Page 70 - JURNAL PENYELIDIKAN ILMU PENDIDIKAN 2021

J u r n a l P e n y e l i d i k a n A k a d e m i k I P G M J i l i d 6 / 2 0 2 1 | 62

Statistik Indeks Jenis Kenormalan
Pencongan (Skewness) -3 hingga +3 Univariate (Kline, 2005;
Marcoulides & Hershberger,
1997)
Kurtosis -3 hingga +3 Univariate (Kline, 2005;
Marcoulides & Hershberger,
1997)
Anggaran Kenormalan Mardia -6 hingga +6 Multivariate (Bentler, 2006)

Selepas mengenal pasti kenormalan data, keserasian model dengan data perlu
dikenal pasti bagi menentukan sejauh mana Model yang dibentuk dapat menerangkan
data-data yang dikumpul. Keserasian model merujuk kepada setakat mana sesuatu
model yang dibentuk berdasarkan teori dapat diwakili oleh data kajian dengan baik
(Hooper et al., 2008). Penentuan keserasian Model adalah berdasarkan saranan yang
dinyatakan dalam Jadual 5. Sekiranya indeks-indeks keserasian GFI, AGFI, NFI dan
CFI bagi Model melebihi 0.90, maka ini menunjukkan model adalah serasi dengan
data sampel. Manakala nilai RMSEA yang kurang daripada 0.08 dan nilai SRMR yang
kurang daripada 0.05 memberi bukti bahawa Model adalah serasi dengan data yang
dikutip dalam kajian ini. Sekiranya data-data tidak bertaburan normal secara
multivariate, maka analisis keserasian Model adalah berdasarkan statistik “Robust”.
Menurut Byrne (2006), statistik “Robust” dapat menyelesaikan masalah data tidak
bertaburan normal dengan cara memperbetulkan ujian statistik. Perisian EQS 6.1
membekalkan statistik robust seperti S-Bχ², CFI, RMSEA dan 90% C.I dalam versi
robust. Menurut Hu et al (1992), S-Bχ² statistik merupakan ujian statistik yang paling
boleh dicapai dalam menilai struktur model min dan kovarians dalam pelbagai
distribusi dan saiz sampel. Dalam kajian ini, statistik robust dilaporkan dalam bentuk
*, seperti CFI*, RMSEA*, NFI* dan IFI*.

Jadual 5: Kriteria-kriteria yang Digunakan untuk Menentukan Keserasian Model

Indeks Keserasian Model Kriteria / Cut off Point
GFI, AGFI ≥0.90 (Byrne, 2001; Hooper, et al., 2008; Marcoulides
& Hershberger, 1997)
NFI/NFI* ≥0.90 (Bentler & Bonnet, 1980)
IFI/IFI*, CFI/CFI* ≥0.90 (Bentler, 1992)
RMSEA/RMSEA* ≤0.08 (Browne & Cudeck, 1993; Hooper, et al., 2008)

SRMR ≤0.05 (Byrne, 2001)

Selepas memastikan keserasian Model adalah memuaskan, nilai anggaran
parameter diteliti untuk mengenal pasti kesahan konvergen dan kesahan diskriminan
model. Parameter bagi sesuatu model CFA merupakan ciri-ciri bagi sesuatu populasi
yang akan dianggar dan diuji dengan menggunakan kaedah CFA (Blunch, 2008). Dua
parameter yang diteliti untuk kajian ini adalah nilai pemuatan faktor (factor loadings)