conducted on the eight items with o

conducted on the eight items with oblimin rotation acrossSample 1in order to check
whether the DUBS indeed consisted of one component. As the robustness of factor
analysis also depends on sample size, the KaiserMeyerOlkin (KMO) measure was
used to assess the adequacy of the sample size for the analysis. For the overall scale
KMO was .84; moreover, the KMO for all individual items was .80 or higher, thus
satisfying the requirement that all KMO values should exceed .5 (Field,2009).
To cross-validate the findings obtained for Sample 1, multiple-group confirmatory factor analysis (CFA) was used to establish the factorial invariance of the model
obtained for Sample 1 acrossSamples 2and3.The fit of the model to the data was
examined with the x
2
goodness-of-fit statistic, the root mean square error of
approximation (RMSEA), the TuckerLewis index (TLI), and the comparative fit
index (CFI). Generally, models with TLI and CFI.90, and RMSEAB.08
represent close fit between the hypothesized model and the data (Hoyle,1995).
Results
Sample 1: principal component analysis
The PCA extracted two factors for the eight items with eigenvalues exceeding 1.0.
The first factor explained 41.9% of the variance, whereas the second factor
accounted for an additional 14.1%. While all items loaded highly on the first factor
(factor loadings varied from .41 to .78), the two items that also loaded highly on the
second factor specifically tapped behavioral manifestations of boredom at work. The
item ‘‘At my work, I spend my time aimlessly’’ loaded .41 on the first factor and
.65 on the second factor. For the item ‘‘At my job, I feel restless,’’ factor loadings of
.50 on the first and .55 on the second factor were found (Table 1). These findings
suggest that these two items tap behaviors that may not be unique to boredom at
work. Furthermore, the correlations between these two items and the remaining six
items were usually less (most rsB.3) than the correlations among these other six
items. On the basis of these results, these two items were omitted from the DUBS.
A PCA of the remaining six items yielded a one-factor solution that accounted for
51.0% of the variance. Cronbach’sashowed high internal consistency (.80), and a
mean item-total correlation of .55 was observed. These findings suggest thatafter
removing two itemsthe DUBS is a reliable, one-dimensional measure of boredom
at work.
Samples 2 and 3: confirmatory factor analyses
Cross-validation of the one-factor model showed a good fit for most fit indices
(x
2
(N1642, df9)357.5; pB.001, TLI.90, CFI.94 in Sample 2;
x
2
(N2331, df9)396.9;pB.001, TLI.92, CFI.95 in Sample 3). However,
for both samples the RMSEA values were slightly off with values of .15 inSample 2
and .14 inSample 3. Although these values indicate relatively poor fit, RMSEA is
highly sensitive to model complexity, with complex models yielding lower RMSEAs
(Kenny & McCoach, 2003; Kline, 2005). To decide whether the model needed
re-specification, we inspected the modification indices. These indicated that model fit
could be increased by allowing the error terms for the items (1) ‘‘At work, time goes
by very slowly’’ and ‘‘It seems as if my working day never ends,’’ and (2) ‘‘During

Hasil (Bahasa Indonesia) 1:

dilakukan pada delapan item dengan oblimin rotasi acrossSample 1 in order untuk memeriksaApakah memang DUBS terdiri dari satu komponen. Sebagai kekokohan faktorAnalisis juga tergantung pada ukuran sampel, ukuran Kaiser Meyer Olkin (KMO)digunakan untuk menilai kecukupan ukuran sampel untuk analisis. Untuk skala keseluruhanKMO adalah. 84; Selain itu, KMO untuk item individu adalah.80 atau lebih tinggi, sehinggamemenuhi persyaratan bahwa semua nilai KMO harus melebihi.5 (Field, 2009).Untuk cross-memvalidasi temuan-temuan yang diperoleh untuk sampel 1, beberapa kelompok konfirmasi faktor Analisis (CFA) digunakan untuk membangun invariance faktorial modelDiperoleh untuk sampel 1 acrossSamples 2and3. Cocok model data adalahdiperiksa dengan x2Statistik kebaikan-dari-fit, kesalahan root mean squarependekatan (RMSEA), indeks Tucker Lewis (TLI) dan komparatif cocokIndeks (CFI). Umumnya, model dengan TLI dan CFI.90, dan RMSEAB.08mewakili pas dekat antara hypothesized model dan data (Hoyle, 1995).HasilContoh 1: Analisis komponen utamaPCA diekstrak dua faktor untuk delapan item dengan eigenvalues melebihi 1.0.Faktor pertama menjelaskan 41. 9% dari varians, sedangkan faktor keduamenyumbang tambahan 14.1%. Sementara semua item dimuat sangat pada faktor pertama(faktor bongkar muat bervariasi dari.41 ke.78), dua item yang juga dimuat sangat dikedua faktor ini khusus disadap perilaku manifestasi dari kebosanan di tempat kerja. Theitem '' di tempat kerja saya, saya menghabiskan waktu saya tanpa tujuan '' dimuat.41 pada faktor pertama dan.65 pada faktor kedua. Untuk item '' di pekerjaan saya, saya merasa gelisah,'' faktor bongkar muat dari.50 pada hari pertama dan.55 pada faktor kedua yang ditemukan (Tabel 1). Temuan inimenyarankan bahwa kedua item tekan perilaku yang tidak mungkin unik untuk kebosanan dibekerja. Selain itu, korelasi antara kedua item dan sisa enamitem yang biasanya kurang (kebanyakan rsB.3) daripada korelasi antara keenam lainnyaitem. Berdasarkan hasil ini, kedua item dihilangkan dari DUBS.PCA sisa barang enam menghasilkan solusi satu-faktor yang menyumbang51.0% varians. Cronbach'sashowed tinggi konsistensi internal (. 80), danberarti item-total korelasi.55 diamati. Temuan ini menunjukkan bahwa setelahmenghapus dua item DUBS adalah handal, dimensi ukuran kebosanandi tempat kerja.Sampel 2 dan 3: konfirmasi faktor AnalisisCross-validation model satu-faktor menunjukkan cocok untuk kebanyakan sesuai indeks(x2(N 1642, df 9) 357.5; pB.001, TLI.90, CFI.94 dalam sampel 2;x2(N 2331, df 9) 396.9; pB.001, TLI 92, CFI 95 dalam sampel 3). Namun,untuk kedua sampel RMSEA nilai-nilai yang sedikit dengan nilai-nilai tahun.15 inSample 2dan.14 inSample 3. Meskipun nilai-nilai ini menunjukkan relatif miskin cocok, RMSEA adalahsangat sensitif terhadap kerumitan model, dengan model kompleks yang menghasilkan RMSEAs lebih rendah(Kenny & McCoach, 2003; Kline, 2005). Untuk memutuskan apakah model diperlukanSpesifikasi kembali, kami memeriksa indeks modifikasi. Ini menunjukkan bahwa model cocokbisa meningkat dengan memungkinkan persyaratan kesalahan untuk barang-barang (1) '' di tempat kerja, waktu berjalandengan sangat perlahan-lahan '' dan '' tampaknya sebagai jika hari kerja saya tidak pernah berakhir '', dan (2) '' selama

Hasil (Bahasa Indonesia) 2:

dilakukan pada delapan item dengan oblimin rotasi acrossSample rangka 1in untuk memeriksa
apakah DUBS memang terdiri dari satu komponen. Sebagai kekokohan faktor
analisis juga tergantung pada ukuran sampel, Olkin (KMO) ukuran Kaiser? Meyer? Itu
digunakan untuk menilai kecukupan ukuran sampel untuk analisis. Untuk skala keseluruhan
KMO adalah 0,84; apalagi, KMO untuk semua item individu adalah 0,80 atau lebih tinggi, sehingga
memenuhi persyaratan bahwa semua nilai KMO melebihi 0,5 (Field, 2009).
Untuk cross-memvalidasi temuan yang diperoleh untuk Contoh 1, beberapa kelompok analisis faktor konfirmatori ( CFA) digunakan untuk menetapkan invarian faktorial dari model
yang diperoleh untuk Contoh 1 acrossSamples 2and3.The fit dari model untuk data itu
diperiksa dengan x
2
kebaikan-of-fit statistik, root mean square error dari
pendekatan (RMSEA) , indeks Tucker? Lewis (TLI), dan cocok perbandingan
indeks (CFI). ? Secara umum, model dengan TLI dan CFI 0,90, dan RMSEAB.08
mewakili cocok dekat antara model hipotesis dan data (Hoyle, 1995).
Hasil
Contoh 1: analisis komponen utama
PCA diekstraksi dua faktor untuk delapan item dengan nilai eigen melebihi 1.0.
Faktor pertama menjelaskan 41,9% dari varians, sedangkan faktor kedua
menyumbang tambahan 14,1%. Sementara semua item dimuat sangat pada faktor pertama
(faktor beban bervariasi 0,41-0,78), dua item yang juga dimuat sangat pada
faktor kedua khusus disadap manifestasi perilaku dari kebosanan di tempat kerja. The
Item '' Di tempat kerja saya, saya menghabiskan waktu saya tanpa tujuan '' dimuat 0,41 pada faktor pertama dan
0,65 pada faktor kedua. Untuk item '' Pada pekerjaan saya, saya merasa gelisah, '' faktor loadings dari
0,50 pada pertama dan 0,55 pada faktor kedua ditemukan (Tabel 1). Temuan ini
menunjukkan bahwa kedua item tekan perilaku yang mungkin tidak unik untuk kebosanan di
tempat kerja. Selanjutnya, korelasi antara kedua item dan enam sisanya
item yang biasanya kurang (paling rsB.3) daripada korelasi antara enam lainnya
item. Atas dasar hasil ini, kedua item dihilangkan dari DUBS tersebut.
Sebuah PCA dari enam item yang tersisa menghasilkan solusi satu-faktor yang menyumbang
51,0% dari varians. Cronbach'sashowed konsistensi internal yang tinggi (0,80), dan
rata-rata item-total korelasi 0,55 diamati. Temuan ini menunjukkan bahwa setelah?
Mengeluarkan dua item yang DUBS adalah handal, ukuran satu dimensi dari kebosanan?
Bekerja.
Sampel 2 dan 3: faktor konfirmatori analisis
Cross-validasi dari model satu faktor menunjukkan cocok untuk paling pas indeks
(x
2
(N 1642, df 9) 357,5;??? pB.001, TLI 0,90, 0,94 CFI di Contoh 2;??
x
2
(N 2331, df 9) 396,9;??? pB.001, TLI? 0,92, CFI? 0,95 di Contoh 3). Namun,
untuk kedua sampel nilai RMSEA yang sedikit off dengan nilai 0,15 inSample 2
dan 0,14 inSample 3. Meskipun nilai-nilai ini menunjukkan fit relatif miskin, RMSEA adalah
sangat sensitif untuk model kompleksitas, dengan model yang kompleks menghasilkan RMSEAs rendah
(Kenny & McCoach 2003; Kline, 2005). Untuk memutuskan apakah model diperlukan
re-spesifikasi, kami memeriksa indeks modifikasi. Ini menunjukkan bahwa model fit
dapat ditingkatkan dengan memungkinkan persyaratan kesalahan untuk item (1) '' Di tempat kerja, waktu berjalan
dengan sangat lambat '' dan '' Tampaknya seolah-olah hari kerja saya tidak pernah berakhir, '' dan (2) '' Selama