factor analysis (bm)
Post on 19-Jan-2016
70 Views
Preview:
DESCRIPTION
TRANSCRIPT
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
Dalam penyelidikan kuantitatif, proses pengumpulan data melibatkan kaedah mengukur
pembolehubah, pembinaan instrumen, pemilihan sampel kajian dan pentadbiran
instrumen. Untuk melaksanakan penyelidikan, instrumen kajian perlu ditentukan
terlebih dahulu. Instrumen kajian boleh dipilih daripada alat yang sedia ada, diubahsuai
daripada alat yang diperoleh atau dibina sendiri. Ciri-ciri utama instrumen kajian ialah
kebolehpercayaan, kesahan, keobjektifan, kebolehtadbiran dan kemudahtafsiran.
Prosedur pembinaan pula ialah, pertama sekali menentukan objektif kajian.
Kemudian, membentuk Jadual Penentuan Instrumen (JPI), memilih bentuk item,
membentuk item, meninggikan mutu item, menyunting item, menyediakan instrumen
untuk digunakan, membuat kajian rintis dan akhir sekali barulah melaksanakan kajian
tersebut.
Analisis faktor perlu dilakukan untuk menentukan tahap kesahan konstruk. Ujian
kesahan tidaklah sepopular jika nak dibandingkan dengan ujian kebolehpercayaan
(reliability) instrumen. Sedangkan sepatutnya seorang penyelidik perlu menguji tahap
kesahan (reliability) instrumen dahulu sebelum menjalankan ujian kebolehpercayaan.
Nilai alfa cronbach yang tinggi seperti 0.7 hingga 0.9 tidak bermakna instrumen itu
sudah cukup baik.
Analisis faktor dijalankan bertujuan untuk mengenal pasti, mengurangkan,
ataupun menyusun sebilangan besar item soal selidik ke dalam konstruk tertentu di
bawah pemboleh ubah kajian. Melalui analisis faktor, kita dapat mengenal pasti
dimensi-dimensi di bawah pemboleh ubah tersebut. Data kajian menggunakan data
yang berskala interval dan juga ratio. Selalunya juga ujian analisis faktor ini kita
jalankan dalam kajian rintis.
Dalam kajian yang MENGUKUR TAHAP PENGUASAAN KEMAHIRAN
PROSES SAINS GURU, pengumpulan datanya menggunakan teknik soal selidik. Satu
set soal selidik telah dibina mengikut prosedur pembinaan instrumen kajian. Kemudian,
set soalan yang telah dibina telah digunakan dalam kajian rintis. Data yang diperoleh
1
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
daripada kajian rintis telah dimasukkan dan direkod ke dalam aplikasi SPSS. Berikut
ialah data yang telah direkod.
Konstruk yang diukur dalam soal selidik ini ada 3 konstruk utama iaitu Kesediaan,
Perancangan dan Pelaksanaan. Setiap kontruk pula mengandungi 2 sub konstruk.
Untuk kesediaan, sub konstruknya ialah sumber bukan manusia dan kemahiran
2
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
pelaksanaan kemahiran proses Sains. Perancangan guru dan perancangan panitia
pula merupakan sub konstruk dalam konstruk Perancangan. Bagi konstruk
Pelaksanaan pula, sub konstruknya ialah Kemahiran Proses Sains dan Pengesanan
Murid. Data yang telah dimasukkan ke dalam SPSS seperti diatas diproses dan
pengkaji ingin melihat tahap kesahan konstruk soal selidik tersebut.
Langkah-langkah:
1. Dari menu di atas skrin, klik Analyze, kemudian Dimension Reduction dan klik
Factor.
2. Pilih semua pembolehubah (atau item dalam skala). Dalam kajian ini, item A21
hingga A29 yang dipilih.
3
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
3. Klik Descriptives. Dalam ruangan Correlation Matrix, pilih Coefficients dan KMO
and Barlett’s test of sphericity. Dalam ruangan Statistics, pastikan Initial
Solution ditanda. Klik Continue.
4. Klik pada butang Extraction. Pada bahagian Method pilih Principal components.
Dalam ruangan Analyze pilih Correlation matrix. Dalam ruang Display, klik
Sceeplot dan Unrotated factor solution. Dalam ruang Extract, klik Eigenvalues
over 1. Kemudian Continue.
4
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
5. Klik butang Options. Dalam ruangan Missing Values, klik Exclude cases
pairwise. Dalam Coefficient Display Format klik Sorted by size dan Suppress
absolute values less than__. Taip nilai .3 dalam petak tersebut. Ini bermakna
hanya item yang bernilai lebih daripada .3 akan keluar dan ini bagi memudahkan
untuk kita membuat interpretasi.
6. Klik Continue dan OK.
Output yang diperoleh ialah;
Correlation Matrix
Peralat
an
Bahan
lain
Bahan
sendiri
Lembaran
kerja
Lembaran
fotostat
Kesukaran
sediakan
lembaran
Buku
PEKA
Buku
sekolah
Perunt
ukan
kewan
gan
Correlation Peralatan 1.000 -.021 .553 -.141 .277 -.337 -.497 .367 .575
Bahan lain -.021 1.000 -.006 .353 -.169 .013 .037 .126 -.251
Bahan sendiri .553 -.006 1.000 -.204 .214 -.071 -.202 .490 .066
Lembaran
kerja
-.141 .353 -.204 1.000 .381 .550 .498 -.536 -.081
Lembaran
fotostat
.277 -.169 .214 .381 1.000 .431 .418 -.055 .189
5
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
Kesukaran
sediakan
lembaran
-.337 .013 -.071 .550 .431 1.000 .709 -.458 -.212
Buku PEKA -.497 .037 -.202 .498 .418 .709 1.000 -.470 -.453
Buku sekolah .367 .126 .490 -.536 -.055 -.458 -.470 1.000 .191
Peruntukan
kewangan
.575 -.251 .066 -.081 .189 -.212 -.453 .191 1.000
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .531
Bartlett's Test of Sphericity
Approx. Chi-Square 72.744
df 36
Sig. .000
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative %
1 3.319 36.883 36.883 3.319 36.883 36.883
2 1.882 20.907 57.790 1.882 20.907 57.790
3 1.287 14.301 72.091 1.287 14.301 72.091
4 1.076 11.961 84.052 1.076 11.961 84.052
5 .520 5.772 89.824
6 .395 4.391 94.216
7 .225 2.497 96.712
8 .183 2.029 98.741
9 .113 1.259 100.000
Extraction Method: Principal Component Analysis.
6
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
Component Matrixa
Component
1 2 3 4
Buku PEKA .859
Kesukaran sediakan
lembaran
.775 .371
Buku sekolah -.728 .389
Lembaran kerja .696 .355 .489
Peralatan -.656 .608
Peruntukan kewangan -.491 .458 -.453 .447
Lembaran fotostat .855
Bahan sendiri -.460 .501 .443 -.411
Bahan lain .827 .477
Extraction Method: Principal Component Analysis.
a. 4 components extracted.
7
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
Langkah 1
Dalam jadual Correlation Matrix, lihat nilai correlation coefficients melebihi atau sama
dengan .3 Jika tidak ada, maka perlu dipertimbangkan semula untuk menggunakan
faktor analisis. Nilai KMO juga melebihi atau sama dengan .6, Barlett’s Test of
Sphericity mesti signifikan (nilai Sig. mesti .05 atau lebih kecil). Dalam jadual di atas,
nilai KMO ialah .531 dan Barlett’s Test ialah signifikan (p=.000).
Langkah 2
Untuk mengenalpasti jumlah komponen untuk diekstrak, komponennya perlulah
mempunyai nilai eigenvalue sama ada atau lebih daripada 1. Kita perlu melihat kepada
jadual Total Variance Explained. Dalam kajian ini, hanya ada 4 komponen pertama
yang mencatatkan eigenvalues melebihi 1 (3.319, 1.882, 1.287, 1.076) Keempat-empat
komponen ini mencatat sebanyak 84.052% nilai kumulatif terkumpul.
Langkah 3
Apabila menggunakan Kaiser, terlalu banyak komponen yang diekstrak, maka rujuk
semula kepada sceeplot yang disediakan oleh SPSS. Lihat perubahan pada bentuk
plot. Hanya komponen yang berada atas tahap perubahan plot akan dikekalkan.
Dalam plot di atas, perubahan yang ketara ialah antara komponen 1 dan 2. Komponen
yang dikekalkan ialah komponen 1 dan 2.
Langkah 4
Jadual seterusnya yang boleh dilihat ialah Component Matrix. Jadual ini menunjukkan
nilai bagi setiap empat komponen. SPSS menggunakan Kaiser criterion (mengekalkan
semua komponen dengan nilai eigenvalues melebihi 1) sebagai default. Dalam jadual
tersebut, banyak item yang dimuatnaik dalam komponen 1 dan 2. Hanya sedikit dalam
8
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
komponen 3 dan 4. Ini menyokong kesimpulan yang dibuat melalui screeplot iaitu
untuk mengekalkan hanya dua faktor sahaja untuk dinilai dengan lebih lanjut.
Setelah jumlah faktor diketahui, langkah seterusnya ialah untuk
menginterpretasikannya. Faktor ini akan diputarkan (rotated). Dua komponen tadi
akan diputarkan dan diekstrak. Terdapat 2 cara untuk membuat rotation iaitu
menggunakan Varimax rotation dan Oblimin rotation.
Varimax Rotation
Dalam menu Analyze, klik Dimension Reduction dan Factor. Pastikan semua
pemboleh ubah yang terlibat masih dalam petak Variables.
9
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
Klik butang Descriptives. Untuk tidak mengulangi analisis yang sama, keluarkan tanda
dalam kotak Initial Solution, Coffecient dan KMO and Barlett’s Test. Kemudian
Continue.
Klik Extraction. Dalam bahagian Method, senaraikan Principal Component. Dalam
Analyze pilih Correlation matrix. Dalam bahagian Display, keluarkan tanda dari kotak
Sceeplot dan Unrotated factor solution. Dalam Extract, pilih Number of Factors
dan taip jumlah faktor yang hendak diekstrak. Dalam kajian ini, jumlah yang hendak
diekstrak ialah 2. Klik Continue.
10
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
Kemudian dalam Options, klik Exclude cases pairwise. Untuk ruang Coefficient
Display Format, tandakan Sorted by size, Suppress absolute values less than .3.
Klik Continue.
Untuk ruang Rotation klik Varimax, kemudian Continue dan OK.
11
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
Output yang diperolehi ialah;
Total Variance Explained
Compone
nt
Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Total % of
Variance
Cumulative
%
Total % of
Variance
Cumulative
%
Total % of
Variance
Cumulative
%
1 3.319 36.883 36.883 3.319 36.883 36.883 2.859 31.770 31.770
2 1.882 20.907 57.790 1.882 20.907 57.790 2.342 26.020 57.790
3 1.287 14.301 72.091
4 1.076 11.961 84.052
5 .520 5.772 89.824
6 .395 4.391 94.216
7 .225 2.497 96.712
8 .183 2.029 98.741
9 .113 1.259 100.000
Extraction Method: Principal Component Analysis.
Rotated Component Matrixa
Component
1 2
Kesukaran sediakan
lembaran
.849
Buku PEKA .809 -.339
Lembaran kerja .775
Lembaran fotostat .699 .558
Buku sekolah -.571 .455
Peralatan .872
Bahan sendiri .673
Peruntukan kewangan .655
Bahan lain
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
12
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
Interpretasi data varimax (Varimax rotation)
Dalam jadual yang berlabel Total Variance Explained, hanya ada 2 komponen sahaja
yang tersenarai berbanding dengan 4 komponen dalam unrotated output sebelumnya.
Ini kerana SPSS diminta untuk memutarkan (rotate) 2 komponen sahaja. Nilai varian
telah diselaraskan selepas rotation. Komponen 1 nilainya 31.77% dan komponen 2
nilainya 26.02%. Jumlah keseluruhan varian (57.79%) tidak berubah walaupun selepas
rotation.
Dalam Rotated Component Matrix tersenarai nilai untuk setiap pembolehubah dua
faktor yang telah dipilih. Lihat nilai tertinggi bagi setiap pembolehubah dalam setiap
komponen. Ini dapat membantu untuk mengenal pasti sifat pembolehubah terpendam
yang mewakili setiap komponen.
Dalam kajian ini, nilai utama untuk komponen 1 ialah item Kesukaran sediakan
lembaran, buku PEKA dan lembaran kerja dan untuk komponen 2 ialah item Peralatan.
Oblimin Rotation
Untuk mendapatkan keputusan Oblimin rotation (membenarkan setiap komponen untuk
berkorelasi sesama sendiri) ulangi langkah seperti Varimax rotation Cuma pada
bahagian Rotation, dalam ruang Method pilih Direct Oblimin. Output yang diperoleh
adalah seperti berikut;
Pattern Matrixa
Component
1 2
Kesukaran sediakan lembaran.846
Buku PEKA .784
Lembaran kerja .774
13
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
Lembaran fotostat .766 .626
Buku sekolah -.530 .413
Peralatan .868
Bahan sendiri .674
Peruntukan kewangan .652
Bahan lain
Extraction Method: Principal Component Analysis.
Rotation Method: Oblimin with Kaiser Normalization.
a. Rotation converged in 8 iterations.
Structure Matrix
Component
1 2
Kesukaran sediakan lembaran.857
Buku PEKA .835 -.421
Lembaran kerja .781
Lembaran fotostat .649 .483
Buku sekolah -.607 .512
Peralatan .888
Bahan sendiri .679
Peruntukan kewangan .667
Bahan lain
Extraction Method: Principal Component Analysis.
Rotation Method: Oblimin with Kaiser Normalization.
Component Correlation Matrix
Component 1 2
1 1.000 -.186
2 -.186 1.000
Extraction Method: Principal
Component Analysis.
Rotation Method: Oblimin with Kaiser
Normalization.
14
KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN
Output dalam Oblimin rotation berbeza dengan output Varimax rotation. Tiga jadual
yang perlu diteliti dalam Oblimin rotation ialah Pattern Matrix, Structure Matrix dan
Component Correlation Matrix.
Hubungan antara komponen yang ditunjukkan dalam Component Correlation Matrix
bagi data ini ialah lemah iaitu (-.186).
Keputusan Analisis Faktor
9 item telah dianalisis menggunakan aplikasi SPSS. Pemeriksaan ke atas correlation
matrix menunjukkan banyak nilai koefisien .3 dan ke atas. Walau bagaimanapun, nilai
Kaiser-Meyer-Oklin ialah .53 tidak mencapai nilai .6 signifikan.
Komponen analisis utama menunjukkan ada 4 komponen yang mencatatkan
eigenvalues mencapai 1, varian masing-masing ialah 37%, 21%, 14.3% dan 12%.
Melalui data dalam screeplot, dua komponen sahaja yang hendak dikekalkan. Untuk
menyokong kepada data ini , ujian Varimax rotation telah dibuat. Nilai varian yang
dicatatkan adalah baik iaitu 57.79% dengan komponen 1 menyumbang sebanyak
31.77% dan komponen 2 sebanyak 26.02%.
Dalam kajian ini, item yang dikekalkan ialah dari komponen 1, item Kesukaran
sediakan lembaran, buku PEKA dan lembaran kerja dan untuk komponen 2 ialah item
Peralatan.
15
top related