4.2. Analisis Validitas Alat ukur Penelitian
Ada 2 alat ukur yang digunakan dalam penelitian ini, yaitu ADMC dan TEIQue- SF. Karena ke-2 alat ukur tersebut bukan merupakan alat ukur yang baku, maka perlu
dilakukan uji validitas konstruk alat ukur. Hal ini akan dilakukan dalam dua tahap, yaitu: 1.
Menguji hipotesis tentang model teori yang mengatakan bahwa setiap item dalam masing-masing komponen hanya mengukur satu faktor saja unidimensional model.
Secara teknis yang diuji ialah tentang ada tidaknya perbedaan yang signifikan antara matriks korelasi yang diperoleh dari data dengan matriks korelasi yang diharapkan
atau seharusnya terjadi jika teori yang dipaparkan benar. 2.
Menguji hipotesis: apakah setiap item dalam alat ukur memberikan informasi yang signifikan mengenai aspek yang hendak diukur.
4.2.1. Uji Validitas Alat Ukur ADMC
Uji validitas alat ukur ADMC ini dilakukan dengan Exploratory Factor
Analysis EFA. Dalam SPSS, penghitungan analisis faktor harus menggunakan metode ekstraksi faktor yang disebut Maximun Likelihood yang dapat menguji
hipotesis dengan menetapkan jumlah faktor = 1.
Tabel 4.5 Factor Matrix
a
Factor 1
RF -.233
RSN .999
UO -.127
ADR -.276
CRP .150
RSC -.264
PI .262
Extraction Method: Maximum Likelihood.
a. 1 factors extracted. 5 iterations required.
Tabel 4.4 Goodness-of-fit Test
Chi-Square Df
Sig. 15.436
14 .349
Jika Chi-Square menghasilkan nilai p 0,05, berarti bahwa model satu faktor semua item hanya mengukur 1 asumsi dinyatakan fit sesuai dengan data. Sebaliknya,
jika terdapat perbedaan yang signifikan antara matriks korelasi yang diperoleh dari data dengan matriks korelasi yang diharapkan atau seharusnya terjadi jika teori yang
dipaparkan benar, berarti teori yang menyatakan satu faktor ditolak. Berdasarkan tabel 4.4, dapat dilihat bahwa nilai Chi-Square ADMC yang
diperoleh ialah 15,436 dengan nilai df = 14 dan nilai signifikansi 0,349. Hal tersebut berarti bahwa hipotesis nihil yang diajukan untuk uji validitas konstruk ADMC diterima
tidak signifikan. Sehingga dapat diketahui bahwa ke-7 komponen ADMC benar-benar mengukur 1 faktor yang sama, yaitu kompetensi pengambilan keputusan.
Gambar 4.1: Hasil Analisis Faktor ADMC menggunakan Lisrel
Di dalam tabel 4.5 dan gambar 4.1, dapat dilihat bahwa ke-7 komponen ADMC memiliki koefisien yang tingginya relatif sama, kecuali RSN yang paling dominan. Dari
ke-7 komponen, ada 4 komponen yang berkorelasi negatif terhadap ADMC, yaitu komponen 1 RF, komponen 3 UO, komponen 4 ADR, dan komponen 6 RSC.
Sedangkan komponen 2 RSN, komponen 5 CRP, dan komponen 7 PI memiliki korelasi yang positif terhadap ADMC. Keterangan di atas dapat diperjelas pada tabel 4.6
di bawah ini:
Tabel 4.6: Keterangan dari hasil Factor Matrix
No. Komponen ADMC
Skor Tingkat Kompetensi
dalam Pengambilan keputusan
1. RF Tinggi Rendah
2. RSN Tinggi Tinggi
3. UO Tinggi Rendah
4. ADR Tinggi Rendah
5. CRP Tinggi Tinggi
6. RSC Tinggi Rendah
7. PI Tinggi Tinggi
4.2.2. Uji Validitas Alat Ukur TEIQue