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

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

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

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

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

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

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

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

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

05). atau memikirkan kembali variabel-variabel mana saja yang akan dilibatkan dalam tahapan analisis selanjutnya (Field. Rekomendasi Kaiser untuk standar minimal nilai KMO adalah lebih besar dari (>) 0. Jika hasil uji Bartlett ini signifikan (taraf signifikansinya lebih kecil dari (<) 0. sedangkan jika nilai KMO lebih rendah dari 0. maka matrik yang diperoleh pada bagian sebelumnya merupakan identity matrix. nilai KMO yang lebih besar dari 0. Jika tidak terdapat korelasi. dan . dan analisis faktor menjadi pilihan yang tepat untuk melakukan peringkasan variabel. Selain itu. Nilai KMO bervariasi dari 0 sampai dengan 1. atau keragaman yang disebabkan oleh faktor tertentu (underlying factors). Jika nilai KMO-nya mendekati 1. berarti pola korelasi antar variabel relatif kompak. Jika ini yang terjadi.5 maka harus dipertimbangkan untuk menambah jumlah responden. 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 0 menunjukkan bahwa jumlah korelasi parsial antar variabel adalah terlalu besar jika dibandingkan dengan jumlah korelasi antar variabel.(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 lebih kecil dari 0.5. dengan syarat bahwa korelasi tersebut tidak terlalu sempurna. 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. Teknik analisis faktor baru dapat diterapkan jika di antara variabel-variabel yang dilibatkan terdapat korelasi. 2000: 445-446.5 juga berarti bahwa jumlah responden (sampel) yang digunakan adalah telah sesuai atau layak (sampling adequacy). Bartlett s test bertujuan untuk menguji hipotesis tentang apakah matriks korelasi original yang diperoleh merupakan sebuah identity matrix atau bukan.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. Nilai KMO yang ditampilkan dalam tabel KMO and Bartlett s Test merupakan tingkat kelayakan untuk seluruh variabel. 455).

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

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

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

setelah melalui proses rotasi. yang memuat muatan (loadings) setiap variabel pada setiap faktor atau komponen. 2000: 449). Nilai muatan faktor sebelum dirotasi akan cenderung lebih tinggi jika dibandingkan dengan setelah dirotasi. yang berisikan sekumpulan item instrumen atau variabel. dan butir mana saja kah yang kemudian dianggap dapat dianggap valid secara konstruk. . Kriterianya adalah jika muatan faktornya (loading factor) lebih kecil dari 0. yang antara satu pengukur dengan pengukur yang lain mungkin akan memberikan jumlah faktor yang berbeda. Component Matrix Matriks komponen ini ditampilkan dalam bentuk tabel. 2000: 462-463). penentuan butir mana yang akan dibuang dapat dilakukan. Teknik rotasi yang dilakukan adalah varimax. dalam menjelaskan keragaman yang mungkin muncul pada jawaban atau respon yang diberikan. Dari pembahasan terhadap output analisis SPSS seperti di atas. Rotated Component Matrix Matriks ini merupakan kelanjutan dari component matrix di atas. Berbeda dengan reliabilitas yang nilainya ditunjukkan oleh suatu koefisien reliabilitas. maka dalam hal validitas konstruk. 8. Nilai muatan faktor setelah dirotasi ini akan berkurang dari nilai muatan awal sebelum dirotasi.7 (Field. nilainya tidak ditunjukkan oleh suatu koefisien tertentu. sebelum dilakukan rotasi. melainkan oleh kemampuan dari suatu faktor. kemudian akan dapat ditentukan. Pada bagian ini. 9.4 (Field.lebih kecil untuk eigenvalue adalah 0. yang kemudian dalam tabel rotated component matirix hanya menampilkan faktor yang telah diekstraksi saja. akan lebih banyak melibatkan pertimbangan subyektif pengukur. berapa kah faktor atau komponen yang dapat terbentuk dari keseluruhan butir angket. Penentuan jumlah faktor yang terbentuk berdasarkan scree plot.