Factor Analysis (BM)

KPN 6044 TEORI PENGUKURAN DAN PEMBINAAN INSTRUMEN

Dalam penyelidikan kuantitatif, proses pengumpulan data melibatkan kaedah mengukur

pembolehubah, pembinaan instrumen, pemilihan sampel kajian dan pentadbiran

instrumen. Untuk melaksanakan penyelidikan, instrumen kajian perlu ditentukan

terlebih dahulu. Instrumen kajian boleh dipilih daripada alat yang sedia ada, diubahsuai

daripada alat yang diperoleh atau dibina sendiri. Ciri-ciri utama instrumen kajian ialah

kebolehpercayaan, kesahan, keobjektifan, kebolehtadbiran dan kemudahtafsiran.

Prosedur pembinaan pula ialah, pertama sekali menentukan objektif kajian.

Kemudian, membentuk Jadual Penentuan Instrumen (JPI), memilih bentuk item,

membentuk item, meninggikan mutu item, menyunting item, menyediakan instrumen

untuk digunakan, membuat kajian rintis dan akhir sekali barulah melaksanakan kajian

tersebut.

Analisis faktor perlu dilakukan untuk menentukan tahap kesahan konstruk. Ujian

kesahan tidaklah sepopular jika nak dibandingkan dengan ujian kebolehpercayaan

(reliability) instrumen. Sedangkan sepatutnya seorang penyelidik perlu menguji tahap

kesahan (reliability) instrumen dahulu sebelum menjalankan ujian kebolehpercayaan.

Nilai alfa cronbach yang tinggi seperti 0.7 hingga 0.9 tidak bermakna instrumen itu

sudah cukup baik.

Analisis faktor dijalankan bertujuan untuk mengenal pasti, mengurangkan,

ataupun menyusun sebilangan besar item soal selidik ke dalam konstruk tertentu di

bawah pemboleh ubah kajian. Melalui analisis faktor, kita dapat mengenal pasti

dimensi-dimensi di bawah pemboleh ubah tersebut. Data kajian menggunakan data

yang berskala interval dan juga ratio. Selalunya juga ujian analisis faktor ini kita

jalankan dalam kajian rintis.

Dalam kajian yang MENGUKUR TAHAP PENGUASAAN KEMAHIRAN

PROSES SAINS GURU, pengumpulan datanya menggunakan teknik soal selidik. Satu

set soal selidik telah dibina mengikut prosedur pembinaan instrumen kajian. Kemudian,

set soalan yang telah dibina telah digunakan dalam kajian rintis. Data yang diperoleh

1


daripada kajian rintis telah dimasukkan dan direkod ke dalam aplikasi SPSS. Berikut

ialah data yang telah direkod.

Konstruk yang diukur dalam soal selidik ini ada 3 konstruk utama iaitu Kesediaan,

Perancangan dan Pelaksanaan. Setiap kontruk pula mengandungi 2 sub konstruk.

Untuk kesediaan, sub konstruknya ialah sumber bukan manusia dan kemahiran

2


pelaksanaan kemahiran proses Sains. Perancangan guru dan perancangan panitia

pula merupakan sub konstruk dalam konstruk Perancangan. Bagi konstruk

Pelaksanaan pula, sub konstruknya ialah Kemahiran Proses Sains dan Pengesanan

Murid. Data yang telah dimasukkan ke dalam SPSS seperti diatas diproses dan

pengkaji ingin melihat tahap kesahan konstruk soal selidik tersebut.

Langkah-langkah:

1. Dari menu di atas skrin, klik Analyze, kemudian Dimension Reduction dan klik

Factor.

2. Pilih semua pembolehubah (atau item dalam skala). Dalam kajian ini, item A21

hingga A29 yang dipilih.

3


3. Klik Descriptives. Dalam ruangan Correlation Matrix, pilih Coefficients dan KMO

and Barlett’s test of sphericity. Dalam ruangan Statistics, pastikan Initial

Solution ditanda. Klik Continue.

4. Klik pada butang Extraction. Pada bahagian Method pilih Principal components.

Dalam ruangan Analyze pilih Correlation matrix. Dalam ruang Display, klik

Sceeplot dan Unrotated factor solution. Dalam ruang Extract, klik Eigenvalues

over 1. Kemudian Continue.

4


5. Klik butang Options. Dalam ruangan Missing Values, klik Exclude cases

pairwise. Dalam Coefficient Display Format klik Sorted by size dan Suppress

absolute values less than__. Taip nilai .3 dalam petak tersebut. Ini bermakna

hanya item yang bernilai lebih daripada .3 akan keluar dan ini bagi memudahkan

untuk kita membuat interpretasi.

6. Klik Continue dan OK.

Output yang diperoleh ialah;

Correlation Matrix

Peralat

an

Bahan

lain

Bahan

sendiri

Lembaran

kerja

Lembaran

fotostat

Kesukaran

sediakan

lembaran

Buku

PEKA

Buku

sekolah

Perunt

ukan

kewan

gan

Correlation Peralatan 1.000 -.021 .553 -.141 .277 -.337 -.497 .367 .575

Bahan lain -.021 1.000 -.006 .353 -.169 .013 .037 .126 -.251

Bahan sendiri .553 -.006 1.000 -.204 .214 -.071 -.202 .490 .066

Lembaran

kerja

-.141 .353 -.204 1.000 .381 .550 .498 -.536 -.081

Lembaran

fotostat

.277 -.169 .214 .381 1.000 .431 .418 -.055 .189

5


Kesukaran

sediakan

lembaran

-.337 .013 -.071 .550 .431 1.000 .709 -.458 -.212

Buku PEKA -.497 .037 -.202 .498 .418 .709 1.000 -.470 -.453

Buku sekolah .367 .126 .490 -.536 -.055 -.458 -.470 1.000 .191

Peruntukan

kewangan

.575 -.251 .066 -.081 .189 -.212 -.453 .191 1.000

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .531

Bartlett's Test of Sphericity

Approx. Chi-Square 72.744

df 36

Sig. .000

Total Variance Explained

Component Initial Eigenvalues Extraction Sums of Squared Loadings

Total % of Variance Cumulative % Total % of Variance Cumulative %

1 3.319 36.883 36.883 3.319 36.883 36.883

2 1.882 20.907 57.790 1.882 20.907 57.790

3 1.287 14.301 72.091 1.287 14.301 72.091

4 1.076 11.961 84.052 1.076 11.961 84.052

5 .520 5.772 89.824

6 .395 4.391 94.216

7 .225 2.497 96.712

8 .183 2.029 98.741

9 .113 1.259 100.000

Extraction Method: Principal Component Analysis.

6


Component Matrixa

Component

1 2 3 4

Buku PEKA .859

Kesukaran sediakan

lembaran

.775 .371

Buku sekolah -.728 .389

Lembaran kerja .696 .355 .489

Peralatan -.656 .608

Peruntukan kewangan -.491 .458 -.453 .447

Lembaran fotostat .855

Bahan sendiri -.460 .501 .443 -.411

Bahan lain .827 .477


a. 4 components extracted.

7


Langkah 1

Dalam jadual Correlation Matrix, lihat nilai correlation coefficients melebihi atau sama

dengan .3 Jika tidak ada, maka perlu dipertimbangkan semula untuk menggunakan

faktor analisis. Nilai KMO juga melebihi atau sama dengan .6, Barlett’s Test of

Sphericity mesti signifikan (nilai Sig. mesti .05 atau lebih kecil). Dalam jadual di atas,

nilai KMO ialah .531 dan Barlett’s Test ialah signifikan (p=.000).

Langkah 2

Untuk mengenalpasti jumlah komponen untuk diekstrak, komponennya perlulah

mempunyai nilai eigenvalue sama ada atau lebih daripada 1. Kita perlu melihat kepada

jadual Total Variance Explained. Dalam kajian ini, hanya ada 4 komponen pertama

yang mencatatkan eigenvalues melebihi 1 (3.319, 1.882, 1.287, 1.076) Keempat-empat

komponen ini mencatat sebanyak 84.052% nilai kumulatif terkumpul.

Langkah 3

Apabila menggunakan Kaiser, terlalu banyak komponen yang diekstrak, maka rujuk

semula kepada sceeplot yang disediakan oleh SPSS. Lihat perubahan pada bentuk

plot. Hanya komponen yang berada atas tahap perubahan plot akan dikekalkan.

Dalam plot di atas, perubahan yang ketara ialah antara komponen 1 dan 2. Komponen

yang dikekalkan ialah komponen 1 dan 2.

Langkah 4

Jadual seterusnya yang boleh dilihat ialah Component Matrix. Jadual ini menunjukkan

nilai bagi setiap empat komponen. SPSS menggunakan Kaiser criterion (mengekalkan

semua komponen dengan nilai eigenvalues melebihi 1) sebagai default. Dalam jadual

tersebut, banyak item yang dimuatnaik dalam komponen 1 dan 2. Hanya sedikit dalam

8


komponen 3 dan 4. Ini menyokong kesimpulan yang dibuat melalui screeplot iaitu

untuk mengekalkan hanya dua faktor sahaja untuk dinilai dengan lebih lanjut.

Setelah jumlah faktor diketahui, langkah seterusnya ialah untuk

menginterpretasikannya. Faktor ini akan diputarkan (rotated). Dua komponen tadi

akan diputarkan dan diekstrak. Terdapat 2 cara untuk membuat rotation iaitu

menggunakan Varimax rotation dan Oblimin rotation.

Varimax Rotation

Dalam menu Analyze, klik Dimension Reduction dan Factor. Pastikan semua

pemboleh ubah yang terlibat masih dalam petak Variables.

9


Klik butang Descriptives. Untuk tidak mengulangi analisis yang sama, keluarkan tanda

dalam kotak Initial Solution, Coffecient dan KMO and Barlett’s Test. Kemudian

Continue.

Klik Extraction. Dalam bahagian Method, senaraikan Principal Component. Dalam

Analyze pilih Correlation matrix. Dalam bahagian Display, keluarkan tanda dari kotak

Sceeplot dan Unrotated factor solution. Dalam Extract, pilih Number of Factors

dan taip jumlah faktor yang hendak diekstrak. Dalam kajian ini, jumlah yang hendak

diekstrak ialah 2. Klik Continue.

10


Kemudian dalam Options, klik Exclude cases pairwise. Untuk ruang Coefficient

Display Format, tandakan Sorted by size, Suppress absolute values less than .3.

Klik Continue.

Untuk ruang Rotation klik Varimax, kemudian Continue dan OK.

11


Output yang diperolehi ialah;

Total Variance Explained

Compone

nt

Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings

Total % of

Variance

Cumulative

%

Total % of

Variance

Cumulative

%

Total % of

Variance

Cumulative

%

1 3.319 36.883 36.883 3.319 36.883 36.883 2.859 31.770 31.770

2 1.882 20.907 57.790 1.882 20.907 57.790 2.342 26.020 57.790

3 1.287 14.301 72.091

4 1.076 11.961 84.052

5 .520 5.772 89.824

6 .395 4.391 94.216

7 .225 2.497 96.712

8 .183 2.029 98.741

9 .113 1.259 100.000


Rotated Component Matrixa

Component

1 2

Kesukaran sediakan

lembaran

.849

Buku PEKA .809 -.339

Lembaran kerja .775

Lembaran fotostat .699 .558


Peralatan .872

Bahan sendiri .673

Peruntukan kewangan .655

Bahan lain


Rotation Method: Varimax with Kaiser Normalization.

a. Rotation converged in 3 iterations.

12


Interpretasi data varimax (Varimax rotation)

Dalam jadual yang berlabel Total Variance Explained, hanya ada 2 komponen sahaja

yang tersenarai berbanding dengan 4 komponen dalam unrotated output sebelumnya.

Ini kerana SPSS diminta untuk memutarkan (rotate) 2 komponen sahaja. Nilai varian

telah diselaraskan selepas rotation. Komponen 1 nilainya 31.77% dan komponen 2

nilainya 26.02%. Jumlah keseluruhan varian (57.79%) tidak berubah walaupun selepas

rotation.

Dalam Rotated Component Matrix tersenarai nilai untuk setiap pembolehubah dua

faktor yang telah dipilih. Lihat nilai tertinggi bagi setiap pembolehubah dalam setiap

komponen. Ini dapat membantu untuk mengenal pasti sifat pembolehubah terpendam

yang mewakili setiap komponen.

Dalam kajian ini, nilai utama untuk komponen 1 ialah item Kesukaran sediakan

lembaran, buku PEKA dan lembaran kerja dan untuk komponen 2 ialah item Peralatan.

Oblimin Rotation

Untuk mendapatkan keputusan Oblimin rotation (membenarkan setiap komponen untuk

berkorelasi sesama sendiri) ulangi langkah seperti Varimax rotation Cuma pada

bahagian Rotation, dalam ruang Method pilih Direct Oblimin. Output yang diperoleh

adalah seperti berikut;

Pattern Matrixa

Component

1 2

Kesukaran sediakan lembaran.846

Buku PEKA .784

Lembaran kerja .774

13




Peralatan .868

Bahan sendiri .674


Bahan lain


Rotation Method: Oblimin with Kaiser Normalization.

a. Rotation converged in 8 iterations.

Structure Matrix

Component

1 2

Kesukaran sediakan lembaran.857

Buku PEKA .835 -.421

Lembaran kerja .781



Peralatan .888

Bahan sendiri .679


Bahan lain


Rotation Method: Oblimin with Kaiser Normalization.

Component Correlation Matrix

Component 1 2

1 1.000 -.186

2 -.186 1.000

Extraction Method: Principal

Component Analysis.

Rotation Method: Oblimin with Kaiser

Normalization.

14


Output dalam Oblimin rotation berbeza dengan output Varimax rotation. Tiga jadual

yang perlu diteliti dalam Oblimin rotation ialah Pattern Matrix, Structure Matrix dan

Component Correlation Matrix.

Hubungan antara komponen yang ditunjukkan dalam Component Correlation Matrix

bagi data ini ialah lemah iaitu (-.186).

Keputusan Analisis Faktor

9 item telah dianalisis menggunakan aplikasi SPSS. Pemeriksaan ke atas correlation

matrix menunjukkan banyak nilai koefisien .3 dan ke atas. Walau bagaimanapun, nilai

Kaiser-Meyer-Oklin ialah .53 tidak mencapai nilai .6 signifikan.

Komponen analisis utama menunjukkan ada 4 komponen yang mencatatkan

eigenvalues mencapai 1, varian masing-masing ialah 37%, 21%, 14.3% dan 12%.

Melalui data dalam screeplot, dua komponen sahaja yang hendak dikekalkan. Untuk

menyokong kepada data ini , ujian Varimax rotation telah dibuat. Nilai varian yang

dicatatkan adalah baik iaitu 57.79% dengan komponen 1 menyumbang sebanyak

31.77% dan komponen 2 sebanyak 26.02%.

Dalam kajian ini, item yang dikekalkan ialah dari komponen 1, item Kesukaran

sediakan lembaran, buku PEKA dan lembaran kerja dan untuk komponen 2 ialah item

Peralatan.

15

Factor Analysis (BM)

Documents

Transcript of Factor Analysis (BM)