Nama : Suci Maharani Fadwin
NPM : 18513660
Kelas : 2PA17
Jurnal : Pengujian Validitas Konstruk Kriteria Kecanduan Internet
HASIL PENELITIAN
Aitem utama yang disertakan di dalam analisis ini adalah sebagai berikut:
- X03 = saya selalu gagal dalam upaya mengurangi waktu aktivitas online saya.
- X06 = ada keperluan atau tidak, saya tetap akan melakukan aktivitas online.
- X07 = saya sering menemukan diri saya menghabiskan waktu lebih lama untuk melakukan online daripada yang saya rencanakan.
- X10 = saya merasa keasyikan dengan internet.
- X11 = perasaan dan emosi saya kacau bila tidak online dalam jangka waktu tertentu.
Adapun yang digunakan sebagai aitem tambahan adalah:
- X09 = gara‐gara keasyikan online, saya sering melupakan janji dengan seseorang.
- X15 = gara‐gara keasyikan online, saya sering melupakan dan mengabaikan kegiatan yang lain.
Teknik analisis utama yang digunakan di dalam penelitian ini adalah analisis faktor konfirmatori. Analisis faktor konfirmatori digunakan untuk menguji dimensionalitas suatu konstruk, yaitu melakukan pengukuran model (measurement model) untuk menguji validitas dan reliabilitas dari indikator-indikator pembentuk konstruk laten tersebut dengan menggunakan teknik structural equation modeling (SEM).
Penelitian ini akan mengkaji kecocokan model dari konstruk kecanduan internet sebagaimana dipaparkan di dalam gambar 1 dengan menggunakan prosedur maximum likelihood estimation (estimasi kecocokan maksimum). Dalam rangka mengevaluasi kecocokan model tersebut (goodness of fit) digunakan beberapa kriteria. Kriterium pertama adalah chi square (c2) dengan nilai p > 0,05 yang menunjukkan tidak adanya diskrepansi antara model dengan data empirik.
Kriteria tambahan juga akan digunakan karena chi square ini dikenal sebagai kriterium yang sangat terpengaruh oleh besarnya sampel. Kriteria tambahan antara lain adalah goodness of fit index (GFI), adjusted goodness of fit (AGFI), normed fit index (NFI), dan comparative fit index (CFI). Jika angka yang diperoleh untuk indeks tersebut lebih besar dari 0,9 maka dapat dikatakan bahwa model yang diuji tidak memiliki kecocokan dengan data empiriknya. Di samping itu ada beberapa ukuran (indeks) yang dapat digunakan untuk meyakinkan ada atau tidak adanya diskrepansi antara model dengan data, adapun indeks tersebut adalah root mean‐square residuals (RMR) dan root mean square error of approximation (RMSEA). Kedua indeks ini harus lebih kecil dari 0,05 agar dapat digunakan sebagai dasar untuk menentukan bahwa model ternyata cocok (fit) dengan datanya.
Analisis faktor konfirmatori dilakukan terhadap 7 aitem. Ketujuh aitem tersebut digunakan untuk menyusun 2 faktor atau variabel laten. Faktor 1 tersusun atas lima buah aitem, yaitu aitem 3, 6, 7, 10, dan 11. Faktor 2 memiliki dua aitem, yaitu aitem 9 dan 15. Hasil analisis data menunjukkan bahwa chi‐square untuk model ini adalah 14,036 dengan derajat kebebasan sebesar 13 dan p sebesar 0,371 (p > 0,05). Dengan demikian dapat disimpulkan bahwa tidak terdapat diskrepansi antara model dengan data empirik. Tidak adanya diskrepansi diperkuat dengan beberapa indeks, antara lain GFI, AGFI, NFI, dan CFI. Untuk model sebagaimana dipaparkan didalam gambar 1 diperoleh GFI sebesar 0,968, AGFI sebesar 0,931, NFI sebesar 0,935, dan CFI sebesar 0,995.
Di samping itu, dua indikator kesesuaian antara model dengan data ditunjukkan pula oleh kecilnya angka RMR (0,042) dan RMSEA (0,025) yang keduanya lebih kecil dari 0,05. Dengan demikian, berdasarkan beberapa indikator kesesuaian model atau model fitness mengarah kepada suatu kesimpulan, yaitu tidak ada diskrepansi antara model dengan data. Meskipun model ini menunjukkan bukti yang sangat meyakinkan mengenai kecocokan model dengan data, namun ternyata model ini terkena masalah yang sering disebut sebagai heywood case (tidak cocoknya antara data dan model).
Ternyata varians untuk variabel 15 atau error variance untuk aitem 15 ternyata negatif, yaitu sebesar ‐0,00791. Dengan demikian model ini dianggap tidak dapat diterima (not admissible). Menurut garson (2000), heywood case memiliki setidaknya 5 penyebab :
- terjadi kesalahan di dalam melakukan spesifikasi model.
- adanya outliers di dalam datanya. Outliersini ditunjukkan dengan besarnya angka mahalonobis distance yang di dalam amos diperoleh melalui prosedurtest for normality and outliers.
- masalah yang timbul sebagai akibat adanya dua kejadian sekaligus yaitu dari ukuran sampel yang relatif kecil (n < 100 atau n < 150) dikombinasi dengan adanya satu variabel laten yang tersusun berdasarkan dua variabel terobservasi.
- korelasi dari populasi mendekati 1 atau mendekati 0 sehingga secara empirik mengakibatkan adanya underidentification.
- buruknya nilai awal di dalam melakukan estimasi dengan menggunakan maximum likelihood.
Sumber : Pengujian Validitas Konstruk Kriteria Kecanduan Internet ISSN: 0215-8884. Jurnal Psikologi Volume 32, No. 2, 74-91 Author : Helly P.Soetjipto, Fakultas Psikologi Universitas Gadjah Mada.
unaymaharani 