APLIKASI AMOS DALAM CFA (SEM)

1. APLIKASI AMOS DALAM CFA (SEM) Rosseni Din Fakulti Pendidikan Universiti Kebangsaan Malaysia rosseni@yahoo.com http://rosseni.wordpress.com MINGGU KE-11

2. MODEL PERSAMAAN BERSTRUKTUR (STRUCTURAL EQUATION MODELING)

3. SEM? • SEM atau Structural equation Modeling merupakan kaedah analisis yang direka khas untuk menganalisis data kuantitatif. SEM menggunakan kaedah menguji model ( Model Testing) untuk menyelidiki hubungan sebab akibat antara sekumpulan pemboleh ubah dalam kajian. • Model andaian yang dihipotesiskan atau yang dicadangkan oleh pengkaji diuji sama ada ia sepadan dengan data kajian yang dikumpulkan daripada responden kajian.

4. Ada dua fungsi utama analisis SEM iaitu : • Sebagai alat pengenal pastian. Maksudnya SEM digunakan untuk mengenal pasti sama ada perhubungan antara semua pemboleh ubah dalam model yang dicadangkan oleh pengkaji adalah benar dalam kalangan responden kajiannya. • Sebagai alat perkembangan model. Maksudnya SEM menggabungkan fungsi pengenal pastian dan eksplorasi. Jika didapati model yang diuji tidak sepadan dengan data kajian, SEM akan mencadangkan perhubungan baru antara semua pembolehubah dalam hipotesis.

5. Kepentingan SEM, antaranya : • Mengesahkan sesuatu gagasan atau faktor yang kita andaikan mampu mengukur sesuatu pemboleh ubah. • Untuk tujuan (1) CFA merupakan salah satu teknik untuk melakukan ujian secara empirical tentang model pengukuran yang kita gunakan. • Apabila kita mengukur gagasan yang kita andaikan dengan data bererti kita telah melaksanakan proses Kesahan Gagasan. • Kita juga dapat menggunakan CFA untuk memperjelas makna gagasan kita.

6. Beberapa istilah dalam SEM :

7. Analisis Laluan : Hanya terdiri daripada indikator atau observed variable iaitu pemboleh ubah yang dicerap sahaja • Beberapa teknik SEM dan contoh modelnya : 2. CFA : kadang-kadang disebut juga measurement model. Terdiri daripada pemboleh ubah yang tidak dicerap atau latent variable serta indikator-indikatornyaatau observed variable

8. 3. Structural Model : kadang-kadang juga disebut SEM. Iaitu apabila dua atau lebih latent variable dihubungkan dengan tanda panah • Beberapa teknik SEM dan contoh modelnya : 4. Full Fledge Model : iaitu jika beberapa structural model digabungkan dalam satu rajah.

9. SEM dengan menggunakan AMOS. • Siapkan data kajian dalam bentuk SPSS Selanjutnya buka program AMOS. Pilih Amos Graphic.

10. Dalam contoh ini, data menggunakan meaningful learning sebagai pemboleh ubah terpendam atau latent variable (datanya tidak terdapat di SPSS) sedangkan activity, autenticity, construction, cooperation dan intentionality merupakan observed variable (datanya ada di SPSS). Setiap observed variable mempunyai item. activity - b05-b09 Authenticity - b010-b13 Construction - b014-b16 cooperation - b01-b04 intentionality - b17-b22

11. Dalam AMOS Grapic akan muncul kanvas untuk melukis rajah sebagai berikut :

12. Klik ikon kemudian bawa ke dalam rajah. Langkah selanjutnya klik ikon tersebut sampai muncul observed variable. Klik sampai berapa observe variable yang kita kehendaki. Hasilnya maka akan tampak sebagai berikut :

13. Nama latent dan observed variable MESTI sama dengan nama yang diberi dalam data SPSS. Cara memberi nama latent dan observe variable: (i) right klik kemudian pilih object properties. (ii) akan muncul kotak dialog object properties

14. Untuk latent variable, kita boleh menaipnya, namun untuk observe variable atau indikator, lebih baik klik and drag daripada file yang ada supaya memastikan nama variabelnya tidak salah. Klik ikon untuk mengambil data dari SPSS

15. Cari dan pilih data yang diperlukan dan klik OK. • Klik ikon untuk klik and drag data ke dalam kanvas AMOS. • Apabila diklik ikon ini, akan muncul semua pemboleh ubah yang ada dalam SPSS. • Klik mana yang diperlukan, selanjutnya tarik atau drag ke dalam tiap-tiap kotak indikator tersebut.

16. Setelah proses drag satu persatu dilakukan, maka akan kelihatan model lakaran seperti berikut:

17. Untuk memberi nama unobserved variable lainsecara otomatik, klik tools, pilih makro dan pilih unobserved variable (untuk Amos 5). • Jika AMOS 16 atau versi yang lebih tinggi, klik tools dan serta-merta akan muncul nama-nama unobserved variable yang belum dinamakan. • Setelah prosedur ini dilaksanakan akan kelihatan model lakaran andaian kita untuk satu model pengukuran atau measurement model atau kadang disebut CFA (Confirmatory Factor Analysis):

18. Selanjutnya model CFA ini mesti diuji sama ada model ini fit atau tidak fit dengan melihat nilai RMSEA, CFI, TLI, p dan Chisquare/df.

19. Cara melabelkan setiap nilai indikator untuk mengetahui fit atau tidak sesuatu model, klik butang untuk menuliskan label indikatornya, kemudian taip pada kotak caption kod seperti berikutberikut : Chisquare \cmindf CFI \cfi TLI \tli RMSEA \rmsea p \p

20. Ubah saiz fon ikut kesesuaian. • Untuk menyunting label ini, klik kanan tetikus, kemudian edit sebagaimana diperlukan. • Jika perlu pindahkan lokasinya, klik butang lalu pindahkan tulisan tersebut ke tempat yang kita kehendaki.

21. Untuk RUN atau melihat output AMOS, kita klik butang . Apabila file belum disimpan, maka AMOS akan menyuruh untuk disimpan terlebih dahulu. Simpan di tempat yang anda kehendaki. Selanjutnya klik OK. Jika tampilan AMOS muncul panah berwarna merah, maka AMOS akan run. Contohnya :

22. Selanjutnya kita tekan panah warna merah, maka akan muncul nilai-nilai seperti berikut :

23. Jika output yang muncul adalah unstandardized, kita ubah ke dalam bentuk standardized, jika tak langsung keluar, maka kita klik dulu output apa yang kita kehendaki dengan menekan butang , ikon analysis properties dan seterusnya akan muncul pilihan seperti berikut :

24. Klik output, maka akan muncul pilihan standardized. • Tanda atau klikkotak tersebut. • Untuk teruskan analisis, klik pangkah di penjuru kanan atas

25. Setelah itu klik ikon kemudian pilih tanda panah merah lalu klik standardized.

26. Kita lihat dalam output yang standardized, semua criteria model tersebut telah memenuhi syarat fit ( Chisquare/df <5, RMSEA < 0.05, CFI dan TLI > 0.90 serta p > 0.10). nilai-nilai loading juga telah memenuhi persyaratan praktikal iaitu semua > 0.50. setelah model ini fit, maka kita boleh melanjutkan ke model pengukuran yang lain.

27. Prosedur untuk membuat model pengukuran bagi pemboleh ubah laten yang lain dan menyimpulkan sama ada pemboleh ubah tersebut fit atau tidak, semua langkahnya sama . • Output Meaningful learning dan output LSP jika digabungkan dalam satu rajah berikut dengan indicator-indikatornya akan menghasilkan satu model yang disebut structural model.

28. Kesimpulannya : SEM (structural equation model) atau persamaan model structural merupakan gabungan daripada dua atau lebih model pengukuran (CFA) yang dihubungkan dengan anak panah untuk menunjukkan yang mana satu pemboleh ubah bebas yang mana satu pemboleh ubah bersandar dan yang mana satu pemboleh ubah bebas. Sebelum mencapai tahap structural model, maka structural model mesti melalui tahap CFA terlebih dahulu. Semua model yang dibentukmestimelaluiprosespenilaianFit Statistikdannilai-nilai loading yang dapatditerima.

29. Soalan Tugasan Penilaian Minggu 11 • Lukiskan gambar rajah model hipotesis kajian anda untuk dimasukkan dalam AMOS • Namakan semua pemboleh ubah terpendam (latent variable) • Namakan semua indicator (indicator) • Namakan semua pemboleh ubah endogenous • Namakan semua pemboleh ubah exogenous • Lakarkan garisan untuk mengasingkan model pengukuran dari model struktur dan labelkan kedua-duanya