Bab Empat Metodologi Kajian Tesis PhD 20
BAB 4
METODOLOGI
4.0
Pengenalan
Metodologi kajian dibincang berdasarkan sembilan tajuk utama. Pertama,
rangka persampelan, kedua, kriteria responden, ketiga, kaedah pengutipan data,
keempat,
instrumen
kajian,
kelima,
pemboleh
ubah
kawalan,
keenam,
menganalisis data, ketujuh, penerangan jenis penyederhana mengikut Sharma et
al. (1981), kelapan, dasar pengujian hipotesis dan akhir sekali, kesimpulan.
4.1
Rangka Persampelan
Teknik persampelan yang digunakan dalam kajian ini ialah persampelan
rawak
berlapis
secara
berkadaran
iaitu
sampel
kebarangkalian
yang
menggunakan teknik pemprosesan dua peringkat dengan membahagikan seluruh
populasi kepada sub-populasi atau lapisan. Sub-populasi adalah berdasarkan
populasi PKS Bumiputera dari setiap negeri dalam kajian. Seterusnya jumlah PKS
Bumiputera di setiap negeri ditentukan mengikut perkadaran daripada jumlah
keseluruhan populasi. Prosedur pemilihan sampel secara rawak dilakukan
terhadap setiap sub-populasi seperti yang dicadangkan oleh Malhotra (1999).
Kaedah ini digunakan kerana dua sebab, pertama, kaedah ini boleh
meningkatkan kecekapan berstatistik terhadap sampel yang digunakan dan
kedua, kaedah ini menyediakan data yang mencukupi dan mencakupi semua
populasi dalam kajian (Cooper & Schindler, 2001).
106
Populasi PKS Bumiputera dalam kajian ini adalah terdiri daripada firma yang
terlibat dengan program latihan, pembiayaan, serta berdaftar dengan MARA dan
MEDEC. Semua firma yang berdaftar dan menyertai program MARA dan MEDEC
adalah terdiri daripada PKS Bumiputera. Menurut Mohamad (2000) bilangan PKS
Bumiputera yang terlibat dengan program MARA dan MEDEC adalah melebihi
70% dari semua PKS Bumiputera di Malaysia.
Kriteria firma untuk tujuan kajian ini adalah terdiri daripada PKS Bumiputera
yang mempunyai pekerja melebihi 10 orang dan tidak melebihi 150 orang dan
telah beroperasi selama lima tahun atau lebih. Menurut Hashim (2000a) kriteria
PKS seperti tersebut boleh menghasilkan maklum balas tentang pemboleh ubah
mewakili firma kerana struktur organisasinya sudah wujud. Jumlah populasi kajian
dianggarkan sebanyak 1,500 unit iaitu 11% dari jumlah semua PKS Bumiputera di
Malaysia. Berdasarkan maklumat yang dikemukakan oleh SMIDEC dalam kajian
Hashim (2000a), bilangan semua PKS dalam tahun 1999 ialah sebanyak 20,000
unit. PKS Bumiputera mewakili lebih dari 70% daripada semua PKS iaitu 20,000
unit, dengan ini anggaran jumlah PKS Bumiputera di Malaysia ialah sebanyak
14,000 unit (Malaysia, 2001). Manakala PKS Bumiputera di kawasan utara yang
mewakili populasi kajian ini ialah 11% daripada jumlah semua PKS Bumiputera di
Malaysia (Abdullah, 1997).
Perkadaran bilangan PKS Bumiputera untuk setiap negeri dalam kajian ini
adalah berdasarkan jumlah populasi PKS Bumiputera di setiap negeri.
Perkadaran untuk negeri Perlis ialah 10% atau 150 unit PKS, manakala negeri
107
Kedah ialah sebanyak 600 unit PKS atau 40% dan 750 unit atau 50% di negeri
Pulau Pinang. Menurut Ayob (1997) perkadaran perlu dilakukan jika taburan PKS
Bumiputera di setiap negeri dalam kajian adalah tidak seimbang. Senarai PKS
Bumiputera ini diperolehi melalui pejabat MARA negeri Perlis, Kedah dan Pulau
Pinang dan MEDEC di Universiti Teknologi MARA.
Sampel kajian dipilih secara rawak daripada populasi peserta program serta
senarai PKS Bumiputera yang berdaftar dengan MARA negeri dan juga program
MEDEC di peringkat negeri. Kaedah rawak berkadaran dilakukan dengan memilih
firma menggunakan nombor rawak dalam jadual nombor rawak yang bersamaan
dengan nombor pada senarai PKS Bumiputera yang berdaftar dengan agensi
berkenaan mengikut negeri (Ayob, 1997).
Jadual 4.1
Perkadaran Pemilihan Sampel
Negeri
Perlis
Kedah
Pulau Pinang
Populasi
150
600
750
Perkadaran
10%
40%
50%
Jumlah sampel
61
246
303
Jumlah
1500
100%
610
Pemilihan sampel adalah berasaskan pembahagian secara berkadaran
mengikut negeri di mana PKS Bumiputera negeri Perlis menepati kadar 10% dari
keseluruhan sampel, negeri Kedah 40%, dan Pulau Pinang 50% (SMIDEC, 2000)
(rujuk Jadual 4.1). Pemilihan secara rawak ini dilakukan secara berasingan untuk
setiap negeri berdasarkan cadangan oleh Zikmund (2003). Kaedah berkadaran
seperti ini dapat mengatasi masalah pembahagian berat sebelah di mana
108
responden dari setiap negeri mempunyai peluang yang sama untuk dipilih
mengikut pandangan Cooper dan Schindler (2001).
Oleh sebab kadar maklumbalas yang rendah mengikut pengalaman
penyelidik yang lepas seperti yang dilaporkan oleh Hashim (2000b), jumlah firma
yang dihubungi ialah sebanyak 610 firma mewakili 41% daripada jumlah populasi.
Setiap firma yang terpilih dihantar dengan sepucuk surat berisi soal selidik
dan sampul surat bersetem untuk memudahkan responden menghantar balik soal
selidik yang telah diisi. Soal selidik dihantar kepada semua firma yang terpilih
bertepatan dengan saranan oleh Konting (1993) bahawa jika lebih banyak soal
selidik yang diisi dikembalikan, ralat persampelan menjadi semakin rendah
kerana pertambahan saiz sampel akan meningkatkan perwakilan daripada
populasi.
Soal selidik mula dihantar pada awal bulan November 2003 dan tindakan
susulan dibuat bermula bulan Januari 2004 hingga Jun 2004. Sehingga bulan Jun
2004 sebanyak 232 firma telah mengembalikan soal selidik, 22 soal selidik
didapati tidak lengkap dan diketepikan dari analisis berikutnya. Oleh itu sebanyak
210 soal selidik yang dapat digunakan menunjukkan peratusan maklum balas
iaitu pada kadar 38%.
109
4.2
Kriteria Responden
Responden kepada kajian ini ialah pemilik atau pengurus tertinggi setiap
PKS Bumiputera yang dipilih. Pemilik atau pengurus tertinggi PKS Bumiputera
memberikan maklumbalas mewakili firma masing-masing mengenai orientasi
keusahawanan, persekitaran yang ditanggap dan prestasi firma. Pemilihan
pemilik dan pengurus tertinggi PKS Bumiputera ini dilakukan mengikut kriteria
yang dicadangkan oleh Podsakoff dan Organ (1986). Ini adalah kerana kumpulan
ini mempunyai pengetahuan yang lebih mendalam mengenai firma dan
persekitaran yang ditanggap oleh mereka. Kaedah ini juga digunakan untuk
mendapatkan ukuran tahap firma dan sekaligus dapat mengurangkan kesan
varians kaedah biasa (Dess et al., 1997; Lumpkin dan Dess, 2001; Podsakoff dan
Organ, 1986). Berdasarkan Podsakoff dan Organ (1986) salah satu kaedah untuk
mengurangkan kesan varians kaedah biasa ini ialah dengan meningkatkan tahap
unit yang dianalisis seperti dengan meningkatkan tahap individu kepada tahap
firma (ms. 539). Justeru itu, kajian ini dilakukan mengikut unit pengukuran pada
tahap firma di mana responden menjawab bagi pihak firmanya untuk tiga jenis
pemboleh ubah yang berbeza. Sehubungan dengan itu, Pfeffer dan Salancik
(1978) mencadangkan supaya susunan di dalam soalan hendaklah didahului oleh
soalan pemboleh ubah tidak bersandar dengan diikuti oleh pemboleh ubah
bersandar untuk mengurangkan kesan artifak konsistensi yang menyumbang
kepada kesan varians kaedah biasa (Podsakoff dan Organ, 1986).
110
4.3
Kaedah Pengutipan Data
Pengutipan data untuk kajian ini ialah menggunakan kaedah perhubungan
melalui surat untuk mengatasi pengaruh keinginan sosial atau social desirability
bias. Kaedah ini didapati sesuai untuk mendapatkan maklumat kewangan dan
gelagat peribadi mengikut catatan oleh Ones, Reiss dan Viswesvaran (1996).
Firma yang dipilih secara rawak seperti yang diterangkan dalam kaedah
persampelan dihubungi dengan sepucuk surat disertakan dengan sampul surat
beralamat dan bersetem untuk memudahkan responden mengembalikan soal
selidik yang telah diisi kepada penyelidik.
4.4
Instrumen Kajian
Ukuran orientasi keusahawanan dan persekitaran yang ditanggap dipilih
sebagai
pemboleh
ubah
untuk
menerangkan
PKS
Bumiputera
adalah
berdasarkan tahap konsistensi dalaman dan kesahihannya yang telah terbukti
sebagaimana yang dilaporkan oleh Khandwalla (1977), Miller dan Friesen (1982),
Miller (1983), Knight (1997), Wilklund (1998a), dan Kreiser at al. (2002c). Hinkin
(1995) mencadangkan supaya setiap dimensi diukur mengunakan sekurangkurangnya lima item dengan skala Likert di antara 5 poin hingga 7 poin.
Pengukuran dimensi orientasi keusahawanan adalah berasaskan instrumen
yang telah dibangunkan oleh Miller (1983, 1990). Dimensi yang dibangunkan oleh
Miller (1983, 1990) adalah terdiri dari inovatif, proaktif dan mengambil risiko.
Manakala dimensi autonomi di bangunkan oleh Shane et al. (1995) dan dimensi
111
daya saing agresif dibangunkan oleh Covin dan Covin (1990). Semua dimensi
pemboleh ubah orientasi keusahawanan berjumlah 29 item menggunakan skala
daripada “1” (sangat tidak bersetuju) hingga “7” (sangat bersetuju). Dimensi
orientasi keusahawanan ialah terdiri dari sikap berautonomi (6 pernyataan),
berinovatif (8 pernyataan), proaktif (5 pernyataan), mengambil risiko (5
pernyataan), dan berdaya saing yang agresif (5 pernyataan).
Persekitaran yang ditanggap pula diukur menggunakan instrumen yang
dibangunkan oleh Miller (1983), Schultz, Slevin dan Covin (1995) dan Zahra dan
Garvis (2000). Tiga jenis persekitaran yang diukur adalah dinamik, bermusuhan
dan membantu. Persekitaran dinamik (6 item) menggunakan skala daripada “1”
(sangat tidak bersetuju) hingga “7” (sangat bersetuju), manakala persekitaran
bermusuhan (7 item) dan persekitaran membantu (6 item) menggunakan
pernyataan berskala daripada “1” (sangat rendah) hingga “7” (sangat tinggi).
Pemboleh ubah bersandar menggunakan ukuran prestasi tahunan sebenar
firma. Prestasi dikira menggunakan angka sebenar terdiri daripada jumlah jualan
tahunan, peratus untung bersih, jumlah harta dan modal untuk tempoh tiga tahun
(2000-2002). Higgins (1989) mencadangkan supaya nisbah kewangan dikira
untuk tempoh beberapa tahun supaya variasi dalam tempoh kajian dapat diatasi.
Setiap item dipuratakan untuk digunakan dalam pengiraan nisbah kewangan yang
terdiri daripada kadar pulangan jualan (PJ), kadar pulangan harta (PH) dan kadar
pulangan modal yang dilaburkan (PM) (Higgins, 1989). Nilai sebenar jumlah
112
untung bersih tidak dikutip secara langsung maka pengiraan perlu dibuat dengan
menggunakan persamaan berikut:
Purata Untung Bersih = % Untung Bersih x Purata Jualan
Indeks kadar keuntungan atau kadar pulangan jualan (PJ) dibentuk seperti
berikut:
PJ = Purata Untung Bersih / Purata Jualan
Kadar pulangan harta (PH) pula dikira seperti formula berikut:
PH = Purata Untung Bersih / Purata Harta
Kadar pulangan modal (KPM) dikira seperti formula berikut:
PM = Purata Untung Bersih / Purata Modal
Jadual 4.2
Ringkasan Pemboleh Ubah Kajian
Pemboleh ubah
Orientasi Keusahawanan (OK)
Autonomi
Inovatif
Proaktif
Daya saing agresif
Mengambil risiko
Persekitaran yang ditanggap
Dinamik
Bermusuhan
Membantu
Sumber
Dess et al. (1997)
Shane et al. (1994)
Miller (1983, 1990)
Miller (1983, 1990)
Covin & Covin (1990)
Miller (1990)
6
.89
8
5
5
5
.77
.81
.70
.91
Miller (1983)
Zahra & Garvis (2000)
Schultz,
Slevin
&
Covin (1995)
6
7
6
.74
.70
.84
Demografi
Individu
Firma
Prestasi
Bilangan Cronbach
Item
Alpha
6
4
Higgins (1989)
113
4
Pulangan Jualan (PJ)
Pulangan Harta (PH)
Pulangan Modal (PM)
Ringkasan pembentukan instrumen berasaskan jenis pemboleh ubah,
sumber rujukan, bilangan item dan kebolehpercayaan Cronbach’s Alpha menepati
titik takat .70 seperti yang disyaratkan oleh Nunnally (1978) seperti dalam Jadual
4.2.
4.5
Pemboleh ubah Kawalan
Menurut Blau dan Schoenherr (1971) dan Wilklund (1998a) dimensi
orientasi keusahawanan boleh dipengaruhi oleh saiz firma. Manakala Hitt dan
Tyler (1991) menemui jenis industri dan bentuk pendaftaran juga boleh
mempengaruhi orientasi keusahawanan. Oleh sebab itu, kajian ini mengambil kira
saiz dan bentuk pendaftaran PKS Bumiputera selaku pemboleh ubah kawalan
supaya kesan interaksinya dalam hubungan pemboleh ubah yang dikaji dapat
dipastikan. Saiz PKS Bumiputera diukur menggunakan jumlah bilangan pekerja di
mana firma yang mempunyai 10 hingga 50 orang pekerja adalah PKS Bumiputera
bersaiz kecil dan firma yang mempunyai pekerja lebih daripada 50 orang adalah
PKS Bumiputera bersaiz sederhana. Pemboleh ubah ini diberi kod dami “1” untuk
(PKS Bumiputera bersaiz kecil) dan “0” untuk (PKS Bumiputera bersaiz
sederhana). Pemboleh ubah kawalan bentuk pendaftaran PKS Bumiputera pula,
kod dami “1” (milik tunggal, perkongsian dan syarikat sendirian berhad), manakala
kod dami “0” (syarikat berhad) (Dess et al., 1997). Jadual 4.3 memperincikan kod
dami yang digunakan.
114
Pemboleh ubah dami merupakan pemboleh ubah yang diubahsuai daripada
pengukuran tidak metrik menjadi pengukuran metrik untuk mewakili satu kategori
dari pemboleh ubah kawalan seperti yang dinyatakan di atas (Hair et al., 1998).
Menurut Hair et al. (1998) pemboleh ubah kawalan yang berbentuk kategori atau
dichotomous hendaklah diwakili oleh satu dami untuk pemboleh ubah yang
mempunyai dua kategori. Jika pemboleh ubah tersebut mempunyai tiga kategori
maka hanya dua pemboleh ubah dami digunakan dalam analisis (Hair et al.,
1998). Dalam analisis regresi, pekali regresi pemboleh ubah dami yang diberi kod
“1” adalah kategori rujukan mewakili perbezaan antara min untuk setiap kumpulan
responden yang diwakilinya terhadap pemboleh ubah bersandar (Hair et al.,
1998).
Jadual 4.3
Kod Dami untuk Pemboleh Ubah Kawalan Saiz dan Bentuk
Pendaftaran PKS Bumiputera
Pemboleh ubah
Saiz Firma
PKS saiz kecil
PKS saiz sederhana
PKS Saiz
Kecil
Milik
Tunggal
Perkongsian
Sdn. Bhd.
1
0
Bentuk Pendaftaran
Milik tunggal
Perkongsian
Sdn. Bhd.
Berhad
1
0
0
0
0
1
0
0
0
0
1
0
Nota: Sdn. Bhd. = Syarikat Sendirian Berhad.
4.6
Analisis Data
Data dianalisis melalui dua peringkat, peringkat pertama bermula dengan
proses membersihkan data menggunakan fungsi explore dalam SPSS versi 11.5.
115
Seterusnya
semua
item
dalam
pemboleh
ubah
tidak
bersandar
dan
penyederhana diuji dengan analisis faktor secara berasingan. Di peringkat ini,
analisis faktor dilakukan dengan menggunakan kaedah analisis komponen
prinsipal (AKP) dengan putaran varimax (Hair, Anderson, Tatham dan Black,
1998). Menurut Hair et al. (1998) dan Hinkin (1995) penggunaan AKP adalah lebih
mudah atau tidak mengelirukan berbanding dengan penggunaan kaedah analisis
faktor yang lain. Manakala putaran varimax digunakan berdasarkan hasilnya yang
menerangkan pemisahan yang jelas di antara faktor (Hair, et al., 1998). Muatan
faktor yang dihasilkan oleh kaedah varimax adalah samada tinggi iaitu hampir
kepada –1 atau +1, atau rendah iaitu hampir kepada 0 dalam setiap lajur
matriknya (Hair et al., 1998).
Analisis faktor dilakukan secara berasingan untuk orientasi keusahawanan
dan persekitaran yang ditanggap memandangkan setiap pemboleh ubah mewakili
konsep yang berbeza (Hair et al., 1998; Hinkin, 1995). Menurut Hair et al. (1998),
kemungkinan berlakunya terlebih padanan data atau data overfitting boleh
dikurangkan jika penyelidik melakukan analisis terhadap kumpulan item yang
padan antara satu sama lain berpandukan konsep pemboleh ubah. Hinkin (1995)
mengaitkan kesahihan dalaman dan kebolehpercayaan yang rendah berlaku
apabila berlaku percampuran antara dimensi yang dianalisis. Hinkin (1995)
melaporkan,
It is at this stage of scale construction, however, that poor item
development practices create further problems. .... Simply because items
load on the same factor does not mean that they necessarily measure the
same theoretical construct (Nunnaly, 1978). ... In several cases, an
examination of items within individual scales by the author revealed that
they were either multidimensional and tapping more than one construct, or
116
were examining more than one perspective, for example mixing behaviors
with affective response (ms. 977-978).
Kesesuaian untuk menggunakan analisis faktor adalah berdasarkan
kepada andaian terhadap pengukuran kecukupan sampel atau Kaiser-MeyerOlkin (KMO) measures of sampling adequacy (MSA) melalui ujian Bartlett
Sphericity dan korelasi matrik data (Hair et al., 1998). Ujian Bartlett Sphericity
ialah indeks yang menerangkan tahap signifikan KMO MSA untuk keseluruhan
analisis faktor. Tahap signifikan analisis faktor ditunjukkan oleh indeks KMO MSA
seperti berikut, jika indeks tersebut adalah di antara .50 hingga .59 maka sampel
didapati mencukupi tetapi melarat, jika indeks ialah .60 hingga .69 maka sampel
didapati cukup secara sederhana, jika indeks ialah .70 hingga .79 maka sampel
didapati cukup secara pertengahan dan jika indeks ialah .80 hingga .99 maka
sampel cukup secara terpuji (Hair et al., 1998). Manakala tahap MSA untuk matrik
korelasi data pula, Hair et al. (1998) menyarankan supaya korelasi matrik data di
antara setiap item hendaklah melebihi indeks .50. MSA korelasi matrik data
dikesan di atas pepenjuru dalam analisis anti-image jadual korelasi antara item
atau korelasi separa. Korelasi item yang menunjukkan MSA kurang dari .50 akan
digugurkan dan analisis faktor dilakukan semula.
Penentuan untuk memastikan hasil muatan faktor yang terbaik ialah
dengan mengambil kira nilai eigen melebihi 1.0 poin berasaskan latent root
criterion (Hair et al., 1998; Hinkin, 1995). Hanya faktor yang melebihi 1.0 poin
dianggap signifikan (Hair et al., 1998). Kaedah ini boleh menghasilkan
117
kebolehpercayaan yang tinggi apabila bilangan item yang digunakan adalah di
antara 20 hingga 50 (Hair et al., 1998).
Muatan faktor yang signifikan adalah berasaskan petunjuk yang digariskan
oleh Hair et al. (1998) dengan menggunakan bilangan sampel. Untuk sampel
sebanyak 200, muatan faktor setiap item yang melebihi .40 sahaja dianggap
signifikan (ms. 112). Tahap muatan bersilang juga diambilkira supaya setiap item
mewakili faktor yang telah ditentukan, sekiranya satu item menerangkan lebih dari
satu muatan faktor, item tersebut hendaklah dikeluarkan daripada analisis
mengikut cadangan Hair et al. (1998) dan Hinkin (1995). Titik takat untuk muatan
faktor bersilang ialah pada perbezaan .10 poin atau lebih (Hinkin, 1995).
Analisis faktor juga menghasilkan ringkasan deskriptif untuk faktor matrik
data bertujuan mengesan susunan yang lebih bermakna untuk setiap item dalam
pemboleh ubah (Dess et al., 1997). Muatan faktor membentuk komponen atau
dimensi bagi setiap pemboleh ubah. Setiap dimensi dianalisis kenormalan dan
kelinearan dengan merujuk kepada cadangan Norusis (1993). Kenormalan data
disahkan apabila nilai kepencungan dan kurtosis tidak melebihi 1 poin (Norusis,
1993) (rujuk Lampiran C.4). Kelinearan data pula disahkan menggunakan plot
serakan dan kebarangkalian atau P-P plot (Norusis, 1993) (rujuk Rajah 4.1 – 4.6
dalam Lampiran B).
Penilaian tahap konsistensi dalaman setiap dimensi yang termuat di dalam
analisis
faktor
diukur
menggunakan
kebolehpercayaan
alpha
Cronbach
berdasarkan cadangan oleh Nunnaly (1978) dan Loos & Coulthard (2005). Tahap
118
ukuran alpha Cronbach setiap dimensi yang melebihi poin .50 sahaja diterima
untuk analisis seterusnya. Seterusnya, ujian hubungan dwi-pemboleh ubah
dilakukan menggunakan analisis korelasi Pearson terhadap semua pemboleh
ubah kajian.
Analisis peringkat kedua dilakukan dengan menggunakan analisis regresi
berganda berperingkat (4 langkah) (Aiken & West, 1991; Cohen & Cohen, 1983;
Cohen et al., 2003). Analisis regresi berganda berperingkat digunakan untuk
menguji hubungan secara langsung di antara pemboleh ubah kawalan, pemboleh
ubah
tidak bersandar dengan
pemboleh
ubah
bersandar,
serta
kesan
penyederhana terhadap hubungan di antara pemboleh ubah tak bersandar
dengan pemboleh ubah bersandar. Kesan penyederhana adalah hasil darab
pemboleh ubah tidak bersandar dengan pemboleh ubah penyederhana iaitu;
(orientasi keusahawanan x persekitaran yang ditanggap). Hasil darab ini
diistilahkan sebagai terma interaksi oleh Aiken dan West (1991) dan Cohen et al.
(2003).
Perlaksanaan analisis regresi berganda berperingkat dalam langkah 1
menyaksikan hubungan langsung di antara pemboleh ubah kawalan dengan
pemboleh ubah bersandar. Langkah 2 menganalisis hubungan langsung di antara
pemboleh ubah tidak bersandar dengan pemboleh ubah bersandar. Hasil regresi
dalam langkah 2 akan menjadi asas untuk penerimaan atau penolakan H1a hingga
H3e. Langkah 3 menghasilkan hubungan langsung di antara pemboleh ubah
penyederhana dengan pemboleh ubah bersandar. Hasil dalam langkah 4 analisis
119
regresi menghasilkan kesan terma interaksi penyederhana ke atas hubungan di
antara pemboleh ubah tidak bersandar dengan pemboleh ubah bersandar. Pekali
beta terma interaksi yang signifikan sahaja dilakukan ujian pemisahan sampel
atau post-hoc analysis dalam analisis berikutnya (Aiken & West, 1991; Cohen et
al., 2003).
Sebelum regresi berperingkat dilakukan, Aiken dan West (1991), Cohen
dan Cohen (1983) mencadangkan supaya pemboleh tidak bersandar dan
pemboleh ubah penyederhana dipusatkan atau centered menggunakan skor z
untuk mengurangkan kesan multikolineariti. Skor z dilakukan dengan menukar
dimensi yang berkaitan menggunakan fungsi EXPLORE standardized value
dalam analisis regresi. Empat peringkat regresi yang dilakukan perlu melepasi
tahap perubahan yang signifikan pada p < .05 dalam setiap model. Perubahan
yang signifikan ditunjukkan dalam perubahan R2 dan perubahan nilai F yang
dijadikan asas untuk meneruskan pemeriksaan terhadap pekali beta pemboleh
ubah yang diuji dalam setiap model.
Menurut Aiken dan West (1991), analisis regresi ini menghasilkan pekali
beta peringkat rendah dan tinggi yang mewakili kecerunan garisan regresi. Pekali
beta peringkat rendah adalah pekali beta yang dihasilkan oleh analisis regresi
dalam langkah 1, 2 dan 3 menguji hubungan langsung di antara pemboleh ubah
kawalan, pemboleh ubah tidak bersandar dan pemboleh ubah penyederhana
dengan pemboleh ubah bersandar. Pekali beta peringkat rendah menunjukkan
nilai hubungan yang bebas di antara pemboleh ubah yang diregresikan. Manakala
120
pekali beta peringkat tinggi pula dihasilkan dalam langkah 4 apabila terma
interaksi diregresikan dengan pemboleh ubah bersandar (Aiken & West, 1991;
Cohen et al., 2003). Ini bermakna berubahnya hubungan di antara pemboleh
ubah tidak bersandar dengan pemboleh ubah bersandar bergantung kepada nilai
pemboleh ubah penyederhana berdasarkan tahap pemboleh ubah tidak
bersandar (Aiken & West, 1991). Sharma et al. (1981) mencatatkan bahawa
hanya penyederhana quasi dan tulen sahaja berperanan mengubah hubungan di
antara pemboleh ubah tidak bersandar dengan pemboleh ubah bersandar (p.
293).
Walaupun pekali beta peringkat tinggi menunjukkan ianya signifikan tetapi
pemeriksaan post-hoc menggunakan pemisahan keseluruhan sampel dibuat
mengikut saranan Aiken dan West (1991) dan Sharma et al. (1981). Pemeriksaan
post-hoc mengesahkan kedudukan nilai beta terma interaksi di antara setiap
pemboleh ubah penyederhana terhadap hubungan yang signifikan sahaja di
antara dimensi orientasi keusahawanan dengan prestasi. Setiap pemboleh ubah
tidak bersandar dan penyederhana yang berkenaan dibahagikan kepada dua
kelompok menggunakan nilai min. Kelompok skor rendah ialah dengan menolak
1 sisihan piawai dari nilai min manakala kelompok skor tinggi ditentukan dengan
mencampurkan 1 sisihan piawai dengan nilai min pemboleh ubah tidak bersandar
dan penyederhana yang berkaitan. Kelompok sampel mewakili skor rendah diberi
nilai 0 manakala kelompok sampel mewakili skor tinggi diberi nilai 1. Rajah
garisan berganda dilakar dengan menggunakan kedua-dua nilai dengan
meletakkan pemboleh ubah bersandar pada paksi-y dan pemboleh ubah tidak
121
bersandar pada paksi-x, manakala pemboleh ubah penyederhana mewakili keluk
tinggi dan rendah (Cohen et al., 2003).
4.7
Penentuan Jenis Penyederhana
Sehubungan dengan itu, untuk mengenal pasti jenis penyederhana,
Sharma et al. (1981) membahagikannya kepada empat jenis. Penyederhana
ditentukan berdasarkan hubungan korelasi dan interaksinya yang signifikan
dengan pemboleh ubah tidak bersandar dan/atau pemboleh ubah bersandar
seperti yang dilakukan di dalam kajian oleh Becherer dan Maurer (1997).
Pertama, pemboleh ubah yang bukan tergolong sebagai penyederhana
iaitu terdiri daripada pemboleh ubah jenis pencelah, luaran, anteseden, penyekat
atau peramal seperti dalam kuadran 1 (k1), (rujuk Rajah 4.1). Pemboleh ubah
jenis ini ditentukan apabila tiada interaksi dengan pemboleh ubah tidak bersandar
tetapi berkorelasi secara signifikan dengan mana-mana pemboleh ubah tidak
bersandar dan/atau pemboleh ubah bersandar.
Kedua,
penyederhana
jenis
homologizer
ialah
pemboleh
ubah
penyederhana yang tiada interaksi yang signifikan dengan pemboleh ubah tidak
bersandar dan juga tidak menunjukkan korelasi yang signifikan dengan manamana pemboleh ubah tidak bersandar atau pemboleh ubah bersandar seperti
dalam kuadran 2 (k2), (rujuk Rajah 4.1).
Ketiga,
penyederhana
jenis
quasi
ialah
apabila
pemboleh
ubah
penyederhana yang menunjukkan interaksi yang signifikan dengan pemboleh
122
ubah tidak bersandar dan berkorelasi secara signifikan dengan pemboleh ubah
bersandar seperti dalam kuadran 3 (k3), (rujuk Rajah 4.1).
Keempat, penyederhana jenis tulen ialah apabila pemboleh ubah
penyederhana yang berinteraksi secara signifikan dengan pemboleh ubah tidak
bersandar tetapi tidak menunjukkan korelasi yang signifikan dengan pemboleh
ubah bersandar seperti dalam kuadran 4 (k4), (rujuk Rajah 4.1).
Berkorelasi dengan
Kriteria dan/atau
Peramal
Tidak berkorelasi dengan
Kriteria dan Peramal
Tidak berinteraksi
Dengan Peramal
k1
Pencelah, Luaran,
Anteseden, Penyekat,
Peramal
k2
Penyederhana
Homologizer
Berinteraksi
Dengan Peramal
k3
Penyederhana
Quasi
k4
Penyederhana
Tulen
Rajah 4.1 Tipologi spesifikasi pemboleh ubah.
Sumber: Sharma et al. (1981).
4.8
Dasar Pengujian Hipotesis
Pengujian hipotesis adalah berdasarkan kepada penggunaan tahap
signifikan penerimaan atau penolakan hipotesis pada kebarangkalian sekurangkurangnya .05 (Aiken & West, 1991; Cohen et al., 2003). Pengujian hipotesis juga
adalah berkaitan dengan andaian terhadap kesahihan data yang diuji. Andaian
tersebut ialah dengan menilai semula tahap kenormalan, kelinearan, kebebasan
dari terma ralat, homoskedastisiti, multikolineariti, kewujudan outlier dan
pemeriksaan post-hoc menggunakan kaedah pembahagian sampel.
123
4.8.1 Kenormalan Data
Kenormalan data disahkan dengan merujuk kepada plot serakan dan
kebarangkalian yang melakarkan kedudukan taburan normal antara nilai yang
dijangka atau predicted value pemboleh ubah tidak bersandar dengan reja
studentized pemboleh ubah tidak bersandar. Plot kebarangkalian dan serakan
digunakan untuk mengesan taburan yang tidak normal memastikan bahawa
hipotesis kenormalan tidak dapat ditolak. Pengujian untuk kenormalan data
adalah merujuk kepada kaedah yang dicadangkan oleh Norusis (1993) (rujuk
Rajah 4.1 - 4.6 dalam Lampiran B).
4.8.2 Kelinearan Data
Kelinearan data disahkan dengan merujuk kepada kedudukan titik
hubungan di antara pemboleh ubah tidak bersandar dan pemboleh ubah
bersandar. Data yang linear ditunjukkan oleh titik yang berada di atas garisan
linear dan tidak tersebar terlalu jauh dari garisan dalam plot serakan (Norusis,
1993) (rujuk Rajah 4.1, 4.2, 4.3 dalam Lampiran B).
4.8.3 Kebebasan Terma Ralat
Bebas dari terma ralat bermakna data yang dikutip tidak terlalu berbeza di
dalam suatu jangka masa. Ujian Durbin-Watson (DW) dilakukan untuk mengesan
korelasi antara reja, nilai julat dalam ujian ini ialah antara DW 0 hingga 4.
Kebebasan dari terma ralat ditunjukkan oleh titik takat DW antara 1.5 hingga 2.5
124
mengikut cadangan Nunnaly (1978). Jika reja tidak berkorelasi antara satu sama
lain nilai DW hendaklah hampir kepada 2.00 (Dean, 1993) yang menandakan
data bebas daripada terma ralat. Nilai ujian DW kajian ini ialah 1.91 dalam regresi
berperingkat berhubung dengan prestasi PJ, 2.13 berhubung dengan prestasi PH,
dan 2.07 dalam hubungan dengan prestasi PM (rujuk keputusan regresi dalam
Lampiran C.6, C.7 dan C.8).
4.8.4 Homoskedastisiti
Homoskedastisiti dikesan menggunakan plot serakan yang dibentuk diatas
rajah serakan antara reja piawai dengan nilai yang dijangka. Titik hubungan
antara kedua pemboleh ubah tersebut hendaklah berkumpul di atas garis lurus
bersamaan dengan 0 (Hair et al., 1998) (rujuk Rajah 4.1, 4.2, 4.3 dalam lampiran
B).
4.8.5 Multikolineariti
Multikolineariti merupakan fenomena yang menunjukkan hubungan di
antara dua pemboleh ubah yang berkorelasi tinggi (Cohen et al., 2003).
Multikolineariti bermaksud dua pemboleh ubah yang menunjukkan pengukuran
yang hampir sama dan tidak jelas pemisahannya (Agus, 2000). Multikolineariti
dikesan melalui analisis korelasi dan analisis regresi. Dalam analisis korelasi,
setiap pemboleh ubah menunjukkan hubungan bebas dari multikolineariti apabila
nilai r atau korelasi tidak melebihi .70 (Mueller, 1996). Manakala dalam analisis
regresi, hubungan multikolineariti berlaku antara pemboleh ubah tidak bersandar
dengan pemboleh ubah bersandar dikesan menggunakan nilai toleransi dan
125
faktor inflasi varians. Petunjuk multikolineariti adalah berdasarkan nilai toleransi
yang tidak melebihi 1.0 poin dan faktor inflasi varians yang tidak melebihi 10 poin
menandakan hubungan tersebut bebas dari kesan multikolineariti (Cohen et al.,
2003; Hair et al., 1998). Analisis regresi kajian ini menghasilkan nilai toleransi .11
hingga .94 manakala VIF ialah 1.0 hingga 9.0. (rujuk Lampiran C.6, C7 dan C.8)
4.8.6 Kewujudan Outlier
Mengesan kewujudan outlier dilakukan pada langkah terakhir untuk
mengesahkan hubungan yang signifikan di antara pemboleh ubah yang dikaji.
Tiga pendekatan digunakan untuk tujuan ini, pertama ialah dengan mengesan
nilai reja yang melebihi 1.96 menggunakan nilai jangkaan piawai ZRESID dan
nilai jangkaan studentized SRESID (Cohen et al., 2003). Kedua ialah dengan
menggunakan kaedah jarak atau distance iaitu dengan mengesan jarak kes yang
melampaui nilai purata pemboleh ubah tidak bersandar. Kaedah jarak adalah
dengan menggunakan petunjuk jarak Cook (COOK D), Mahalanobis (MAHAL),
dan nilai leverage (LEVER). Nilai jarak COOK D yang dianggap sebagai outlier
ialah apabila nilainya melebihi 0.02030. Manakala bagi nilai jarak MAHAL pula
ialah apabila nilainya melebihi 10. Nilai LEVER ialah dengan menggunakan
petunjuk nilai Hat yang melebihi 0.15714. Apabila outlier dikesan, kes yang
berkenaan diketepikan dari analisis regresi seterusnya. Ketiganya, ialah outlier
yang dikesan dengan menggunakan poin yang berpengaruh menggunakan
petunjuk nisbah kovariasi (COVRATIO). Nilai COVRATIO yang kurang dari nilai .
80 dan melebihi nilai 1.20 adalah dianggap sebagai outlier (Hair et al., 1998).
126
Outlier dikesan menggunakan ketiga-tiga pendekatan tersebut dengan
melakukannya secara berulang-ulang sehingga tahap signifikan yang diharapkan
tercapai (Hair et al., 1998). Analisis mengesan outlier dalam kajian ini mendapati
hanya petunjuk nisbah COVRATIO didapati paling berkesan. Selepas analisis
diulang sebanyak dua kali didapati 85 kes dikesan sebagai outlier dalam
hubungan di antara orientasi keusahawanan dengan prestasi PJ. Manakala 71
kes dikesan sebagai outlier dalam hubungan di antara orientasi keusahawanan
dengan prestasi PH . Sebanyak 116 kes dikesan sebagai outlier dalam hubungan
di antara orientasi keusahawanan dengan prestasi PM.
4.8.7 Pemeriksaan Post-hoc
Pemeriksaan post-hoc mengesahkan tahap perubahan dalam hubungan di
antara orientasi keusahawanan dengan prestasi apabila terma interaksi
persekitaran ditanggap dimasukkan ke dalam analisis regresi (Aiken & West,
1991). Hanya pekali beta terma interaksi yang signifikan sahaja dilakukan ujian
lanjut menggunakan pemeriksaan post-hoc. Pemeriksaan post-hoc adalah
merujuk kepada rajah keluk berganda yang dibentuk menggunakan sampel yang
mewakili orientasi keusahawanan dan persekitaran yang ditanggap yang telah
dibahagi kepada tahap rendah dan tahap tinggi. Kedua-dua sampel yang
mewakili persekitaran yang ditanggap tahap tinggi dan rendah diplotkan sebagai
keluk tinggi dan rendah di dalam rajah. Kedudukan keluk persekitaran yang
ditanggap
adalah
ditentukan
oleh
tahap
rendah
atau
tinggi
orientasi
keusahawanan di atas paksi-x yang menerangkan tahap rendah atau tinggi
prestasi PKS Bumiputera di atas paksi-y.
127
Penerimaan hipotesis adalah berdasarkan pekali beta terma interaksi yang
signifikan dan keluk persekitaran yang ditanggap tinggi menerangkan hubungan
orientasi keusahawanan dengan prestasi secara positif bagi interaksi bersilang
(Cohen et al., 2003). Manakala bagi interaksi selari kecerunan keluk persekitaran
yang ditanggap tinggi hendaklah mengatasi kecerunan keluk persekitaran yang
ditanggap rendah (Aiken & West, 1991).
4.9
Rumusan
Metodologi kajian ini adalah menggunakan kaedah persampelan rawak
berlapis secara berkadaran sebagai rangka persampelan. Pemilihan sampel
adalah secara rawak daripada populasi berdasarkan perkadaran jumlah
responden di dalam tiga negeri yang dikaji. Responden dihubungi melalui surat
untuk mengelakkan pengaruh keinginan sosial. Pengaruh varians kaedah biasa di
atasi dengan memastikan responden menjawab bagi pihak firma, serta susunan
soalan dalam soal selidik didahului oleh pemboleh ubah tidak bersandar diikuti
oleh pemboleh ubah bersandar. Instrumen mengandungi empat bahagian utama
iaitu 29 item orientasi keusahawanan, 19 item persekitaran yang ditanggap, 10
item maklumat demografi dan 4 item untuk pengiraan pemboleh ubah prestasi.
Prestasi dikira mengikut persamaan pulangan jualan, pulangan harta dan
pulangan modal. Pemboleh ubah kawalan dikod semula menggunakan kod dami.
Analisis data dilaksanakan dengan menggunakan analisis faktor, kecenderungan
memusat, korelasi, dan regresi berganda berperingkat untuk pengujian hipotesis.
Metodologi kajian menetapkan dasar pengujian hipotesis yang menggunakan
128
analisis regresi berganda berperingkat dengan mengambil kira andaian bahawa
data adalah normal, linear, bebas daripada pengaruh heterokedastisiti, bebas
daripada multikolineariti, bebas daripada kewujudan outlier dan melaksanakan
pemeriksaan post-hoc terhadap keputusan analisis regresi yang signifikan untuk
mengesahkan terma interaksi penyederhana yang mempengaruhi hubungan
pemboleh ubah tidak bersandar dengan pemboleh ubah bersandar.
129
METODOLOGI
4.0
Pengenalan
Metodologi kajian dibincang berdasarkan sembilan tajuk utama. Pertama,
rangka persampelan, kedua, kriteria responden, ketiga, kaedah pengutipan data,
keempat,
instrumen
kajian,
kelima,
pemboleh
ubah
kawalan,
keenam,
menganalisis data, ketujuh, penerangan jenis penyederhana mengikut Sharma et
al. (1981), kelapan, dasar pengujian hipotesis dan akhir sekali, kesimpulan.
4.1
Rangka Persampelan
Teknik persampelan yang digunakan dalam kajian ini ialah persampelan
rawak
berlapis
secara
berkadaran
iaitu
sampel
kebarangkalian
yang
menggunakan teknik pemprosesan dua peringkat dengan membahagikan seluruh
populasi kepada sub-populasi atau lapisan. Sub-populasi adalah berdasarkan
populasi PKS Bumiputera dari setiap negeri dalam kajian. Seterusnya jumlah PKS
Bumiputera di setiap negeri ditentukan mengikut perkadaran daripada jumlah
keseluruhan populasi. Prosedur pemilihan sampel secara rawak dilakukan
terhadap setiap sub-populasi seperti yang dicadangkan oleh Malhotra (1999).
Kaedah ini digunakan kerana dua sebab, pertama, kaedah ini boleh
meningkatkan kecekapan berstatistik terhadap sampel yang digunakan dan
kedua, kaedah ini menyediakan data yang mencukupi dan mencakupi semua
populasi dalam kajian (Cooper & Schindler, 2001).
106
Populasi PKS Bumiputera dalam kajian ini adalah terdiri daripada firma yang
terlibat dengan program latihan, pembiayaan, serta berdaftar dengan MARA dan
MEDEC. Semua firma yang berdaftar dan menyertai program MARA dan MEDEC
adalah terdiri daripada PKS Bumiputera. Menurut Mohamad (2000) bilangan PKS
Bumiputera yang terlibat dengan program MARA dan MEDEC adalah melebihi
70% dari semua PKS Bumiputera di Malaysia.
Kriteria firma untuk tujuan kajian ini adalah terdiri daripada PKS Bumiputera
yang mempunyai pekerja melebihi 10 orang dan tidak melebihi 150 orang dan
telah beroperasi selama lima tahun atau lebih. Menurut Hashim (2000a) kriteria
PKS seperti tersebut boleh menghasilkan maklum balas tentang pemboleh ubah
mewakili firma kerana struktur organisasinya sudah wujud. Jumlah populasi kajian
dianggarkan sebanyak 1,500 unit iaitu 11% dari jumlah semua PKS Bumiputera di
Malaysia. Berdasarkan maklumat yang dikemukakan oleh SMIDEC dalam kajian
Hashim (2000a), bilangan semua PKS dalam tahun 1999 ialah sebanyak 20,000
unit. PKS Bumiputera mewakili lebih dari 70% daripada semua PKS iaitu 20,000
unit, dengan ini anggaran jumlah PKS Bumiputera di Malaysia ialah sebanyak
14,000 unit (Malaysia, 2001). Manakala PKS Bumiputera di kawasan utara yang
mewakili populasi kajian ini ialah 11% daripada jumlah semua PKS Bumiputera di
Malaysia (Abdullah, 1997).
Perkadaran bilangan PKS Bumiputera untuk setiap negeri dalam kajian ini
adalah berdasarkan jumlah populasi PKS Bumiputera di setiap negeri.
Perkadaran untuk negeri Perlis ialah 10% atau 150 unit PKS, manakala negeri
107
Kedah ialah sebanyak 600 unit PKS atau 40% dan 750 unit atau 50% di negeri
Pulau Pinang. Menurut Ayob (1997) perkadaran perlu dilakukan jika taburan PKS
Bumiputera di setiap negeri dalam kajian adalah tidak seimbang. Senarai PKS
Bumiputera ini diperolehi melalui pejabat MARA negeri Perlis, Kedah dan Pulau
Pinang dan MEDEC di Universiti Teknologi MARA.
Sampel kajian dipilih secara rawak daripada populasi peserta program serta
senarai PKS Bumiputera yang berdaftar dengan MARA negeri dan juga program
MEDEC di peringkat negeri. Kaedah rawak berkadaran dilakukan dengan memilih
firma menggunakan nombor rawak dalam jadual nombor rawak yang bersamaan
dengan nombor pada senarai PKS Bumiputera yang berdaftar dengan agensi
berkenaan mengikut negeri (Ayob, 1997).
Jadual 4.1
Perkadaran Pemilihan Sampel
Negeri
Perlis
Kedah
Pulau Pinang
Populasi
150
600
750
Perkadaran
10%
40%
50%
Jumlah sampel
61
246
303
Jumlah
1500
100%
610
Pemilihan sampel adalah berasaskan pembahagian secara berkadaran
mengikut negeri di mana PKS Bumiputera negeri Perlis menepati kadar 10% dari
keseluruhan sampel, negeri Kedah 40%, dan Pulau Pinang 50% (SMIDEC, 2000)
(rujuk Jadual 4.1). Pemilihan secara rawak ini dilakukan secara berasingan untuk
setiap negeri berdasarkan cadangan oleh Zikmund (2003). Kaedah berkadaran
seperti ini dapat mengatasi masalah pembahagian berat sebelah di mana
108
responden dari setiap negeri mempunyai peluang yang sama untuk dipilih
mengikut pandangan Cooper dan Schindler (2001).
Oleh sebab kadar maklumbalas yang rendah mengikut pengalaman
penyelidik yang lepas seperti yang dilaporkan oleh Hashim (2000b), jumlah firma
yang dihubungi ialah sebanyak 610 firma mewakili 41% daripada jumlah populasi.
Setiap firma yang terpilih dihantar dengan sepucuk surat berisi soal selidik
dan sampul surat bersetem untuk memudahkan responden menghantar balik soal
selidik yang telah diisi. Soal selidik dihantar kepada semua firma yang terpilih
bertepatan dengan saranan oleh Konting (1993) bahawa jika lebih banyak soal
selidik yang diisi dikembalikan, ralat persampelan menjadi semakin rendah
kerana pertambahan saiz sampel akan meningkatkan perwakilan daripada
populasi.
Soal selidik mula dihantar pada awal bulan November 2003 dan tindakan
susulan dibuat bermula bulan Januari 2004 hingga Jun 2004. Sehingga bulan Jun
2004 sebanyak 232 firma telah mengembalikan soal selidik, 22 soal selidik
didapati tidak lengkap dan diketepikan dari analisis berikutnya. Oleh itu sebanyak
210 soal selidik yang dapat digunakan menunjukkan peratusan maklum balas
iaitu pada kadar 38%.
109
4.2
Kriteria Responden
Responden kepada kajian ini ialah pemilik atau pengurus tertinggi setiap
PKS Bumiputera yang dipilih. Pemilik atau pengurus tertinggi PKS Bumiputera
memberikan maklumbalas mewakili firma masing-masing mengenai orientasi
keusahawanan, persekitaran yang ditanggap dan prestasi firma. Pemilihan
pemilik dan pengurus tertinggi PKS Bumiputera ini dilakukan mengikut kriteria
yang dicadangkan oleh Podsakoff dan Organ (1986). Ini adalah kerana kumpulan
ini mempunyai pengetahuan yang lebih mendalam mengenai firma dan
persekitaran yang ditanggap oleh mereka. Kaedah ini juga digunakan untuk
mendapatkan ukuran tahap firma dan sekaligus dapat mengurangkan kesan
varians kaedah biasa (Dess et al., 1997; Lumpkin dan Dess, 2001; Podsakoff dan
Organ, 1986). Berdasarkan Podsakoff dan Organ (1986) salah satu kaedah untuk
mengurangkan kesan varians kaedah biasa ini ialah dengan meningkatkan tahap
unit yang dianalisis seperti dengan meningkatkan tahap individu kepada tahap
firma (ms. 539). Justeru itu, kajian ini dilakukan mengikut unit pengukuran pada
tahap firma di mana responden menjawab bagi pihak firmanya untuk tiga jenis
pemboleh ubah yang berbeza. Sehubungan dengan itu, Pfeffer dan Salancik
(1978) mencadangkan supaya susunan di dalam soalan hendaklah didahului oleh
soalan pemboleh ubah tidak bersandar dengan diikuti oleh pemboleh ubah
bersandar untuk mengurangkan kesan artifak konsistensi yang menyumbang
kepada kesan varians kaedah biasa (Podsakoff dan Organ, 1986).
110
4.3
Kaedah Pengutipan Data
Pengutipan data untuk kajian ini ialah menggunakan kaedah perhubungan
melalui surat untuk mengatasi pengaruh keinginan sosial atau social desirability
bias. Kaedah ini didapati sesuai untuk mendapatkan maklumat kewangan dan
gelagat peribadi mengikut catatan oleh Ones, Reiss dan Viswesvaran (1996).
Firma yang dipilih secara rawak seperti yang diterangkan dalam kaedah
persampelan dihubungi dengan sepucuk surat disertakan dengan sampul surat
beralamat dan bersetem untuk memudahkan responden mengembalikan soal
selidik yang telah diisi kepada penyelidik.
4.4
Instrumen Kajian
Ukuran orientasi keusahawanan dan persekitaran yang ditanggap dipilih
sebagai
pemboleh
ubah
untuk
menerangkan
PKS
Bumiputera
adalah
berdasarkan tahap konsistensi dalaman dan kesahihannya yang telah terbukti
sebagaimana yang dilaporkan oleh Khandwalla (1977), Miller dan Friesen (1982),
Miller (1983), Knight (1997), Wilklund (1998a), dan Kreiser at al. (2002c). Hinkin
(1995) mencadangkan supaya setiap dimensi diukur mengunakan sekurangkurangnya lima item dengan skala Likert di antara 5 poin hingga 7 poin.
Pengukuran dimensi orientasi keusahawanan adalah berasaskan instrumen
yang telah dibangunkan oleh Miller (1983, 1990). Dimensi yang dibangunkan oleh
Miller (1983, 1990) adalah terdiri dari inovatif, proaktif dan mengambil risiko.
Manakala dimensi autonomi di bangunkan oleh Shane et al. (1995) dan dimensi
111
daya saing agresif dibangunkan oleh Covin dan Covin (1990). Semua dimensi
pemboleh ubah orientasi keusahawanan berjumlah 29 item menggunakan skala
daripada “1” (sangat tidak bersetuju) hingga “7” (sangat bersetuju). Dimensi
orientasi keusahawanan ialah terdiri dari sikap berautonomi (6 pernyataan),
berinovatif (8 pernyataan), proaktif (5 pernyataan), mengambil risiko (5
pernyataan), dan berdaya saing yang agresif (5 pernyataan).
Persekitaran yang ditanggap pula diukur menggunakan instrumen yang
dibangunkan oleh Miller (1983), Schultz, Slevin dan Covin (1995) dan Zahra dan
Garvis (2000). Tiga jenis persekitaran yang diukur adalah dinamik, bermusuhan
dan membantu. Persekitaran dinamik (6 item) menggunakan skala daripada “1”
(sangat tidak bersetuju) hingga “7” (sangat bersetuju), manakala persekitaran
bermusuhan (7 item) dan persekitaran membantu (6 item) menggunakan
pernyataan berskala daripada “1” (sangat rendah) hingga “7” (sangat tinggi).
Pemboleh ubah bersandar menggunakan ukuran prestasi tahunan sebenar
firma. Prestasi dikira menggunakan angka sebenar terdiri daripada jumlah jualan
tahunan, peratus untung bersih, jumlah harta dan modal untuk tempoh tiga tahun
(2000-2002). Higgins (1989) mencadangkan supaya nisbah kewangan dikira
untuk tempoh beberapa tahun supaya variasi dalam tempoh kajian dapat diatasi.
Setiap item dipuratakan untuk digunakan dalam pengiraan nisbah kewangan yang
terdiri daripada kadar pulangan jualan (PJ), kadar pulangan harta (PH) dan kadar
pulangan modal yang dilaburkan (PM) (Higgins, 1989). Nilai sebenar jumlah
112
untung bersih tidak dikutip secara langsung maka pengiraan perlu dibuat dengan
menggunakan persamaan berikut:
Purata Untung Bersih = % Untung Bersih x Purata Jualan
Indeks kadar keuntungan atau kadar pulangan jualan (PJ) dibentuk seperti
berikut:
PJ = Purata Untung Bersih / Purata Jualan
Kadar pulangan harta (PH) pula dikira seperti formula berikut:
PH = Purata Untung Bersih / Purata Harta
Kadar pulangan modal (KPM) dikira seperti formula berikut:
PM = Purata Untung Bersih / Purata Modal
Jadual 4.2
Ringkasan Pemboleh Ubah Kajian
Pemboleh ubah
Orientasi Keusahawanan (OK)
Autonomi
Inovatif
Proaktif
Daya saing agresif
Mengambil risiko
Persekitaran yang ditanggap
Dinamik
Bermusuhan
Membantu
Sumber
Dess et al. (1997)
Shane et al. (1994)
Miller (1983, 1990)
Miller (1983, 1990)
Covin & Covin (1990)
Miller (1990)
6
.89
8
5
5
5
.77
.81
.70
.91
Miller (1983)
Zahra & Garvis (2000)
Schultz,
Slevin
&
Covin (1995)
6
7
6
.74
.70
.84
Demografi
Individu
Firma
Prestasi
Bilangan Cronbach
Item
Alpha
6
4
Higgins (1989)
113
4
Pulangan Jualan (PJ)
Pulangan Harta (PH)
Pulangan Modal (PM)
Ringkasan pembentukan instrumen berasaskan jenis pemboleh ubah,
sumber rujukan, bilangan item dan kebolehpercayaan Cronbach’s Alpha menepati
titik takat .70 seperti yang disyaratkan oleh Nunnally (1978) seperti dalam Jadual
4.2.
4.5
Pemboleh ubah Kawalan
Menurut Blau dan Schoenherr (1971) dan Wilklund (1998a) dimensi
orientasi keusahawanan boleh dipengaruhi oleh saiz firma. Manakala Hitt dan
Tyler (1991) menemui jenis industri dan bentuk pendaftaran juga boleh
mempengaruhi orientasi keusahawanan. Oleh sebab itu, kajian ini mengambil kira
saiz dan bentuk pendaftaran PKS Bumiputera selaku pemboleh ubah kawalan
supaya kesan interaksinya dalam hubungan pemboleh ubah yang dikaji dapat
dipastikan. Saiz PKS Bumiputera diukur menggunakan jumlah bilangan pekerja di
mana firma yang mempunyai 10 hingga 50 orang pekerja adalah PKS Bumiputera
bersaiz kecil dan firma yang mempunyai pekerja lebih daripada 50 orang adalah
PKS Bumiputera bersaiz sederhana. Pemboleh ubah ini diberi kod dami “1” untuk
(PKS Bumiputera bersaiz kecil) dan “0” untuk (PKS Bumiputera bersaiz
sederhana). Pemboleh ubah kawalan bentuk pendaftaran PKS Bumiputera pula,
kod dami “1” (milik tunggal, perkongsian dan syarikat sendirian berhad), manakala
kod dami “0” (syarikat berhad) (Dess et al., 1997). Jadual 4.3 memperincikan kod
dami yang digunakan.
114
Pemboleh ubah dami merupakan pemboleh ubah yang diubahsuai daripada
pengukuran tidak metrik menjadi pengukuran metrik untuk mewakili satu kategori
dari pemboleh ubah kawalan seperti yang dinyatakan di atas (Hair et al., 1998).
Menurut Hair et al. (1998) pemboleh ubah kawalan yang berbentuk kategori atau
dichotomous hendaklah diwakili oleh satu dami untuk pemboleh ubah yang
mempunyai dua kategori. Jika pemboleh ubah tersebut mempunyai tiga kategori
maka hanya dua pemboleh ubah dami digunakan dalam analisis (Hair et al.,
1998). Dalam analisis regresi, pekali regresi pemboleh ubah dami yang diberi kod
“1” adalah kategori rujukan mewakili perbezaan antara min untuk setiap kumpulan
responden yang diwakilinya terhadap pemboleh ubah bersandar (Hair et al.,
1998).
Jadual 4.3
Kod Dami untuk Pemboleh Ubah Kawalan Saiz dan Bentuk
Pendaftaran PKS Bumiputera
Pemboleh ubah
Saiz Firma
PKS saiz kecil
PKS saiz sederhana
PKS Saiz
Kecil
Milik
Tunggal
Perkongsian
Sdn. Bhd.
1
0
Bentuk Pendaftaran
Milik tunggal
Perkongsian
Sdn. Bhd.
Berhad
1
0
0
0
0
1
0
0
0
0
1
0
Nota: Sdn. Bhd. = Syarikat Sendirian Berhad.
4.6
Analisis Data
Data dianalisis melalui dua peringkat, peringkat pertama bermula dengan
proses membersihkan data menggunakan fungsi explore dalam SPSS versi 11.5.
115
Seterusnya
semua
item
dalam
pemboleh
ubah
tidak
bersandar
dan
penyederhana diuji dengan analisis faktor secara berasingan. Di peringkat ini,
analisis faktor dilakukan dengan menggunakan kaedah analisis komponen
prinsipal (AKP) dengan putaran varimax (Hair, Anderson, Tatham dan Black,
1998). Menurut Hair et al. (1998) dan Hinkin (1995) penggunaan AKP adalah lebih
mudah atau tidak mengelirukan berbanding dengan penggunaan kaedah analisis
faktor yang lain. Manakala putaran varimax digunakan berdasarkan hasilnya yang
menerangkan pemisahan yang jelas di antara faktor (Hair, et al., 1998). Muatan
faktor yang dihasilkan oleh kaedah varimax adalah samada tinggi iaitu hampir
kepada –1 atau +1, atau rendah iaitu hampir kepada 0 dalam setiap lajur
matriknya (Hair et al., 1998).
Analisis faktor dilakukan secara berasingan untuk orientasi keusahawanan
dan persekitaran yang ditanggap memandangkan setiap pemboleh ubah mewakili
konsep yang berbeza (Hair et al., 1998; Hinkin, 1995). Menurut Hair et al. (1998),
kemungkinan berlakunya terlebih padanan data atau data overfitting boleh
dikurangkan jika penyelidik melakukan analisis terhadap kumpulan item yang
padan antara satu sama lain berpandukan konsep pemboleh ubah. Hinkin (1995)
mengaitkan kesahihan dalaman dan kebolehpercayaan yang rendah berlaku
apabila berlaku percampuran antara dimensi yang dianalisis. Hinkin (1995)
melaporkan,
It is at this stage of scale construction, however, that poor item
development practices create further problems. .... Simply because items
load on the same factor does not mean that they necessarily measure the
same theoretical construct (Nunnaly, 1978). ... In several cases, an
examination of items within individual scales by the author revealed that
they were either multidimensional and tapping more than one construct, or
116
were examining more than one perspective, for example mixing behaviors
with affective response (ms. 977-978).
Kesesuaian untuk menggunakan analisis faktor adalah berdasarkan
kepada andaian terhadap pengukuran kecukupan sampel atau Kaiser-MeyerOlkin (KMO) measures of sampling adequacy (MSA) melalui ujian Bartlett
Sphericity dan korelasi matrik data (Hair et al., 1998). Ujian Bartlett Sphericity
ialah indeks yang menerangkan tahap signifikan KMO MSA untuk keseluruhan
analisis faktor. Tahap signifikan analisis faktor ditunjukkan oleh indeks KMO MSA
seperti berikut, jika indeks tersebut adalah di antara .50 hingga .59 maka sampel
didapati mencukupi tetapi melarat, jika indeks ialah .60 hingga .69 maka sampel
didapati cukup secara sederhana, jika indeks ialah .70 hingga .79 maka sampel
didapati cukup secara pertengahan dan jika indeks ialah .80 hingga .99 maka
sampel cukup secara terpuji (Hair et al., 1998). Manakala tahap MSA untuk matrik
korelasi data pula, Hair et al. (1998) menyarankan supaya korelasi matrik data di
antara setiap item hendaklah melebihi indeks .50. MSA korelasi matrik data
dikesan di atas pepenjuru dalam analisis anti-image jadual korelasi antara item
atau korelasi separa. Korelasi item yang menunjukkan MSA kurang dari .50 akan
digugurkan dan analisis faktor dilakukan semula.
Penentuan untuk memastikan hasil muatan faktor yang terbaik ialah
dengan mengambil kira nilai eigen melebihi 1.0 poin berasaskan latent root
criterion (Hair et al., 1998; Hinkin, 1995). Hanya faktor yang melebihi 1.0 poin
dianggap signifikan (Hair et al., 1998). Kaedah ini boleh menghasilkan
117
kebolehpercayaan yang tinggi apabila bilangan item yang digunakan adalah di
antara 20 hingga 50 (Hair et al., 1998).
Muatan faktor yang signifikan adalah berasaskan petunjuk yang digariskan
oleh Hair et al. (1998) dengan menggunakan bilangan sampel. Untuk sampel
sebanyak 200, muatan faktor setiap item yang melebihi .40 sahaja dianggap
signifikan (ms. 112). Tahap muatan bersilang juga diambilkira supaya setiap item
mewakili faktor yang telah ditentukan, sekiranya satu item menerangkan lebih dari
satu muatan faktor, item tersebut hendaklah dikeluarkan daripada analisis
mengikut cadangan Hair et al. (1998) dan Hinkin (1995). Titik takat untuk muatan
faktor bersilang ialah pada perbezaan .10 poin atau lebih (Hinkin, 1995).
Analisis faktor juga menghasilkan ringkasan deskriptif untuk faktor matrik
data bertujuan mengesan susunan yang lebih bermakna untuk setiap item dalam
pemboleh ubah (Dess et al., 1997). Muatan faktor membentuk komponen atau
dimensi bagi setiap pemboleh ubah. Setiap dimensi dianalisis kenormalan dan
kelinearan dengan merujuk kepada cadangan Norusis (1993). Kenormalan data
disahkan apabila nilai kepencungan dan kurtosis tidak melebihi 1 poin (Norusis,
1993) (rujuk Lampiran C.4). Kelinearan data pula disahkan menggunakan plot
serakan dan kebarangkalian atau P-P plot (Norusis, 1993) (rujuk Rajah 4.1 – 4.6
dalam Lampiran B).
Penilaian tahap konsistensi dalaman setiap dimensi yang termuat di dalam
analisis
faktor
diukur
menggunakan
kebolehpercayaan
alpha
Cronbach
berdasarkan cadangan oleh Nunnaly (1978) dan Loos & Coulthard (2005). Tahap
118
ukuran alpha Cronbach setiap dimensi yang melebihi poin .50 sahaja diterima
untuk analisis seterusnya. Seterusnya, ujian hubungan dwi-pemboleh ubah
dilakukan menggunakan analisis korelasi Pearson terhadap semua pemboleh
ubah kajian.
Analisis peringkat kedua dilakukan dengan menggunakan analisis regresi
berganda berperingkat (4 langkah) (Aiken & West, 1991; Cohen & Cohen, 1983;
Cohen et al., 2003). Analisis regresi berganda berperingkat digunakan untuk
menguji hubungan secara langsung di antara pemboleh ubah kawalan, pemboleh
ubah
tidak bersandar dengan
pemboleh
ubah
bersandar,
serta
kesan
penyederhana terhadap hubungan di antara pemboleh ubah tak bersandar
dengan pemboleh ubah bersandar. Kesan penyederhana adalah hasil darab
pemboleh ubah tidak bersandar dengan pemboleh ubah penyederhana iaitu;
(orientasi keusahawanan x persekitaran yang ditanggap). Hasil darab ini
diistilahkan sebagai terma interaksi oleh Aiken dan West (1991) dan Cohen et al.
(2003).
Perlaksanaan analisis regresi berganda berperingkat dalam langkah 1
menyaksikan hubungan langsung di antara pemboleh ubah kawalan dengan
pemboleh ubah bersandar. Langkah 2 menganalisis hubungan langsung di antara
pemboleh ubah tidak bersandar dengan pemboleh ubah bersandar. Hasil regresi
dalam langkah 2 akan menjadi asas untuk penerimaan atau penolakan H1a hingga
H3e. Langkah 3 menghasilkan hubungan langsung di antara pemboleh ubah
penyederhana dengan pemboleh ubah bersandar. Hasil dalam langkah 4 analisis
119
regresi menghasilkan kesan terma interaksi penyederhana ke atas hubungan di
antara pemboleh ubah tidak bersandar dengan pemboleh ubah bersandar. Pekali
beta terma interaksi yang signifikan sahaja dilakukan ujian pemisahan sampel
atau post-hoc analysis dalam analisis berikutnya (Aiken & West, 1991; Cohen et
al., 2003).
Sebelum regresi berperingkat dilakukan, Aiken dan West (1991), Cohen
dan Cohen (1983) mencadangkan supaya pemboleh tidak bersandar dan
pemboleh ubah penyederhana dipusatkan atau centered menggunakan skor z
untuk mengurangkan kesan multikolineariti. Skor z dilakukan dengan menukar
dimensi yang berkaitan menggunakan fungsi EXPLORE standardized value
dalam analisis regresi. Empat peringkat regresi yang dilakukan perlu melepasi
tahap perubahan yang signifikan pada p < .05 dalam setiap model. Perubahan
yang signifikan ditunjukkan dalam perubahan R2 dan perubahan nilai F yang
dijadikan asas untuk meneruskan pemeriksaan terhadap pekali beta pemboleh
ubah yang diuji dalam setiap model.
Menurut Aiken dan West (1991), analisis regresi ini menghasilkan pekali
beta peringkat rendah dan tinggi yang mewakili kecerunan garisan regresi. Pekali
beta peringkat rendah adalah pekali beta yang dihasilkan oleh analisis regresi
dalam langkah 1, 2 dan 3 menguji hubungan langsung di antara pemboleh ubah
kawalan, pemboleh ubah tidak bersandar dan pemboleh ubah penyederhana
dengan pemboleh ubah bersandar. Pekali beta peringkat rendah menunjukkan
nilai hubungan yang bebas di antara pemboleh ubah yang diregresikan. Manakala
120
pekali beta peringkat tinggi pula dihasilkan dalam langkah 4 apabila terma
interaksi diregresikan dengan pemboleh ubah bersandar (Aiken & West, 1991;
Cohen et al., 2003). Ini bermakna berubahnya hubungan di antara pemboleh
ubah tidak bersandar dengan pemboleh ubah bersandar bergantung kepada nilai
pemboleh ubah penyederhana berdasarkan tahap pemboleh ubah tidak
bersandar (Aiken & West, 1991). Sharma et al. (1981) mencatatkan bahawa
hanya penyederhana quasi dan tulen sahaja berperanan mengubah hubungan di
antara pemboleh ubah tidak bersandar dengan pemboleh ubah bersandar (p.
293).
Walaupun pekali beta peringkat tinggi menunjukkan ianya signifikan tetapi
pemeriksaan post-hoc menggunakan pemisahan keseluruhan sampel dibuat
mengikut saranan Aiken dan West (1991) dan Sharma et al. (1981). Pemeriksaan
post-hoc mengesahkan kedudukan nilai beta terma interaksi di antara setiap
pemboleh ubah penyederhana terhadap hubungan yang signifikan sahaja di
antara dimensi orientasi keusahawanan dengan prestasi. Setiap pemboleh ubah
tidak bersandar dan penyederhana yang berkenaan dibahagikan kepada dua
kelompok menggunakan nilai min. Kelompok skor rendah ialah dengan menolak
1 sisihan piawai dari nilai min manakala kelompok skor tinggi ditentukan dengan
mencampurkan 1 sisihan piawai dengan nilai min pemboleh ubah tidak bersandar
dan penyederhana yang berkaitan. Kelompok sampel mewakili skor rendah diberi
nilai 0 manakala kelompok sampel mewakili skor tinggi diberi nilai 1. Rajah
garisan berganda dilakar dengan menggunakan kedua-dua nilai dengan
meletakkan pemboleh ubah bersandar pada paksi-y dan pemboleh ubah tidak
121
bersandar pada paksi-x, manakala pemboleh ubah penyederhana mewakili keluk
tinggi dan rendah (Cohen et al., 2003).
4.7
Penentuan Jenis Penyederhana
Sehubungan dengan itu, untuk mengenal pasti jenis penyederhana,
Sharma et al. (1981) membahagikannya kepada empat jenis. Penyederhana
ditentukan berdasarkan hubungan korelasi dan interaksinya yang signifikan
dengan pemboleh ubah tidak bersandar dan/atau pemboleh ubah bersandar
seperti yang dilakukan di dalam kajian oleh Becherer dan Maurer (1997).
Pertama, pemboleh ubah yang bukan tergolong sebagai penyederhana
iaitu terdiri daripada pemboleh ubah jenis pencelah, luaran, anteseden, penyekat
atau peramal seperti dalam kuadran 1 (k1), (rujuk Rajah 4.1). Pemboleh ubah
jenis ini ditentukan apabila tiada interaksi dengan pemboleh ubah tidak bersandar
tetapi berkorelasi secara signifikan dengan mana-mana pemboleh ubah tidak
bersandar dan/atau pemboleh ubah bersandar.
Kedua,
penyederhana
jenis
homologizer
ialah
pemboleh
ubah
penyederhana yang tiada interaksi yang signifikan dengan pemboleh ubah tidak
bersandar dan juga tidak menunjukkan korelasi yang signifikan dengan manamana pemboleh ubah tidak bersandar atau pemboleh ubah bersandar seperti
dalam kuadran 2 (k2), (rujuk Rajah 4.1).
Ketiga,
penyederhana
jenis
quasi
ialah
apabila
pemboleh
ubah
penyederhana yang menunjukkan interaksi yang signifikan dengan pemboleh
122
ubah tidak bersandar dan berkorelasi secara signifikan dengan pemboleh ubah
bersandar seperti dalam kuadran 3 (k3), (rujuk Rajah 4.1).
Keempat, penyederhana jenis tulen ialah apabila pemboleh ubah
penyederhana yang berinteraksi secara signifikan dengan pemboleh ubah tidak
bersandar tetapi tidak menunjukkan korelasi yang signifikan dengan pemboleh
ubah bersandar seperti dalam kuadran 4 (k4), (rujuk Rajah 4.1).
Berkorelasi dengan
Kriteria dan/atau
Peramal
Tidak berkorelasi dengan
Kriteria dan Peramal
Tidak berinteraksi
Dengan Peramal
k1
Pencelah, Luaran,
Anteseden, Penyekat,
Peramal
k2
Penyederhana
Homologizer
Berinteraksi
Dengan Peramal
k3
Penyederhana
Quasi
k4
Penyederhana
Tulen
Rajah 4.1 Tipologi spesifikasi pemboleh ubah.
Sumber: Sharma et al. (1981).
4.8
Dasar Pengujian Hipotesis
Pengujian hipotesis adalah berdasarkan kepada penggunaan tahap
signifikan penerimaan atau penolakan hipotesis pada kebarangkalian sekurangkurangnya .05 (Aiken & West, 1991; Cohen et al., 2003). Pengujian hipotesis juga
adalah berkaitan dengan andaian terhadap kesahihan data yang diuji. Andaian
tersebut ialah dengan menilai semula tahap kenormalan, kelinearan, kebebasan
dari terma ralat, homoskedastisiti, multikolineariti, kewujudan outlier dan
pemeriksaan post-hoc menggunakan kaedah pembahagian sampel.
123
4.8.1 Kenormalan Data
Kenormalan data disahkan dengan merujuk kepada plot serakan dan
kebarangkalian yang melakarkan kedudukan taburan normal antara nilai yang
dijangka atau predicted value pemboleh ubah tidak bersandar dengan reja
studentized pemboleh ubah tidak bersandar. Plot kebarangkalian dan serakan
digunakan untuk mengesan taburan yang tidak normal memastikan bahawa
hipotesis kenormalan tidak dapat ditolak. Pengujian untuk kenormalan data
adalah merujuk kepada kaedah yang dicadangkan oleh Norusis (1993) (rujuk
Rajah 4.1 - 4.6 dalam Lampiran B).
4.8.2 Kelinearan Data
Kelinearan data disahkan dengan merujuk kepada kedudukan titik
hubungan di antara pemboleh ubah tidak bersandar dan pemboleh ubah
bersandar. Data yang linear ditunjukkan oleh titik yang berada di atas garisan
linear dan tidak tersebar terlalu jauh dari garisan dalam plot serakan (Norusis,
1993) (rujuk Rajah 4.1, 4.2, 4.3 dalam Lampiran B).
4.8.3 Kebebasan Terma Ralat
Bebas dari terma ralat bermakna data yang dikutip tidak terlalu berbeza di
dalam suatu jangka masa. Ujian Durbin-Watson (DW) dilakukan untuk mengesan
korelasi antara reja, nilai julat dalam ujian ini ialah antara DW 0 hingga 4.
Kebebasan dari terma ralat ditunjukkan oleh titik takat DW antara 1.5 hingga 2.5
124
mengikut cadangan Nunnaly (1978). Jika reja tidak berkorelasi antara satu sama
lain nilai DW hendaklah hampir kepada 2.00 (Dean, 1993) yang menandakan
data bebas daripada terma ralat. Nilai ujian DW kajian ini ialah 1.91 dalam regresi
berperingkat berhubung dengan prestasi PJ, 2.13 berhubung dengan prestasi PH,
dan 2.07 dalam hubungan dengan prestasi PM (rujuk keputusan regresi dalam
Lampiran C.6, C.7 dan C.8).
4.8.4 Homoskedastisiti
Homoskedastisiti dikesan menggunakan plot serakan yang dibentuk diatas
rajah serakan antara reja piawai dengan nilai yang dijangka. Titik hubungan
antara kedua pemboleh ubah tersebut hendaklah berkumpul di atas garis lurus
bersamaan dengan 0 (Hair et al., 1998) (rujuk Rajah 4.1, 4.2, 4.3 dalam lampiran
B).
4.8.5 Multikolineariti
Multikolineariti merupakan fenomena yang menunjukkan hubungan di
antara dua pemboleh ubah yang berkorelasi tinggi (Cohen et al., 2003).
Multikolineariti bermaksud dua pemboleh ubah yang menunjukkan pengukuran
yang hampir sama dan tidak jelas pemisahannya (Agus, 2000). Multikolineariti
dikesan melalui analisis korelasi dan analisis regresi. Dalam analisis korelasi,
setiap pemboleh ubah menunjukkan hubungan bebas dari multikolineariti apabila
nilai r atau korelasi tidak melebihi .70 (Mueller, 1996). Manakala dalam analisis
regresi, hubungan multikolineariti berlaku antara pemboleh ubah tidak bersandar
dengan pemboleh ubah bersandar dikesan menggunakan nilai toleransi dan
125
faktor inflasi varians. Petunjuk multikolineariti adalah berdasarkan nilai toleransi
yang tidak melebihi 1.0 poin dan faktor inflasi varians yang tidak melebihi 10 poin
menandakan hubungan tersebut bebas dari kesan multikolineariti (Cohen et al.,
2003; Hair et al., 1998). Analisis regresi kajian ini menghasilkan nilai toleransi .11
hingga .94 manakala VIF ialah 1.0 hingga 9.0. (rujuk Lampiran C.6, C7 dan C.8)
4.8.6 Kewujudan Outlier
Mengesan kewujudan outlier dilakukan pada langkah terakhir untuk
mengesahkan hubungan yang signifikan di antara pemboleh ubah yang dikaji.
Tiga pendekatan digunakan untuk tujuan ini, pertama ialah dengan mengesan
nilai reja yang melebihi 1.96 menggunakan nilai jangkaan piawai ZRESID dan
nilai jangkaan studentized SRESID (Cohen et al., 2003). Kedua ialah dengan
menggunakan kaedah jarak atau distance iaitu dengan mengesan jarak kes yang
melampaui nilai purata pemboleh ubah tidak bersandar. Kaedah jarak adalah
dengan menggunakan petunjuk jarak Cook (COOK D), Mahalanobis (MAHAL),
dan nilai leverage (LEVER). Nilai jarak COOK D yang dianggap sebagai outlier
ialah apabila nilainya melebihi 0.02030. Manakala bagi nilai jarak MAHAL pula
ialah apabila nilainya melebihi 10. Nilai LEVER ialah dengan menggunakan
petunjuk nilai Hat yang melebihi 0.15714. Apabila outlier dikesan, kes yang
berkenaan diketepikan dari analisis regresi seterusnya. Ketiganya, ialah outlier
yang dikesan dengan menggunakan poin yang berpengaruh menggunakan
petunjuk nisbah kovariasi (COVRATIO). Nilai COVRATIO yang kurang dari nilai .
80 dan melebihi nilai 1.20 adalah dianggap sebagai outlier (Hair et al., 1998).
126
Outlier dikesan menggunakan ketiga-tiga pendekatan tersebut dengan
melakukannya secara berulang-ulang sehingga tahap signifikan yang diharapkan
tercapai (Hair et al., 1998). Analisis mengesan outlier dalam kajian ini mendapati
hanya petunjuk nisbah COVRATIO didapati paling berkesan. Selepas analisis
diulang sebanyak dua kali didapati 85 kes dikesan sebagai outlier dalam
hubungan di antara orientasi keusahawanan dengan prestasi PJ. Manakala 71
kes dikesan sebagai outlier dalam hubungan di antara orientasi keusahawanan
dengan prestasi PH . Sebanyak 116 kes dikesan sebagai outlier dalam hubungan
di antara orientasi keusahawanan dengan prestasi PM.
4.8.7 Pemeriksaan Post-hoc
Pemeriksaan post-hoc mengesahkan tahap perubahan dalam hubungan di
antara orientasi keusahawanan dengan prestasi apabila terma interaksi
persekitaran ditanggap dimasukkan ke dalam analisis regresi (Aiken & West,
1991). Hanya pekali beta terma interaksi yang signifikan sahaja dilakukan ujian
lanjut menggunakan pemeriksaan post-hoc. Pemeriksaan post-hoc adalah
merujuk kepada rajah keluk berganda yang dibentuk menggunakan sampel yang
mewakili orientasi keusahawanan dan persekitaran yang ditanggap yang telah
dibahagi kepada tahap rendah dan tahap tinggi. Kedua-dua sampel yang
mewakili persekitaran yang ditanggap tahap tinggi dan rendah diplotkan sebagai
keluk tinggi dan rendah di dalam rajah. Kedudukan keluk persekitaran yang
ditanggap
adalah
ditentukan
oleh
tahap
rendah
atau
tinggi
orientasi
keusahawanan di atas paksi-x yang menerangkan tahap rendah atau tinggi
prestasi PKS Bumiputera di atas paksi-y.
127
Penerimaan hipotesis adalah berdasarkan pekali beta terma interaksi yang
signifikan dan keluk persekitaran yang ditanggap tinggi menerangkan hubungan
orientasi keusahawanan dengan prestasi secara positif bagi interaksi bersilang
(Cohen et al., 2003). Manakala bagi interaksi selari kecerunan keluk persekitaran
yang ditanggap tinggi hendaklah mengatasi kecerunan keluk persekitaran yang
ditanggap rendah (Aiken & West, 1991).
4.9
Rumusan
Metodologi kajian ini adalah menggunakan kaedah persampelan rawak
berlapis secara berkadaran sebagai rangka persampelan. Pemilihan sampel
adalah secara rawak daripada populasi berdasarkan perkadaran jumlah
responden di dalam tiga negeri yang dikaji. Responden dihubungi melalui surat
untuk mengelakkan pengaruh keinginan sosial. Pengaruh varians kaedah biasa di
atasi dengan memastikan responden menjawab bagi pihak firma, serta susunan
soalan dalam soal selidik didahului oleh pemboleh ubah tidak bersandar diikuti
oleh pemboleh ubah bersandar. Instrumen mengandungi empat bahagian utama
iaitu 29 item orientasi keusahawanan, 19 item persekitaran yang ditanggap, 10
item maklumat demografi dan 4 item untuk pengiraan pemboleh ubah prestasi.
Prestasi dikira mengikut persamaan pulangan jualan, pulangan harta dan
pulangan modal. Pemboleh ubah kawalan dikod semula menggunakan kod dami.
Analisis data dilaksanakan dengan menggunakan analisis faktor, kecenderungan
memusat, korelasi, dan regresi berganda berperingkat untuk pengujian hipotesis.
Metodologi kajian menetapkan dasar pengujian hipotesis yang menggunakan
128
analisis regresi berganda berperingkat dengan mengambil kira andaian bahawa
data adalah normal, linear, bebas daripada pengaruh heterokedastisiti, bebas
daripada multikolineariti, bebas daripada kewujudan outlier dan melaksanakan
pemeriksaan post-hoc terhadap keputusan analisis regresi yang signifikan untuk
mengesahkan terma interaksi penyederhana yang mempengaruhi hubungan
pemboleh ubah tidak bersandar dengan pemboleh ubah bersandar.
129