icohse conference

APLIKASI ANALISIS CONFIRMATORY FACTOR (CFA) BAGI MENGUJI MODELPERAMALAN TERHADAP SIKAP PENGGUNAAN KENDERAAN TIDAK BERMOTOR

BERDASARKAN TEORI TINGKAH LAKU TERANCANG (TPB)

MUHAMAD RAZUHANAFI MAT YAZID

Jabatan Kejuruteraan Awam Dan StrukturUniversiti Kebangsaan Malaysia, Malaysia.

Supervised by:Prof. Ir. Dr Riza Atiq Abdullah OK Rahmat

Assoc. Prof Dr Rozmi Ismail

[email protected]

1. Pengenalan2. Tujuan Kajian3. Metodologi4. Keputusan 5. Kesimpulan6. Rujukan

Kandungan :

Kuala Lumpur Akan Jadi Bandar Mesra Basikal Berita Harian, 05 Mac 2012

The Star, 2 July 2011

Bina infra sesuai untuk berbasikal, kata menteri‘Pihak berkuasa tempatan disaran membina infrastruktur sesuai untuk penunggang basikal bagi mewujudkan bandar mesra basikal, kata Menteri Belia dan Sukan Datuk Seri Ahmad Shabery Cheek’.

Thttp://www.malaysiakini.com/news/19449909 April 2012

The Star, 05 July 2011

Pengenalan

Teori Kelakuan Terancang (TPB)Sumber : Ajzen 1985, 1991

Pembinaan instrumen keinginan kepada kenderaan tidak bermotor ini adalah berdasarkan Teori Tingkah Laku Terancang (TPB). Ajzen (1991) berusaha mengembangkan suatu pemahaman terhadap sikap, norma subjektif dan tahu kawal kelakuan terhadap keinginan untuk berperi laku

Komponen utama dalam model persamaan struktur (SEM)Sumber Kamarudin Ambak et al.2011& Lee et al.2008.

Model persamaan struktur atau structural equation model (SEM) menyediakan teknik pemodenan statistik linear dalam parameter multivariate yang fleksibel dan ia telah digunakan dalam pemodenan perlakuan perjalanan dan alat fleksibel untuk mengkaji saling hubungan antara bilangan pemboleh ubah yang besar (Golob 2003).

Tujuan KajianTujuan kajian ini adalah untuk menentukan kesahan dan

kebolehpercayaan instrumen model TPB dengan menguji adakah item-item yang dibentuk mengukur 4 konstruk

keinginan kepada kenderaan tidak bermotor iaitu sikap positif, sikap negatif, tahu kawal kelakuan dan persepsi kawalan

dengan data kajian menggunakan analisis faktor pengesahan (Confirmatory factor analysis – CFA).

Analisis faktor konfirmatori atau confirmatory factor analysis (CFA) merupakan satu teknik yang digunakan untuk mengesahkan struktur faktor set pemboleh ubah yang di ukur (Suhr 2006). Menurut Stevens & Zvoch (2007), CFA bertujuan untuk menguji pengesahan konstruk instrumen yang bermaksud sebaik mana konstruk menjelaskan pemboleh ubah dalam konstruk tersebut.

Metodologi

Instrumen kajian ini merupakan soal selidik yang dibina untuk mendapatkan maklum balas dan pengumpulan data berdasarkan model konseptual yang digunakan dari kerangka Teori Kelakuan Terancang (TPB) yang pengkaji telah mengadaptasi model struktur TPB daripada kajian yang dilakukan oleh Haustein & Huneke (2007)

Konstruk SimbolSIKAP POSITIF SPBerjalan kaki dan berbasikal membuat saya berasa santai, senang dan tenang.

SBA

Saya boleh menjangkau banyak kawasan destinasi yang penting dengan berjalan kaki dan berbasikal

SBB

Saya suka berjalan kaki dan berbasikal disebabkan ia memberi banyak faedah seperti kesihatan

SBC

Saya suka berjalan kaki dan berbasikal disebabkan ia memberi persekitaran yang bersih

SBD

Berjalan kaki dan berbasikal membuatkan saya dapat menjimatkan kos perbelanjaan pengangkutan

SBE

SIKAP NEGATIF SNBerjalan kaki dan berbasikal akan mengambil masa yang lama untuk sampai ke destinasi yang dituju

SBF

Berjalan kaki dan berbasikal boleh membuatkan saya terasa penat dan keletihan

SBG

Berjalan kaki dan berbasikal melambangkan imej seseorang sama ada kaya atau miskin.

SBH

Berjalan kaki dan berbasikal boleh menyulitkan untuk membawa barangan bersama

SBI

TAHU KAWAL KELAKUAN TKKKeluarga saya memberi galakan supaya kerap melakukan aktiviti berjalan kaki dan berbasikal

SBJ

Rakan sekerja di tempat saya lebih suka menaiki kenderaan berbanding berjalan kaki dan berbasikal

SBK

Jiran dan kenalan rapat mempengaruhi saya untuk berjalan kaki dan berbasikal jika mereka turut sama melakukannya

SBL

Majikan dan pihak berkuasa sangat mempengaruhi saya untuk berjalan kaki dan berbasikal jika mereka turut sama bekerjasama.

SBM

PERSEPSI KAWALAN PK

Berjalan kaki dan berbasikal tidak menyusahkan urusan harian saya SBN

Sekiranya kesihatan mengizinkan, mudah untuk saya berjalan kaki dan berbasikal.

SBO

Aktiviti-aktiviti harian saya amat memerlukan kepada banyak pergerakan fizikal.

SBP

Keperluan pergerakan fizikal sangat penting dalam melaksanakan segala kewajipan/tanggungjawab.

SBQ

Komponen-komponen pembolehubah dalam Model TPB

Reka Bentuk Kajian

TPB adalah instrumen skala likert tujuh mata (Sangat tidak setuju kepada Sangat setuju). Leung, (2011) menyatakan bahawa skala Likert sangat meluaskan digunakan terhadap instrumen untuk pengukuran pendapat, pilihan dan sikap.

Populasi Kajian dan Sampel KajianMukim Jumlah

Penduduk2007

Responden(%)

Lelaki(%)

Perempuan

Kota Baharu

33,830 65(16) 33(16) 32(16)

Panji 72,790 141(35) 70(35) 71(36)Kubang Kerian

54,600 106(27) 53(26) 53(27)

Kota 13,682 27(07) 14(07) 13(07)

Badang 31,700 61(15) 31(15) 30(15)Jumlah 206,602 400(100) 201(100) 199(100)

Jum.Penduduk 33,830

Responden65 (16 %)

Jum.Penduduk 33,830

Responden65 (16 %)

KELOMPOK 3KELOMPOK 3KELOMPOK 3KELOMPOK 3

KELOMPOK 2KELOMPOK 2KELOMPOK 2KELOMPOK 2KELOMPOK 1KELOMPOK 1KELOMPOK 1KELOMPOK 1

KELOMPOKKELOMPOK 5 5KELOMPOKKELOMPOK 5 5

KELOMPOK 4KELOMPOK 4KELOMPOK 4KELOMPOK 4

Jum.Penduduk 31,700

Responden61 (15 %)

Jum.Penduduk 31,700

Responden61 (15 %)

Jum.Penduduk 72,790

Responden141 (35 %)

Jum.Penduduk 72,790

Responden141 (35 %)

Jum.Penduduk 54,600

Responden106 (27 %)

Jum.Penduduk 54,600

Responden106 (27 %)

Jum.Penduduk 13,682

Responden27 (07 %)

Jum.Penduduk 13,682

Responden27 (07 %)

12 KM

Mengikut kajian lepas, jarak perjalanan yang berkesan untuk kenderaan tidak bermotor adalah 12 km (Jinyong, Meiping & Xiaoguang, 2009; Scheiner, 2010; Razuhanafi et al. 2012). Oleh itu kesemua instrumen telah ditadbir sendiri oleh penyelidik berdasarkan 12 km jarak dari ‘kilometer post’ di Pejabat Pos Besar Kota Bharu kepada lima mukim tersebut.

Untuk menjawab objektif kajian, CFA telah dikendalikan ke atas model struktur berdasarkan 4 faktor menggunakan Analysis Moment of Structure - AMOS version 7 (Golob 2003; Schreiber 2006). Program tersebut menggunakan maximum likelihood estimation untuk menjana anggaran dalam full-fledged measurement model. Untuk memeriksa kesesuaian model pengukuran yang mempunyai 17 item tersebut (Jadual 2), analisis adalah bergantung kepada indeks kesesuaian seperti: (i) nilai minimum bagi perselisihan antara data yang diperhatian dan model dibahagikan dengan darjah kebebasan (CMIN/df), (ii) Comparative of Fit Index (CFI), (iii) Tucker Lewis Index (TLI), dan (iv) The Root Mean Square Error of Approximation (RMSEA). Golob (2003), Schreiber (2006) dan Byrne (2010), menyatakan sesuatu model itu fit apabila indeks itu menunjukkan: (i) CMIN/df dengan satu nilai di antara 1 dan 5 adalah dianggap boleh diterima atau acceptable fit antara model dan data; (ii), indeks CFI dan TLI menghampiri 1.00 menunjukkan satu padanan yang sesuai; dan (iii) indeks RMSEA .08 atau kurang menunjukkan satu ralat anggaran yang munasabah dan boleh di terima.

Pengukuran Penilaian Syarat/Kaedah PengarangUnidimensionality Unidimensionality adalah

dicapai jika petunjuk(Item) ditentukan untuk memuatkanhanya satu faktor danpengukuran segi kesilapanadalah bebas danboleh dipercayai.

Anderson &Gerbing(1998)Hair et al.(2006)

Goodness-of-fit(GOF)

GOF menunjukkan sejauh manamodel yang dinyatakan mengeluarkan semulamatriks kovariansantara barangan penunjuk.Kualiti patut bergantungciri-ciri modeltermasuk saiz sampel dankerumitan model.

Chi-square/df ‹ 3GFI > .9AGFI > .9RMSEA between .03 and .08IFI between 0 and 1CFI > .9TLI > .9

Construct Validity1. ConvergentValidity2. DiscriminantValidityMembina Kesahan1. ConvergentKesahan2. DiskriminanKesahan

Kesahan menumpu tinggimenunjukkan bahawa itemkhusus membina berkumpulpada beberapa titik bersamaDiskriminan kesahihan Tinggimenyediakan bukti bahawakonstruk adalah unik dan benar-benarberbeza dari yang lainmembina. Ia juga bermaknabahawa item mewakili hanyapada membina.

a. Standardized loadingestimates > .5and ideally > .7b. Variance extracted > .5c. Construct reliability > .7a. Inter-correlation < .9b. VE > R2c. Confidence interval < 1d. Chi-square difference

Hair et al.(2006)Bagozzi &Heatherton(1994)

Penilaian Kesesuaian CFA

Keputusan

Kaedah pertama CFA : Penaksiran model pengukuran secara individu

Kategori Pekali Nilai Pekali Komen1. Penyuaian Mutlak (Absolute fit)

RMSEA 0.251 Aras keperluan tidak mencapai

Absolute fit GFI 0.885 Aras keperluan tidak mencapai

2. Penyuaian penambahan (Incrementel fit)

CFI 0.934 Aras keperluan tercapai

3.Penyuaian Parsimoni (Parsimonious fit)

Chisq/df 26.085 Aras keperluan tidak mencapai

Model pengukuran Sikap Positif


RMSEA 0.000 Aras keperluan tercapai

Absolute fit GFI 0.999 Aras keperluan tercapai




Chisq/df 0.737 Aras keperluan tercapai


RMSEA - Df = 0. Kebarangkalian tidak boleh dikira

Absolute fit GFI 1.00 Df = 0. Kebarangkalian tidak boleh dikira


CFI - Df = 0. Kebarangkalian tidak boleh dikira


Chisq/df - Df = 0. Kebarangkalian tidak boleh dikira

CFA Model pengukuran Sikap Negatif

Model pengukuran Sikap Positif















CFA Model pengukuran Persepsi Kawalan

CFA Model pengukuran tahu kawal kelakuan

Kontruk Item Factor Loading

Alfa Cronbach

(melebihi 0.7)

CR(melebihi

0.60)

AVE(melebihi

0.50)Sikap Positif SBA 0.83 0.940 0.934 0.740

SBB 0.77SBC 0.92SBD 0.93SBE 0.84

Sikap Negatif SBF 0.91 0.845 0.852 0.662SBG 0.85SBI 0.66

Tahu Kawal Kelakuan

SBJ 0.71 0.871 0.876 0.646

SBK 0.62SBL 0.94SBM 0.90

Persepsi kawalan

SBN 0.65 0.895 0.882 0.657

SBO 0.74SBP 0.93SBQ 0.89

Dapatan Analisis kebolehpercayaan instrumen kajian

Kebolehpercayaan Instrumen Kajian.

kontrak Sikap Positif Sikap Negatif Tahu Kawal Kelakuan

Persepsi Kawalan

Sikap Positif 0.86

Sikap Negatif -0.47 0.81

Tahu Kawal Kelakuan

0.59 -0.33 0.80

Persepsi Kawalan

0.78 -0.40 0.65 0.81

Ringkasan pembezalayanan indek kebolehpercayaan

Model TPB keinginan mengguna kenderaan tidak bermotor (Pooled Measurement Model)

Kaedah Kedua CFA : Penaksiran model pengukuran secara sepenuhnya








Pengukuran kebagusan penyuaian model (goodness-of-fit) (N=400)

Construct Item Factor Loading

Cronbach Alpha(Above 0.7)

CR(above 0.60)

AVE(above 0.50)

Sikap Positif SBA 0.87 0.930 0.938 0.835SBC 0.95SBD 0.92

Sikap Negatif SBF 0.92 0.880 0.887 0.725SBG 0.90SBI 0.72

Tahu Kawal Kelakuan

SBL 0.95 0.940 0.938 0.884

SBM 0.93Persepsi Kawalan

SBP 0.96 0.930 0.933 0.875

SBQ 0.91

Dapatan Analisis kebolehpercayaan instrumen kajian

kontrak Sikap Positif Sikap Negatif Tahu Kawal Kelakuan

Persepsi Kawalan

Sikap Positif 0.92

Sikap Negatif -0.48 0.85

Tahu Kawal Kelakuan

0.52 -0.33 0.94

Persepsi Kawalan

0.78 -0.45 0.58 0.94

Ringkasan pembezalayanan indek kebolehpercayaan

Variable min max skew c.r. kurtosis c.r.

SBP 1.000 7.000 -.476 -3.805 -.014 -.055

SBQ 1.000 7.000 -.513 -4.101 .015 .058

SBL 1.000 7.000 -.113 -.901 -.589 -2.353

SBM 1.000 7.000 -.086 -.683 -.541 -2.163

SBF 1.000 7.000 .507 4.047 -.292 -1.165

SBG 1.000 7.000 .563 4.496 -.173 -.692

SBI 1.000 7.000 .565 4.513 -.215 -.858

SBA 1.000 7.000 -.147 -1.175 -.531 -2.122

SBC 1.000 7.000 -.415 -3.316 -.248 -.992

SBD 1.000 7.000 -.485 -3.872 -.180 -.718

Multivariate 44.076 27.840

Nilai-nilai ujian skewness dan kurtosis

Item Anggaran Ralat PiawaiKadar

KritikalP

SBD <--- SP 1.041 .045 23.073 ***

SBC <--- SP 1.067 .043 24.541 ***

SBA <--- SP 1.000

SBI <--- SN 1.000

SBG <--- SN 1.232 .073 16.831 ***

SBF <--- SN 1.260 .074 16.935 ***

SBM <--- TKK 1.000

SBL <--- TKK 1.002 .044 22.534 ***

SBQ <--- PK 1.000

SBP <--- PK 1.037 .037 27.782 ***

Maximum likelihood estimates regression weights

Bil Konstruk Total Item SEM-CFA

Item Gugur

Jumlah Item Gugur

Item Kekal Jumlah item kekal

1 Sikap Positif SBA,SBB,SBC,SBD,SBE

SBB,SBE 2 SBA,SBC,SBD 3

2 Sikap Negatif SBF,SBG,SBH,SBI SBH 1 SBF,SBG,SBI 3

3 Tahu Kawal Kelakuan

SBJ,SBK,SBL,SBM SBJ,SBK 2 SBL,SBM 2

4 Persepsi Kawalan SBN,SBO,SBP,SBQ SBN,SBO 2 SBP,SBQ 2

Rumusan Confirmatory Factor Analysis (SEM-CFA)

KesimpulanKebolehpercayaan instrumen TPB ini adalah tinggi ( ≥0.8), ini bermakna instrumen ini adalah konsistem dan stabil jika di tadbirkan pada sampel lain yang mempunyai ciri yang hampir sama

Penentuan menggunakan model pengukuhan dalam CFA bagi TPB adalah sangat berkesan dan kukuh bagi menghasilkan instrumen TPB yang mengukur 4 konstruk iaitu sikap positif, sikap negatif, tahu kawal kelakuan dan persepsi kawalan. Kekuatan instrumen TPB ini ialah kemampuannya yang menunjukkan bahawa setiap item menyumbang ke arah pengukuran konstruk masing-masing

Pelbagai faktor perlu diambil kira dalam mempromosi penggunaan kenderaan bermotor seperti berbasikal dan berjalan kaki antaranya

hasil dalam kajian ini adalah

Sikap PositifSaya suka berjalan kaki dan berbasikal disebabkan ia memberi banyak faedah seperti kesihatan

Sikap NegatifBerjalan kaki dan berbasikal akan mengambil masa yang lama untuk sampai ke destinasi yang dituju

Tahu Kawal KelakuanJiran dan kenalan rapat mempengaruhi saya untuk berjalan kaki dan berbasikal jika mereka turut sama melakukannya

Persepsi KawalanAktiviti-aktiviti harian saya amat memerlukan kepada banyak pergerakan fizikal.

Di Netherlands, Jepun, England, France dan kebanyakkan negara maju, cara pengangkutan kenderaan tidak bermotor adalah sangat biasa

(Muhamad Razuhanafi, 2011).

Di Malaysia, malangnya ini tidak digalakkan. Mungkin kita boleh memulakan satu kempen mengunakan basikal dan berjalan demi alam

sekitar..demi kesihatan...dan demi menjimat duit (Muhamad Razuhanafi, 2011).

RujukanAhern, A. & Tapley,N. 2007. The use of stated preference techniques to model modal choices on interurban trips in Ireland.Transportation Research Part A. Doi:10.1016/j.tra.2007.06.005Black,W.R.1997. North American transportation : perspectives on research needs and sustainable transportation. Journal of Transport Geography 5, 12-19.Balsas, C.2003. Sustainable transportation planning on college campuses. Journal of Transport Policy 10:35-49.Bartlett,J.E.,Kotrlik,J.W.,Higgins.C.C.2001. Organizational research: determining appropriate sample size in survey research. Information Technology,Learning,and Perfprmance Journal,Vol.19,No.1, Spring .43 – 50Chapman,L. 2007. Transport and climate change: a review. Journal of Transport Geography 15 354-367.Litman T. and Burwell. 2006. Issues in sustainable transportation international. Journal of Global Environment Issues. Vol 6,No. 4,pp.331-347Mark.P de Guzman and Cristin Emmanuel Diaz.2005. Analysis of Mode Choice Behavior of Students In Exclusive School In Metro: The Case of Ateneo De Manila University and Miriam College. Proceedings of the Eastern Asia Society for Transportation Studies 5:1116-1131.Rietveld, P. 2001. Biking and Walking: The Position of Non Motorized Transport Modes in Transport Systems, Tinbergen Institute Discussion Papers 01-111/3, Tinbergen Institute.Riza Atiq.2009. Pengurusan Pengangkutan Pintar. Bangi : Penerbit Universiti Kebangsaan MalaysiaRyley,T.J. 2006. Use of non-motorized modes and life stage in Edinburgh. Journal of Transport Geography 14(5) 367-375Tolley,R.,1996. Green campuses: cutting the environment cost of commuting. Journal of Transport Geography 4(3):213-217.World Commission on Environment and Development.1987. Our Common Future. Brundtland Report. Oxford University Press, Oxford.Muhamad Razuhanafi Mat Yazid, Rozmi Ismail, Riza Atiq O.K.Rahmat & Muhamad Nazri. 2012. City Residence Prepare Towards Implementation Local Lane of Non Motorized. Research Journal of Applied Sciences, Engineering and Technology 4(5):481-485M.R.Mat Yazid,R. Ismail & R. Atiq. 2011. The use of non-motorized for sustainable transportation in Malaysia. The Second International Building Control Conference. Procedia Engineering 20 : 125 -134

THE END

ALHAMDULILLAH

TERIMAKASIH

THANK YOU VERY MUCHTHANK YOU VERY MUCH

MUHAMAD RAZUHANAFI BIN MAT YAZID (0199595319)[email protected]

icohse conference

Education