Pembahasan - HASIL DAN PEMBAHASAN - Differential Item Functioning (DIF) Etnis pada Big Five Inv

BAB IV HASIL DAN PEMBAHASAN

B. Pembahasan

1. Analisis Reliabilitas

Pada penelitian ini, ditemukan bahwa reliabilitas pada aspek BFI berada diatas nilai 0,7 (Coaley, 2010), yang artinya reliabel. Selain itu, Nunnally (1981)

mennyatakan bahwa nilai reliabilitas > 0.7 merupakan nilai mencukupi dalam sebuah analisis.

2. Analisis DIF

Sebagaimana yang telah dipaparkan pada bagian analisa data penelitian bahwa terdapat DIF etnis pada aitem Big Five Inventory versi Indonesia, antara lain:

1. Aitem 1 (Suka mengobrol) yang merupakan aitem favorable pada aspek

extraversion terdeteksi DIF etnis karena memiliki nilai p < 0,01. Setelah dianalisis lebih lanjut, diketahui nilai mean etnis Jawa sebesar 4,04 lebih tinggi dibanding nilai mean pada etnis Batak Toba sebesar 3,37. Meskipun kepribadian orang Batak Toba lebih terbuka, menghargai desentralisasi, dan sadar diri dibandingkan kepribadian orang Jawa yang tertutup, cinta damai, dan terbuka hanya pada waktu tertentu, namun nilai mean menunjukkan bahwa orang Jawa lebih dominan dalam aitem ini.

2. Aitem 2 (Cenderung mencari kesalahan orang lain) yang merupakan aitem

unfavorable pada aspek conscientiousness terdeteksi DIF etnis karena memiliki nilai p < 0,01. Setelah dianalisis lebih lanjut, diketahui nilai mean

yang ada pada orang Batak Toba yaitu sebesar 2,58 lebih tinggi dibanding

mean pada orang Jawa, yaitu 2,20. Hal ini sejalan dengan kepribadian orang Batak Toba yang lebih terbuka, menghargai desentralisasi, dan nilai budaya konflik membuat orang orang Batak Toba lebih dominan pada aitem 2 dibanding orang jawa.

3. Aitem 3 (Mengerjakan tugas sampai selesai) yang merupakan aitem favorable

pada aspek conscientiousness terdeteksi DIF etnis karena memiliki nilai p < 0,01. Setelah dianalisis lebih lanjut, diketahui nilai mean yang ada pada orang Jawa yaitu sebesar 3,85 lebih tinggi dibanding mean pada orang Batak Toba, yaitu 3,83. Hal ini sejalan dengan kepribadian orang kepribadian orang jawa yang lebih tenang, dan menyampaikan sesuatu lebih bermakna sehingga cenderung lebih diuntungkan dalam aitem ini.

4. Aitem 6 (Suka menyendiri) yang merupakan aitem unfavorable pada aspek

extraversion terdeteksi DIF etnis karena memiliki nilai p < 0,01. Setelah dianalisis lebih lanjut, diketahui nilai mean yang dimiliki oleh etnis Batak Toba sebesar 2,94 adalah lebih tinggi dibanding nilai mean pada etnis Jawa sebesar 2,72. Meskipun kepribadian orang Jawa yang tertutup, cinta damai sehinggga lebih diuntungkan dalam aitem ini, namun nilai mean menunjukkan bahwa orang Batak Toba lebih dominan dalam aitem ini.

5. Aitem 8 (Terkadang ceroboh), yang merupakan aitem unfavorable pada aspek

conscientiousness terdeteksi DIF etnis karena memiliki nilai p < 0,01. Setelah dianalisis lebih lanjut, diketahui nilai mean yang dimiliki oleh etnis Jawa sebesar 3,53 adalah lebih tinggi dibanding nilai mean pada etnis Batak Toba sebesar 3,33. Meskipun kepribadian orang Batak yang terbuka, menghargai desentralisasi, dan nilai budaya konflik sehingga lebih diuntungkan pada aitem ini, namun nilai mean menunjukkan bahwa orang Jawa lebih dominan dalam aitem ini.

6. Aitem 23 (Cenderung pemalas) yang merupakan aitem unfavorable pada aspek conscientiousness terdeteksi DIF karena memiliki nilai p < 0,01. Setelah dianalisis lebih lanjut, diketahui nilai mean yang dimiliki oleh etnis Jawa sebesar 2,80 lebih tinggi dibanding etnis Batak Toba sebesar 2,50. Hal ini didukung oleh kepribadian orang Jawa yang lebih tertutup, cinta damai dibandingkan kepribadian orang Batak Toba yang lebih terbuka dan kerja keras untuk untuk memperoleh kemajuan.

7. Aitem 27 (Cenderung menjaga jarak dengan orang lain) yang merupakan aitem unfavorable pada aspek extraversion terdeteksi DIF karena memiliki nilai p < 0,01. Setelah dianalisis lebih lanjut, diketahui nilai mean etnis Batak Toba sebesar 2,92 lebih tinggi dibanding etnis Jawa sebesar 2,58. Meskipun kepribadian orang Jawa yang tertutup dan cinta damai sehingga lebih diuntungkan pada aitem ini, namun nilai mean menunjukkan bahwa etnis Batak Toba lebih dominan pada aitem ini.

8. Aitem 37 (Terkadang kasar kepada orang lain) yang merupakan aitem

favorable pada aspek neuroticism terdeteksi DIF karena memiliki nilai p < 0,01. Setelah dianalisis lebih lanjut, diketahui nilai mean etnis Batak Toba sebesar 2,84 lebih tinggi dibanding etnis Jawa sebesar 2,34. Hal ini sejalan dengan kepribadian orang Batak Toba yang lebih terbuka, menghargai desentralisasi, dan nilai budaya konflik membuat orang orang Batak Toba lebih dominan pada aitem 37 dibanding orang jawa.

9. Aitem 41 (Kurang memiliki ketertarikan terhadap seni) yang merupakan aitem

< 0,01. Setelah dianalisis lebih lanjut, diketahui nilai mean etnis Batak Toba sebesar 2,47 lebih tinggi dibanding etnis Jawa sebesar 2,09. Meskipun kepribadian orang jawa yang lebih tenang, dan menyampaikan sesuatu lebih bermakna sehingga cenderung lebih diuntungkan dalam aitem ini. Namun nilai mean menunjukkan bahwa orang Batak Toba lebih dominan dalam merespon aitem ini.

10. Aitem 44 (Memiliki kemampuan yang baik dalam seni, musik atau sastra) yang merupakan aitem favorable pada aspek ageeableness terdeteksi DIF karena memiliki nilai p < 0,01. Setelah dianalisis lebih lanjut, diketahui nilai

mean etnis Jawa sebesar 3,54 lebih tinggi dibanding etnis Batak Toba sebesar 3,37. Hal ini sejalan dengan kepribadian orang kepribadian orang jawa yang lebih tenang, dan menyampaikan sesuatu lebih bermakna sehingga cenderung lebih diuntungkan dalam aitem ini.

Berdasarkan penjelasan diatas, aitem 1 (Suka mengobrol), aitem 2 (Cenderung mencari kesalahan orang lain), aitem 3 (mengerjakan tugas sampai selesai), aitem 6 (Suka menyendiri), aitem 8 (Terkadang ceroboh), aitem 23 (Cenderung pemalas), dan aitem 27 (cenderung menjaga jarak dengan orang lain), aitem 37 (Terkadang kasar kepada orang lain), aitem 41 (kurang memiliki ketertarikan terhadap seni), dan aitem 44 (Memiliki kemampuan yang baik dalam seni, musik atau sastra) yang mengandung DIF menunjukkan bahwa sepuluh aitem tersebut memberikan bukti bias pengukuran yang dapat mengancam validitas (Sheppard, dkk., 2006; Thissen, Steinberg, & Wainer, 1988; dalam Reeve, 2002).

BAB V

KESIMPULAN DAN SARAN

A. Kesimpulan

Berdasarkan hasil penelitian ini, dapat ditarik kesimpulan bahwa hasil tes BFI versi Indonesia dapat dipercaya karena memiliki reliabilitas yang baik. Dari 44 aitem, ditemukan sebanyak 10 aitem mengandung DIF etnis, yaitu 4 aitem dari faktor Conscientiousness, 3 aitem dari faktor Extraversion, 2 aitem dari faktor

Agreeableness, dan 1 aitem dari faktor Neuroticism. Hal ini menunjukkan bahwa perlu perhatian khusus ketika melakukan interpretasi terhadap penggunaan BFI versi Indonesia, terutama pada aitem-aitem yang terdeteksi DIF.

B. Saran

Berdasarkan hasil penelitian, maka disarankan beberapa hal sebagai berikut: 1. Saran bagi para praktisi adalah perlu perhatian khusus ketika menggunakan

hasil pengukuran BFI versi Indonesia untuk pengambilan keputusan.

2. Saran bagi para akademisi, yaitu perlu untuk memperhatikan aitem-aitem yang terdeteksi DIF ketika menggunakan BFI versi Indonesia untuk materi pembelajaran.

3. Saran untuk Penelitian Selanjutnya

a. Peneliti hendaknya memperhatikan representasi usia subjek yang dilibatkan dalam penelitian agar lebih bervariasi.

b. Peneliti sebaiknya merevisi aitem-aitem yang mengandung DIF.

c. Peneliti sebaiknya melakukan pengujian dengan jumlah subjek yang lebih besar

DAFTAR PUSTAKA

Acar, T. (2011). Sample Size in Differential Item Functioning: An Application of Hierarchical Linear Modeling. Ankara: Parantez Education Research Publisher, Selanik Street No:46/4 Kızılay-Çankaya

Azwar, S. (2010). Penyusunan Skala Psikologi. Yogyakarta: Pustaka Pelajar Offset

Azwar, S. (2011). Metode Penelitian. Yogyakarta: Pustaka Pelajar Offset

Bangkaru, M. (2001). Handbook to North Sumatera Indoneia. Banda Aceh: CV Penerbit Balohan Haloban

Camilli, G. & Shepard, L.A. (1994). Methods for Identifying Biased Test Items. United States of America: SAGE Publications

Coaley, K. (2010). An Introduction to Psychological Assessment and Psychometrics. London: SAGE Publications

Endraswara, S. (2010). FALSAFAH HIDUP JAWA: Menggali Mutiara Kebijakan dari Intisari Filsafat Kejawean. Yogyakarta: Cakrawala

Harahap, B.H., Siahaan, H.M. (1987). ORIENTASI NILAI-NILAI BUDAYA BATAK: Suatu Pendekatan Terhadap Perilaku Batak Toba dan Angkola- Mandailing. Jakarta: Sanggar Willem Iskandar

Hurlock, E.B. (1980). Psikologi Perkembangan: Suatu Pendekatan Sepanjang Rentang Kehidupan Edisi Kelima. Jakarta: Penerbit Erlangga

Jodoin, M.G. & Gierl, M.J. (1999). Evaluating Type I Error and Power Using an Effect Size Measure with the Logistic Regression Procedure for DIF Detection. Logistic Regression for DIF Detection: University of Alberta, Edmonton, Alberta

John, O.P. & Srivastava, S. (1999). The Big-Five Trait Taxonomy: History, Measurement, and Theoretical Perspectives. Berkeley: University of California

Johnson, B. & Christensen, L. (2004). Educational Research: Quantitative, Qualitative, and Mixed Approaches: Second Edition. Boston: Perason Education, Inc.

Lahey, B. B. (2007). Psychology: An Introduction (Ninth Edition). New York: McGraw-Hill

Larsen & Buss. (2010). Personality Psychology: Domains of Knowledge about Human Nature, Fourth Edition. America, New York: The McGraw-Hill Companies, Inc.

Mariyanti. (2012). Karakterisitk Psikometri Big Five Inventory (BFI) versi Adaptasi Bahasa Indonesia. Medan: Skripsi tidak dipublikasikan

Mastuti, E. (2005). Analisis Faktor Alat Ukur Kepribadian Big Five (Adaptasi dari IPIP) pada Mahasiswa Suku Jawa. Surabaya: Jurnal INSAN Vol. 7 No. 3

McCrae, R.R. & Costa, P.T.JR. (2006). Personality in Adulthood: A Five-Factor Theory Perspective (Second Edition). New York: Guilford Publication, Inc. McDaniel, B.L. & Grice, J.W. (2005). Measuring Self-Discrepancies on the Big

Five Personality Traits with the Repertory Grid. USA: Personal Construct Theory & Practice

Nunnally, J.C. (1981). Psychometric Theory (Second edition). New Delhi: McGraw-Hill Inc.

Osterlind, S. J. (2010). Modern Measurement: Theory, Principles, and Application of Mental Appraisal (Second Edition). Boston: Pearson Education, Inc. Pervin, L.,dkk. (2005). Personality Theory and Research. United States of

America: John Wiley & Sons, Inc.

Putri, U.N. (2013). Differential Item Functioning (DIF) Administrasi Tes pada Aitem Big Five Inventory (BFI) Versi Indonesia. Medan: Skripsi tidak dipublikasikan

Rahmawati, E. (2010). Metode Deteksi Differential Item Functioning (Pendekatan dalam Teori Respon Aitem). Medan: Universitas Sumatera Utara

Reeve, B.B.Ph.D. (2002). An Introduction to Modern Measurement Thoery. Divison of Cancer Control and Population Sciences National Cancer Institute

Salehi, M. & Tayebi, A. (2012). Differential Item Functioning: Implications for Test Validation. Journal of Language Teaching and Research, Vol. 3, No. 1, pp. 84-92

Samosir, A. J. (2013). Big Five Personality pada Suku Batak Toba. Medan: Skripsi tidak dipublikasikan

Schmitt, dkk. (2007). The Geographic Distribution of Big Five Personality Traits: Patterns and Profiles of Human Self-Description Across 56 Nations. Journal of Cross-Cultural Psychology 2007; 38; 173

Schmitt, D.P. & Shackelford, T.K. (2008). Big Five Traits Related to Short-Term Mating: From Personality to Promiscuity across 46 Nations. Evolutionary Psychology – ISSN 1474-7049 – Volume 6(2). 2008

Sheppard, R., Han, K., Calrelli, S.M., Dai, G. (2006). Differential Item Functioning by Sex and Race in the Hogan Personality Inventory. Michigan:

Assessment, Volume 13, No. 4, 442-453

Sianipar, S. M. (2008). Gambaran Kepribadian Suku Bangsa Batak Toba di Pematangsiantar Menggunakan Big Five Inventory. Medan: Universitas Sumatera Utara

Simanjuntak, B. A. (2009). Konflik Status dan Kekuasaan Orang Batak Toba: Edisi Revisi. Jakarta: Yayasan Obor Indonesia

Zumbo, B. D. (1999). A Handbook on the Theory and Methods of Differential Item Functioning (DIF): Logistic Regression Modeling as a Unitary Framework for Binary and Likert-Type (Ordinal) Item Scores. Ottawa, ON: Directorate of Human Resources Research and Evaluation, Department of National Defense

KATA PENGANTAR

Dengan hormat,

Sehubungan dengan persyaratan penyelesaian pendidikan sarjana di Fakultas Psikologi USU, peneliti bermaksud untuk melakukan penelitian di bidang Psikometri. Untuk itu, peneliti membutuhkan sejumlah data yang dapat diperoleh dengan adanya kerjasama dari saudara/i dalam mengisi skala ini.

Peneliti sangat mengharapkan saudara/i lebih dahulu memperhatikan petunjuk tersebut dengan sebelum mengisi skala ini. Ketika selesai mengerjakan, periksalah kembali jawaban saudara/i agar tidak ada pernyataan yang terlewatkan.

Kesediaan saudara/i untuk mengisi skala ini merupakan bantuan yang sangat berharga untuk keberhasilan penelitian ini. Untuk itu, peneliti mengucapkan terima kasih.

Hormat Kami,

BIG FIVE INVENTORY

Berikut adalah beberapa karakteristik yang mungkin atau mungkin tidak menggambarkan diri anda. Misalnya pada pernyataan “saya adalah seseorang yang senang menghabiskan waktu dengan orang lain”, maka tuliskan nomor di samping pernyataan yang menyatakan anda setuju atau tidak setuju dengan pernyataan tersebut.

1 = Sangat Tidak Setuju 2 = Tidak Setuju

3 = Netral 4 = Setuju

5 = Sangat Setuju

Saya adalah seseorang (yang)…

1. _______ Suka mengobrol.

2. _______ Cenderung mencari kesalahan orang lain. 3. _______ Mengerjakan tugas sampai selesai. 4. _______ Mudah merasa tertekan dan sedih. 5. _______ Memiliki ide-ide yang inovatif. 6. _______ Suka menyendiri.

7. _______ Senang membantu dan tidak egois. 8. _______ Terkadang ceroboh.

9. _______ Dapat menghadapi situasi stress dengan baik. 10. _______ Memiliki rasa ingin tahu terhadap banyak hal. 11. _______ Penuh semangat.

12. _______ Tidak takut berargumentasi dengan orang lain. 13. _______ Pekerja yang dapat diandalkan.

14. _______ Mudah merasa cemas. 15. _______ Cerdas dan suka berpikir. 16. _______ Penuh antusiasme.

17. _______ Mudah memaafkan.

18. _______ Cenderung tidak teratur atau berantakan. 19. _______ Pencemas.

20. _______ Memiliki imajinasi yang tinggi 21. _______ Cenderung pendiam

22. _______ Mudah mempercayai orang lain 23. _______ Cenderung pemalas

24. _______ Secara emosional stabil, tidak mudah tersinggung 25. _______ Mudah menemukan suatu ide baru.

26. _______ Percaya diri.

27. _______ Cenderung menjaga jarak dengan orang lain. 28. _______ Mampu bertahan hingga suatu tugas selesai. 29. _______ Suasana hati mudah berubah.

30. _______ Menghargai hal-hal yang indah dan berseni. 31. _______ Terkadang pemalu.

32. _______ Baik dan perhatian hampir terhadap setiap orang. 33. _______ Melakukan sesuatu dengan efisien.

34. _______ Tetap tenang pada situasi yang menegangkan. 35. _______ Lebih menyukai pekerjaan yang rutin.

36. _______ Santai dan mudah bergaul.

37. _______ Terkadang kasar kepada orang lain.

38. _______ Dapat membuat rencana dan menjalankannya. 39. _______ Mudah merasa cemas.

41. _______ Kurang memiliki ketertarikan terhadap seni. 42. _______ Senang bekerjasama dengan orang lain. 43. _______ Perhatiannya mudah terganggu.

Hasil Analisis Regresi Logistik

Aitem1 Matrix

[DataSet14] C:\Users\ASPIRE_7S\Documents\eksp\new\new\revisi\Data krip ktiga\Extraversion\data.sav

Run MATRIX procedure:

LOGISTIC REGRESSION with an ORDINAL DEPENDENT VARIBLE

(by Steffen M. KUEHNEL)

******************** Information Section ********************

Dependent variable is: item

Marginal distribution of dependent variable Value Frequ. Percent %>Value 1.00 8.00 2.45 97.55 2.00 24.00 7.34 90.21 3.00 103.00 31.50 58.72 4.00 119.00 36.39 22.32 5.00 73.00 22.32 .00

Effective sample size: 327

Means and standard deviations of independent variables: Mean Std.Dev.

total 19.7095 2.4403

******************** Estimation Section ********************

Running Iteration No.: 1

Running Iteration No.: 2

Running Iteration No.: 3

... Optimal solution found.

******************** OUTPUT SECTION ********************

LR-test that all predictor weights are zero ---

-2 Log-Likelihood of Model with Constants only: 882.224

-2 Log-Likelihood of full Model: 856.242

LR-statistic

Chisqu. DF Prob. %-Reduct 25.982 1.000 .000 .029

Estimations, standard errors, and effects ---

Coeff.=B Std.Err. B/Std.E. Prob. exp(B) exp(B*S) total .218682 .043731 5.000660 .000001 1.244435 1.705155 Const.1 -.498955 .900284 -.554220 .579429 .607165 1.000000 Const.2 -1.989168 .853654 -2.330179 .019797 .136809 1.000000 Const.3 -3.942166 .864450 -4.560318 .000005 .019406 1.000000 Const.4 -5.635691 .893519 -6.307295 .000000 .003568 1.000000

Results assuming a latent continuous variable ---

R-Square (%): 7.97

Standardized regression weights of the latent variable: total .2823

--- END MATRIX ---

Matrix

[DataSet14] C:\Users\ASPIRE_7S\Documents\eksp\new\new\revisi\Data krip ktiga\Extraversion\data.sav

Run MATRIX procedure:

LOGISTIC REGRESSION with an ORDINAL DEPENDENT VARIBLE

(by Steffen M. KUEHNEL)

******************** Information Section ********************

Dependent variable is: item

Marginal distribution of dependent variable Value Frequ. Percent %>Value 1.00 8.00 2.45 97.55 2.00 24.00 7.34 90.21 3.00 103.00 31.50 58.72 4.00 119.00 36.39 22.32 5.00 73.00 22.32 .00

Effective sample size: 327

Means and standard deviations of independent variables: Mean Std.Dev.

total 19.7095 2.4403 grp 1.4740 .5001

******************** Estimation Section ********************

Running Iteration No.: 1

Running Iteration No.: 2

Running Iteration No.: 3

... Optimal solution found.

******************** OUTPUT SECTION ********************

LR-test that all predictor weights are zero ---

-2 Log-Likelihood of Model with Constants only: 882.224

-2 Log-Likelihood of full Model: 817.677

LR-statistic

Chisqu. DF Prob. %-Reduct 64.547 2.000 .000 .073

Estimations, standard errors, and effects ---

Coeff.=B Std.Err. B/Std.E. Prob. exp(B) exp(B*S)

total .217038 .044673 4.858417 .000001 1.242391 1.698328 grp 1.308867 .216287 6.051525 .000000 3.701976 1.924276 Const.1 -2.180297 .956533 -2.279374 .022645 .113008 1.000000 Const.2 -3.705182 .917478 -4.038441 .000054 .024596 1.000000 Const.3 -5.807024 .944285 -6.149649 .000000 .003006 1.000000 Const.4 -7.661101 .985291 -7.775469 .000000 .000471 1.000000

Results assuming a latent continuous variable ---

R-Square (%): 18.86

Standardized regression weights of the latent variable: total .2630 grp .3251 --- END MATRIX --- Matrix [DataSet14] C:\Users\ASPIRE_7S\Documents\eksp\new\new\revisi\Data krip ktiga\Extraversion\data.sav

LOGISTIC REGRESSION with an ORDINAL DEPENDENT VARIBLE

(by Steffen M. KUEHNEL)

Interaction term total*grp int1.1 total grp

******************** Information Section ********************

Dependent variable is: item

Marginal distribution of dependent variable Value Frequ. Percent %>Value 1.00 8.00 2.45 97.55 2.00 24.00 7.34 90.21 3.00 103.00 31.50 58.72 4.00 119.00 36.39 22.32 5.00 73.00 22.32 .00

Effective sample size: 327

Means and standard deviations of independent variables: Mean Std.Dev.

grp 1.4740 .5001 int1.1 29.1498 10.7509

******************** Estimation Section ********************

Running Iteration No.: 1

Running Iteration No.: 2

Running Iteration No.: 3

Running Iteration No.: 4

... Optimal solution found.

******************** OUTPUT SECTION ********************

LR-test that all predictor weights are zero ---

882.224

-2 Log-Likelihood of full Model: 815.658

LR-statistic

Chisqu. DF Prob. %-Reduct 66.565 3.000 .000 .075

Estimations, standard errors, and effects ---

Coeff.=B Std.Err. B/Std.E. Prob. exp(B) exp(B*S) total .393903 .132750 2.967261 .003005 1.482757 2.614975 grp 3.823268 1.785102 2.141765 .032212 45.753497 6.766438 int1.1 -.126994 .089363 -1.421111 .155285 .880739 .255304 Const.1 -5.636815 2.622129 -2.149709 .031578 .003564 1.000000 Const.2 -7.174384 2.617685 -2.740737 .006130 .000766 1.000000 Const.3 -9.306909 2.651090 -3.510597 .000447 .000091 1.000000 Const.4 -11.157840 2.665669 -4.185756 .000028 .000014 1.000000

Results assuming a latent continuous variable ---

R-Square (%): 19.54

Standardized regression weights of the latent variable: total .4754 grp .9456 int1.1 -.6752 --- END MATRIX --- Aitem 2 Matrix [DataSet13] C:\Users\ASPIRE_7S\Documents\eksp\new\new\revisi\Data krip ktiga\Conscientiousness\data.sav

Run MATRIX procedure:

LOGISTIC REGRESSION with an ORDINAL DEPENDENT VARIBLE

(by Steffen M. KUEHNEL)

Dependent variable is: item

Marginal distribution of dependent variable Value Frequ. Percent %>Value 1.00 53.00 16.21 83.79 2.00 149.00 45.57 38.23 3.00 75.00 22.94 15.29 4.00 41.00 12.54 2.75 5.00 9.00 2.75 .00

Effective sample size: 327

Means and standard deviations of independent variables: Mean Std.Dev.

total 21.8043 2.9782

******************** Estimation Section ********************

Running Iteration No.: 1

Running Iteration No.: 2

Running Iteration No.: 4

... Optimal solution found.

******************** OUTPUT SECTION ********************

LR-test that all predictor weights are zero ---

-2 Log-Likelihood of Model with Constants only: 882.921

-2 Log-Likelihood of full Model: 788.475

LR-statistic

Chisqu. DF Prob. %-Reduct 94.445 1.000 .000 .107

Estimations, standard errors, and effects ---

Coeff.=B Std.Err. B/Std.E. Prob. exp(B) exp(B*S) total .369195 .040652 9.081770 .000000 1.446569 3.002747 Const.1 -6.023717 .844968 -7.128926 .000000 .002421 1.000000 Const.2 -8.605489 .912690 -9.428711 .000000 .000183 1.000000 Const.3 -10.119867 .959510 -10.546909 .000000 .000040 1.000000 Const.4 -12.187274 1.041476 -11.701921 .000000 .000005 1.000000

Results assuming a latent continuous variable ---

R-Square (%): 26.87

Standardized regression weights of the latent variable: total .5184

--- END MATRIX ---

Matrix

[DataSet13] C:\Users\ASPIRE_7S\Documents\eksp\new\new\revisi\Data krip ktiga\Conscientiousness\data.sav

Run MATRIX procedure:

LOGISTIC REGRESSION with an ORDINAL DEPENDENT VARIBLE

(by Steffen M. KUEHNEL)

******************** Information Section ********************

Dependent variable is: item

Marginal distribution of dependent variable Value Frequ. Percent %>Value 1.00 53.00 16.21 83.79 2.00 149.00 45.57 38.23 3.00 75.00 22.94 15.29 4.00 41.00 12.54 2.75 5.00 9.00 2.75 .00

Effective sample size: 327

Means and standard deviations of independent variables: Mean Std.Dev.

grp 1.4740 .5001

******************** Estimation Section ********************

Running Iteration No.: 1

Running Iteration No.: 2

Running Iteration No.: 3

Running Iteration No.: 4

... Optimal solution found.

******************** OUTPUT SECTION ********************

LR-test that all predictor weights are zero ---

-2 Log-Likelihood of Model with Constants only: 882.921

-2 Log-Likelihood of full Model: 772.660

LR-statistic

Chisqu. DF Prob. %-Reduct 110.261 2.000 .000 .125

Estimations, standard errors, and effects ---

Coeff.=B Std.Err. B/Std.E. Prob. exp(B) exp(B*S) total .385928 .041154 9.377661 .000000 1.470979 3.156185 grp -.841260 .213841 -3.934052 .000084 .431167 .656584 Const.1 -5.079085 .875199 -5.803346 .000000 .006226 1.000000 Const.2 -7.715930 .933855 -8.262452 .000000 .000446 1.000000 Const.3 -9.301238 .978630 -9.504350 .000000 .000091 1.000000 Const.4 -11.461526 1.061026 -10.802309 .000000 .000011 1.000000

Results assuming a latent continuous variable ---

31.42

Standardized regression weights of the latent variable: total .5248 grp -.1921 --- END MATRIX --- Matrix [DataSet13] C:\Users\ASPIRE_7S\Documents\eksp\new\new\revisi\Data krip ktiga\Conscientiousness\data.sav

Run MATRIX procedure:

LOGISTIC REGRESSION with an ORDINAL DEPENDENT VARIBLE

(by Steffen M. KUEHNEL)

Interaction term total*grp int1.1 total grp

******************** Information Section ********************

Dependent variable is: item

Marginal distribution of dependent variable Value Frequ. Percent %>Value 1.00 53.00 16.21 83.79 2.00 149.00 45.57 38.23 3.00 75.00 22.94 15.29 4.00 41.00 12.54 2.75 5.00 9.00 2.75 .00

Effective sample size: 327

Means and standard deviations of independent variables: Mean Std.Dev.

total 21.8043 2.9782 grp 1.4740 .5001 int1.1 32.1254 11.7450

******************** Estimation Section ********************

Running Iteration No.: 1

Running Iteration No.: 2

Running Iteration No.: 3

Running Iteration No.: 4

... Optimal solution found.

******************** OUTPUT SECTION ********************

LR-test that all predictor weights are zero ---

-2 Log-Likelihood of Model with Constants only: 882.921

-2 Log-Likelihood of full Model: 770.587

LR-statistic

Chisqu. DF Prob. %-Reduct 112.333 3.000 .000 .127

Estimations, standard errors, and effects ---

Coeff.=B Std.Err. B/Std.E. Prob. exp(B) exp(B*S) total .538587 .114922 4.686523 .000003 1.713584 4.972925 grp 1.451076 1.608894 .901909 .367105 4.267705 2.066110 int1.1 -.104650 .072894 -1.435649 .151102 .900640 .292553 Const.1 -8.422759 2.503687 -3.364142 .000768 .000220 1.000000 Const.2 -11.040407 2.515267 -4.389358 .000011 .000016 1.000000 Const.3 -12.654125 2.552681 -4.957190 .000001 .000003 1.000000 Const.4 -14.865297 2.623438 -5.666341 .000000 .000000 1.000000

Results assuming a latent continuous variable ---

R-Square (%): 32.10

Standardized regression weights of the latent variable: total .7287

grp .3297 int1.1 -.5584

--- END MATRIX ---

Aitem 3 Matrix

[DataSet13] C:\Users\ASPIRE_7S\Documents\eksp\new\new\revisi\Data krip ktiga\Conscientiousness\data.sav

Run MATRIX procedure:

LOGISTIC REGRESSION with an ORDINAL DEPENDENT VARIBLE

(by Steffen M. KUEHNEL)

Dependent variable is: item

Marginal distribution of dependent variable Value Frequ. Percent %>Value 1.00 2.00 .61 99.39 2.00 20.00 6.12 93.27 3.00 72.00 22.02 71.25 4.00 169.00 51.68 19.57 5.00 64.00 19.57 .00

Effective sample size: 327

Means and standard deviations of independent variables: Mean Std.Dev.

total 21.8043 2.9782

******************** Estimation Section ********************

Running Iteration No.: 1

Running Iteration No.: 2

Running Iteration No.: 3

... Optimal solution found.

******************** OUTPUT SECTION ********************

LR-test that all predictor weights are zero ---

-2 Log-Likelihood of Model with Constants only: 781.949

-2 Log-Likelihood of full Model: 780.420

LR-statistic

Chisqu. DF Prob. %-Reduct 1.529 1.000 .216 .002

Estimations, standard errors, and effects ---

Coeff.=B Std.Err. B/Std.E. Prob. exp(B) exp(B*S)

total .045359 .036685 1.236451 .216291 1.046404 1.144638

Const.1 4.110029 1.061040 3.873586 .000107 60.948458 1.000000 Const.2 1.646506 .821602 2.004018 .045068 5.188817 1.000000 Const.3 -.076793 .803746 -.095543 .923883 .926082 1.000000 Const.4 -2.405115 .816010 -2.947410 .003204 .090255 1.000000

Results assuming a latent continuous variable ---

R-Square (%): .55

Standardized regression weights of the latent variable: total .0743

--- END MATRIX ---

Matrix

[DataSet13] C:\Users\ASPIRE_7S\Documents\eksp\new\new\revisi\Data krip ktiga\Conscientiousness\data.sav

LOGISTIC REGRESSION with an ORDINAL DEPENDENT VARIBLE

(by Steffen M. KUEHNEL)

******************** Information Section ********************

Dependent variable is: item

Marginal distribution of dependent variable Value Frequ. Percent %>Value 1.00 2.00 .61 99.39 2.00 20.00 6.12 93.27 3.00 72.00 22.02 71.25 4.00 169.00 51.68 19.57 5.00 64.00 19.57 .00

Effective sample size: 327

Means and standard deviations of independent variables: Mean Std.Dev.

total 21.8043 2.9782 grp 1.4740 .5001

******************** Estimation Section ********************

Running Iteration No.: 1

Running Iteration No.: 2

Running Iteration No.: 3

... Optimal solution found.

******************** OUTPUT SECTION ********************

LR-test that all predictor weights are zero ---

-2 Log-Likelihood of Model with Constants only: 781.949

-2 Log-Likelihood of full Model: 780.396

LR-statistic

Chisqu. DF Prob. %-Reduct 1.553 2.000 .460 .002

Estimations, standard errors, and effects ---

Coeff.=B Std.Err. B/Std.E. Prob. exp(B) exp(B*S) total .045481 .036683 1.239847 .215032 1.046531 1.145053 grp .032038 .208832 .153415 .878071 1.032557 1.016151 Const.1 4.060122 1.109623 3.659010 .000253 57.981357 1.000000 Const.2 1.596444 .883851 1.806237 .070881 4.935451 1.000000 Const.3 -.127005 .867644 -.146379 .883622 .880729 1.000000 Const.4 -2.455399 .879382 -2.792187 .005235 .085829 1.000000

Results assuming a latent continuous variable ---

R-Square (%): .56

Standardized regression weights of the latent variable: total .0745

grp .0088

Matrix

[DataSet13] C:\Users\ASPIRE_7S\Documents\eksp\new\new\revisi\Data krip ktiga\Conscientiousness\data.sav

Run MATRIX procedure:

LOGISTIC REGRESSION with an ORDINAL DEPENDENT VARIBLE

(by Steffen M. KUEHNEL)

Interaction term total*grp int1.1 total grp

******************** Information Section ********************

Dependent variable is: item

Marginal distribution of dependent variable Value Frequ. Percent %>Value 1.00 2.00 .61 99.39

2.00 20.00 6.12 93.27 3.00 72.00 22.02 71.25 4.00 169.00 51.68 19.57 5.00 64.00 19.57 .00

Effective sample size: 327

Means and standard deviations of independent variables: Mean Std.Dev.

total 21.8043 2.9782 grp 1.4740 .5001 int1.1 32.1254 11.7450

******************** Estimation Section ********************

Running Iteration No.: 1

Running Iteration No.: 2

Running Iteration No.: 3

******************** OUTPUT SECTION ********************

LR-test that all predictor weights are zero ---

-2 Log-Likelihood of Model with Constants only: 781.949

-2 Log-Likelihood of full Model: 767.489

LR-statistic

Chisqu. DF Prob. %-Reduct 14.460 3.000 .002 .018

Estimations, standard errors, and effects ---

Coeff.=B Std.Err. B/Std.E. Prob. exp(B) exp(B*S) total -.339645 .113635 -2.988912 .002800 .712023 .363665 grp -5.720304 1.624858 -3.520495 .000431 .003279 .057231 int1.1 .264376 .074024 3.571490 .000355 1.302618 22.311271

Const.1 12.513264 2.622816 4.770928 .000002 271920.16568 1.000000 Const.2 10.048562 2.533762 3.965867 .000073 23122.519745 1.000000 Const.3 8.293774 2.515031 3.297683 .000975 3998.895633 1.000000 Const.4 5.888454 2.488972 2.365818 .017990 360.846977 1.000000

Results assuming a latent continuous variable ---

R-Square (%): 4.70

Standardized regression weights of the latent variable: total -.5444 grp -1.5396 int1.1 1.6712 --- END MATRIX --- Aitem 4 Matrix [DataSet7] C:\Users\ASPIRE_7S\Documents\eksp\new\new\revisi\Data krip ktiga\Neuroticism\data.sav

Run MATRIX procedure:

LOGISTIC REGRESSION with an ORDINAL DEPENDENT VARIBLE

Dalam dokumen Differential Item Functioning (DIF) Etnis pada Big Five Inventory (BFI) versi Adaptasi Fakultas Psikologi Universitas Sumatera Utara (Halaman 71-200)