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

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

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

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

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

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

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

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

Correlation Matrix Bagian ini berupa tabel yang menampilkan koefisien korelasi (Pearson-Product Moment) antara variabel (butir) yang dianalisa. 3. maka dapat diasumsikan bahwa multikolinearitas tidak terjadi (Field. 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. sehingga perhitungannya akan lebih mudah dilakukan dengan menggunakan bantuan komputer seperti program Statistical Product and Service Solutions (SPSS). untuk menentukan banyaknya factor yang bisa ditarik (factor extraction) Seperti yang telah dijelaskan sebelumnya. SCREE PLOT: plot dari eigen value sebagai sumbu vertical dan banyaknya fektor sebagai sumbu datar. namun korelasi tersebut bukan merupakan korelasi yang sempurna (dengan nilai koefisien korelasi 1). Determinant Bagian determinant ini terletak tepat di bawah tabel correlation matrix. atau tidak.00001. sebagai berikut: 1. harus dibuang dari tahapan analisis. 5. Korelasi yang dimaksud merupakan korelasi linear antar butir.8. Hanya eigenvalue > 1 yang dimasukkan dalam model. 2. Demikian juga dengan variabel-variabel yang tidak berkorelasi sama sekali. Field (2000: 453) mengindikasikan bahwa variabel-variabel yang koefisien korelasinya terlalu tinggi. EIGEN VALUE: jumlah varian yang dijelaskan oleh setiap factor. Jika nilai determinant ini lebih besar (>) dari 0. sebaiknya di-drop dari tahapan analisis. terdiri dari beberapa bagian. Fungsinya adalah untuk mengecek apakah terdapat multikolinearitas antar variabel-variabel yang dianalisis. Output analisis faktor dengan metode ekstraksi PCA (Principal Component Analysis) yang diperoleh dari output analisis SPSS. Uji Kaiser-Meyer-Olkin . analisis faktor melibatkan perhitungan matematis yang kompleks. Asumsi dasar dalam analisis faktor adalah bahwa terdapat korelasi linear antar variabel. yaitu jika lebih besar (>) dari 0.4.

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

A communality of .5 berarti bahwa butir tersebut tidak sesuai dengan struktur variabel-variabel yang lain. communalities must be interpreted in relation to the interpretability of the factors. nilai KMOnya adalah untuk suatu variabel tertentu saja (individual variable). nilai yang ditunjukkan sebaiknya adalah nilai kecil yang mendekati 0. Butir atau variabel yang memiliki nilai MSA lebih kecil dari 0. 5. 2000: 456). Nilai yang kecil ini mengindikasikan bahwa variabel yang dianalisa relatif terbebas dari korelasi yang tidak dapat dijelaskan (unexplained correlation). 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.5. dan analisis faktor tetap merupakan pilihan teknik yang tepat. 2000: 446.dengan demikian dapat diasumsikan bahwa terdapat korelasi antar variabel serta penggunaan analisis faktor memiliki dasar yang benar (Field. Anti-image Matrices Tabel anti-image matrices ini menampilkan nilai KMO untuk suatu variabel (butir) tertentu.5 maka analisis dapat diteruskan. 4. Dari matriks anti-image. maka analisis harus dilakukan ulang dari awal. Jika ini yang terjadi. 457). However. Nilai KMO pada tabel KMO and Bartlett s test di atas merupakan nilai KMO untuk keseluruhan variabel (multiple variables). nilai KMO suatu variabel ditunjukkan pada diagonal tabel yang diberi tanda Äa sampling adequacy ± MSA). Jika terdapat variabel dengan nilai lebih rendah dari 0. When an indicator variable has a low communality. 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.75 seems high but is meaningless unless the factor on which the variable is (measure of . sedangkan pada matrik anti-image ini.5 maka variabel tersebut harus dikeluarkan dari analisis. Pengecekan yang harus dilakukan adalah memeriksa apakah terdapat nilai yang lebih kecil dari 0. Communalities Pohlmann (2004) mendefinisikan komunalitas dengan ³the proportion of a variable s variance explained by a factor structure´. Di bawah bidang diagonal. setelah terlebih dahulu dilakukan pengurangan jumlah variabel (Field. atau tidak. Jika nilai KMO untuk semua variabel lebih besar (>) dari 0. sehingga harus didrop dari analisis.

ncsu. Total Variance Explained Bagian ini merupakan sebuah tabel yang terdiri dari 3 bagian. nilai ini akan berkurang. Ketiga bagian tersebut. yaitu Initial Eigenvalues. there is a spurious solution.0 for all variables and all of the variance in the variables will be explained by all of the factors. The "extracted" communality is the percent of variance in a given variable explained by the factors which are extracted. Misalnya berkurang menjadi 0. Setelah ekstraksi. but rather the extent to which the item plays a role in the interpretation of the factor. komunalitas setiap variabel adalah sama dengan 1. Sebelum proses ekstraksi (initial communalities). yaitu eigenvalues.chass. and since factors are uncorrelated. dan nilai komunalitas 0 berarti variabel tersebut tidak berbagi keragaman dengan variabel yang lain. Recall r-squared is the percent of variance explained. 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. A communality of .loaded is interpretable.25 seems low but may be meaningful if the item is contributing to a well-defined factor. though often this role is greater when communality is high. In the communalities chart. Field (2000: 432 & 458) menyebutkan bahwa komunalitas adalah proportion of common varince present in a variable. which is what communality is.0« (garis bawah dari pengutip) (sumber dari http://www2. yang nilai ini berarti bahwa 43. Extraction Sums of Squared Loadings.edu/garson/pa765 Factor Analysis. the communality will be 1. Nilai komunalitas 1 berarti bahwa variabel yang bersangkutan tidak memiliki keragaman yang spesifik. what is critical is not the communality coefficient per se. which will be as many as there are variables. SPSS labels this column the "initial" communalities. dan Rotation Sums of Squared Loadings.0. If the communality exceeds 1.5% dari keragaman butir atau variabel tersebut merupakan shared variance. diambil pada tanggal 05 September 2010). though it usually will be. That is. the squared loadings may be added to get the total percent explained. 6.htm. which will usually be fewer than all the possible factors. resulting in coefficients less than 1.435. which may reflect too small a sample or the researcher has too many or too few factors. Communality for a variable is computed as the sum of squared factor loadings for that variable (row). For full orthogonal PCA.

antara lain Varimax. Rotation Sums of Squared Loadings merujuk pada nilai eigenvalue setelah dilakukan rotasi. Quartimax. 2000: 449). scree plot ini dapat digunakan untuk menentukan berapa jumlah faktor yang terbentuk dari keseluruhan variabel atau butir. Terdapat beberapa opsi metode rotasi yang dapat dipilih. 7. 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. 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. Metode rotasi yang digunakan dalam analisis faktor di sini adalah metode Quartimax. Yang perlu diperhatikan adalah bahwa komponen pertama cenderung akan memiliki nilai eigenvalue yang paling besar. Jumlah faktor yang terbentuk berdasarkan nilai eigenvalue ini masih perlu dikonfirmasikan dengan tampilan garis plot pada bagian scree plot. Scree Plot Bagian ini menampilkan plot faktor berdasarkan nilai eigenvalue-nya. biasanya pada faktor pertama. Dalam prosedur analisis faktor. Equamax adalah alternatif yang mengambil jalan tengah antara Varimax dan Quartimax. Terakhir. Direct Oblimin.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. 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). Metode Direct Oblimin dan Promax relatif lebih kompleks dalam mendistribusikan nilai muatan faktor (Field. dan nilai eigenvalue untuk komponen-komponen setelahnya menjadi lebih kecil. sehingga faktor pertama akan lebih optimal dalam memperoleh nilai muatan faktor untuk masing-masing butir yang dianalisa. Metode rotasi yang dipilih adalah principal component. dan Promax (rotasi oblique). Biasanya yang dijadikan patokan dalam menentukan jumlah faktor adalah jika nilai eigenvalue dari suatu faktor lebih besar dari 1 yang merupakan rekomendasi Kaiser. Jolliffe merekomendasikan nilai minimal yang .

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

Sign up to vote on this title
UsefulNot useful