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

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

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

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

1996: 197-198). correlated variables in terms of a few conceptually meaningful. Suryanto (1988: 234) menjelaskan bahwa ³analisis faktor adalah kajian tentang kesaling-tergantungan antara variabel-variabel.B. Menurut Wiersma (1986: 413). the number of factors usually being less than the number of original variables. It may be used to test a theory. yang lebih sedikit jumlahnya dari pada variabel semula´. dengan tujuan untuk menemukan himpunan variabel-variabel baru. Thompson dan Daniel (1996: 198) mengutip suatu artikel dalam jurnal yang diterbitkan sekitar 55 tahun yang lalu. Analisis Faktor Analisis faktor merupakan suatu metode statistik yang sangat kompleks. 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. 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. yang secara langsung menganggap bahwa validitas . the intent is to reduce the number of variables to a manageable number for explanatory purposes. 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. Thompson & Daniel. Keterkaitan antara analisis faktor dengan validitas konstruk ini lah yang menyebabkan beberapa ahli mengistilahkan validitas konstruk dengan term validitas faktorial (Azwar. Lebih khusus dalam isu pengukuran. analisis faktor memiliki 2 fungsi analisis. relatively independent factors. yaitu sebagai explanatory analysis dan confirmatory analysis: When exploratory analyses are used. 2003: 135. dan hasil analisisnya sulit untuk diinterpretasikan. Wiersma (1986: 412) menyebutkan bahwa analisis faktor merupakan a procedure for determining the number and nature of constructs that underlie a set of measure.

. 21 22 2m . in my opinion. is of two kinds« The factorial validity of a test is given by its loadings in meaningful. Seluruh variabel yang ada akan dilihat hubungannya (interdependent antar variabel). 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?´. ..+ N Fm+Im p1 p2 pm . Xp-Qp = 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. maka analisis faktor yang akan dilakukan adalah confirmatory factor analysis. A more pertinent question should be ³What does this test measure?´. 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+. sehingga akan menghasilkan pengelompokan atau tepatnya abstraction dari banyak variabel menjadi hanya beberapa variabel baru atau factor untuk mepermudah proses pengolahan. Validity.. 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..+ N Fm+I1 11 12 1m X2-Q2 = N F1+ N F2+. reference factors.+ N Fm+I2. Dalam kaitannya dengan penentuan validitas konstruk.faktorial adalah validitas yang sebenarnya dalam suatu pengukuran.

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

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

terdiri dari beberapa bagian. 2. Output analisis faktor dengan metode ekstraksi PCA (Principal Component Analysis) yang diperoleh dari output analisis SPSS.8. 2000: 453).4. Determinant Bagian determinant ini terletak tepat di bawah tabel correlation matrix. Demikian juga dengan variabel-variabel yang tidak berkorelasi sama sekali.00001. SCREE PLOT: plot dari eigen value sebagai sumbu vertical dan banyaknya fektor sebagai sumbu datar. Correlation Matrix Bagian ini berupa tabel yang menampilkan koefisien korelasi (Pearson-Product Moment) antara variabel (butir) yang dianalisa. Korelasi yang dimaksud merupakan korelasi linear antar butir. Field (2000: 453) mengindikasikan bahwa variabel-variabel yang koefisien korelasinya terlalu tinggi. Asumsi dasar dalam analisis faktor adalah bahwa terdapat korelasi linear antar variabel. yaitu jika lebih besar (>) dari 0. namun korelasi tersebut bukan merupakan korelasi yang sempurna (dengan nilai koefisien korelasi 1). Jika nilai determinant ini lebih besar (>) dari 0. 5. sehingga perhitungannya akan lebih mudah dilakukan dengan menggunakan bantuan komputer seperti program Statistical Product and Service Solutions (SPSS). KMO and Bartlett s Test Tabel KMO & Bartlett s Test memberikan informasi tentang kelayakan data yang dimiliki untuk dianalisa dengan menggunakan analisis faktor. EIGEN VALUE: jumlah varian yang dijelaskan oleh setiap factor. sebagai berikut: 1. Hanya eigenvalue > 1 yang dimasukkan dalam model. atau tidak. untuk menentukan banyaknya factor yang bisa ditarik (factor extraction) Seperti yang telah dijelaskan sebelumnya. analisis faktor melibatkan perhitungan matematis yang kompleks. Fungsinya adalah untuk mengecek apakah terdapat multikolinearitas antar variabel-variabel yang dianalisis. 3. sebaiknya di-drop dari tahapan analisis. maka dapat diasumsikan bahwa multikolinearitas tidak terjadi (Field. harus dibuang dari tahapan analisis. Uji Kaiser-Meyer-Olkin .

Bartlett s test bertujuan untuk menguji hipotesis tentang apakah matriks korelasi original yang diperoleh merupakan sebuah identity matrix atau bukan. dan . Nilai KMO bervariasi dari 0 sampai dengan 1.(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. atau keragaman yang disebabkan oleh faktor tertentu (underlying factors). Jika ini yang terjadi. atau memikirkan kembali variabel-variabel mana saja yang akan dilibatkan dalam tahapan analisis selanjutnya (Field. sedangkan jika nilai KMO lebih rendah dari 0. Jika nilai KMO-nya mendekati 1. berarti bahwa matrik korelasi yang diperoleh bukan merupakan identity matrix. 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. dan analisis faktor menjadi pilihan yang tepat untuk melakukan peringkasan variabel. Jika tidak terdapat korelasi. Jika nilai KMO lebih kecil dari 0.5 maka harus dipertimbangkan untuk menambah jumlah responden.5 maka hasil analisis faktor tidak cukup informatif untuk menjelaskan karakteristik variabel yang dimiliki. nilai KMO yang lebih besar dari 0. 455). maka analisis faktor bukan merupakan teknik yang tepat untuk melakukan peringkasan (summarization) variabel. Nilai KMO 0 menunjukkan bahwa jumlah korelasi parsial antar variabel adalah terlalu besar jika dibandingkan dengan jumlah korelasi antar variabel. berarti pola korelasi antar variabel relatif kompak.5. Jika hasil uji Bartlett ini signifikan (taraf signifikansinya lebih kecil dari (<) 0.5 juga berarti bahwa jumlah responden (sampel) yang digunakan adalah telah sesuai atau layak (sampling adequacy). Nilai KMO yang mendekati 1 berarti bahwa analisis faktor akan dapat memberikan hasil analisis yang interpretable terhadap variabel yang dianalisis. maka matrik yang diperoleh pada bagian sebelumnya merupakan identity matrix. Nilai KMO yang ditampilkan dalam tabel KMO and Bartlett s Test merupakan tingkat kelayakan untuk seluruh variabel. Selain itu. Teknik analisis faktor baru dapat diterapkan jika di antara variabel-variabel yang dilibatkan terdapat korelasi. dengan syarat bahwa korelasi tersebut tidak terlalu sempurna. Rekomendasi Kaiser untuk standar minimal nilai KMO adalah lebih besar dari (>) 0. 2000: 445-446.05).

setelah terlebih dahulu dilakukan pengurangan jumlah variabel (Field.5 berarti bahwa butir tersebut tidak sesuai dengan struktur variabel-variabel yang lain. Nilai KMO pada tabel KMO and Bartlett s test di atas merupakan nilai KMO untuk keseluruhan variabel (multiple variables). atau tidak. Butir atau variabel yang memiliki nilai MSA lebih kecil dari 0.5 maka variabel tersebut harus dikeluarkan dari analisis. the factor model is not working well for that indicator and possibly it should be removed from the model. Di bawah bidang diagonal.75 seems high but is meaningless unless the factor on which the variable is (measure of . However. Jika terdapat variabel dengan nilai lebih rendah dari 0. nilai yang ditunjukkan sebaiknya adalah nilai kecil yang mendekati 0. 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. Manual SPSS menjelaskan secara lebih rinci perihal komunalitas ini.dengan demikian dapat diasumsikan bahwa terdapat korelasi antar variabel serta penggunaan analisis faktor memiliki dasar yang benar (Field. 2000: 456). nilai KMOnya adalah untuk suatu variabel tertentu saja (individual variable). nilai KMO suatu variabel ditunjukkan pada diagonal tabel yang diberi tanda Äa sampling adequacy ± MSA). Dari matriks anti-image. sedangkan pada matrik anti-image ini. Jika ini yang terjadi. Communalities Pohlmann (2004) mendefinisikan komunalitas dengan ³the proportion of a variable s variance explained by a factor structure´. sehingga harus didrop dari analisis. Jika nilai KMO untuk semua variabel lebih besar (>) dari 0. Nilai yang kecil ini mengindikasikan bahwa variabel yang dianalisa relatif terbebas dari korelasi yang tidak dapat dijelaskan (unexplained correlation). 4. 457). 2000: 446.5. Anti-image Matrices Tabel anti-image matrices ini menampilkan nilai KMO untuk suatu variabel (butir) tertentu. When an indicator variable has a low communality. A communality of . communalities must be interpreted in relation to the interpretability of the factors.5 maka analisis dapat diteruskan. maka analisis harus dilakukan ulang dari awal. Pengecekan yang harus dilakukan adalah memeriksa apakah terdapat nilai yang lebih kecil dari 0. dan analisis faktor tetap merupakan pilihan teknik yang tepat. 5.

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

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

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

Sign up to vote on this title
UsefulNot useful