BAB 11

PSIKOMETRI BAB XI 1

BAB 11BAB 11VALIDITAS IIVALIDITAS II

PSIKOMETRI BAB XIPSIKOMETRI BAB XI 22

Validitas II ini merupakan lanjutan dari Validitas IValiditas II ini merupakan lanjutan dari Validitas I Meliputi :Meliputi :

Validitas KonstrukValiditas Konstruk

Analisis FaktorAnalisis Faktor

D. VALIDITAS KONSTRUKD. VALIDITAS KONSTRUK1.1. TujuanTujuan

Ada variabel abstrak yang tidak mudah dilihat yang dibuat Ada variabel abstrak yang tidak mudah dilihat yang dibuat (dikonstruk) oleh para pakar, seperti :(dikonstruk) oleh para pakar, seperti :

SikapSikapIntelegensi Intelegensi KecemasanKecemasanFrustrasiFrustrasi

MotivasiMotivasiMinatMinatKegelisahanKegelisahanSosiabilitasSosiabilitas


Seberapa jauh Seberapa jauh Hasil PengukuranHasil Pengukuran menunjukkan menunjukkan dengan benar maksud dari variabel konstruk dengan benar maksud dari variabel konstruk itu dikenal sebagai itu dikenal sebagai VALIDITASVALIDITAS KONSTRUKKONSTRUK

Validitas Konstruk Validitas Konstruk diperkenalkan pada tahun 1955 diperkenalkan pada tahun 1955 oleh L.T. Cronbach dan P.E. Meehl dalam tulisan oleh L.T. Cronbach dan P.E. Meehl dalam tulisan “Construct Validity in Psychology Tests” “Construct Validity in Psychology Tests” Psychological BulletinPsychological Bulletin 52 (1955), 281-302 52 (1955), 281-302


SASARAN UKURVARIABEL KONSTRUK

KONSTRUKSIALAT UKUR

ALAT UKUR HASILKONSTRUKSI

RESPONDEN

HASIL UKUR SKOR

KECOCOKAN VALIDITAS KONSTRUK

PENCOCOKAN MELALUI SESUATU YANGTELAH DIKETAHUIKONVERGEN : KESAMAANDESKRIMINAN: MENCARI PERBEDAAN


2.2. PROSES VALIDASIPROSES VALIDASI

a.a. CARA VALIDASICARA VALIDASIValiditas konstruksi ditentukan melalui Validitas konstruksi ditentukan melalui perujukan pengukuran dengan sesuatu perujukan pengukuran dengan sesuatu yang telah diketahui, dalam bentuk :yang telah diketahui, dalam bentuk :

KONVERGENKONVERGENKesamaan atau kecocokan dengan sesuatu yang Kesamaan atau kecocokan dengan sesuatu yang seharusnya sama atau cocokseharusnya sama atau cocok

DISKRIMINANDISKRIMINANPerbedaan dengan sesuatu yang seharusnya bedaPerbedaan dengan sesuatu yang seharusnya beda


KONVERGENSKONVERGENSII

T E L A HD I K E T A H U IHASIL UKUR

SEHARUSNYASAMA

TERNYATA SAMAATAU COCOK

DESKRIMINANDESKRIMINANT E L A H

D I K E T A H U IHASIL UKURSEHARUSNYA

BEDA

TERNYATA BEDA

7PSIKOMETRI BAB XI

CARA MENENTUKAN VALIDITASa. Pada umumnya, validitas konstruksi ditentukan melalui perujukan

pengukuran dengan sesuatu yang diketahui, dalam bentuk :

KONVERGEN

DISKRIMINAN

b. Cara KONVERGEN

Melihat kecocokan melalui korelasi HA dan HB (uji secara statistika)

Kelompokyang

diukur

B

A

ALAT UKUR HASIL UKUR

HA

HB

MENCARI KESAMAAN DI ANTARA YANG SEHARUSNYA SAMA


C. Cara DiskriminanC. Cara Diskriminan-- Kelompok X dan Kelompok Y sudah diketahui Kelompok X dan Kelompok Y sudah diketahui

Berbeda.Berbeda.

-- Alat Ukur U diterapkan PadaAlat Ukur U diterapkan Pada kelompok X dan kelompok X dan Kelompok Y.Kelompok Y.

-- Hasil Ukur Hx dan Hy seharusnya berbedaHasil Ukur Hx dan Hy seharusnya berbeda

KelompokX

KelompokY

UHX

HYUJI PERBEDAAN DI ANTARA HX DAN HY SECARA STATISTIKA


3.3. Beberapa PendekatanBeberapa Pendekatan

a.a. Korelasi dengan hasil ukur validKorelasi dengan hasil ukur validHasil ukur valid dari alat ukur validHasil ukur valid dari alat ukur valid

Kelom-pok

HASIL UKURHX

HASIL UKURHY

ALAT UKUR VALIDHX

ALAT UKUR VALIDHY

KORELASI TINGGI DI ANTARA HX DAN HY MENUNJUKKAN VALIDITAS KONSTRUK Y JUGA TINGGI


b.b. Pengukuran kelompok yang diketahuiPengukuran kelompok yang diketahuiCiri kelompok sudah diketahui,Ciri kelompok sudah diketahui,misal :misal :

Ciri dari kelompok umur tertentuCiri dari kelompok umur tertentu(secara psikologi sudah diketahui)(secara psikologi sudah diketahui)

Kelompok(diketahui HA)

HASIL UKURHU

ALAT UKURU

VALIDITAS KONSTRUK DITENTUKAN BERDASARKAN KECOCOKAN DI ANTARA HU DAN HA


c.c. Pencocokan dengan akibat perlakuan yang Pencocokan dengan akibat perlakuan yang diketahuidiketahuiAkibat dari suatu perlakuan sudah diketahui,Akibat dari suatu perlakuan sudah diketahui,misal :misal :

Akibat itu HAkibat itu HXX

Kelompok HASIL UKURHU

ALAT UKURU

VALIDITAS KONSTRUK DITENTUKAN OLEH KECOCOKAN DI ANTARA HU DAN HX

Perlakuan


d.d. Cocok dan beda dengan konstruksi Cocok dan beda dengan konstruksi atau variabel lainatau variabel lainDiketahui bahwa konstruk ini (x)Diketahui bahwa konstruk ini (x)

cocok dengan konstruk A, B, cocok dengan konstruk A, B, CC

beda dengan konstruk P, Q, Rbeda dengan konstruk P, Q, R

Melalui analisis Melalui analisis FAKTORFAKTORX sefaktor dengan A, B, CX sefaktor dengan A, B, C

beda faktor dengan P, Q, Rbeda faktor dengan P, Q, R

DIPERIKSA MELALUI MUATAN FAKTOR DIPERIKSA MELALUI MUATAN FAKTOR (FACTOR LOADING)(FACTOR LOADING)

1313PSIKOMETRI BAB XIPSIKOMETRI BAB XI

CONTOH MUATAN FAKTORCONTOH MUATAN FAKTORPADA ANALISIS FAKTORPADA ANALISIS FAKTOR

KONSTRUK (VARIABEL)

FAKTOR I

FAKTOR II

X 7241 2431 A 7013 2214 B 7422 2546 C 7351 2377 P 4311 8014 Q 4159 8172 R 4266 8244

MUATAN FAKTOR X SEUKURAN DENGAN MUATAN FAKTOR A, B, C

BEDA UKURAN DENGAN MUATAN FAKTOR P, Q, R (diperiksa melalui muatan faktor/ factor loading)

14PSIKOMETRI BAB XI

e. ANALISIS PROSES MENTALResponden “BERPIKIR BERSUARA” sehingga pikirannya dapat dicocokkan dengan konstruk.

Validitas konstruk ditentukan oleh kecocokan itu

Minat baca

sejarah

“SEJAK KECIL SAYA SERING DICERITAKAN KISAH MASA LALU, TERUTAMA TENTANG RAJA DAN RATU, SEHINGGA……”

f. ANALISIS LOGIK

Kecocokan diperiksa oleh panel pakar


E. ANALISIS FAKTORE. ANALISIS FAKTOR1.1. HAKIKATHAKIKAT

a)a) PENGGUNAANPENGGUNAAN

Ada kalanya penentuan validitas konstruk menggunakan analisis Ada kalanya penentuan validitas konstruk menggunakan analisis faktor.faktor.

Analisis faktor dapat menunjukkan variabel (atau hasil ukur) Analisis faktor dapat menunjukkan variabel (atau hasil ukur) mana saja yang tercakup pada faktor yang sama.mana saja yang tercakup pada faktor yang sama.

PENGUKURAN

FAKTOR


b)b) WUJUD FAKTORWUJUD FAKTOR

Setiap dua variabel (hasil ukur) membentuk Setiap dua variabel (hasil ukur) membentuk garis regresi.garis regresi.

Beberapa variabel (hasil ukur membentuk Beberapa variabel (hasil ukur membentuk banyak garis regresi)banyak garis regresi)

Garis regresi berdekatan termasuk dalam Garis regresi berdekatan termasuk dalam faktor yang samafaktor yang sama

FAKTOR 3 FAKTOR 2

FAKTOR 1

17PSIKOMETRI BAB XI

2. KORELASI DAN REGRESI LINIERa) REGRESI LINIER

Variabel (hasil ukur) yang berkorelasi membentuk regresi linier

Pada nilai baku, koefisien regresi sama dengan koefisien korelasi linier


b)b) SUDUT KORELASISUDUT KORELASIKoefisien korelasi di antara variabel atau hasil ukur Koefisien korelasi di antara variabel atau hasil ukur dapat ditunjukkan melalui arah (dan sudut)dapat ditunjukkan melalui arah (dan sudut)

Pada sudut, nilai -1 sampai +1 dapat dinyatakan Pada sudut, nilai -1 sampai +1 dapat dinyatakan melalui sin melalui sin atau cos atau cos

SUBSTITUSISUBSTITUSI

-1 ≤ -1 ≤ XYXY ≤ 1 ≤ 1

-1 ≤ cos -1 ≤ cos ≤ 1 ≤ 1

XY = cos XY = cos


Koefisien korelasi dapat dinyatakan dengan sudutKoefisien korelasi dapat dinyatakan dengan sudut

XYXY = cos = cos

COS 00 = 1

COS 300 = 0,8660

COS 450 = 0,7071

COS 600 = 0,5000

COS 750 = 0,2588

COS 900 = 0

300

750

XYXY = 0,8660 = 0,8660

XYXY = 0,8660 = 0,8660

Makin besar koefisien Makin besar koefisien korelasi, makin kecil sudut, korelasi, makin kecil sudut, makin berdekatan garis makin berdekatan garis regresiregresi


c)c) Contoh 8Contoh 8

Ujian 1, 2, dan 3, mengahasilkan tiga Ujian 1, 2, dan 3, mengahasilkan tiga korelasi linierkorelasi linier

KORELASI UJIAN 1 DAN 2KORELASI UJIAN 1 DAN 2



misal : koefisien korelasi adalahmisal : koefisien korelasi adalah

1 2 3

1 1,000 0,8600 0,1763

2 1,0000 0,6428

3 1,0000

UJIAN

UJIAN


DIUBAH KE DALAM BESARAN SUDUTDIUBAH KE DALAM BESARAN SUDUT

1 2 3

1 00 300 800

2 00 500

3 00

UJIAN

UJIAN

COS 300COS 300 = = 0,86600,8660COS 800COS 800 = = 0,17360,1736COS 500COS 500 = = 0,64280,6428

KETIGA-TIGANYA TERLETAK PADA SATU BIDANG DATAR

22 PSIKOMETRI BAB XI

d)d) Contoh 9Contoh 9Tiga ujian lainnya membentuk korelasiTiga ujian lainnya membentuk korelasi

1 2 3

1 1,0000 0,5000 0,3420

2 1,0000 0,7660

3 1,0000

UJIAN

UJIAN

Diubah dalam BESARAN, SUDUT, dan DILUKISDiubah dalam BESARAN, SUDUT, dan DILUKIS

1 2 3

1 00 600 700

2 00 400

3 00

UJIAN

UJIAN MEMBENTUK RUANG


3.3. SUMBU DAN MUATAN FAKTORSUMBU DAN MUATAN FAKTORa)a) Banyak variabelBanyak variabel

Keadaan menjadi rumit jika terdapat banyak variabel (hasil ukur)Keadaan menjadi rumit jika terdapat banyak variabel (hasil ukur)

Contoh 10Contoh 10

Lima ujian ULima ujian U11, U, U22, U, U33, U, U44, U, U55

U1 U2 U3 U4 U5

U1 0,9848 0,3420 0,0000 -0,1736

U2 100 0,5000 0,1736 0,0000

U3 700 600 0,9347 0,8660

U4 900 800 200 0,9848

U5 1000 900 300 100

ADA BANYAK SUDUT

U1U2 U1U3 U1U4 U1U5 U2U3

U2U4 U2U5 U3U4 U3U5 U4U5

2424 PSIKOMETRI BAB XIPSIKOMETRI BAB XI

b)b) SUMBUSUMBUAnalisis sudut disederhanakan dengan memilih Analisis sudut disederhanakan dengan memilih sumbu (utama, kedua, ketiga … menurut keperluan) sumbu (utama, kedua, ketiga … menurut keperluan) dan semua sudut dibuat terhadap sumbu itudan semua sudut dibuat terhadap sumbu ituPada contoh 10Pada contoh 10

450

10 0450

20 0

600

100

SUMBU II(VEKTOR FAKTOR 2)

SUMBU I (VEKTOR FAKTOR 1)

CARI SEMUA SUDUT KE SUMBU

• COS (SUDUT) = MUATAN FAKTOR


c)c) MUATAN FAKTOR (FACTOR LOADING)MUATAN FAKTOR (FACTOR LOADING)

Ada sudut ke sumbu I, sumbu II, dan Ada sudut ke sumbu I, sumbu II, dan seterusnya.seterusnya.

COS (sudut) adalah muatan pada contoh 10COS (sudut) adalah muatan pada contoh 10

MUATAN FAKTOR UJIAN

I II

UJIAN 1 0,5707 -0,8211

UJIAN 2 0,7046 -0,7096

UJIAN 3 0,9668 0,2554

UJIAN 4 0,8211 0,5707

UJIAN 5 0,7096 0,7046

UJIAN I MEMBUAT SUDUT 55,200 KE SUMBU I145,200 KE SUMBU II

0,5707 = COS (55,200)

-0,8211 = COS (145,200)


PADA DIAGRAMPADA DIAGRAM

55,200

154,20 0

SUMBU II

SUMBU I

Dalam penulisan sering dilakukanDalam penulisan sering dilakukan

0,xxxx ditulis sebagai xxxx0,xxxx ditulis sebagai xxxx

MUATAN FAKTOR UJIAN

I II

UJIAN 1 5707 -8211

UJIAN 2 7046 -7096

UJIAN 3 9668 2554

UJIAN 4 8211 5707

UJIAN 5 7096 7046


4.4. ARTI MUATAN FAKTORARTI MUATAN FAKTORa)a) VARIABEL (hasil ukur) dengan muatan VARIABEL (hasil ukur) dengan muatan

faktor yang hampir samafaktor yang hampir sama Memiliki sudut yang hampir samaMemiliki sudut yang hampir sama Memiliki koefisien korelasi yang hampir samaMemiliki koefisien korelasi yang hampir sama

Mereka terletak dalam satu kelompok yang Mereka terletak dalam satu kelompok yang sama, dansama, dan

Menjadi bagian dari faktor yang samaMenjadi bagian dari faktor yang sama

SATU FAKTOR

SATU FAKTOR

SATU FAKTOR


b)b) CONTOH 11CONTOH 11

MUATAN FAKTOR UJIAN VERBAL BILANGAN PERSEPSI

KALIMAT 66 01 00

VOKABULARI 66 02 -01

PERAMPUNGAN 67 02 -01

TAMBAH 01 64 01

KALI -03 67 01

BIL. IDENTITAS 06 40 42

WAJAH 04 17 45

BACA CERMINAN

-02 09 36

Tampak bahwa 8 ujian ini terdiri atas 3 faktor Tampak bahwa 8 ujian ini terdiri atas 3 faktor (verbal, bilangan, dan persepsi)(verbal, bilangan, dan persepsi)


c)c) ROTASIROTASITidak selalu muatan faktor tampak jelas dalam kelompok-kelompok.Tidak selalu muatan faktor tampak jelas dalam kelompok-kelompok.

Muatan faktor dipertegas (Muatan faktor dipertegas (kontraskontras) dengan melakukan rotasi sumbu) dengan melakukan rotasi sumbu

Ada banyak rotasiAda banyak rotasiROTASI ORTOGONALROTASI ORTOGONAL

ROTASI OBLIKROTASI OBLIK PROMAXPROMAX

VARIMAXVARIMAX

SUMBU LAMA

SUMBU BARU

SUMBU BARU SUMBU LAMA


d)d) CONTOH 12CONTOH 12

II

1

2

3

4

5

I

II

1

2

3

4

5

I

TITIK A B

1 -07 86

2 22 83

3 17 27

4 72 08

5 71 -06

TITIK I II

1 50 70

2 70 50

3 30 10

4 60 -40

5 50 -50

KURANG KONTRAS

LEBIH KONTRAS

SEBELUM ROTASI

SETELAH ROTASI


5.5. PERHITUNGANPERHITUNGANa)a) CARA HITUNGCARA HITUNG

Menggunakan Matriks cukup rumitMenggunakan Matriks cukup rumit

a)a) ALAT BANTUALAT BANTU

Ada program komputer, lengkap dengan Ada program komputer, lengkap dengan rotasirotasi

Ada di program :Ada di program : SPSSSPSS STATGRAPHICSTATGRAPHIC

BAB 11

Documents

Transcript of BAB 11