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

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

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

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

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

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

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

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

Fungsinya adalah untuk mengecek apakah terdapat multikolinearitas antar variabel-variabel yang dianalisis. sehingga perhitungannya akan lebih mudah dilakukan dengan menggunakan bantuan komputer seperti program Statistical Product and Service Solutions (SPSS). 3. sebagai berikut: 1. 2000: 453). analisis faktor melibatkan perhitungan matematis yang kompleks. Asumsi dasar dalam analisis faktor adalah bahwa terdapat korelasi linear antar variabel. 2.00001. Determinant Bagian determinant ini terletak tepat di bawah tabel correlation matrix.4.8. KMO and Bartlett s Test Tabel KMO & Bartlett s Test memberikan informasi tentang kelayakan data yang dimiliki untuk dianalisa dengan menggunakan analisis faktor. sebaiknya di-drop dari tahapan analisis. terdiri dari beberapa bagian. Field (2000: 453) mengindikasikan bahwa variabel-variabel yang koefisien korelasinya terlalu tinggi. Korelasi yang dimaksud merupakan korelasi linear antar butir. SCREE PLOT: plot dari eigen value sebagai sumbu vertical dan banyaknya fektor sebagai sumbu datar. Output analisis faktor dengan metode ekstraksi PCA (Principal Component Analysis) yang diperoleh dari output analisis SPSS. namun korelasi tersebut bukan merupakan korelasi yang sempurna (dengan nilai koefisien korelasi 1). Jika nilai determinant ini lebih besar (>) dari 0. maka dapat diasumsikan bahwa multikolinearitas tidak terjadi (Field. Uji Kaiser-Meyer-Olkin . harus dibuang dari tahapan analisis. Demikian juga dengan variabel-variabel yang tidak berkorelasi sama sekali. EIGEN VALUE: jumlah varian yang dijelaskan oleh setiap factor. atau tidak. Correlation Matrix Bagian ini berupa tabel yang menampilkan koefisien korelasi (Pearson-Product Moment) antara variabel (butir) yang dianalisa. yaitu jika lebih besar (>) dari 0. Hanya eigenvalue > 1 yang dimasukkan dalam model. 5. untuk menentukan banyaknya factor yang bisa ditarik (factor extraction) Seperti yang telah dijelaskan sebelumnya.

Nilai KMO yang mendekati 1 berarti bahwa analisis faktor akan dapat memberikan hasil analisis yang interpretable terhadap variabel yang dianalisis. berarti bahwa matrik korelasi yang diperoleh bukan merupakan identity matrix. Rekomendasi Kaiser untuk standar minimal nilai KMO adalah lebih besar dari (>) 0. Nilai KMO bervariasi dari 0 sampai dengan 1. Bartlett s test bertujuan untuk menguji hipotesis tentang apakah matriks korelasi original yang diperoleh merupakan sebuah identity matrix atau bukan.(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. Teknik analisis faktor baru dapat diterapkan jika di antara variabel-variabel yang dilibatkan terdapat korelasi. Jika nilai KMO lebih kecil dari 0. Jika tidak terdapat korelasi. atau keragaman yang disebabkan oleh faktor tertentu (underlying factors). atau memikirkan kembali variabel-variabel mana saja yang akan dilibatkan dalam tahapan analisis selanjutnya (Field. Nilai KMO yang ditampilkan dalam tabel KMO and Bartlett s Test merupakan tingkat kelayakan untuk seluruh variabel. dengan syarat bahwa korelasi tersebut tidak terlalu sempurna. 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. sedangkan jika nilai KMO lebih rendah dari 0.5.5 maka harus dipertimbangkan untuk menambah jumlah responden. dan . 455). nilai KMO yang lebih besar dari 0. 2000: 445-446. dan analisis faktor menjadi pilihan yang tepat untuk melakukan peringkasan variabel.05).5 maka hasil analisis faktor tidak cukup informatif untuk menjelaskan karakteristik variabel yang dimiliki. maka analisis faktor bukan merupakan teknik yang tepat untuk melakukan peringkasan (summarization) variabel. maka matrik yang diperoleh pada bagian sebelumnya merupakan identity matrix. berarti pola korelasi antar variabel relatif kompak. Nilai KMO 0 menunjukkan bahwa jumlah korelasi parsial antar variabel adalah terlalu besar jika dibandingkan dengan jumlah korelasi antar variabel. Jika ini yang terjadi. Jika nilai KMO-nya mendekati 1. Selain itu.5 juga berarti bahwa jumlah responden (sampel) yang digunakan adalah telah sesuai atau layak (sampling adequacy). Jika hasil uji Bartlett ini signifikan (taraf signifikansinya lebih kecil dari (<) 0.

Di bawah bidang diagonal. nilai yang ditunjukkan sebaiknya adalah nilai kecil yang mendekati 0.dengan demikian dapat diasumsikan bahwa terdapat korelasi antar variabel serta penggunaan analisis faktor memiliki dasar yang benar (Field. 4. When an indicator variable has a low communality. sedangkan pada matrik anti-image ini. maka analisis harus dilakukan ulang dari awal. However. nilai KMO suatu variabel ditunjukkan pada diagonal tabel yang diberi tanda Äa sampling adequacy ± MSA). Anti-image Matrices Tabel anti-image matrices ini menampilkan nilai KMO untuk suatu variabel (butir) tertentu. 2000: 446. A communality of . Jika nilai KMO untuk semua variabel lebih besar (>) dari 0. Manual SPSS menjelaskan secara lebih rinci perihal komunalitas ini. the factor model is not working well for that indicator and possibly it should be removed from the model. 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. 457). dan analisis faktor tetap merupakan pilihan teknik yang tepat. 5.5 maka variabel tersebut harus dikeluarkan dari analisis. Jika ini yang terjadi. atau tidak. Communalities Pohlmann (2004) mendefinisikan komunalitas dengan ³the proportion of a variable s variance explained by a factor structure´. sehingga harus didrop dari analisis. Pengecekan yang harus dilakukan adalah memeriksa apakah terdapat nilai yang lebih kecil dari 0. 2000: 456). Nilai KMO pada tabel KMO and Bartlett s test di atas merupakan nilai KMO untuk keseluruhan variabel (multiple variables).5. Butir atau variabel yang memiliki nilai MSA lebih kecil dari 0. Dari matriks anti-image.75 seems high but is meaningless unless the factor on which the variable is (measure of . Jika terdapat variabel dengan nilai lebih rendah dari 0. setelah terlebih dahulu dilakukan pengurangan jumlah variabel (Field. communalities must be interpreted in relation to the interpretability of the factors.5 berarti bahwa butir tersebut tidak sesuai dengan struktur variabel-variabel yang lain. Nilai yang kecil ini mengindikasikan bahwa variabel yang dianalisa relatif terbebas dari korelasi yang tidak dapat dijelaskan (unexplained correlation).5 maka analisis dapat diteruskan. nilai KMOnya adalah untuk suatu variabel tertentu saja (individual variable).

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

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

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

Sign up to vote on this title
UsefulNot useful