampel kajian ini (n = 500), min skor ujian
soalan ubah suai (M = 7.45, SD = 2.80, n = 500) lebih tinggi daripada min
skor ujian asal (M = 5.62, SD = 2.77, n = 500). Keputusan ujian t
menunjukkan min skor pencapaian ujian asal adalah berbeza secara signifikan
( t (499) = 36.52, p<0.001) dengan perbezaan min sebanyak 1.83. Keadaan ini
juga menunjukkan bahawa ujian ubah suai lebih membantu pelajar dalam
memahami kehendak soalan berbanding ujian asal.
Jika ditinjau secara lebih lanjut antara bentuk soalan objektif dan soalan
subjektif, Jadual 4.12 menunjukkan perbezaan kedua-dua bentuk soalan
tersebut. Daripada ujian t yang dijalankan bagi melihat perbezaan antara
soalan berbentuk objektif dan subjektif bagi kedua-dua ujian berkenaan,
didapati terdapat perbezaan yang signifikan antara soalan objektif dan soalan
subjektif bagi kedua-dua ujian berkenaan. Daripada Jadual 4.12, bagi sampel
185
kajian ini (n = 500), skor soalan objektif ujian asal (M = 4.23, SD = 2.41, n =
500) lebih tinggi daripada skor ujian asal soalan subjektif (M = 1.39, SD =
1.11, n = 500). Keputusan ujian t menunjukkan min skor pencapaian ujian
asal soalan objektif adalah berbeza secara signifikan dengan skor ujian asal
soalan subjektif ( t (499) = 25.06, p<0.001) dengan perbezaan min sebanyak
2.84. Begitu juga dengan soalan objektif ujian ubah suai (M = 5.49, SD =
2.46, n = 500) lebih tinggi dari skor soalan subjektif (M = 1.95, SD = 1.28, n =
500). Ujian t menunjukkan min skor pencapaian adalah berbeza secara
signifikan ( t (499) = 28.86, p<0.001) dengan perbezaan min sebanyak 3.55.
Jadual 4.12 Ujian -t bagi Soalan Objektif dan Subjektif Asal dan ubah suai
Paired Diffrences
Mean
Std.
Dev.
Std.
Error
Mean
95%
C.I
T
df
Sig.
(2tailed)
Oriobj
Orisubj
2.844
2.538
0.1135
2.621
3.066
25.06
499
0.001
Modiobj
Modisubj
3.546
2.747
0.1229
3.305
3.787
28.86
499
0.001
Modiobj
Oriobj
1.262
1.541
0.0689
1.127
1.397
18.31
499
0.001
0.674
9.62
499
0.001
186
Jadual 4.13 Korelasi Antara Ujian Asal dan Ujian Ubah suai
Skor ujian
ubah suai
Skor ujian asal
Pearson
.919(**)
Correlation
Sig. (2-tailed)
.000
N
500
** Correlation is significant at the 0.01 level (2-tailed).
Hubungan kedua ujian berkenaan juga dapat dilihat dengan jelas dalam Rajah
4.4 di sebelah.
187
13.00
14.00
12.00
10.00
9.00
11.00
8.00
7.00
6.00
5.00
3.00
2.00
1.00
0.00
4.00
0.00
2.00
1.00
4.00
3.00
6.00
5.00
8.00
7.00
10.00
9.00
12.00
11.00
13.00
Rajah 4.4 Scatter plot Ujian Asal dan Ujian Ubah suai
188
372
(74.4%)
128
(25.6%)
44
(8.8%)
456
(91.2%)
189
4.6
Analisis GENOVA
reka bentuk
4.6.1 Kajian -G
Dalam kajian ini, objek pengukuran ialah responden. Reka bentuk kajian -G
adalah p x i dan komponen varian bagi item ujian asal dan item ujian ubah suai
seperti yang dipaparkan dalam jadual 4.16 di bawah bagi ujian asal dan Rajah
4.17 bagi ujian ubah suai.
Facet
(p)
(i)
pi + e
1287.9333
1299.5620
2769.0000
0.53730
19.80337
0.17232
0.02487
0.00351
0.01173
%
Varian
62
9
29
190
Facet
(p)
(i)
pi + e
2192.2000
2289.6220
3793.0000
0.54900
26.52682
0.17598
0.02400
0.00262
0.01149
%
Varian
63
7
30
Sementara hasil ujian ke atas yang diubah suai, masih menunjukkan bahawa
komponen varian yang disumbangkan oleh p masih lagi tinggi berbanding
facet yang lain. Jadual 4.17 menunjukkan p menyumbang sebanyak 63%
daripada jumlah varian keseluruhan. Perbezaan disebabkan item (i) pula
menyumbang sebanyak 7% serta kombinasi pi + e menyumbang 30%
perbezaan dalam pencapaian.
Daripada kedua-dua ujian ini di dapati varian pelajar adalah tinggi kerana ini
menunjukkan secara sistematik berdasarkan
Dalam hal ini, skor pelajar menunjukkan variabiliti skor yang memberikan
gambaran bahawa komponen p menyumbang kepada variabiliti skor.
Peratusan yang tinggi bagi komponen p menunjukkan skor yang diperolehi
disumbangkan oleh faktor pelajar sendiri secara sistematik. Misalnya, seperti
191
p,i dan e
menunjukkan
kelebihan kepada pelajar lain. Keadaan ini juga menunjukkan wujud pengaruh
faktor lain yang tidak dikaji seperti masalah alat tulis yang dihadapi pelajar
dan sebagainya. Lampiran
Rajah 4.5 (a) dan Rajah 4.5(b) menunjukkan pecahan komponen varian bagi
kedua-dua ujian tersebut.
Kombinasi
Pelajar, Item
dan ralat lain
29%
Item
9%
Pelajar
62%
192
Kombinasi
Pelajar, Item
dan ralat lain
30%
Item
7%
Pelajar
62%
terhadap kebolehpercayaan
4.6.2 Kajian -D
Dalam kajian G, koeffisien G (p) memaparkan tahap perbezaan secara
relatif bagi varian ralat (relative error variance). Dalam kajian D koeffisien
193
p 0.02487
i 0.05270
pi + e 0.17598
Koeffisiens
Generalizabiliti
p
0.122
0.101
15
20
30
40
50
0.02487
0.00351
0.01173
0.02487
0.0064
0.00880
0.02487
0.00176
0.00587
0.02487
0.00132
0.00440
0.02487
0.00105
0.00352
0.676
0.630
0.736
0.694
0.807
0.773
0.848
0.819
0.874
0.850
Berdasarkan Jadual 4.18, apabila bilangan item ujian bertambah, didapati nilai
koeffisien (p
194
Item
Sumber
p 0.02400
i 0.03926
pi + e 0.17232
Koeffisiens
Generalizabiliti
p
0.124
0.100
15
20
30
40
50
0.02400
0.00262
0.01149
0.02400
0.00196
0.00862
0.02400
0.00131
0.00574
0.02400
0.00098
0.00431
0.02400
0.00079
0.00345
0.679
0.620
0.739
0.685
0.809
0.765
0.850
0.813
0.876
0.845
195
10
20
30
40
50
p
i
pi + e
0.02088
0.03983
0.18946
0.02088
0.00398
0.01895
0.02088
0.00199
0.00947
0.02088
0.00133
0.00632
0.02088
0.00100
0.00474
0.02088
0.00080
0.00379
Koeffisiens
Generalizabiliti
p
0.10
0.08
0.52
0.48
0.69
0.64
0.77
0.73
0.82
0.78
0.85
0.82
Sumber
Berdasarkan jadual di atas, kesesuaian item dengan rater berlaku pada tahap
bilangan item sebanyak 30 item bagi ujian asal.
20
30
40
50
p
i
pi + e
0.02194
0.04530
0.14370
0.02194
0.00906
0.02874
0.02194
0.00227
0.00718
0.02194
0.00151
0.00479
0.02194
0.00113
0.00359
0.02194
0.00091
0.00287
Koeffisiens
Generalizabiliti
p
0.13
0.10
0.43
0.37
0.75
0.70
0.82
0.78
0.86
0.82
0.88
0.85
Sumber
196
Sementara bagi item subjektif untuk soalan asal kesesuaian item dengan rater
berlaku pada tahap bilangan item sebanyak 20 item.
10
20
30
40
50
p
i
pi + e
0.02665
0.03460
0.18480
0.02665
0.00346
0.01848
0.02665
0.00173
0.00924
0.02665
0.00115
0.00616
0.02665
0.00087
0.00462
0.02665
0.00069
0.00370
Koeffisiens
Generalizabiliti
p
0.13
0.11
0.59
0.54
0.74
0.70
0.81
0.78
0.85
0.82
0.88
0.86
Sumber
Bagi item objektif untuk soalan ubah suai, kesesuaian item dengan rater
berlaku pada tahap bilangan item sebanyak 20 item.
20
30
40
50
p
i
pi + e
0.03578
0.06986
0.14654
0.03578
0.01397
0.02931
0.03578
0.00349
0.00733
0.03578
0.00233
0.00488
0.03578
0.00175
0.00366
0.03578
0.00140
0.00293
Koeffisiens
Generalizabiliti
p
0.20
0.14
0.55
0.45
0.83
0.77
0.88
0.83
0.91
0.87
0.92
0.89
Sumber
197
Bagi item subjektif untuk soalan asal kesesuaian item dengan rater berlaku
pada tahap bilangan item sebanyak 20 item.
Rajah 4.6 menunjukkan nilai koeffisien G (p) dan koeffisien phi () bagi
pertambahan item.
Nilai Koeffisien
100
80
60
Koeffisien G
Koeffisien Phi
40
20
0
0
15
20
30
40
50
60
Bilangan Item
198
4.7
Bagi menentukan skor pencapaian ujian yang mana lebih tinggi antara soalan
asal dan soalan ubah suai, skor kedua
menggunakan perisian Amos. Hasil ujian seperti dalam Rajah 4.7 di bawah.
5.62, 7.68
7.45, 8.80
7.80
6.44,
6.44, 8.37
Soalan asal
6.28
7.11
Rajah 4.7 Min dan Varian Ujian Asal dan Ujian Ubah suai
Merujuk Rajah 4.7 di atas, didapati min bagi soalan asal adalah lebih rendah
daripada min ujian yang telah diubah suai (min ujian asal = 5.62, min ujian
ubah suai = 7.45). Begitu juga dengan nilai varian soalan asal (varian soalan
asal = 7.68, varian soalan ubah suai = 7.80).
Berdasarkan ujian Amos yang menunjukkan skor pencapaian ujian ubah suai
lebih tinggi daripada skor ujian asal, berikutnya analisis model model
cadangan skor pencapaian responden dalam ujian matematik dalam kajian ini.
Rajah 4.8 di bawah menunjukkan model cadangan yang akan diuji
199
1
e3
r3 1
r1
KBI
Gred BI
1
e2
1
e1
1
Obj
SkorMat
1
e7
BI1
BI6
e6
1
e5
1
Subj
1
AtBI
e13
e14
r2
BI9
1
e4
BI15
AtMat
Mat1
e12
Mat5
e11
Mat11
Mat13
e10
e9
Mat15
e8
200
4.8
Beberapa prosedur telah dijalankan bagi analisis awal terhadap model yang
dicadangkan. Pertama, spesifikasi model telah diteliti bagi mengenal pasti ciriciri pemboleh ubah sebelum proses estimasi dijalankan. Jadual 4.24
menunjukkan penerangan ringkas
cadangan.
201
Kod
Skor ujian
Skor Mat
Gred BI
Gred BI
AttMat
Kemahiran
BI
AttBI
Mat1
Mat5
Mat11
Mat13
Mat15
M
C
B
BI1
BI6
BI9
BI15
202
BI1 = BI1Att.BI + e7
BI6 = BI6 Att.BI + e6
BI9 = BI9Att.BI + e5
BI15 = BI15Att.BI + e4
Konstruk Endogenious Sikap terhadap matematik
Mat1 = Mat1Att.Mat + e12
Mat5 = Mat5 Att.Mat + e11
Mat11 = Mat11Att.Mat + e10
Mat13 = Mat13Att.Mat + e9
Mat15 = Mat15Att.Mat + e8
Model recursive ini diuji dengan sampel responden seramai 500 orang. Model
ini mengandungi 18 parameter yang jelas untuk dianggarkan dengan 84 darjah
kebebasan (df). Lineariti sampel data telah disemak menerusi taburan plot
bivariat semua pasangan pemboleh ubah yang terlibat dan menunjukkan
normal.
Sebarang data yang outliers telah dikenal pasti dan diketepikan bagi
mengelakkan daripada menjejaskan nilai statistik. Taburan normaliti sampel
data turut dijalankan bagi memenuhi keperluan aplikasi SEM.
203
4.9
Normaliti
Andaian asas dalam SEM dan ujian statistik melibatkan taburan data yang
normal. Dengan itu normaliti multivariat bagi pemboleh ubah yang terdapat
dalam model
204
c.r.
-2.235
-3.482
-2.938
0.114
0.226
-3.592
-1.651
6.611
1.813
5.022
0.396
5.640
4.563
2.431
0.369
20.309
Pada peringkat univariat, nilai normal bagi skewness dan kurtosis seharusnya
antara +2 hingga 2 (Anderson & Gerbing, 1988). Jadual 4.25 memaparkan
kebanyakan
Jadual 4.25 juga menunjukkan nilai kurtosis bagi multivariat, iaitu 41.022
merupakan nilai koeffisien Mardia. Nilai ini perlu dibandingkan dengan nilai
kritikal (c.r), iaitu 20.309 Jika nilai nilai koeffisien Mardia rendah daripada
nilai kritikal (c.r) maka data dikategorikan sebagai multivariat yang normal.
Dalam hal ini, nilai koeffisien Mardia, 41.022 adalah lebih besar daripada
nilai kritikal (c.r), 20.309. Dalam hal ini taburan data bagi sampel ini adalah
tidak normal. Setelah memastikan normaliti data, model cadangan kajian ini
dinilai bagi menentukan kesepadanan model (model fit).
4.10
Analisis taburan normaliti jelas menunjukkan bahawa sampel data ini adalah
berada dalam taburan tidak normal bagi peringkat multivariat. Keadaan ini
memungkinkan statistik khai kuasa dua untuk keseluruhan fit model akan
bertambah dan standard error yang digunakan untuk menguji signifikan
daripada anggaran setiap parameter akan menurun (Anderson & Gebing,
1988). Bagi menangani masalah ini, perisian Amos untuk menyenaraikan
beberapa langkah yang boleh diambil (ACITS, 2000):
i.
ii.
206
iii.
iv.
menggunakan
Bootstrapping
untuk
menghasilkan
anggaran
4.10.1 Bootsrapping
Bootsrapping dijalankan bagi menguji data multivariat yang tidak normal.
Teknik ini
dikembangkan oleh Kotz dan Johnson (1992). Teknik ini adalah prosedur
persampelan semula sampel asal sebagai populasi. Kepelbagaian sub sampel
dengan ujkuran sampel yang sama dengan sampel asal kemudian diambil
secara rawak; dengan pengganti dari populasi. Unsur utama dari bootsrap
ialah penyelidik mencipta kepelbagaian sampel dari data sampel yang asal.
df
p
GFI
TLI
ML
190.326
84
0.000
0.953
0.945
RMSEA
0.050
yakni melebihi 0.90 (Byrne, 2001). Sementara nilai TLI juga berada melebihi
nilai 0.90. Nilai RMSEA menunjukkan berada di bawah cut-off
RMSEA
(<0.08). Keadaan ini menunjukkan bahawa model cadangan ini dapat diterima
sebagai fit.
df
p
Min
S.E
ML
190.326
84
0.002
93.615
0.749
208
Jalur
AttBI Kem. BI
Kem.BI BI
AttBI BI
AttBI SkorMat
AttMat SkorMat
Kem.BI SkorMat
BI SkotMat
Kem.BI Baca
Kem.BI Cakap
Kem.BI Faham
AttMat Mat1
AttMat Mat5
AttMat Mat11
AttMat Mat13
AttMat Mat15
AttBI BI1
AttBI BI6
AttBI BI9
AttBI BI15
SkorMat Subj
SkorMat Obj
Nota: = standardized regression weight
Maximum Likelihood
Beta
0.443
0.450
-0.057
0.262
0.629
0.388
0.094
0.738
0.813
0.833
0.779
0.768
0.797
0.643
0.664
0.764
0.652
0.706
0.584
0.222
0.285
0.609*
0.833*
-0.144
0.449
1.000
0.483*
0.064
1.000
1.090*
1.144*
1.178*
1.255*
1.133*
1.046*
1.000
1.293*
1.097*
1.351*
1.000
0.359*
1.000
S.E
0.086
0.103
0.066
0.308
0.218
0.092
0.066
0.069
0.081
0.087
0.077
0.084
0.113
0.104
0.122
0.094
* p < 0.05
209
= 0.89
Keboleh percayaan konstruk =
(3.916)
sikap matematik
(3.916) + 1.927
ii. Variance Extracted
Variance
Extracted
=
Jumlah kuasa dua standard loading
Jumlah kuasa dua standard loading + jumlah ralat pengukuran
Sikap
=
2.031
= 0.94
bahasa Inggeris 2.031 + 1.969
Sikap
Matematik
3.073
= 0.61
3.073 + 1.927
210
terhadap BI
0.443). Sementara dari segi korelasi antara AttBI dan AttMat mempunyai
hubungan korelasi yang signifikan (r = 0.422) bagi kedua-dua ujian asal dan
ubah suai.
Kem.BI
BI
Skor Mat
0.197
0.183
0.989
211
bagi
pemboleh ubah endogeneous dengan nilai pecahan varian bagi faktor meramal
terhadap pemboleh ubah terikat. Faktor peramal yang menyumbang Kem.BI
ialah 20%, sebanyak 18% varian dalam menerangkan BI. 99% varian dapat
menerangkan skor pencapaian ujian matematik.
4.11
Bagi memastikan model cadangan ini dapat menepati data kajian, model
berkenaan dianalisis semula menggunakan data lain untuk penentuan ukuran
(calibration)
dijalankan bagi memastikan sama ada model berkenaan stabil dan konsisten
dan diterima seperti yang dicadangkan oleh Tabachnick & Fidell (1993).
Menurut Boomsma (2000) replikasi atau pengesahan silang (cross validation)
harus dijalankan terhadap data alternatif atau sebagai bootsrapping bagi
memastikan keputusan yang diperolehi adalah tekal.
212
df
GFI
TLI
RMSEA
Min
S.E
165.75
84
0.000
0.919
0.921
0.063
95.071
0.817
0.004
Jalur
AttBI Kem. BI
Kem.BI BI
AttBI BI
AttBI SkorMat
AttMat SkorMat
Kem.BI SkorMat
BI SkotMat
Kem.BI Baca
Kem.BI Cakap
Kem.BI Faham
AttMat Mat1
AttMat Mat5
AttMat Mat11
AttMat Mat13
AttMat Mat15
AttBI BI1
AttBI BI6
AttBI BI9
Maximum Likelihood
Beta
S.E
0.447
0.513
-0.089
0.199
0.725
0.319
0.094
0.766
0.801
0.805
0.749
0.824
0.793
0.648
0.675
0.761
0.701
0.704
0.646*
0.866*
-0.216
0.250
0.866*
0.279
0.048
1.000
1.040*
1.057*
1.134*
1.367*
1.147*
1.026*
1.000
1.220*
1.132*
1.292*
0.123
0.134
0.184
0.345
0.341
0.247
0.113
0.088
0.089
0.111
0.124
0.107
0.114
0.139
0.135
0.154
213
AttBI BI15
SkorMat Subj
SkorMat Obj
Nota: = standardized regression weight
0.624
0.256
0.218
1.000
0.558*
1.000
0.220
-
* p < 0.05
Kem.BI
BI
Skor Mat
0.200
0.230
0.981
Dari segi pemboleh ubah yang dapat meramal skor ujian pencapaian
matematik pula, jadual 4.29 menunjukkan 98% varian dapat menjelaskan skor
matematik dan masing-masing 20% dan 23% bagi kemahiran bahasa Inggeris
dan gred bahasa Inggeris. Keadaan ini menunjukkan perbezaan yang ketara
antara analisis awal model cadangan dengan analisis bagi menentukan ukuran
fit ini.
214
df
GFI
TLI
RMSEA
Min
S.E
110.13
84
0.029
0.948
0.972
0.035
94.839
0.824
0.208
Jadual 4.33 juga menunjukkan maklumat hasil menggunakan analisis BollenStine Bootsrapping. Nilai p berada di atas cut-off 0.05 yang menunjukkan
bahawa model fit dengan data (Byrne, 2001).
215
Jalur
AttBI Kem. BI
Kem.BI BI
AttBI BI
AttBI SkorMat
AttMat SkorMat
Kem.BI SkorMat
BI SkorMat
Kem.BI Baca
Kem.BI Cakap
Kem.BI Faham
AttMat Mat1
AttMat Mat5
AttMat Mat11
AttMat Mat13
AttMat Mat15
AttBI BI1
AttBI BI6
AttBI BI9
AttBI BI15
SkorMat Subj
SkorMat Obj
Maximum Likelihood
Beta
S.E
0.432
0.384
-0.017
0.312
0.523
0.463
0.093
0.706
0.824
0.866
0.807
0.715
0.798
0.637
0.659
0.758
0.613
0.706
0.552
0.189
0.359
0.555*
0.787*
-0.045
0.696
1.058*
0.804*
0.079
1.000
1.153*
1.255*
1.209*
1.140*
1.106*
1.057*
1.000
1.342*
1.069*
1.396*
1.000
0.235*
1.000
0.116
0.161
0.205
0.497
0.391
0.357
0.138
0.101
0.108
0.116
0.120
0.107
0.122
0.178
0.157
0.190
0.091
-
* p < 0.05
dan
216
Kem.BI
BI
Skor Mat
0.186
0.142
0.994
4.12
Ujian Hipotesis
Setelah model keseluruhan telah diuji bagi menentukan model fit dengan data
utama, model ini diuji secara serentak bagi memastikan sama ada model ini fit
data berdasarkan kumpulan sampel lokasi sekolah luar bandar dan sekolah
bandar. Sampel pelajar terdiri daripada masing-masing 250 orang responden
dari sekolah luar bandar dan sekolah bandar. Analisis serentak dijalankan bagi
menguji kumpulan pelajar mengikut jantina. Analisis secara serentak bagi
kedua-dua kumpulan telah dijalankan dengan menggunakan perisian Amos
217
yang mampu untuk menentukan model fit dengan data daripada pelbagai
kumpulan dalam satu masa. Kelebihan menggunakan analisis SEM bagi
tujuan analisis dua sampel data secara serentak ialah dapat:
1. menghasilkan parameter yang lebih tepat berbanding dengan analisis
secara terpisah untuk setiap kumpulan, dan
2. mengasilkan ujian yang lebih signifikan seandainya terdapat perbezaan
antara kumpulan pelajar luar bandar dan pelajar bandar.
(Arbuckel & Wothke, 1999)
Analisis yang dijalankan ini terbahagi kepada dua model, iaitu Model A dan
Model B. Analisis Model A dibuat secara serentak secara menyeluruh bagi
memeriksa sama ada model yang telah dicadangkan boleh fit dengan keduadua kumpulan luar bandar dan bandar serta lelaki dan perempuan. Analisis
Model B dilakukan dengan tujuan untuk memastikan kewujudan perbezaan
perbezaan yang signifikan bagi setiap parameter. Analisis dijalankan dengan
memasukkan atau menyamakan (constraint) setiap parameter dalam satu
kumpulan kepada kumpulan yang lain.
218
4.36
df
GFI
TLI
RMSEA
Min
S.E
351.92
168
0.000
0.916
0.911
0.047
188.97
1.190
0.002
( = 0.561) adalah
219
Jalur
Luar Bandar
AttBI Kem. BI
Kem.BI BI
AttBI BI
AttBI SkorMat
AttMat SkorMat
Kem.BI SkorMat
BI SkotMat
Kem.BI Baca
Kem.BI Cakap
Kem.BI Faham
AttMat Mat1
AttMat Mat5
AttMat Mat11
AttMat Mat13
AttMat Mat15
AttBI BI1
AttBI BI6
AttBI BI9
AttBI BI15
SkorMat Subj
SkorMat Obj
Maximum Likelihood
Beta
0.315
0.406
-0.089
0.452
0.561
0.233
0.037
0.757
0.854
0.816
0.812
0.772
0.796
0.638
0.766
0.778
0.676
0.680
0.572
0.354
0.460
0.492*
0.708*
-0.242
1.203*
1.090*
0.397
0.037
1.000
1.132*
1.098*
0.995*
1.055*
0.924*
0.854*
1.000
1.474*
1.211*
1.336*
1.000
0.382*
1.000
0.128
0.127
0.195
0.451
0.299
0.223
0.109
0.091
0.090
0.077
0.086
0.073
0.086
0.181
0.159
0.175
0.084
-
Bandar
AttBI Kem. BI
Kem.BI BI
AttBI BI
AttBI SkorMat
AttMat SkorMat
Kem.BI SkorMat
BI SkotMat
Kem.BI Baca
Kem.BI Cakap
0.601
0.524
-0.058
-0.380
0.335
0.818
0.393
0.713
0.760
0.695*
1.020*
-0.130
-0.428
0.504
0.796
0.196
1.000
1.041*
0.111
0.182
0.201
0.518
0.495
0.500
0.173
0.098
S.E
220
Kem.BI Faham
AttMat Mat1
AttMat Mat5
AttMat Mat11
AttMat Mat13
AttMat Mat15
AttBI BI1
AttBI BI6
AttBI BI9
AttBI BI15
SkorMat Subj
SkorMat Obj
0.851
0.749
0.763
0.800
0.652
0.526
0.754
0.602
0.747
0.606
0.120
0.186
1.208*
1.556*
1.650*
1.548*
1.434*
1.000
1.089*
0.931*
1.371*
1.000
0.276
1.000
0.107
0.202
0.212
0.196
0.200
0.129
0.127
0.163
0.186
* p < 0.05
0.100
0.150
0.995
0.361
0.242
0.978
221
df
GFI
TLI
RMSEA
Min
S.E
400.98
178
0.000
0.905
89.8
0.050
197.84
1.201
0.002
222
Kem.BI BI
AttBI Kem.BI
AttBI BI
AttBI SkorMat
Kem.BI SkorMat
AttMat SkorMat
BI SkorMat
AttBI AttMat
df
GFI
CFI
TLI
RMSEA
Luar Bandar
()
Bandar
()
0.474*
0.413*
-0.044
0.350*
0.320*
0.614*
0.088
0.420*
0.436*
0.541*
-0.053
0.360*
0.251*
0.632*
0.075
0.420*
400.981
178
0.905
0.913
0.898
0.050
223
0.171
0.209
0.992
0.293
0.168
0.992
224
df
GFI
TLI
RMSEA
Min
S.E
340.77
168
0.000
0.919
0.912
0.045
187.48
1.189
0.002
225
Keadaan ini jelas menunjukkan bahawa model berkenaan adalah fit dengan
data kumpulan lelaki dan perempuan. Ini menunjukkan responden adalah
daripada kumpulan populasi yang sama. Peramal yang dapat meramal
pencapaian pelajar lelaki dapat meramal juga pencapaian pelajar perempuan
dalam ujian matematik.
lelaki dan
Jalur
Lelaki
AttBI Kem. BI
Kem.BI BI
AttBI BI
AttBI SkorMat
AttMat SkorMat
Kem.BI SkorMat
BI SkorMat
Maximum Likelihood
Beta
S.E
0.447
0.551
-0.045
0.549
0.465
0.094
0.226
0.567*
0.940*
-0.098
0.977*
0.792*
0.131
0.186
0.109
0.137
0.163
0.417
0.339
0.305
0.148
226
Kem.BI Baca
Kem.BI Cakap
Kem.BI Faham
AttMat Mat1
AttMat Mat5
AttMat Mat11
AttMat Mat13
AttMat Mat15
AttBI BI1
AttBI BI6
AttBI BI9
AttBI BI15
SkorMat Subj
SkorMat Obj
0.752
0.842
0.856
0.836
0.743
0.855
0.675
0.674
0.750
0.713
0.704
0.674
0.253
0.354
1.000
1.173*
1.217*
1.189*
1.130*
1.161*
0.985*
1.000
1.174*
1.117*
1.210*
1.000
0.349*
1.000
0.097
0.099
0.110
0.115
0.106
0.109
0.130
0.128
0.140
0.114
-
Perempuan
AttBI Kem. BI
Kem.BI BI
AttBI BI
AttBI SkorMat
AttMat SkorMat
Kem.BI SkorMat
BI SkotMat
Kem.BI Baca
Kem.BI Cakap
Kem.BI Faham
AttMat Mat1
AttMat Mat5
AttMat Mat11
AttMat Mat13
AttMat Mat15
AttBI BI1
AttBI BI6
AttBI BI9
AttBI BI15
SkorMat Subj
SkorMat Obj
0.415
0.363
0.086
-0.019
0.687
0.696
-0.133
0.719
0.765
0.810
0.710
0.806
0.715
0.632
0.663
0.769
0.566
0.689
0.513
0.183
0.265
0.640*
0.676*
0.247
-0.038
1.208*
0.881*
-0.091
1.000
0.982*
1.072*
1.143*
1.420*
1.064*
1.175*
1.000
1.352*
0.958*
1.434*
1.000
0.304*
1.000
0.142
0.140
0.201
0.503
0.426
0.347
0.141
0.091
0.097
0.115
0.130
0.106
0.126
0.181
0.144
0.198
0.131
* p < 0.05
227
AttBI
0.181
0.164
0.988
228
df
GFI
TLI
RMSEA
Min
S.E
361.89
178
0.000
0.915
0.912
0.046
199.81
1.295
0.002
229
df
GFI
CFI
TLI
RMSEA
0.402*
0.481*
0.020
0.326
0.416*
0.591*
0.028
0.400
0.464*
0.436*
0.021
0.334
0.369*
0.605*
0.027
0.400
361.891
178
0.915
0.925
0.912
0.046
Jadual 4.46 menunjukkan sesetengah nilai parameter bagi lelaki lebih tinggi
daripada pelajar perempuan begitu juga sebaliknya. Pemboleh ubah yang
signifikan dengan pelajar lelaki didapati signifikan juga dengan pelajar
perempuan.
Sementara nilai
indeks GFI, CFI dan TLI yang berada pada paras lebih
daripada > 0.90 dan nilai RMSEA = 0.046 (dibawah paras 0.08) menunjukkan
bahawa model fit dengan kedua-dua jantina. Keadaan ini menunjukkan
bahawa perbezaan nilai bagi kedua-dua kumpulan pelajar adalah tidak
signifikan.
230
0.214
0.199
0.982
4.13
Kesimpulan
231
Sementara analisis SEM pula menunjukkan model fit dengan data kajian sama
ada bagi kumpulan pelajar luar bandar atau bandar mahupun pelajar lelaki
dan perempuan serta menjelaskan bahawa sikap terhadap matematik dan sikap
terhadap bahasa Inggeris memberikan kesan yang signifikan terhadap skor
pencapaian matematik Tingkatan 2 bagi pelajar luar bandar serta pelajar lelaki
dan perempuan.
232