bab 4 dapatan kajian 4.0 pendahuluan bab ini membincangkan

64
169 BAB 4 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 SEM (Structural Equation 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?

Upload: trannhi

Post on 30-Dec-2016

556 views

Category:

Documents


11 download

TRANSCRIPT

Page 1: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

169

BAB 4

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 SEM (Structural Equation

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?

Page 2: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

170

4. Adakah model yang dicadangkan fit dengan jantina lelaki dan

perempuan?

5. Adakah model yang dicadangkan fit dengan lokasi sekolah bandar dan

luar bandar?

6. Adakah terdapat kesan faktor peramal dalam model yang dicadangkan

terhadap skor pencapaian secara signifikan?

4.1 Latar belakang Responden

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 lain-

lain (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.

Page 3: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

171

Jadual 4.1 Profil Pelajar Mengikut Jantina, Kaum, Tempat Tinggal

dan Lokasi Sekolah

Perbezaan Individu Kekerapan (%)

Jantina Lelaki

Perempuan

225 (45)

275 (55)

Jumlah 500 (100)

Kaum Melayu

Cina

India

Lain-lain

385 (77)

83 (16.6)

27 (5.4)

5 (1)

Jumlah 500 (100)

Tempat

Tinggal

Kampung

Pekan kecil

Bandar

Tanah Rancangan

272 (54.4)

88 (17.6)

135 (27)

5 (1)

Jumlah 500 (100)

Lokasi

Sekolah

Luar Bandar

Bandar

250 (50)

250 (50)

Jumlah 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.

Jadual 4.2 Gred Bahasa Inggeris UPSR

Gred Bahasa Inggeris Jumlah (%)

Gred A

Gred B

Gred C

Gred D

Gred E

90 (18.0)

170 (34.0)

150 (30.0)

52 (10.4)

38 (7.6)

Jumlah 500 (100)

Page 4: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

172

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.

Jadual 4.3 Kemahiran Bahasa Inggeris Megikut Jantina

Kemahiran BI

Jantina

Lelaki

Perempuan

Min

N

Std.Dev.

Min

N

Std.Dev.

3.03

225

0.96

3.16

275

0.77

Lokasi

sekolah

Luar bandar

Bandar

Min

N

Std.Dev.

Min

N

Std.Dev.

3.06

225

0.92

3.18

275

0.80

Manakala kamahiran mengikut lokasi sekolah pula seperti yang ditunjukkan

dalam Jadual 4.3 di atas, kemahiran bahasa Inggeris responden yang

bersekolah di bandar lebih tinggi daripada responden luar bandar. Skor min

Page 5: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

173

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 Sikap Pelajar terhadap mata pelajaran

Dapatan kajian yang dijalankan menunjukkan sikap sebenar responden kajian

ini terhadap bahasa Inggeris dan sikap mereka terhadap mata pelajaran

matematik. Skor min sikap responden terhadap kedua-dua mata pelajaran

berkenaan ditunjukkan dalam Jadual 4.4 di bawah.

Jadual 4.4 Sikap Pelajar Terhadap Mata pelajaran Mengikut Jantina

Jantina Sikap BI Sikap Mat

Lelaki

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

Dapatan kajian menunjukkan bahawa sikap responden perempuan adalah lebih

positif berbanding responden lelaki bagi kedua-dua mata pelajaran berkenaan.

Bagi mata pelajaran bahasa Inggeris skor min dan sisihan piawai bagi

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

Page 6: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

174

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

Lokasi sekolah Sikap BI Sikap Mat

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

4.3 Pembelajaran Matematik Dalam Bahasa Inggeris

Bagi mengetahui pengendalian pengajaran dan sama ada responden seronok

atau sukar mengikuti pembelajaran matematik dalam bahasa Inggeris, Jadual

4.6 di sebelah menunjukkan keadaan demikian.

Page 7: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

175

Jadual 4.6 Pembelajaran Matematik dalam Bahasa Inggeris

Tidak

Bersetuju

Tidak pasti

Bersetuju

Saya seronok belajar

matematik dalam BI.

Saya sukar

mengikuti

pembelajaran

matematik dalam BI.

Guru matematik

saya mengajar

menggunakan

bahasa Inggeris dan

bahasa Melayu

261 (52.2%)

132 (26.4%)

16 (3.2%)

142 (28%)

166 (33.2%)

55 (11.0%)

97 (19.4%)

202 (40.4%)

429 (85.8%)

Responden menunjukkan kecenderungan untuk “Tidak bersetuju” bahawa

mereka seronok belajar matematik dalam bahasa Inggeris (N = 261, 52.2%)

berbanding dengan bilangan responden yang “Bersetuju” (N = 97, 19.4%).

Responden juga mengakui bahawa mereka sukar mengikuti pembelajaran

matematik dalam bahasa Inggeris. Jadual 4.6 dia atas memaparkan 202

(40.4%) responden “Bersetuju” bahawa mereka sukar mengikuti

pembelajaran berbanding hanya 132 (26.4%) responden berpendapat mereka

tidak sukar dalam mengikuti pembelajaran berkenaan. Seiring dengan dapatan

tersebut, kajian ini juga menunjukkan bahawa pengajaran dan pembelajaran

matematik masih lagi dikendalikan secara tidak sepenuhnya dalam bahasa

Inggeris kerana responden sendiri sukar mengikuti pengajaran dalam bahasa

Page 8: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

176

Inggeris. Lebih 80 peratus pelajar bersetuju bahawa pengajaran masih

disampaikan dalam bahasa Melayu dan bahasa Inggeris.

4.4 Analisis Item Ujian

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 0.3 hingga 0.7

(Kaplan & Saccuzzo, 2001).

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 yang tinggi menunjukkan item tersebut berpotensi

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).

Jadual 4.7 menunjukkan 15 item yang ditadbir dalam ujian pencapaian

matematik Tingkatan 2. Ujian ini melibatkan 10 item berbentuk objektif dan 5

Page 9: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

177

item berbentuk soalan subjektif. Hasil daripada jawapan yang diberikan pelajar

telah dianalisis menggunakan perisian Quest. Dapatan analisis berasaskan

pekali kesukaran dan Point-Biserial.

Jadual 4.7 Indeks Kesukaran dan Point-Biserial Ujian Asal

Item Indeks

Kesukaran

Point-Biserial Catatan

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

0.85

0.55

0.35

0.44

0.57

0.56

0.59

0.19

0.32

0.57

0.22

1.00

0.42

0.28

0.45

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.

Page 10: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

178

Jadual 4.8 Indeks Kesukaran dan Point-Biserial Ujian Ubah suai

Item Indeks

Kesukaran

Point-Biserial Catatan

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

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. Item-

item 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.

Page 11: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

179

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.

Page 12: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

180

Rajah 4.2(a) Keluk ICC Ujian Asal

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

Pro

ba

bil

ity

Ability

Page 13: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

181

rendah. Berbeza dengan item 5 yang didapati lebih sukar kerana kemungkinan

calon untuk menjawab dengan betul berdasarkan kebolehan pada tahap 4

sebanyak 0.50.

Rajah 4.2(b) Keluk ICC Ujian Ubah Suai

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)

Pro

ba

bil

ity

Ability

Page 14: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

182

menunjukkan darjah atau tahap kesukaran telah menjadi semakin mudah.

Misalnya, dalam Rajah 4.2(a) bagi item 5 didapati kemungkinan pelajar yang

menjawab dengan betul dengan abiliti pada tahap 4 ialah 0.50. Namun, telah

berubah kepada abiliti 3.6 untuk menjawab dengan betul pada tahap yang

sama. Begitu juga dengan item yang lain. Keadaan ini menunjukkan bahawa

penggunaan item yang diubah suai adalah lebih mudah berbanding item asal.

4.5 Analisis Skor Ujian

Daripada jawapan responden yang diterima, responden cenderung kepada

berpendapat soalan ujian asal lebih sukar berbanding dengan soalan ujian yang

diubah suai struktur ayatnya. Jadual 4.9 memaparkan pendapat mereka

tentang kedua-dua ujian berkenaan.

Jadual 4.9 Pandangan Tentang Soalan Ujian

Sukar

Sederhana

Mudah

Secara

keseluruhan

soalan ujian ini

(Asal)

Secara

keseluruhan

soalan ujian ini

(Ubah suai)

182 (36.4%)

72 (14.4%)

273 (54.6%)

303 (60.6%)

45 (9.0%)

125 (25.0%)

Page 15: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

183

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.

Jadual 4.10 Perbezaan Skor Min Ujian

Ujian Asal Ujian Ubah suai

N

Min

Mod

Std.Dev.

Minimum

Maksimum

Skewness

Kurtosis

500

5.62

6

2.77

0

13

0.068

-0.013

500

7.45

7

2.46

0

14

-0.678

-0.771

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

Page 16: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

184

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.

Rajah 4.3 (a) Carta Skor Ujian Asal

Rajah 4.3 (b) Carta Skor Ujian Ubah Suai

Skor ujian soalan asal

15.0010.005.000.00-5.00

Freq

uenc

y

80

60

40

20

0

Mean =5.62 Std. Dev. =2.774

N =500

Skor ujian soalan ubah suai

15.0010.005.000.00-5.00

Fre

qu

ency

80

60

40

20

0

Mean =7.45 Std. Dev. =2.795

N =500

Page 17: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

185

Bagi mengetahui adakah wujud perbezaan yang signifikan di antara kedua-dua

ujian tersebut, Ujian-t dijalankan dan dapatan seperti dalam Jadual 4.11.

Jadual 4.11 Ujian –t Soalan Asal dan soalan Ubah suai

Paired Diffrences

Mean Std.

Dev.

Std.

Error

Mean

95%

C.I

t

df

Sig.

(2-

tailed)

Skor

Ubah

Suai –

Skor asal

1.830 1.121 0.0511 1.700 1.960 36.52 499 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

Page 18: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

186

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.

(2-

tailed)

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

Orisubj –

Modisubj

0.560

1.301

0.0582

0.446

0.674

9.62

499

0.001

Oriobj = Skor soalan objektif asal

Orisubj = Skor soalan subjektif asal

Modiobj = Skor soalan objektif ubah suai

Modisubj = Skor soalan subjektif ubah suai

Page 19: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

187

Di samping perbezaan pencapaian berdasarkan soalan asal dan soalan ubah

suai, perbezaan juga ditunjukkan berdasarkan format soalan. Pencapaian

responden bagi soalan objektif lebih tinggi daripada soalan subjektif. Jadual di

atas memaparkan ujian-t bagi soalan objektif dan soalan subjektif. Bagi soalan

objektif ubah suai, skor min (M =5.50, SD = 2.46, n = 500) lebih tinggi

daripada skor min soalan objektif asal (M = 1.95, SD = 1.28, n = 500). Ujian –t

menunjukkan min skor adalah berbeza secara signifikan ( t (499) = 18.31,

p<0.001 dengan perbezaan min sebanyak 1.26.

Apabila korelasi dijalankan bagi kedua-dua ujian berkenaan, dapatan

menunjukkan kedua ujian mempunyai hubungan positif yang kuat ( r = 0.92,

p<0.01) seperti ditunjukkan dalam Jadual 4.13.

Jadual 4.13 Korelasi Antara Ujian Asal dan Ujian Ubah suai

Skor ujian

ubah suai

Skor ujian asal Pearson

Correlation .919(**)

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.

Page 20: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

188

Rajah 4.4 Scatter plot Ujian Asal dan Ujian Ubah suai

Memandangkan dapatan yang dijelaskan oleh responden yang berpendapat

kedua-dua ujian ini masih sukar (lebih 35% berpendapat ujian asal sukar dan

15% berpendapat ujian ubah suai sukar ), responden juga berpendapat mereka

lebih cenderung untuk menjawab soalan matematik dalam bahasa Melayu.

Jadual 4.14 di sebelah menunjukkan kecenderungan responden.

0.00

1.00

2.00

3.00

4.00

5.00

6.00

7.00

8.00

9.00

10.00

11.00

12.00

13.00

Skor ujian soalan asal

0.00

1.00

2.00

3.00

4.00

5.00

6.00

7.00

8.00

9.00

10.00

11.00

12.00

13.00

14.00

Sk

or

uji

an

so

ala

n u

ba

h s

ua

i�

��

��

� �

��

� �

��

� ���

� �

�� ��

��

��

��

��

��

� �

��

���

��

��

� �

���

��

��

� �

� �

��

� �

� �

��

��

��

���

�� �

� �

��

��

��

��

��

��

� �

���

�� �

��

��

��

��

��

��

��

� �

��

���

��

� �

��

� �

� �

��

� �

� �

��

���

��

��

� �

���

��

��

���

����

��

� �

Page 21: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

189

Jadual 4.14 Kecenderungan Responden Untuk Memilih Bahasa Pengantar

Soalan Ujian

Bahasa

Melayu

Bahasa

Inggeris

Pilihan bahasa pengantar 372

(74.4%)

128

(25.6%)

Jadual 4.14 di atas menunjukkan kecenderungan responden yang lebih suka

untuk soalan ujian menggunakan bahasa Melayu. Lebih 70% pelajar memilih

untuk menjawab ujian matematik dalam bahasa Melayu berbanding hanya

25.6% yang cenderung kepada soalan dalam bahasa Inggeris.

Apabila ditanya tentang kecenderungan untuk memilih menjawab antara

kedua-dua ujian berkenaan, didapati majoriti responden (91.2%) memilih

untuk menjawab dengan menggunakan soalan yang telah diubah suai. Jadual

4.15 menunjukkan kecenderungan responden untuk memilih bentuk soalan

ujian.

Jadual 4.15 Kecenderungan Responden Untuk Memilih

Bentuk Soalan Ujian

Ujian asal Ujian Ubah

suai

Pilihan bentuk soalan 44

(8.8%)

456

(91.2%)

Page 22: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

190

4.6 Analisis GENOVA

Analisis data berdasarkan Teori Generalizabiliti dilaksanakan menerusi dua

langkah, iaitu kajian generalizabiliti (Kajian -G) dan kajian keputusan (Kajian

-D). Kajian -G mengambil kira anggaran kesan setiap komponen varian yang

secara relatif terhadap skor responden. Sementara kajian -D pula melibatkan

kepelbagaian pengaplikasian reka bentuk yang telah ditentukan hasil

manipulasi komponen varian dalam kajian -G (Brennan, 1993; Shavelson &

Webb, 1991).

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.

Jadual 4.16 Komponen Varian Ujian Asal

Facet df Jumlah

Kuasa dua

Min

Kuasa dua

Komponen

Varian

%

Varian

σ²(p) σ²(i) σ²pi + e

499

14

6986

1287.9333

1299.5620

2769.0000

0.53730

19.80337

0.17232

0.02487

0.00351

0.01173

62

9

29

Koeffisien G (Êp²) = 0.676

Jadual 4.16 menunjukkan komponen varian setiap facet yang menyumbang

kepada perbezaan skor pelajar. Komponen varian p (pelajar) menyumbang

Page 23: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

191

peratusan yang tertinggi daripada jumlah keseluruhan varian, yakni sebanyak

62%, diikuti dengan kombinasi facet σ²pi + e sebanyak 29%. Manakala item

menyumbang 9% daripada jumlah keseluruhan.

Jadual 4.17 Komponen Varian Ujian Ubah Suai

Facet df Jumlah

Kuasa dua

Min Kuasa

dua

Komponen

Varian

%

Varian

σ²(p) σ²(i)

σ²pi + e

499

14

6986

2192.2000

2289.6220

3793.0000

0.54900

26.52682

0.17598

0.02400

0.00262

0.01149

63

7

30

Koeffisien G (Êp²) = 0.679

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 σ²p menyumbang sebanyak 63%

daripada jumlah varian keseluruhan. Perbezaan disebabkan item (σ²i) pula

menyumbang sebanyak 7% serta kombinasi σ²pi + e menyumbang 30%

perbezaan dalam pencapaian.

Daripada kedua-dua ujian ini di dapati varian pelajar adalah tinggi kerana ini

menunjukkan secara sistematik berdasarkan kebolehan pelajar berkenaan.

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

Page 24: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

192

faktor pembelajaran yang dilalui. Penurunan peratusan sumbangan facet item

daripada 9% kepada 7% menunjukkan penurunan ralat yang disumbangkan

oleh item yang menunjukkan item yang telah ubah suai lebih mudah difahami

oleh responden. Pertambahan varian kombinasi p,i dan e menunjukkan

adanya kemungkinan interaksi antara item dengan pelajar, yakni ada

sebilangan item tertentu menjadi lebih mudah kepada pelajar tertentu misalnya

kepada pelajar bandar. Sesetengah item pula masih tidak memberikan

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 J dan Lampiran K menunjukkan contoh min

sampel item ujian asal dan ujian ubah suai.

Rajah 4.5 (a) dan Rajah 4.5(b) menunjukkan pecahan komponen varian bagi

kedua-dua ujian tersebut.

Pelajar

62%

Item9%

Kombinasi

Pelajar, Item dan ralat lain

29%

Page 25: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

193

Rajah 4.5(a) Sumber Varian Ujian Asal

Pelajar62%

Item7%

Kombinasi

Pelajar, Item dan ralat lain

30%

Rajah 4.5(b) Sumber Varian Ujian Ubah suai

Dalam hal ini, kesan komponen varian terhadap kebolehpercayaan

pengukuran bergantung kepada pertimbangan berikut (Brennan, 1983):

i. nilai generalizabiliti secara umum dan sama ada sumber facet yang

ditunjukkan dalam kajian adalah mencerminkan keadaan sebenar sampel

atau semua populasi.

ii. reka bentuk pengukuran atau bagaimana pengukuran itu dijalankan; dan

iii. keputusan yang ingin dibuat.

4.6.2 Kajian -D

Dalam kajian –G, koeffisien G (Êp²) memaparkan tahap perbezaan secara

relatif bagi varian ralat (relative error variance). Dalam kajian –D koeffisien

Page 26: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

194

phi (Ф) menunjukkan darjah perbezaan secara mutlak varian ralat (absolute

error variance). Berdasarkan Jadual 4.18 dan 4.19 di sebelah menunjukkan

perbezaan sumbangan setiap komponen facet dalam menyumbang kepada

ralat pengukuran apabila bilangan item bertambah.

Jadual 4.18 Komponen Varian Kajian –D Berdasarkan Pertambahan

Bilangan Item Ujian Asal

Item

Sumber

1

15

20

30

40

50

σ²p σ²i

σ²pi + e

0.02487

0.05270

0.17598

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

Koeffisiens

Generalizabiliti

Êp² Ф

0.122

0.101

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 (Êp² dan Ф) semakin meningkat. Daripada Jadual di atas

memperlihatkan pertambahan nilai koeffisien semakin berkurangan apabila

bilangan item melebihi 40 item. Dengan itu, jumlah item yang dianggap sesuai

ialah sebanyak 30 item. Ini kerana walaupun berlakunya pertambahan item

lebih daripada 40 item, didapati nilai perbezaan adalah kecil sahaja.

Page 27: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

195

Jadual 4.19 Komponen Varian Kajian –D Berdasarkan Pertambahan

Bilangan Item Ujian Ubah Suai

Item

Sumber

1

15

20

30

40

50

σ²p σ²i

σ²pi + e

0.02400

0.03926

0.17232

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

Koeffisiens

Generalizabiliti

Êp² Ф

0.124

0.100

0.679

0.620

0.739

0.685

0.809

0.765

0.850

0.813

0.876

0.845

Sebagaimana Jadual 4.18, apabila berlaku pertambahan item semakin

meningkat nilai koeffisien ujian berkenaan. Daripada Jadual 4.19 didapati nilai

Êp² dan Ф telah meningkat. Kesesuaian item berlaku pada tahap bilangan item

sebanyak 30 item.

Walau bagaimanapun, apabila analisis lebih terperinci yang melibatkan

pemisahan antara soalan objektif dan soalan subjektif bagi kedua-dua ujian

berkenaan, terdapat sedikit perbezaan dari segi kesesuaian bilangan item.

Jadual 4. 20 menunjukkan perbezaan peratusan sumbangan varian mengikut

facet dengan jelas.

Page 28: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

196

Jadual 4.20 Komponen Varian Kajian –D Berdasarkan Pertambahan

Bilangan Item Objektif Ujian Asal

Item

Sumber

1

10

20

30

40

50

σ²p σ²i

σ²pi + 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

Êp² Ф

0.10

0.08

0.52

0.48

0.69

0.64

0.77

0.73

0.82

0.78

0.85

0.82

Berdasarkan jadual di atas, kesesuaian item dengan rater berlaku pada tahap

bilangan item sebanyak 30 item bagi ujian asal.

Jadual 4.21 Komponen Varian Kajian –D Berdasarkan Pertambahan

Bilangan Item Subjektif Ujian Asal

Item

Sumber

1

5

20

30

40

50

σ²p σ²i

σ²pi + 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

Êp² Ф

0.13

0.10

0.43

0.37

0.75

0.70

0.82

0.78

0.86

0.82

0.88

0.85

Page 29: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

197

Sementara bagi item subjektif untuk soalan asal kesesuaian item dengan rater

berlaku pada tahap bilangan item sebanyak 20 item.

Jadual 4.22 Komponen Varian Kajian –D Berdasarkan Pertambahan

Bilangan Item objektif Ujian Ubah suai

Item

Sumber

1

10

20

30

40

50

σ²p σ²i

σ²pi + 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

Êp² Ф

0.13

0.11

0.59

0.54

0.74

0.70

0.81

0.78

0.85

0.82

0.88

0.86

Bagi item objektif untuk soalan ubah suai, kesesuaian item dengan rater

berlaku pada tahap bilangan item sebanyak 20 item.

Jadual 4.23 Komponen Varian Kajian –D Berdasarkan Pertambahan

Bilangan Item Subjektif Ujian Ubah suai

Item

Sumber

1

5

20

30

40

50

σ²p σ²i

σ²pi + 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

Êp² Ф

0.20

0.14

0.55

0.45

0.83

0.77

0.88

0.83

0.91

0.87

0.92

0.89

Page 30: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

198

Bagi item subjektif untuk soalan asal kesesuaian item dengan rater berlaku

pada tahap bilangan item sebanyak 20 item.

Daripada kajian D yang dijalankan ini jelas menunjukkan bahawa penentuan

bilangan item yang sesuai bagi sesuatu ujian dapat dikenal pasti dengan lebih

tepat dengan berasaskan data yang telah diperolehi. Dalam hal ini terpulang

kepada penggubal atau guru untuk menentukan bilangan item untuk ditadbir

kepada pelajar dalam mengukur pencapaian pelajar dan seterusnya

melaksanakan aktiviti susulan atau lanjutan.

Rajah 4.6 menunjukkan nilai koeffisien G (Êp) dan koeffisien phi (Ф) bagi

pertambahan item.

Rajah 4.6 Nilai Koeffisien Ujian

0

20

40

60

80

100

0 15 20 30 40 50 60

Bilangan Item

Nilai K

oeff

isie

n

Koeffisien G

Koeffisien Phi

Page 31: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

199

4.7 Analisis Model Persamaan Struktural (SEM)

Bagi menentukan skor pencapaian ujian yang mana lebih tinggi antara soalan

asal dan soalan ubah suai, skor kedua dua ujian berkenaan di ujian

menggunakan perisian Amos. Hasil ujian seperti dalam Rajah 4.7 di bawah.

6.44, 8.37

Soalan asal

6.44, 8.80

Soalan ubah suai

6.28

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

5.62, 7.68 7.45, 7.80

7.11

Page 32: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

200

menggunakan Analisis Model Persamaan Struktural (SEM) dengan perisian

AMOS.

Rajah 4.8 Model Penuh Skor Pencapaian Ujian Matematik

KBI

Be11

Ce21

Fe31

AtBI

BI15e41

BI9e51

BI6e61

BI1e71

AtMat

Mat15

e8

1Mat13

e9

1Mat11

e10

1Mat5

e11

1Mat1

e12

1

SkorMat

Obj e131

Subj e141

Gred BI

r11

r2

1

r31

Page 33: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

201

Berdasarkan rajah di sebelah persamaan struktural boleh dinyatakan seperti

berikut:

Gred BI = β1 Kem.BI + β2 AttBI + r1

KBI = β1 AttBI + r3

Skor Mat = β1Gred BI + β2 Kem.BI + β3 AttBI + β4 AttMat + r2

4.8 Analisis Model Cadangan

Beberapa prosedur telah dijalankan bagi analisis awal terhadap model yang

dicadangkan. Pertama, spesifikasi model telah diteliti bagi mengenal pasti ciri-

ciri pemboleh ubah sebelum proses estimasi dijalankan. Jadual 4.24

menunjukkan penerangan ringkas tentang pemboleh ubah dalam model

cadangan.

Page 34: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

202

Jadual 4.24 Pemboleh ubah-Pemboleh ubah Model Cadangan

Konstruk

Penerangan Kod

Skor ujian

Gred BI

AttMat

Kemahiran

BI

AttBI

Skor ujian yang diduduki responden.

Gred bahasa Inggeris dalam UPSR.

1. Matematik bukanlah mata pelajaran yang

menarik.

5. Saya kurang berminat mempelajari matematik.

11. Belajar matematik adalah membosankan.

13. Matematik adalah salah satu daripada mata

pelajaran yang menakutkan saya.

15. Saya tidak mahu mengambil mata pelajaran

matematik melainkan diwajibkan mengambil.

Memahami bahasa Inggeris.

Bercakap dalam bahasa Inggeris

Membaca dalam bahasa Inggeris.

1. Bahasa Inggeris bukanlah mata pelajaran yang

menarik.

6. Saya tidak akan belajar bahasa Inggeris

melainkan diwajibkan mempelajarinya.

9. Saya kurang berminat mempelajari bahasa

Inggeris.

15. Bahasa Inggeris adalah salah satu mata

pelajaran yang menakutkan saya.

Skor Mat

Gred BI

Mat1

Mat5

Mat11

Mat13

Mat15

M

C

B

BI1

BI6

BI9

BI15

Dari aspek spesifikasi model ini adalah seperti berikut:

Konstruk Eksogenious Kemahiran Bahasa Inggeris

F = λKem.BI + e3

C = λKem.BI + e2

B = λKem.BI + e1

Konstruk Eksogenious Sikap terhadap bahasa Inggeris

Page 35: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

203

BI1 = λ BI1Att.BI + e7

BI6 = λBI6 Att.BI + e6

BI9 = λBI9Att.BI + e5

BI15 = λBI15Att.BI + e4

Konstruk Endogenious Sikap terhadap matematik

Mat1 = λ Mat1Att.Mat + e12

Mat5 = λMat5 Att.Mat + e11

Mat11 = λMat11Att.Mat + e10

Mat13 = λMat13Att.Mat + e9

Mat15 = λMat15Att.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.

Page 36: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

204

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 ini ditentukan terlebih dahulu. Normaliti multivariat

mengandaikan bahawa semua pemboleh ubah dan kombinasi semua pemboleh

ubah dalam taburan normal. Taburan yang normal analisis multi variat setiap

pemboleh ubah dikira normal apabila nilai skewness dan kurtosis adalah sifar

(Anderson & Gerbing, 1988).

Sebelum analisis normaliti menggunakan perisian Amos, hasil ujian normaliti

menggunakan perisian SPSS didapati semua item yang dikaji memenuhi

taburan normal. Seterusnya, normaliti bagi setiap pemboleh ubah berkenaan

dianalisis menggunakan perisian Amos bagi menentukan nilai skewness dan

kurtosis bagi setiap pemboleh ubah terlibat. Jadual 4.25 di bawah

memaparkan ringkasan nilai skewness dan kurtosis serta multivariat.

Page 37: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

205

Jadual 4.25 Normaliti Pemboleh ubah

Pemboleh ubah skewness c.r. kurtosis c.r. BI 0.143 1.306 -0.490 -2.235

Skor Obj 0.106 0.966 -0.763 -3.482

Skor Subj 0.373 3.409 -0.644 -2.938

BI1 -0.956 -8.723 0.025 0.114

BI6 -1.157 -10.565 0.049 0.226

BI9 -0.860 -7.854 -0.787 -3.592

BI15 -0.945 -8.629 -0.362 -1.651

Mat1 -1.707 -15.585 1.449 6.611

Mat5 -1.388 -12.674 0.397 1.813

Mat11 -1.508 -13.770 1.100 5.022

Mat13 -1.236 -11.286 0.087 0.396

Mat15 -1.624 -14.826 1.236 5.640

FahamBI -0.087 -0.799 1.000 4.563

CakapBI -0.079 -0.725 0.533 2.431

BacaBI 0.048 0.438 0.081 0.369

Multivariate 41.022 20.309

Pada peringkat univariat, nilai normal bagi skewness dan kurtosis seharusnya

antara +2 hingga –2 (Anderson & Gerbing, 1988). Jadual 4.25 memaparkan

kebanyakan pemboleh ubah berada dalam lingkungan taburan normal.

Kebanyakan pemboleh ubah adalah pencong negatif melainkan pemboleh

ubah kemahiran bahasa Inggeris, gred bahasa Inggeris dan skor ujian.

Sementara nilai kurtosis kebanyakan item adalah mempunyai nilai positif.

Analisis multinormaliti terhadap data menggunakan anggaran normal

koeffisien Mardia`s (1974) yang terdapat dalam perisian AMOS turut

dilaksanakan. Statistik Mardia adalah berdasarkan fungsi skewness dan

kurtosis pemboleh ubah dalam kajian ini.

Page 38: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

206

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 model fit Model Cadangan

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. menggunakankan Bootsrapping bagi menentukan kaedah anggaran

yang sesuai digunakan;

ii. melakukan trianggulasi lebih daripada satu kaedah bagi memilih

kaedah yang terbaik;

Page 39: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

207

iii. menilai fit model keseluruhan dengan menggunakan pembetulan

nilai –p Bollen-Stine; dan

iv. menggunakan Bootstrapping untuk menghasilkan anggaran

parameter yang terbaik, standard error daripada anggaran teknik

parameter dan ujian yang signifikan bagi setiap parameter.

4.10.1 Bootsrapping

Bootsrapping dijalankan bagi menguji data multivariat yang tidak normal.

Teknik ini diperkenalkan oleh Elfron (1979, 1982) dan seterusnya

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.

Hasil ujian dengan menggunakan Bootsrapping adalah seperti dalam jadual di

bawah.

Jadual 4.26 Goodness of Fit Model Cadangan

χ ² df p GFI TLI RMSEA

ML

190.326

84

0.000

0.953

0.945

0.050

Jadual di atas menunjukan nilai χ ² = 190.326. Walaupun nilai p menunjukkan

nilai < 0.05, namun indeks GFI menunjukkan model berkenaan adalah fit

Page 40: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

208

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.

4.10.2 Bollen-Stine Bootsrapping

Bagi mengesahkan penerimaan model dengan data sampel, analisis Bollen-

Stine Bootsrapping telah dijalankan sebanyak 500 kali bagi taburan data

multivariat yang tidak normal. Hasil daripada analisis Bollen-Stine

Bootsrapping terdiri daripada tiga bahagian. Antaranya mengandungi

maklumat diagnostik. Hasilnya tidak ada sampel yang dibuang disebabkan

tidak boleh mendapatkan penyelesaian ataupun disebabkan matrik kovarian

yang tunggal.

Jadual 4.27 menunjukkan maklumat hasil menggunakan analisis Bollen-Stine

Bootsrapping. Nilai –p yang masih di bawah cut-off 0.05 yang menunjukkan

diskripansi signifikan antara model dengan data. Nilai p di bawah 0.005 di

sebabkan sampel yang besar memberikan kesan kepada nilai χ ² (Byrne, 2001).

Jadual 4.27 Bollen-Stine Bootsrapping Model Cadangan

χ ² df p Min S.E

ML

190.326

84

0.002

93.615

0.749

Page 41: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

209

4.10.2 Parameter Model Cadangan

Anggaran parameter terhadap skor pencapaian ujian Matematik Tingkatan 2

bagi model kajian ini ditunjukkan seperti dalam Jadual 4.28.

Jadual 4.28 Parameter Model Cadangan

Maximum Likelihood

Jalur β Beta S.E

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

0.443

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

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

Nota: β = standardized regression weight * p < 0.05

Jadual 4.28 di atas menunjukkan ringkasan parameter bagi model cadangan

yang telah diuji. Nilai β boleh dibandingkan secara langsung dalam model ini

Page 42: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

210

kerana ia adalah standardized regression weight. Jadual di atas menunjukkan

hubungan antara item-item dengan dengan pemboleh ubah yang dikaji. Nilai

loading yang ditunjukkan menunjukkan berada pada paras yang signifikan

melebihi nilai 0.60 yang menunjukkan bahawa item berkenaan dapat

mencerminkan pemboleh ubah yang dikaji. Manakala dari aspek keboleh

percayaan konstruk dan dan ekstraks varian bagi kedua-dua konstruk sikap

terhadap bahasa Inggeris dan sikap terhadap matematik ditunjukkan seperti

formula di bawah.

i. Kebolehpercayaan Konstruk

Keboleh percayaan = (Jumlah standard loading)² .

konstruks (Jumlah standard loading) ² + Jumlah ralat pengukuran

Ralat pengukuran = 1 – (standard loading) ²

Keboleh percayaan konstruk = (2.843) ² = 0.80

sikap bahasa Inggeris (2.843) ² + 1.969

Keboleh percayaan konstruk = (3.916) ² = 0.89

sikap matematik (3.916) ² + 1.927

ii. Variance Extracted

Variance = Jumlah kuasa dua standard loading Extracted Jumlah kuasa dua standard loading + jumlah ralat pengukuran

Sikap = 2.031 = 0.94

bahasa Inggeris 2.031 + 1.969

Sikap = 3.073 = 0.61

Matematik 3.073 + 1.927

Page 43: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

211

Berdasarkan nilai kebolehpercayaan di atas, kedua-dua konstruk sikap

terhadap bahasa Inggeris dan sikap terhadap matematik ialah masing-masing

0.80 dan 0.89 berada di atas paras yang dicadangkan 0.70 (Byrne, 2001).

Sementara Variance Extracted bagi konstruks bahasa Inggeris dan matematik

ialah 0.94 dan 0.61 yang melebihi indeks yang dicadangkan (0.50).

Jadual 4.28 juga menunjukkan terdapat beberapa faktor peramal yang

signifikan terhadap pencapaian ujian matematik Tingkatan 2. Faktor peramal

yang mempengaruhi skor pencapaian ujian secara signifikan ialah AttMat (β =

0.629) dan Kem.BI (β = 0.388). Aspek lain seperti kesan yang signifikan

Kem.BI terhadap BI (β=0.450), pengaruh AttBI terhadap Kem.BI (β =

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.

Jadual 4.29 Squared Multiple Correlation Pemboleh Ubah Endogeneous

Pemboleh ubah Terikat R²

Kem.BI

BI

Skor Mat

0.197

0.183

0.989

Page 44: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

212

Jadual 4.29 menunjukkan Squared Multiple Correlation atau R² 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 Penentu Ukuran (Calibration) dan Pengesahan (Validation) Model

Cadangan

Bagi memastikan model cadangan ini dapat menepati data kajian, model

berkenaan dianalisis semula menggunakan data lain untuk penentuan ukuran

(calibration) dan pengesahan (validation) model berkenaan. Analisis ini

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.

4.11.1 Penentu ukuran Model Cadangan (Model Calibration)

Bagi memastikan keputusan yang diperolehi tekal, model cadangan yang telah

diterima pada peringkat analisis awal telah diuji kepada 250 orang sampel

kumpulan pertama yang dipilih secara rawak daripada sampel sebenar. Hasil

daripada ujian terhadap model tersebut seperti ditunjukkan dalam Jadual 4.30

di bawah.

Page 45: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

213

Jadual 4.30 Penentu ukuran (Calibration) Goodness of Fit Model Cadangan

Maksimum Likelihood (ML) Bollen-Stine Bootsrap

χ ² df p GFI TLI RMSEA Min S.E p

165.75 84 0.000 0.919 0.921 0.063 95.071 0.817 0.004

Jadual di atas menunjukan nilai χ ² = 165.75. Walaupun nilai p menunjukkan

nilai < 0.05, namun indeks GFI dan TLI menunjukkan model berkenaan

adalah fit yakni melebihi 0.90 (Byrne, 2001). Nilai RMSEA menunjukkan

berada di bawah cut-off RMSEA (<0.08). Keadaan ini menunjukkan bahawa

analisis bagi menentukan ukuran terhadap model cadangan ini dapat diterima

sebagai fit data.

Jadual 4.31 Parameter Penentu Ukuran Model Cadangan

Maximum Likelihood

Jalur β Beta S.E

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

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

Page 46: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

214

AttBI � BI15

SkorMat � Subj

SkorMat � Obj

0.624

0.256

0.218

1.000

0.558*

1.000

-

0.220

-

Nota: β = standardized regression weight * p < 0.05

Jadual 4.31 di atas menunjukkan parameter bagi penentu ukuran model

cadangan. Didapati parameter pemboleh ubah yang signifikan dalam meramal

pencapaian matematik hanyalah sikap terhadap matematik (β = 0.725).

Sementara aspek lain yang signifikan ialah Kem.BI terhadap BI (β = 0.866)

dan pengaruh AttBI terhadap Kem.BI (β = 0.646).

Jadual 4.32 Squared Multiple Correlation Penentu Ukuran Pemboleh Ubah

Endogeneous Model Cadangan

Pemboleh ubah Terikat R²

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.

Page 47: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

215

4.11.2 Pengesahan Model Cadangan (Model Validation)

Model cadangan yang telah dianalisis bagi menentukan ukuran berkenaan

diterima melalui analisis selanjutnya bagi memastikan model berkenaan benar-

benar sah (valid). Pengesahan model cadangan ini menggunakan 250

responden daripada kumpulan 2 yang dipilih secara rawak daripada sampel

sebenar. Hasil analisis bagi menentukan kesahan model itu diterima

ditunjukkan dalam jadual di bawah.

Jadual 4.33 Pengesahan (Validation) Goodness of Fit Model Cadangan

Maksimum Likelihood (ML) Bollen-Stine Bootsrap

χ ² df p GFI TLI RMSEA Min S.E p

110.13

84

0.029

0.948

0.972

0.035

94.839

0.824

0.208

Jadual di atas menunjukan nilai χ ² = 110.13. Nilai p masih menunjukkan

berada pada nilai < 0.05, namun indeks GFI dan TLI menunjukkan model

berkenaan adalah fit yakni melebihi 0.90 (Byrne, 2001). Nilai RMSEA

menunjukkan berada di bawah cut-off RMSEA (<0.08). Keadaan ini

menunjukkan bahawa model cadangan ini dapat diterima sebagai fit.

Jadual 4.33 juga menunjukkan maklumat hasil menggunakan analisis Bollen-

Stine Bootsrapping. Nilai –p berada di atas cut-off 0.05 yang menunjukkan

bahawa model fit dengan data (Byrne, 2001).

Page 48: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

216

Jadual 4.34 Parameter Pengesahan Model Cadangan

Maximum Likelihood

Jalur β Beta S.E

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

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

- Nota: β = standardized regression weight * p < 0.05

Jadual 4.34 di atas menunjukkan parameter bagi pengesahan model cadangan.

Didapati parameter pemboleh ubah yang signifikan dalam meramal

pencapaian matematik ialah sikap terhadap matematik (β = 0.523) dan

kemahiran bahasa Inggeris (β = 0.463). Aspek lain yang signifikan ialah

Kem.BI terhadap BI (β = 0.432) dan pengaruh AttBI terhadap Kem.BI (β =

0.384). Sementara sikap terhadap bahasa Inggeris tidak signifikan terhadap

skor pencapaian matematik. Hubungan antara sikap terhadap matematik dan

bahasa Inggeris didapati juga signifikan (β = 0.421).

Page 49: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

217

Jadual 4.35 Squared Multiple Correlation Pengesahan Pemboleh Ubah

Endogeneous Model Cadangan

Pemboleh ubah Terikat R²

Kem.BI

BI

Skor Mat

0.186

0.142

0.994

Jadual 4.35 menunjukkan nilai Regresi atau R² daripada pemboleh ubah

endogenious yang menghasilkan nilai mewakili nisbah varian dalam pemboleh

ubah bersandar yang dapat dijelaskan oleh pemboleh ubah bebas. Peramal-

permal skor pencapaian matematik (Skor Mat) mampu menganggar sehingga

99.4% aspek yang mempengaruhi skor ujian matematik dan peramal

kemahiran bahasa Inggeris dan gred bahasa Inggeris masing-masing sebanyak

18.6% dan 14.2%.

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

Page 50: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

218

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 kedua-

dua 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.

4.12.1 Analisis Menyeluruh Model Fit Mengikut Kumpulan Pelajar

Lokasi Luar Bandar Dan Bandar Model A

Analisis secara serentak bagi kedua-dua kumpulan responden luar bandar

(N=250) dan bandar (N=250) ini bertujuan memastikan sama ada model yang

Page 51: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

219

diubah suai adalah secocok dengan kedua-dua kumpulan. Jadual 4.36

menunjukkan dapatan daripada analisis yang dijalankan oleh AMOS.

Jadual 4.36 Goodness of Fit Analisis Serentak Model A Mengikut Lokasi

Maksimum Likelihood (ML) Bollen-Stine Bootsrap

χ ² df p GFI TLI RMSEA Min S.E p

351.92

168

0.000

0.916

0.911

0.047

188.97

1.190 0.002

Berdasarkan Jadual 4.36 nilai statistik likelihood ratio chi-square, χ ²=351.92,

df=168, p=0.000 menunjukkan bahawa model ini adalah signifikan. Namun

begitu nilai GFI dan TLI menunjukkan berada di atas daripada >0.90 dan nilai

RMSEA ialah 0.047 masih berada dibawah cut-off (0.08) yang dibenarkan

menunjukkan masih fit (Byrne, 2001). Oleh sebab model ini fit dengan data

kedua-dua kumpulan. Dengan itu menunjukkan bahawa data adalah daripada

populasi yang sama. Oleh itu hipotesis yang menyatakan bahawa tidak

terdapat perbezaan antara kumpulan sampel pelajar sekolah luar bandar dan

bandar adalah diterima sebagai benar. Dengan itu model berkenaan boleh

menerangkan fenomena yang berlaku dalam ujian pencapaian matematik

tingkatan 2 sama ada bagi sekolah luar bandar atau sekolah di bandar.

4.12.2 Parameter Model A Mengikut Lokasi Sekolah

Jadual 4.37 memaparkan anggaran parameter bagi responden sekolah luar

bandar dan bandar. Parameter AttMat � SkorMat (β = 0.561) adalah

Page 52: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

220

mempunyai nilai yang tinggi berbanding parameter antara pemboleh ubah

yang lain bagi lokasi sekolah luar bandar. Manakala yang paling rendah ialah

parameter AttBI � BI (β = -0.089) dan ia tidak signifikan.

Jadual 4.37 Parameter Model A Mengikut Lokasi Sekolah

Maximum Likelihood

Jalur β Beta S.E 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

Bandar

AttBI � Kem. BI

Kem.BI � BI

AttBI � BI

AttBI� SkorMat

AttMat � SkorMat

Kem.BI � SkorMat

BI � SkotMat

Kem.BI � Baca

Kem.BI � Cakap

0.315

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

0.601

0.524

-0.058

-0.380

0.335

0.818

0.393

0.713

0.760

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

0.695*

1.020*

-0.130

-0.428

0.504

0.796

0.196

1.000

1.041*

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

-

0.111

0.182

0.201

0.518

0.495

0.500

0.173

-

0.098

Page 53: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

221

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

Nota: β = standardized regression weight * p < 0.05

Berdasarkan Jadual 4.37, didapati kesan AttBI � Kem. BI dan Kem.BI � BI

adalah signifikan bagi kedua-dua lokasi sekolah. Nilai kedua- dua parameter

berkenaan bagi sekolah bandar adalah lebih tinggi daripada lokasi sekolah luar

bandar. Sementara AttBI � Skor Mat dan AttMat � SkorMat adalah

signifikan bagi sekolah luar bandar sebaliknya tidak signifikan bagi sekolah

bandar. Korelasi antara pemboleh ubah AttMat ↔ AttBI bagi kedua-dua

kumpulan adalah signifikan (Luar Bandar = 0.587 dan Bandar = 0.233).

Jadual 4.38 Squared Multiple Correlation Pemboleh Ubah Endogeneous

Model A

Pemboleh ubah

Terikat

R² Luar Bandar

R² Bandar

Kem.BI

BI

Skor Mat

0.100

0.150

0.995

0.361

0.242

0.978

Page 54: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

222

Jadual 4.38 di atas menunjukkan peramal Kem.BI dapat dijelaskan sebanyak

10% bagi sekolah luar bandar berbanding hanya 36% bagi sekolah bandar.

Bagi kumpulan sekolah luar bandar, peramal bagi skor ujian menyumbang

sebanyak 99.5% dan 97.8% bagi sekolah bandar.

4.12.3 Anggaran Parameter Pelajar Lokasi Luar Bandar Dan Bandar

Mengguna Model B

Anggaran parameter yang berbeza bagi kedua-dua kumpulan sekolah luar

bandar dan bandar seperti yang ditunjukkan dalam Jadual 4.36 diuji semula

dalam model B dengan menyamakan (constraint) parameter kedua-dua data

berkenaan bagi mengetahui sama ada perbezaan berkenaan adalah signifikan

atau masih berada dalam lingkungan kesilapan persampelan (error sampling).

Analisis dijalankan dengan menggantikan setiap parameter dalam kumpulan

pelajar luar bandar dengan parameter pelajar. Dalam erti kata lain, setiap nilai

β dalam kumpulan luar bandar digantikan dengan parameter bandar. Jadual

4.38 menunjukkan dapatan daripada analisis yang dijalankan oleh AMOS.

Jadual 4.39 Goodness of Fit Analisis Serentak Model B Mengikut Lokasi

Maksimum Likelihood (ML) Bollen-Stine Bootsrap

χ ² df p GFI TLI RMSEA Min S.E p

400.98 178 0.000 0.905 89.8 0.050 197.84 1.201 0.002

Page 55: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

223

Berdasarkan Jadual 4.38 nilai statistik likelihood ratio chi-square, χ ²=351.92,

df=168, p=0.000 menunjukkan bahawa model ini adalah signifikan. Namun

begitu nilai GFI berada di atas daripada >0.90 dan nilai RMSEA ialah 0.047

masih berada dibawah cut-off (0.08) yang dibenarkan menunjukkan masih fit

(Byrne, 2001). Ini menunjukkan bahawa nilai parameter bagi kedua-dua

kumpulan adalah fit. Keadaan ini memberikan gambaran bahawa perbezaan β

bagi kedua kumpulan berkenaan adalah tidak signifikan.

Jadual 4.40 Perbezaan Parameter Pelajar Luar Bandar dan Bandar

Luar Bandar

(β) Bandar

(β)

Kem.BI � BI

AttBI � Kem.BI

AttBI � BI

AttBI � SkorMat

Kem.BI � SkorMat

AttMat � SkorMat

BI � SkorMat

AttBI ↔ AttMat

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*

χ²

df GFI CFI TLI RMSEA

400.981

178

0.905

0.913

0.898

0.050

Berdasarkan jadual di atas, menunjukkan bahawa perbezaan hanyalah pada

tinggi atau rendahnya nilai β kedua lokasi berkenaan. Hanya nilai parameter

Kem.BI � BI sekolah luar bandar yang lebih tinggi daripada sekolah bandar.

Page 56: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

224

Sebaliknya parameter yang signifikan lain menunjukkan nilai β bagi pelajar

bandar lebih tinggi. Kajian juga mendapati nilai AttBI � BI adalah negatif

bagi kedua-dua lokasi sekolah berkenaan dan tidak signifikan. Nilai GFI, CFI

dan TLI yang berada pada paras >0.90 serta nilai RMSEA = 0.05 berada

kurang daripada nilai 0.08 menunjukkan model ini ini fit bagi kedua kumpulan

responden. Dengan itu menunjukkan bahawa tidak terdapat perbezaan yang

signifikan bagi kedua-dua kumpulan pelajar. Pemboleh ubah yang signifikan

bagi pelajar luar bandar didapati signifikan dengan pelajar bandar.

Jadual 4.41 Squared Multiple Correlation Pemboleh Ubah Endogeneous

Model B

Pemboleh ubah

Terikat

R² Luar Bandar

R² Bandar

Kem.BI

BI

Skor Mat

0.171

0.209

0.992

0.293

0.168

0.992

Apabila parameter disamakan, peramal skor ujian matematik (SkorMat)

mampu menganggar sehingga 99% bagi sekolah luar bandar dan bandar.

Sementara Kem.BI pula ialah 17% bagi luar bandar dan 29% bandar serta

masing-masing 21% dan 17% bagi sekolah luar bandar dan bandar dapat

menjelaskan gred bahasa Inggeris (BI).

Page 57: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

225

4.12.4 Analisis Menyeluruh Model Fit Jantina Lelaki Dan Perempuan

Model A

Analisis serentak ini bertujuan untuk memastikan sama ada model cadangan

adalah fit mengikut kumpulan jantina. Memandangkan jantina adalah

pemboleh ubah diskret, ia adalah sesuai bagi SEM untuk membandingkan

kumpulan pelajar lelaki (N = 225) dan kumpulan pelajar perempuan (N =

275).

Jadual 4.42 menunjukkan keputusan hasil anggaran menggunakan Maximum

Likelihood. Statistik Maximum Likelihood menunjukkan model fit dengan

data bagi kedua-dua kumpulan lelaki dan perempuan. Nilai χ ² = 340.77, df

168, p = 0.000. Nilai RMSEA kedua-dua jantina bagi kedua-dua ujian adalah

kurang daripada 0.08 yang menunjukkan model adalah fit. Begitu juga nilai

TLI dan GFI yang melebihi daripada 0.90 yang menentukan kriteria model ini

adalah fit (Byrne, 2001).

Jadual 4.42 Goodness of Fit Analisis Serentak Model A Mengikut Jantina

Maksimum Likelihood (ML) Bollen-Stine Bootsrap

χ ² df p GFI TLI RMSEA Min S.E p

340.77

168

0.000

0.919

0.912

0.045

187.48

1.189 0.002

Analisis Bollen-Stine Bootsrap pula menunjukkan nilai min = 187.48,

standard error = 1.189 dan p < 0.05. Nilai -p yang masih kecil disebabkan χ ²

yang sensitif dengan bilangan sampel yang besar (Byrne, 2001).

Page 58: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

226

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.

4.12.5 Parameter Model Cadangan Bagi Jantina

Jadual 4.43 memaparkan anggaran parameter bagi responden lelaki dan

perempuan. Bagi kumpulan lelaki, faktor peramal Att.BI (β=0.549) dan

AttMat (β=0.465) adalah signifikan dalam meramal pencapaian matematik

Tingkatan 2. Sementara bagi pelajar perempuan pula faktor peramal Kem.BI

(β=0.696) dan AttMat (β=0.687) adalah signifikan dengan skor matematik.

Begitu juga bagi kumpulan pelajar perempuan. Bagaimanapun nilai β bagi

pelajar perempuan lebih tinggi daripada pelajar lelaki

Jadual 4.43 Parameter Model Cadangan Mengikut Jantina

Maximum Likelihood

Jalur β Beta S.E Lelaki

AttBI � Kem. BI

Kem.BI � BI

AttBI � BI

AttBI� SkorMat

AttMat � SkorMat

Kem.BI � SkorMat

BI � SkorMat

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

Page 59: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

227

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

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

0.752

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

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

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

0.640*

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

-

0.097

0.099

0.110

0.115

0.106

0.109

-

0.130

0.128

0.140

-

0.114

-

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

Nota: β = standardized regression weight * p < 0.05

Parameter pemboleh ubah AttBI � Kem. BI dan Kem.BI � BI menunjukkan

kesan yang signifikan bagi kedua-dua kumpulan pelajar. Korelasi antara

Page 60: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

228

pemboleh ubah AttMat ↔AttBI bagi kedua-dua kumpulan juga adalah

signifikan (Lelaki = 0.501 dan Perempuan = 0.268).

Jadual 4.44 Squared Multiple Correlation Pemboleh Ubah Endogeneous

Pemboleh ubah

Terikat

R² Lelaki

Kem.BI

BI

Skor Ujian

Perempuan

Kem.BI

BI

Skor Ujian

0.200

0.283

0.993

0.181

0.164

0.988

Nota: β = Standardized regression weight

Jadual 4.44 di atas menunjukkan varian faktor yang meramal Kem.BI

sebanyak 20% bagi pelajar lelaki dan hanya 16.4% bagi pelajar perempuan.

Bagi kumpulan pelajar lelaki faktor peramal (Kem.BI, BI, AttBI dan AttMat)

menyumbang 99.3% dalam skor ujian adalah lebih tinggi daripada pelajar

perempuan (98.8%). Sementara bagi faktor peramal Kem.BI dan AttBI

menyumbang masing-masing 28.3% dalam Gred BI bagi kumpulan pelajar

lelaki berbanding 16.4% bagi pelajar perempuan.

Page 61: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

229

4.12.6 Anggaran Parameter Jantina Lelaki Dan Perempuan Mengguna

Model B

Seperti analisis Model B bagi pelajar bandar dan luar bandar, analisis Model B

bagi pelajar lelaki dan perempuan menjalani proses analisis yang sama. Setiap

parameter model bagi pelajar lelaki disamakan (constraint) dengan data

pelajar perempuan.

Jadual 4.45 menunjukkan keputusan hasil anggaran menggunakan Maximum

Likelihood. Statistik Maximum Likelihood menunjukkan model fit dengan

data bagi kedua-dua kumpulan lelaki dan perempuan. Nilai χ ² = 361.89, df

178, p = 0.000. Nilai RMSEA kedua-dua jantina bagi kedua-dua ujian adalah

kurang daripada 0.08 yang menujukkan model adalah fit. Begitu juga nilai TLI

dan GFI yang melebihi daripada 0.90 yang menentukan kriteria model ini

adalah fit (Byrne, 2001).

Jadual 4.45 Goodness of Fit Analisis Serentak Model B Mengikut Jantina

Maksimum Likelihood (ML) Bollen-Stine Bootsrap

χ ² df p GFI TLI RMSEA Min S.E p

361.89 178 0.000 0.915 0.912 0.046 199.81 1.295 0.002

Analisis Bollen-Stine Bootsrap pula menunjukkan nilai min = 199.81,

standard error = 1.295 dan p < 0.05.

Page 62: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

230

Jadual 4.46 Perbezaan Parameter Mengikut Jantina

Lelaki

(β)

Perempuan

(β)

Kem.BI � BI

AttBI � Kem.BI

AttBI � BI

AttBI � SkorMat

Kem.BI � SkorMat

AttMat � SkorMat

BI � SkorMat

AttBI ↔ AttMat

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

χ²

df GFI CFI TLI RMSEA

361.891

178

0.915

0.925

0.912

0.046

Jadual 4.46 menunjukkan sesetengah nilai parameter β 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 β bagi kedua-dua kumpulan pelajar adalah tidak

signifikan.

Page 63: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

231

Jadual 4.47 Squared Multiple Correlation Pemboleh Ubah Endogeneous

Pemboleh ubah

Terikat

R² Lelaki

Kem.BI

BI

Skor Ujian

Perempuan

Kem.BI

BI

Skor Ujian

0.161

0.239

0.992

0.214

0.199

0.982

Nota: β = Standardized regression weight

Jadual 4.47 di atas menunjukkan varian faktor yang meramal Kem.BI

sebanyak 16% bagi pelajar lelaki dan hanya 21% bagi pelajar perempuan.

Bagi kumpulan pelajar lelaki faktor peramal (Kem.BI, BI, AttBI dan AttMat)

menyumbang 99.2% dalam skor ujian matematik adalah lebih tinggi daripada

pelajar perempuan (98.2%). Sementara bagi faktor peramal Kem.BI dan AttBI

menyumbang masing-masing 24% dalam Gred BI bagi kumpulan pelajar

lelaki berbanding 20% bagi pelajar perempuan.

4.13 Kesimpulan

Secara keseluruhannya Bab 4 ini telah memaparkan dapatan analisis kajian

terhadap skor pencapaian matematik Tingkatan 2. Umumnya, skor pencapaian

bagi soalan yang telah diubah suai adalah lebih tinggi daripada skor ujian

soalan asal. Keadaan ini memberikan petunjuk bahawa soalan ubah suai dapat

membantu dalam meningkatkan skor pencapaian pelajar.

Page 64: BAB 4 DAPATAN KAJIAN 4.0 Pendahuluan Bab ini membincangkan

232

Analisis GENOVA menunjukkan bahawa penambahan bilangan item soalan

dan penambahan bilangan item dalam dalam soalan ujian dapat meningkatkan

lagi nilai koeffisien G dan koeffisien Phi skor ujian berkenaan. Malah

pengubahsuaian item juga dapat mengurangkan sumbangan varian item dan

meningkatkan peratusan varian pelajar selaras dengan Teori Generalizabiliti

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.