VALIDITAS INTERNAL DAN VALIDITAS EKSTERNAL

Pada dasarnya instrumen terbagi atas instrumen berbentuk tes misalnya untuk mengukur prestasi atau capaian atas pembelajaran dan instrumen berbentuk non tes untuk mengukur sikap. Tes merupakan prosedur sistematis untuk melakukan pengamatan terhadap perilaku seseorang dan mendeskripsikan perilaku tersebut dengan bantuan skala angka atau suatu sistem penggolongan (Cronbach, 1004). 

Instrumen berbentuk tes jawabannya ada benar atau salah, namun instumen sikap tidak demikian tetapi bersifat positif atau negatif. pada dasarnya instrumen yang baik adalah instrumen yang valid dan reliabel.
Seperti penjelasan pada postingan sebelumnya sudah dijelaskan mengenai validitas dan reliabilitas secara umum. Dikatakan bahwa instrumen yang valid harus memiliki validitas internal dan validitas eksternal. Instrumen yang memiliki validitas internal bila kriteria dalam instrumen secara teoritis telah mencerminkan apa yang hendak diukur. Sedangkan validitas eksternal bila kriteria dalam instrumen disusun berdasarkan fakta empiris yang ada. (Sugiyono, 2008).

Validitas internal instrumen berbentuk tes harus memenuhi validitas konstruk dan validitas isi. Sedangkan validitas internal untuk instrumen berbentuk non tes cukup memenuhi validitas konstruk saja.

Instrumen yang memiliki validitas konstruk disusun berdasarkan teori yang relevan. Instrumennya dapat mengukur gejala sesuai dengan yang didefinisikan. Misalnya mengukur motivasi kerja, maka perlu didefinisikan terlebih dahulu motivasi kerja berdasarkan teori yang relevan. Selanjutnya baru siapkan instrumen sesuai dengan definisi tersebut. Seperti yang dilakukan penelitian mahasiswa pada tugas akhir. Jika teori sudah benar maka hasil pengukuran dengan instrumen berdasarkan teori pun sudah dipandang sebagai hasil yang valid. (Sutrisno).

Instrumen yang memiliki validitas isi merupakan instrumen yang berbentuk tes yang dapat mengukur prestasi, capaian ataupun efektivitas pelaksanaan suatu program. Instrumen prestasi / capaian harus disusun berdasarkan materi yang diajarkan sedangkan instrumen untuk mengetahui efektivitas pelaksanaan program harus disusun berdasarkan program yang telah direncanakan.

Selanjutnya, menguji validitas eksternal yaitu dengan cara membandingkan / mencari kesamaan antara kriteria yang ada pada instrumen dengan fakta empiris yang ada di lapangan. Misalnya penelitian mengukur motivasi kerja, maka kriteria pada instrumen motivasi kerja dibandingkan dengan catatan-catatan yang ada dilapangan mengenai motivasi kerja. Jika terdapat kesamaan maka dapat dinyatakan instrumen tersebut memiliki validitas eksternal yang tinggi. Sehingga hasil penelitian akan memiliki validitas yang tinggi pula. Penelitian yang memiliki validitas eksternal, bila hasil penelitian dapat digeneralisasikan pada sampel lain dalam populasi yang diteliti. Untuk meningkatkannya dapat dialkukan dengan cara menambah ukuran sampel.

by MEYF.


Materi selanjutnya kita akan bahas mengenai uji Validitas dengan menggunakan analisis faktor.

Read More

~"CONTOH - INTERPRETASI HASIL ANALISIS FAKTOR "~

Dari hasil olahan data analisis faktor pada Langkah-Langkah Analisis Faktor dengan IBM SPSS 21.00. Maka dapat kita interpretasikan hasil analisisnya sebagai berikut :

Dari hasil olahan data tersebut dengan rumusan masalah adalah untuk mengetahui faktor-faktor perilaku rumah tangga dan belanja. Dalam hal ini untuk mereduksi 7 variabel (X1, X2, X3, X4, X5, X6 dan X7) menjadi lebih sedikit atau kurang dari 7 variabel. Metode yang digunakan adalah Principal Component Analysis.

Uji analisis kelayakan data dengan menggunakan KMO Bartlett Tes't diperoleh bahwa nilai KMO sebesar 0,550 yaitu lebih besar dari 0,50 hal ini menunjukkan bahwa sampel cukup untuk dilakukan analisis faktor. Selanjutnya pada uji Bartlett's Test of Sphericity sebesar 0,000 artinya ada korelasi antar variabel atau ketujuh variabel tersebut atau dalam bentuk statistika bahwa matriks korelasi bukan matrik identitas. Hal ini dapat dilihat pada gambar 1 berikut :

Gambar 1. Hasil KMO dan Uji Bartlett

Selanjutnya metode yang dipilih adalah metode Principal Component Analysis yaitu dengan mempertimbangkan nilai variannya. Maka dilakukan penentuan jumlah faktor yaitu dengan menggunakan nilai eigen, atau scree plot atau persentase varians. Dalam hal ini akan dibahas ketiganya. 

1. Penentuan jumlah faktor dengan nilai eigen 

Banyaknya faktor ditentukan dengan nilai eigen yang lebih dari 1. Dari gambar 2 di bawah pada kolom Initial Eigenvalues - Total yang memiliki nilai eigen lebih dari 1 ada sebanyak 3 component. Artinya terdapat tiga faktor yang terbentuk. 

Gambar 2. Total Variance Explained

2. Penentuan jumlah faktor dengan persentase varians

Dari gambar 2 di atas, persentase varians terletak pada kolom Initial Eigenvalues - Cumulative %. Jika dilihat per tahapan, 1 faktor (component) besarnya persentase varians sebesar 35,505 persen artinya sekitar 35,505 persen variasi varian dari tujuh variabel dapat dijelaskan oleh 1 faktor, tentu nilai  ini masih kurang dari 60 persen. Untuk 2 faktor (component) besarnya persentase varians sebesar 51,518 persen artinya sekitar 51,518 persen variasi varian dari tujuh variabel  dapat dijelaskan oleh dua faktor. Nilai persentase ini masih kurang dari 60 persen. Selanjutnya jika diambil 3 faktor (component) besarnya persentase varians sebesar 80,649 persen artinya sekitar 80,649 persen variasi varian dari tujuh variabel dapat dijelaskan oleh tiga faktor. Nilai ini sudah lebih dari 60 persen. Dan jika dilihat dari nilai eigennya, sampai tiga faktor (component) nilai eigen sudah lebih dari 1. Jadi dapat disimpulkan bahwa faktor yang terbentuk adalah sebesar 3 faktor.

3. Penentuan jumlah faktor dengan scree plot

Scree plot atau plot patahan dapat menentukan jumlah faktor yang terbentuk. Jumlah patahan yang tajam menunjukkan banyaknya faktor yang terbentuk. Dari gambar di bawah terdapat tiga garis patahan yang tajam, sedangkan patahan ke empat sampai ke tujuh tidak terlalu tajam. Sehingga dapat disimpulkan bahwa faktor yang terbentuk adalah sebanyak 3 faktor.

Gambar 3. Scree Plot

Jadi terdapat tiga faktor yang mewakili tujuh item tersebut. Dan sekitar 80,649 persen variasi dari varians tujuh item dapat dijelaskan oleh tiga faktor.

Setelah banyaknya faktor ditentukan, selanjutnya adalah menentukan variabel mana yang masuk ke dalam ketiga faktor tersebut. Yaitu dengan menggunakan matrik rotasi dengan metode varimax yang dapat dilihat pada gambar 4 berikut :

Gambar 4. Matrik Faktor Rotasi

Dari gambar 4 di atas, variabel yang membentuk faktor tertentu adalah variabel yang memiliki nilai korelasi tertinggi. Variabel X1 memiliki nilai korelasi 0,897 pada faktor/component 1 artinya variabel X1 membentuk Faktor 1. Selanjutnya jika dilihat secara keseluruhan maka faktor 1 dapat dibentuk oleh variabel X1, X3, dan X5. Ketiga variabel ini saling berkorelasi sehingga membentuk faktor 1. Faktor 2 dibentuk oleh korelasi X4 dan X7 dan faktor 3 dibentuk oleh korelasi variabel X2 dan X6. 

Faktor yang terbentuk ini selanjutnya dapat diinterpretasikan dengan memberikan nama terhadap masing-masing faktor. Tentunya didasarkan pada teori dan variabel yang membentuk.

Sebagai contoh : 

Jika dilihat dari soal sebelumnya pada contoh penggunaan analisis faktor dimana tujuh variabel tersebut yang membentuk faktor adalah 

Faktor 1 :

X1 = saya lebih baik tinggal di rumah daripada pergi pesta

X3 = majalah lebih menarik daripada bioskop

X5 = saya termasuk homebody

Faktor 2 :

X4 = saya tidak mau membeli produk yang diiklankan di billboard

X7 = perusahaan banyak menghabiskan uang untuk membiayai iklan

Faktor 3 :

X2 = saya selalu mengecek harga walaupun pada barang murah

X6 = saya menyimpan dan membelanjakan kupon

selanjutnya penamaan ditentukan oleh teori dan variabel yang membentuk. Misalnya faktor 1 diberi nama faktor perilaku pribadi, faktor 2 diberi nama faktor penjualan dan faktor 3 diberi nama faktor pembelian. Atau lainnya dikaitkan dengan teori yang ada.

Untuk menghitung faktor skor dalam hal ini menggunakan Anderson-Rubin dalam IBM SPSS 21.00 sudah langsung diperoleh nilai faktor 1, faktor 2 dan faktor 3. Dan setiap faktor memiliki model faktor yang dapat digunakan untuk menghitung skor faktor tersebut. Membentuk skor faktor dapat didasarkan pada gambar 5 berikut ini :

Gambar 5. Matrik Koefisien Skor Faktor

Berikut model faktor tersebut :

Faktor 1 = 0,391X1 + 0,10X2 + 0,302X3 + 0,170X4 + 0,405X5 - 0,008X6 - 0,086X7

Faktor 2 = 0,020X1 - 0,048X2 - 0,189X3 + 0,542X4 + 0,211X5 + 0,145X6 + 0,461X7

Faktor 3 = -0,048X1 + 0,530X2 + 0,043X3 + 0,059X4 + 0,021X5 + 0,595X6 + 0,035X7

Dan hasil skor faktor yang terbentuk di data view IBM SPSS 21.00 dapat digunakan untuk analisis lebih lanjut.

Gambar 6. Hasil Skor Faktor Anderson-Rubin

by MEYF

Read More

INTERPRETASI HASIL ANALISIS FAKTOR DENGAN IBM SPSS

Ini adalah lanjutan dari artikel yang sudah pernah di posting beberapa tahun yang lalu yaitu Analisis Faktor dan Langkah-Langkah Analisis Faktor dengan IBM SPSS 21. Dalam materi kali ini yang dibahas adalah langkah-langkah analisis faktor langsung menggunakan IBM SPSS 21.00 dan interpretasi hasilnya. Data yang digunakan dapat dilihat pada Langkah-Langkah Analisis Faktor dengan IBM SPSS 21.
Untuk lebih singkatnya dapat dilihat video berikut :

Read More

CARA MEMBUAT DIAGRAM LINGKARAN

Kali ini kita membahas cara membentuk diagram lingkaran secara manual. Sangat mudah tapi sering terlupakan. Silahkan tonotn penjelasan lengkapnya melalui video berikut ini :

Read More

CONTOH PERHITUNGAN MANUAL ANALISIS KORELASI METODE PRODUK MOMEN - MENGGUNAKAN MS EXCEL

Berikut adalah video mengenai contoh perhitungan manual analisis korelasi sedehana metode Pearson Produk Momen yaitu variabel X dan Y dimana variabel X adalah tinggi badan dan variabel Y adalah berat badan dari 12 orang sebagai sampel. Dan akan diukur seberapa kuat hubungan atau korelasi antara tinggi badan dan berat badan tersebut. Berikut penjelasannya dapat dilihat pada link video berikut ini :

Read More

CONTOH PERHITUNGAN MANUAL ANALISIS KORELASI METODE LEAST SQUARE - MENGGUNAKAN MS EXCEL

Berikut adalah video mengenai contoh perhitungan manual analisis korelasi sedehana metode Least Square yaitu variabel X dan Y dimana variabel X adalah tinggi badan dan variabel Y adalah berat badan dari 12 orang sebagai sampel. Dan akan diukur seberapa kuat hubungan atau korelasi antara tinggi badan dan berat badan tersebut. Berikut penjelasannya dapat dilihat pada link video berikut ini :

Read More

CONTOH ANALISIS REGRESI LINEAR SEDERHANA MENGGUNAKAN MS EXCEL

Pada postingan sebelumnya sudah diberikan contoh mengenai Analisis Regresi Linear Sederhana dengan perhitungan manual. Kali ini akan kita bahas contoh lain dari Analisis Regresi Linear Sederhana menggunakan MS Excel.

Dalam kasus ini diberikan contoh dua kejadian atau dua variabel yaitu berat badan sebagai variabel terikat Y dan tinggi badan sebagai variabel bebas X. Terdapat 12 data sampel dari orang yang diukur tinggi dan berat badannya.
Dengan menggunakan analisis regresi linear sederhana menggunakan MS Excel diperoleh Persamaan Regresi :

Y = 31,38 + 0,23X + error

Berikut video mengenai langkah-langkah perhitungannya :

Silahkan klik :

Semoga bermanfaat

Terimakasih ^_^

Read More