P. 1
VALIDITAS KONSTRUK

VALIDITAS KONSTRUK

|Views: 1,156|Likes:

More info:

Published by: Meutia Rahmah Yani Hutasuhut on Feb 05, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

07/30/2013

pdf

text

original

VALIDITAS KONSTRUK DAN ANALISIS FAKTOR

A. Validitas Konstruk Validitas berarti ketepatan interpretasi atas hasil dari suatu tes atau pengukuran, dan sesuai dengan tujuan pemberian tes (Wiersma, 1986: 289-290). Dalam Standards for Educational and Psychological Testing, validitas adalah "... the degree to which evidence and theory support the interpretation of test scores entailed by proposed uses of tests " (1999: 9). Sebuah tes dikatakan valid jika ia memang mengukur apa yang seharusnya diukur (Allen & Yen, 1979: 95). Dalam bahasa yang hampir sama Djemari Mardapi (2004: 25) menyatakan bahwa validitas adalah ukuran seberapa cermat suatu tes melakukan fungsi ukurnya. Menurut Nitko & Brookhart (2007: 38) kevalidan sebuah alat ukur tergantung pada bagaimana hasil tes tersebut diinterpretasikan dan digunakan. Dalam pandangan Samuel Messick (1989: 13) validitas merupakan penilaian menyeluruh dimana bukti empiris dan logika teori mendukung pengambilan keputusan serta tindakan berdasarkan skor tes atau model-model penilaian yang lain. Azwar (2003: 5-6) mendefinisikan validitas sebagai ³sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya´. Suatu tes atau instrumen pengukur akan dikatakan valid jika hasil pengukurannya sesuai dengan tujuan dilakukannya pengukuran tersebut. Dalam term psikometrika, Azwar (2003: 7) mengatakan bahwa alat ukur yang valid adalah yang memiliki varians error yang kecil. Dengan kecilnya varians error ini, angka yang dihasilkannya dapat dipercaya sebagai angka yang sebenarnya (true score), atau angka yang mendekati keadaan sebenarnya. Mengenai validitas ini, Azwar (2003: 7) mengingatkan bahwa term validitas berhubungan erat dengan masalah tujuan pengukuran. Tidak ada validitas yang berlaku umum untuk semua tujuan pengukuran. Suatu alat ukur biasanya hanya merupakan ukuran yang valid untuk satu tujuan yang spesifik. Dengan redaksi berbeda, Isaac dan Michael (1981: 120) mengatakan Validity information indicates the degree to which the test is capable of achieving certain aims. Tests

berarti pengukuran tersebut tidak memenuhi kriteria validitas. Content validitation didefinisikan sebagai the process of establishing the representativeness of the items with respect to domain of skills. Untuk melihat nilai validitas berdasarkan kriteria. validitas kriteria (criterion). dan validitas konstruk (construct) (Wiersma. are collected at or about the same time. Pengertian kedua validitas berdasarkan kriteria ini. knowledge. 1981: 119-123. Pertanyaan yang dicari jawabannya dalam validasi ini adalah sejauh mana butirbutir instrumen mencakup keseluruhan kawasan isi objek yang hendak diukur. di mana x melambangkan skor tes. Salah satu kriteria ini adalah variabel perilaku yang akan diprediksikan oleh skor tes. 1986: 291-292. maka validitas isi berkaitan dengan ketepatan dalam memetakan isi instrumen (the adequacy of content sampling). Dari definisi tersebut. Setidaknya ada 3 macam validitas yang disebutkan oleh para ahli. yaitu validitas konkuren dan validitas prediktif. Azwar. Azwar (2003: 50-51) menyebutkan bahwa kriteria pada validitas ini merupakan kriteria eksternal yang ditentukan untuk menjadi dasar pengujian skor tes. tasks. maka pengukuran tersebut diasumsikan valid. mengutip Wiersma (1986: 291) adalah Concurent validation is used if the data on the two measures. atau berupa ukuran lain yang relevan. and so forth. Validitas berdasarkan kriteria (criterion-related validity) terbagi menjadi 2. Jika tidak. yaitu validitas isi (content). Koefisien yang diperoleh merupakan koefisien validitas bagi pengukuran yang bersangkutan. untuk menentukan tingkat representasi setiap butir tersebut. 2003: 45-53). dilakukan komputasi korelasi antara skor tes dengan skor kriteria. Validasi kriteria mendasarkan konsep validitasnya pada perbandingan dengan beberapa kriteria di luar dari instrumen (Wiersma. . Validitas isi ini sering dijadikan dasar pada tes prestasi belajar. 1986: 291). test and criterion. 1986: 291). atau sejauh mana isi tes mencerminkan ciri atribut yang hendak diukur. a different type of investigation is required to establish validity. Azwar (2003: 45) menyebutkan bahwa validitas isi merupakan validitas yang diestimasi lewat pengujian terhadap isi tes dengan analisis rasional atau lewat proffesional judgement.are used for several types of judgement. of whatever is being measured (Wiersma. Isaac & Michael. yaitu rxy. Validasi isi ini dilakukan dengan logical analysis terhadap butir-butir instrumen. and for each type of judgement. dan y merujuk pada skor kriteria. Misalnya skor dari suatu tes yang akan divalidasi memiliki korelasi yang tinggi dengan kriteria.

dan hasil estimasinya tidak dinyatakan dalam bentuk suatu koefisien validitas (rxy). al. baru dapat ditentukan tingkat validitasnya di waktu yang akan datang. 2001: 140). Azwar (2003: 51) memberikan contoh validitas prediktif dengan. kedua skor tes dapat digunakan untuk menentukan tingkat validitasnya. Azwar menyebutkan bahwa tes intelegensi dapat ditentukan koefisien validitasnya setelah terlebih dahulu disusun suatu skala intelegensi yang akan dibandingkan dengan skor tes intelegensi. Jenis validitas yang terakhir adalah validitas konstruk. bukan berarti konstruksi teknis dari suatu tes atau instrumen. skor tes yang diperoleh sekarang. Fraenkel validasi konstruk (penentuan validitas konstruk) merupakan yang terluas cakupannya dibanding dengan validasi lainnya. Dalam pengujiannya. tes seleksi mahasiswa baru pada suatu perguruan tinggi dan tes untuk keperluan penentuan klasifikasi dan penempatan karyawan pada suatu perusahaan. Jadi. Uno & Herminanto Sofyan. Menurut Jack R.. 1979: 108). Wiersma (1986: 292) mengatakan bahwa validasi konstruk melibatkan tidak hanya analisis logis. Validitas konstruk merujuk pada kemampuan tes atau instrumen dalam mengungkap suatu trait atau konstruk teoritik yang akan diukurnya (Azwar. tapi juga analisis empirik. Sedangkan untuk contoh validitas konkuren. et. yaitu setelah diperoleh skor kriterianya. Jadi pada saat bersamaan. Validitas konstruk merujuk pada sejauhmana suatu tes mengukur suatu konstruk teoretik atau trait yang hendak diukurnya (Allen & Yen. Untuk uji empirik. antara lain. Term construct. 6 months ± from the time of data collection for the test being validated. Azwar (2003: 49) mengatakan bahwa pengujian validitas konstruk biasanya memerlukan teknik analisis statistika yang lebih kompleks dari pada teknik-teknik yang digunakan pada pengujian validitas empirik lainnya. karena melibatkan banyak prosedur termasuk validasi isi dan validasi kriteria. Hamzah B. misalnya dengan indeks prestasi atau nilai yang diperolehnya pada beberapa mata kuliah. Kriteria dalam menentukan validitas prediktif ini adalah performansi mahasiswa yang baru dapat diketahui beberapa waktu setelah si mahasiswa menempuh perkuliahan. 2003: 48. .Predictive validation involves the collection of the data on the criterion measure after an intervening period ± say. menurut Wiersma (1986: 292) merujuk pada konstruk teoritis atau trait yang hendak diukur.

karena pendekatan ini yang biasanya digunakan dalam kegiatan penelitian atau pengukuran untuk mengukur validitas konstruk instrumen. Studi mengenai pengaruh perubahan yang terjadi dalam diri individu dan lingkungannya terhadap hasil tes. Validasi berdasarkan kriteria tidak dilakukan. observasi. . 4. Studi mengenai perbedaan di antara kelompok-kelompok yang menurut teori harus berbeda. Dalam suatu kegiatan pengukuran. Validasi isi dilakukan dengan analisis rasional terhadap butir-butir instrumen dan dengan bantuan expert judgement. dapat divalidasi content-nya dengan logic analysis. dan tidak juga ditujukan untuk keperluan prediktif di masa depan. Instrumen pengukuran dan atau penelitian. Validasi empirik atas konstruk instrumen akan dilakukan dengan analisis faktorial. 3. Studi mengenai korelasi antar-item atau antar belahan tes. yaitu pendekatan multitrait-multimethod dan pendekatan analisis faktorial (Azwar. Terdapat 2 alternatif pendekatan yang dapat digunakan untuk validasi empirik ini. yaitu: 1. menurut Azwar. Analisis logis dan empirik ini juga sesuai dengan pendapat Magnusson (Azwar. Studi mengenai korelasi di antara berbadai variabel yang menurut teori mengukur aspek yang sama. Validasi kedua adalah validasi empirik terhadap konstruk instrumen. apa pun bentuknya (seperti angket. Field (2000: 441) mengatakan bahwa ³Factor analysis is frequently used to develop questionnaires. 2003: 132). 2. yang dalam hal ini adalah angket. Kemudian batasan variabel tersebut dinyatakan sebagai suatu bentuk konstruk logis berdasarkan kajian teoritis atas variabel tersebut.Analisis logis. dapat diawali dengan melakukan pembatasan atas variabel yang hendak diukur. yang mengatakan bahwa validasi atas konstruk dapat dilakukan dengan beberapa cara. after all if you want to measure an ability or trait you need to ensure that the questions asked relate to the construct that you intend to measure´. wawancara. validasi yang dapat dilakukan antara lain adalah validasi atas isi (content) dan konstruk. dengan alasan bahwa instrumen yang digunakan dalam kegiatan pengukuran tidak mencakup instrumen untuk memperoleh skor kriteria. dan dokumentasi). 2003: 49).

Thompson & Daniel. yang secara langsung menganggap bahwa validitas . Thompson dan Daniel (1996: 198) mengutip suatu artikel dalam jurnal yang diterbitkan sekitar 55 tahun yang lalu. A set of measures may be factor-analyzed to enhance the explanation of what is mesured in a more parsimonious manner« Confirmatory factor analysis focuses in confirming or refuting the hypothesized constructs mesured by a set of variables. correlated variables in terms of a few conceptually meaningful. analisis faktor memiliki 2 fungsi analisis. Keterkaitan antara analisis faktor dengan validitas konstruk ini lah yang menyebabkan beberapa ahli mengistilahkan validitas konstruk dengan term validitas faktorial (Azwar. Wiersma (1986: 412) menyebutkan bahwa analisis faktor merupakan a procedure for determining the number and nature of constructs that underlie a set of measure. dan hasil analisisnya sulit untuk diinterpretasikan. dengan tujuan untuk menemukan himpunan variabel-variabel baru. Confirmatory factor analysis is used extensively to establish the construct validity of psychological tests and other measures in the behavioral sciences« Dalam kutipan ini disebukan secara eksplisit bahwa analisis faktor konfirmatori telah secara luas digunakan untuk menetapkan validitas konstruk dari suatu tes psikologis atau pengukuran lainnya dalam ilmu-ilmu sosial. relatively independent factors. yang lebih sedikit jumlahnya dari pada variabel semula´.B. 2003: 135. Lebih khusus dalam isu pengukuran. Analisis Faktor Analisis faktor merupakan suatu metode statistik yang sangat kompleks. yaitu sebagai explanatory analysis dan confirmatory analysis: When exploratory analyses are used. Kleinbaum dan Kupper (1978: 376) mendefinisikan analisis faktor sebagai a multivariable method that has as its aim the explanation of relationships among several difficult-to-interpret. the number of factors usually being less than the number of original variables. the intent is to reduce the number of variables to a manageable number for explanatory purposes. 1996: 197-198). It may be used to test a theory. Suryanto (1988: 234) menjelaskan bahwa ³analisis faktor adalah kajian tentang kesaling-tergantungan antara variabel-variabel. Menurut Wiersma (1986: 413).

. Validity. common.... V V V V V V V V V Faktor 1 V1 Faktor 2 V2 Faktor 3 V3 V8 V4 V6 V5 Dengan Model: X1-Q1 = N F1+ N F2+. Tujuan dari model ini adalah untuk menentukan apakah faktor-faktor (komponen) dan muatan variabel yang diukur (the loadings of measured variables) berdasarkan faktor-faktor tadi telah sesuai (conform) dengan basis teori yang dibangun.. . Dalam kaitannya dengan penentuan validitas konstruk.+ N Fm+Im p1 p2 pm . This is the kind of validity that is really meant when the question is asked ³Does this test measure what it is supposed to measure?´. Seluruh variabel yang ada akan dilihat hubungannya (interdependent antar variabel). maka analisis faktor yang akan dilakukan adalah confirmatory factor analysis.+ N Fm+I1 11 12 1m X2-Q2 = N F1+ N F2+. A more pertinent question should be ³What does this test measure?´. reference factors..faktorial adalah validitas yang sebenarnya dalam suatu pengukuran. sehingga akan menghasilkan pengelompokan atau tepatnya abstraction dari banyak variabel menjadi hanya beberapa variabel baru atau factor untuk mepermudah proses pengolahan. is of two kinds« The factorial validity of a test is given by its loadings in meaningful. The answer then should be in terms of factors and their loadings« I predict a time when any test author will be expected to present information regarding the factor composition of his (sic) tests. 21 22 2m . in my opinion. . Xp-Qp = N F1+ N F2+.+ N Fm+I2.

3. yang menghasilkan matrik loading baru L* : L*pxq = LpxqTqxq . 4. maka dilakukan rotasi matrik loading L dengan menggunakan metode rotasi tegak lurus varimax (Varimax Orthogonal Rotation).Model Analisis Faktor dengan m faktor bersama dalam bentuk matrik adalah: Xpx1 -Qpx1 = LpxmFmx1+ Ipx1 Dimana: X = vektor peubah asal Q = vektor rata-rata peubah asal L = matrik loading faktor F = vektor faktor bersama I = vektor faktor spesifik Pembentukam model di atas dilakukan berdasarkan asumsi-asumsi berikut: 1. dimana: h2i =communality ke-i dan ]i = varian spesifik ke-i Dalam praktek.. dimana T adalah matrik taransformasi yang dipilih. Bagian dari Var (Xi) yang dapat diterangkan oleh m faktor bersama disebut communality ke-i. matrik ragam peragam § di taksir dengan matrik ragam peragam sampel S dan matrik korelasi V peubah ditaksir dengan matrik korelasi R. paket progarm SPSS/PC+ langsung menggunakan matrik korelasi R sebagai matrik ragam peragam dalam menghitung akar ciri dan vektor ciri maupun analisis faktornya. sehingga: . Model (X-Q) =LF + I adalah linier dalam faktor bersama. Saat interpretasi dari hasil analisis sulit dilakukan. E(F) =0 Var (f) = E (FF¶) = Imxm E (I) = 0 Var (I) = E(II¶) = ] Cov (IF¶) = E (IF¶) =0.+ Nim+ ]i = h2i+ ]i .. 2. Dalam hal ini. sehingga F dan I independen. Sedangkan bagian dari Var (X1) oleh karena faktor spesifik disebut uniqueness atau varian spesifik ke-i: 2 2 2 Wii = Ni1+ Ni2+. 5.

Analisis Faktor menekankan adanya COMMUNALITY=jumlah varian yang disumbangkan oleh suatu variabel pada variabel lainnya. TEKNIK STATISTIK UNTUK ANALISIS FAKTOR: 1. 3. Bukan mengaitkan antara dependent variabel dengan independent variabel. BARTLETT¶S TEST OF SPHERICITY: uji statistic untuk menguji hipotesis bahwa variabel tidak saling berkorelasi dalam populasi. varian spesifik ]i. sehingga menjadikan setiap peubah asal hanya akan mempunyai korelasi yang kuat dengan faktor tertentu saja. 4. 2. Rotasi varimax menghendaki varians yang maksimum dalam matrik faktor yang terbentuk. . yaitu seluruh set hubungan yang interdependen diteliti. MATRIKS KORELASI. KONSEP DASAR ANALISIS FAKTOR: 1. dan tentunya communality h2i.T¶T = TT¶ =I adalah matrik faktor penimbang yang telah dirotasikan Meskipun telah mengalami rotasi. factor 2 TIDAK berkorelasi dengan faktor 1 dilakukan oleh komputer. matrik kovarian (korelasi) tidak berubah karena LL¶ + ] = LTT¶L¶ + ] = L*L*¶ + ] Selanjutnya. tapi membuat REDUKSI atau ABSTRAKSI atau meringkas dari BANYAK variabel menjadi SEDIKIT variabel. Dipergunakan dalam hal mengidentifikasi variabel yang berkorelasi dan yang tidak/kecil korelasinya. (FAKTOR-FAKTOR tidak secara jelas terlihat). 5. COMMUNALITY: jumlah varian yang disumbangkan oleh variabel terhadap seluruh variabel lain. Kovariansi antar variabel yang diuraikan akan memunculkan COMMON FACTORS (jumlahnya sedikit) dan UNIQUE FACTORS setiap variabel. 2. 3. sehingga factor 1 menyerab sebagian besar seluruh variabel. Teknik yang digunakan adalah TEKNIK INTEREPENDESI. Prinsipnya menggunakan KORELASI r=1 dan r=0. juga tidak berubah. Adanya koefisien nilai factor (factor score coefficient).

atau tidak. 5. Hanya eigenvalue > 1 yang dimasukkan dalam model. yaitu jika lebih besar (>) dari 0. Demikian juga dengan variabel-variabel yang tidak berkorelasi sama sekali. EIGEN VALUE: jumlah varian yang dijelaskan oleh setiap factor. harus dibuang dari tahapan analisis. sehingga perhitungannya akan lebih mudah dilakukan dengan menggunakan bantuan komputer seperti program Statistical Product and Service Solutions (SPSS). maka dapat diasumsikan bahwa multikolinearitas tidak terjadi (Field. Correlation Matrix Bagian ini berupa tabel yang menampilkan koefisien korelasi (Pearson-Product Moment) antara variabel (butir) yang dianalisa. Asumsi dasar dalam analisis faktor adalah bahwa terdapat korelasi linear antar variabel.8. analisis faktor melibatkan perhitungan matematis yang kompleks. Fungsinya adalah untuk mengecek apakah terdapat multikolinearitas antar variabel-variabel yang dianalisis. sebagai berikut: 1. Determinant Bagian determinant ini terletak tepat di bawah tabel correlation matrix. 3. namun korelasi tersebut bukan merupakan korelasi yang sempurna (dengan nilai koefisien korelasi 1). Korelasi yang dimaksud merupakan korelasi linear antar butir.4. Jika nilai determinant ini lebih besar (>) dari 0. SCREE PLOT: plot dari eigen value sebagai sumbu vertical dan banyaknya fektor sebagai sumbu datar. sebaiknya di-drop dari tahapan analisis. Field (2000: 453) mengindikasikan bahwa variabel-variabel yang koefisien korelasinya terlalu tinggi. terdiri dari beberapa bagian. untuk menentukan banyaknya factor yang bisa ditarik (factor extraction) Seperti yang telah dijelaskan sebelumnya. Output analisis faktor dengan metode ekstraksi PCA (Principal Component Analysis) yang diperoleh dari output analisis SPSS. 2000: 453). KMO and Bartlett s Test Tabel KMO & Bartlett s Test memberikan informasi tentang kelayakan data yang dimiliki untuk dianalisa dengan menggunakan analisis faktor. 2.00001. Uji Kaiser-Meyer-Olkin .

Jika ini yang terjadi. Selain itu. atau keragaman yang disebabkan oleh faktor tertentu (underlying factors). Jika hasil uji Bartlett ini signifikan (taraf signifikansinya lebih kecil dari (<) 0. Nilai KMO yang mendekati 1 berarti bahwa analisis faktor akan dapat memberikan hasil analisis yang interpretable terhadap variabel yang dianalisis.05). Jika tidak terdapat korelasi. 2000: 445-446. Rekomendasi Kaiser untuk standar minimal nilai KMO adalah lebih besar dari (>) 0. maka matrik yang diperoleh pada bagian sebelumnya merupakan identity matrix. Jika nilai KMO lebih kecil dari 0.(KMO) of Sampling Adequacy merupakan statistik yang mengindikasikan atau memastikan bahwa proporsi keragaman pada seluruh variabel (yang dalam hal ini adalah butir angket) merupakan common variance. Jika nilai KMO-nya mendekati 1.5 juga berarti bahwa jumlah responden (sampel) yang digunakan adalah telah sesuai atau layak (sampling adequacy). berarti pola korelasi antar variabel relatif kompak. berarti bahwa matrik korelasi yang diperoleh bukan merupakan identity matrix.5 maka hasil analisis faktor tidak cukup informatif untuk menjelaskan karakteristik variabel yang dimiliki.5 maka harus dipertimbangkan untuk menambah jumlah responden. Nilai KMO 0 menunjukkan bahwa jumlah korelasi parsial antar variabel adalah terlalu besar jika dibandingkan dengan jumlah korelasi antar variabel. 455). dengan syarat bahwa korelasi tersebut tidak terlalu sempurna. Nilai KMO yang ditampilkan dalam tabel KMO and Bartlett s Test merupakan tingkat kelayakan untuk seluruh variabel. Bartlett s test bertujuan untuk menguji hipotesis tentang apakah matriks korelasi original yang diperoleh merupakan sebuah identity matrix atau bukan. atau memikirkan kembali variabel-variabel mana saja yang akan dilibatkan dalam tahapan analisis selanjutnya (Field. nilai KMO yang lebih besar dari 0. Jika sebuah matirk menyerupai atau merupakan identity matrix berarti setiap variabel dalam matrik tersebut dapat diasumsikan tidak berkorelasi ssama sekali dengan setiap variabel lainnya dalam matrik tersebut. Nilai KMO bervariasi dari 0 sampai dengan 1. dan . maka analisis faktor bukan merupakan teknik yang tepat untuk melakukan peringkasan (summarization) variabel.5. dan analisis faktor menjadi pilihan yang tepat untuk melakukan peringkasan variabel. sedangkan jika nilai KMO lebih rendah dari 0. Teknik analisis faktor baru dapat diterapkan jika di antara variabel-variabel yang dilibatkan terdapat korelasi.

Butir atau variabel yang memiliki nilai MSA lebih kecil dari 0. Jika ini yang terjadi.5 maka variabel tersebut harus dikeluarkan dari analisis. Jika nilai KMO untuk semua variabel lebih besar (>) dari 0. nilai KMOnya adalah untuk suatu variabel tertentu saja (individual variable). Di bawah bidang diagonal. Nilai KMO pada tabel KMO and Bartlett s test di atas merupakan nilai KMO untuk keseluruhan variabel (multiple variables). sehingga harus didrop dari analisis. Manual SPSS menjelaskan secara lebih rinci perihal komunalitas ini. Anti-image Matrices Tabel anti-image matrices ini menampilkan nilai KMO untuk suatu variabel (butir) tertentu. Jika terdapat variabel dengan nilai lebih rendah dari 0.5.5 maka analisis dapat diteruskan. Dari matriks anti-image. dan analisis faktor tetap merupakan pilihan teknik yang tepat. A communality of . 457). yaitu sebagai berikut: «The communality measures the percent of variance in a given variable explained by all the factors jointly and may be interpreted as the reliability of the indicator. communalities must be interpreted in relation to the interpretability of the factors.dengan demikian dapat diasumsikan bahwa terdapat korelasi antar variabel serta penggunaan analisis faktor memiliki dasar yang benar (Field.5 berarti bahwa butir tersebut tidak sesuai dengan struktur variabel-variabel yang lain. 2000: 446.75 seems high but is meaningless unless the factor on which the variable is (measure of . nilai KMO suatu variabel ditunjukkan pada diagonal tabel yang diberi tanda Äa sampling adequacy ± MSA). Pengecekan yang harus dilakukan adalah memeriksa apakah terdapat nilai yang lebih kecil dari 0. When an indicator variable has a low communality. 5. atau tidak. the factor model is not working well for that indicator and possibly it should be removed from the model. sedangkan pada matrik anti-image ini. 2000: 456). Nilai yang kecil ini mengindikasikan bahwa variabel yang dianalisa relatif terbebas dari korelasi yang tidak dapat dijelaskan (unexplained correlation). 4. Communalities Pohlmann (2004) mendefinisikan komunalitas dengan ³the proportion of a variable s variance explained by a factor structure´. setelah terlebih dahulu dilakukan pengurangan jumlah variabel (Field. nilai yang ditunjukkan sebaiknya adalah nilai kecil yang mendekati 0. However. maka analisis harus dilakukan ulang dari awal.

pada dasarnya memuat 1 hal yang sama. which will usually be fewer than all the possible factors.5% dari keragaman butir atau variabel tersebut merupakan shared variance. 6. If the communality exceeds 1. Communality for a variable is computed as the sum of squared factor loadings for that variable (row).edu/garson/pa765 Factor Analysis. Total Variance Explained Bagian ini merupakan sebuah tabel yang terdiri dari 3 bagian.0 for all variables and all of the variance in the variables will be explained by all of the factors. yang nilai ini berarti bahwa 43. . A communality of .ncsu. what is critical is not the communality coefficient per se.435. The "extracted" communality is the percent of variance in a given variable explained by the factors which are extracted. Ketiga bagian tersebut. Nilai komunalitas 1 berarti bahwa variabel yang bersangkutan tidak memiliki keragaman yang spesifik. Extraction Sums of Squared Loadings. yaitu eigenvalues. dan Rotation Sums of Squared Loadings. though it usually will be. Misalnya berkurang menjadi 0.chass.0. there is a spurious solution.htm. SPSS labels this column the "initial" communalities. but rather the extent to which the item plays a role in the interpretation of the factor. For full orthogonal PCA. which will be as many as there are variables. the squared loadings may be added to get the total percent explained. komunalitas setiap variabel adalah sama dengan 1. and since factors are uncorrelated. which is what communality is.0« (garis bawah dari pengutip) (sumber dari http://www2. the communality will be 1. which may reflect too small a sample or the researcher has too many or too few factors. yaitu Initial Eigenvalues. resulting in coefficients less than 1. diambil pada tanggal 05 September 2010). though often this role is greater when communality is high.25 seems low but may be meaningful if the item is contributing to a well-defined factor. Pohlmann (2004) menyebutkan bahwa eigenvalue merujuk pada keragaman (variance) dalam sekolompok variabel yang dijelaskan oleh sebuah faktor atau komponen.loaded is interpretable. In the communalities chart. Recall r-squared is the percent of variance explained. dan nilai komunalitas 0 berarti variabel tersebut tidak berbagi keragaman dengan variabel yang lain. That is. Sebelum proses ekstraksi (initial communalities). Setelah ekstraksi. Field (2000: 432 & 458) menyebutkan bahwa komunalitas adalah proportion of common varince present in a variable. nilai ini akan berkurang.

Metode Direct Oblimin dan Promax relatif lebih kompleks dalam mendistribusikan nilai muatan faktor (Field. Extraction Sums of Squared Loadings adalah nilai eigenvalue setelah diekstrak. sehingga hanya memuat komponen dengan nilai eigenvalue lebih besar (>) dari 1 (default setting SPSS berdasarkan rekomendasi Kaiser (Field: 2000: 449). Equamax (ketiganya merupakan rotasi orthogonal). Jumlah faktor yang terbentuk berdasarkan nilai eigenvalue ini masih perlu dikonfirmasikan dengan tampilan garis plot pada bagian scree plot. dan Promax (rotasi oblique). Yang perlu diperhatikan adalah bahwa komponen pertama cenderung akan memiliki nilai eigenvalue yang paling besar. Metode rotasi yang digunakan dalam analisis faktor di sini adalah metode Quartimax. Direct Oblimin. dan nilai eigenvalue untuk komponen-komponen setelahnya menjadi lebih kecil. Metode rotasi yang dipilih adalah principal component. Quartimax. Terdapat beberapa opsi metode rotasi yang dapat dipilih. Terakhir. Initial eigenvalues berarti nilai eigenvalue awal yang merujuk pada proporsi keragaman yang disebabkan oleh variabelvariabel yang termasuk dalam suatu faktor tertentu sebelem diekstrak. 2000: 449). sehingga faktor pertama akan lebih optimal dalam memperoleh nilai muatan faktor untuk masing-masing butir yang dianalisa. Metode Quartimax akan mengkonsentrasikan nilai muatan faktor pada satu faktor tertentu saja. 7. antara lain Varimax. Dalam prosedur analisis faktor. biasanya pada faktor pertama. Rotation Sums of Squared Loadings merujuk pada nilai eigenvalue setelah dilakukan rotasi. Biasanya yang dijadikan patokan dalam menentukan jumlah faktor adalah jika nilai eigenvalue dari suatu faktor lebih besar dari 1 yang merupakan rekomendasi Kaiser.Field (2000: 457) mengatakan bahwa eigenvalue diasosiasikan dengan representasi suatu faktor atas keragaman yang ditunjukkan dengan hubungan linear antar faktor yang terextract dari seluruh variabel atau butir yang dilibatkan. Scree Plot Bagian ini menampilkan plot faktor berdasarkan nilai eigenvalue-nya. Jolliffe merekomendasikan nilai minimal yang . Metode rotasi Varimax akan mendistribusikan nilai muatan faktor tiap-tiap variabel secara merata pada semua faktor yang terekstrak. Equamax adalah alternatif yang mengambil jalan tengah antara Varimax dan Quartimax. scree plot ini dapat digunakan untuk menentukan berapa jumlah faktor yang terbentuk dari keseluruhan variabel atau butir.

Dari pembahasan terhadap output analisis SPSS seperti di atas. akan lebih banyak melibatkan pertimbangan subyektif pengukur. berapa kah faktor atau komponen yang dapat terbentuk dari keseluruhan butir angket. Component Matrix Matriks komponen ini ditampilkan dalam bentuk tabel. dan butir mana saja kah yang kemudian dianggap dapat dianggap valid secara konstruk. kemudian akan dapat ditentukan. 8. Teknik rotasi yang dilakukan adalah varimax. yang memuat muatan (loadings) setiap variabel pada setiap faktor atau komponen. melainkan oleh kemampuan dari suatu faktor. maka dalam hal validitas konstruk. penentuan butir mana yang akan dibuang dapat dilakukan. yang kemudian dalam tabel rotated component matirix hanya menampilkan faktor yang telah diekstraksi saja. 9. sebelum dilakukan rotasi. nilainya tidak ditunjukkan oleh suatu koefisien tertentu. Pada bagian ini.lebih kecil untuk eigenvalue adalah 0. 2000: 449). Rotated Component Matrix Matriks ini merupakan kelanjutan dari component matrix di atas. dalam menjelaskan keragaman yang mungkin muncul pada jawaban atau respon yang diberikan. 2000: 462-463). Penentuan jumlah faktor yang terbentuk berdasarkan scree plot.7 (Field.4 (Field. yang antara satu pengukur dengan pengukur yang lain mungkin akan memberikan jumlah faktor yang berbeda. Nilai muatan faktor sebelum dirotasi akan cenderung lebih tinggi jika dibandingkan dengan setelah dirotasi. yang berisikan sekumpulan item instrumen atau variabel. Kriterianya adalah jika muatan faktornya (loading factor) lebih kecil dari 0. . Berbeda dengan reliabilitas yang nilainya ditunjukkan oleh suatu koefisien reliabilitas. Nilai muatan faktor setelah dirotasi ini akan berkurang dari nilai muatan awal sebelum dirotasi. setelah melalui proses rotasi.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->