3.6.2.2 Validitas Konstruk Minat Interest
Cara yang digunakan untuk menguji validitas konstruk dari minat sama dengan cara yang digunakan beberapa variabel di atas. Dalam hal ini model satu faktor
adalah tidak fit, dengan Chi-Square= 394,50 df= 44 RMSEA= 0,151. Namun setelah dilakukan modifikasi terhadap model, dimana kesalahan pengukuran pada
beberapa item dibolehkan atau dibebaskan berkorelasi satu sama lainnya, maka diperoleh model fit seperti gambar dibawah ini:
Gambar 3.5 Analisis konfirmatorik minat interest
Terlihat dari gambar di atas, bahwa nilai Chi-Square menghasilkan p0,05 tidak signifikan. Dengan demikian moel dengan hanya satu faktor dapat
diterima, yang berarti bahwa seluruh item terbukti mengukur satu hal saja yaitu minat. Hanya saja, pengukuran ini terdapat kesalahan pengukuran pada beberapa
item yang saling berkorelasi, sehingga dapat disimpulkan bahwa beberapa item tersebut
Selanjutnya, kualitas item juga dapat dilihat dari signifikan tidaknya item tersebut menghasilkan informasi tentang apa yang hendak diukur. Dalam hal ini,
yang diuji adalah hipotesis nihil tentang muatan faktor. Pengujiannya dilakukan dengan melihat nilai t=1,96 nilai absolute bagi setiap koefisien muatan faktor,
seperti pada tabel berikut ini :
Tabel 3.12 Muatan faktor untuk item minat
interest NO
KOEFESIEN STANDAR
ERROR NILAI T
SIGNIFIKAN
3 0,02
0,06 0,41
X 6
0,48 0,06
8,61 V
9 0,44
0,06 7,77
V 11
0,15 0,06
2,54 V
12 0,80
0,05 15,69
V 13
0,02 0,06
0,29 X
17 0,23
0,06 3,83
V 18
0,36 0,06
6,27 V
20 0,63
0,05 11,55
V 25
0,73 0,05
13,96 V
27 0,51
0,06 9,15
V
Keterangan : Tanda V = Signifikan t 1,96 ; X = Tidak signifikan
Dilihat dari muatan faktornya, dari 11 item terdapat 2 item tidak signifikan dan harus di eliminasi dalam mendapatkan nilai skor estimasi, karena koefesien
muatan faktor yang paling rendah dan nilai t yang lebih kecil dari 1,96 absolute yaitu nomor item 3 dan 13. Sedangkan item yang signifikan dalam arti item yang
valid dengan koefesien muatan faktor tinggi dan nilai t yang lebih besar dari 1,96
adalah item nomor 6,9,11,12,17,18,20,25 dan 27. Ada pun butir-butir kesalahan pengukurannya saling berkorelasi disajikan pada tabel berikut:
Tabel 3.13 Matriks korelasi antar kesalahan pengukuran pada butir item minat
3 6
9 11
12 13
17 18
20 25
27 3
1
6
1
9 V
1
11
V V
V 1
12 1
13 V
1
17
V V
1
18 V
1
20
V V
1
25 V
1
27
V V
V V
1 Tanda V menunjukkan korelasi kesalahan pengukuran antar item
Dari tabel di atas dapat terlihat item yang paling banyak berkorelasi dan multidimensional adalah 3,6,11,13,17,18,20,25,27. Item-item tersebut bersifat
multidimensional karena hampir setiap indikator yang digunakan sebagai konstruk pembuatan item memiliki makna yang sama sehingga responden cenderung
mempersepsikan setiap item sama. Sedangkan item yang paling ideal walaupun memiliki satu kali kesalahan pengukuran dan berkorelasi adalah item nomor 6,12,
dan 18.
3.6.2.3 Validitas Konstruk Opini
Kategori