MODUL

PSIKOMETRI &
PENYUSUANAN
SKALA
PSIKOLOGI

Fakultas Psikologi
Universitas Islam Bandung
2021

MODUL LIPATAN SERBET MAKAN 2019

1. Capaian Pembelajaran

Mampu melakukan uji validitas dan reliabilitas dengan menggunakan software

2. Bahan Kajian
1. Uji validitas dengan cfa menggunakan software jasp
2. Uji reliabilitas dengan software jasp

3. Tujuan
Setelah mempelajari modul Psikometri ini mahasiswa diharapkan mampu melakukan
pengujian validitas dan reliabilitas dengan menggunakan software

4. Uraian Materi

Analisis faktor confirmatori (CFA) sendiri dikenal sebagai alat statistik yang berguna dalam
menemukan bentuk konstruk dari kumpulan variabel manifesnya, atau menguji suatu variabel
atas asumsi manifes yang membangunnya. Sehingga analisis confirmatori sangat cocok untuk
mengujikan suatu teori variabel atas manifes atau indikator-indikator yang membangunnya,
dimana variabel tersebut diasumsikan hanya dapat diukur dengan indikator-indikator
tersebut.Untuk menguji validitas dengan menggunakan CFA ada dua hal yang perlu di
perhatikan,yaitu:
1. Loading Faktor masing-masing item kepada latennya  0,5
2. Indeks Kecocokan Model
Indeks ketepatan model paling umum adalah nilai Chi-Square (Joreskog & Sorbom, 1993).
untuk menilai model fit maka diharapkan nilai Chi-Square tidak signifikan (p-
value>0.05) karena hasil tersebut menandakan bahwa tidak ada perbedaan antara model dengan
data (Joreskog & Sorbom, 1993). Meskipun demikin, nilai chi-square sangat sensitif
terhadap jumlah sampel, dimana jika sampel besar ada kecenderungan hasil estimasi
untuk signifikan, sehingga diartikan sebagai model tidak fit. Jika memang demikian peneliti
disarankan untuk melihat parameter yang lain. Beberapa indeks yang sering dijadikan acuan
penilaian model fit diantaranya adalah:
GFI (goodness fit index) termasuk indek kecocokan model yang sering dijadikan acuan
penilaian model fit. GFI adalah indeks ketepatan model dalam menjelaskan model yang
disusun. Untuk menentukan model fit berdasarkan GFI, nilai GFI diharapkan ≥ 0,90. Nilai
GFI memiliki kisaran nilai antara 0,00 (poor fit) hingga 1,00 (perfect fit) (Joreskog & Sorbom,
1993).
RMSEA (root mean square error of aproximation) menjelaskan residu yang terdapat di
dalam model. Besaran nilai RMSEA yang diharapkan ≤ 0,05. Nilai RMSEA ≤ 0,05
menandakan close fit, sedangkan jika nilai tersebut berada pada rentang 0,05<RMSEA≤0,08
model masih dapat diterima sebagai model yang fit (good fit) (Browne & Cudeck, 1993).
CFI (comparative fit index) adalah nilai perbandingan model yang disusun dengan model
yang ideal. Nilai CFI yang diharapkan adalah di atas 0,90 (Hooper, Coughlan, & Mullen, 2008).
AGFI (Adjusted Goodness of Fit)merupakan kriteria fit index pengembangan dari GFI yang
disesuaikan dengan ratio degree of freedom untuk proposed model dengan degree of freedom
untuk null model. Nilai AGFI yang direkomendasikan untuk indikasi model fit adalah ≥ 0,90
(Schumacker dan Lomax, 2010).
NFI (Normed Fit Index) merupakan perbandingan proposed model dengan null model. Nilai
NFI yang diharapkan adalah ≥ 0,95 (Schumacker dan Lomax, 2010).

MODUL LIPATAN SERBET MAKAN 2019

Langkah-langkah melakukan analisis cfa dengan jasp
1. Melakukan coding data hasil pengukuran melalui excel atau software statistik
2. Urutkan data hasil pengukuran sesuai dengan aspek pengukurannya

3. Untuk memindahkan data ke JASP data excel harus diubah menjadi csv
4. Buka Aplikasi JASP

MODUL LIPATAN SERBET MAKAN 2019

5. Buka data file csv

6. Ubah skala data menjadi scale

MODUL LIPATAN SERBET MAKAN 2019

7. Pilih fitur Factor

MODUL LIPATAN SERBET MAKAN 2019

 8. Pindahkan data sesuai dengan laten/aspeknya

9. Setting analisis data yang akan diolah oleh software

10. Lihat hasil pengolahan data

Model fit
Chi-square test
Model Χ² df p
Baseline model 226.402 28
Factor model 55.083 18 < .001

Untuk menilai model fit maka diharapkan nilai Chi-Square tidak signifikan (p-
value>0.05) karena hasil tersebut menandakan bahwa tidak ada perbedaan antara model dengan
data. Dari hasil data yang diperoleh diatas diperolah p-value > 0,05 sehingga model tidak fit
atau terdapat perbedaan antara model dengan data.

MODUL LIPATAN SERBET MAKAN 2019

Additional fit measures
Fit indices
Index Value
Comparative Fit Index (CFI) 0.813
Tucker-Lewis Index (TLI) 0.709
Bentler-Bonett Non-normed Fit Index (NNFI) 0.709
Bentler-Bonett Normed Fit Index (NFI) 0.757
Parsimony Normed Fit Index (PNFI) 0.486
Bollen's Relative Fit Index (RFI) 0.622
Bollen's Incremental Fit Index (IFI) 0.822
Relative Noncentrality Index (RNI) 0.813

Untuk menilai model fit maka diharapkan nilai Nilai CFI ≥ 0,90 dan NFI ≥ 0,95 . Dari hasil
data yang diperoleh diatas diperolah dibawah nilai standar dengan CFI (0,813) dan NFI(0,757).

Other fit measures

Metric Value
Root mean square error of approximation (RMSEA) 0.144
RMSEA 90% CI lower bound 0.102
RMSEA 90% CI upper bound 0.189
RMSEA p-value 4.029e -4
Standardized root mean square residual (SRMR) 0.078
Hoelter's critical N (α = .05) 52.887
Hoelter's critical N (α = .01) 63.555
Goodness of fit index (GFI) 0.885
McDonald fit index (MFI) 0.829
Expected cross validation index (ECVI) 0.920

Untuk menilai model fit maka diharapkan nilai GFI ≥ 0,90 dan 0,05<RMSEA≤0,08. Dari hasil
data yang diperoleh diatas diperolah dibawah nilai standar dengan GFI (0,885) dan
RMSEA(0,144).

Factor loadings
95% Confidence
Interval
Std. z-
Factor Indicator Symbol Estimate p Lower Upper Std. Est. (all)
Error value
Factor
A1 λ11 0.087 0.490
1
A2 λ12 0.113 0.541
A3 λ13 0.111 0.457
A4 λ14 0.136 0.723
Factor
B1 λ21 0.121 0.638
2
B2 λ22 0.101 0.547
B3 λ23 0.130 0.642
B4 λ24 0.122 0.618

MODUL LIPATAN SERBET MAKAN 2019

Dilihat dari besar loading faktor, terdapat 2 item yang tidak valid yaitu item 1 dan 3 pada
faktor 1

G. Evaluasi

RUBRIK PENILAIAN DISKUSI / FORUM

KRITERIA <40 (41‐60) (61‐80) Skor 81 NILAI
Inisiatif dan Tidak Menanggapi Menanggapi Konsisten
Kecepatan menanggapi sebagian besar sebagian besar menanggapi
sebagian besar posting dalam posting dalam posting dalam
posting dan beberapa hari periode 24 jam; waktu kurang
jarang setelah diskusi membutuhkan dari 24 jam;
berpartisipasi dimulai; sesekali menunjukkan
inisiatifnya dorongan untuk inisiatif yang
rendah posting baik
Relevansi Tema posting Sesekali Sering posting konsisten
Topik tidak terkait dgn postingnya topik yang posting
isi diskusi; keluar topik; terkait dengan topik yang
membuat Sebagian besar isi diskusi; terkait dengan
pernyataan postingnya memberikan topik diskusi;
singkat atau tidak terlalu pendek wawasan lebih mengutip
relevan dan tidak jauh dalam topik referensi
memberikan diskusi
tambahan
wawasan lebih
berkaitan
jauh dalam
dengan topik
topik
Ekspresi Tidak Hubungan yang Pendapat dan Mengungkapkan
Gagasan mengekspresikan tidak jelas ide-ide pendapat dan
pendapat atau dengan topik, dinyatakan ide-ide secara
ide yang jelas; terlihat dengan dengan jelas; singkat dan jelas
tidak ada minimnya hanya sesekali yang
hubungannya ekspresi keluar topik berhubungan
dengan topik pendapat atau dengan topik
gagasan
Pendapat dan
ide-ide
Kontribusi Tidak melakukan Kadang-kadang Sering mencoba Menyadari
thd upaya untuk membuat untuk kebutuhan
pembelajaran berpartisipasi refleksi yang mengarahkan kelompok
dalam belajar berarti pada diskusi dan diskusi; sering
bersama upaya belajar menyajikan mencoba untuk
sebagaimana bersama; sudut pandang memotivasi
tujuan diskusi; keterlibatannya yang relevan diskusi
tampak acuh tak untuk kelompok;
acuh dipertimbangkan menyajikan

MODUL LIPATAN SERBET MAKAN 2019

 kecil dalam oleh kelompok; pendekatan
kelompok berinteraksi kreatif dalam
secara bebas membahas topik
diskusi

Daftar Pustaka

Anastasi (1976).Psychological testing. Macmillan

Azwar, S. (2015). Dasar-dasar Psikometri. Yogyakarta: Pustaka Pelajar
Jum Nunnally (1994). Psychometric Theory. McGraw-Hill, Inc
Noor, Hasanuddin. (2013). Psikometri: Jauhar Mandiri. Bandung
Robert M. Kaplan (2004).Psychological Testing.Principles, Applications, and Issues.
Wadsworth Publishing
Salkind, N. J. (2007). Encyclopedia of measurement and statistics volume 1. California: SAGE
Publications, Inc.
Vladimir Hedrih (2020). Adapting Psychological Tests And Measurement Instruments For
Cross-Cultural Research. An Introduction. Routledge_Taylor Francis Group
Beaton, D. E., Bombardier, C., Guillemin, F., & Ferraz, M. B. (2000). Guidelines for the
process of cross-cultural adaptation of self-report measures. Spine, 25(24), 3186–3191.
https://doi.org/10.1097/00007632-200012150-00014

MODUL LIPATAN SERBET MAKAN 2019