VALIDITAS lengkap digital Leni

Wasidi-FKIP UNIB

VALIDITAS

3.1 Pengertian Validitas
Sebuah instrumen yang baik paling tidak memenuhi dua syarat pokok yaitu validitas dan

reliabilitas. Validity is the adequacy and appropiteness of the interpretations and uses of
assessment results (Cronbach, & Meehl, 1955; Miller, 2009). Ahli psikologi Gulliksen
(1950) mengatakan validitas tes adalah korelasi suatu tes dengan beberapa tes kriteria. Ia
menyatakan bahwa sebuah tes yang berlaku di suatu tempat akan berbeda validitasnya di tempat
lain. Misalnya pengujian dengan ACE Psychological Examination mempunyai validitas prediksi
yang baik untuk memprediksi peringkat di Inggris, tetapi akan berbeda validitas prediksinya jika
dilakukan di Amerika Latin. Validitas instrumen dimaknai sebagai ketepatan dalam
memberikan informasi terhadap hasil ukurnya sesuai dengan tujuan pengukuran. Sebuah
instrumen dapat dikatakan valid untuk tujuan tertentu tetapi belum tentu valid untuk tujuan
yang lain.

Seorang peneliti ingin mengukur pendapatan keluarga setiap bulan, apakah
pertanyaannya memang menanyakan sumber penghasilan dari hasil kerja? Apakah
pertanyaannya bukan mengukur yang lain, misalnya konsumsi sehari-hari, harta beda yang
dimiliki, baju yang dibeli bermerk, dan sebagainya. Kalau yang terjadi adalah pertanyaan
yang kedua, ketiga, maka dapat dipastikan instrumen itu tidak mengukur pendapatan
keluarga. Kajian tentang konsep yang diukur perlu pemikiran yang matang yang bersumber
pada pendapat ahli.

Secara umum ada tiga jenis validitas, yaitu validitas isi, validitas konstruk, dan
validitas berhubungan dengan kriteria (Crocker, 2008; Cronbach, & Meehl, 1955; Gable,
1993; Thorndike, 2010) ada yang menambahkan validitas kurikuler (Ebel, 1972; Lynn,
1983; Venezky, 1983). Validitas merupakan syarat utama karena akan menentukan kualitas tes
yang dibangun.

Validitas berkaitan dengan klarifikasi dan jusitifikasi dari interpretasi dan penggunaan
skor yang diamati. Hal ini sangat sulit untuk diinterpretasi atau dimaknai dari sebuah
pengamatan. Hal ini bahkan lebih sulit untuk mencapai konsensus tentang penggunaan yang
tepat dari skor tes dalam konteks diterapkan. Akibatnya, secara metode hal itu tidak mudah untuk
merumuskan validasi secara umum (Kane, 2001).

Dalam Standard for Educational and Psychological Tetsing dinyatakan bahwa
validitas tes mengacu pada kelayakan, kebermaknaan, dan kebergunaan. Kelayakan
mengandung arti bahwa butir-butir instrumen yang dikembangkan pantas untuk populasi
atau subjek ukur. Hasil ukur yang dilaksanakan mempunyai arti bagi subjek ukur,
sedangkan kebergunaan mempunyai makna hasil ukur berguna bagi subjek ukur dan
pengguna informasi hasil ukur.

Menurut Kane (2013) mengatakan untuk memvalidasi interpretasi atau penggunaan skor
tes adalah untuk mengevaluasi klaim yang masuk akal berdasarkan skor. Pendekatan berbasis
argumen untuk validasi menunjukkan bahwa klaim berdasarkan skor tes diuraikan sebagai
argumen yang menentukan inferensi dan asumsi pendukung yang diperlukan untuk mendapatkan
interpretasi dan penggunaan berbasis skor dari respon tes. Validasi kemudian dapat dianggap
sebagai evaluasi koherensi dan kelengkapan argumen interpretasi / penggunaan yang masuk
akal dari kesimpulan dan asumsi. Dalam menguraikan pendekatan berbasis argumen untuk
validasi ada delapan pokok pikiran. Pertama, interpretasi skor yang diusulkan dan penggunaan
yang divalidasi dan bukan tes atau skor tes. Kedua, interpretasi validitas atau penggunaan yang

Wasidi-FKIP UNIB

diusulkan tergantung pada seberapa baik bukti mendukung klaim yang dibuat. Ketiga, klaim
yang lebih ambisius membutuhkan lebih banyak dukungan daripada klaim yang kurang
ambisius. Keempat, klaim yang lebih ambisius (misal, membangun interpretasi) cenderung lebih
bermanfaat daripada klaim yang kurang ambisius, tetapi mereka juga lebih sulit untuk
menunjukkan bukti-buktinya. Kelima, interpretasi dan penggunaan dapat berubah seiring waktu
sebagai tanggapan terhadap kebutuhan baru dan pemahaman baru yang mengarah pada
perubahan dalam bukti yang diperlukan untuk validasi. Keenam, evaluasi penggunaan skor
membutuhkan evaluasi konsekuensi dari penggunaan yang diusulkan; konsekuensi negatif dapat
membuat penggunaan skor menjadi tidak dapat diterima. Ketujuh, penolakan terhadap
penggunaan skor tidak serta-merta membatalkan interpretasi skor yang mendasari sebelumnya.
Kedelapan, validasi interpretasi skor yang menjadi dasar penggunaan skor tidak menunjukkan
bahwa dengan penggunaan skor tersebut menjadi valid.
3.2 Validitas Kurikulum

Validitas kurikulum bukan hal yang baru dalam konsep pengukuran. Validitas kurikulum
merujuk sejauh mana butir-butir tes mengukur tujuan instruksional yang dirumuskan. Validitas
kurikulum menunjukkan derajat proporsi item-item representative tujuan instruksional
pembelajaran. Tes yang dikembangkan mengukur topik materi yang diajarkan. Kemungkinan tes
telah mencakup materi namun belum diajarkan di kelas (Linn, 1983). Bukti tes memenuhi
validitas kurikulum dilihat dari persentasi item-item tes terhadap tujuan instruksionalnya.
Analisis kesesuaian antara tes dan tujuan intruksional secara kualitatif, artinya akal sehat dan
jernih menentukan kualitas kesesuaian antara butir tes dan tujuan instruksional pembelajaran.

Popham dan Lindheim (1981) mengindentifikasi dua jenis data yang dapat dijadikan
sebagai bukti materi pembelajaran apakah telah dicakup dalam tes atau tidak. Pertama tes tidak
hanya turunan dari tujuan instruksional, termasuk tidak hanya bersumber buku tetapi
berdasarkan silabus dan rancangan pembelajaran.

Kategori kedua terdiri dari data tentang pelaksanaan pengujian dalam kelas yang
sebenarnya. Apakah data rencana pengujian pada mata pelajaran didasarkan pada observasi kelas
yang sebenarnya atau jauh lebih sederhana, dan mungkin lebih layak jika ada laporan oleh guru
dan siswa. Dengan demikian pengumpulan data yang lengkap tentang pengukuran dalam kelas
akan lebih sulit untuk diakumulasikan diterjemahkan daripada bukti yang berasal dari bahan
pengajaran yang ada. Bukti-bukti insteraksi pembelajaran yang diungkap dengan pengukuran
akan menjadi lebih penting daripada sekedar kesesuaian item tes terhadap tujuan kurikulum.

Rekaman video dan pengamatan langsung oleh pihak independen akan apat memberikan
bukti yang sangat meyakinkan kepada pengguna informasi proses dan hasil pembelajaran. Lebih
jauh lagi seberapa perbedaan antara yang diajarkan dengan apa yang diuji. Jika ternyata terjadi
perbedaan yang nyata antara yang diajarkan dan yang diuji, maka perlu pengakajian tujuan
pembelajaran dan tes yang digunakan untuk mencapai tujuan pembelajaran tersebut. Pengkajian
kesesuaian tujuan pembelajaran dan tes yang digunakan melibatkan ahli yang kompeten kedua
bidang itu.

Laporan guru tentang proses dan pengukuran hasil pembelajaran dapat dijadikan refrensi
akurasi validitas kurikulum asalkan didukung oleh hasil pengamatan atau respon siswa tentang
pelaksanaan tujuan pembelajaran dan pengukurannya. Jika hasilnya kurang akurat maka perlu
pihak independen untuk melakukan pangkajian ulang, namun pekerjaan ini tidak sederhana,
karena membutuhkan waktu, tenaga dan biaya yang tidak sedikit dan dukungan oleh semua
pemangku kebijakan pendidikan.

Wasidi-FKIP UNIB

3.3 Validitas Isi
Lawshe (1975) mengatakan tes yang valid jika butir -butir dijabarkan dari definisi yang

dirumuskan dan butir -butir tes secara tepat mewakili aspek-aspeknya. Butir-butir merupakan
turunan dari definisi konseptual. Fitzpatrick (1983) mengatakan validitas isi berkaitan dengan
ketepatan sampel isi tes, ketepatan sampel respon tes, relevansi isi tes, relevansi respon tes,
kejelasan definisi cakupan, dan kualitas butir tes. Validitas isi berkaitan dengan
sejauhmana butir tes mencakup keseluruhan materi atau konsep yang akan diukur.

Kisi-kisi sebagai acuan untuk menjabarkan kedalam kompetensi dasar dan indikator
dirumuskan terlebih dahulu sebelumnya. Validitas isi diperoleh dari penjabaran indikator
menjadi butir-butir pertanyaan. Untuk mengetahui sejauh mana butir tersebut valid, diperlukan
justifikasi ahli bidang materi yang divalidasi. Analisis validitas isi menggunakan rasional yang
jernih. Sejauh butir itu merupakan turunan indikator dan tingkat kesulitannya sesuai dengan
karakteristik calon peserta tes, maka butir tersebut valid secara isi. Karakteristik calon peserta tes
antara sekolah yang satu dengan sekolah yang lain bisa berbeda. Di sinilah keahlian dan
pengalaman validator sangat menentukan kualitas butir butir.

Validasi oleh ahli dimaksudkan untuk memperoleh justifikasi sejauh mana butir-butir itu
telah sesuai dengan indikator yang dirumuskan, butir-butir instrumen telah memenuhi kaidah-
kaidah penulisan butir butir, dan serta kaidah-kiadah penulisan dengan menggunakan bahasa
yang baik dan benar.

Selain butir-butir instrumen yang dinilai, kelengkapan instrumen seperti petunjuk
pengisian instrumen, perlu tidaknya identitas responden, panjang kalimat pertanyaan/pernyataan,
kejelasan kalimat pertanyaan/pernyataan, penggunaan bahasa yang baku. Jika
pertanyaan/pernyataan dikuti dengan beberapa opsi dengan penskoran bertingkat, maka
peletakan pilihan jawaban secara acak, sehingga responden tidak mengetahui urutan
penskorannya.

Seorang validator memberikan penilaian berupa skor. Skor tersebut dapat berarti benar/
baik atau salah/buruk, sehingga skornya 1 atau nol. Skor penilaian oleh validator dapat berupa
skor kontinyu, 1 yang berarti sangat buruk, 2 berarti buruk, 3 berarti baik, dan 4 berarti sangat
baik atau 1 sampai 5 yang mempunyai arti 1 buruk sekali, 2 buruk, 3 cukup, 4 baik, 5 baik sekali.

Contoh kriteria untuk menilai apakah butir instrumen telah baik atau belum (Yaghmale,
F. ,2003).

Wasidi-FKIP UNIB

Terkait dengan pemvalidasian instrumen, ada empat ahli yang menulis rumus validitas isi
yaitu Lawse, Aiken, dan Lynn, dan Polit & Beck. Masing-masing dibahas berikut ini.
3.3.1 Lawshe

Analisis validitas isi dengan penskoran dikotomi yaitu skor 1 atau 0 dapat digunakan
rumus yang dikemukakan oleh Lawshe (1975). Indek validitas butir disebut dengan content
validity ratio (CVR) dengan rumus berikut ini.

Penerapan rumus CVR diberikan contoh data berikut ini.

Perhitungan Indek Validitas Lawshe

Butir Validator

nomor V1 V2 V3 V4 V5 V6 V7 V8 Nesensial CVR

111111111 8 1,00

211111111 8 1,00

311111111 8 1,00

411011111 7 0,75

511111111 8 1,00

611111111 8 1,00

711111111 8 1,00

811111111 8 1,00

911011111 7 0,75

10 1 1 0 1 1 1 1 1 7 0,75

11 1 1 0 1 1 1 1 1 7 0,75

12 1 1 0 1 1 1 1 1 7 0,75

Wasidi-FKIP UNIB

13 1 1 0 1 1 1 1 1 7 0,75

Butir nomor 4, jumlah Ne=7, N=8 maka

Untuk menentukan apakah butir tersebut baik atau tidak yang berdasarkan CVR, Lawshe
membuat tabel kriteria tergantung pada jumlah validator dan jumlah butir. Kriteria baik tidaknya
ada dalam lampiran 1.
3.3.2 Aiken

Aiken (1980) mengembangkan formula indeks kesepakatan ahli berikut ini.
∑

Perhitungan Indek Validitas Aiken

Butir Validator Indek

nomor V1 V2 V3 V4 V5 V6 V7 Validitas z p
0,008
1 4 5 4 4 5 5 5 0,893 2,806 0,030
0,004
2 4 5 4 4 4 5 4 0,821 2,272 0,030
0,008
3 5 5 4 4 5 5 5 0,929 3,074 0,008
0,030
4 4 4 3 4 5 5 5 0,821 2,272 0,008
0,088
5 4 5 4 4 5 5 5 0,893 2,806 0,054
0,054
6 5 4 4 4 5 5 5 0,893 2,806 0,054
0,054
7 5 4 4 4 4 5 4 0,821 2,272

8 5 4 4 4 5 5 5 0,893 2,806

9 4 4 3 4 4 5 4 0,750 1,737

10 4 4 3 4 5 5 4 0,786 2,004

11 4 4 3 4 5 5 4 0,786 2,004

12 4 4 3 4 5 5 4 0,786 2,004

13 4 4 3 4 5 5 4 0,786 2,004

Keterangan : interval skor 1 – 5

Misalnya butir nomor 1:
∑

Untuk mengetahui apakah butir nomor 1 tersebut baik atau tidak, selanjutnya indek

validitas diuji dengan formula

√

√√

Wasidi-FKIP UNIB

Nilai z = 2,806 diperoleh luas dibawah kurva normal 0,492, dengan demikian p diperoleh
sebesar 0,008. Angka 0,008 ini diperoleh dari 0,500-0,492, hal ini berarti kesalahan yang terjadi
0,008 atau 8 per seribu.

3.3.3 Lynn
Lynn (1986) mencoba mengembangkan instrumen dalam bidang kesehatan. Dalam

pengembangan instrumen kesehatan tersebut melakukan validasi instrumen dengan lima
tahapan.. Kelima langkah tersebut dirangkum dalam Tabel 3 berikut.

Tabel 3. Langkah Pemvalidasian Lynn

Tahap Instrumen Kognitif Instrumen Afekif

Tahap 1- Pengembangan

Indentifikasi domain isi Identifikasi dimensi variabel

Penjabaran dan penggandaan Penjabaran dimensi menjadi butir

butir

Penataan item dalam naskah Penataan item dalam naskah

Tahap 2 Kuantifikasi keputusan

Kuantifikasi validitas isi butir Kuantifikasi validitas isi butir

Kuantifikasi validitas isi Kuantifikasi validitas isi instrumen

instrumen

Lynn menyarankan bahwa penilaian oleh ahli dikategorikan dalam 4 pilihan, yaitu
sangat baik, baik, kurang dan sangat kurang dengan skor berturut 4, 3, 2, dan 1. Skor 4, dan 3
dikatakan valid, sedangkan skor 2, dan 1 dikatakan tidak valid (Lynn, 1986) Indek validitas isi
CVI adalah proporsi valid dibagi dengan jumlah ahli (validator). Untuk mengetahui indek
kestabilan penilai (validator) digunakan rumus dai Kappa. Nilai minimum validitas isi tertera
dalam lampiran.

∑

Wasidi-FKIP UNIB
Sebagai contoh diberikan ilustrasi berikut ini.

Perhitungan Indek validitas Lynn

No butir V1 V2 V3 V4 V5 ∑S CVI
1. 2 3344 16 0,80
2. 2 2322 11 0,55
3. 3 4344 18 0,90
4. 3 3323 14 0,70
5. 3 4434 18 0,90
0,76
Rata-rata

3.3.4 Polit & Beck
Polit & Beck (2006) mencoba menyederhanakan penskoran gradasi menjadi dikotomi.

Mereka berdua menyarankan bahwa jika jumlah validator 3 sampai 5 maka nilai content
validity index for item I-CVI = 1, sedangkan jumlah validator 6 sampai 10 maka nilai I-CVI
≥0,78 dengan rata-rata content validity index for scale S-CVI ≥ 0.9. Untuk skor 1 sampai dengan
5, maka dapat dilakukan pengubahan skor 5 dan 4 menjadi 1, sementara 3, 2, dan 1 menjadi 0.
Skor 3 skor tengah akan lebih aman jika diubah menjadi skor 0 bukan 1.

∑

∑

Contoh butir nomor 13, jumlah skor 1 sama dengan 6, jumlah penilainya 7, maka
, sedangkan untuk kesuluruhan buir atau instrumen

∑
∑

Wasidi-FKIP UNIB

Perhitungan Indek validitas Polit & Beck

No. skor validator konversi I-
7 CVI
V1 V2 V3 V4 V5 V6 V7 V1 V2 V3 V4 V5 V6 V7

1 4 5 4 4 5 5 4 1 1 1 1 1 1 1 7 1.00

2 4 5 4 4 4 5 4 1 1 1 1 1 1 1 7 1.00

3 5 5 4 4 5 5 4 1 1 1 1 1 1 1 7 1.00

4 4 4 3 4 5 5 4 1 1 0 1 1 1 1 6 0.86

5 4 5 4 4 5 5 5 1 1 1 1 1 1 1 7 1.00

6 5 4 4 4 5 4 5 1 1 1 1 1 1 1 7 1.00

7 5 4 4 4 4 4 5 1 1 1 1 1 1 1 7 1.00

8 5 4 4 4 5 4 5 1 1 1 1 1 1 1 7 1.00

9 4 4 3 4 4 5 5 1 1 0 1 1 1 1 6 0.86

10 4 4 3 4 5 5 5 1 1 0 1 1 1 1 6 0.86

11 4 4 3 4 5 5 5 1 1 0 1 1 1 1 6 0.86

12 4 4 3 4 5 5 5 1 1 0 1 1 1 1 6 0.86

13 4 4 3 4 5 5 5 1 1 0 1 1 1 1 6 0.86

S-CVI = 0.93

3.4 Validitas Konstruk
Validitas konstruk menurut Thorndike & Thorndike-Christ (2010) menunjuk

sejauh mana instrumen yang disusun mampu menghasilkan butir-butir pertanyaan yang
dilandasi konsep teori tertentu. Validitas konstruk disusun berdasarkan konsep teori yang
kuat dan pertimbangan pertimbangan rasional. Untuk memperoleh validitas konstruk yang
baik diperlukan justifikasi ahli yaitu masukan, pertimbangan, dan kritik dari ahli
bersangkutan.

Analisis faktor adalah metode yang menjelaskan secara eksplisit berbagai rumusan
teoritis atau konstruk. Analisis faktor ada dua yaitu dan exploratory faktor analysis (EFA), dan
confirmatory faktor analysis (CFA). Analisis faktor eksploratori merupakan analisis untuk
menjajagi komponen penyusun konstruk instrumen. Analisis faktor konfirmatori adalah salah
satu metode analisis multivariat yang dapat digunakan untuk menguji atau mengkonfirmasikan
model yang dihipotesiskan dari data empirik (Harman, 1976).

Tujuan analisis faktor adalah mengindetifikasi hubungan antar vaiabel atau butir-butir
instrumen. Data direduksi dengan mengkorelasikan antar butir butir yang mempunyai korelasi
tinggi dikelompok-kelompokkan menjadi satu unit variabel baru yang dinamakan faktor.

Ada empat langkah dasar menurut Costello & Osborne (2005) untuk melaksanakan
analisis faktor, yaitu 1) menghitung semua matrik korelasi untuk setiap variabel, 2) melakukan
ekstraksi faktor, 3) melakukan rotasi, dan 4) memberi nama pada setiap faktor. Lebih lanjut
dikatakan bahwa jika dalam analisis faktor menunjukkan bahwa suatu butir tes termasuk
kedalam kelompok lain, maka jika butir tes tersebut dipertahankan dapat dilakukan dengan
multitrait-multimethod matrix.

Menghitung semua matrik korelasi dapat dilakukan dengan menggunakan korelasi produk
momen yang tersedia pada program komputer. Hasil analisis korelasi ini dapat diketahui variabel-
variabel mana yang mempunyai korelasi yang tinggi, sedang dan rendah. Korelasi sedang dan

Wasidi-FKIP UNIB

tinggi menunjukkan variabel tersebut dalam satu komponen penyusun, sedangkan korelasi yang
rendah kedua variabel tersebut berbeda komponen penyusunnya.

Ekstraksi faktor adalah mencari nilai akar-akar dari matrik korelasi yang disebut dengan
iegenvalue. Nilai eigen ini merupakan ekstraksi dari matrik korelasi antar variabel. Nilai eigen
sama atau lebih besar dengan 1, akan menentukan faktor dominan variabel-variabel yang diukur.

Dapat digambarkan dalam titik koordinat absis X dan ordinat Y. Muatan titik-titik faktor
yang tergambar dalam koordinat X,Y dapat berdekatan dengan sumbu X atau sumbu Y. Titik-
titik muatan faktor tersebut ada yang jauh dari sumbu X dan sumbu Y. Kalau titik-titik muatan
faktor yang jauh dari sumbu X dan Y, maka sumbu X dan Y secara bersama-sama diputar,
sehingga diperoleh titik-titik koordinat X,Y. Muatan faktor rotasi dilakukan untuk memperoleh
faktor yang mengelompok mendekati sumbu X dan sumbu Y. Permutaran sumbu X dan Y
bersama-sama ini disebut dengan melakukan rotasi.

Rotasi dapat dilakukan dengan orthogonal (yakni mengasumsikan bahwa faktor-faktor
tidak berkorelasi) yaitu dengan memutar sumbu A dan B bersamaan, sehingga sudut sumbu A1
dan B1 tetap 90o seperti gambar berikut ini.

Gambar 9. Rotasi Ortogonal

Rotasi selain metode orthogonal, dapat dilakukan dengan metode obliqe (yakni
mengasumsikan bahwa faktor-faktor berkorelasi). Metode ini pemutaran sumbu A dan sumbu B
tidak bersama-sama, namun sumbu A atau sumbu B didekatkan pada sejumlah kelompok titik-
titik muatan faktor, sehingga sudut sumbu A1 dan sumbu B1 tidak sama dengan sudut semula.

Setelah dilakukan rotasi, langkah berikutnya adalah memberikan nama-nama faktor
dominan pada sekelompok muatan faktor tersebut. Pemberian nama faktor tidak lepas dari
variabel-variabel manives yang dirumuskan. Pengelompokan variabel-variabel manives akan
membentuk nama baru faktor yang sesuai dengan kelompok variabel manives tersebut.

Wasidi-FKIP UNIB

Gambar 10. Rotasi Obliqe

Ada dua pendekatan dalam analisis faktor yaitu pendekatan eksploratori dan konfirmatori
(Chaney, 2007). Pendekatan eksploratori exploratory faktor analysis melalui metode principal
component analysis (PCA), dan pendekatan analisis konfirmatori melalui metode analisis muatan
faktor maximum likelihood estimation (MLE). Pendekatan eksploratori digunakan untuk melihat
berapa banyak faktor yang dibutuhkan untuk menjelaskan hubungan di antara seperangkat
indikator dengan cara mengamati besarnya muatan faktor.

Pendekatan analisis faktor eksploratori digunakan untuk menggali/ mengungkap sebagian
besar faktor-faktor yang mendasari variabel. Analisis faktor eksploratori (exploratoty faktor
analysis atau EFA) ini digunakan untuk mengindetifikasi hubungan variabel-variabel yang
diukur. Metode ini digunakan ketika peneliti tidak mempunyai hipotesis tentang pola faktor-
faktor yang diukur. EFA didasarkan pada model faktor umum. Dalam model faktor umum, fungsi
dari faktor umum, faktor yang unik, dan mengungkapkan kesalahan pengukuran variabel yang
diukur.

Analisis faktor konfirmatori didasarkan pada premis bahwa masing-masing variabel
manifes tidak dapat menggambarkan secara sempurna suatu konsep atau variabel laten atau
variabel konstruk (Kartowagiran, 2008). Model yang dihipotesiskan terdiri atas satu atau lebih
variabel laten, yang diukur oleh satu atau lebih variabel manifes. Variabel laten adalah variabel
yang tidak dapat diukur secara langsung, untuk mengukurnya diperlukan indikator-indikator
penyusun variabel manifes dari variabel laten tersebut. Dengan demikian suatu konsep atau
variabel laten dapat digambarkan bersama oleh variabel -variabel manifes.
3.4.1 Analisis Faktor Eksploratori

Analisis faktor eksploratori merupakan analisis yang mencari inter korelasi antar variabel
atau butir yang tidak didasarkan teori yang kuat. Pengembang instrumen masih mencoba-coba
kemungkinan faktor apa yang ditemukan dalam analisis tersebut. Sebagai contoh, peneliti ingin
mengetahui faktor apa yang paling dominan orang berkunjung ke mall, apakah belanja, refresing,
kuliner, atau sekedar jalan-jalan tanpa tujuan. Dengan analisis faktor eksploratory ini dapat
diketahui faktor dominan orang berkunjung ke mall.

Contoh hasil analisis faktor eksploratori dengan SPSS ver 17. Sebuah instrumen terdiri 20
butir dengan jumlah responden 2069. Syntax analisis faktor eksploratori adalah berikut ini.

FACTOR
/VARIABLES VAR00001 VAR00002 VAR00003 VAR00004 VAR00005 VAR00006 VAR00007

VAR00008 VAR00009 VAR00010 VAR00011 VAR00012 VAR00013 VA
R00014 VAR00015 VAR00016 VAR00017 VAR00018 VAR00019 VAR00020

Wasidi-FKIP UNIB

/MISSING LISTWISE
/ANALYSIS VAR00001 VAR00002 VAR00003 VAR00004 VAR00005 VAR00006 VAR00007
VAR00008 VAR00009 VAR00010 VAR00011 VAR00012 VAR00013 VAR

00014 VAR00015 VAR00016 VAR00017 VAR00018 VAR00019 VAR00020
/PRINT INITIAL DET KMO AIC EXTRACTION ROTATION FSCORE
/FORMAT BLANK(.3)
/PLOT ROTATION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.

.

Setelah dilakukan analisis principal component analysis PCA hasilnya berupa statistik
deskriptif, communalities, total variance explained, scree plot, faktor sebelum dirotasi, dan rotasi
faktor.

Sebagai contoh, variabel yang dianalisis 20, tidak ada variable yang kosong. Statistik
univariat yang akan diperoleh adalah rata-rata, standar deviasi dan jumlah sampel. Gambar akan
ditampilkan adalah hubungan antara component dan nilai eigen. Ekstraksi yang dilakukan adalah
prinsipal component analisis. Prisipal komponen analisis dilakukan untuk memperoleh
komponen utama pada masing-masing variabel. Iterasi dilakukan sampai dengan 25 kali. Rotasi
dilakukan dengan cara varian maksimal atau varimak. Metode yang digunakan korelasi

Untuk variable no 1, mempunyai rata-rata 3,69, standar deviasi 0,987 dengan jumlah
data N 2069 kasus. Communalities menunjukkan jumlah varian masing-masing variable V.
Initial communalities menunjukkan estimasi varian masing-masing variable yang dihitung dari
semua komponen faktor, dalam hal ini sama dengan satu. Ekstraksi communalities adalah varian
masing-masing variable yang dihitung dari faktor komponen dalam penyelesaian faktor.

Analisis faktor membutuhkan beberapa syarat yaitu ukuran sampel paling sedikit 5 kali
variabel manives. Jika terdapat 30 variabel manives, maka banyaknya sampel paling sedikit 150
responden. Hal ini berarti dalam penelitian ada 30 kolom variabel manives dan 150 responden.

Sebelum dilakukan analisis faktor, pertama perlu dilakukan penentuan nilai Bartlett Test
of Sphericity. Nilai ini digunakan untuk mengetahui apakah ada korelasi yang signifikan antar
variabel. Uji bartllett tes of sphericity harus mempunyai probabilitas p lebih kecil dari 5 persen,
dan hasil ujinya sebesar 0.000. UJi Bartlett tes sedangkan uji determinant of correlation matrix
mendekati nol. Besar determinannya sebesar 5.69 x 10-5

Kedua adalah menentukan nilai Keiser-Meyers-Oklin Measure atau KMO of Sampling
Adequacy. Nilai ini digunakan untuk menentukan kecukupan sampel yang digunakan, KMO ini
diperoleh dengan cara membandingkan besarnya koefisien korelasi yang diamati dengan
koefisien korelasi parsialnya. Besar nilai KMO dianggap cukup jika paling kecil sama dengan
0,7 (Kaiser, 1974). Ketercukupan sampel ditandai dengan MSA dengan tanda a yang besar
korelasinya >0.7.

Wasidi-FKIP UNIB

Dari 20 variabel terdiri dari 3 faktor dengan alasan nilai eigenvaluenya lebih besar dari

satu. Total varian yang dijelaskan oleh 3 faktor sebesar 56,112%. Sebelum dirotasi faktor 1

mempunyai bobot 44.515%, faktor 2 5.838% dan faktor 3 sebesar 5.579%. Setelah dirotasi

faktor 1 menjelaskan varian total sebesar 26.844%, faktor 2 sebesar 16.446% dan faktor 3

sebesar 12.822, total keseluruhan 51,12%.

Hasil Analisis Faktor Analysis

Mean Std. Deviation Analysis N
V1 3.69 .987 2069

V2 3.96 .957 2069

V3 3.72 .991 2069

V4 3.86 .990 2069

V5 3.78 1.026 2069

V6 3.71 .985 2069

V7 3.44 1.210 2069

V8 3.57 1.061 2069

V9 3.97 .960 2069

V10 3.60 1.009 2069

V11 3.46 1.093 2069

V12 3.62 1.014 2069

V13 3.54 1.093 2069

V14 3.80 1.007 2069

V15 3.49 1.119 2069

V16 3.83 1.128 2069

V17 3.38 1.231 2069

V18 3.99 1.012 2069

Wasidi-FKIP UNIB

V19 2.93 1.399 2069

V20 3.49 1.067 2069

Extraction Method: Principal Component Analysis

Initial Extraction

V1 1.000 .591

V2 1.000 .596

V3 1.000 .647

V4 1.000 .590

V5 1.000 .541

V6 1.000 .581

V7 1.000 .590

V8 1.000 .613

V9 1.000 .611

V10 1.000 .418

V11 1.000 .616

V12 1.000 .480

V13 1.000 .593

V14 1.000 .639

V15 1.000 .587

V16 1.000 .482

V17 1.000 .562

V18 1.000 .505

V19 1.000 .451

V20 1.000 .529

Total Variance Explained

Initial Eigenvalues Extraction Sums of Rotation Sums of Squared
Squared Loadings Loadings

Comp % of
onent
% of Cumulati Varianc Cumula % of Cumula
1 Variance ve % Variance tive %
2 Total 44.515 Total e tive % Total 26.844
3 8.903 44.515 50.353 5.369 26.844 43.289
4 1.168 5.838 56.112 8.903 44.515 44.515 3.289 16.446 56.112
5 1.152 5.759 60.855 2.564 12.822
6 4.743 65.055 1.168 5.838 50.353
7 .949 4.200 68.897
8 .840 3.842 72.362 1.152 5.759 56.112
9 .768 3.465 75.550
10 .693 3.188 78.177
11 .638 2.626 80.770
12 .525 2.594 83.157
13 .519 2.387 85.371
14 .477 2.214 87.540
15 .443 2.169 89.586
.434 2.047 91.497
.409 1.910
.382

Wasidi-FKIP UNIB

16 .373 1.864 93.361
17 .364 1.822 95.183
18 .336 1.682 96.865
19 .324 1.621 98.486
20 .303 1.514 100.000

Gambar 11. Scree plot

Interpretasinya adalah ke 20 butir mempunyai 1 faktor dominan.

Hasil Analisis Muatan Faktor sebelum Rotasi

Component

Variabel 1 2 3

V1 .733 -.177 -.153

V2 .680 -.363 -.051

V3 .749 -.270 -.117

V4 .716 -.276 -.042

V5 .683 -.092 -.257

V6 .720 .016 -.250

V7 .596 .461 -.148

V8 .660 .388 -.162

V9 .753 .023 -.209

V10 .461 .382 .244

V11 .713 .319 .083

V12 .639 .176 .202

V13 .751 .111 -.130

V14 .778 -.058 -.172

V15 .762 .023 -.074

V16 .509 -.222 .416

V17 .515 -.109 .533

V18 .635 -.271 .167

V19 .467 .218 .431

V20 .681 -.078 .244

Interpretasi adalah sebelum dirotasi 20 butir tersebut terdiri 1 faktor dominan. Karena
loading faktor dari 3 faktor yang terbesar terletak pada faktor 1.

Wasidi-FKIP UNIB

Goodness-of-fit Test

Chi-CSquare df Sig

144,105 133 0,000

Interpretasi : model 3 faktor cocok, karena probabilias menolak hipotesis nol sama dengan 0.00.

hasil analisis Matrik Rotasi Komponen

Component

Variabel 1 2 3

V1 .698

V2 .705

V3 .740

V4 .684

V5 .667

V6 .637

V7 .715

V8 .687

V9 .639

V10 .547

V11 .637

V12 .468

V13 .558

V14 .681

V15 .584

V16 .627

V17 .712

V18 .526

V19 .541

V20 .521

Interpretasinya adalah setelah dilakukan rotasi dengan cara normalisasi Kaizer untuk

memperoleh varian maksimal maka faktor 1 terdiri dari butir nomor

MATERI KULIAH

1 Kejelasan Kompetensi Kemampuan yang harus dicapai oleh
mahasiswa dalam mata kuliah ini

2 Materi kuliah diberikan sesuai dengan rencana pembelajaran
3 Kerincian uraian materi dalam pokok bahasan
4 Topik/materi kuliah disajikan dengan tat urutan yang jelas ke

runtut
5 Dosen mengkaitkan materi kuliah dengan pustaka acuan dan

keadaan sekitar serta pengala.man terkait
6 Dosen menerangkan hubungan antar beberapa topik
9 Dosen mampu menjawab pertanyaan dengan jelas
13 Dosen memperhatikan membantu mahasiswa yang belum paham
14 Dosen memberi penekanan bagian-bagian materi yang penting
15 Dosen memberikan materi yang sulit dengan menyenangkan
18 Butir kuis/MID/ UAS mencerminkan isi materi kuliah

Wasidi-FKIP UNIB

Faktor 2 terdiri dari butir nomor :

PENJELASAN MATERI KULIAH
7 Diskusi materi di kelas
8 Waktu yang dialokasikan untuk Tanya jawab di kelas
10 Jumlah tugas PR, laporan, dll yang diberikan dosen untuk

mata kuliah ini
11 Dosen memberikan masukan pada tugas-tugas yang

diberikan
12 Waktu yang diberikan dosen untuk mengerjakan tugas

Faktor 3 terdiri dari butir nomor :

EVALUASI

16 Penggunaan media pembelajaran proyektor, papan tulis
17 Penggunaan alat bantu pembelajaran gambar, diagram,

table, film untuk menjelaskan materi
19 Lembar jawaban/kuis/MID/UAs dikembalikan
20 Rumusan pertanyaan pada ujian/Kuis

Component Transformation Matrix

Component 1 2 3

1 .737 .524 .427

2 -.496 .848 -.184

3 -.458 -.077 .886

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with
Kaiser Normalization. Merupakan matrik yang menggambarkan rotasi khusus dalam
penyelesaian analisis faktor. Matrik ini digunakan untuk menghitung rotasi matrik dari matrik
aslinya. Misalnya c23=-.077 adalah mendekati nol, maka rotasi yang dilakukan relative kecil,
sebaliknya c36=.886 maka rotasinya cukup besar

Gambar 12. Plot Komponen
Dari tabel tersebut di atas, ternyata instrumen tersebut terdiri atas 11 komponen penyusun
konstruk. Pemilihan kesebelas faktor tersebut didasarkan pada nilai eigen lebih besar 1,
sedangkan nilai eigen < 1 tidak diperhitungkan. Dari 11 penyusun konstruk tersebut, dengan
melihat rumusan butir-butir pertanyaan instrumen dapat dirumuskan komponen penyusun.
Kesebelas komponen tersebut didominasi oleh faktor 1 atau 14 butir mengukur 1 faktor

Wasidi-FKIP UNIB

(kemampuan dsoen menyelanggarakan kuliah), sedangkan faktor 2 terdiri atas 5 butir (proses
pembelajaran) dan faktor 3 tediri atas 4 butir (penilaian pembelajaran).

3.4.2 Analisis Faktor Konfirmatori
Analisis faktor konfirmatori digunakan untuk menguji teori yang dikembangkan.

Instrumen yang dikembangkan didasarkan pada teori yang kuat. Apakah teori yang disusun itu
terbukti benar atau tidak dapat diuji dengan analisis faktor konfirmatori.

Pendekatan analisis faktor konfirmatori digunakan untuk menaksir parameter dari model
faktor yang dihipotesiskan berdasarkan matriks kovariansi sampel (Tiro, Sukarna & Aswi, 2006).
Selain itu analisis faktor konfirmatori juga dilakukan untuk menentukan kesesuaian data dengan
model faktor yang dihipotesiskan. Melalui pendekatan konfirmatori dapat juga diperoleh
kesesuaian goodness of fit test yang signifikan. Untuk mengetahui fit tidaknya model yang
dibangun Σ diuji dengan data sampel S.

Metode maksimum likelihood yang diterapkan pada analisis faktor konfirmatori
berdasarkan pada syarat variabel mempunyai sebaran distribusi normal. Metode ini tidak dapat
digunakan pada data berdistribusi tidak normal. Data miring atau bimodial tidak sesuai dengan
sebaran normal dan sangat mempengaruhi uji kesesuaian (Tiro, 2006).

Pada progam Lisrel, kriteria model fit didasarkan pada p-value pada Chi-square χ2 dan
nilai root means square error of approximation disingkat RMSEA. Model dinyatakan fit jika
tidak ada perbedaan antara model dengan data sampel dengan nilai p-value lebih besar dari 5%,
sedangkan RMSEA lebih kecil dari 0,08 dinyatakan sebagai model yang fit, hal ini berarti tidak
ada perbedaan antara model dengan data (Joreskorg, 2004; Schermelleh-Engel, 2003).

Contoh analisis fakor konfirmatori dilakukan dengan LISREL ver 8.7.
Sintax penggunaan Lisrel 8.7 pada analisis konsktruk bakat keguruan yang terdiri atas
dimensi kreativitas pedagogi, komitmen pedagogi, dan kecerdasan emosi dengan melibatkan
responden 630 mahasiswa.

TI
DA NI=13 NO=630 MA=CM
RA FI='D:\IBKG_630.psf'
MO NY=13 NK=1 NE=3 BE=FU GA=FI PS=SY TE=SY
LE
Kreatif_ Kmtn_Pdg Kcrds_Em
LK
'Bakat Kg'
FR LY2,1 LY3,1 LY4,1 LY6,2 LY7,2 LY8,2 LY10,3 LY11,3 LY12,3
FR LY13,3 GA1,1 GA2,1 GA3,1 TE3,1 TE10,9 TE13,12
VA 0.43 LY1,1
VA 0.20 LY5,2
VA 0.15 LY9,3
PD
OU

Wasidi-FKIP UNIB

Gambar 13. Second Order Analysis Konstruk IBKg

Hasil analisis berupa diagram gambar dengan muatan faktor loading faktor masing-
masing variabel manifest dan variabel laten disajikan pada Gambar 13.

Hair dkk. (2010) guideline for practical significance, which faktor in the range of
loadings ±0.3 to ±0.4 are considered to meet the minimal level for interpretation of structure.
Loading ±0.5 or greater are considerd pratically significant. Loading exeeding ±0.7 are
considered indicative of well-define strcuture and are the goal of any factor analysis.

3.5 Validitas berhubungan dengan kriteria
Validitas kriteria diperoleh dengan membandingkan hasil uji dengan kriteria

eksternal. Ada dua kriteria eksternal, kriteria konkuren dan kriteria prediktif (Fernandez,
1984; Wainer & Braun, 1998 ). Validitas konkuren terkait dengan konsistensi hasil tes
dengan hasil tes kemampuan lain pada saat itu juga, sedangkan validitas prediktif berkaitan
dengan kemampuan yang akan datang. Validitas kriteria dapat disebut juga validitas
eksternal.

3.5.1 Validitas Konkuren

Validitas konkuren adalah mencari hubungan antara skor tes dengan skor kriteria yang

pengukuran kedua skor tes tersebut dilakukan pada waktu yang sama (Cronbach, & Meehl,

1955). Besar hubungan antara kedua skor tersebut dihitung dengan rumus korelasi. Batasan

korelasi antara hasil tes instrumen baru dengan hasil tes kriteria berkisar antara 0,3 sampai 0,4

(Nunnally, 1978), sedangkan Anastasi (1997) memberikan rekomendasi korelasi antara hasil tes

baru dan hasil tes kriteria moderat tinggi. Diken dkk. (2012) mengatakan batas minimum

koefisien korelasi validitas berkaitan dengan kriteria adalah 0,35. Contoh instrumen kreativitas

pedagogi dihubungkan dengan standard pregesive matrices, sedangkan komitmen pedagogi,

keerdasan emosi dihubungkan dengan Edward preference personal scale. Hasil analisis korelasi

antara keduanya disajikan dalam Tabel berikut ini.

Hasil Analisis Validitas Konkuren

No Variabel SPM EPPS

1. Kreativitas pedagogi 0,163 -
p 0,379

Wasidi-FKIP UNIB

2. Komitmen pedagogi - 0,355
p 0,050*

3. Kecerdasan emosi - 0,459
p 0,009*

Sumber: Wasidi (2015)

3.5.2 Validitas Konvergen

Convergent berasal dari kata converge yang berati ketemu. Validitas konvergen

berarti kecocokan/ kesesuaian hasil pengukuran konsep yang sama dengan menggunakan

dua metode yang berbeda. Salah satu metode memperoleh validitas konvergen digunakan

multitrait-multimethod matrix, yaitu dengan ditunjukkan oleh koefsien yang tinggi antar

skor tes yang mengukur trait yang sama. Validitas konvergen diperoleh dengan konfirmasi

pengukuran lain yang independen. Metode independensi adalah pengukuran dengan cara atau

alat lain yang digunakan untuk menguji isi instrumen yang diuji (Campbell & Fiske, 1959). Jika

korelasi antar variabel-variabel penyusun itu rendah maka tes-tes itu mengukur trait yang

berbeda (Mardapi, 2012). Jika korelasi antara variabel-variabel penyusun itu sama dengan

atau mendekati 1, maka hal itu menunjukkan bahwa kedua pengukuran itu mengukur sifat

atau konstruk yang sama.

Sebagai contoh disajikan hasil analisis multitrait multimethod matrix antara hasil

pengukuran inventori dan hasil pengamatan pada variabel komitmen pedagogi.

Dari Tabel tersebut antara hasil inventory dan pengamatan ada hubungan yang cukup

terlihat korelasi F1 sebesar 0,679, korelasi F2 sebesar 0,713, korelasi F3 sebesar 0,740, korelasi

F4 sebesar 0,736, dan koerelasi F5 sebesar 0,842. Dengan demikian antara hasil inventori

terbukti valid secara konvergen dengan pengamatan karena hasil korelasi antara inventory dan

pengamatan lebih besar dari 0,7 walaupun ada satu faktor korelasinya 0,679 yang mendekati 0,7

Analisis Multitrait Multimethos Matrix

Inventori Pengamatan

F1 F2 F3 F4 TI F1 F2 F3 F4 TP

F1 1 0.611 0.179 0.472 0.744 0.679 0.236 0.095 0.489 0.584

Inventori F2 1 0.198 0.398 0.815 0.318 0.713 0.308 0.531 0.823

F3 1 0.131 0.589 0.118 0.023 0.740 -0.058 0.435

F4 1 0.781 0.296 0.265 0.091 0.736 0.640

TI 1 0.611 0.563 0.556 0.682 0.842

Pengamatan F1 1 0.13 0.144 0.407* 0.726
F2 1 0.243 0.327 0.748
F3 1 -0.045 0.672

F4 1 0.742

TP 1

Sumber: Wasidi (2015)

3.5.3 Validitas Prediktif

Prediksi berarti meramalkan, memperkirakan. Validitas prediksi adalah mencari

hubungan antara skor saat pengukuran dengan skor kriteria, dimana pengukuran skor riteria

dilakukan pada waktu yang berbeda atau saat yang akan datang (Cronbach & Meehl, 1955).

Instrumen yang mempunyai validitas prediktif tingi berarti hasil ukur instrumen tersebut mampu

memperkirakan secara linier kemampuan di masa yang akan datang. Validitas prediktif

digunakan pada tes seleksi, misalnya tes masuk perguruan tinggi. Bagi calon mahasiswa yang

lulus pada tes seleksi masuk dianggap mampu menyelesaikan pendidikan di perguruan tinggi,

Wasidi-FKIP UNIB

namun bagi calon yang tidak lulus tes masuk dianggap tidak mampu menyelesaikan pendidikan
di perguruan tinggi. Korelasi antara hasil tes masuk dengan kriteria menunjukkan validitas
prediktif. Semakin tinggi korelasi keduanya maka semakin baik validitas prediktifnya, semakin
rendah koreleasi antara keduanya maka semakin buruk validitas prediktifnya.

Daerah A adalah daerah calon yang ditolak, namun kemungkinan dapat menelesaikan
pendidikan. Daerah B adalah daerah calon yang diterima dan dapat menyesaikan pendidikan,
daerah ini adalah ideal. Daerah C adalah daerah calon yang diterima namun kemungkinan tidak
dapat mengikuri pendidikan dengan baik, dan terakhir adalah D di mana calon ditolak dan
diperkirakan tidak dapat menyelesaikan pendidikannya. Daerah B dan D adalah daerah yang
ideal, sedangkan daerah A dan C adalah daerah tidak ideal. Yang menjadi masalah jika daerah C
itu cukup luas, artinya menerima calon yang kemungkinan tidak dapat menyelesaikan proses
pendidikannya. Dalam ilmu sosial, daerah C ini maksimal 5%, hal ini berarti kesalahan yang
terjadi karena salah terima makasimal 5%.

Gambar 14. Garis Prediksi Tes Masuk
3.5.4 Validitas Diskriminan

Diskriminan berasal dari kata diskriminasi yang berarti pembeda. Validitas diskriminan
berarti validitas pembeda. Cara untuk mengetahui sebuah instrumen mempunyai validitas
diskriman adalah seperti cara yang dikemukakan oleh Campbell dan Fiske (1959). Metode yang
dikemukakan adalah mencari korelasi antara dua skor yang diukur dengan dua instrumen yang
diuji validitasnya. Jika korelasi yang hitung tersebut hasilnya kecil (r < 0,3), maka kedua
instrumen itu mengukur hal yang berbeda, namun jika korelasinya besar maka kedua instrumen
tersebut ada kecenderungan mengukur hal yang sama.

Sebagai ilustrasi apakah variabel Kreativitas Pedagogi (X1), Komitmen Pedagogy (X2),
dan Kecerdasan Emosi (X3) itu berbeda validitasnya. Untuk membuktikannya dihitung oleh
korelasi antar varaiebel tersebut. Jika korelasi antar ketiga variabel tersebut sangat rendah, hal ini
menunjukkan ketiga variabel tersebut mengukur konsep yang berbeda.

Wasidi-FKIP UNIB

Variabel

X1 X2 X3

Variabel X1 1 0,085 0,056

X2 1 0,209

X3 1

Sekarang dengan software model persamaan structural validitas diskriminan dapat
dihitung (Henseler, Ringle & Sarstedt, 2015). Validitas diskriminan ditunjukkan oleh korelasi
antar item atau variabel laten yang rendah. Dengan partial least squares (PLS) , validitas
diskriman ditunjukkan oleh muatan faktor yang tinggi namun muatan faktor di variabel laten
lainnya (cross loading) rendah. Dengan analisis validitas diskriminan dapat diketahui bahwa
konsep unik yang disusun dapat diketahui secara empiris, dan gejala yang menarik dapat
diketahui dengan model persamaan struktural (Hair dkk. 2010). Secara teknis, validitas
diskriminan mensyaratkan bahwa tes tidak berkorelasi terlalu tinggi dengan kriteria yang dipilih
(Campbell 1960). Jika validitas diskriminan tidak dapat diketahui, maka konstruk yang disusun
berpengaruh pada varian yang lebih besar daripada variabel yang diamati yang terkait secara
teoretis dan, sebagai konsekuensinya pengembang tidak dapat memastikan hasil analisis
struktural yang dihipotesiskan terbukti, atau apakah hasil itu merupakan perbedaan secara
statistik ” (Farrell 2010)

Berikut disajikan hasil analisis 3 variabel laten, variavel laten 1 (kreativitas pedaogi)
terdiri atas 8 butir, variabel laten 2 (kecerdasan emosi) terdiri atas 7 butir dan variabel laten 3
(komitmen pedagogi) terdiri atas 8 butir. Dengan menggunakan program Part Least Square
(PLS) hasil uji validitas diskriminan disajikan pada Gambar Discrimiant Validity.

Dari hasil analisis validitas diskriminan ditunjukkan oleh faktor loading konstruk yang
bersangkutan yang lebih besar dari cross loading antar faktor. Variabel laten 1 FL=0,774; FL
variabel 2 =0,475, dan FL variabel 3 =0,533 kesemuanya lebih besar dari cross loading antar
variabel latent (0,224; 0,135; 0,322). Demikian ketiga variabel latent tersebut mempunyai konsep
validitas yang berbeda.

Wasidi-FKIP UNIB

Wasidi-FKIP UNIB

Hasil Cross Loading masing-masing Variabel latent
VL1 VL2 VL3

cr1 0.711 0.211 0.058
cr2 0.752 0.140 0.055
cr3 0.810 0.105 0.069
cr4 0.889 0.068 0.154
cr5 0.849 0.258 0.115
cr6 0.769 0.160 0.087
cr7 0.791 0.328 0.122
cr8 0.577 0.197 -0.190
ke1 0.114 0.114 0.611
ke2 -0.068 0.266 0.747
ke3 -0.034 0.161 0.485
ke4 0.252 0.211 0.658
ke5 0.053 0.198 0.548
ke6 -0.029 0.094 0.235
ke7 0.112 0.021 0.183
km1 0.112 0.709 0.242
km2 -0.145 -0.049 -0.110
km3 0.098 0.453 0.085
km4 0.161 0.685 0.217
km5 -0.049 0.430 0.006
km6 0.094 0.368 -0.003
km7 0.027 0.212 0.025
km8 0.086 0.510 0.105