P. 1
Uji Validitas Konstruk Big Five Inventory dengan Pendekatan Analisis Faktor Konfirmatori

Uji Validitas Konstruk Big Five Inventory dengan Pendekatan Analisis Faktor Konfirmatori

|Views: 479|Likes:
Dipublikasikan oleh M Gho Nim
Lisrel 8.8, Big Five Inventory, Analisis Faktor Konfirmatori, Psychology
Lisrel 8.8, Big Five Inventory, Analisis Faktor Konfirmatori, Psychology

More info:

Categories:Types, Research
Published by: M Gho Nim on Apr 01, 2013
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/29/2014

pdf

text

original

UJI VALIDITAS KONSTRUK BIG FIVE INVENTORY DENGAN PENDEKATAN ANALISIS FAKTOR KONFIRMATORI Danu Dwi Atmoko Fakultas

Psikologi Universitas Gadjah Mada

ABSTRACT The aim of this study was to examine the consistency of big five personality theory in Indonesia. The instruments used as a measure of the big five personality is the Big Five Inventory (BFI) (John, Donahue, & Kentle, 1991). The procedure used is to test the construct validity of the Big Five Inventory (John, et al, 1991). Confirmatory factor analysis approach is used to test the construct validity of BFI. Subjects who were included in this study amounted to 356 people, with the number of men as many as 111 people and the number of female subjects as many as 245 people. The result of structural equation model analysis showed that the five-factor model of personality theory does not fit with the data ((χ2) = 3227.34, df = 902, p = 0.00, and RMSEA = 0085). The results of this study also proved that the big five theory is not consistent in Indonesia. Keywords: Big Five Inventory, Construct Validity, Confirmatory Factor Analysis. Semenjak model kepribadian lima faktor (Five Factor Model Personality) dikembangkan oleh John, Donahue, dan Kentle (1991) dengan mengkonstruksi Big Five Inventory (BFI), penelitian mengenai Big Five Personality mengalami kemajuan pesat. Pada kurun waktu 1990-1994 penelitian tentang Big Five/Five Factor Model kurang lebih hanya 300 buah (John, Naumann, & Soto, 2008). Kemudian, setidaknya 750 jurnal ilmiah telah dipublikasikan pada tahun 1999, meningkat drastis pada tahun 2004 sekitar 1250 buah penelitian telah diterbitkan (John, dkk, 2008). John, dkk, (2008) memperkirakan lebih dari 1600 jurnal telah terbit pada 2009. Hal tersebut mengindikasikan bahwa Big Five Inventory (BFI) yang dikembangkan John, Donahue, dan Kentle (1991) merupakan salah satu instrumen 1

2 pengukuran kepribadian yang populer saat ini. Big Five Inventory mengungkap 5 dimensi kepribadian, yakni : Extraversion (Ekstroversi), Agreeableness (Keramahan),

Conscientiousness (Keuletan), Neuroticism (Neurotisisme), Openness (Keterbukaan) (John & Srivastava, 1999). Aplikasi Big Five Inventory yang luas membuat instrumen pengukuran kepribadian ini banyak digunakan. Aplikasi Big Five Inventory yang luas membuat instrumen ini diterjemahkan dan diadaptasi dalam berbagai bahasa. Data resmi dari Berkeley Personality Lab melansir Big Five Inventory telah diterjemahkan dalam 9 bahasa (Berkeley Personality Lab, 2010). Big Five Inventory diterjemahkan dalam bahasa Cina, Belanda, Yahudi, Itali, Swedia, Portugis, Spanyol, Jerman (BFI-10), dan Lithuania. Big Five Inventory juga sedang dikembangkan dalam bahasa Turki (Karaman, Dogan, & Coban, 2010). Bahkan dalam penelitian Schmitt, Allik, McCrae, dan Benet-Martínez (2007) tentang deskripsi seksuil internasional dilaporkan bahwa Big Five Inventory telah diterjemahkan dalam 28 bahasa dan diberikan pada 17.837 individu dari 56 negara di seluruh dunia. Penerjemahan dan adaptasi terhadap skala-skala yang sudah dikembangakan dan banyak digunakan di negara-negara maju merupakan salah satu cara mendapatkan alat ukur yang valid (Purnamaningsih, 1988). Meskipun demikian, banyak ahli mengkritik penggunaan skala-skala yang diimpor dari budaya luar yang dinilai rawan terhadap bias budaya (Bond & Yang, 1982; Paddila & Borsato, 2008). Paddila dan Borsato (2008) mengemukakan adanya bias konstruk dalam penelitian lintas budaya. Bias konstruk terjadi ketika konstruk yang akan diukur pada sebuah skala tidak mempunyai arti yang sama antar kelompok budaya. John, dkk, (2008) menyadari bahwa adaptasi Big Five diluar bahasa dan budaya barat cenderung lebih kompleks. Kadang kala ditemukan satu atau dua faktor indigenous berhubungan dengan satu faktor Big Five (John,

3 dkk, 2008). Pertanyaan yang kemudian muncul adalah, apakah skala kepribadian Big Five Inventory hasil adaptasi valid untuk digunakan di Indonesia? Sebuah skala psikologi harus menjalani uji validitas terlebih dahulu sebelum akhirnya dapat digunakan. Uji validitas juga wajib dilakukan pada Big Five Inventory adaptasi Bahasa Indonesia. Studi mengenai validitas sangat penting untuk menjaga kredibilitas ilmiah penilaian psikologis dan penilaian pendidikan (Sireci, 2007). Pengujian validitas konstruk untuk menunjukan sejauh mana tes mengungkap suatu trait atau konstruk yang hendak diukurnya (Allen & Yen, dalam Azwar 2007). Azwar (2007) juga mengungkapkan bahwa pengujian validitas konstruk merupakan proses yang terus berlanjut sejalan dengan perkembangan konsep trait yang diukur. Melalui penelitian ini peneliti mencoba mengkonfirmasi validitas konstruk pada Big Five Inventory adaptasi Bahasa Indonesia. Prosedur validasi konstruk yang dilakukan dengan menggunakan teknik analisis faktor. Jenis analisis faktor yang dipakai dalam penelitian ini adalah analisis faktor konfirmatori. Berangkat dari pentingnya dan uji validitas terhadap Big Five Inventory adaptasi Bahasa Indonesia, maka dalam penelitian ini meneliti tentang validitas konstruk Big Five Inventory, untuk mempertegas rumusan masalah, pertanyaan yang diajukan adalah dalam penelitian ini adalah: Apakah Skala Kepribadian Big Five Inventory adaptasi Bahasa Indonesia valid untuk digunakan? Big Five Inventory dikembangkan untuk memenuhi kebutuhan akan instrumen singkat yang mengukur komponen kepribadian Big Five. John & Srivastava (1999) menyatakan bahwa tujuan pengembangan BFI adalah menciptakan sebuah inventori singkat yang memungkinkan penilaian secara efisien dan fleksibel dari lima dimensi kepribadian Big Five. Skala yang singkat tidak hanya terbukti menyingkat waktu pengerjaan namun juga menghindari kebosanan dan kelelahan subjek.

4 Pengembangan Big Five Inventory dimulai ketika John (1990) membuat definisi prototipe kepribadian lima faktor. Pada awal penelitiannya tersebut John menggunakan 106 kata ciri-sifat yang mewakili lima dimensi kepribadian. Berdasarkan penilaian para ahli, verifikasi faktor analitik dan penilaian kepribadian oleh pengamat, John kemudian memasukkan 106 kata ciri-sifat tersebut kedalam lima dimensi kepribadian yang sesuai. Penelitian kemudian berlanjut, John, Donahue, dan Kentle (1991) membuat frase pendek berdasarkan satu atau dua kata ciri-sifat pada data penelitian sebelumnya, hingga tercipta 44 frase pendek. Empat puluh empat frase pendek inilah yang kemudian menjadi aitem dalam Big Five Inventory. John, dkk, (2008) melaporkan reliabilitas alpha-cronbach masing-masing dimensi pada Big Five Inventory cukup memuaskan, berkisar antara 0,79 sampai dengan 0,87. Aitem dalam Big Five Inventory tidak menggunakan kata sifat tunggal namun menggunakan frasa singkat berdasarkan kata sifat (John & Srivastava, 1999). Penggunaan kata sifat tunggal memberikan hasil yang kurang konsisten daripada ketika disertai dengan definisi atau uraian (Goldberg & Kilkowski, 1985). Big Five Inventory mengungkap 5 dimensi kepribadian, yakni : Extraversion (Ekstroversi), Agreeableness (Keramahan),

Conscientiousness (Keuletan), Neuroticism (Neurotisisme), Openness (Keterbukaan) (John & Srivastava, 1999). Para ahli sepakat berpendapat bahwa validitas adalah derajat sejauh mana tes dapat mengukur apa yang hendak diukurnya (Sawilowsky, Sireci, 2007; Urbina, 2004). Validitas konstruk adalah sebuah metode menafsirkan atau mengorganisasi data untuk menjelaskan nilai sebuah tes, apa yang hendak diukur, dan apa artinya (Camara, 2003). Validitas konstruk mengacu pada tipe validitas yang menunjukkan sejauh mana suatu instrumen pengukuran mengungkap suatu trait atau konstruk teoritik yang hendak diukur (Allen & Yen, 1979 dalam Azwar, 2008). Validitas konstruk dianggap tepat ketika mengungkap traits atau konsep yang

5 tidak secara langsung dapat diamati seperti kecerdasan atau kesadaran (Camara, 2003). Ada dua pendekatan yang lazim digunakan dalam validasi konstruk, yaitu: validasi dengan pendekatan multitrait-multimethod dan validasi dengan pendekatan analisis faktor (Azwar, 2007). Analisis faktor merupakan sebuah teknik yang digunakan untuk uji validasi konstruk (Azwar, 2007). Penggunaan teknik analisis faktor nantinya akan menghasilkan hubunganhubungan di antara variabel-variabel dan menjelaskan hubungan-hubungan tersebut dalam bentuk kelompok variabel yang terbatas yang disebut faktor. Menurut Urbina (2004), ada dua teknik dasar untuk melakukan analisis faktor. Pendekatan yang pertama adalah Analisis Faktor Eksploratori (Exploratory Factor Analysis), analisis ini digunakan untuk untuk menemukan faktor (misalnya, variabel laten atau konstruk) yang mendasari variabel dalam analisis. Analisis faktor yang kedua adalah Analisis Faktor Konfirmatori (Confirmatory Factor Analysis). Analisis faktor ini digunakan untuk menguji hipotesis, atau untuk mengkonfirmasi teori tentang faktor-faktor yang sudah ada. Pada penelitian ini teknik analisis faktor yang digunakan adalah analisis faktor konfimatori. Berbeda dengan teknik analisis faktor eksploratori yang cenderung data driven atau berdasarkan data dalam menemukan faktor, analisis faktor konfirmatori cenderung theory driven. Sebelum menggunakan teknik analisis faktor konfirmatori, kita harus mempunyai dasar konseptual yang kuat tentang jumlah faktor atau variabel laten, variabel teramati, spesifikasi model, dan lain-lain (Brown, 2006). Analisis faktor konfirmatori terbukti menjadi teknik analisis yang adekuat untuk validasi konstruk sebuah instrumen pengukuran. Terdapat beberapa hal yang harus diperhatikan dalam melakukan analisis faktor konfirmatori, yakni spesifikasi model, jumlah sampel, metode estimasi, dan parameter untuk menilai cocok atau

6 tidaknya sebuah model yang dianalisis dengan data yang ada (Brown, 2006; Harrington, 2009). METODE Subjek penelitian ini adalah mahasiswa Fakultas Psikologi Universitas Gadjah Mada angkatan 2009 dan 2010. Secara keseluruhan jumlah subjek sebanyak 356 orang, dengan jumlah laki-laki sebanyak 111 orang, dan perempuan sebanyak 245 orang. Variabel penelitian yang digunakan dalam penelitian ini adalah lima golongan kepribadian menurut teori big five. Lima golongan tersebut adalah neuroticism, agreeableness, openness, extraversion, dan conscientiousness. Instrumen yang dipakai untuk mengukur kepribadian model lima faktor adalah skala Big Five Inventory Bahasa Indonesia (Soetjipto, dkk, 2010) hasil adaptasi dari skala Big Five Inventory Bahasa Inggris yang dikembangkan oleh John, Donahue, dan Kentle (1991). Terdapat lima faktor kepribadian dalam big five personality, yakni: ekstroversi (extraversion), keramahan (agreeableness), keuletan (conscientiousness), neurotisisme (neuroticism) dan keterbukaan (openness) (John & Srivastava, 1999; Brislin & Lo, 2006; John, Naumann, & Soto, 2008). Kelima faktor kepribadian tersebut termanifestasikan dalam 44 butir aitem, dengan frase pendek pada tiap aitemnya. Faktor extraversion terdiri dari 8 aitem, faktor agreeableness terdiri dari 9 aitem, faktor conscientiousness terdiri dari 9 aitem, faktor neuroticism terdiri dari 8 aitem, dan faktor openness terdiri dari 10 aitem. Instrumen Big Five Inventory ini berbentuk skala likert dengan lima alternatif jawaban yang menunjukkan tingkat kesesuaiaan subjek terhadap pernyataan. Angka “1” mewakili jawaban sangat tidak setuju, angka “2” mewakili jawaban sedikit tidak setuju, angka “3” mewakili jawaban antara setuju dan tidak setuju, angka “4” mewakili jawaban sedikit setuju,

7 dan angka “5” mewakili jawaban sangat setuju. Secara keseluruhan, skala Big Five Inventory terdiri atas 16 aitem unfovarable dan 28 aitem favorable. Pembagian aitem favorable dan unfovarable pada tiap faktor dapat dilihat pada tabel 1. Pengujian validitas konstruk yang akan digunakan dalam penelitian ini memakai teknik analisis faktor konfirmatori (confirmatory factor analysis) menggunakan perangkat lunak LISREL 8.8 (Joreskog & Sorbom, 2006). LISREL 8.8 dipilih karena perangkat lunak ini merupakan salah satu perangkat lunak terbaik dan paling sering dipakai untuk melakukan analisis faktor konfirmatori (Lei & Wu, 2007). Berbagai macam pilihan metode estimasi untuk melakukan analisis faktor juga menjadi nilai lebih yang dimiliki perangkat lunak ini. Tabel 1 Blue Print Big Five Inventory Dimensi Agreeableness Conscientiousness Neuroticism Openness Extraversion Unfavorabel 2, 12, 27, 37 8, 18, 23, 43 9, 24, 34, 35, 41 6, 21, 31 Favorabel 7, 17, 22, 32, 42 3, 13, 28, 33, 38 4, 14, 19, 29, 39 5, 10, 15, 20, 25, 30, 40, 44 1, 11, 16, 26, 36 28 Jumlah 9 9 8 10 8 44

Jumlah 16 Sumber: John dan Srivastava (1999)

Pada penelitian ini peneliti membentuk model persamaan struktural mengenai 44 aitem dalam big five inventory yang menurut teori dapat membentuk lima faktor kepribadian. Namun, sebelum melakukan analisis, peneliti terlebih dahulu melakukan uji normalitas terhadap data yang ada. Uji normalitas penting dilakukan untuk mengetahui normalitas

8 sebaran data penelitian. Hasil uji normalitas inilah yang menentukan metode estimasi yang akan dilakukan terhadap data penelitian yang ada. Setelah metode estimasi ditentukan langkah selanjutnya adalah melihat hasil uji kecocokan yang dihasilkan oleh model yang dianalisis. Sesuai dengan rekomendasi dari Kline (2011), pada penelitian ini, parameter yang dipakai untuk menentukan cocok atau tidaknya model terhadap data penelitian yang ada adalah Chi-square (χ2), termasuk derajat kebebasan (df) dan nilai p (p-value), RMSEA, CFI, dan SRMR. Selain itu ditambahkan pula parameter GFI sesuai rekomendasi Joreskog & Sorbom (2004). Chi-square (χ2) digunakan untuk menguji seberapa dekat kecocokan antara matrik kovarian sampel dengan matrik kovarian model (Wijanto, 2008). Nilai Chi-square (χ2), derajat kebebasan (df) yang rendah, serta tingkat signifikansi yang besar atau sama dengan 0.05 (p>0.05) menunjukan bahwa tidak ada perbedaan secara statistik antara matrik input yang diprediksi dengan matrik yang sebenarnya. RMSEA (Root Mean Square Error of Approximation) merupakan uji ketepatan yang menjelaskan residu yang terdapat di dalam model. Oleh sebab itu, nilai yang diharapkan dari RMSEA sangatlah kecil. Nilai RMSEA < 0,05 menandakan bahwa model yang disusun sangat baik (close fit), sedangkan 0,05 < RMSEA < 0,08 menandakan bahwa model yang disusun baik (good fit). CFI (Comparative Fit Index) termasuk kedalam salah satu parameter kecocokan inkremental yang ditambahkan oleh Bentler (1990). Nilai CFI > 0,90 menunjukan bahwa good fit, sedangkan 0,80 < CFI < 0,90 sering disebut marginal fit (Wijanto, 2008). GFI (Goodness of Fit Index) merupakan salah satu ukuran kecocokan absolut karena pada dasarnya GFI membandingkan model yang dihipotesiskan dengan tidak ada model sama sekali. Nilai GFI tertinggi adalah 1,00 (perfect fit), GFI > 0,90 merupakan good fit, sedangkan marginal fit diperoleh bila 0,80 < GFI < 0,90. Meskipun demikian Hooper, dkk, (2008) menyarankan

9 sebaiknya peneliti memakai standar nilai GFI dan CFI masing-masing lebih dari 0,95 agar kecocokan model hasil estimasi lebih dapat dipercaya. SRMR (Standardized Root Mean Square Residual) mewaklili nilai rerata seluruh standardized residual, oleh sebab itu ukuran kecocokan ini termasuk dalam ukuran kecocokan absolut. Model yang mempunyai kecocokan baik (good fit) akan mempunyai nilai SRMR lebih kecil dari 0,05 (Wijanto, 2008).

HASIL Uji prasyarat analisis dilakukan dengan menguji sebaran data untuk mencapai sebaran normal. Sebuah data dikatakan mempunyai sebaran yang normal apabila memiliki nilai p lebih dari 0.05 dari skewness dan kurtosis dalam uji normalitas multivariat (Wijanto, 2008). Hasil uji normalitas multivariat pada data penelitian ini menunjukan bahwa data memiliki sebaran yang tidak normal (p-values < 0,01 = 0,00). Jöreskog dan Sörbom (2004) memberikan solusi untuk melakukan normalisasi variabel sebelum melakukan analisis. Normalisasi variabel dilakukan peneliti untuk mencapai sebaran data yang normal. Meskipun demikian hasil normalisasi variabel tetap menghasilkan sebaran data yang tidak normal ( p-values < 0,01 = 0,00). Berdasarkan hal tersebut, alternatif yang diajukan oleh Jöreskog dan Sörbom (2004) adalah dengan menambahkan matrik asimptotik kovarian (asymptotic covariance matrix) dalam estimasi maximum likelihood. Prosedur tersebut nantinya akan menghasilkan estimasi robust maximum likelihood yang menganalisis data berdasarkan sebaran yang tidak normal (Hooper, Coughlan, & Mullen, 2008). Model yang akan diestimasi diuji melalui uji persamaan model struktural dengan menggunakan perangkat lunak Lisrel 8.8 (Jöreskog & Sörbom, 2006). Analisis data menggunakan metode estimasi robust maximum likelihood. Parameter yang digunakan untuk

10 menguji ketepatan model adalah Chi-square (χ2), termasuk derajat kebebasan (df) dan nilai p (p-value), RMSEA, CFI, SRMR, serta GFI. Berdasarkan gambar 1, dapat diketahui bahwa uji ketepatan model menghasilkan Chisquare = 3227.34, df = 902, nilai p = 0.00, dan RMSEA = 0.085. Pada model di bawah nilai Chi-square dan derajat kebebasan masih tergolong tinggi yakni (χ2) sebesar 3227.34 serta (df) sebesar 902, sehingga menghasilkan nilai p yang signifikan (p>0.05 = 0.00). Hal tersebut menunjukkan bahwa terdapat ketidakcocokan antara model atau teori yang diuji dengan data yang ada. Pada penelitian ini model yang dianalisis memiliki nilai RMSEA 0.085 yang menunjukkan bahwa terdapat ketidakcocokan antara model atau teori yang diuji dengan data yang ada. Selain itu nilai CFI sebesar 0,77, SRMR sebesar 0,13, serta GFI sebesar 0,67 menunjukkan bahwa model yang diestimasi tidak fit. Berdasarkan indeks ketepatan model yang secara keseluruhan tidak terpenuhi, maka dapat disimpulkan bahwa model yang disusun tidak sesuai dengan teori yang ada. Sebagai solusi atas ketidakcocokan antara model dengan data yang ada, peneliti kemudian melakukan analisis secara terpisah pada masing-masing faktor dari big five personality. Pengujian validitas konstruk masing-masing faktor tersebut berdasarkan teori bahwa kelima faktor yang merupakan karakter kepribadian adalah konstruk yang terpisah dan tidak berkorelasi satu sama lain (John & Srivastava, 1999).

11

Gambar 1. Analisis Faktor Konfirmatori Big Five Personality Peneliti melakukan uji terhadap 10 aitem yang menyusun faktor openness untuk mengetahui validitas masing-masing aitem dalam mengukur faktor tersebut. Pada analisis pertama, didapatkan hasil Chi-square = 130,29, df = 35, nilai p = 0,00, RMSEA = 0,088, CFI = 0,92, SRMR = 0,068, serta GFI = 0,91. Meskipun beberapa parameter memperoleh nilai kecocokan yang baik, namun secara keseluruhan hasil analisis tersebut menunjukan bahwa model yang disusun tidak sesuai atau tidak fit dengan teori yang ada. Berdasarkan rekomendasi dari modification indices, peneliti kemudian melakukan beberapa modifikasi untuk mendapatkan model yang fit dengan data. Modifikasi model menghasilkan Chi-square = 40,09, df = 29, nilai p = 0,082, dan RMSEA = 0,033. Selain itu didapatkan pula nilai CFI = 0,99, SRMR = 0,037, serta GFI = 0,97. Secara keseluruhan, hasil

12 tersebut menunjukan bahwa model yang disusun menghasilkan indeks ketepatan yang baik pada semua parameternya. Meskipun demikian terdapat beberapa aitem yang kesalahan pengukurannya saling berhubungan. Brown (2006), menjelaskan bahwa kesalahan pengukuran yang saling berhubungan antar aitem dapat disebabkan beberapa hal, yakni, aitem-aitem yang penyekorannya dibalik, aitem-aitem yang hampir sama frase atau kalimatnya, aitem-aitem yang mempunyai social desirability tinggi, dan aitem-aitem yang susah dimaknai. Lebih jauh lagi, Brown mengungkapkan bahwa dimungkinkan aitem-aitem tersebut dapat membentuk sebuah konstruk laten baru. Kenny, Kashy, dan Bolger (1998) serta Harrington (2009) mengemukakan bahwa modifikasi model dengan menghubungkan kesalahan pengukuran sebaiknya dihindari terutama apabila teori yang mendasarinya tidak kuat. Berdasarkan hal tersebut, kemudian peneliti melakukan modifikasi ulang dengan membentuk model baru yang bebas dari kesalahan pengukuran yang saling berhubungan seperti pada gambar 4 sebagai berikut. Modifikasi model menghasilkan Chi-square = 15,12, df = 9, nilai p = 0,087, dan RMSEA = 0,044. Selain itu didapatkan pula nilai CFI = 0,99, SRMR = 0,034, serta GFI = 0,98. Keseluruhan hasil analisis tersebut menunjukan bahwa model yang disusun menghasilkan indeks ketepatan yang baik pada semua parameternya.

13 Gambar 2. Aitem-Aitem yang Valid Mengukur Faktor Openness Selain itu tidak ditemukan lagi aitem-aitem yang saling berhubungan pada kesalahan pengukurannya. Kedua hal tersebut mengindikasikan bahwa pengujian dengan model satu faktor dapat diterima, atau aitem-aitem terbukti mengukur faktor yang sama, yakni openness. Peneliti melakukan uji terhadap 9 aitem yang menyusun faktor conscientiousness untuk mengetahui validitas masing-masing aitem dalam mengukur faktor tersebut. Pada analisis pertama kali, didapatkan hasil Chi-square = 142,18, df = 27, nilai p = 0,00, RMSEA = 0,110, CFI = 0,88, SRMR = 0,076, serta GFI = 0,90. Meskipun terdapat parameter yang memiliki nilai kecocokan yang baik, namun secara keseluruhan hasil analisis tersebut menunjukan bahwa model yang disusun tidak sesuai atau tidak fit dengan teori yang ada. Berdasarkan rekomendasi dari modification indices, peneliti kemudian melakukan beberapa modifikasi untuk mendapatkan model yang fit dengan data seperti pada gambar 6 berikut. Modifikasi model menghasilkan Chi-square = 31,94, df = 21, nilai p = 0,059, dan RMSEA = 0,038. Selain itu didapatkan pula nilai CFI = 0,99, SRMR = 0,038, serta GFI = 0,98. Secara keseluruhan, hasil tersebut menunjukan bahwa model yang disusun menghasilkan indeks ketepatan yang baik pada semua parameternya. Meskipun demikian terdapat beberapa aitem yang kesalahan pengukurannya saling berhubungan, oleh sebab itu peneliti kemudian membentuk model baru seperti pada gambar 3 berikut.

14

Gambar 3. Aitem-Aitem yang Valid Mengukur Faktor Conscientiousness Berdasarkan gambar 3 diketahui bahwa nilai Chi-square = 3,86, df = 5, nilai p = 0,569, dan RMSEA = 0,00. Selain itu didapatkan pula nilai CFI = 1,00, SRMR = 0,021, serta GFI = 0,99. Keseluruhan hasil analisis tersebut menunjukan bahwa model yang disusun menghasilkan indeks ketepatan yang baik pada semua parameternya. Hal tersebut mengindikasikan bahwa pengujian dengan model satu faktor dapat diterima, atau aitemaitem terbukti mengukur faktor yang sama, yakni conscientiousness. Peneliti melakukan uji terhadap 8 aitem yang menyusun faktor extraversion untuk mengetahui validitas masing-masing aitem dalam mengukur faktor tersebut. Pada analisis pertama kali, didapatkan hasil Chi-square = 150,16, df = 20, nilai p = 0,00, RMSEA = 0,135, CFI = 0,91, SRMR = 0,095, serta GFI = 0,88. Meskipun terdapat parameter yang memiliki nilai kecocokan yang baik, namun secara keseluruhan hasil analisis tersebut menunjukkan bahwa model yang disusun tidak sesuai atau tidak fit dengan teori yang ada. Berdasarkan rekomendasi dari modification indices, peneliti kemudian melakukan beberapa modifikasi untuk mendapatkan model yang fit dengan data. Modifikasi model menghasilkan Chi-square = 23,19, df = 14, nilai p = 0,057, dan RMSEA = 0,043. Selain itu didapatkan pula nilai CFI = 0,99, SRMR = 0,042, serta GFI = 0,98. Secara keseluruhan, hasil tersebut menunjukan bahwa model yang disusun menghasilkan indeks ketepatan

15 yang baik pada semua parameternya. Meskipun demikian terdapat beberapa aitem yang kesalahan pengukurannya saling berhubungan, oleh sebab itu peneliti kemudian membentuk model baru seperti pada gambar 4 berikut.

Gambar 4. Aitem-Aitem yang Valid Mengukur Faktor Extraversion Berdasarkan gambar 4 diketahui bahwa nilai Chi-square = 3,31, df = 5, nilai p = 0,652, dan RMSEA = 0,00. Selain itu didapatkan pula nilai CFI = 1,00, SRMR = 0,020, serta GFI = 1,00. Keseluruhan hasil analisis tersebut menunjukan bahwa model yang disusun menghasilkan indeks ketepatan yang baik pada semua parameternya. Hal tersebut mengindikasikan bahwa pengujian dengan model satu faktor dapat diterima, atau aitemaitem terbukti mengukur faktor yang sama, yakni extraversion. Peneliti melakukan uji terhadap 9 aitem yang menyusun faktor agreeableness untuk mengetahui validitas masing-masing aitem dalam mengukur faktor tersebut. Pada analisis pertama kali, didapatkan hasil Chi-square = 86,39, df = 27, nilai p = 0,00, RMSEA = 0,079, CFI = 0,91, SRMR = 0,064, serta GFI = 0,94. Meskipun beberapa parameter memperoleh nilai kecocokan yang baik, namun secara keseluruhan hasil analisis tersebut menunjukkan bahwa model yang disusun tidak sesuai atau tidak fit dengan teori yang ada.

16 Berdasarkan rekomendasi dari modification indices, peneliti kemudian melakukan beberapa modifikasi untuk mendapatkan model yang fit dengan data. Modifikasi model menghasilkan Chi-square = 30,79, df = 24, nilai p = 0,16, dan RMSEA = 0,028. Selain itu didapatkan pula nilai CFI = 0,99, SRMR = 0,039, serta GFI = 0,98. Secara keseluruhan, hasil tersebut menunjukkan bahwa model yang disusun menghasilkan indeks ketepatan yang baik pada semua parameternya. Meskipun demikian terdapat beberapa aitem yang kesalahan pengukurannya saling berhubungan, oleh sebab itu peneliti kemudian membentuk model baru seperti pada gambar 5 berikut.

Gambar 5. Aitem-Aitem yang Valid Mengukur Faktor Agreeableness Berdasarkan gambar 5 diketahui bahwa nilai Chi-square = 8,73, df = 5, nilai p = 0,120, dan RMSEA = 0,046. Selain itu didapatkan pula nilai CFI = 0,99, SRMR = 0,029, serta GFI = 0,99. Keseluruhan hasil analisis tersebut menunjukan bahwa model yang disusun menghasilkan indeks ketepatan yang baik pada semua parameternya. Hal tersebut mengindikasikan bahwa pengujian dengan model satu faktor dapat diterima, atau aitemaitem terbukti mengukur faktor yang sama, yakni agreeableness. Peneliti melakukan uji terhadap 9 aitem yang menyusun faktor neuroticism untuk mengetahui validitas masing-masing aitem dalam mengukur faktor tersebut. Pada analisis pertama kali, didapatkan hasil Chi-square = 97,01, df = 20, nilai p = 0,00, dan RMSEA =

17 0,104, CFI = 0,90, SRMR = 0,070, serta GFI = 0,92. Hasil analisis tersebut menunjukan bahwa model yang disusun tidak sesuai atau tidak fit dengan teori yang ada. Berdasarkan rekomendasi dari modification indices, peneliti kemudian melakukan beberapa modifikasi untuk mendapatkan model yang fit dengan data. Modifikasi model menghasilkan Chi-square = 17,57, df = 10, nilai p = 0,062, dan RMSEA = 0,046. Selain itu didapatkan pula nilai CFI = 0,99, SRMR = 0,030, serta GFI = 0,98. Secara keseluruhan, hasil tersebut menunjukkan bahwa model yang disusun menghasilkan indeks ketepatan yang baik pada semua parameternya. Meskipun demikian terdapat beberapa aitem yang kesalahan pengukurannya saling berhubungan, oleh sebab itu kemudian peneliti membentuk model baru seperti pada gambar 6 berikut.

Gambar 6. Aitem-Aitem yang Valid Mengukur Faktor Neuroticism Berdasarkan gambar 6 diketahui bahwa nilai Chi-square = 0,31, df = 2, nilai p = 0,858, dan RMSEA = 0,00. Selain itu didapatkan pula nilai CFI = 1,00, SRMR = 0,0073, serta GFI = 1,00. Keseluruhan hasil analisis tersebut menunjukan bahwa model yang disusun menghasilkan indeks ketepatan yang baik pada semua parameternya. Hal tersebut mengindikasikan bahwa pengujian dengan model satu faktor dapat diterima, atau aitemaitem terbukti mengukur faktor yang sama, yakni neuroticism.

18

DISKUSI Penggunaan teknik analisis konfirmatori tidak bisa lepas dari tujuan penelitian ini yang ingin mengkorfirmasi konsistensi teori big five personality, terutama pada validitas konstruknya. Berdasarkan data penelitian yang ada, didapat hasil bahwa model yang disusun oleh peneliti seperti yang terlihat pada gambar 1 ternyata tidak sesuai dengan teori kepribadian lima faktor. Penelitian ini juga membuktikan bahwa 44 aitem big five inventory tidak terbukti membentuk lima konstruk kepribadian sebagaimana teori big five. Hasil tersebut bertentangan dengan teori yang dikemukakan oleh John dan Srivastava (1999), yang menyatakan bahwa 44 aitem dapat merepresentasikan lima faktor kepribadian secara utuh. Meskipun demikian, hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Sari (2010) yang membuktikan bahwa analisis konfirmatori skala adaptasi IPIP (International Personality Item Pool) yang berbasis pada model kepribadian lima faktor tidak sesuai dengan data yang ada. Selain itu, penelitian yang dilakukan oleh Mastuti (2005) menemukan bahwa ternyata tidak hanya terdapat lima faktor kepribadian, namun data menunjukkan bahwa terdapat enam faktor kepribadian di Indonesia. Hal tersebut sekaligus menguatkan hasil penelitian ini yang menyatakan bahwa 44 aitem big five inventory tidak terbukti membentuk lima konstruk kepribadian sebagaimana teori big five. John dan Srivastava (1999), dalam penelitiannya menyebutkan bahwa masing-masing konstruk kepribadian dalam teori big five merupakan faktor yang terpisah satu sama lain, atau dengan kata lain faktor-faktor tersebut tidak diizinkan untuk saling berkorelasi. Berdasarkan hal tersebut peneliti kemudian melakukan analisis masing-masing faktor secara terpisah. Analisis pertama dilakukan pada faktor Openness yakni dengan mengkorfirmasi apakah 10 aitem sesuai dengan yang diteorikan oleh John dan Srivastava (1999) benar-benar membentuk

19 faktor Openness ataukah tidak. Sesuai dengan teori yang mendasarinya, faktor Openness pada Big Five Inventory terdiri dari 10 aitem, yakni item dengan nomor 35, 41, 05, 10, 15, 20, 25, 30, 40, dan 44. Hasil analisis menunjukakan bahwa hanya terdapat enam item yang terbukti valid mengukur faktor Openness. Model tersebut terdiri dari lima aitem favorable, yakni aitem dengan nomor 05, 10, 15, 20, serta 25, dan satu aitem unfavorable, yakni aitem dengan nomor 41. Hasil analisis ulang yang dilakukan peneliti berhasil membentuk model baru yang atau sesuai dengan data, selain itu tidak ditemukan lagi aitem-aitem yang kesalahan pengukurannya saling berhubungan. Kedua hal tersebut merupakan indikasi kuat yang menunjukkan bahwa keenam aitem pada model baru terbukti secara empirik mengukur faktor yang sama, yakni Openness. Analisis kedua dilakukan pada faktor Conscientiousness. Berdasarkan teori yang mendasarinya, faktor ini sebenarnya terdiri dari sembilan aitem, yakni aitem dengan nomor 08, 18, 23, 43, 03, 13, 28, 33, dan 38. Hasil analisis menunjukakan bahwa hanya terdapat lima item yang terbukti valid mengukur faktor Conscientiousness. Model baru yang dibentuk peneliti terdiri dari lima aitem, yakni aitem-aitem favorable untuk nomor 13, dan 38, serta aitem-aitem unfavorable untuk nomor 08, 18, dan 23. Model baru seperti yang terlihat pada gambar 3 telah menghasilkan indeks ketepatan yang baik pada semua parameternya. Hal tersebut sekaligus menjadi bukti bahwa aitem-aitem yang menyusun model baru ini terbukti mengukur faktor yang sama, yakni Conscientiousness. Selain itu, dapat juga dimaknai bahwa faktor Conscientiousness yang semula terdiri dari sembilan aitem ternyata dapat terwakili oleh lima aitem. Analisis ketiga berlanjut pada faktor Extraversion, sesuai teori yang mendasarinya faktor ini terdiri dari delapan aitem, yakni aitem nomor 06, 21, 31, 01, 11, 16, 26, dan 36.

20 Hasil analisis menunjukakan bahwa hanya terdapat lima item yang terbukti valid mengukur faktor Extraversion. Berbeda dengan teori aslinya, pada model baru ini, ternyata faktor extraversion dapat direpresentasikan oleh lima aitem, yakni aitem nomor 06, 21, 31, 01 dan 36. Aitem-aitem favorable diwakili oleh aitem nomor 01, dan 36, serta aitem-aitem unfavorable diwakili oleh aitem nomor 06, 21, dan 31. Kelima aitem tersebut terbukti dapat mengukur faktor yang sama, yakni faktor extraversion. Hal tersebut secara empirik ditunjukkan oleh indeks ketepatan model yang baik pada semua parameternya. Analisis keempat dilakukan pada faktor agreeableness, jika merujuk pada teori aslinya, faktor ini terdiri dari sembilan aitem, yakni aitem dengan nomor 02, 12, 27, 37, 07, 17, 22, 32, dan 42. Hasil analisis menunjukakan bahwa hanya terdapat lima item yang terbukti valid mengukur faktor agreeableness. Model baru yang dibentuk oleh peneliti terdiri dari lima aitem dan kesemuanya merupakan aitem favorable, aitem-aitem tersebut yakni aitem-aitem dengan nomor 07, 17, 22, 32, dan 42. Hasil analisis konfirmatori pada model baru ini menghasilkan indeks ketepatan model yang baik pada semua parameternya, hal itu mencerminkan bahwa kelima aitem yang dianalisis terbukti hanya mengukur satu faktor saja, yakni agreeableness. Analisis kelima atau yang terakhir dilakukan peneliti terhadap faktor neuroticism. Apabila mengacu pada teori yang mendasarinya, faktor ini terdiri dari delapan aitem, yakni aitem-aitem dengan nomor 9, 24, 34, 04, 14, 19, 29, dan 39. Hasil analisis ulang yang dilakukan peneliti menunjukkan bahwa faktor neuroticism pada skala adapatasi hanya direpresentasikan oleh empat aitem, yakni aitem favorable diwakili oleh aitem nomor 19 serta aitem unfavorable diwakili oleh aitem-aitem nomor 09, 24, dan 34. Walaupun hanya terdiri dari empat aitem, indeks ketepatan pada model ini ternyata baik pada seluruh parameternya. Hal tersebut menjadi bukti yang kuat bahwa keempat aitem yang dianalisis mengukur faktor yang sama, yakni neuroticism.

DAFTAR PUSTAKA

Aiken, L. (1997). Psychological and Educational Testing. United States: Allyn & Bacon. Azwar, S. (2007). Dasar-Dasar Psikometri. Yogyakarta: Pustaka Pelajar. Azwar, S. (2009). Reliabilitas & Validitas. Yogyakarta: Pustaka Pelajar. Bond, M. H., & Yang, Kuo-Shu. (1982). Ethnic Affirmation Versus Cross-Cultural Accommodation: The Variable Impact of Questionnaire Language on Chinese Bilinguals from Hong Kong. Journal of Cross-Cultural Psychology June 1982 13: 169-185. Brown, T. A. (2006). Confirmatory Factor Analysis for Applied Research. In David A. Kenny (Eds.), Methodology in the Social Sciences. New York: The Guilford Press. Camara, W. J. (2003). Validity: Construct. In R. Fernández-Ballesteros (Eds.), Encyclopedia of Psychological Assessment (pp.1070-1075). Thousand Oaks: Sage Publications. Cheung, F. M., Leung, K., Fan, R. M., Song, W. Z., Zhang, J. X., & Zhang, J. P. (1996). Development of the Chinese Personality Assessment Inventory. Journal of CrossCultural Psychology, 27, 181-199. Diamantopoulus, A, & Siguaw, J. A. (2000). Introducing LISREL: A guide for the uniniated. Thousand Oaks: Sage Publications.. Goldberg, L. R., & Kilkowski, J. M. (1985). The prediction of semantic consistency in selfdescriptions: Characteristics of persons and of terms that affect the consistency of responses to synonym and antonym pairs. Journal of Personality and Social Psychology, 48,82-98. Harrington, D. (2009). Confirmatory Factor Analysis. New York: Oxford University Press. Hooper, D., Coughlan, J., & Mullen, M. (2008). Structural Equation Modelling : Guidelines for Determining Model Fit Structural equation modelling : guidelines for determining model fit. Journal of Business Research, 6, 53-60. John, O. P. (1990). The "Big Five" factor taxonomy: Dimensions of personality in the natural language and questionnaires. In L. A. Pervin (Ed.) Handbook of personality: Theory and research (pp. 66-100) New York: Guilford Press. John, O. P., Donahue, E. M., & Kentle, R. L. (1991). The Big Five Inventory--Versions 4a and 54. Berkeley: University of California, Berkeley, Institute of Personality and Social Research.

21

22 John, O. P., & Srivastava, S. (1999). The Big Five trait taxonomy: History, measurement, and theoretical perspectives. In L. A. Pervin & O. P. John (Eds.), Handbook of Personality: Theory and Research (2nd ed., pp. 102-138). New York: Guilford Press. John, O. P., Naumann, L. P., & Soto, C. J. (2008). Paradigm Shift to the Integrative Big-Five Trait Taxonomy: History, Measurement, and Conceptual Issues. In O. P. John, R. W. Robins, & L. A. Pervin (Eds.), Handbook of Personality: Theory and Research (pp. 114-158). New York, NY: Guilford Press. Jöreskog, K. G., & Sörbom, D. (2004). LISREL 8: User’s Reference Guide. Chichago: Scientific Software International. Karaman, N.G., Dogan, T., & Coban, A.E. (2010). A Study To Adapt The Big Five Inventory To Turkish. Review Literature And Arts Of The Americas, 2, 2357-2359. Kenny, D. A., Kashy, D. A., & Bolger, N. (1998). Data analysis in social psychology. In D. Gilbert, S. Fiske, & G. Lindzey (Eds.), The handbook of social psychology (Vol. 1, 4th ed., pp. 233-265). Boston, MA: McGraw-Hill. Kline, R. B. (2011). Principles and Practice of Structural Equation Modeling (3rd ed). In David A. Kenny (Eds.), Methodology in the Social Sciences. New York: The Guilford Press. Lei, P., Wu, Q., & Pennsylvania, T. (2007). Introduction to Structural Equation Modeling : Issues. Canada: ITEMS. Mastuti, E. (2005). Analisis Faktor Alat Ukur Kepribadian Big Five (Adaptasi dari IPIP) pada Mahasiswa Suku Jawa. INSAN. 7(3), 264-276. Padilla, A. M., & Borsato, G. N. (2008). Issues in Culturally Appropriate Psychoeducational Assessment. In L. A. Suzuki, & J. G. Ponterotto (Eds.), Handbook Of Multicultural Assessment : Clinical, Psychological, and Educational Applications (3rd ed., pp. 5-21). New Jersey: John Willey & Sons. Purnamaningsih, E.H. (1988). Validitas dan Reliabilitas “ The Test Of Social Insight”. Laporan penelitian. Tidak diterbitkan. Yogyakarta: Fakultas Psikologi Universitas Gadjah Mada. Rooy, K. M. (2006). Translation Methods. In Y. Jackson (Eds.), Encyclopedia of Multicultural Psychology. (pp. 456-457). Thousand Oaks: Sage Publications. Sari, D. M. (2010). Uji Validitas Alat Ukur Big Five Personality (Adaptasi dari IPIP) Pada Mahasiswa Universitas Islam Negeri Syarif Hidayatullah Jakarta. Skripsi. tidak diterbitkan. Jakarta: Fakultas Psikologi Universitas Islam Negeri Syarif Hidayatullah. Sawilowsky, S. S. (2007). Construct Validity. In Neil J. Salkind (Eds.), Encyclopedia of Measurement and Statistics. (pp.178-180). Thousand Oaks: Sage Publications. Schmitt, D. P., Allik, J., McCrae, R. R., Benet-martínez, V., & Schmitt, D. P. (2007). Patterns and Profiles of Human Self-Description Across 56 Nations. Journal of Cross-Cultural Psychology, 38, 173-212.

23 Sireci, S. G. (2003). Validity (General). In R. Fernández-Ballesteros (Eds.), Encyclopedia of Psychological Assessment (pp.1067-1070). Thousand Oaks: Sage Publications. Sireci, S. G. (2007). Content Validity. In Neil J. Salkind (Eds.), Encyclopedia of Measurement and Statistics (pp.181-183). Thousand Oaks: Sage Publications. Soetjipto, H. P., Yuniarti, K. W., & Ampuni, S. (2010). Orientasi Prestasi Generasi Muda dan Dinamikanya. Laporan penelitian. Tidak diterbitkan. Yogyakarta: Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Gadjah Mada. Urbina, S. (2004). Essentials of Psychological Testing. New Jersey: John Willey & Sons. Wijanto, S. H. (2008). Structural Equation Modeling dengan Lisrel 8.8: Konsep dan Tutorial. Graha Ilmu: Yogyakarta. http://www.ocf.berkeley.edu/~johnlab/bfi.htm, diakses pada tanggal 10 November 2010

suggested citation : Danu, Dwi. Atmoko. (2011). Uji Validitas Konstruk Big Five Inventory dengan Pendekatan Analisis Faktor Konfirmatori . Ringkasan Skripsi. tidak diterbitkan. Yogyakarta: Fakultas Psikologi Universitas Gadjah Mada.

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->