METODOLOGI KAJIAN
B) Analisis Faktor Eksploratori
A) Analisis Deskriptif
Analisis deskriptif melibatkan usaha mengorganisasikan atau meringkaskan data yang diperolehi daripada pemprosesan data. Penyajian data deskriptif pula dilakukan dalam bentuk peratusan, jadual, kekerapan, gambar rajah atau seumpamanya.52 Pengkaji menggunakan metod ini untuk mengkaji tahap personaliti, akhlak, jihad perniagaan, kemandirian perniagaan dan pencapaian usahawan dalam perniagaan yang diceburinya. Selain itu, profil usahawan dan juga latar belakang perniagaan dihuraikan berdasarkan data deskriptif.
B) Analisis Faktor Eksploratori
Analisis faktor eksploratori dilakukan bagi memastikan kesahihan konstruk iaitu sejauh mana instrumen kajian mengesahkan definisi operasi (operationally defined) dan mengesahkan butiran yang paling sesuai bagi setiap dimensi.53 Analisis faktor digunakan untuk melakukan peringkasan sejumlah pemboleh ubah menjadi lebih kecil jumlahnya dan mencari hubungan kesalingbergantungan antara pemboleh ubah agar dapat mengidentifikasikan dimensi atau faktor-faktor yang menyusunnya. Selain itu, tujuan analisis faktor juga adalah untuk meringkaskan data iaitu mengidentifikasi hubungan antara pemboleh ubah. Oleh yang demikian, satu pemboleh ubah baru akan dibentuk untuk
52 Sabhita Marican, Penyelidikan Sains Sosial Pendekatan Pragmati (Selangor: Edusystem Sdn.Bhd, 2006), 208.
53 Sekaran, U, Research Methods for Business: A Skill Building Approach, 4th Edition (USA: John Willey & Sons. Inc, 2003), 97.
University
169
menggantikan pemboleh ubah tertentu.54 Selain itu, analisis faktor juga dilakukan bertujuan untuk mengenalpasti struktur yang terdapat dalam matriks data dengan meringkaskan sejumlah pemboleh ubah asal kepada satu komposit dimensi baru atau sejumlah kecil faktor yang mewakili set pemboleh ubah yang asal. Ia juga digunakan untuk menyelidik jumlah faktor yang optimum dan struktur faktor yang mudah dan senang.55
Sebelum analisis faktor eksploratori dilakukan ke atas data kajian, terdapat beberapa andaian perlu dipenuhi. Pertama, saiz sampel mestilah besar iaitu 100 dan ke atas56 dan saiz yang diterima pakai ialah nisbah 10:1 bagi setiap pemboleh ubah bagi memastikan faktor boleh digeneralisasikan kepada populasi bukannya spesifik kepada sampel.57 Andaian kedua ialah kekuatan perhubungan di antara butiran atau pemboleh ubah iaitu koefisien perlu lebih besar dari .30 dalam matrik korelasi, ukuran kecukupan persampelan (KMO) perlu lebih daripada .60 ke atas.58 Ujian Bartlett juga perlu signifikan (p<0.5) dan nilai korelasi anti image perlu lebih besar daripada .50.59
Saiz sampel kajian ini adalah sebanyak 206 set. Saiz sampel ini memenuhi saiz sampel maksimum yang diperlukan untuk melakukan analisis faktor seperti mana yang dicadangkan oleh Hair.60 Saiz sampel yang diperolehi di dalam kajian ini juga adalah melebihi saiz sampel maksimum yang ditetapkan oleh Sekaran iaitu sebanyak 127 responden.61
54 Singgih Santoso, Latihan SPSS Statistic Multivariat (Jakarta: Penerbit PT Elexmedia Komputindo, 2002), 193.
55 Hair, J.F, Black, W.C., Babin, Anderson, R.E & Tatham, R.L, Multivariate Data Analysis, 6th Edition (New
Jersey: Pearson International Edtion, 2006), 76.
56 Coakes, S.J dan Steed, L.G., SPSS Analysis without Anguish (Brisbane: John Wiley & Sons Autralia, Ltd, 2001), 75.
57 Hair et al., Multivariate Data Analysis,83.
58 Pallant, J., SPSS Survival Manual (Crows Nest: Allen & Unwin, 2001), 75. 59 Coakes, S.J dan Steed, L.G., SPSS Analysis without Anguish, 75.
60 Hair et. al., Multivariate Data Analysis,90.
61 Sekaran, U., Research Methods for Business: A Skill Building Approach, 76.
University
170
Setelah kesemua andaian analisis faktor dipenuhi, jumlah faktor yang perlu diekstrak boleh dikenalpasti. Terdapat beberapa kriteria yang diguna pakai di dalam kajian ini iaitu nilai eigen perlu lebih daripada satu kerana hanya faktor yang mempunyai nilai ini dikira sebagai mempunyai muatan yang signifikan.62
Kaedah komponen utama dipilih bagi tujuan mencari jumlah empirikal yang terdapat dalam set data dan juga meringkaskan sejumlah besar pemboleh ubah asal kepada sejumlah kecil faktor bagi tujuan peramalan. Untuk memastikan kaedah ini sesuai, nilai korelasi antara butiran diperiksa dan nilai ini perlu melebihi .30.63 Muatan rentas minimum yang digunakan di dalam kajian ini ialah .3564 bagi mengenalpasti butiran apabila terdapat muatan tinggi melebihi satu faktor bagi setiap butiran. Oleh itu, mana-mana muatan yang tidak menepati syarat-syarat ini, maka butiran tersebut disingkirkan daripada putaran (rotation) faktor yang seterusnya sehinggalah satu faktor yang optimal dan mudah dapat dikenalpasti. Faktor yang telah bersih daripada semua keratan rentas yang mana mempunyai muatan yang tinggi hanya pada satu faktor sahaja dan bukannya pada banyak faktor akan dilabelkan dengan nama yang mewakili banyak butiran yang termuat bagi setiap faktor.65 Pemboleh ubah baru yang lebih kecil jumlahnya daripada asal ini akan membentuk satu set pemboleh ubah baru dengan menggunakan pemboleh ubah pengganti (surrogate variable) iaitu skala hasil tambah yang mana akan digunakan di dalam menguji hipotesis menerusi analisis regresi.66 Kelebihan pemboleh ubah baru yang dibentuk hasil daripada analisis faktor ini ialah ianya akan mengurangkan kadar kesilapan pengukuran
62 Hair, JF, Anderson, RE, Tatham, RL and Black, WC., Multivariate Data Analysis.56. 63 Coakes, S.J dan Steed, L.G., SPSS Analysis without Anguish, 135.
64Hair et. al., Multivariate Data Analysis,120.
65 Hair, J.F, Black, W.C., Babin, Anderson, R.E & Tatham, R.L, Multivariate Data Analysis, 83. 66 Ibid.
University
171
kerana mengandungi beberapa butiran berbandingkan satu butiran sahaja dan ianya juga mewakili pelbagai aspek sesuatu konsep dalam satu pengukuran sahaja.67
Kaedah putaran varimaks digunakan dalam kajian ini untuk memudahkan struktur faktor dalam setiap kolum dan memperolehi penyelesaian faktor yang lebih mudah dan lebih bermakna. Ia juga meningkatkan keupayaan penterjemahan dengan mengurangkan kekeliruan yang terdapat pada penyelesaian faktor awal yang tidak diputarkan dengan mengagihkan semula varians daripada faktor awal kepada faktor muktamad bagi mencapai corak faktor yang lebih bererti dan lebih mudah dari segi teori.68 Ini kerana kaedah ini mengandaikan butiran kajian tidak berkorelasi atau tidak ada hubungan antara satu sama lain (orthogonal). Kaedah putaran orthogonal merupakan kaedah yang diutamakan bagi kegunaan analisis regresi seterusnya. Kaedah ini juga meningkatkan varians muatan faktor dengan meningkatkan muatan yang tinggi dan merendahkan faktor yang rendah yang terdapat dalam sesuatu faktor atau kolum.69