Latihan Hands-On PK8 — Ujian Mediasi Bootstrapping (PPO Perantara KD-KDG)

🔄 Bahagian 1: Konsep Bootstrapping

Fahami asas teknik pensampelan semula (resampling) dan kegunaannya dalam ujian mediasi.

🎓

Prof Dr: Bootstrapping ialah teknik pensampelan semula yang mengambil 5,000 subsampel daripada data asal (n=150) secara rawak dengan penggantian. Setiap subsampel mengira kesan tidak langsung (a×b). Hasilnya membentuk taburan bootstrap dan kita bina selang keyakinan (CI) 95% daripadanya.

SOALAN 1 / 26

Berapakah bilangan subsampel bootstrap yang digunakan dalam kajian ini?

1,000

5,000

10,000

SOALAN 2 / 26

Apakah ciri utama pensampelan semula bootstrapping?

Sampel diambil secara rawak DENGAN penggantian (with replacement)

Sampel diambil secara rawak TANPA penggantian (without replacement)

SOALAN 3 / 26

Mengapa bootstrapping lebih baik daripada Sobel test untuk ujian mediasi?

Bootstrapping tidak memerlukan andaian taburan normal bagi kesan tidak langsung

Bootstrapping lebih mudah dikira

Sobel test memerlukan sampel besar (n > 1000)

SOALAN 4 / 26

Apakah kriteria utama untuk menentukan kesan tidak langsung signifikan melalui bootstrapping?

Selang keyakinan (CI) 95% TIDAK mengandungi nilai sifar (0)

Nilai bootstrap melebihi 1.96

Taburan bootstrap mestilah normal

📊 Bahagian 2: Baca Output Bootstrapping AMOS

Mentafsir jadual kesan tidak langsung, kesan terus, dan CI 95% bias-corrected.

🎓

Prof Dr: Lihat jadual output bootstrapping AMOS. Tiga baris penting: Kesan Tidak Langsung (a×b = 0.174, CI [0.072, 0.301]), Kesan Terus (c' = 0.298, CI [0.024, 0.572]), dan Jumlah Kesan (0.472).

Standardized Indirect Effects — Bootstrap (5,000 samples, BC 95% CI)

Kesan	Anggaran	SE (Boot)	Lower 2.5%	Upper 2.5%	P
Tidak Langsung (a×b)	0.174	0.058	0.072	0.301	0.003
Terus (c')	0.298	0.139	0.024	0.572	0.034
Jumlah	0.472	0.089	0.298	0.646	<0.001

SOALAN 5 / 26

Berapakah nilai kesan tidak langsung (a×b) bagi KD → PPO → KDG?

SOALAN 6 / 26

Berapakah had bawah (Lower) CI 95% bagi kesan tidak langsung?

SOALAN 7 / 26

Berapakah had atas (Upper) CI 95% bagi kesan tidak langsung?

SOALAN 8 / 26

Adakah CI [0.072, 0.301] mengandungi nilai sifar (0)?

TIDAK — kedua-dua had positif, sifar tiada dalam julat

YA — 0.072 hampir dengan sifar

📐 Bahagian 3: CI & Keputusan Mediasi

Tentukan jenis mediasi berdasarkan CI kesan tidak langsung dan kesan terus.

🎓

Prof Dr: Peraturan emas: Jika CI kesan tidak langsung tidak mengandungi 0, kesan tidak langsung signifikan dan PPO = pengantara. Kemudian semak kesan terus: jika CI terus juga tidak mengandungi 0 → Mediasi Separa. Jika mengandungi 0 → Mediasi Penuh.

📐 CI 95% — KESAN TIDAK LANGSUNG

[0.072 — 0.301]

✓ Tidak merentasi 0 → Signifikan

📐 CI 95% — KESAN TERUS

[0.024 — 0.572]

✓ Tidak merentasi 0 → Signifikan

SOALAN 9 / 26

CI kesan tidak langsung = [0.072, 0.301]. Apakah keputusan?

Kesan tidak langsung SIGNIFIKAN — PPO adalah pengantara

Kesan tidak langsung TIDAK signifikan

SOALAN 10 / 26

CI kesan terus = [0.024, 0.572]. Adakah kesan terus masih signifikan?

YA — CI tidak mengandungi 0, kesan terus masih signifikan

TIDAK — 0.024 terlalu hampir dengan sifar

SOALAN 11 / 26

Jika kedua-dua CI (tidak langsung DAN terus) TIDAK mengandungi 0, apakah jenis mediasi?

Mediasi Separa (Partial Mediation)

Mediasi Penuh (Full Mediation)

Tiada Mediasi

SOALAN 12 / 26

Jika CI kesan tidak langsung = [0.072, 0.301] (signifikan) tetapi CI kesan terus = [-0.05, 0.40] (mengandungi 0), jenis mediasi apa?

Mediasi Penuh (Full Mediation) — kesan terus tidak signifikan

Mediasi Separa

📏 Bahagian 4: VAF & Pengiraan Kesan Mediasi

Kira Variance Accounted For (VAF) dan fahami kekuatan mediasi PPO.

🎓

Prof Dr: VAF = Kesan Tidak Langsung ÷ Jumlah Kesan. Dalam kajian kita: 0.174 ÷ 0.472 = 36.9%. Ini bermaksud PPO menyalurkan 37% kesan KD terhadap KDG. Klasifikasi: <20% (tiada), 20–80% (separa), >80% (penuh).

VAF = a×b ÷ (c' + a×b) = 0.174 ÷ 0.472 = 0.369 = 36.9%

SOALAN 13 / 26

Kira kesan tidak langsung: a × b = 0.456 × 0.382 = ?

SOALAN 14 / 26

Kira jumlah kesan: c' + (a×b) = 0.298 + 0.174 = ?

SOALAN 15 / 26

Kira VAF: 0.174 ÷ 0.472 = ? (dalam peratus, 1 titik perpuluhan)

SOALAN 16 / 26

VAF = 36.9%. Apakah klasifikasi mediasi berdasarkan VAF?

Tiada mediasi (VAF < 20%)

Mediasi Separa (20% ≤ VAF ≤ 80%)

Mediasi Penuh (VAF > 80%)

SOALAN 17 / 26

VAF 36.9% bermaksud PPO menyalurkan berapa peratus kesan KD terhadap KDG?

~37% — lebih satu pertiga kesan melalui PPO

~63% — lebih separuh kesan melalui PPO

SOALAN 18 / 26

Apakah status H₇: "PPO menjadi perantara signifikan antara KD dan KDG"?

H₇ Disokong — CI tidak mengandungi 0, PPO pengantara separa signifikan

H₇ Tidak Disokong

✍️ Bahagian 5: Penulisan Dapatan Akademik

Tulis dapatan PK8 menggunakan format akademik APA dengan statistik bootstrapping.

🎓

Prof Dr: Penulisan bootstrapping perlu mengandungi: kesan tidak langsung, CI 95%, bilangan bootstrap, dan jenis mediasi. Contoh: "Ujian bootstrapping (5,000 sampel) menunjukkan kesan tidak langsung KD terhadap KDG melalui PPO adalah signifikan (a×b = 0.174, BC 95% CI [0.072, 0.301], p = 0.003). Kesan terus turut signifikan (c' = 0.298, p = 0.034). Ini menunjukkan mediasi separa (VAF = 36.9%). H₇ disokong."

SOALAN 19 / 26

Manakah penulisan dapatan PK8 yang PALING lengkap dan tepat?

"PPO menjadi mediator antara KD dan KDG (p < 0.05)."

"Ujian bootstrapping (5,000 sampel) menunjukkan kesan tidak langsung KD terhadap KDG melalui PPO adalah signifikan (a×b = 0.174, BC 95% CI [0.072, 0.301], p = 0.003). Kesan terus turut signifikan (c' = 0.298, p = 0.034), menunjukkan mediasi separa (VAF = 36.9%). H₇ disokong."

"Bootstrapping menunjukkan PPO berkorelasi dengan KD dan KDG."

SOALAN 20 / 26

Apakah maklumat yang WAJIB dilaporkan dalam penulisan ujian bootstrapping mediasi?

Bilangan bootstrap, kesan tidak langsung, CI 95%, p-value, dan jenis mediasi

Hanya p-value dan jenis mediasi

🎓 Bahagian 6: Rumusan Komprehensif PK2–PK8

Rumusan keseluruhan 7 persoalan kajian dan 7 hipotesis — daripada ujian-t, SEM, hingga bootstrapping.

🎓

Prof Dr: Kita telah menguji 7 hipotesis merentas tiga kaedah: Ujian-t (PK2–PK4), SEM-AMOS (PK5–PK7), dan Bootstrapping (PK8). Hasilnya: 6 disokong, 1 tidak disokong (PK4/H₃). Model mediasi separa PPO disahkan sepenuhnya.

PK	Konstruk	Analisis	Statistik Utama	H	Status
PK2	KD (B vs LB)	Ujian-t	t(13)=6.327, p=.000	H₁	✓
PK3	PPO (B vs LB)	Ujian-t (W)	t(7.98)=4.387, p=.003	H₂	✓
PK4	KDG (B vs LB)	Ujian-t	t(13)=1.589, p=.136	H₃	✗
PK5	KD → PPO	SEM	β=.456, C.R.=4.537, p<.001	H₄	✓
PK6	PPO → KDG	SEM	β=.382, C.R.=3.212, p=.001	H₅	✓
PK7	KD → KDG	SEM	β=.298, C.R.=2.122, p=.034	H₆	✓
PK8	PPO Mediasi	Bootstrap	a×b=.174, CI[.072,.301]	H₇	✓✓

SOALAN 21 / 26

Berapakah jumlah hipotesis yang disokong daripada 7 hipotesis (H₁–H₇)?

5 daripada 7

6 daripada 7

7 daripada 7

SOALAN 22 / 26

PK8 (Bootstrapping) mengesahkan dapatan manakah daripada PK sebelumnya?

Mengesahkan PK5 (KD→PPO) dan PK6 (PPO→KDG) — rantaian mediasi KD→PPO→KDG signifikan

Mengesahkan PK2–PK4 sahaja

SOALAN 23 / 26

Apakah tiga kaedah analisis berbeza yang digunakan merentas PK2–PK8?

Ujian-t (PK2–PK4), SEM-AMOS Path Analysis (PK5–PK7), Bootstrapping Mediasi (PK8)

ANOVA, Regresi, Korelasi

SOALAN 24 / 26

Gabungan PK4 (H₃ tidak disokong) dengan PK8 (mediasi separa) memberi implikasi apa?

Walaupun KDG tidak berbeza mengikut lokasi, ia boleh ditingkatkan melalui KD dan PPO — strategi intervensi tidak bergantung pada lokasi

KDG langsung tidak boleh diubah

SOALAN 25 / 26

Apakah implikasi praktikal utama model mediasi separa PPO kepada sistem pendidikan?

Guru besar perlu mengamalkan KD DAN membina sistem PPO — dual-strategy untuk impak maksimum terhadap KDG

Cukup dengan KD sahaja kerana kesan terus lebih besar

PPO tidak penting kerana hanya 37% kesan

SOALAN 26 / 26

Keseluruhan kajian ini (PK2–PK8) menunjukkan kerangka KD → PPO → KDG. Apakah sumbangan teori utama?

Mengesahkan PPO sebagai pengantara separa dalam konteks pendidikan rendah Malaysia — memperluas teori kepimpinan digital