Sediakan nota ringkas tentang 3 tajuk yang dibincangkan dalam kursus ini. Nyatakan bagaimana

anda akan gunakan konsep/teknik dalam tajuk tersebut untuk kertas projek anda (KPN 6006).

BAHAGIAN I

1. KESAHAN

Pengenalan Kepada Kesahan

Kesahan kandungan

Kesahan berkaitan kriteria

Kesahan konstruk

Faktor-faktor mempengaruhi kesahan

Kesahan digunakan untuk mengukur ketepatan sesuatu ukuran yang digunakan dalam sesuatu

instrumen. Ia merupakan aspek terpenting dalam ujian. Ia digunakan sama ada indikator yang

digunakan itu mengandungi semua ciri atau gugusan yang harus ada dalam konsep yang hendak

diukur itu. Jadi, kesahan merujuk kepada sejauh mana sesuatu ujian itu mengukur apa yang

hendak diukur. Contohnya, jika hendak mengukur berkaitan dengan sikap, jadi hanya mengukur

sikap bukan motivasi, personaliti ataupun perkara lain.

Terdapat tiga peringkat kesahan dalam ujian iaitu peringkat tinggi, sederhana dan rendah.

Contohnya, dalam ujian matematik, bagi kesahan tinggi biasanya untuk kemahiran kompetensi.

Manakala kesahan sederhana untuk menggambarkan penaakulan arimetik. Bagi kesahan rendah

adalah untuk mengenal kejayaan dalam lapangan muzik dan seni.

Terdapat dua jenis kesahan iaitu kesahan dalaman (internal validity) dan kesahan luaran

(external validity). Kesahan dalaman merujuk kepada sejauh mana perkaitan di antara

pembolehubah itu dapat dipastikan. Dalam mengesahkan perkaitan ini, penyelidik boleh

melakukan beberapa kaedah seperti trigulasi, pemeriksaan rakan, kenyataan pengalaman, pilih

kasih dan pengharapan.

1

Kesahan luaran merupakan sejauh mana data itu dapat dipanjangkan pada populasi dalam

konteks yang berbeza-beza. Bagi kesahan luaran ia dilihat daripada ketebalan atau banyaknya

keterangan, pelbagai tema dan variasi yang berbeza. Terdapat empat prosedur dalam mentukan

kesahan dalam instrumen yang dibina iaitu kesahan kandungan, kesahan muka, kesahan konstruk

dan kesahan hubungan-kriteria.

i) Kesahan Kandungan

Kesahan kandungan merujuk kepada sejauh mana isi kandungan instumen itu dapat mewakili

domain pengetahuan dan kemahiran yang hendak diukur oleh instrumen tersebut. Kandungan

ujian yang hendak diuji hendaklah meliputi bidang yang hendak diuji. Kandungan ujian

mengandungi sampel menyeluruh dan dapat mewakili tugasan yang diinterprestasikan oleh

skor ujian tersebut. Kesahan kandungan ujian ditentukan semasa membina item ujian

melalui Jadual Penentu Ujian (JPU).

ii) Kesahan Muka

Kesahan muka merujuk kepada instrumen atau ujian yang dapat dilihat dalam mengukur apa

yang sepatutnya diukur. Kesahan muka mempengaruhi orang menjawab, menyakinkan tetapi

memberi kesan (halo effect ) jika individu tahu apa yang diukur.

iii) Kesahan Konstruk

Kesahan konstruk pula merujuk perkaitan persoalan sama ada terdapat atau tidak bukti yang

menyokong bahawa sesuatu skor instrumen atau ujian dapat mengukur konstruk yang ada.

Kesahan konstruk berasaskan kepada inter-item dan item-total correlation (single construct),

Faktor analisis dan instrumen berperanan sebagaimana dikehendaki. Contohnya apabila alat

ukur ditadbir kepada meraka yang sabar, bermotivasi akan menghasilkan sabar dan

bermotivasi juga.

2

iv) Kesahan Hubungan-Kriteria

Kesahan hubungan-kriteria merupakan perbezaan antara kesahan semasa dengan kesahan

ramalan yang bergantung kepada prosedur mentadbir ujian atau instrument. Pentadbiran

ujian pada satu jangka masa yang singkat ataupun pada jangka masa yang lama. Ukuran yang

digunakan adalah ukuran serentak dan ukuran ramalan. Kesahan serentak merupakan

sejauhmana alat ukur menghasilkan skor yang mempunyai hubungan dengan alat ukurn lain

yang diambil serentak. Manakala kesahan ramalan merupakan sejauh mana ukur

menghasilkan skor yang mempunyai hubungaan dengan alat ukuran lain yang diambil

kemudian.

Faktor-Faktor Yang Mempengaruhi Kesahan

a. Arahan kurang jelas

Bahasa dan susunan ayat dalam arahan adalah kurang jelas dan menyebabkan kesalahfahaman subjek

(human subject) untuk memberikan jawapan sebenar yang dikehendaki oleh soalan.

b. Perbendaharaan kata dan struktur ayat sukar difahami.

Ia menyukarkan subjek untuk menjawab soalan dan kemungkinan subjek akan menjawab

soalan sambil lewa atau tidak menjawab soalan itu langsung.

c. Ambiguiti.

Hujah yang struktur nahunya tidak jelas menunjukkan pengertian atau pernyataan dalam

sesuatu hujah. Contohnya, lelaki itu mengamuk selepas mengucapkan selamat tinggal

yang mesra kepada keluarganya dengan menggunakan parang.

d. Masa yang diberikan tidak mencukupi.

Jumlah soalan yang diberikan tidak sesuai dengan masa yang diberikan. Contohnya 100

soalan objektif perlu dijawab dalam masa 1 jam. Kekurangan masa akan menyebabkan

subjek untuk menjawab tanpa membaca soalan.

3

e. Aras kesukaran yang kurang sesuai.

Aras kesukaran termasuk juga aras bahasa yang digunakan dalam soalan. Contohnya,

soalan diberi kepada murid sekolah rendah tetapi laras bahasanya ialah aras pelajar

tingkatan 5.

f. Item ujian yang dibina kurang baik.

Item yang dibina tidak mendorong kepada jawapan yang sebenarnya dikehendaki.

g. Item ujian kurang sesuai bagi aras kemahiran yang dikehendaki.

Soalan tidak mengukur kemahiran yang dikehendaki. Contohnya, ujian penulisan untuk

menguji kemahiran lisan murid.

h. Bilangan item yang tidak mencukupi.

Apabila masa yang diberikan terlalu banyak, bilangan item yang sedikit akan

membuatkan subjek cenderung untuk menukar jawapan. Bilangan item yang sedikit juga

tidak cukup untuk menguji tahap kemahiran seseorang.

i. Susunan item kurang tepat.

Susunan juga memainkan peranan yang penting dalam memastikan kesahan item. Ujian

seharusnya disusun mengikut aras dari senang kepada susah.

j. Susunan jawapan (ujian objektif)

Untuk jawapan bagi soalan objektif, susunan jawapan mesti berada dalam helaian yang

sama. Contoh susunan yang tidak betul ialah, jawapan A, B dan C pada muka surat yang

sama, manakala jawapan D pada muka surat yang berikutnya.

4

2. ANALISIS FAKTOR

Apakah analisis faktor?

Andaian-andaian analisis faktor.

Jenis-jenis analisis faktor.

Aplikasi analisis faktor.

Analisis data (factor analysis) bukan tentang membuat ramalan daripada pemboleh ubah tetapi ia

mencari hubungan di antara keseluruhan pemboleh ubah dan mencari kekuatan dalam hubungan

tersebut. Analisis faktor juga merupakan alat untuk mengurangkan data (data reduction). Ia

digunakan untuk membuang pertindihan dari satu set pemboleh ubah yang saling berkaitan

(correlated variables). Ia juga bertujuan untuk mencari faktor-faktor terpendam (latent traits)

yang mencakupi corak kolinearan antara pelbagai pemboleh ubah metrik. Selain daripada itu,

analisis faktor digunakan untuk mengenal pasti underlying dimensions factors yang dapat

menjelaskan korelasi sekumpulan pembolehubah. Analisis faktor juga untuk mengenalpasti

pembolehubah baru yang dapat digunakan untuk membuat analisis lain seperti membuat ujian

regresi.

Andaian-andaian dalam analisis faktor.

Sampel cukup besar untuk membuat anggaran tentang korelasi antara pembolehubah.

Inferens statistik bertambah baik jika pembolehubah adalah multivariat.

Hubungan antara pembolehubah adalah linear.

Tidak ada outliers antara kes.

Sedikit kolinearan antara pemboleh ubah tetapi tidak pada tahap ekstrim.

Terdapat beberapa jenis analisis faktor iaitu:

i) Q-factor analysis ialah analisis faktor yang melibatkan pemfaktoran subjek. Hasilnya

ialah subjek dikelompokkan ke dalam kumpulan bebas berdasarkan kepada faktor-faktor

yang diambil dari data.

5

ii) R-factor analysis ialah analisis yang mengekstrak faktor pendam di antara pemboleh

ubah.

(Aplikasi Q dan R tidak banyak digunakan sekarang semenjak pelbagai teknik kelompok

dibangunkan yang direka khas untuk tujuan mengelompokkan subjek pelbagai ke dalam

kumpulan bebas.)

iii) Confirmatory Factor Analysis (CFA)

Faktor ini menggunakan teknik yang lebih maju. Model ini untuk menggambar,

menjelaskan atau menghitung data empirik. Ia digunakan apabila struktur faktor

diketahui atau sekurang-kurangnya telah diteorikan. Ia menguji generalisasi struktur data

baru.

iv) Exploratory Factor Analysis (EFA)

Faktor ini digunakan untuk merumus data dengan mengumpulkan pemboleh ubah yang

sama ke dalam satu kumpulan. Aplikasinya untuk mengeksplorasi data yang ada

mengenai jumlah karakternya, sifat-sifat yang menarik dan hubungan-hubungan yang

mungkin ada. Ia tidak melibatkan aplikasi teori, mengenal pasti makna,

mengeneralisasikan struktur dan menguji hipotesis. EFA ini melihat sekumpulan

pembolehubah berhubung dengan pembinaan teori.

Aplikasi Analisis Faktor

Dalam penyelidikan kuantitatif, analisis faktor perlu dilakukan untuk menentukan tahap kesahan

konstruk. Analisis faktor dijalankan bertujuan untuk mengenal pasti, mengurangkan atau

menyusun sebilangan besar item soal selidik ke dalam konstruk tertentu di bawah pemboleh

ubah kajian. Dalam analisis faktor juga kita dapat mengenal pasti dimensi-dimensi di bawah

pemboleh ubah tersebut. Sebagai contoh, pemboleh ubah kemahiran berkomunikasi mungkin

mempunyai beberapa dimensi yang boleh kita ukur.

6

Putaran dalam Analisis Faktor (Rotation in Factor Analysis)

Secara umumnya, penggunaan rotation dalam analisis faktor akan menghasilkan lebih banyak

keputusan yang senang untuk diintepretasikan. Jika analisis faktor dibuat untuk mendapatkan

penjelasan tentang faktor atau kumpulan yang wujud dalam data atau untuk mengesahkan

andaian hipotesis, putaran (rotation) sangat membantu. Corak faktor boleh diputarkan melalui

dua cara yang berbeza iaitu:

Orthogonal (ortogon) yang mengekalkan faktor yang tidak berkorelasi.

Oblique (serong) yang mewujudkan faktor berkorelasi.

Hasil analisis faktor orthogonal rotation lebih mudah untuk ditafsir dan difahami berbanding

dengan oblique rotation.

Analisis Faktor dengan SPSS

Dengan analisis faktor, kita akan memperoleh hasil berikut:

1. Mengenal pasti dimensi-dimensi atau faktor-faktor yang dapat menjelaskan korelasi dari

sekumpulan pemboleh ubah.

2. Mengenal pasti pembolehubah-pembolehubah baru yang lebih kecil untuk menggantikan

pembolehubah yang tidak berkorelasi dari sekumpulan pemboleh ubah asli (asal) yang

berkorelasi dari analisis multivariate (analisis regresi).

3. Mengenal pasti pemboleh ubah kecil yang menonjol (dari variabel yang lebih besar) dari

suatu analisis multivariate.

7

1. Pada menu SPSS, klik Analyze, Data Reduction, Factor. Masukkan semua pembolehubah ke

dalam kotak "Variables". 

Analisis Faktor

2. Klik "Descriptives" kemudian "Univariate descriptives", "Initial Solutions", "Coefficients",

"Significance Levels", "Determinant", "KMO and Bartlett`s test of sphericity" dan "Anti

Image". Klik "Continue".

Analsis Faktor Deskriptif

8

3. Klik "Extractions" kemudian pilih "Principal components" sebagai method, pada "Analyze"

pilih "Correlation matrix", pada "display" pilih "Unrotated factor solution" dan "Scree plot".

Pada extract, pilih Eigenvalues over dan isi dengan angka "1". Klik "Continue".

Extraction

4. Klik "Rotation" kemudian "Varimax" dan pada display pilih semua, iaitu "Rotated solutions"

dan "Loading plot(s)". Klik "Continue".

Rotation

9

5. Tekan tombol "Options" kemudian pilih "Sorted by Size".

Analisis Faktor Options

Tahap ini belum selesai dalam melakukan analisis faktor dengan aplikasi SPSS, sebab analisis ini

perlu dilakukan berulang-ulang hingga syarat minima nilai KMO, Bartlett's Sphericity,

MSA dan Communalities terpenuhi.

3. KEBOLEHPERCAYAAN

PROSEDUR KEPADA ANGGARAN KEBOLEHPERCAYAAN

Taburan persampelan

Ralat persampelan dan ralat lazim persampelan

Perhubungan antara taburan persampelan dengan confidence interval dan pengujian

hipotesis

10

Pengenalan kepada Persampelan

• Persampelan adalah berkaitan dengan proses memilih sebilangan subjek daripada sesuatu

populasi untuk dijadikan responden kajian.

• Penggunaan sampel yang tidak sesuai akan mengurangkan kesahan dan

kebolehpercayaan kajian.

• Perancangan persampelan yang rapi akan dapat;

– Memudahkan pengumpulan data

– Mengurangkan ralat pengukuran

– Menjimatkan masa dan perbelanjaan

• Maklumat daripada sampel dikenali sebagai statistik

• Strategi mendapatkan maklumat tentang sesuatu populasi daripada sampel yang mewakili

populasi tersebut.

• Merupakan kaedah statistik untuk mendapatkan maklumat bagi menyelesaikan masalah

tanpa menggunakan seluruh ahli populasi.

• Prinsip utama: untuk memperolehi sampel yang benar-benar mewakili populasi yang

dikaji, dan memastikan sampel yang diambil melalui persampelan tidak pincang. Ujian

11

statistik akan dilakukan ke atas sampel dan nilai ujian statistik ini akan digeneralisasikan

kepada nilai populasi kajian, yang dinamakan sebagai parameter.

i) Taburan Persampelan

Taburan persampelan: adalah taburan kebarangkalian bagi statistik sampel.

- Apakah yang dimaksudkan dengan statistik?

Statistik: adalah fungsi pembolehubah rawak yang dapat dicerap (observable) untuk

satu sampel dan merupakan pemalar (constant).

Ini bermaksud: nilai purata sampel, sisihan piawai dan juga varians sampel adalah

‘statistik’ iaitu nilai yang dihitung atau diperolehi dari maklumat sampel. Maka, taburan

persampelan merupakan taburan kebarangkalian bagi statistik sampel.

Statistik yang berlainan mempunyai taburan persampelan masing-masing. Statistik

purata atau min mempunyai taburan persampelan tersendiri dikenali sebagai Taburan

Persampelan bagi min sampel. Begitu juga dengan statistik sisihan piawai dan varians juga

mempunyai taburan persampelan masing-masing iaitu Taburan persampelan sisihan

piawai, dan taburan persampelan varians. Bentuk taburan persampelan ini bergantung

kepada taburan pembolehubah rawak yang dicerap dari sampel.

Sebagai contoh: Rajah diatas menunjukkan bentuk taburan persampelan bagi min

(purata) untuk saiz sample yang berbeza.

12

ii) Ralat Persampelan

• Ketidaktepatan statistik sampel menganggar parameter populasi ditentukan oleh ralat

persampelan.

• Ralat persampelan adalah ralat yang berlaku apabila sampel digunakan untuk membuat

inferens terhadap populasi.

• Ralat persampelan merupakan perbezaan atau variasi antara min bagi sampel yang

dirawak dengan min populasi yang bertaburan secara normal.

• variasi pada nilai-nilai individu dalam satu populasi dengan min populasi menyumbang

kepada variasi pada min sampel rawak dengan min populasi.

• Variasi pada nilai individu dalam sampel daripada min sampel menyumbang kepada

variasi pada min-min sampel dengan min populasi.

• Jika min sampel sama dengan min populasi, maka ralat persampelan adalah sifar (jika

maklumat diperolehi daripada populasi).

• Ralat persampelan berfungsi secara langsung dengan saiz sampel dan sisihan piawai

populasi.

• Sekiranya saiz sampel tetap, ralat persampelan akan meningkat jika sisihan piawai

populasi bertambah besar dan sebaliknya.

• Semakin saiz sampel (n) meningkat atau menghampiri N, ralat persampelan semakin

menurun, kerana apabila n meningkat, sisihan piawai populasi menurun.

• Saiz sampel n yang kecil lebih terdedah kepada ralat persampelan berbanding dengan n

yang besar.

• Oleh itu, matlamat persampelan adalah untuk mengurangkan ralat persampelan dan ralat

persampelan boleh dikurangkan dengan menambahkan n.

• Semakin besar nilai sisihan piawai (sd) sampel, semakin besar ralat persampelan yang

wujud.

• Semakin besar saiz sampel, semakin kecil ralat persampelan.

13

iii) Perhubungan Antara Taburan Persampelan Dengan Confidence Interval Dan

Pengujian Hipotesis

Confidence interval merupakan nilai +/- yang selalunya dilaporkan dalam keputusan di surat

khabar atau televisyen. Misalnya, sekiranya confidence level adalah 4 dalam sebanyak 54%

sampel memilih jawapan, kita boleh membuat andaian iaitu terdapat kemungkinan antara 50%

(54-4) dan 58% (54+4) akan memilih jawapan tersebut daripada seluruh populasi. Berlainan

pula dengan confidence level yang memberi setakat mana tahap keyakinan kita. Ianya

dinyatakan dalam bentuk peratusan dan mewakili peratusan suatu populasi memilih jawapan

yang terkandung dalam confidence interval. Sebagai contoh, 95% menggambarkan tahap

keyakinan sebanyak 95%; 99% menggambarkan tahap keyakinan sebanyak 99%. Walau

bagaimanapun, confidence level yang paling kerap digunakan ialah 95%.

Apabila kedua-dua confidence level dan confidence interval digabungkan, ini membawa

maksud anda adalah 95% yakin bahawa peratusan pemilihan populasi adalah berada dalam

lingkungan 54% dan 58%. Semakin luas nilai confidence interval, kemungkinan seluruh

populasi memilih jawapan yang sama dalam lingkungan tersebut adalah lebih nyata.

Saiz Sampel

Saiz sesuatu sampel mempengaruhi confidence interval. Ini adalah disebabkan saiz sampel yang

besar boleh mewakili dan menggambarkan ciri suatu populasi dengan lebih tepat. Ini

menunjukkan bahawa bagi suatu nilai confidence level, apabila saiz sampel semakin besar,

confidence interval adalah semakin kecil. Jadi, hubungan antara taburan persampelan dengan

confidence level adalah tidak linear (menggandakan saiz sampel tidak membahagikan nilai

confidence interval). Jadi, sekiranya taburan persampelan adalah symmetrical dan bell-shaped,

confidence interval 95% boleh dianggarkan dengan menggunakan anggaran statistik.

Taburan persampelan dan pengujian hipotesis adalah berkait rapat. Ini adalah disebabkan

14

hipotesis adalah ditentukan berdasarkan kepada populasi atau taburan persampelan yang

digunakan. Pengujian hipotesis merupakan kaedah statistik yang dilakukan untuk menganggar

suatu parameter populasi dengan bantuan maklumat daripada sampel.

Hipotesis yang dibina adalah merupakan suatu kenyataan yang dibuat berdasarkan suatu

populasi dan terdiri daripada hipotesis nol (Ho) dan hipotesis alternatif (HA). Kebenaran

kenyataan tersebut dikaji dengan menjalankan pengujian hipotesis. Pengujian hipotesis sedikit

sebanyak bergantung kepada taburan persampelan yang digunakan atau populasi yang diambil

kira dalam kajian. statistik adalah satu kenyataan yang dibuat tentang suatu populasi.

RUJUKAN

Laman Web :

Morgan, K. L., (2012) Statistics 101. diambil dari laman sesawang

http://stat.duke.edu/courses/Fall12/sta101.002/Sec3-12.pdf

Siegle, D., (2013) The Survey System. Diambil dari laman sesawang

(http://www.gifted.uconn.edu/siegle/research/samples/confidenceinterval.htm

Mohamad Khatim Hassan (2013). Persampelan dan Analisis Data. diambil dari laman sesawang

http://www.ftsm.ukm.my/khatim/Pengujian%20Hipotesis.ppt . UKM. Malaysia

15