masing-masing kelompok, yaitu kelompok manual dan online, sehingga akan didapatkan reliabilitas komposit pada kedua tersebut.
1. Reliabilitas
Reliabilitas merupakan konsep yang digunakan untuk menyatakan sejauhmana hasil suatu pengukuran dapat dipercaya. Reliabilitas mempunyai
nama lain seperti keterpercayaan, keandalan, keajegan, kestabilan, konsistensi, dan sebagainya. Hasil pengukuran dapat dipercaya hanya apabila dalam beberapa
pengukuran terhadap kelompok subjek diperoleh hasil yang relatif sama, selama aspek yang diukur dalam diri subjek tidak berubah Azwar, 2012. Skor komposit
merupakan penjumlahan skor dari setiap bagian atau komponen dengan memperhitungkan besarnya bobot masing-masing. Jadi, reliabilitas skor komposit
ditentukan oleh reliabilitas skor komponennya. Pengukuran reliabilitas yang digunakan dalam penelitian ini menggunakan reliabilitas skor komposit, karena
BFI versi Indonesia memiliki lima bagian yang berbeda, yaitu OCEAN. Menurut Mosier, reliabilitas skor komposit merupakan fungsi dari reliabilitas, varians skor,
interkorelasi, dan bobot relative dari masing-masing komponennya Azwar,
2012. Berikut adalah rumus Mosier:
Simbol “w” berarti “bobot” dan “s” berarti standar deviasi, sedangkan untuk huruf
“j” dan “k” merupakan komponen yang berkaitan, dan untuk simbol “r
jk”
adalah korelas
i antar komponen “j” dan “k”. r
xx’
= 1 - ∑ w
j 2
s
j 2
- ∑ w
j 2
s
j 2
r
jj’
∑ w
j 2
s
j 2
+ 2 ∑ w
j
w
k
s
j
s
k
r
jk
Universitas Sumatera Utara
2. Regresi Logistik Ordinal
Skor yang dihasilkan oleh aitem-aitem Big Five Inventory versi Indonesia akan menghasilkan data ordinal. Setelah data semua subjek terkumpul, maka data
yang terkumpul akan dimasukkan kedalam data Excel dan kemudian dipisahkan berdasarkan setiap aspek. Data akan dianalisa dengan menggunakan analisis data
regresi logistik ordinal. Regresi logistik diusulkan sebagai alternatif uji statistik Mantel-Haenszel untuk mengidentifikasi DIF pada tahun 1990 oleh Swaminathan
dan Rogers Hortensius, L., 2012; Jodoin, M.G. Gierl, J., 1999. Analisis regresi logistik ordinal merupakan perluasan dari analisis regresi yang mampu
memprediksi hasil data yang berbentuk ordinal, berdasarkan variabel prediktor Field, 2009.
Analisis regresi logistik logistic regression merupakan salah satu analisis yang didasarkan pada CTT, yang dapat mengidentifikasi DIF. Analisis regresi
logistik adalah analisis yang didasarkan pada model statistik terhadap kemungkinan untuk merespon benar pada suatu aitem dilihat dari keanggotaannya
dan kriteria atau variabel yang dikondisikan. Analisis yang digunakan lebih dikhususkan lagi yaitu dengan menggunakan analisis regresi logistik ordinal
ordinal logistic regression. Regresi logistik ordinal merupakan salah satu metode terkini yang tersedia untuk menginvestigasi DIF aitem-aitem yang
biasanya ditemukan dalam pengukuran kepribadian dan psikologi sosial dengan data ordinal. Alasan memilih regresi logistik ordinal antara lain Zumbo, 1999:
a dapat dipergunakan baik untuk level data binary maupun ordinal
Universitas Sumatera Utara
ε
ᵋ
ε
b Ketika analisis DIF yang ingin dilakukan sifatnya tidak terlalu mendalam,
regresi logistik merupakan analisis yang dapat diaplikasikan dengan mudah.
c Metode regresi logistik ordinal tidak seperti metode yang lainnya, regresi
logistik ordinal memiliki uji statistik dan pengukuran yang cocok mengenai effect size, sehingga dapat mengidentifikasi effect size Zumbo-
Thomas pada aitem yang terjangkit DIF. Regresi logistik ordinal dapat menginterpretasi seperti halnya regresi linear dari
variabel prediktor pada sebuah variabel random yang tidak dapat diobservasi secara terus menerus laten, bersifat kontinum dan terdistribusi secara acak,
disimbolkan dengan Y . Persamaannya dapat ditunjukkan sebagai berikut:
y = b
+ b
1
TOT + b
2
GROUP + b
3
TOT GROUP
i
+
i
Dimana y adalah respon aitem sebagai variabel tergantung, TOT adalah total skor skala pada individu yang merupakan variabel bebas, GROUP adalah simbol untuk
nama variabel kelompok yang merupakan variabel tergantung, dan TOT GROUP
adalah interaksi antara total skor skala dan skor kelompok. Selain itu,
i
untuk model regresi logistik didistribusi dengan mean 0 dan varian π
. Kriteria aitem mengandung DIF adalah jika pada two-degree-of- freedom Chi-squared test
nilai p ≤ 0.01 atau singkatnya, chi-tabel chi-hitung sehingga kesimpulannya adalah tidak adanya perbedaan yang signifikan sehingga
tidak mengandung DIF. Analisis ini akan dibantu dengan aplikasi tambahan bernama ologit2.inc dan syntax program SPSS untuk analisis regresi logistik
Universitas Sumatera Utara
ordinal yang ditulis oleh Bruno D. Zumbo, PhD. Zumbo, 1999; Widhiarso, 2012.
Analisis regresi logistik juga dapat melihat effect-size sehingga dapat mengidentifikasi apakah DIF yang terkandung termasuk dalam jenis uniform DIF
atau non-uniform DIF Zumbo, 1999. Berdasarkan Cohen pada tahun 1992, kategori Zumbo-Thomas effect size adalah negligible dengan R
2
0,13, moderate dengan 0,13 R
2
0,26, dan large dengan R
2
0,26 Jodoin, M.G. Gierl, J., 1999. Dengan kata lain, nilai R
2
Zumbo-Thomas effect size pada aitem paling tidak senilai 0,130 atau R-squared
≥ 0,130 untuk kemudian dikatakan memiliki kriteria effect-size Widhiarso, 2012; Zumbo, 1999.
F. Program Komputer yang Digunakan
