Validasi Instrumen Penelitian dengan Analisis Faktor Eksploratori (EFA) Menggunakan SPSS

Pada tulisan sebelumnya telah dijelaskan bahwa analisis faktor eksloratori dapat berguna dalam pengembangan awal instrumen penelitian maupun untuk uji validitas instrumen yang sudah jadi. Tulisan kali ini akan memberikan contoh penggunaan analisis faktor eksploratori untuk menguji validitas skala yang sudah jadi.

Uji validitas dapat dilakukan dengan beberapa pendekatan, salah satunya adalah validitas konstrak. Validitas konstrak adalah uji yang dilakukan untuk melihat apakah item-item dalam instrumen penelitian sudah sesuai untuk mengukur konstrak teoritis yang ada. Prosedur validasi dari analisis faktor ini maka disebut juga validitas faktorial. Dalam atau ukur psikologi, suatu item biasanya diturunkan dari suatu aspek atau dimensi. Analisis faktor dilakukan untuk melihat apakah item-item yang ada tersebut mewakili aspek atau dimensi yang seharusnya diukur. Selain itu analisis faktor juga dilakukan untuk menunjukkan apakah antar aspek atau dimensi tersebut saling berkaitan atau tidak (independen).

Jika pada tahap pengembangan awal alat ukur biasanya peneliti tidak menetapkan jumlah faktornya, maka pada prosedur validasi peneliti sudah menetapkan julah faktor yang akan diekstrasi sesuai dengan teori yang ada. Selain itu loading factor minimal yang diperoleh dari item terhadap aspek atau dimensi yang diukur juga diharapkan tinggi. Stevens (1992) merekomendasikan bahwa item yang memiliki loading factor di atas 0,4 saja yang layak untuk dipertahankan.

Berikut ini adalah contoh analisis faktor eksploratori untuk melihat apakah skala Subjective Well-Being memiliki validitas faktorial yang memuaskan. Secara teoritis, Subjective well-being terdiri atas tiga dimensi, yakni positive affect, negative affect, dan life satisfaction (Diener, 2000). Secara teoritis tiga dimensi ini saling independen. Dalam contoh ini, subjective well-being diukur dengan skala Positive Affect Negative Affect Schedule (PANAS) (Watson et al., 1988) dan Satifaction with Life Scale (SWLS) (Diener et al., 1985). Sebaran item dijelaskan dalam blueprint tabel di bawah.

Dimensi
No. Item
Positive affect
PA1, PA3, PA5, PA9, PA10, PA12, PA14, PA16, PA17, PA19
Negative affect
NA2, NA4, NA6, NA7, NA8, NA11, NA13, NA15, NA18, NA20
Life satisfaction
SWLS1, SWLS2, SWLS3, SWLS4, SWLS5

Kemudian kita akan menguji apakah subjective well-being benar-benar terdiri atas tiga dimensi dan tiap item terdistribusi sesuai dengan dimensi yang diukurnya sesuai yang sudah ditetapkan dalam blueprint.

Analisis dengan SPSS
Data yang akan digunakan dalam analisis kali ini dapat didownload di sini. Untuk melakukan analisis faktor, ikuti langkah berikut.
1.    Analyze dimension reduction – factor
2.    Masukkan 25 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. Kemudian, karena kita menetapkan jumlah faktor berdasar teori, maka pilih factor to extract dan isikan 3 (sesuai teori)
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. 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 0,887 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 61,8% terhadap faktor yang terbentuk, dapat dikatakan bahwa item ini sudah 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. Karena kita di awal sudah menentukan untuk mengetstrak menjadi 3 faktor, maka varians hanya dijelaskan sampai faktor ke-3. Dari kolom initial eigenvalues pada sub kolom cumulative, terlihat bahwa mereduksi 25 item menjadi 1 faktor dapat menjelaskan 26,06% varian, mereduksi menjadi 2 faktor menjelaskan 39,21% varian, dan mereduksi menjadi 3 faktor dapat menjelaskan 47,25%.

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 25 item itu menjadi 3 faktor saja, dan hal ini sesuai dengan teori yang ada.

Rotated Component Matrixa

Component
1
2
3
Khawatir (NA20 )
,772


Gelisah (NA18 )
,765


Takut (NA7 )
,743


Bersalah (NA6 )
,668


Gugup (NA15 )
,643


Malu (NA13 )
,598


Tertekan (NA2 )
,598


Mudah marah (NA11 )
,553


Kesal (NA4 )
,538


Bermusuhan (NA8 )
,383


Bertekad kuat (PA16 )

,715

Aktif (PA19 )

,704

Penuh perhatian (PA17 )

,688

Antusias (PA9 )

,683

Bersemangat (PA3 )

,659

Kuat (PA5 )

,659

Terinspirasi (PA14 )

,603

Bangga (PA10 )

,586

Tertarik (PA1 )

,566

Waspada (PA12 )
,310
,381

Saya puas dengan kehidupan saya. (SWLS3 )


,792
Seandainya saya dapat mengulang hidup saya, hampir tidak ada yang ingin saya ubah. (SWLS5 )


,740
Secara keseluruhan, kehidupan saya hampir seperti dengan apa yang saya harapkan. (SWLS1 )


,737
Sejauh ini, saya telah mendapatkan hal penting yang saya inginkan dalam hidup. (SWLS4 )


,734
Kondisi kehidupan saya sangat baik. (SLWS2 )


,732
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 tabel di atas, secara umum item-item terdisitribusi dengan baik dan mengelompok sesuai dengan faktornya. Namun ada 2 item yang patut dicermati, yakni item NA8 dan PA12. Stevens (1992) menyarankan untuk hanya menggunakan item yang memiliki loading factor di atas 0,4; sementara item tersebut memiliki item di bawah 0,4. Selain itu item nomer PA12 juga memiliki loading factor yang tinggi pada kedua faktor. Dapat dikatakan bahwa item PA12 mengukur dua dimensi pengukuran. Justifikasi diperlukan untuk mengeliminasi item ini atau tidak.

Dalam memutuskan apakah suati item akan dieliminasi atau tidak, biasanya pertimbangan yang digunakan keseimbangan komposisi item dalam aspek atau dimensi, justifikasi profesional berdasarkan teori yang ada, serta reliabilitas yang dihasilkan apakah akan turun atau tidak jika item tersebut dieliminasi.

Referensi
Diener, E. (1984). Subjective Well-Being. Psychological Bulletin, 95(3), 542–575.

Diener, E. D., Emmons, R. A., Larsen, R. J., & Griffin, S. (1985). The satisfaction with life scale. Journal of Personality Assessment, 49(1), 71–75.

Stevens, J. P. (1992). Applied multivariate statistics for the social sciences (2nd edition). Hillsdale, NJ: Erlbaum.

Watson, D., Clark, L. A., & Tellegen, A. (1988). Development and validation of brief measures of positive and negative affect: the PANAS scales. Journal of Personality and Social Psychology, 54(6), 1063.









Pensiunan guru SD yang sudah promosi menjadi dosen Psikologi di Universitas Muhammadiyah Malang

Share this

Related Posts

Previous
Next Post »

1 komentar:

Write komentar
December 16, 2018 at 7:58 PM delete

Validasi instrumen dengan analisis faktor ini dapat dihitung ketika sudah memiliki pernyataan atau pertanyaan dan juga jawaban dari responden atau cukup dengan ada penyataan atau pertanyaan kita bisa menghitungnya ?

Reply
avatar

Artikel Lainnya