87
Tabel 4.2 Muatan Faktor Item GATB subtes
Computation Lanjutan
Item Koefisien
Standar Error T-Value
Signifikan
47 0.65
0.08 7.89
V 48
0.67 0.08
8.23 V
49 0.70
0.08 8.46
V 50
0.72 0.08
8.94 V
Keterangan: V= Signifikan t-values 1,96; X = Tidak Signifikan
Dari 28 item yang mengukur subtes computation, semua item dinyatakan signifikan karena nilai t lebih besar dari 1, 96 absolute dan bernilai positif. Item
yang paling baik sesuai urutannya: 42, 43, 46, 41, 39, 50, 36, 44, 38, 40, 37, 49, 48, 3, 45, 47, 35, 33, 1, 32, 34, 31, 28, 2, 30, 29, 26, dan 27. Oleh karena itu,
model satu faktor yang diteorikan dalam subtes ini dapat diterima, bahwa setiap item dalam subtes ini bersifat unidimensional dengan hanya mengukur
computation saja.
4.1.2. Validitas Konstruk Subtes Three Dimensional Space
Hasil perhitungan awal yang diperoleh untuk subtes three dimensional space
dengan model satu faktor unidimensional tidak fit, didapatkan Chi Square = 71620.74, df = 740, P-value = 0.00000 RMSEA = 0.172. Setelah dilakukan
modifikasi terhadap model dengan cara membebaskan atau memperbolehkan kesalahan pada setiap item saling berkolerasi satu dengan lainnya, maka
didapatkanlah model fit dengan P0,05 tidak signifikan. Dengan demikian, model dengan hanya satu faktor tidak dapat diterima, dikarenakan pada model ini
88 terdapat banyak item yang kesalahannya saling berkolerasi sehingga item tersebut
bersifat multidimensional pada dirinya masing-masing, yang berarti seluruh item
selain mengukur three dimensional space juga mengukur hal yang lain.
Pada awalnya didapatkan df dengan jumlah 740, namun setelah mencapai model fit, df tersisa menjadi 250. Ini berarti pada perhitungan awal terdapat 740-
250= 490 korelasi yang dibebaskan. Sesuai dengan teori yang telah dikemukakan sebelumnya, apabila ada item yang kesalahan pengukurannya saling berkolerasi
maka item tersebut bersifat multidimensional. Artinya, selain mengukur apa yang hendak diukur oleh subtes yang bersangkutan, ada hal yang lain yang diukur oleh
item tersebut. Semakin banyak kesalahan pada sebuah item saling berkolerasi dengan kesalahan pengukuran pada item lainnya, maka rendah atau tidak ideal
kualitas item tersebut. Pada subtes ini, semua item yang terdapat pada subtes three dimensional space bersifat multidimensional.
Dari 40 item yang mengukur subtes three dimensional space, terdapat tujuh item yang tidak signifikan, karena nilai t lebih kecil dari 1, 96 absolute dan
signifikan namun bernilai negatif . Ke tujuh item inilah yang harus di-drop, yaitu item nomor 32, 34, 35, 36, 37, 38, dan 40.
Dikarenakan banyaknya korelasi antar item pada subtes three dimensional space dan masih adanya item yang berkoefisien negatif sedangkan item dengan
koefisien negatif tidak diperbolehkan dalam sebuah tes kemampuan dan untuk mendapatkan hasil dengan item yang benar-benar murni, maka akan dilakukan
89 analisis kembali dengan cara membuang semua item negatif dan item yang tidak
signifikan pada perhitungan.
Hasil yang diperoleh untuk perhitungan kedua pada subtes three dimensional space dengan model satu faktor unidimensional dan item negatif
yang sudah di drop tidak fit, didapatkan Chi Square = 25586.12, df = 495, P-value = 0.00000 RMSEA = 0.125. Kemudian dilakukan modifikasi kembali terhadap
model dengan cara membebaskan atau memperbolehkan kesalahan pada setiap item saling berkolerasi satu dengan lainnya, maka didapatkanlah model fit seperti
pada gambar 4.2 berikut ini:
90
Gambar 4.2 Analisis Faktor Konfirmatorik untuk Subtes
Three Dimensional Space
Terlihat dari gambar 4.2, bahwa nilai Chi Square menghasilkan p 0,05 tidak signifikan. Dengan demikian, model dengan hanya satu faktor dapat
diterima, namun masih terdapat banyak item yang saling berkorelasi dengan kesalahan pengukuran pada item lainnya. Hal ini menandakan bahwa beberapa
item tersebut sebenarnya memang bersifat multidimensional. Pada awalnya df
91 berjumlah 495, namun setelah mencapai model fit, df yang tersisa hanya 214. Ini
berarti terdapat 495–214 =281 korelasi kesalahan yang dibebaskan. Kesalahan pengukuran item-item yang saling berkolerasi disajikan pada tabel 4.3.
Tabel 4.3 Matriks korelasi antar kesalahan pengukuran butir item pada
Three Dimensional Space
Item 1
2 3
4 5
6 7
8 9
10 11
1
1
2
0.25 1
3
0.16 0.05
1
4
0.21 0.08
0.04 1
5
0.13 0.20
0.11 0.12
1
6
0.03 0.03
1
7
0.07 0.10
1
8
-0.04 -0.04
-0.07 1
9
-0.07 -0.03
0.05 1
10
0.03 -0.08
-0.04 1
11
0.06 0.04
0.08 -0.04
0.08 1
12
0.07 0.04
-0.10 -0.07
-0.04 -0.04
13
0.04 -0.05
0.05 -0.07
14
-0.02 -0.04
-0.05 -0.05
-0.06 -0.05
15
0.09 -0.04
-0.05 0.14
0.07 -0.08
-0.03
16
-0.04 0.05
-0.07
17
0.05 0.04
-0.04 0.03
-0.06 -0.05
-0.05 -0.05
-0.07
18
-0.08 0.04
0.06
19
-0.11 0.05
20
-0.03 -0.08
0.03 0.03
21
-0.05 -0.05
-0.06 -0.05
-0.06
22
-0.03 0.05
-0.06 -0.03
0.00
23
0.04 -0.07
24
0.04 -0.05
-0.04 -0.01
0.06
25
-0.05 0.07
26
0.04 0.11
0.03 -0.03
0.07
27
-0.05 0.07
0.06 0.08
0.05 0.08
0.04
28
-0.05 0.03
0.05 -0.03
0.04 0.07
-0.03
29
0.04 -0.05
-0.07 -0.04
-0.03
30
0.02 -0.06
-0.08 -0.08
0.01
31
-0.04 0.06
-0.07 0.07
-0.05
33
0.08 0.07
-0.04 -0.02
0.03 -0.13
39
-0.03 -0.12
-0.07 0.04
0.12 -0.03
-0.08
92
Tabel 4.3 Matriks korelasi antar kesalahan pengukuran butir item pada
Three Dimensional Space Lanjutan
Item 12
13 14
15 16
17 18
19 20
21 22
12
1
13
-0.04 1
14
-0.06 1
15
1
16
0.03 0.07
1
17
0.02 -0.05
1
18
-0.04 0.07
1
19
-0.02 0.11
1
20
0.04 -0.04
0.09 0.17
1
21
0.04 0.06
0.06 0.04
1
22
-0.03 -0.05
0.06 0.15
0.16 1
23
0.03 -0.04
0.12 0.13
0.30
24
0.06 0.03
0.04 0.07
0.14 0.16
0.32
25
-0.05 -0.06
-0.05 0.10
0.12 0.21
26
-0.04 -0.05
0.11 0.28
27
-0.07 -0.04
0.07 0.09
0.14
28
-0.04 -0.07
-0.04 0.14
0.09 0.22
29
-0.04 -0.05
0.11 0.21
30
-0.12 0.06
-0.05 -0.09
-0.06 -0.09
0.07
31
-0.05 0.03
-0.06 -0.13
-0.04 0.06
0.08
33
-0.09 0.05
-0.03 -0.06
-0.04 0.04
0.06
39
-0.01 -0.06
-0.05 -0.05
-0.04 -0.10
0.16
Keterangan: Angka dengan warna merah menunjukkan ketidaksignifikanan
93
Tabel 4.3 Matriks korelasi antar kesalahan pengukuran butir item pada
Space Perception lanjutan
Item 23 24
25 26
27 28
29 30
31 33
39 23
1
24 0.38
1
25 0.44
0.36 1
26 0.25
0.28 0.34 1
27 0.24
0.23 0.31 0.37 1
28 0.30
0.23 0.44 0.36 0.42 1
29 0.10
0.20 0.21 0.27 0.28 0.48 1
30 0.14
0.14 0.23 0.25 0.27 0.44 0.35 1
31 0.13
0.21 0.14 0.26 0.28 0.36 0.29 0.50 1
33 0.23
0.12 0.27 0.15 0.28 0.47 0.31 0.47 0.46 1
39 0.03
0.11 0.06 0.18 0.15 0.26 0.25 0.24 0.31 0.44 1
Keterangan: Angka dengan warna merah menunjukkan ketidaksignifikanan
Selanjutnya kualitas item dapat dilihat dari signifikan atau tidaknya item tersebut menghasilkan informasi tentang apa yang hendak diukur. Dalam hal ini,
yang diuji adalah hipotesis nihil dari muatan faktor. Pengujiannya dilakukan dengan melihat nilai t bagi setiap koefisien muatan faktor seperti pada tabel 4.4
berikut ini:
94
Tabel 4.4 Muatan Faktor Item GATB subtes
Three Dimensional Space Item
Koefisien Standar Error
T- Value Signifikan
1 0.37
0.02 19.84
V 2
0.48 0.02
27.39 V
3 0.62
0.02 34.72
V 4
0.55 0.02
30.72 V
5 0.59
0.02 33.93
V 6
0.22 0.02
11.35 V
7 0.55
0.02 30.86
V 8
0.59 0.02
34.28 V
9 0.15
0.02 7.97
V 10
0.52 0.02
27.83 V
11 0.49
0.02 27.72
V 12
0.70 0.02
41.70 V
13 0.31
0.02 16.72
V 14
0.62 0.02
36.72 V
15 0.56
0.02 31.83
V 16
0.48 0.02
26.57 V
17 0.53
0.02 28.27
V 18
0.36 0.02
19.77 V
19 0.60
0.02 35.32
V 20
0.51 0.02
28.66 V
21 0.51
0.02 28.92
V 22
0.18 0.02
9.48 V
23 0.45
0.02 25.16
V 24
0.29 0.02
15.28 V
25 0.33
0.02 18.05
V
Keterangan: V= signifikan t-values 1,96 X = Tidak signifikan
95
Tabel 4.4 Muatan Faktor Item GATB subtes
Three Dimensional Space Lanjutan Item
Koefisien Standar Error
T-Value Signifikan
26 0.38
0.02 20.64
V 27
0.23 0.02
11.94 V
28 0.11
0.02 5.69
V 29
0.10 0.02
5.18 V
30 0.24
0.02 12.28
V 31
0.11 0.02
5.93 V
33 0.29
0.02 15.13
V 39
0.14 0.02
7.29 V
Keterangan: V= signifikan t-values 1,96 X = Tidak signifikan
Dari 33 item yang mengukur subtes three dimensional space, semua item dinyatakan signifikan karena nilai t lebih besar dari 1, 96 absolute dan semua
item dinyatakan bernilai positif. Item yang paling baik sesuai urutannya: 12, 14, 19, 3, 8, 5, 15, 7, 4, 2, 20, 17, 10, 11, 2, 16, 23, 26, 1, 18, 25, 13, 24, 33, 30, 27, 6,
22, 9, 39, 31, 28, dan 29.
Setelah melakukan analisis untuk kedua kalinya dengan membuang item negatif dan item tidak signifikan ternyata tidak menghasilkan banyak perubahan.
Setiap item dalam subtes three dimensional space masih menunjukkan kolerasi antar item dan menunjukkan multidimensionalitas. Atas hal tersebut maka model
satu faktor yang diteorikan dalam subtes ini sebenarnya tidak dapat diterima karena ternyata setiap item dalam subtes ini tidak hanya mengukur satu faktor
three dimensional space saja.
96 Melihat hasil yang seperti ini maka dilakukanlah analisis faktor dengan
menggunakan program SPSS 17. SPSS digunakan untuk memberikan perkiraan mengenai berapa banyak faktor yang diukur oleh subtes three dimensional space
dengan batas eugen value 1. Melalui SPSS diperkirakan bahwa subtes three dimensional space sebenarnya mengukur delapan faktor Tabel 4.5. Namun
perhitungan ini hanya sebagai perkiraan saja, diperlukan penelitian lebih lanjut mengenai berapa sebenarnya jumlah faktor yang diukur oleh subtes three
dimensional space dan penjelasan mengenai faktor-faktor tersebut tidak dilakukan dalam penelitian ini.
Penjelasan mengenai kedelapan faktor dapat dilihat pada tabel 4.5 mengenai Rotated Component Matrix.
97
Tabel 4.5 Rotated Component Matrix pada Subtes Three Dimensional Space
Rotated Component Matrix
a
Component 1
2 3
4 5
6 7
8 V1
.037 .002
.031 .699
-.171- -.051-
.054 -.106-
V2 .111
.033 .070
.458 .233
.216 .189
.058 V3
.256 .068
.026 .489
.116 .023
-.034- .103
V4 .045
.117 -.068-
.585 .119
.014 -.047-
.002 V5
.183 .045
.050 .428
.356 .241
.078 .042
V6 -.029-
.035 -.031-
.087 -.120-
.764 -.222-
-.047- V7
.203 .115
.029 .111
.265 .252
.245 .329
V8 .485
.044 .116
.089 .255
-.080- -.052-
.059 V9
.058 .062
-.056- .000
-.050- -.026-
-.012- .839
V10 .308
.119 -.051-
.121 .389
.062 -.325-
-.137- V11
.186 .048
-.032- .130
.522 -.052-
-.017- -.036-
V12 .480
.075 .022
.278 .250
-.003- .023
.014 V13
.193 -.011-
.085 .120
-.075- -.045-
.659 .029
V14 .479
.022 .034
.146 .195
.142 .004
-.009- V15
.265 .038
.066 .133
.275 .402
.202 .104
V16 .355
-.014- .073
-.016- .109
.352 .217
.023 V17
.434 .049
-.046- .248
-.067- .036
.173 .100
V18 .488
.038 -.054-
-.011- -.107-
.038 -.012-
.147 V19
.602 .131
.010 .044
.076 .133
.028 -.030-
V20 .561
.244 .012
.054 .038
-.108- .045
-.102- V21
.375 .321
.033 -.022-
-.055- .279
.177 .004
V22 .189
.510 -.035-
.092 -.342-
-.028- -.099-
-.081- V23
.198 .628
.048 .109
.100 .009
.066 .000
V24 .167
.582 .050
.016 -.110-
.121 .065
-.124- V25
.055 .660
.103 .026
.181 -.059-
.042 .054
V26 .047
.538 .191
.103 .018
.116 -.070-
.193 V27
-.055- .432
.293 .009
.251 .002
-.075- .111
V28 -.033-
.447 .462
-.002- .037
-.182- -.031-
.079 V29
.061 .184
.441 .001
-.185- -.084-
-.006- -.088-
V30 -.026-
.107 .645
-.008- .058
.060 .143
-.036- V31
-.018- .021
.586 -.040-
.012 .091
-.043- -.064-
V32 .056
.081 .656
.072 .054
.001 .010
.092 V33
.168 -.118-
.365 .064
-.262- -.009-
-.442- .250
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 15 iterations.
98
Tabel 4.6 Sebaran Item GATB subtes
Three Dimensional Space Faktor
Item
1 8, 12, 14, 16, 17, 18, 19, 20, 21
2 22, 23, 24, 25, 26, 27
3 28,29, 30, 31, 32, 33
4 1, 2, 3, 4, 5
5 10, 11
6 6, 15
7 13
8 7, 9
Dari tabel 4.6 terlihat bahwa faktor 1 terukur oleh item 8, 12, 14, 16, 17, 18, 19, 20, 21. Faktor 2 terukur oleh faktor 22, 23, 24, 25, 26, 27. Faktor 3 terukur
oleh faktor 28,29, 30, 31, 32, 33. Faktor 4 terukur oleh faktor 1, 2, 3, 4, 5. Faktor 5 terukur oleh faktor 10 dan 11. Faktor 6 terukur oleh faktor 6 dan 15. Faktor 7
terukur oleh faktor 13 saja serta faktor 8 yang terukur oleh faktor 7 dan 9.
4.1.3. Validitas Konstruk Subtes Vocabulary
