Professional Documents
Culture Documents
Methodology Untuk Kajian PDF
Methodology Untuk Kajian PDF
Methodology Untuk Kajian PDF
METODOLOGI
3.1 Pendahuluan
daripada responden.
125
Reka bentuk penyelidikan ini seperti ditunjukkan dalam Jadual 3.1 di
bawah.
Jadual 3.1
Reka bentuk Penyelidikan
Dua siri ujian telah dilaksanakan, iaitu Ujian 1 (item asal) dan Ujian 2
(item yang diubah suai) dengan ditadbir dalam dua tempoh yang berbeza.
Reka bentuk yang dipilih dalam kajian ini adalah satu facet secara
bersilang (single facet crossed design) dan diuji secara terpisah (Shavelson
& Web, 1991). Reka bentuk ujian dilaksanakan seperti jadual di bawah.
Item
Item 1 2
1
2
(Pelajar)
Person
500
126
Perhubungan antara sumber varian dan komponen varian ditunjukkan
p pi, e i
* p - pelajar
i - item
Rajah 3.1 di atas menunjukkan rajah Venn bagi reka bentuk kajian ini, iaitu
Rajah 3.2 pula menunjukkan komponen varian bagi setiap sumber varian
127
magnitud komponen varian. Penggunaan rajah Venn bertujuan untuk
memperlihatkan sumber varian dalam kajian ini. Dalam hal ini, penyelidik
juga cuba menguji kemungkinan reka bentuk dua facet gabungan secara
bersilang (two facet nested cross design – p x (i:v)). Analisis awal (lihat
Lampiran I) mendapati reka bentuk berkenaan tidak tepat kerana item dan
128
pelajaran Bahasa Inggeris. Data kajian ini diperolehi daripada responden
digunakan.
dapat diaplikasikan (Fraenkel & Wallen, 1990). Dalam kajian ini populasi
Kedah.
129
Jadual 3.3 Bilangan Sekolah Menengah Kebangsaan Harian
Di Negeri Kedah
Bil. Daerah Jumlah
1. Baling 13
2. Sik 6
3. Kota Setar 32
4. Kuala Muda 23
5. Yan 7
6. Kubang Pasu 17
7. Kulim 18
8. Bandar Baharu 4
9. Langkawi 5
10. Padang Terap 6
11. Pendang 10
Jumlah 141
Sumber: Jabatan Pelajaran Negeri Kedah
(2005)
Dalam kajian ini, lapan buah sekolah menengah telah dipilih secara rawak.
yang sama kepada individu untuk terlibat sebagai sampel kajian ini dalam
mewakili populasi yang dikaji (Mohd Majid Konting, 2000). Lima buah
130
sekolah kawasan bandar dan lima buah sekolah kawasan luar bandar
dipilih secara rawak bagi setiap sekolah berkenaan. Dalam hal ini, Krejcie
seramai 25,380 orang ialah 379 orang. Dengan itu, 500 orang pelajar telah
dipilih untuk terlibat dalam kajian ini. Jadual 3.4 di bawah menunjukkan
menyumbang kepada varian dalam skor yang dicapai oleh pelajar dalam
objek bagi pengukuran yang dijalankan. Dengan itu unit analisis bagi
kajian ini ialah pelajar sekolah yang terdiri daripada pelajar tingkatan dua.
131
3.6 Instrumen Penyelidikan
3.6.1 Ujian
Dalam usaha mendapatkan skor pelajar bagi kajian ini, dua ujian telah
ditadbir kepada responden sebagai ujian selari yang telah diselaraskan oleh
Memandangkan ujian ini ialah ujian selaras, item pengujian adalah digubal
oleh guru pakar bagi mata pelajaran Matematik peringkat PMR di sebuah
pengujian ini disemak pula oleh guru pakar Bahasa Inggeris bagi
Ujian 2 adalah ujian yang telah diubah suai daripada Ujian 1 dan masih
132
dalam item penilaian dapat membantu pelajar yang belajar dalam bahasa
Ayat yang diubah suai: Find the group of eggs. Draw circles around the
eggs.
Ayat asal : Because the box was a cube with six equal side, Jenny
Ayat yang diubah suai : The box is a cube with six equal sides. Jenny
133
Ayat yang diubah suai : He found two broken pencils in the sample.
Ayat asal : If the rulers cost RM1.23 each, including tax, and Fred has
Ayat yang diubah suai : Rulers cost RM1.23 each, including tax. Fred has
mereka.
Di samping itu, penilaian terhadap sesuatu mata pelajaran harus jelas dan
dikenal pasti dan disediakan kepada guru. Dengan itu para guru boleh
134
memastikan pelajar-pelajar mempunyai maklumat bahasa yang cukup
yang diajar.
Jarak masa antara setiap ujian mengambil masa selama 30 hari atau
sebulan. Dalam hal ini, penentuan tempoh pelaksanaan satu ujian dengan
satu ujian mengambil kira pandangan Kautman & Kautman (2005) yang
item objektif dan 5 item subjektif. Item yang diuji meliputi topik awal
dan Ruang serta Perkaitan. Jadual 3.5 di bawah menunjukkan taburan item
1 Nombor
2 Nombor
3 Nombor
4 Bentuk dan Ruang
5 Bentuk dan Ruang
135
6 Bentuk dan Ruang
7 Bentuk dan Ruang
8 Perkaitan
9 Perkaitan
10 Bentuk dan Ruang
11 Nombor
12 Nombor
13 Nombor
14 Nombor
15 Nombor
Soal selidik yang digunakan dalam kajian ini terdiri daripada lima
bahagian, iaitu (I) Aspek demografi (II) Latar belakang kebolehan bahasa
(III) Sikap terhadap Bahasa Inggeris (IV) Sikap Terhadap Matematik dan
tinggal.
136
berdasarkan back translation oleh pensyarah Bahasa Inggeris di Fakulti
bahasa Inggeris. Bagi aspek kemahiran bahasa, skala yang digunakan ialah
skala Likert yang diwakili oleh skala Sangat Baik (5) , Baik (4), Sederhana
Bahagian III yang menyentuh aspek sikap terhadap bahasa Inggeris. Item
daripada instrumen yang telah dibentuk oleh Noran Fauziah Yaakob, et al.
berkenaan seperti yang dilaporkan adalah tinggi yakni 0.84 nilai alpha
cronbach. Namun dalam kajian ini hanya 18 item daripada 25 item sahaja
disesuaikan semula bagi tujuan kajian ini. Bahagian ini juga menggunakan
5 = Sangat Setuju
4 = Setuju
3 = Tidak Pasti
137
2 = Tidak Setuju
berfaedah.
diwajibkan mempelajarinya.*
7. Jika saya dapat belajar bahasa, saya sangat suka mempelajari Bahasa
Inggeris.
Inggeris.
Inggeris.
138
14. Bahasa Inggeris menyumbang kepada kemajuan tamadun.
15. Bahasa Inggeris adalah salah satu mata pelajaran yang menakutkan
saya.*
(* Penyataan negatif)
5 = Sangat Setuju
4 = Setuju
3 = Tidak Pasti
2 = Tidak Setuju
139
4. Saya sentiasa tenang dan tidak bimbang apabila belajar matematik.
matematik.
berfikir.
13. Matematik adalah salah satu daripada mata pelajaran yang menakutkan
saya.*
diwajibkan mengambilnya.*
16. Mata pelajaran lain adalah lebih penting kepada setiap individu
berbanding matematik.*
140
5 = Sangat Setuju
4 = Setuju
3 = Tidak Pasti
2 = Tidak Setuju
bahasa Melayu.
Menurut Fraenkel dan Wallen (1996) kajian rintis ialah cubaan kajian yang
kajian dan tatacara kajian. Oleh sebab, instrumen soal selidik telah diubah
suai daripada soal selidik yang asal, satu ujian rintis telah ditadbir oleh
141
bagi memastikan setiap item adalah tepat dan mudah difahami oleh
sekolah di negeri Kedah. Pelajar terlibat adalah dari populasi yang sama
Jadual 3.6 di bawah menunjukkan hasil kajian rintis yang telah dijalankan
Jumlah 5 10 18 17 6
item
Jumlah 80 80 80 80 80
sampel
Keboleh - - 0.75 - 084 0.77 – 0.84 -
percayaan
piawai
142
3.8 Kesahan dan kebolehpercayaan Instrumen
kebolehpercayaan.
Aspek kandungan adalah aspek penting dalam memastikan item ujian yang
konteks ini, instrumen yang digunakan ialah soalan ujian dan soal selidik.
selesai penggubalan item berkenaan, item disemak pula oleh guru kanan
143
mata pelajaran berkenaan bagi memastikan item yang diuji benar-benar
sah.
soal selidik yang telah diakui sebagai sah. Kemudian disemak pula oleh
dua orang pensyarah Universiti Utara Malaysia yang pakar dalam bidang
sebagai satu ujian yang setara dan semua korelasi antara item yang diukur
144
instrumen yang digunakan adalah tinggi nilai kebolehpercayaannya (Ary,
Alpha ke atas variabel sikap terhadap bahasa Inggeris dan sikap terhadap
yang tinggi. Dalam hal ini Nunnally (1978) berpendapat nilai alpha yang
melebihi 0.70 adalah tekal bagi setiap dimensi yang digunakan. Ini
melebihi .70.
145
dicadangkan dalam SEM ialah menganggar model pengukuran terlebih
dahulu sebelum menguji model sebenar yang fit (sesuai) (Hair et al., 1998).
Jadual 3.8 menunjukkan hanya satu model faktor yang diterima dalam
kajian ini. Dengan itu, dapat dirumuskan bahawa terdapat hubungan antara
telah dijalankan.
146
Jadual 3.8 Goodness of Fit Bagi Model Pengukuran
Sikap Terhadap Bahasa Inggeris
χ² 0.980
df 2
p 0.613
χ²/df 0.490
GFI 0.999
TLI 1.005
CFI 1.000
RMSEA 0.000
Nota: β = standardized regression weight
Jadual 3.7 di atas menunjukkan nilai χ² bagi model CFA bagi konstruk
model berkenaan adalah fit dengan data. χ² = 0.980 dengan df = 2 dan nilai
p = 0.613. Ukuran lain dalam menentukan model ini fit juga menunjukkan
nilai GFI = 0.999, TLI =1.005, nilai CFI =1.000 dan nilai RMSEA =0.000
melebihi nilai lebih daripada 0.70 dengan nilai C.R melebihi paras
signifikan.
147
Rajah 3.3 di bawah menunjukkan item yang dikekalkan bagi analisis
e4 BI1
e3 BI6
Sikap BI
e2 BI9
e1 BI15
Rajah 3.3 Model pengukuran bagi konstruk sikap terhadap bahasa Inggeris
148
Model pengukuran (CFA) bagi kontruk sikap terhadap bahasa Inggeris
telah diuji semula mengikut jantina dan lokasi sekolah bagi memastikan
model asal.
149
Jadual 3.11 menunjukkan nilai χ² bagi model CFA bagi konstruk sikap
lain dalam menentukan model ini fit juga menunjukkan nilai GFI = 0.993,
TLI =0.993, nilai CFI= 0.996 dan nilai RMSEA =0.040 yang menunjukkan
di bawah 0.05 (Schumacker & Lomax, 2004). Nilai loading (Beta) yang
χ² 9.027
df 5
p 0.108
χ²/df 1.805
GFI 0.993
TLI 0.993
CFI 0.996
RMSEA 0.040
Nota: β = standardized regression weight
150
Rajah 3.4 di bawah menunjukkan item yang dikekalkan bagi konstruk
kajian ini.
e4 Mat1
e3 Mat5
Sikap BI
e2 Mat11
e1 Mat13
e5 Mat15
telah diuji semula mengikut jantina dan lokasi sekolah bagi memastikan
151
Jadual 3.12 Goodness of Fit Konstruk Sikap Matematik
L P LB B
model asal.
152
3.9 Prosedur pengumpulan data
soal selidik dan ujian yang ditadbir. Sebelum pentadbiran instrumen yang
sama tetapi pada tarikh yang berbeza dengan tempoh antara ujian pertama
gambaran awal tentang latar belakang responden dan lokasi sekolah, latar
belakang bahasa, sikap terhadap bahasa dan sikap terhadap matematik dan
selidik ditadbir, dua orang guru matematik menyemak jawapan pelajar dan
dan skor ujian disimpan dalam komputer menggunakan perisian SPSS dan
notepad.
153
Setelah data ujian dan soal selidik dimasukkan dalam perisian berkenaan,
PENTABDIRAN UJIAN
PENSKORAN
ANALISIS GENOVA
- Kenal pasti komponen facet/
ralat
- % sumbangan setiap facet
MENENTUKAN
DEPENDABILITY SKOR
- Koeffisien G
- Koeffisien Phi
yang dicadangkan. Proses SEM adalah seperti ditunjukkan dalam rajah 3.6
di sebelah.
154
PEMBENTUKAN MODEL
KAJIAN BERDASARKAN
KERANGKA TEORI
MEMBINA
PATH DIAGRAM
MENGUBAH SUAI
PATH DIAGRAM
- Terjemahkan structural
equaton
- Penentuan measurement
model
- Kenal pasti korelasi antara
konstruksi dan petunjuk
ANALISIS MODEL
MENILAI GOODNESS-OF-FIT
- Andaian dalam SEM
- Kenal pasti ralat
- Menilai goodness-of-fit
155
3.10 Analisis data
amat penting dalam memastikan data yang dianalisis adalah tepat dan
juga dijalankan bagi mengenal pasti wujudnya missing value yang timbul
Modeling (SEM).
156
Matematik, gred pencapaian bahasa dan Matematik, jantina serta kumpulan
Kajian ini mengenal pasti ralat khususnya kepelbagaian pelajar, item dan
Xpi = µ + µp + µi + µpi + e
157
µpi ialah mungkin interaksi pengaruh murid p x item i
(Xpi - µp – µi + µ);
kajian ini berdasarkan kelebihan teknik ini seperti yang dinyatakan berikut:
menggunakan SEM,
Secara umumnya, pengujian SEM ini untuk melihat sama ada aspek varian
dalam data yang dikaji adalah konsisten atau tidak. Seandainya dapatan
158
Analisis SEM dijalankan bagi menguji model yang dicadangkan dengan
b. hubungan regresi,
menginterpretasi model.
pemboleh ubah yang lain (Hair, Anderson, Tatham & Black 1998).
159
Analisis path adalah aspek pengembangan daripada model regresi yang
pemboleh ubah dalam model. Nilai regresi yang diramal oleh model
hubungan antara konstruk ditandai dengan garis dengan satu anak panah
dicadangkan.
SkorMat
AttBI
AttMat
160
Pemboleh ubah peramal atau faktor adalah pemboleh ubah bebas. Dalam
Pemboleh ubah terikat dalam kajian ini ialah skor pencapaian dan dikenali
endogeneous adalah simbol atau gambaran kesan faktor peramal ini kepada
skor pencapaian matematik. Dalam kajian ini, hipotesis yang dibuat ialah
161
1
e3 F r3 1 r1
1
1
e2 C KBI Gred BI
1
e1 B
1
Obj e13
1 SkorMat
1
e7 BI1 1 Subj e14
1
e6 BI6
1 AtBI r2
e5 BI9
1
e4 BI15
AtMat
Mat1 Mat15
Mat5 Mat11 Mat13 1
1 1 1 1
e8
e12 e11 e10 e9
Identifikasi model adalah berdasarkan teori yang boleh diuji dengan data
varian / kovarian (Schumacker & Lomax, 2004). Proses ini juga dapat
162
mengenal pasti darjah kebebasan (df) yang perlu lebih besar daripada
kosong (0) bagi tujuan identifikasi, jika tidak perisian AMOS tidak dapat
identifikasi adalah dengan melihat kepada nilai standard error yang besar
untuk satu atau lebih koeffisien, ketidak mampuan perisian AMOS untuk
melihat semula nilai matrik, nilai anggaran seperti varian ralat negatif dan
1998).
tiga cara yang harus diperhatikan sama ada melihat jumlah besar
Likelihood Estimation (ML). Teknik ini sangat sensitif kepada taburan data
yang tidak normal (Hair, Anderson, Tatham & Black 1998). Sebagai
163
menggunakan teknik Weighted Least Squares (WLS), Generalized Least
sering kali digunakan kerana kurang sensitif terhadap taburan data yang
yang akan diolah memenuhi andaian SEM. Terdapat tiga andaian dasar
yang perlu dipatuhi, iaitu meneliti data bebas, responden dipilih secara
data adalah dalam keadaan normal serta tidak wujud data yang outlier.
Setelah andaian SEM dipenuhi, penyelidik perlu melihat sama ada terdapat
negatif atau varian ralat yang tidak signifikan bagi konstruk tertentu,
koeffisien piawai yang hampir dengan 1.0 dan kewujudan ralat piawai
164
1995). Ukuran biasa yang digunakan untuk interpretasi ialah
approximation (RMSEA).
yang dikaji (Hu & Bentler, 1995). Kajian ini menggunakan ukuran berikut:
dan menghasilkan nilai probabiliti (p) yang lebih kecil dari tingkat
yang dicadang adalah fit dengan data (Schumacker & Lomax, 2004).
165
2. Goodness ot Fit Index (GFI) – ukuran yang nilainya berkisar dari 0
hingga 1. Nilai GFI yang tinggi menunjukkan nilai fit yang lebih baik.
Nilai fit yang diterima ialah ≥ 0.95 (Schumacker & Lomax, 2004).
Nilai TLI yang diterima ialah lebih dari .90 (Support System, 2001).
menunjukkan model yang diterima fit dan indeks < 2.00 atau <.3.00
166
Proses 3
Proses 2
3.11 Kesimpulan
Bab ini menjelaskan tentang reka bentuk kajian, kaedah analisis ada yang
167
belakang responden. Beberapa kaedah penganalisisan data seperti ujian-t,
GENOVA dan SEM digunakan dalam kajian ini bagi menjawab soalan
168