Pengembangan Awal Instrumen Penelitian dengan Analisis Faktor Eksploratori (EFA): Analisis Menggunakan SPSS

Analisis Faktor merupakan salah satu teknik statistik yang digunakan untuk melihat sekelompok variabel berdasarkan kemiripannya. Kemiripan dalam hal ini adalah korelasi yang tinggi antar variabel tersebut. Oleh karena itu asumsi mendasar dalam analisis faktor adalah bahwa variabel-variabel yang dianalisis harus saling berhubungan.
Dalam penyusunan instrumen penelitian, variabel yang dimaksud adalah item dari instrumen. Item-item yang memiliki korelasi yang tinggi akan membentuk satu kerumunan faktor. Faktor merupakan konstrak yang bersifat laten karena tidak ada data empirik yang menunjukkan besarnya faktor tersebut. Nilai faktor dibentuk dari nilai item-item yang menyusunnya. Oleh karena itu, penamaan dari faktor harus dijustifikasi sendiri oleh peneliti dengan melihat item-item yang menyusunnya.

Dalam pengembangan instrumen penelitian, analisis faktor dapat digunakan pada tahap awal pengembangan maupun untuk evaluasi validitas skala yang sudah jadi. Penggunaan analisis faktor banyak sekali ditemui dalam pengembangan teori psikologi, salah satu yang paling terkenal adalah teori kepribadian Big Five. Pada awalnya, teori ini diawali dari proses eksplorasi yang dilakukan Allport dengan mengumpulkan ribuan kata sifat yang ada dalam kamus bahasa Inggris, kemudian meringkasnya berdasarkan kemiripan maknanya. Studi ini dilanjutkan oleh Cattel dengan mengujicobakannya secara empiris dan dilakukan analisis faktor dari data yang ada. Dari data itu kemudian diketahui bahwa faktor kepribadian manusia ini bisa dijelaskan dalam 12 faktor kepribadian utama berdasarkan kemiripan dari kata sifat yang terbentuk. Temuan Cattel kemudian direplikasi oleh beberapa peneliti dan semuanya menemuka temuan yang sama, yakni kepribadian manusia dapat dijelaskan oleh lima faktor utama. Lima faktor utama ini kemudian disebut Big Five.

Apa yang dilakukan Cattel untuk melihat ada berapa faktor atau dimensi kepribadian manusia merupakan tahap eksplorasi. Dia menyederhanakan kata sifat yang begitu banyak dengan label yang sesuai. Misalkan, sekelompok kata terbuka, cerewet, bersemangat, suka bergaul, dan ramah dapat dikelompokkan menjadi satu faktor yang dinamai extrovert.

Contoh analisis faktor eksploratori
Contoh kali ini adalah contoh penggunakan analisis faktor eksploratori untuk melihat kecenderungan strategi pemecahan masalah mahasiswa. Studi diawali dengan memberikan kuesioner terbuka pada sejumlah mahasiswa dengan pertanyaan: apa yang kamu lakukan jika kamu mendapat banyak tugas akademik dalam satu waktu? Sejumlah responden kemudian memberikan jawabannya, dan dikelompokkan menjadi beberapa kategori. Akhirnya ada 12 jawaban dari responden. Jawaban responden ini kemudian disusun menjadi skala dengan lima pilihan jawaban, yakni sebagai berikut.

Ketika saya mendapat banyak tugas akademik, saya....
1
2
3
4
5
1
Memanfaatkan waktu luang untuk mengerjakan tugas
O
O
O
O
O
2
Segera mengerjakan begitu ada tugas baru
O
O
O
O
O
3
Menganalisis solusi sebelum melakukan sesuatu
O
O
O
O
O
4
Membuat daftar pekerjaan yang harus diselesaikan
O
O
O
O
O
5
Tidur lebih banyak untuk melupakan tugas yang ada
O
O
O
O
O
6
Mencari kegiatan pengalihan dengan berolah raga
O
O
O
O
O
7
Menyenangkan diri dengan menonton film
O
O
O
O
O
8
Menunda mengerjakan tugas hingga mendekati deadline
O
O
O
O
O
9
Cerita tentang permasalahan kepada teman
O
O
O
O
O
10
Meminta dukungan moral kepada teman
O
O
O
O
O
11
Menumpahkan segala kekesalan akan masalah kepada teman
O
O
O
O
O
12
Cerita tentang permasalahan kepada orang tua
O
O
O
O
O
Keterangan: 1=tidak pernah, 2=jarang, 3=kadang-kadang, 4=sering, 5=selalu

Skala tersebut kemudian diujicobakan kepada 177 orang mahasiswa untuk melihat ada berapa kecenderungan strategi pemecahan masalah mahasiswa. Setelah dilakukan skoring, kemudian dilakukan analisis faktor.

Menentukan jumlah faktor
Secara umum, ada beberapa cara untuk menentukan jumlah faktor yang akan digunakan untuk menginterpretasi item.
1.    Jika konstrak tersebut sudah umum dan diuji berkali-kali, maka kita tinggal menetapkan jumlah faktor sesuai dengan teori yang ada
2.    Jika konstrak masih dalam tahap eksplorasi dan belum ada yang meneliti sebelumnya, kita dapat melihat nilai eigenvalues dan jumlah varians yang dapat dijelaskan. Pada umumnya nilai eigenvalues di atas 1 cukup untuk menjadi faktor
3.    Cara lain adalah dengan meilihat titik perubahan (inflection point) pada scree plot. Jumlah faktor diperoleh dari jumlah garis yang ada sebelum titik perubahan muncul.

Karena penelitian ini adalah penelitian eksplorasi, dimana faktor-faktornya belum diketahui sebelumnya, maka kita tidak menetapkan terlebih dahulu jumlah faktornya. Kita dapat melihat jumlah faktor dari nilai eigenvalues dan bentuk scree plot, kemudian menamai faktor sesuai dengan item-item yang menyusunnya. Data untuk analisis selanjutnya dapat didownload di sini.

Cara analisis faktor di SPSS
Untuk melakukan analisis faktor, langkah yang dilakukan adalah sebagai berikut:
1.    Analyze dimension reduction – factor
2.    Masukkan 12 item ke dalam variables
3.    Klik decriptive dan centang KMO and Bartlet’s test of sphericity – klik continue
4.    Klik extraction dan centang scree plot – klik continue
5.    Klik rotation dan pilih varimax
6.    Klik options, centang sorted size by dan suppress small coefficient. Tentukan absolut value below 0,3.
7.    Klik OK

Membaca output
Output pertama yang kita baca adalah tabel KMO and Bartlett’s test. Seperti dijelaskan di awal, asumsi dasar dari analisis faktor eksploratori adalah bahwa setiap item saling berkorelasi satu sama lain. Untuk dapat dilihat adanya korelasi atau tidak dibutuhkan sampel yang cukup. Oleh karena itu nilai KMO (Kaiser-Meyer-Olkin) menunjukkan kecukupan dari sampel. Umumnya nilai KMO di atas 0,5 sudah menunjukkan sampel yang cukup. Kemudian bartlett’s test of sphericity menunjukkan adanya korelasi antar variabel, jika signifikan (sig <0,05) maka sudah bisa dilakukan analisis faktor. Dari output di atas, hasil analisis menunjukkan nilai KMO 0,708 dan bartlett’s test of sphericity signifikan. Oleh karena itu analisis faktor dapat dilanjutkan.

Tabel communalities menunjukkan sumbangan efektif tiap item terhadap faktor yang terbentuk. Misalkan item 1, item tersebut memberikan sumbangan efektif 20,1% terhadap faktor yang terbentuk, dapat dikatakan bahwa item ini masih kurang cukup baik untuk menjelaskan varian dalam faktor.
Output selanjutnya adalah tabel total variance explained. Total variance explained adalah persentase varian konstrak ukur yang dapat dijelaskan oleh beberapa faktor yang terbentuk. Dari kolom initial eigenvalues pada sub kolom cumulative, terlihat bahwa mereduksi 12 item menjadi 1 faktor dapat menjelaskan 26,78% varian, mereduksi menjadi 2 faktor menjelaskan 45,35% varian, dan mereduksi menjadi 3 faktor dapat menjelaskan 57,14%. Kita dapat memutuskan berapa faktor yang akan kita ambil dari nilai eigenvalues tersebut. Pada umumnya nilai eigenvalues di atas 1 dapat dikatakan sebagai jumlah faktor, dengan demikian dari data di atas kita bisa mengatakan dari 12 item yang ada kita bisa reduksi menjadi 3 faktor. Meskipun demikian penentuan jumlah faktor berdasarkan eigenvalues juga tidak mutlak.

Cara lain untuk melihat jumlah faktor adalah dengan melihat scree plot. Kita dapat memutuskan untuk mereduksi menjadi berapa faktor dari pola pada scree plot. Kita dapat melihat titik dimana mulai terjadi perubahan kemiringan garis, disitulah batas jumlah faktor yang akan kita ambil. Titik ini dinamakan inflection point. Jika dilihat dari gambar di atas, setelah titik ke-3, garis mulai mengalami perubahan kemiringan dan variasi yang dijelaskan semakin sedikit. Dengan demikian kita dapat mereduksi 12 item itu menjadi 3 faktor saja.

Rotated Component Matrixa

Component
1
2
3
Menumpahkan segala kekesalan akan masalah kepada teman (i11)
,852


Berbagi cerita tentang permasalahan yang sedang dihadapi kepada orang tua (i12)
,826


Meminta dukungan moral kepada teman (i10)
,682


Berbagi cerita tentang permasalahan yang sedang dihadapi kepada teman (i9)
,612


Menunda mengerjakan tugas hingga mendekati deadline (i8)

,765

Menyenangkan diri dengan menonton film (i7)

,745

Tidur lebih banyak untuk melupakan tugas yang ada (i5)

,740

Mencari kegiatan pengalihan dengan berolah raga (i6)

,709

Menenangkan hati dan pikiran (i4)


,851
Berpikir positif bahwa tugas pasti bisa diselesaikan (i3)


,816
Segera mengerjakan begitu ada tugas baru (i2)

-,316
,694
Memanfaatkan waktu luang untuk mengerjakan tugas (i1)


,320
Extraction Method: Principal Component Analysis.
 Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.
Output selanjutnya yang dilihat adalah rotated component matrix. Tabel ini memperlihatkan loading factor pada masing-masing faktor. Prinsip analisis faktor eksploratori adalah setiap item dapat berkorelasi dengan semua faktor, namun item yang baik hanya memiliki loading factor tinggi pada faktor yang diukurnya saja. Dari pengaturan analisis tadi kita memilih untuk menghilangkan tampilan loading factor di bawah 0,3, sehingga angka loading factor yang muncul dalam output hanyalah yang nilainya di atas 0,3.

Langkah selanjutnnya adalah memberikan label nama faktor berdasarkan item-item yang menyusunnya. Dari tabel di atas, kita dapat melihat jumlah faktor yang terbentuk adalah sesuai dengan yang dihasilkan dari eigenvalues, yakni ada 3 faktor.
-       Faktor 1 terdiri atas item 11, 12, 10, 9, dimana itemnya berkaitan dengan meminta dukungan sosial (seperti: menumpahkan kekesalan ke teman, bercerita ke orang tua). Oleh karena itu kita dapat memberikan label faktor 1 sebagai dukungan sosial (social support).
-       Faktor 2 terdiri atas item 8, 7, 5, 6, dimana itemnya berkaitan dengan menghindari tugas (seperti: menunda mengerjakan tugas, tidur lebih banyak). Oleh karena itu kita dapat memberikan label faktor 1 sebagai penghindaran (avoidance).
-       Faktor 3 terdiri atas item 4, 3, 2, 1, dimana itemnya berkaitan dengan menyelesaikan tugas (seperti: segera mengerjakan tugas, memanfaatkan waktu luang). Oleh karena itu kita dapat memberikan label faktor 1 sebagai pendekatan (approach).

Dari hasil analisis faktor terhadap strategi pemecahan masalah mahasiswa, kita dapat mengetahui bahwa secara umum ada tiga strategi pemecahan yakni social support, avoidance, dan approach. Untuk penyusunan skala selanjutnya, kita dapat melihat loading factornya. Semua item rata-rata sudah memiliki loading factor yang cukup baik, yakni di atas 0,4, kecuali item nomer 1. Oleh karena itu item tersebut dapat dipertimbangkan untuk digugurkan atau direvisi.







Mahasiswa PhD di ELTE, Hungaria. Dosen Psikologi di UMM, Indonesia.

Share this

Related Posts

Previous
Next Post »

3 komentar

Write komentar
November 21, 2020 at 9:33 PM delete

Bismillah, Saya Aam dari Univ Muhamadiyah tasik. Izin bertanya terkait dengan tahapan analisis faktor menggunakan spss jika konstrak yang akan diuji sudah umum dan diuji berkali-kali menurut tulisan akang disini bisa ditetap jumlah faktor sesuai dengan teori yang ada

Reply
avatar
June 14, 2021 at 2:59 AM delete

Mas, setiap nyoba download datanya kok tidak bisa ya? Bolehkah saya minta? Untuk belajar

Reply
avatar
Analisis Faktor merupakan salah satu teknik statistik yang digunakan untuk melihat sekelompok variabel berdasarkan kemiripannya. Kemiripan dalam hal ini adalah korelasi yang tinggi antar variabel tersebut. Oleh karena itu asumsi mendasar dalam analisis faktor adalah bahwa variabel-variabel yang dianalisis harus saling berhubungan.
Dalam penyusunan instrumen penelitian, variabel yang dimaksud adalah item dari instrumen. Item-item yang memiliki korelasi yang tinggi akan membentuk satu kerumunan faktor. Faktor merupakan konstrak yang bersifat laten karena tidak ada data empirik yang menunjukkan besarnya faktor tersebut. Nilai faktor dibentuk dari nilai item-item yang menyusunnya. Oleh karena itu, penamaan dari faktor harus dijustifikasi sendiri oleh peneliti dengan melihat item-item yang menyusunnya.

Dalam pengembangan instrumen penelitian, analisis faktor dapat digunakan pada tahap awal pengembangan maupun untuk evaluasi validitas skala yang sudah jadi. Penggunaan analisis faktor banyak sekali ditemui dalam pengembangan teori psikologi, salah satu yang paling terkenal adalah teori kepribadian Big Five. Pada awalnya, teori ini diawali dari proses eksplorasi yang dilakukan Allport dengan mengumpulkan ribuan kata sifat yang ada dalam kamus bahasa Inggris, kemudian meringkasnya berdasarkan kemiripan maknanya. Studi ini dilanjutkan oleh Cattel dengan mengujicobakannya secara empiris dan dilakukan analisis faktor dari data yang ada. Dari data itu kemudian diketahui bahwa faktor kepribadian manusia ini bisa dijelaskan dalam 12 faktor kepribadian utama berdasarkan kemiripan dari kata sifat yang terbentuk. Temuan Cattel kemudian direplikasi oleh beberapa peneliti dan semuanya menemuka temuan yang sama, yakni kepribadian manusia dapat dijelaskan oleh lima faktor utama. Lima faktor utama ini kemudian disebut Big Five.

Apa yang dilakukan Cattel untuk melihat ada berapa faktor atau dimensi kepribadian manusia merupakan tahap eksplorasi. Dia menyederhanakan kata sifat yang begitu banyak dengan label yang sesuai. Misalkan, sekelompok kata terbuka, cerewet, bersemangat, suka bergaul, dan ramah dapat dikelompokkan menjadi satu faktor yang dinamai extrovert.

Contoh analisis faktor eksploratori
Contoh kali ini adalah contoh penggunakan analisis faktor eksploratori untuk melihat kecenderungan strategi pemecahan masalah mahasiswa. Studi diawali dengan memberikan kuesioner terbuka pada sejumlah mahasiswa dengan pertanyaan: apa yang kamu lakukan jika kamu mendapat banyak tugas akademik dalam satu waktu? Sejumlah responden kemudian memberikan jawabannya, dan dikelompokkan menjadi beberapa kategori. Akhirnya ada 12 jawaban dari responden. Jawaban responden ini kemudian disusun menjadi skala dengan lima pilihan jawaban, yakni sebagai berikut.

Ketika saya mendapat banyak tugas akademik, saya....
1
2
3
4
5
1
Memanfaatkan waktu luang untuk mengerjakan tugas
O
O
O
O
O
2
Segera mengerjakan begitu ada tugas baru
O
O
O
O
O
3
Menganalisis solusi sebelum melakukan sesuatu
O
O
O
O
O
4
Membuat daftar pekerjaan yang harus diselesaikan
O
O
O
O
O
5
Tidur lebih banyak untuk melupakan tugas yang ada
O
O
O
O
O
6
Mencari kegiatan pengalihan dengan berolah raga
O
O
O
O
O
7
Menyenangkan diri dengan menonton film
O
O
O
O
O
8
Menunda mengerjakan tugas hingga mendekati deadline
O
O
O
O
O
9
Cerita tentang permasalahan kepada teman
O
O
O
O
O
10
Meminta dukungan moral kepada teman
O
O
O
O
O
11
Menumpahkan segala kekesalan akan masalah kepada teman
O
O
O
O
O
12
Cerita tentang permasalahan kepada orang tua
O
O
O
O
O
Keterangan: 1=tidak pernah, 2=jarang, 3=kadang-kadang, 4=sering, 5=selalu

Skala tersebut kemudian diujicobakan kepada 177 orang mahasiswa untuk melihat ada berapa kecenderungan strategi pemecahan masalah mahasiswa. Setelah dilakukan skoring, kemudian dilakukan analisis faktor.

Menentukan jumlah faktor
Secara umum, ada beberapa cara untuk menentukan jumlah faktor yang akan digunakan untuk menginterpretasi item.
1.    Jika konstrak tersebut sudah umum dan diuji berkali-kali, maka kita tinggal menetapkan jumlah faktor sesuai dengan teori yang ada
2.    Jika konstrak masih dalam tahap eksplorasi dan belum ada yang meneliti sebelumnya, kita dapat melihat nilai eigenvalues dan jumlah varians yang dapat dijelaskan. Pada umumnya nilai eigenvalues di atas 1 cukup untuk menjadi faktor
3.    Cara lain adalah dengan meilihat titik perubahan (inflection point) pada scree plot. Jumlah faktor diperoleh dari jumlah garis yang ada sebelum titik perubahan muncul.

Karena penelitian ini adalah penelitian eksplorasi, dimana faktor-faktornya belum diketahui sebelumnya, maka kita tidak menetapkan terlebih dahulu jumlah faktornya. Kita dapat melihat jumlah faktor dari nilai eigenvalues dan bentuk scree plot, kemudian menamai faktor sesuai dengan item-item yang menyusunnya. Data untuk analisis selanjutnya dapat didownload di sini.

Cara analisis faktor di SPSS
Untuk melakukan analisis faktor, langkah yang dilakukan adalah sebagai berikut:
1.    Analyze dimension reduction – factor
2.    Masukkan 12 item ke dalam variables
3.    Klik decriptive dan centang KMO and Bartlet’s test of sphericity – klik continue
4.    Klik extraction dan centang scree plot – klik continue
5.    Klik rotation dan pilih varimax
6.    Klik options, centang sorted size by dan suppress small coefficient. Tentukan absolut value below 0,3.
7.    Klik OK

Membaca output
Output pertama yang kita baca adalah tabel KMO and Bartlett’s test. Seperti dijelaskan di awal, asumsi dasar dari analisis faktor eksploratori adalah bahwa setiap item saling berkorelasi satu sama lain. Untuk dapat dilihat adanya korelasi atau tidak dibutuhkan sampel yang cukup. Oleh karena itu nilai KMO (Kaiser-Meyer-Olkin) menunjukkan kecukupan dari sampel. Umumnya nilai KMO di atas 0,5 sudah menunjukkan sampel yang cukup. Kemudian bartlett’s test of sphericity menunjukkan adanya korelasi antar variabel, jika signifikan (sig <0,05) maka sudah bisa dilakukan analisis faktor. Dari output di atas, hasil analisis menunjukkan nilai KMO 0,708 dan bartlett’s test of sphericity signifikan. Oleh karena itu analisis faktor dapat dilanjutkan.

Tabel communalities menunjukkan sumbangan efektif tiap item terhadap faktor yang terbentuk. Misalkan item 1, item tersebut memberikan sumbangan efektif 20,1% terhadap faktor yang terbentuk, dapat dikatakan bahwa item ini masih kurang cukup baik untuk menjelaskan varian dalam faktor.
Output selanjutnya adalah tabel total variance explained. Total variance explained adalah persentase varian konstrak ukur yang dapat dijelaskan oleh beberapa faktor yang terbentuk. Dari kolom initial eigenvalues pada sub kolom cumulative, terlihat bahwa mereduksi 12 item menjadi 1 faktor dapat menjelaskan 26,78% varian, mereduksi menjadi 2 faktor menjelaskan 45,35% varian, dan mereduksi menjadi 3 faktor dapat menjelaskan 57,14%. Kita dapat memutuskan berapa faktor yang akan kita ambil dari nilai eigenvalues tersebut. Pada umumnya nilai eigenvalues di atas 1 dapat dikatakan sebagai jumlah faktor, dengan demikian dari data di atas kita bisa mengatakan dari 12 item yang ada kita bisa reduksi menjadi 3 faktor. Meskipun demikian penentuan jumlah faktor berdasarkan eigenvalues juga tidak mutlak.

Cara lain untuk melihat jumlah faktor adalah dengan melihat scree plot. Kita dapat memutuskan untuk mereduksi menjadi berapa faktor dari pola pada scree plot. Kita dapat melihat titik dimana mulai terjadi perubahan kemiringan garis, disitulah batas jumlah faktor yang akan kita ambil. Titik ini dinamakan inflection point. Jika dilihat dari gambar di atas, setelah titik ke-3, garis mulai mengalami perubahan kemiringan dan variasi yang dijelaskan semakin sedikit. Dengan demikian kita dapat mereduksi 12 item itu menjadi 3 faktor saja.

Rotated Component Matrixa

Component
1
2
3
Menumpahkan segala kekesalan akan masalah kepada teman (i11)
,852


Berbagi cerita tentang permasalahan yang sedang dihadapi kepada orang tua (i12)
,826


Meminta dukungan moral kepada teman (i10)
,682


Berbagi cerita tentang permasalahan yang sedang dihadapi kepada teman (i9)
,612


Menunda mengerjakan tugas hingga mendekati deadline (i8)

,765

Menyenangkan diri dengan menonton film (i7)

,745

Tidur lebih banyak untuk melupakan tugas yang ada (i5)

,740

Mencari kegiatan pengalihan dengan berolah raga (i6)

,709

Menenangkan hati dan pikiran (i4)


,851
Berpikir positif bahwa tugas pasti bisa diselesaikan (i3)


,816
Segera mengerjakan begitu ada tugas baru (i2)

-,316
,694
Memanfaatkan waktu luang untuk mengerjakan tugas (i1)


,320
Extraction Method: Principal Component Analysis.
 Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.
Output selanjutnya yang dilihat adalah rotated component matrix. Tabel ini memperlihatkan loading factor pada masing-masing faktor. Prinsip analisis faktor eksploratori adalah setiap item dapat berkorelasi dengan semua faktor, namun item yang baik hanya memiliki loading factor tinggi pada faktor yang diukurnya saja. Dari pengaturan analisis tadi kita memilih untuk menghilangkan tampilan loading factor di bawah 0,3, sehingga angka loading factor yang muncul dalam output hanyalah yang nilainya di atas 0,3.

Langkah selanjutnnya adalah memberikan label nama faktor berdasarkan item-item yang menyusunnya. Dari tabel di atas, kita dapat melihat jumlah faktor yang terbentuk adalah sesuai dengan yang dihasilkan dari eigenvalues, yakni ada 3 faktor.
-       Faktor 1 terdiri atas item 11, 12, 10, 9, dimana itemnya berkaitan dengan meminta dukungan sosial (seperti: menumpahkan kekesalan ke teman, bercerita ke orang tua). Oleh karena itu kita dapat memberikan label faktor 1 sebagai dukungan sosial (social support).
-       Faktor 2 terdiri atas item 8, 7, 5, 6, dimana itemnya berkaitan dengan menghindari tugas (seperti: menunda mengerjakan tugas, tidur lebih banyak). Oleh karena itu kita dapat memberikan label faktor 1 sebagai penghindaran (avoidance).
-       Faktor 3 terdiri atas item 4, 3, 2, 1, dimana itemnya berkaitan dengan menyelesaikan tugas (seperti: segera mengerjakan tugas, memanfaatkan waktu luang). Oleh karena itu kita dapat memberikan label faktor 1 sebagai pendekatan (approach).

Dari hasil analisis faktor terhadap strategi pemecahan masalah mahasiswa, kita dapat mengetahui bahwa secara umum ada tiga strategi pemecahan yakni social support, avoidance, dan approach. Untuk penyusunan skala selanjutnya, kita dapat melihat loading factornya. Semua item rata-rata sudah memiliki loading factor yang cukup baik, yakni di atas 0,4, kecuali item nomer 1. Oleh karena itu item tersebut dapat dipertimbangkan untuk digugurkan atau direvisi.







3 comments

  1. Bismillah, Saya Aam dari Univ Muhamadiyah tasik. Izin bertanya terkait dengan tahapan analisis faktor menggunakan spss jika konstrak yang akan diuji sudah umum dan diuji berkali-kali menurut tulisan akang disini bisa ditetap jumlah faktor sesuai dengan teori yang ada

    ReplyDelete
  2. Mas, setiap nyoba download datanya kok tidak bisa ya? Bolehkah saya minta? Untuk belajar

    ReplyDelete

Artikel Lainnya