DATA
Seorang peneliti ingin menguji tipe-tipe kecerdasan dari teori multiple intelligence yaitu kecerdasan naturalis, musical, logical, existential,
interpersonal, linguistic, dan
intrapersonal. Terdapat delapan tipe yang akan diuji
keunidimensionalitasnya. Peneliti ingin mengetahui apakah seluruh item termasuk
dalam satu dimensi kecerdasan atau terdapat item yang tidak termasuk dalam
kriteria dari kecerdasan. Kuesioner
diberikan kepada 100 responden dengan rentang jawaban 1 sampai dengan 10.
Berikut merupakan data hasil responden.
|
K1
|
K2
|
K3
|
K4
|
K5
|
K6
|
K7
|
K8
|
|
Naturalis
|
Musical
|
Logical
|
Existential
|
Interpersonal
|
Kinesthetic
|
Linguistic
|
Intrapersonal
|
|
9
|
8
|
7
|
9
|
8
|
7
|
7
|
8
|
|
8
|
10
|
9
|
9
|
8
|
9
|
10
|
8
|
|
10
|
9
|
8
|
9
|
8
|
8
|
9
|
10
|
|
6
|
7
|
5
|
7
|
6
|
6
|
6
|
7
|
|
6
|
6
|
8
|
7
|
8
|
8
|
7
|
6
|
|
6
|
5
|
5
|
5
|
6
|
7
|
7
|
6
|
|
7
|
6
|
6
|
5
|
6
|
6
|
7
|
7
|
|
8
|
9
|
9
|
10
|
9
|
8
|
8
|
9
|
|
9
|
9
|
8
|
7
|
7
|
8
|
8
|
8
|
|
10
|
10
|
9
|
8
|
8
|
7
|
7
|
10
|
|
3
|
4
|
5
|
5
|
5
|
4
|
3
|
3
|
|
2
|
3
|
4
|
4
|
4
|
3
|
2
|
2
|
|
5
|
5
|
5
|
6
|
6
|
4
|
5
|
5
|
|
5
|
6
|
6
|
7
|
7
|
5
|
6
|
6
|
|
2
|
2
|
3
|
2
|
3
|
4
|
3
|
2
|
|
2
|
1
|
1
|
3
|
2
|
2
|
3
|
3
|
|
4
|
3
|
3
|
5
|
5
|
3
|
3
|
4
|
|
2
|
1
|
1
|
1
|
3
|
2
|
2
|
3
|
|
4
|
4
|
5
|
3
|
3
|
2
|
2
|
3
|
|
3
|
4
|
5
|
4
|
4
|
3
|
2
|
3
|
|
10
|
9
|
10
|
8
|
9
|
8
|
8
|
10
|
|
9
|
9
|
8
|
7
|
8
|
8
|
9
|
7
|
|
6
|
6
|
7
|
8
|
6
|
8
|
7
|
7
|
|
4
|
4
|
6
|
6
|
5
|
4
|
5
|
6
|
|
5
|
5
|
5
|
4
|
3
|
4
|
5
|
4
|
|
10
|
10
|
9
|
10
|
9
|
10
|
9
|
10
|
|
8
|
9
|
8
|
10
|
8
|
9
|
9
|
10
|
|
5
|
4
|
4
|
3
|
3
|
5
|
5
|
3
|
|
3
|
3
|
3
|
4
|
3
|
3
|
4
|
3
|
|
4
|
4
|
3
|
5
|
3
|
4
|
4
|
5
|
|
1
|
1
|
2
|
3
|
3
|
2
|
2
|
1
|
|
4
|
4
|
3
|
5
|
3
|
4
|
4
|
5
|
|
3
|
3
|
3
|
4
|
3
|
3
|
4
|
3
|
|
1
|
1
|
2
|
3
|
3
|
2
|
2
|
1
|
|
5
|
4
|
4
|
3
|
3
|
5
|
5
|
3
|
|
10
|
10
|
9
|
10
|
9
|
10
|
9
|
10
|
|
8
|
9
|
8
|
10
|
8
|
9
|
9
|
10
|
|
5
|
4
|
4
|
3
|
3
|
5
|
5
|
3
|
|
2
|
1
|
1
|
1
|
3
|
2
|
2
|
3
|
|
4
|
4
|
5
|
3
|
3
|
2
|
2
|
3
|
|
3
|
4
|
5
|
4
|
4
|
3
|
2
|
3
|
|
10
|
9
|
10
|
8
|
9
|
8
|
8
|
10
|
|
9
|
9
|
8
|
7
|
8
|
8
|
9
|
7
|
|
6
|
6
|
7
|
8
|
6
|
8
|
7
|
7
|
|
9
|
8
|
7
|
9
|
8
|
7
|
7
|
8
|
|
8
|
10
|
9
|
9
|
8
|
9
|
10
|
8
|
|
10
|
9
|
8
|
9
|
8
|
8
|
9
|
10
|
|
6
|
7
|
5
|
7
|
6
|
6
|
6
|
7
|
|
6
|
6
|
8
|
7
|
8
|
8
|
7
|
6
|
|
10
|
10
|
9
|
8
|
8
|
7
|
7
|
10
|
|
3
|
4
|
5
|
5
|
5
|
4
|
3
|
3
|
|
2
|
3
|
4
|
4
|
4
|
3
|
2
|
2
|
|
5
|
5
|
5
|
6
|
6
|
4
|
5
|
5
|
|
5
|
6
|
6
|
7
|
7
|
5
|
6
|
6
|
|
2
|
2
|
3
|
2
|
3
|
4
|
3
|
2
|
|
2
|
1
|
1
|
3
|
2
|
2
|
3
|
3
|
|
4
|
3
|
3
|
5
|
5
|
3
|
3
|
4
|
|
2
|
1
|
1
|
1
|
3
|
2
|
2
|
3
|
|
4
|
4
|
5
|
3
|
3
|
2
|
2
|
3
|
|
9
|
8
|
7
|
9
|
8
|
7
|
7
|
8
|
|
8
|
10
|
9
|
9
|
8
|
9
|
10
|
8
|
|
10
|
9
|
8
|
9
|
8
|
8
|
9
|
10
|
|
5
|
4
|
4
|
3
|
3
|
5
|
5
|
3
|
|
3
|
3
|
3
|
4
|
3
|
3
|
4
|
3
|
|
4
|
4
|
3
|
5
|
3
|
4
|
4
|
5
|
|
1
|
1
|
2
|
3
|
3
|
2
|
2
|
1
|
|
4
|
4
|
3
|
5
|
3
|
4
|
4
|
5
|
|
3
|
3
|
3
|
4
|
3
|
3
|
4
|
3
|
|
1
|
1
|
2
|
3
|
3
|
2
|
2
|
1
|
|
5
|
4
|
4
|
3
|
3
|
5
|
5
|
3
|
|
1
|
1
|
1
|
2
|
2
|
2
|
3
|
3
|
|
3
|
3
|
3
|
2
|
1
|
1
|
2
|
2
|
|
4
|
4
|
4
|
4
|
4
|
3
|
3
|
4
|
|
5
|
5
|
6
|
6
|
6
|
6
|
5
|
5
|
|
5
|
4
|
4
|
3
|
3
|
5
|
5
|
3
|
|
3
|
3
|
3
|
4
|
3
|
3
|
4
|
3
|
|
4
|
4
|
3
|
5
|
3
|
4
|
4
|
5
|
|
1
|
1
|
1
|
2
|
2
|
2
|
3
|
3
|
|
3
|
3
|
3
|
2
|
1
|
1
|
2
|
2
|
|
5
|
5
|
4
|
5
|
5
|
4
|
3
|
3
|
|
6
|
5
|
5
|
5
|
6
|
7
|
7
|
6
|
|
7
|
6
|
6
|
5
|
6
|
6
|
7
|
7
|
|
8
|
9
|
9
|
10
|
9
|
8
|
8
|
9
|
|
9
|
9
|
8
|
7
|
7
|
8
|
8
|
8
|
|
10
|
10
|
9
|
8
|
8
|
7
|
7
|
10
|
|
10
|
10
|
10
|
9
|
9
|
8
|
9
|
9
|
|
10
|
10
|
9
|
10
|
9
|
10
|
9
|
10
|
|
8
|
9
|
8
|
10
|
8
|
9
|
9
|
10
|
|
8
|
9
|
9
|
10
|
9
|
8
|
8
|
9
|
|
9
|
9
|
8
|
7
|
7
|
8
|
8
|
8
|
|
10
|
10
|
9
|
10
|
9
|
10
|
9
|
10
|
|
8
|
9
|
8
|
10
|
8
|
9
|
9
|
10
|
|
1
|
1
|
2
|
3
|
3
|
2
|
2
|
1
|
|
4
|
4
|
3
|
5
|
3
|
4
|
4
|
5
|
|
3
|
3
|
3
|
4
|
3
|
3
|
4
|
3
|
|
1
|
1
|
2
|
3
|
3
|
2
|
2
|
1
|
|
5
|
4
|
4
|
3
|
3
|
5
|
5
|
3
|
|
1
|
1
|
1
|
2
|
2
|
2
|
3
|
3
|
|
3
|
3
|
3
|
2
|
1
|
1
|
2
|
2
|
|
4
|
4
|
4
|
4
|
4
|
3
|
3
|
4
|
STATISTIK
DESKRIPSI
|
Descriptive
Statistics
|
||||||||
|
|
N
|
Minimum
|
Maximum
|
Mean
|
Std.
Deviation
|
Variance
|
Skewness
|
|
|
Statistic
|
Statistic
|
Statistic
|
Statistic
|
Statistic
|
Statistic
|
Statistic
|
Std.
Error
|
|
|
K6
|
100
|
1.00
|
10.00
|
5.1700
|
2.62103
|
6.870
|
.216
|
.241
|
|
K5
|
100
|
1.00
|
9.00
|
5.2000
|
2.46593
|
6.081
|
.181
|
.241
|
|
K3
|
100
|
1.00
|
10.00
|
5.2500
|
2.65670
|
7.058
|
.147
|
.241
|
|
K7
|
100
|
2.00
|
10.00
|
5.3000
|
2.58394
|
6.677
|
.220
|
.241
|
|
K2
|
100
|
1.00
|
10.00
|
5.3300
|
3.00859
|
9.052
|
.227
|
.241
|
|
K1
|
100
|
1.00
|
10.00
|
5.3600
|
2.90774
|
8.455
|
.245
|
.241
|
|
K8
|
100
|
1.00
|
10.00
|
5.3800
|
2.92941
|
8.581
|
.322
|
.241
|
|
K4
|
100
|
1.00
|
10.00
|
5.5700
|
2.69401
|
7.258
|
.255
|
.241
|
|
Valid N (listwise)
|
100
|
|
|
|
|
|
|
|
Berdasarkan pada tabel diatas, dapat
diketahui bahwa seluruh responden mengisi kuesioner tanpa ada butir yang
dikosongkan. Secara keseluruhan rata-rata skor responden adalah 5. Mean
terendah yaitu 5,17 untuk kecerdasan tipe kinestetik dan tertinggi 5,57 untuk
kecerdasan tipe intrapersonal. Varians tertinggi adalah 9,052 untuk kecerdasan
musik.
A. MATRIKS KORELASI
Korelasi antar variabel bisa dilihat pada
tabel dibawah. Tabel tersebut menunjukan korelasi tertinggi ada pada korelasi
antara K1 dengan K2 yaitu 0,969. Korelasi terendah ditunjukan oleh K1 dengan K4
yaitu 0,87 yang secara keseluruhan masing-masing item memiliki koreasi yang
tinggi.
|
Correlation
Matrixa
|
|||||||||
|
|
K1
|
K2
|
K3
|
K4
|
K5
|
K6
|
K7
|
K8
|
|
|
Correlation
|
K1
|
1.000
|
.969
|
.926
|
.870
|
.890
|
.909
|
.916
|
.937
|
|
K2
|
.969
|
1.000
|
.961
|
.921
|
.915
|
.921
|
.923
|
.939
|
|
|
K3
|
.926
|
.961
|
1.000
|
.897
|
.930
|
.905
|
.882
|
.890
|
|
|
K4
|
.870
|
.921
|
.897
|
1.000
|
.936
|
.900
|
.886
|
.927
|
|
|
K5
|
.890
|
.915
|
.930
|
.936
|
1.000
|
.909
|
.883
|
.909
|
|
|
K6
|
.909
|
.921
|
.905
|
.900
|
.909
|
1.000
|
.965
|
.905
|
|
|
K7
|
.916
|
.923
|
.882
|
.886
|
.883
|
.965
|
1.000
|
.915
|
|
|
K8
|
.937
|
.939
|
.890
|
.927
|
.909
|
.905
|
.915
|
1.000
|
|
|
Sig. (1-tailed)
|
K1
|
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
K2
|
.000
|
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
|
K3
|
.000
|
.000
|
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
|
K4
|
.000
|
.000
|
.000
|
|
.000
|
.000
|
.000
|
.000
|
|
|
K5
|
.000
|
.000
|
.000
|
.000
|
|
.000
|
.000
|
.000
|
|
|
K6
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
.000
|
.000
|
|
|
K7
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
.000
|
|
|
K8
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
.000
|
|
|
|
a. Determinant = 1.970E-8
|
|||||||||
KMO and
BARTLETT’S TEST
|
KMO and
Bartlett's Test
|
||
|
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
|
.888
|
|
|
Bartlett's Test of Sphericity
|
Approx. Chi-Square
|
1694.438
|
|
df
|
28
|
|
|
Sig.
|
.000
|
|
Keterangan:
Menurut Wibisono
(2003) kriteria kesesuaian dalam pemakaian analisis faktor adalah:
·
Jika
harga KMO sebesar 0,9 berarti sangat memuaskan,
·
Jika
harga KMO sebesar 0,8 berarti memuaskan,
·
Jika
harga KMO sebesar 0,7 berarti harga menengah,
·
Jika
harga KMO sebesar 0,6 berarti cukup,
·
Jika
harga KMO sebesar 0,5 berarti kurang memuaskan, dan
·
Jika
harga KMO kurang dari 0,5 tidak dapat diterima.
Besaran Nilai Barlett Test of Sphericity dan Nilai
Keiser-Meyers-Oklin (KMO) Measure of Sampling Aduquacy Uji adalah sebagai
berikut:
Hasil
perhitungan menunjukkan besaran nilai Barlett Test of Sphericity adalah
1694,438 pada signifikan 0,000 yang berarti pada penelitian ini ada korelasi
yang sangat signifikan antar variabel dan hasil perhitungan KMO sebesar 0,888
sehingga kecukupan sampel termasuk kategori yang memuaskan. Angka KMO sebesar
0,888 (lebih besar dari 0,5) menunjukan bahwa sampel yang diambil sudah cukup
memadai. Angka signifikansi sebesar 0,000 (lebih kecil dari 0,05) menunjukan
bahwa variabel penelitian dapat diprediksi dan dianalisis lebih lanjut.
ANTI IMAGE
MATRICES
|
Anti-image
Matrices
|
|||||||||
|
|
K1
|
K2
|
K3
|
K4
|
K5
|
K6
|
K7
|
K8
|
|
|
Anti-image Covariance
|
K1
|
.040
|
-.018
|
.002
|
.025
|
-.008
|
-.004
|
-.002
|
-.022
|
|
K2
|
-.018
|
.022
|
-.020
|
-.017
|
.011
|
.004
|
-.006
|
-.002
|
|
|
K3
|
.002
|
-.020
|
.050
|
.008
|
-.029
|
-.009
|
.009
|
.012
|
|
|
K4
|
.025
|
-.017
|
.008
|
.064
|
-.032
|
-.008
|
.002
|
-.027
|
|
|
K5
|
-.008
|
.011
|
-.029
|
-.032
|
.071
|
-.009
|
.003
|
-.009
|
|
|
K6
|
-.004
|
.004
|
-.009
|
-.008
|
-.009
|
.051
|
-.039
|
.006
|
|
|
K7
|
-.002
|
-.006
|
.009
|
.002
|
.003
|
-.039
|
.054
|
-.010
|
|
|
K8
|
-.022
|
-.002
|
.012
|
-.027
|
-.009
|
.006
|
-.010
|
.063
|
|
|
Anti-image Correlation
|
K1
|
.875a
|
-.618
|
.050
|
.495
|
-.146
|
-.089
|
-.048
|
-.428
|
|
K2
|
-.618
|
.850a
|
-.617
|
-.441
|
.290
|
.113
|
-.170
|
-.047
|
|
|
K3
|
.050
|
-.617
|
.887a
|
.134
|
-.480
|
-.183
|
.182
|
.219
|
|
|
K4
|
.495
|
-.441
|
.134
|
.868a
|
-.468
|
-.136
|
.037
|
-.425
|
|
|
K5
|
-.146
|
.290
|
-.480
|
-.468
|
.906a
|
-.154
|
.052
|
-.139
|
|
|
K6
|
-.089
|
.113
|
-.183
|
-.136
|
-.154
|
.899a
|
-.747
|
.098
|
|
|
K7
|
-.048
|
-.170
|
.182
|
.037
|
.052
|
-.747
|
.898a
|
-.171
|
|
|
K8
|
-.428
|
-.047
|
.219
|
-.425
|
-.139
|
.098
|
-.171
|
.926a
|
|
|
a. Measures of Sampling Adequacy(MSA)
|
|||||||||
Keterangan:
Menurut Santoso
(2002) angka MSA berkisar antara 0 sampai dengan 1, dengan kriteria yang
digunakan untuk intepretasi adalah sebagai berikut:
Jika MSA= 1,
maka variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel yang
lainnya. Jika MSA lebih besar dari setengah 0,5 maka variabel tersebut masih
dapat diprediksi dan bisa dianalisis lebih lanjut. Jika MSA lebih kecil dari
setengah 0,5 dan atau mendekati nol (0), maka variabel tersebut tidak dapat di
analisis lebih lanjut, atau dikeluarkan dari variabel lainnya. Berdasarkan
tabel Anti-image Matrices diketahui bahwa nilai MSA lebih besar dari 0,5 untuk
kedelapan item sehingga kedelapan item tersebut masih bisa diprediksi dan
dianalisis lebih lanjut.
COMMUNALITIES
|
Communalities
|
||
|
|
Initial
|
Extraction
|
|
K1
|
1.000
|
.928
|
|
K2
|
1.000
|
.962
|
|
K3
|
1.000
|
.922
|
|
K4
|
1.000
|
.908
|
|
K5
|
1.000
|
.917
|
|
K6
|
1.000
|
.927
|
|
K7
|
1.000
|
.916
|
|
K8
|
1.000
|
.929
|
|
Extraction Method: Principal Component Analysis.
|
||
Keterangan:
Communalities
menunjukkan sumbangan efektif tiap item terhadap faktor yang terbentuk.
Variabel [1] Naturalis, variabel tersebut memberikan sumbangan sebesar 92,8% terhadap
faktor yang terbentuk, sehingga aapat dikatakan item ini cukup baik karena
mampu menjelaskan sebagian besar varian didalam faktor 1 yang terbentuk.
Variabel [2] Musical, variabel tersebut memberikan sumbangan sebesar 96,2%
terhadap faktor yang terbentuk. Variabel [3] Logical, variabel tersebut
memberikan sumbangan sebesar 92,2% terhadap faktor yang terbentuk. Variabel [4]
Existential, variabel tersebut memberikan sumbangan sebesar 90,8% terhadap
faktor yang terbentuk. Variabel [5] Interpersonal, variabel tersebut memberikan
sumbangan sebesar 91,7% terhadap faktor yang terbentuk. Variabel [6] Kinestetik,
variabel tersebut memberikan sumbangan sebesar 92,7% terhadap faktor yang terbentuk.
Variabel [7] Linguistik, variabel tersebut memberikan sumbangan sebesar 91,6%
terhadap faktor yang terbentuk, dan variabel [8] Intrapersonal memberikan
sumbangan sebesar 92,9% terhadap faktor yang terbentuk.
TOTAL VARIANCE
EXPLAINED
|
Total
Variance Explained
|
||||||
|
Component
|
Initial
Eigenvalues
|
Extraction
Sums of Squared Loadings
|
||||
|
Total
|
% of
Variance
|
Cumulative
%
|
Total
|
% of
Variance
|
Cumulative
%
|
|
|
1
|
7.410
|
92.621
|
92.621
|
7.410
|
92.621
|
92.621
|
|
2
|
.177
|
2.216
|
94.838
|
|
|
|
|
3
|
.157
|
1.964
|
96.802
|
|
|
|
|
4
|
.119
|
1.491
|
98.293
|
|
|
|
|
5
|
.061
|
.762
|
99.055
|
|
|
|
|
6
|
.032
|
.401
|
99.457
|
|
|
|
|
7
|
.030
|
.372
|
99.828
|
|
|
|
|
8
|
.014
|
.172
|
100.000
|
|
|
|
|
Extraction Method: Principal Component Analysis.
|
||||||
Keterangan:
Total Variance
Explained adalah persentase varian konstrak ukur yang dapat dijelaskan oleh
pembagian faktor. Dari kolom initial eigenvalues pada sub kolom cumulative,
terlihat bahwa pemecahan atau pereduksian 8 item menjadi 1 faktor dapat
menjelaskan 92,621% varian. Eigen value menunjukkan kepentingan relative
masing-masing faktor dalam menghitung variansi ke delapan variabel awal yang
dianalisis. Jumlah angka eigenvalues untuk kedelapan variabel adalah sama
dengan total variansi kedelapan variabel, atau 7,41 + 0,117 + 0,157 + 0,119 + 0,061
+ 0,032 + 0,030 + 0,014 = 8. Susunan eigen value yang lebih besar dari 1 ada 1
sehingga faktor yang terbentuk adalah satu faktor (unidimensional).
KOMPONEN MATRIKS
|
Component
Matrixa
|
|
|
|
Component
|
|
1
|
|
|
K1
|
.963
|
|
K2
|
.981
|
|
K3
|
.960
|
|
K4
|
.953
|
|
K5
|
.957
|
|
K6
|
.963
|
|
K7
|
.957
|
|
K8
|
.964
|
|
Extraction Method: Principal Component Analysis.
|
|
|
a. 1 components extracted.
|
|
Keterangan:
Componen matrik
menunjukkan distribusi kedelapan variabel awal pada 1 faktor yang terbentuk.
Angka-angka pada tabel adalah bobot faktor (factor
loading), yang menunjukan besarnya korelasi antara variabel awal dengan
faktor yang terbentuk . Berdasarkan tabel diatas maka dapat dijelaskan
bahwa korelasi antara tipe kecerdasan
“Naturalis” dengan faktor 1 adalah 0,963 (kuat karena di atas 0,5). Korelasi
antara tipe kecerdasan “Musical” dengan faktor 1 adalah 0,981 (kuat karena di
atas 0,5). Korelasi antara tipe kecerdasan “Logical” dengan faktor 1 adalah
0,96 (kuat karena di atas 0,5). Korelasi
antara tipe kecerdasan “Existential” dengan faktor 1 adalah 0,953 (kuat karena
di atas 0,5). Korelasi antara tipe
kecerdasan “Interpersonal” dengan faktor 1 adalah 0,957 (kuat karena di atas
0,5). Korelasi antara tipe kecerdasan
“Kinesthetic” dengan faktor 1 adalah 0,963 (kuat karena di atas 0,5). Korelasi antara tipe kecerdasan “Linguistic”
dengan faktor 1 adalah 0,957 (kuat karena di atas 0,5). Korelasi antara tipe
kecerdasan “Intrapersonal” dengan faktor 1 adalah 0,964 (kuat karena di atas
0,5).
SCREE PLOT
Kurva di bawah
dapat memperjelas tentang berapa jumlah faktor yang terbentuk melalui jumlah
gradien yang terbentuk dari scree plot. Dari kedelapan item yang disajikan
untuk menggali multiple intelligence
terdapat 1 gradien yang dominan pada scree plot, ini menegaskan bahwa pada
kasus ini instrumen yang digunakan mempunyai sifat mengukut keadaan yang unidimensional.
Kesimpulan:
Variabel/item yang dipakai untuk mengukur tipe kecerdasan bersifat unidimensional sehingga memenuhi kriteria validitas konstruk.
