PK8 ยท BOOTSTRAPPING
1 / 12
๐Ÿ“‹ Senarai Slaid
๐ŸŽ“
Prof Dr

โŒจ๏ธ Pintasan Papan Kekunci

โ†’Slaid seterusnya
โ†Slaid sebelumnya
SpaceAuto-play / Pause
MMute / Unmute
DBuka/tutup drawer
?Pintasan ini
Tekan mana-mana kekunci untuk tutup
PERSOALAN KAJIAN 8 ยท Hโ‚‡

Ujian Mediasi
Bootstrapping

Adakah PPO menjadi perantara antara KD dan KDG?

SEM-AMOS5,000 Bootstrap SamplesCI 95% Bias-Corrected
KD
Kep. Digital
โ†’
PPO
Pengantara
โ†’
KDG
Komp. Digital

๐Ÿ”„ Apa Itu Bootstrapping?

Bootstrapping ialah teknik pensampelan semula (resampling) yang mengambil ribuan subsampel daripada data asal untuk menganggar taburan pensampelan secara empirikal โ€” tanpa mengandaikan taburan normal.

๐ŸŽฏ KONSEP UTAMA

5,000 Subsampel
Setiap subsampel diambil secara rawak dengan penggantian daripada data asal (n=150)
Kesan Tidak Langsung
Setiap subsampel mengira aร—b. Hasilnya membentuk taburan bootstrap
CI 95% Bias-Corrected
Selang keyakinan yang membetulkan bias dalam anggaran bootstrap
Jika CI 95% TIDAK mengandungi 0 โ†’ Kesan tidak langsung signifikan โ†’ PPO = Pengantara

โšก Mengapa Bootstrapping, Bukan Sobel Test?

Sobel test mengandaikan taburan normal bagi kesan tidak langsung โ€” andaian yang jarang dipenuhi. Bootstrapping mengatasi had ini.

๐Ÿ“Š PERBANDINGAN KAEDAH

AspekSobel TestBootstrapping โœ“
Andaian taburanPerlu normalBebas taburan
Sampel kecilKuasa rendahKuasa tinggi
Bias correctionTiadaBC / BCa
Disyorkan olehLamaHayes, Preacher & Hayes, Shrout & Bolger
Shrout & Bolger (2002): Bootstrapping disyorkan โ‰ฅ 1,000 sampel. Kita guna 5,000 (standard terbaik)

๐ŸŽฌ Simulasi Bootstrapping Visual

Tekan butang untuk melihat proses pensampelan semula 5,000 kali dan pembentukan taburan kesan tidak langsung.

๐Ÿ”„ TABURAN BOOTSTRAP โ€” KESAN TIDAK LANGSUNG (aร—b)

Sampel: 0 / 5,000
-0.100.000.100.1740.300.40
โ–  Dalam CI 95% โ–  Luar CI โ”‚ Titik tengah (0.174)

๐Ÿ“Š Output AMOS โ€” Bootstrapping

Jadual output bootstrapping AMOS menunjukkan kesan tidak langsung, CI 95%, dan kesignifikanan.

Standardized Indirect Effects โ€” Bias-Corrected Bootstrap (5,000 samples)
KesanAnggaranSE (Boot)Lower 2.5%Upper 2.5%P (two-tailed)
Tidak Langsung (aร—b)
KD โ†’ PPO โ†’ KDG		0.1740.0580.0720.3010.003
Terus (c')
KD โ†’ KDG		0.2980.1390.0240.5720.034
Jumlah
Terus + Tidak Langsung		0.4720.0890.2980.646<0.001
CI Tidak Langsung
[0.072, 0.301]
โœ“ Tidak mengandungi 0
CI Terus
[0.024, 0.572]
โœ“ Tidak mengandungi 0

๐Ÿ“ Visualisasi Selang Keyakinan (CI 95%)

Setiap jalur menunjukkan CI 95% bootstrapping. Kunci utama: adakah jalur CI merentasi garis sifar (0)?

๐Ÿ“ SELANG KEYAKINAN 95% โ€” BIAS-CORRECTED

Kesan Tidak Langsung (aร—b): KD โ†’ PPO โ†’ KDG
0
[0.072 โ€” 0.301]
โœ“ CI tidak merentasi 0 โ†’ Kesan tidak langsung SIGNIFIKAN
Kesan Terus (c'): KD โ†’ KDG
0
[0.024 โ€” 0.572]
โœ“ CI tidak merentasi 0 โ†’ Kesan terus juga SIGNIFIKAN
Kedua-dua CI tidak mengandungi 0 โ†’ Mediasi Separa (Partial Mediation) disahkan!

๐Ÿ”„ Flowchart Keputusan Mediasi

Ikuti langkah demi langkah untuk menentukan jenis mediasi berdasarkan output bootstrapping.

๐Ÿ”„ ALIRAN KEPUTUSAN MEDIASI BOOTSTRAPPING

1
Semak kesan tidak langsung (aร—b)
CI 95% = [0.072, 0.301] โ†’ Mengandungi 0?
TIDAK โ†’ Signifikan
2
Sahkan p-value kesan tidak langsung
p = 0.003 < 0.05?
โœ“ Ya
3
PPO = Pengantara Signifikan
Kesan tidak langsung signifikan โ†’ PPO memediasi hubungan KD-KDG
โœ“ Pengantara
4
Semak kesan terus (c')
CI 95% = [0.024, 0.572] โ†’ Masih signifikan?
โš  Ya โ€” Masih signifikan
5
Keputusan: Mediasi Separa
Kedua-dua terus dan tidak langsung signifikan โ†’ Partial Mediation. Hโ‚‡ Disokong.
โœ“ Hโ‚‡ Disokong

๐Ÿ“ VAF โ€” Variance Accounted For

VAF mengukur berapa peratus jumlah kesan yang disalurkan melalui pengantara (PPO).

VAF = Kesan Tidak Langsung รท Jumlah Kesan = 0.174 รท 0.472 = 36.9%

๐Ÿ“ KLASIFIKASI VAF

VAFJenis MediasiMaksud
< 20%Tiada mediasiPengantara hampir tiada peranan
20% โ€“ 80%Mediasi Separa โœ“Kajian kita: 36.9% โ€” PPO menyalurkan ~37% kesan
> 80%Mediasi PenuhHampir semua kesan melalui pengantara
Peratusan kesan melalui PPO:
36.9%
0%20% (Tiada)80% (Penuh)100%

๐Ÿงฎ Kalkulator Mediasi Interaktif

Laraskan nilai a (KDโ†’PPO), b (PPOโ†’KDG), dan c' (KDโ†’KDG terus) untuk melihat kesan mediasi secara langsung.

๐Ÿงฎ KALKULATOR KESAN MEDIASI

a (KDโ†’PPO):0.456
b (PPOโ†’KDG):0.382
c' (KDโ†’KDG):0.298
Kesan Tidak Langsung (a ร— b):0.174
Kesan Terus (c'):0.298
Jumlah Kesan (c' + aร—b):0.472
VAF:36.9%
Jenis Mediasi:Separa (Partial)
36.9%

๐Ÿ—๏ธ Model Penuh โ€” Mediasi Disahkan

Gabungan PK5โ€“PK8 membentuk model mediasi separa yang lengkap dan disahkan melalui bootstrapping.

KD Kep. Digital PPO Pengantara KDG Komp. Digital a=0.456 b=0.382 c'=0.298 aร—b = 0.174 CI [0.072, 0.301] โœ“ Bootstrap 5,000 Hโ‚‡ DISOKONG โœ“

๐ŸŽ“ Rumusan Komprehensif PK2โ€“PK8

Keseluruhan dapatan 7 persoalan kajian dengan 7 hipotesis โ€” daripada ujian-t ke SEM dan bootstrapping mediasi.

๐Ÿ“‹ JADUAL RUMUSAN PK2โ€“PK8

PKKonstrukAnalisisStatistik UtamaHStatus
PK2KD (B vs LB)Ujian-tt(13)=6.327, p=.000Hโ‚โœ“
PK3PPO (B vs LB)Ujian-t (W)t(7.98)=4.387, p=.003Hโ‚‚โœ“
PK4KDG (B vs LB)Ujian-tt(13)=1.589, p=.136Hโ‚ƒโœ—
PK5KD โ†’ PPOSEMฮฒ=.456, C.R.=4.537, p<.001Hโ‚„โœ“
PK6PPO โ†’ KDGSEMฮฒ=.382, C.R.=3.212, p=.001Hโ‚…โœ“
PK7KD โ†’ KDGSEMฮฒ=.298, C.R.=2.122, p=.034Hโ‚†โœ“
PK8PPO MediasiBootstrapaร—b=.174, CI[.072,.301]Hโ‚‡โœ“โœ“
6
Disokong
1
Tidak Disokong
36.9%
VAF Mediasi

๐Ÿ’ก Implikasi Kajian & Kesimpulan

Model mediasi separa memberi panduan praktikal kepada guru besar dan pembuat dasar pendidikan di Perak.

๐Ÿซ IMPLIKASI AMALAN

1. Guru besar perlu mengamalkan kepimpinan digital secara aktif โ€” ia mempengaruhi KDG melalui dua saluran
2. Bina sistem PPO (platform perkongsian ilmu, komuniti amalan) kerana 37% kesan disalurkan melaluinya
3. KDG tidak berbeza mengikut lokasi (PK4) โ€” intervensi perlu menyeluruh, bukan hanya bandar
4. Dual-strategy: tingkatkan KD guru besar + perkasakan PPO untuk impak maksimum

๐Ÿ“š SUMBANGAN TEORI

1. Mengesahkan PPO sebagai pengantara separa โ€” memperluas teori kepimpinan digital dalam konteks Malaysia
2. Menyediakan bukti empirikal bahawa bootstrapping 5,000 sampel sesuai untuk ujian mediasi dalam pendidikan
3. Membina kerangka KD โ†’ PPO โ†’ KDG yang boleh diuji semula di negeri lain
KESIMPULAN UTAMA
PPO terbukti menjadi pengantara separa yang signifikan antara KD dan KDG. Guru besar yang mengamalkan kepimpinan digital dan membina sistem pengurusan pengetahuan organisasi akan meningkatkan kompetensi digital guru secara lebih berkesan.
โ˜ฐ ?