Teknik Analisis Data - METODE PENELITIAN - PENGARUH REGULASI DIRI (METAKOGNISI, MOTIVASI DAN PE

BAB III METODE PENELITIAN

H. Teknik Analisis Data

sosial.12 Pertanyaan dalam angket ini disusun menggunakan item favorable (sesuai atau mendukung atribut yang diukur) dengan 4 kategori jawaban, yaitu Sangat Setuju (SS), Setuju (S), Tidak Setuju (TS), Sangat Tidak Setuju (STS). Berikut skala pengukuran yang digunakan.

Tabel 3.3

Skala Pengukuran Pernyataan pada Angket

Item SS S TS STS

Favorable 4 3 2 1

2. Dokumentasi

Dokumen adalah sejumlah fakta dan data tersimpan dalam bahan yang berbentuk dokumentasi.13 Sebagian besar data yang tersedia yaitu berbentuk surat, catatan harian, cendera mata, laporan, artefak, dan foto. Dalam penelitian ini, dokumen yang digunakan adalah laporan data berupa hasil nilai UTS pada mata pelajaran matematika semester ganjil tahun ajaran 2015/2016 siswa kelas VIII MTsN Tanjunganom Nganjuk yang meliputi nilai kognitif dan afektif (sikap). (Daftar nilai UTS disajikan pada Lampian 4). Penilaian kognitif dinyatakan dengan angka antara 0-100. Sedangkan nilai afektif memiliki rentang nilai 1-4 dengan kriteria sebagai berikut:

4 : Sangat baik 3 : Baik 2 : Kurang baik 1 : Tidak baik

H. Teknik Analisis Data

Analisa data dilakukan untuk mencari kebenaran dari data yang diperoleh sehingga dapat ditarik sebuah kesimpulan untuk membuktikan kebenaran hipotesis yang diajukan. Data penelitian yang diperoleh dari penyebaran angket dianalisa menggunakan pendekatan SEM (Structure Equational Model) berbantuan software LISREL versi 9.2 for student. SEM dapat dideskripsikan sebagai analisis yang menggabungkan pendekatan analisis faktor (factor

12 Riduwan,Skala Pengukuran Variabel-Variabel Penelitian,(Bandung:Alfabeta,2007), 12. 13 Juliansyah Noor, Metodologi Penelitian, (Jakarta: Kencana, 2012), 141.

analysis), model struktural (structural model), dan analisis jalur (path analysis).14

Melalui SEM ini dapat dilakukan tiga kegiatan secara serempak, yaitu pemeriksaan validitas dan reliabilitas instrumen (setara dengan faktor analisis konfirmatori), pengujian model hubungan antar variabel laten (setara dengan analisis path/jalur) dan mendapatkan model yang bermanfaat untuk prakiraan atau peramalan (setara dengan model struktural atau analisis regresi). Sehingga dengan digabungkannya pengujian model struktural dan pengukuran tersebut memungkinkan untuk;15

a. Menguji kesalahan pengukuran (measurement error) sebagai bagian yang tak terpisahkan dari structure equational model. b. Melakukan analisis faktor bersamaan dengan pengujian hipotesis.

Tujuan akhir dari SEM adalah untuk mendapatkan model struktural. Apabila data input berupa matrik korelasi, maka SEM digunakan untuk memeriksa besar kecilnya pengaruh, baik langsung, tidak langsung maupun pengaruh total variabel bebas (variabel eksogen) terhadap variabel terikat (variabel endogen).

Untuk menjawab tiga rumusan masalah sekaligus membuktikan hipotesis yang diajukan pada penelitian ini, maka analisis data pada penelitian ini dilakukan melalui tiga tahap berikut:

1. Uji Validitas dan Reliabilitas Indikator/Dimensi Konstruk

Instrumen Penelitian

Untuk melihat besar kecilnya koefisien validitas dapat dilihat dari besar kecilnya harga muatan factor/Standardized Loading Factors (λ /lambda). Semakin besar harga λ maka dikatakan indikator semakin valid. Ukuran untuk mengetahui berapa besarnya nilai λ dikatakan valid dapat menggunakan pengujian nilai t (t-value). T-value menyatakan nilai t hitung yang diperoleh dengan melihat out put path yang dihasilkan oleh LISREL dan Standardized Loading Factors (SLF) ≥ 0,30.16

Maka pernyataan tersebut dinyatakan valid.

Untuk melihat besarnya koefisien reliabilitas indikator dapat melihat nilai (1-δ/ theta-delta) untuk variabel eksogen dan nilai

14 Sugiyono, Metode Penelitian Kuantitatif, Kualitatif dan R&D, (Bandung:Alfabeta, 2011), 323.

15 Ramdiani, SEM dan LISREL untuk Analisis Mulitivariate. Jurnal Sistem Informasi (JSI), (Vol.2. No.1, April 2010), 181.

(1- / theta-epsilon) untuk variabel endogen. Semakin besar nilai (1-δ) atau (1- ) maka semakin reliabel indikator tersebut. Analisis pengujian reliabilitas ini dapat dilakukan dengan pengujian nilai t-value seperti pada pengujian validitas. Nilai t untuk masing-masing parameter (λ, 1-δ atau 1- ) merupakan hasil transformasi dari parameter tersebut.17 Reliabilitas konstruk/Construct Reliability(CR) didasarkan pada konvensi besarnya setidak-tidaknya 0,70 untuk muatan-muatan faktor loading. Cara lain untuk menentukan reliabilitas suatu konstruk adalah dengan cara melihat varian yang diekstrak/Variance Extracted(VE). VE didasarkan pada konvensi besarnya setidak-tidaknya 0,50. CR dan VE diperoleh dengan cara:

CR = VE = Keterangan:

∑ Std.Load = Jumlah muatan yang distandarisasi (SLF) ∑ ej = Jumlah faktor kesalahan (standard error)

2. Analisis Kecocokan Model Teoritis Pengaruh Regulasi Diri

(Metakognisi, Motivasi dan Perilaku) terhadap Prestasi Belajar Matematika

Untuk menguji kesesuaian model teoritis yang diajukan pada hipotesis penelitian dengan data empiris yang diperoleh dari lapangan, peneliti melakukan uji analisis berdasarkan model SEM. Terdapat tujuh langkah yang harus dilakukan apabila menggunakan Structure Equational Modelling (SEM), yaitu:18

a. Pengembangan model teoritis

Langkah pertama yang harus dilakukan adalah melakukan serangkaian eksplorasi ilmiah melalui telaah pustaka untuk mendapatkan justifikasi atas model teoritis yang dikembangkan. SEM digunakan bukan untuk menghasilkan sebuah model, tetapi digunakan untuk

17Ibid.330-331.

18 J Supranto dan Nandan Limakrisna, Petunjuk Praktis Penelitian Ilmiah untuk Menyusun Skripsi, Tesis, dan Disertasi, (Jakarta: Mitra Wacana Media, 2013), Edisi 3,123.

mengkonfirmasi kerangka model teoritis tersebut melalui data empiris.

Cecepwinata menjelaskan 4 hal yang harus diperhatikan untuk membuat kerangka model teoritis, yaitu:19

1) Penjelasan yang rasional dan logis;

2) Mencari dukungan data teoritis dan atau empiris; 3) Variabel-variabel penelitian;

4) Keterkaitan antara variabel-variabel.

b. Pengembangan diagram jalur

Dalam langkah kedua ini, model teoritis yang telah dibangun pada tahap pertama akan digambarkan dalam sebuah diagram jalur, yang akan mempermudah untuk melihat hubungan-hubungan kausalitas yang ingin diuji. Dalam diagram jalur, hubungan antar dimensi konstruk akan dinyatakan melalui anak panah. Anak panah yang lurus menunjukkan sebuah hubungan kausal yang langsung antara satu konstrak dengan konstrak lainya. Sedangkan garis-garis lengkung antar konstruk dengan anak panah pada setiap ujungnya menunjukkan korelasi antar konstruk. Konstruk yang dibangun dalam diagram alur dapat dibedakan dalam dua kelompok:

1) Konstruk eksogen, dikenal juga sebagai independent variable yang tidak diprediksi oleh variabel lain dalam model. Konstruk eksogen adalah konstruk yang dituju oleh garis dengan satu ujung panah.

2) Konstruk endogen, merupakan faktor-faktor yang diprediksi oleh satu atau beberapa konstruk. Konstruk endogen dapat memprediksi satu atau beberapa konstruk endogen lainnya, tetapi konstruk endogen hanya dapat berhubungan kausal dengan konstruk endogen.

c. Konversi diagram jalur ke dalam persamaan struktural dan model pengukuran

Setelah diagram jalur berhasil dibuat, langkah selanjutnya adalah mengkonversikan diagram jalur ke dalam persamaan struktural maupun persamaan model pengukuran. Untuk mengkonversikan diagram jalur ke dalam persamaan

19 Cecep Winata, Metodologi Penelitian. (Modul. Jakarta: Pusat Bahan Ajar dan E-Learning. 2012).

struktural dan model pengukuran, dapat menggunakan pedoman berikut:20

1) Persamaan Model Pengukuran

a)Variabel manifes eksogen = fungsi variabel laten eksogen + eror

b)Variabel manifes endogen = fungsi variabel laten endogen + eror

2) Persamaan Model Struktural

Variabel laten endogen = fungsi variabel laten eksogen + variabel endogen lainnya + eror.

d. Memilih jenis matrik input dan estimasi model yang

diusulkan

Pada penelitian ini matrik inputnya adalah matrik korelasi. Hal ini dilakukan karena fokus SEM bukan pada data individual, tetapi pola hubungan antar responden. Dalam hal ini ukuran sampel memegang peranan penting untuk mengestimasi kesalahan sampling. Setelah model dibuat dan input data dipilih, maka dilakukan analisis model kausalitas dengan teknik estimasi yaitu teknik estimasi model yang digunakan adalah Maximum Likehood Estimation Method. Teknik ini dipilih karena ukuran sampel yang digunakan dalam penelitian ini adalah kecil (100-200 responden). e. Menilai identifikasi model struktural

Masalah identifikasi pada prinsipnya adalah masalah mengenai ketidakmampuan model yang dikembangkan menghasilkan estimasi yang unik. Bila setiap kali estimasi dilakukan muncul masalah identifikasi, maka sebaiknya model dipertimbangkan ulang dengan mengembangkan lebih banyak konstruk. Disebutkan oleh Ferdinand beberapa indikasi problem identifikasi:21

1) Standard error untuk satu atau beberapa koefisien adalah sangat besar.

2) Program tidak mampu menghasilkan matrik informasi yang seharusnya disajikan.

3) Munculnya angka-angka yang aneh seperti adanya error varians yang negatif.

20 J Supranto, Op. Cit., hal 124.

4) Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat (misalnya lebih dari 0,9).

f. Evaluasi Kecocokan Model Berdasarkan Kriteria

Goodness-of-Fit

Setelah model terbentuk, maka diperlukan analisis dalam uji kecocokan model. Pengujian kecocokan model dilakukan untuk mengetahui sejauhmana model hubungan antarvariabel yang disusun secara teoritis didukung oleh kenyataan yang ada pada data empiris.

Adapun uji kecocokan dan tingkat kecocokan dapat dalam kriteria goodness-of-fit (GOF) berikut:

Tabel 3.4

Kriteria Goodness Of Fit

No Uji/ Kriteria Syarat

1 X2 P > 0,05

2 Root Mean Square Error of Approximation (RMSEA)

< 0,08 3 Standardized Root Mean Square

Residual (SRMR)

< 0,05 4 Adjusted Goodness-of-Fit Index

(AGFI)

> 0,9 5 Non-Normed Fit Index (NNFI) > 0,9 6 Normed Fit Index (NFI) > 0,9 7 Relative Fit Index (RFI) > 0,9 8 Incremental Fit Index (IFI) > 0,9 9 Comparative Fit Index (CFI) > 0,9 10 Parsimony Normed Fit Index

(PNFI)

> 0,9 11 Parsimony Goodness of Fit Index

(PGFI)

> 0,9 12 Expected Cross-Validation Index

(ECVI)

Est < sat.model Est < ind.model 13 Goodness of Fit Indices (GFI) > 0,9

14 Critical N (CN) < N

Bila uji kecocokan sudah memenuhi kriteria yang ditentukan maka dikatakan tidak ada perbedaan antara model

teoritis dibandingkan dengan data empiris. Artinya, model teoritis sesuai (fit) dengan data empiris.22

g. Intepretasi dan Modifikasi Model

Tahap akhir ini adalah melakukan interpretasi dan modifikasi bagi model-model yang tidak memenuhi syarat-syarat pengujian. Hair et. al. memberikan pedoman untuk mempertimbangkan perlu tidaknya modifikasi model dengan melihat jumlah residual yang dihasilkan oleh model tersebut.23 Batas keamanan jumlah residual adalah 5%. Bila jumlah residual lebih besar dari 2% dari semua residual kovarians yang dihasilkan oleh model, maka modifikasi perlu dipertimbangkan. Bila ditemukan bahwa nilai residual yang dihasilkan model cukup besar (yaitu ≥2.58), cara lain dalam memodifikasi adalah dengan mempertimbangkan untuk menambah sebuah alur baru terhadap model yang diestimasi itu. Nilai residual value yang lebih besar atau sama dengan ± 2.58 diinterpretasikan sebagai signifikan secara statistik pada tingkat 5%.

Jika model yang dihasilkan sudah cukup baik, maka dapat diinterpretasikan untuk menjawab masalah penelitian yang diajukan. Interpretasi hasil dilakukan berdasarkan hasil (output) program LISREL yang meliputi: diagram jalur, output komputasi statistik model pengukuran, output komputasi statistik model struktural, dan dekomposisi pengaruh antarvariabel.24

22 Sugiyono, Op. Cit., hal 339.

23 Ibid, dalam Ari Husnawati, Analisis Pengaruh... , 57.

24 J Supranto dan Nandan Limakrisna, Petunjuk Praktis Penelitian Ilmiah untuk Menyusun Skripsi, Tesis, dan Disertasi, (Jakarta: Mitra Wacana Media, 2013), Edisi 3,129.

Dari uraian di atas, langkah-langkah analisis SEM dapat digambarkan dengan flow chart berikut:

Gambar 3.2 Tahap Analisis SEM

3. Analisis Pengaruh Regulasi Diri (Metakognisi, Motivasi dan

Perilaku) terhadap Prestasi Belajar Matematika

Adanya pengaruh regulasi diri (metakognisi, motivasi dan perilaku) terhadap prestasi belajar matematika dapat dilihat dari model teoritis yang telah diuji kesesuaiannya dengan data

6. Model memenuhi kriteria GOF 7. Interpretasi hasil analisis Modifikasi model ya tidak 1. Pengembangan model teoritis 2. Pengembangan diagram jalur 3. Konversi diagram jalur ke persamaan struktural 4. Memilih matriks

input dan jenis estimasi 5. Model

teridentifikasi ^{Lanjut ke langkah 6}

Modifikasi model ya

empiris. Pengaruh langsung dari variabel eksogen terhadap variabel endogen dideskripsikan melalui anak panah yang langsung menghubungkan kedua variabel tersebut. Sedangkan pengaruh tidak langsung dideskripsikan melalui arah panah dari variabel eksogen terhadap variabel endogen terikat melalui variabel endogen intervening (perantara).

Besarnya pengaruh langsung ataupun tidak langsung dari regulasi diri (metakognisi, motivasi dan perilaku) terhadap prestasi belajar matematika dapat dilihat dari nilai koefisien hubungan yang diperoleh dari hasil komputasi (out put path) melalui software LISREL, yaitu nilai koefisien (gama), (beta), dan ϕ (phi). Simbol (gamma) merupakan parameter yang menunjukkan pengaruh variabel eksogen terhadap variabel endogen. Simbol (beta) merupakan parameter yang menunjukkan pengaruh variabel endogen intervening terhadap variabel endogen terikat. Sedangkan simbol ϕ (phi) menunjukkan hubungan dua arah antarvariabel eksogen.25

25 Ibid, Juliansyah Noor, h.231.

BAB IV

ANALISIS DATA DAN PEMBAHASAN

Pada bab ini akan dibahas hasil analisis data dan pembahasan hasil penelitian yang dimulai dari validitas dan reliabilitas instrumen penelitian dan model teoritis, uji kecocokan model teoritis yang telah dibangun, serta pengaruh dari regulasi diri dalam belajar terhadap prestasi belajar matematika. Regulasi diri dalam belajar terdiri dari aspek metakognisi, motivasi dan perilaku.1

A. Analisis Uji Validitas dan Reliabilitas

1. Uji Validitas dan Reabilitas Instrumen Penelitian

Instrumen penelitian yang digunakan dalam penelitian ini berupa angket yang terdiri dari 40 pernyataan (data nilai angket disajikan pada Lampiran 5). Setelah sebelumnya telah dilakukan validasi isi kepada beberapa validator, maka selanjutnya adalah melakukan uji validitas dan reliabilitas konstruk secara statistik dari setiap pernyataan. Uji validitas dan reliabilitas dilakukan dengan bantuan software LISREL versi 9.2 for student melalui metode statistika Confirmatory Factor Analysis (CFA). Uji validitas dan reliabilitas ini dilakukan untuk menunjukkan bahwa indikator yang digunakan memiliki konsistensi yang baik dalam mengukur variabelnya. Oleh karena itu perlu dilakukan pengambilan instrumen yang menunjukkan tingkat validitas yang paling baik untuk melakukan analisis berikutnya, yaitu uji validitas dan reliabilitas model teoritis.

a. Validitas dan Reliabilitas Instrumen Metakognisi

Pernyataan yang digunakan untuk mengukur variabel metakognisi siswa terdiri dari 15 pernyataan yang terdiri dari pernyataan nomor 1-15. Dari 15 pernyataan tersebut tersusun atas beberapa indikator yang telah disebutkan pada bab sebelumnya. Pada uji validitas ditentukan oleh Standardized Loading Factors (SLF) ≥ 0,30. Standardized Loading Factors telah disediakan oleh program LISREL pada output path yang dihasilkan. Sedangkan reliabilitas dapat dilihat dari nilai

Zimmerman & Schunk, Self Regulating Intellectual Processesand Outcomes; A Social Cognitive Perspective.(2004)In D.Y.Dai & R.J. Sternberg (Eds.), Motivation, Emotion and Cognition:Integrative Perspective on Intellectual Functioning and Development,

standard error (1-δ), semakin besar nilai standard error maka semakin reliabel suatu indikator. Selain itu, penentuan reliabilitas juga didapat melalui nilai CR (construct reliability) dan VE (variance extracted). Suatu instrumen dikatakan reliabel ketika CR ≥ 0,70 dan VE ≥ 0,50. Melalui output path CFA dapat diketahui instrumen yang memiliki validitas dan realibilitas baik dan kurang baik.

Signifikansi suatu instrumen/indikator dapat dilihat juga pada tampilan output path program LISREL dengan melihat model t-value. Suatu instrumen dinyatakan memiliki signifikan baik ketika t-value ≥ 1,96 atau ditandai dengan nilai berwarna hitam.

Output path pengujian validitas dan reliabilitas instrumen metakognisi yang dihasilkan oleh program LISREL versi 9.2 for student diperlihatkan pada Gambar 4.1 dan 4.2. (Out put LISREL: Variabel Metakognisi disajikan pada Lampiran 6)

Gambar 4.1

Metakognisi: Basic Model dengan estimasi Standardized

Gambar 4.2

Metakognisi: Basic Model dengan estimasi T-Values

Pada Gambar 4.1 dan 4.2 menunjukkan bahwa pada variabel metakognisi terdapat 15 pernyataan yang terdiri dari pernyataan dengan kode ITEM1-ITEM15. Secara keseluruhan, pernyataan pada instrumen metakognisi memiliki tingkat validitas yang baik yaitu SLF ≥ 0,30. Indikator planning yang menggunakan pernyataan dengan kode ITEM1-ITEM3 menunjukkan tingkat validitas yang baik, di mana ITEM1 memiliki nilai validitas paling tinggi, yaitu SLF 0,51 dan t-value 5,42. Syarat valid telah dipenuhi sehingga ITEM1 akan digunakan sebagai pernyataan terpilih dalam model teoritis yang diuji berikutnya.

Indikator information management strategies ditunjukkan oleh pernyataan dengan kode ITEM4-ITEM7. Pernyataan-pernyataan tersebut memiliki nilai validitas yang baik dan ITEM7 merupakan pernyataan paling valid dengan nilai SLF 0,69 dan t-value bernilai 8,81. Oleh karena itu

ITEM7 dipilih sebagai pernyataan yang digunakan dalam model teoritis.

Indikator berikutnya pada metakognisi adalah comprehension monitoring yang ditunjukkan oleh pernyataan dengan kode ITEM8-ITEM11. Sama halnya dengan dua indikator sebelumnya, pernyataan pada indikator comprehension monitoring juga menunjukkan nilai validitas yang baik. ITEM10 memiliki tingkat validitas yang paling baik dibandingkan tiga pernyataan yang lain yaitu dengan nilai SLF 0,70 dan t-value 10,72. ITEM10 ini yang kemudian dipilih sebagai pernyataan dalam model teoritis.

Debugging strategie, indikator ini ditunjukkan oleh pernyataan dengan kode ITEM12-ITEM13. Masing-masing pernyataan dinyatakan valid karena memiliki nilai SLF ≥ 0,30 dan t-value ≥ 1,96. ITEM12 yang memiliki tingkat validitas lebih tinggi daripada ITEM13 dipilih sebagai pernyataan dalam model teoritis berikutnya. Nilai SLF pada ITEM12 sebesar 0,76 dan t-value menunjukkan nilai 11,79.

Evaluation, sebagai indikator terakhir metakognisi ditunjukkan oleh pernyataan dengan kode ITEM14-ITEM15. ITEM14 menunjukkan pernyataan dengan nilai validitas yang lebih tinggi dan lebih baik dibandingkan dengan ITEM15 sehingga dipilih sebagai pernyataan pada perhitungan uji model teoritis. SLF pada ITEM14 bernilai 0,59 dan nilai pada t-value sebesar 7,71.

Adapun hasil uji reliabilitas menunjukkan bahwa instrumen metakognisi memiliki nilai yang baik jika dilihat dari nilai standard error pada Gambar 4.1 dan 4.2, yaitu tidak ada nilai negatif dan t-value ≥ 1,96. Berdasarkan perhitungan SLF dan standard error, diperoleh nilai CR sebesar 0,87, sehingga variabel metakognisi memiliki konsistensi yang baik (CR ≥ 0,70) Sedangkan nilai VE yang diperoleh adalah 0,35 < 0,50. VE digunkan sebagai suatu pilihan atau tidak diharuskan, sehingga cukup dengan melihat nilai CR sebagai ukuran reliabilitas. Oleh karena itu dapat disimpulkan bahwa secara keseluruhan semua pernyataan dalam metakognisi memiliki tingkat konsistensi atau reliabilitas yang baik.

b. Validitas dan Reliabilitas Instrumen Motivasi

Pernyataan yang digunakan untuk mengukur variabel motivasi terdiri dari 12 pernyataan yang terdiri dari pernyataan nomor 16-27. Dari 12 pernyataan tersebut tersusun atas beberapa indikator yang telah disebutkan pada bab sebelumnya. Dalam uji validitas dan reliabilitas ini dicari pernyataan yang memiliki t-value paling tinggi (t-value ≥ 1,96) dan yang memenuhi syarat valid yaitu Standardized Loading Factors (SLF) ≥ 0,30.

Berikut ini merupakan output path yang dihasilkan oleh program LISREL untuk melihat tingkat validitas dan reliabilitas dari masing-masing pernyataan pada instrumen motivasi, sehingga dapat ditentukan mana saja pernyataan yang dipilih untuk perhitungan dalam pengujian model teoritis berikutnya. (Out put LISREL: Variabel Motivasi disajikan pada Lampiran 6)

Gambar 4.3

Gambar 4.4

Motivasi: Basic Model dengan estimasi T-Values

Gambar 4.3 dan 4.4 menunjukkan bahwa pernyataan dengan kode ITEM16 sampai dengan ITEM27 memiliki tingkat validitas yang baik karena semua pernyataan memiliki nilai SLF ≥ 0,30 dan nilai t-value ≥ 1,96. Pernyataan tersebut merupakan pernyataan yang terdapat pada instrumen motivasi.

Sedangkan pada uji reliabilitas, variabel motivasi juga menghasilkan nilai yang baik, yaitu tidak ada nilai negatif pada standard error dan t-value bernilai ≥ 1,96. Selanjutnya, melalui perhitungan nilai SLF dan standard error diperoleh nilai construct reliability (CR) sebesar 0,86 ≥ 0,70 sehingga variabel motivasi memiliki konsistensi yang baik. Cara lain untuk melihat reliabilitas adalah melalui variance extracted (VE), di mana nilai VE yang didapatkan adalah 0,36 < 0,50. Namun, cara ini adalah suatu pilihan atau tidak diharuskan, sehingga cukup dengan melihat nilai CR sebagai ukuran reliabilitas.

Setelah dilakukan perhitungan validitas dan reliabilitas, maka diambil 3 pernyataan dengan nilai t yang signifikan dan telah memenuhi uji validitas sebagai indikator dalam model teoritis yang diuji berikutnya. Tiga pernyataan tersebut adalah ITEM18 sebagai indikator aktualisasi diri yang memiliki nilai SLF 0,53 dan t-value 5,06. ITEM20 sebagai indikator self-efficacy dengan SLF bernilai 0,81 dan t-value 12,70 serta ITEM25 sebagai indikator kemandirian yang memiliki nilai SLF sebesar 0,67 dan t-value bernilai 10,46.

c. Validitas dan Reliabilitas Instrumen Perilaku

Pada variabel perilaku terdapat 13 pernyataan yang digunakan terdiri pernyataan dengan kode ITEM28 - ITEM40. Dari 13 pernyataan tersebut tersusun atas beberapa indikator yang telah disebutkan pada bab sebelumnya. Melalui uji validitas dan reliabilitas ini dicari pernyataan yang memiliki t-value paling tinggi (t-value≥ 1,96) dan yang memenuhi syarat valid yaitu Standardized Loading Factors (SLF) ≥ 0,30.

Berikut ini merupakan output path yang dihasilkan oleh program LISREL untuk melihat tingkat validitas dan reliabilitas dari masing-masing pernyataan pada instrumen perilaku, sehingga dapat ditentukan mana saja pernyataan yang dipilih untuk perhitungan dalam pengujian model teoritis berikutnya. (Out put LISREL: Variabel Perilaku disajikan pada Lampiran 6).

Gambar 4.5

Perilaku: Basic Model dengan estimasi Standardized Solution

Gambar 4.6

Gambar 4.5 dan 4.6 di atas menunjukkan bahwa 13 pernyataan yang digunakan untuk mengukur variabel perilaku memiliki tingkat validitas yang baik.Terdapat 12 pernyataan dengan nilai SLF ≥ 0,30 dan nilai t-value ≥ 1,96, sehingga benar-benar memiliki tingkat validitas yang baik. Sedangkan 1 pernyataan yang memiliki nilai SLF < 0,30 dinyatakan memiliki tingkat validitas yang kurang baik. Pernyataan yang valid dari masing-masing indikator kemudian dipilih yang memiliki validitas yang paling baik dan digunakan sebagai pernyataan dalam pengujian model teoritis berikutnya. Pernyataan tersebut adalah ITEM30 sebagai indikator kebiasaan, karena memiliki nilai SLF paling tinggi diantara yang lain yaitu sebesar 0,77 dan t-value 12,30. Sebagai indikator interaksi dipilih pernyataan dengan kode ITEM37 yang memiliki nilai SLF sebesar 0,69 dan t-value 6,93.

Uji reliabilitas variabel perilaku juga menghasilkan nilai yang baik. Dapat dilihat bahwa tidak terdapat nilai negatif pada standard error-nya dan t-value bernilai ≥ 1,96. Construct reliability (CR) yang dihasilkan dari perhitungan standard error dan SLF bernilai sebesar 0,88 ≥ 0,70, sehingga variabel perilaku memiliki konsistensi yang baik. Sedangkan variance extracted (VE) yang diperoleh adalah 0,37 < 0,50. Namun, cara ini adalah suatu pilihan atau tidak diharuskan, sehingga cukup hanya dengan melihat nilai CR sebagai ukuran reliabilitas.

2. Uji Validitas dan Reliabilitas Model Teoritis

Setelah terpilih 10 pernyataan yang mewakili model teoritis berdasarkan validitas di atas maka selanjutnya dilakukan validitas dan reliabilitas konstruk pada model teoritis yang dibuat. Berikut ini merupakan output path gambar model teoritis yang dihasilkan dengan estimasi standardized solution dan t-value. (Out put LISREL: Model Teoritis disajikan pada Lampiran 6)

Gambar 4.7

Basic Model Standardized Solution

Gambar 4.8

Basic Model T-Value

Gambar di atas terdiri dari dua konstruk model, yaitu model x dan model y. Model x menunjukkan hubungan variabel eksogen (metakognisi, motivasi dan perilaku) dengan indikator/dimensi konstruknya. Indikator metakognisi yang terdiri dari planning, information management strategies, communication monitoring, debuging strategies, dan evaluation.

Dalam dokumen PENGARUH REGULASI DIRI (METAKOGNISI, MOTIVASI DAN PERILAKU) TERHADAP PRESTASI BELAJAR MATEMATIKA SISWA. (Halaman 44-84)