1. Menguji apakah hanya satu faktor saja yang menyebabkan item-item
saling berkorelasi (hipotesis uni-dimensional item). Hipotesis ini diuji dengan
chi- square. Untuk memutuskan apakah memang tidak ada perbedaan antara
matriks korelasi yang diperoleh dari data dengan matriks korelasi yang dihtung
menurut teori/model. Jika hasil chi-square tidak signifikan (p>0.05), maka
hipotesis nihil yang menyatakan “tidak ada perbedaan antara matriks korelasi
yang diperoleh dari data dan model” tidak ditolak yang artinya item yang diuji
mengukur satu faktor saja (uni- dimensional).
Sedangkan, jika nilai chi-square signifikan (p<0 .05="" artinya="" bahwa="" berkorelasi="" cara="" dalam="" dari="" demikian="" dengan="" dilakukan="" diperoleh="" ditolak="" diuiji="" div="" faktor="" fit="" hanya="" hipotesis="" item-item="" item="" jika="" keadaan="" kesalahan="" langkah="" lebih="" maka="" melakukan="" memperbolehkan="" mengukur="" menjaga="" model="" modifikasi="" multidimensional="" nbsp="" nihil="" pada="" peneliti="" pengukuran="" saling="" satu="" selanjutnya.="" sudah="" terhadap="" ternyata="" tersebut="" tetap="" tetapi="" uni-dimensional="" yang="">
2. Menganalisis item mana yang menjadi sumber tidak fit, terdapat
beberapa hal yang perlu diperhatikan untuk mengetahui item mana yang
menjadi sumber tidak fit, yaitu :
a. melakukan uji signifikansi terhadap koefisien muatan faktor darimasing-masing item dengan menggunakan t-test, jika nilai t yang
diperoleh pada sebuah item tidak signifikan (t<1 .96="" akan="" di="" dianggap="" dilakukan.="" div="" drop="" item="" karena="" maka="" pengukuran="" sedang="" signifikan="" sumbangannya="" terhadap="" tersebut="" tidak="" yang="">
0>
b. Melihat arah dari koefisien muatan faktor (faktor loading). Jika suatu
item memiliki muatan faktor negatif, makan item tersebut di drop
karena tidak sesuai dengan pengukuran (berarti semakin tinggi nilai
pada item tersebut semakin rendah nilai pada faktor yang diukur).
c. Sebagai kriteria tambahan (optional) dapat dilihat juga banyaknya
korelasi parsial antar kesalahan pengukuran, yaitu kesalahan
pengukuran pada suatu item yang berkorelasi dengan kesalahan
pengukuran pada item lain. Jika pada suatu item terdapat terlalu
banyak korelasi seperti ini (misalnyalebih dari tiga), maka item
tersebut juga akan di drop. Alasannya adalah karena item yang
demikian selain mengukur apa yang ingin di ukur juga mengukur hal
lain (multidemensional item).
3. Menghitung faktor skor. Jika langkah langkah di atas telah dilakukan,
maka diperoleh item- item yang valid untuk mengukur apa yang ingin
di ukur (Umar, 2012).
1>
Tidak ada komentar:
Posting Komentar