Pada tabel 3.13, ada dua item yang berkorelasi lebih dari tiga, yaitu item 37 dan 55. Selain kedua item tersebut, tidak ada yang berkorelasi lebih dari tiga
dengan item lain. Dengan demikian berdasarkan hasil uji hipotesis nihil dan korelasi kesalahan pengukuran, maka ada dua item dari jenis independent yang
didrop, yakni item 37 dan 55. Selain item yang didrop dari jenis independent, dapat diikutsertakan pada analisis selanjutnya yaitu penentuan skor faktor.
b. Avoidant
Peneliti menguji apakah sepuluh item yang ada bersifat unidimensional, artinya benar mengukur satu faktor atau tidak. Dari hasil awal analisis CFA yang
dilakukan dengan model satu faktor, diperoleh model tidak fit dengan Chi-Square = 335.64, df = 35, P-value = 0.00000, RMSEA = 0.241. Namun, setelah dilakukan
modifikasi terhadap model dengan kesalahan pengukuran pada beberapa item yang dibebaskan berkorelasi satu sama lainnya, maka diperoleh model fit seperti
gambar 3.5 berikut.
Gambar 3.5 Analisis Faktor Konfirmatorik dari Jenis Avoidant
Berdasarkan gambar 3.5, diperoleh model fit dengan Chi-Square = 27.02, df = 18, P-value = 0.07860, RMSEA = 0.058. Karena P-value telah menghasilkan
nilai 0.05 signifikan maka dinyatakan bahwa model dengan satu faktor dapat diterima, dan bahwa seluruh item mengukur satu faktor saja yaitu avoidant.
Selanjutnya, peneliti melihat apakah signifikan item tersebut mengukur faktor yang hendak diukur, sekaligus menentukan apakah item tersebut perlu
diikutsertakan dalam analisis selanjutnya atau tidak didrop. Maka dilakukan pengujian hipotesis nihil tentang koefisien muatan faktor dari item. Pengujiannya
dilakukan dengan melihat nilai t bagi setiap koefisien muatan faktor, seperti pada tabel 3.14 berikut.
Tabel 3.14 Muatan Faktor Item Avoidant
No item Koefisien
Standar error Nilai t
Signifikan
2 0.70
0.07 9.70
V 8
0.53 0.08
6.61 V
14 0.89
0.07 13.00
V 20
0.02 0.09
0.29
X 26
0.91 0.07
13.73 V
32 0.30
0.09 3.38
V 38
0.55 0.08
6.91 V
44 0.61
0.07 8.27
V 50
0.64 0.08
8.41 V
56 0.60
0.08 7.58
V
Keterangan: tanda V = signifikan t 1.96; X = tidak signifikan
Dari tabel 3.14, dengan melihat bagian koefisien, diketahui bahwa seluruh item memiliki koefisien muatan faktor yang positif. Kemudian pada bagian nilai t,
item 2, 8, 14, 26, 32, 38, 44, 50 dan 56, signifikan, karena nilai t 1.96. Sedangkan item 20 tidak signifikan karena nilai t 1.96. Maka item 20 akan
didrop. Kemudian peneliti akan mencari apakah ada item yang mengukur selain
hal yang harus diukur, dengan cara melihat apakah tiap item berkorelasi dengan item lain. Item yang bagus adalah item yang tidak memiliki kesalahan
pengukuran, dengan kata lain setiap item tidak berkorelasi satu sama lain.
Sedangkan item yang tidak bagus memiliki korelasi dengan item lainnya dan akan didrop. Pada penelitian ini, item yang didrop adalah item yang memiliki korelasi
lebih dari tiga saja, seperti pada tabel 3.15 berikut.
Tabel 3.15 Matriks Korelasi antar Kesalahan pengukuran dari Avoidant
2 8
14 20
26 32
38 44
50 56
2 1
X X
X
8 1
X X
X X
14 1
X X
20 1
X X
X 26
1 X
X 32
1 X
X 38
1 X
44 1
50 1
56 1
Tanda X menunjukkan korelasi kesalahan pengukuran item
Pada tabel 3.15, ada dua item yang berkorelasi lebih dari tiga, yaitu item 8 dan 32. Selain kedua item tersebut, tidak ada yang berkorelasi lebih dari tiga
dengan item lain. Dengan demikian, berdasarkan hasil uji hipotesis nihil dan korelasi kesalahan pengukuran. Maka ada tiga item dari dimensi avoidant yang
didrop, yakni item 20 karena nilai t 1.96 yang berarti tidak signifikan, kemudian item 8 dan 32 karena item memiliki korelasi lebih dari tiga dengan item lain.
Selain item yang didrop dari dimensi avoidant, dapat diikutsertakan pada analisis selanjutnya yaitu penentuan skor faktor.
c. Collaborative
Peneliti menguji apakah sepuluh item yang ada bersifat unidimensional, artinya benar mengukur satu faktor atau tidak. Pada jenis ini, awalnya path diagram tidak
muncul. Setelah dibaca output dari CFA, ternyata item nomor 9 mengganggu penghitungan CFA karena memiliki korelasi yang banyak dengan item lain.
Sehingga item nomor 9 didrop terlebih dahulu sebelum mencari model fit dari
jenis collaborative. Setelah didrop, path diagram dapat muncul, namun hanya dengan sembilan item yang tersisa. Dari hasil analisis CFA yang dilakukan
dengan model satu faktor, diperoleh model tidak fit dengan Chi-Square = 218.77, df = 27, P-value = 0.00000, RMSEA = 0.219. Namun, setelah dilakukan
modifikasi terhadap model dengan kesalahan pengukuran pada beberapa item yang dibebaskan berkorelasi satu sama lainnya, maka diperoleh model fit seperti
gambar 3.6 berikut.
Gambar 3.6 Analisis Faktor Konfirmatorik dari Jenis Collaborative
Berdasarkan gambar 3.6, diperoleh model fit dengan Chi-Square = 21.21, df = 15, P-value = 0.13038, RMSEA = 0.053. Karena P-value telah menghasilkan
nilai 0.05 signifikan maka dinyatakan bahwa model dengan satu faktor dapat diterima, dan bahwa seluruh item mengukur satu faktor saja yaitu collaborative.
Selanjutnya, peneliti melihat apakah signifikan item tersebut mengukur faktor yang hendak diukur, sekaligus menentukan apakah item tersebut perlu
diikutsertakan dalam analisis selanjutnya atau tidak didrop. Maka dilakukan pengujian hipotesis nihil tentang koefisien muatan faktor dari item. Pengujiannya
