dilakukan, perlu diuji terlebih dahulu apakah suatu model individual semua item mengukur satu hal yang sama ini ini memang fit dengan data yang ada.
Setelah data fit dapat dilakukan analisis apakah item sesuai dengan konstruk. Dengan berpatokan pada t-value 1,96 dapat diketahui item yang
dianggap gugur dan item yang lolos seleksi.
2. Uji Regresi Ganda Uji regresi ganda yang digunakan untuk menguji hipotesis. Di mana
analisis multi regresiadalah suatu metode untuk mengkaji akibat-akibat dan besarnya akibat dari lebih dari satu variabel bebas terhadap satu variabel terikat,
dengan menggunakan prinsip-prinsip korelasi dan regresi Kerlinger, 2004. Maka dalam regresi ganda berguna untuk mendapatkan pengaruh dua variabel predictor
atau lebih terhadap satu variabel kriterium atau untuk membuktikan ada atau tidaknya hubungan fungsional antara dua buah variabel bebas X atau lebih
dengan sebuah variablel terikat Y Husaini Usman, 2008. Analisi regresi ganda dalam penelitian ini diperoleh melalui program SPSS Versi 16.0.
3.8. Hasil Uji Instrumen Penelitian
3.8.1. Uji validitas Berikut ini adalah blue print self concept dan adjustment.
Tabel 3.2. Blue Print Try Out Skala Self Concept
Dimensi Indikator
Item Jumlah
Favourable Unfavourable
Internal
Diri identitas Self identity
1 6, 11 3
Diri pelaku The
behavioral self
3, 16 15, 18
4
Diri penilai The judging
self
13,20, 21 12
4
Eksternal Diri fisik
5, 23 -
2 Diri pribadi
7 9, 17
3 Diri sosial
19, 22 8, 10
4 Diri etika
moral 14 4 2
Diri keluarga 2
- 1
Total 13 10 23
item tidak valid
CFA confirmatory factor analysis Skala Self Concept Dalam analisis skala self concept penulis menggunakan sofware Lisrel
8.30. Analisis ini bertujuan untuk melihat apakah item-item yang disusun benar- benar dapat mengukur konstruk yang akan diukur. Sebelum hal ini dilakukan,
perlu diuji terlebih dahulu apakah suatu model individual semua item mengukur satu hal yang sama ini ini memang fit dengan data yang ada. Hasil dari analisis
tahap ini dapat terlihat pada lampiran.
Dari proses komputasi diketahui bahwa nilai Chi-Square 714.89 dengan df 230. Hal ini berarti data yang ada tidak fit. Namun jika sebagian besar
kesalahan pengukuran error pada setiap item dibuat berkorelasi satu sama lain model ini dapat dianggap fit dengan data, karena nilai RMSEA = 0,042 0,05 dan
P-value = 0,05681 0,05. Setelah
data fit dapat dilakukan analisis apakah item sesuai dengan
konstruk. Dengan berpatokan pada t-value 1,96 dapat diketahui item yang dianggap gugur dan item yang lolos seleksi. Informasi nilai t-value dapat dilihat
pada tabel di bawah ini;
Tabel 3.3. t-value skala Self Concept
No Item T
No Item t
01 2.1 13
1.36 02
0.31 14
-0.35 03
-1.2 15 5.03
04 7.42 16 0.06
05 0.91 17
3.6 06 8.92
18 7.38 07
0.81 19
1.30 08 3.83
20 -2.58 09 3.93
21 2.14 10 3.66
22 -0.29
11 3.88 23
0.29 12 4.62
Dilihat dari t-value, ada 10 item yang dinyatakan gugur yaitu item 2,3,5,7,13,14,16,19,22 dan 23, karena t-value-nya 1.96. Sisanya, yaitu 13 item
dalam skala self concept dapat mengukur atau menghasilkan informasi tentang konstruk yang ditetapkan secara teoritis.
Tabel 3.4. Blue Print Try Out Skala Adjustment
Dimensi Indikator Item
Jumlah
Favora ble
Unfavor able
Karakteristik penyesuaian diri
yang baik Tidak terdapat
emosionalitas yang berlebihan absence of
excessive emotionality 11 16,
20 3
Tidak terdapat mekanisme psikologis
absence of psychological
mechanisms 6 1,
12 3
Tidak terdapat perasaan frustasi pribadi absence
of the sense of personal frustration
2, 13 -
2
Pertimbangan rasional dan pengarahan diri
rational deliberation and self direction
7, 17, 21 3
4
Kemampuan untuk belajar ability to learn
4, 14 8
3 Pemanfaatan pengalaman
utilization of past experience
9, 18, 22 5, 15, 19
6
Sikap-sikap yang realistis dan objektif realistic
and objective attitude - 10 1
Total 12 10 22
Item tidak valid
Analisis Faktor Konfirmatori Skala Adjustment Untuk melakukan analisis faktor confirmatory skala adjusment ini penulis
juga menggunakan sofware Lisrel 8.30. Dari proses komputasi dapat diketahui bahwa nilai Chi-Square 767,74 dengan df 209 dan p 0,0. Hal ini berarti data
yang ada tidak fit. Namun jika sebagian besar kesalahan pengukuran error pada
setiap item dibuat berkorelasi satu sama lain model ini dapat dianggap fit dengan data, karena nilai RMSEA = 0,039 0,05 dan P-value = 0,09615 0,05.
Setelah data
fit dapat dilakukan analisis apakah item sesuai dengan konstruk. Dengan berpatokan pada T-value 1,96 dapat diketahui item yang
dianggap gugur dan item yang lolos seleksi. Informasi nilai t-value dapat dilihat pada tabel di bawah ini:
Tabel 3.5. t-value
No Item t
No Item T
01 4.72 12 5.01
02 2.74 13 4.86
03 4.99 14 5.2
04 4.71 15 6.83
05 7.21 16 6.26
06 3.91 17 5.02
07 7.05 18 6.09
08 5.89 19 3.01
09 2.77 20 4.41
10 5.76 21 5.24
11 0.97 22 3.65
Dilihat dari t-value, ada satu item yang tidak valid, yaitu item nomor 11 yang memiliki t-value 0.97 1,96. Dengan demikian item ini dianggap tidak
dapat memberikan informasi tentang adjustmentt. Selebihnya, 21 item lain dalam skala adjustment dapat mengukur atau menghasilkan informasi tentang konstruk
yang ditetapkan secara teoritis.
3.9. Prosedur Penelitian
