Dari gambar 4.1, nilai Chi – Square menghasilkan P-value 0.05 tidak signifikan, yang artinya model dengan satu faktor unidimensional dapat diterima,
bahwa seluruh item mengukur satu faktor saja yaitu sikap terhadap statistika. Kemudian melihat apakah signifikan item tersebut mengukur faktor yang
hendak diukur. Sekaligus menentukan apakah item tersebut perlu di drop atau tidak. Dalam hal ini yang diuji adalah hipotesis nihil tentang koefisien muatan faktor dari
item. Pengujiannya dilakukan dengan melihat nilai t bagi setiap koefisien muatan faktor, seperti pada table berikut.
Tabel 4.3 Muatan Faktor item Sikap terhadap Statistika
No Koefisien
Standar error Nilai t
Signifikan 1 0.52
0.07 7.59 V
2 0.55
0.07 8.39
V 3
0.40 0.07
5.63 V
4 0.47
0.07 6.70
V 5
0.09 0.07
1.22 X
6 0.52
0.07 7.63
V 7
0.05 0.07
0.68 X
8 0.22
0.07 3.06
V 9
0.34 0.07
4.78 V
10 0.50
0.07 7.53
V 11
0.83 0.06
14.24 V
12 0.86
0.06 14.99
V 13 0.68
0.06 10.88
V 14 0.74
0.06 12.18
V Keterangan : tanda V = signifikan t 1,96 ; X = tidak signifikan
Pada tabel diatas, hanya nilai t bagi koefisien muatan faktor dari item 5 7 yang tidak signifikan, sedangkan koefisien muatan faktor item lainnya signifikan.
Dengan demikian item no 5 7 akan di drop. Artinya bobot nilai pada item 5 7 tidak ikut dianalisis dalam penghitungan faktor skor. Selanjutnya melihat muatan
faktor dari item apakah ada yang bermuatan negative. Dari tabel 4.4, pada kolom koefisien tidak terdapat item yang muatan faktornya negative. Dengan demikian tidak
ada item yang di drop, kecuali item no 5 7. Pada model pengukuran ini terdapat kesalahan pengukuran item yang saling
berkorelasi. Artinya dapat disimpulkan bahwa item – item tersebut bersifat multidimensional pada dirinya masing – masing. Korelasi kesalahan pengukuran item
ditampilkan pada table dibawah ini.
Tabel 4.4 Matriks Korelasi antar Kesalahan Pengukuran dari item Sikap terhadap
Statistika 1 2 3 4 5 6 7 8 9 10
11 12
13 14
1 1
2 V
1 3
1 4
V V
1 5
1 6
V V 1
7 V
1 8 V V
1 9 V
V V
V 1 10 V
V V V
V 1 11 V V V 1
12 V
1 13
V V
V 1 14
V 1
tanda V menunjukkan korelasi kesalahan pengukuran item
Dari table diatas dapat dilihat korelasi antar kesalahan pengukuran pada item. Item yang baik adalah kesalahan pengukurannya tidak berkorelasi satu sama lain.
Namun pada model ini tidak ada kesalahan pengukuran yang tidak berkorelasi, tetapi
paling tidak ada item yang korelasi kesalahan pengukurannya hanya satu saja yaitu item 14. Sedangkan item yang tidak bagus yaitu 9 dan 10, karena terdapat banyak
tanda V, yang artinya kesalahan pengukurannya berkorelasi dengan kesalahan pengukuran item lainnya. Artinya item tersebut selain mengukur apa yang hendak
diukur, ia juga mengukur hal lain. Dengan demikian item 9 dan 10 akan di drop, artinya bobot nilai keduanya tidak akan dianalisis dalam penghitungan faktor skor.
Langkah terakhir yaitu item – item sikap terhadap statistika yang tidak di drop dihitung faktor skornya. Faktor skor ini dihitung untuk menghindari estimasi
bias dari kesalahan pengukuran. Jadi penghitungan faktor skor ini tidak menjumlahkan item – item variabel pada umumnya, tetapi justru dihitung true score
pada tiap item. Setelah didapatkan faktor skor, peneliti mentransformasikan faktor skor menjadi T skor. T skor ini berfungsi yaitu pertama untuk menyamakan skala
pengukuran yang berbeda – beda, hal ini hampir sama ketika menghitung Z skor. Perbedaannya pada Zscore memiliki rentangan mean = 0 dan standar deviasi = 1,
sedangkan T skor memiliki rentangan mean = 50 dan standar deviasi = 15. Kemudian yang kedua, untuk menghindari nilai minus pada faktor skor agar pembaca mudah
memahami interpretasi hasil penelitian. Adapun rumus T skor yaitu Umar, 2010 :
T
skor
= 15 x faktor skor + 50.
Setelah didapatkan faktor skor yang telah dirubah menjadi T skor, nilai baku inilah yang akan dianalisis dalam uji hipotesis korelasi dan regresi. Perlu dicatat,
bahwa hal yang sama juga berlaku untuk variabel self efficacy, kecemasan dan kebutuhan berprestasi.
4.2.2 Uji Validitas alat ukur Self Efficacy terhadap Statistika
Peneliti menguji apakah 13 item yang ada bersifat unidimensional mengukur satu faktor yaitu self efficacy terhadap statistika. Dari hasil awal analisis CFA yang
dilakukan, model satu faktor tidak fit, dengan Chi – Square = 489.75 , df = 65 , P- value = 0.0000 , RMSEA = 0.178. Namun, setelah dilakukan modifikasi terhadap
model, dimana kesalahan pengukuran pada beberapa item dibebaskan berkorelasi satu sama lainnya, maka diperoleh model fit seperti pada gambar dibawah ini
Gambar 4.2 Analisis Faktor Konfirmatorik Self Efficacy terhadap Statistika
I T E M 1
0. 37
I T E M 2
0. 40
I T E M 3
0. 89
I T E M 4
0. 69
I T E M 5
0. 75
I T E M 6
0. 78
I T E M 7
0. 63
I T E M 8
0. 37
I T E M 9
0. 59
I T E M 10
0. 57
I T E M 11
0. 79
I T E M 12
0. 87
I T E M 13
0. 86
SELF
1. 00
Chi-Square=50.21, df=40, P-value=0.12933, RMSEA=0.035
0. 80 0. 80
0. 30 0. 55
0. 51 0. 44
0. 61 0. 79
0. 65 0. 68
0. 45 0. 37
0. 38 -0 .17
0. 27 0. 22
0. 24 -0 .36
-0 .19 -0 .16
-0 .22
-0 .02
0. 16 -0 .27
0. 14
-0 .27 0. 21
0. 21 0. 08
0. 21 0. 42
0. 08 -0 .11
0. 22 -0 .14
0. 19
0. 10
0. 35
Dari gambar 4.1, nilai Chi – Square menghasilkan P-value 0.05 tidak signifikan, yang artinya model dengan satu faktor unidimensional dapat diterima,
bahwa seluruh item mengukur satu faktor saja yaitu self efficacy terhadap statistika.
Langkah selanjutnya melihat apakah signifikan tidaknya item tersebut mengukur faktor yang hendak diukur. Dalam hal ini yang diuji adalah hipotesis nihil
tentang koefisien muatan faktor dari item. Pengujiannya dilakukan dengan melihat nilai t bagi setiap koefisien muatan faktor, jika nilai t 1,96 artinya item tersebut
signifikan dan sebaliknya. Penyajiannya pada table berikut.
Tabel 4.5 Muatan faktor item
Self efficacy terhadap Statistika No
Koefisien Standar error
Nilai t Signifikan
1 0.80
0.06 12.90
V 2