Category Archives: Confirmatory Factor Analysis

Tutorial LISREL 2nd CFA Komitmen

TUTORIAL LISREL
CONFIRMATORY FACTOR ANALYSIS
KASUS KOMITMEN ORGANISASI
 
 
By HENDRY
Phone : 021-8341 4694 / 0856-9752-3260
Email : openstatistik@yahoo.co.id

NOTE :

Data Yang Digunakan Adalah Data Fiktif Dan Hanya Dipergunakan Untuk Kepentingan Tutorial

Operasionalisasi Variabel

Pengukuran komitmen mengadaptasi 3 dimensi komitmen dari Meyer, Allen, & Smith (1993) dan Meyer & Allen (1997). Sementara kuesioner, mengadaptasi sebagian dari The Organizational Commitment Questionnaire (OCQ) yang dikembangkan oleh Meyer, Allen, & Smith (1993) dan Meyer & Allen (1997) dari yang semula berjumlah 18 pertanyaan menjadi 15 pertanyaan dengan berbagai penyesuaian.

Download Tutorial

SECOND ORDER CONFIRMATORY FACTOR ANALYSIS (1)

SECOND ORDER CONFIRMATORY FACTOR ANALYSIS (2nd CFA)

With LISREL : Chapter 1

  BY Hendry

http://teorionline.wordpress.com/

PENDAHULUAN

Second Order Confirmatory Factor Analysis merupakan model pengukuran dua tingkat dari CFA. Jika pada tutorial 1 dan tutorial 2 kita menggunakan model fist order, maka pada tutorial ini kita akan membahas mengenai dua contoh kasus second order CFA. (baca mengenai pengenalan CFA disini)

CONTOH KASUS 

Kita mengadaptasi sebagian dari operasionalisasi variabel motivasi pencapaian menurut Sekaran (2006:7) meliputi

Read the rest of this entry

CONFIRMATORY FACTOR ANALYSIS with LISREL (2)

CONFIRMATORY FACTOR ANALYSIS

(ANALISIS FAKTOR KONFIRMATORI)

Dengan LISREL

Chapter 2

BY Hendry

http://teorionline.wordpress.com/

Dibagian pertama kita sudah latihan CFA dengan konstruk tunggal. Latihan kedua ini selanjutnya akan menggunakan dua konstruk yaitu kepemimpinan dan motivasi.

KEPEMIMPINAN TRANSFORMASIONAL

Dimensi pengukuran Egri dan Herman, (2000)

LEAD1 = Attributed charisma (karisma)

LEAD2 = Idealized influence  (pengaruh ideal)

LEAD3 = Inspirational motivation  (motivasi dan menginspirasi)

LEAD4 = Intelectual stimulation (stimulasi intelektual)

LEAD5 = Individualized consideration (perhatian terhadap individu)

MOTIVASI

Dimensi pengukuran motivasi Sekaran (2003) meliputi

MOT1    = Perilaku digerakkan oleh kerja (driven by work),

MOT2    = Tidak suka bersantai (unable to relax),

MOT3    = Tidak suka ketidakefektivan (impatience with inefffectiveness),

MOT4    = Menyukai tantangan (seeks moderate challenge).

MOT5    = Menyukai umpan balik (seeks feedbacks)

Jumlah sampel adalah 120 orang karyawan PT. XTZ

PENYELESAIKAN

Catatan : data dalam bentuk CSV disimpan di folder C:\LATIHAN\LATIHAN2\LEADMOT.CSV

Tahap 1

Mengimport Data.

File – Import Data in Free Format

Lalu pilih data “LEADMOT.csv” seperti pada tampilan di bawah

Tampilan setelah data berhasil diimport

Simpan Prelis dengan nama “latihan 2.psf”

Tahap 2

MEMANGGIL DATA PRELIS

Pilih File – NEW – Simplis Project / Syntax Only

Beri nama Latihan 2

Setting :

Klik SET UP – pilih VARIABLES

Pada box Observed Variables..pilih Add/Read Variables

Pilih PRELIS System File, lalu cari dimana anda menyimpan file “leadmot.PSF”

Pada observed variables sudah terlihat 10 variabel. Klik Add Latent Variabel, beri nama “LEAD” dan “MOT”. Klik NEXT

Masukkan jumlah observasi 120, Klik OK

Tahap 3

Menyiapkan Syntax Pada Simplis

Klik SETUP lalu pilih BUILD SIMPLIS SYNTAX

Lengkapi Syntax seperti contoh berikut :

Run LISREL.

Download OUTPUT LISREL CFA 2

HASIL DAN PEMBAHASAN

Standardized Estimate

EVALUASI GOODNESS OF FIT

Hasil analisis pengolahan data terlihat bahwa konstruk yang digunakan untuk membentuk sebuah model penelitian, pada proses analisis faktor konfirmatori telah memenuhi kriteria goodness of fit yang telah ditetapkan. Nilai probability pengujian goodness of fit menunjukkan nilai 0.079 (> 0.05) menunjukkan model sudah baik, dan hasil kecocokan model yang diprediksikan dengan nilai-nilai pengamatan lainnya sudah memenuhi syarat seperti terlihat pada data di bawah ini (parameter goodness of fit baca disini):

Normed Fit Index (NFI) = 0.98

Non-Normed Fit Index (NNFI) = 0.99

Comparative Fit Index (CFI) = 0.99

Incremental Fit Index (IFI) = 0.99

Relative Fit Index (RFI) = 0.98

Goodness of Fit Index (GFI) = 0.93

VALIDITAS INDIKATOR

Tiap-tiap indikator dari masing-masing variabel laten sudah memenuhi syarat yaitu loading factor diatas 0.40 sehingga dapat diterima, nilai loading factor masing-masing sebagai berikut: pada variabel peran kepemimpinan LEAD1: Attributed charisma mempunyai loading factor (0,80), LEAD2: pengaruh ideal (0,83), LEAD3: motivasi dan menginspirasi (0,83), LEAD4: stimulasi intelektual (0,83), dan LEAD5: perhatian terhadap individu (0,85).

Loading faktor pada indikator motivasi juga memperlihatkan bahwa seluruh indikator valid, besran loading faktor untuk MOT1 : Perilaku digerakkan oleh kerja (0.92), MOT2 : Tidak suka bersantai (0.89), MOT3  : Tidak suka ketidakefektivan (0.87), MOT4  : Menyukai tantangan (0.89), dan MOT5: Menyukai umpan balik (0.82).

Kemudian regression weight atau standardized estimate dari konstruk ini yang signifikan dengan nilai t hitung > 1.96 (pada taraf signifikansi 5%). Hasil dari uji t dapat dilihat sebagai berikut :

RELIABILITAS

Uji reliabilitas menunjukkan sejauh mana suatu alat ukur yang dapat memberikan hasil yang relative sama apabila dilakukan pengukuran kembali pada obyek yang sama. Reliabilitas dihitung dengan formula Variance Extract dan Contruct Reliability dengan rumus sbb :

Rumus CR

Rumus VE

Semakin besar nilai ini, menunjukkan bahwa indikator-indikator penyusun bagi suatu peubah laten merupakan indikator-indikator yang handal dalam mengukur peubah laten tersebut. Nilai kehandalan konstruk yang disarankan adalah lebih besar dari 0,7. Sedangkan ukuran kelayakan variance extracted yang disarankan adalah lebih besar dari 0,5.

Hasil Perhitungan

Untuk menghitung CR dan VE digunakan nilai completely standard solution berikut ini :

Catatan : untuk menampilkan output Compeletely Standard Solution, pada syntax anda tambahkan Options: SC

Construct Reliability kepemimpinan

R = (0.80+0.83+0.83+0.83+0.85 )2 / (0.80+0.83+0.83+0.83+0.85 )2 + (0.20+0.17+0.17+0.17+0.15)

R = 4.142 / 4.142 + 0.86

R = 0.86

Variance Extract kepemimpinan

R = (0.802+0.832+0.832+0.832+0.852 ) / (0.802+0.832+0.832+0.832+0.852 ) + (0.20+0.17+0.17+0.17+0.15)

R = 0.799

Hasil perhitungan menunjukkan bahwa contruct reliability sebesar 0.86 (> 0.70), dan Variance Extract 0.799 (> 0.5), dengan demikian dapat disimpulkan bahwa reliabilitas pada konstruk kepemimpinan telah terpenuhi.

Untuk CR dan VE motivasi silahkan di hitung sendiri

Selanjutnya ; Second Order CFA

Referensi :

Setyo Hari Wijanto. 2008. SEM dengan LISREL 8.8. Yogyakarta : Graha Ilmu

CONFIRMATORY FACTOR ANALYSIS with LISREL (1)

CONFIRMATORY FACTOR ANALYSIS

(ANALISIS FAKTOR KONFIRMATORI)

Dengan LISREL

CONTOH 1

BY Hendry

Seperti dijelaskan sebelumnya, CFA ditujukan untuk menguji validitas dan reliabilitas konstruk. Dalam kesempatan ini, saya akan memberikan contoh bagaimana melakukan uji CFA dengan menggunakan LISREL.

Variabel yang akan diuji adalah variabel motivasi yang terdiri dari 5 indikator. Jumlah sampel adalah 124 dengan skala pengukuran rating 1 s/d 7.

TAHAP 1

Operasionalisasi Variabel

MOTIVASI

Dimensi pengukuran motivasi Sekaran (2003:179) meliputi

  1. Perilaku digerakkan oleh kerja (driven by work),
  2. Tidak suka bersantai (unable to relax),
  3. Tidak suka ketidakefektivan (impatience with inefffectiveness),
  4. Menyukai tantangan (seeks moderate challenge).
  5. Menyukai umpan balik (seeks feedbacks)

TAHAP 2

Data disimpan dengan nama “motivasi.csv” yang berada pada folder C:\BELAJAR\LATIHAN 1

1. Mengimport Data.

File – Import Data in Free Format

Lalu pilih data “motivasi.csv” seperti pada tampilan di bawah

Tampilan setelah data berhasil diimport

2. MEMANGGIL DATA PRELIS

Klik SET UP – pilih VARIABLES

Pada box Observed Variables..pilih Add/Read Variables

Pilih PRELIS System File, lalu cari dimana anda menyimpan file “motivasi.PSF”

Pada observed variables sudah terlihat 5 variabel. Klik Add Latent Variabel, beri nama “MOTIVASI:.

Klik NEXT, lalu pada kotak Number of Observation..masukkan jumlah observasi (dalam contoh ini adalah 124), lalu klik OK

TAHAP 3

Siapkan Simplis :

Klik File à New à Simplis Project

Beri nama Latihan1

Menyiapkan Syntax Pada Simplis

Klik SETUP lalu pilih BUILD SIMPLIS SYNTAX

Lengkapi Syntax seperti contoh berikut :

Run LISREL, sehingga tampil seperti output berikut ini :

Tampilan Diagram Lintasan Model Motivasi  (Standardized Solution)

Tampilan Signifikansi Jalur (uji t)

INTERPRETASI

Evaluasi Goodness of Fit

Hasil analisis pengolahan data terlihat bahwa konstruk yang digunakan untuk membentuk sebuah model penelitian, pada proses analisis faktor konfirmatori sudah memenuhi kriteria goodness of fit yang telah ditetapkan. Nilai probability pengujian goodness of fit menunjukkan nilai 0.52064 (< 0.05), dan RMSEA 0.000 (< 0.08). Hasil uji kecocokan model yang lain seperti CGI, GFI, AGFI, RFI juga memperlihatkan nilai > 0.90 sehingga model dinyatakan fit.

Evaluasi Validitas Indikator

Berdasarkan tampilan dapat dilihat hasil tiap-tiap indikator dari masing-masing variabel laten sudah memenuhi syarat yaitu loading factor diatas 0.50 sehingga dapat diterima, nilai loading factor masing-masing sebagai berikut: pada Perilaku digerakkan oleh kerja (0.85), Tidak suka bersantai (0.73), Tidak suka ketidakefektivan (0.77), Menyukai tantangan (0.88), dan Menyukai umpan balik (0.84). Hasil uji validitas dengan memperhatikan loading faktor juga relevan dengan uji t yang menunjukkan nilai t hitung > t kritis.

LISREL Estimates (Maximum Likelihood)

Dari tampilan di atas dapat diketahui bahwa seluruh indikator signifikan. Seluruh indikator memiliki nilai R2 > 0.5. Kontribusi terbesar dari lima indikator adalah pada indikator 1 dan 4 (MOT1 dan MOT4) dengan masing-masing R2 sebesar 0.72. Nilai R2 pada masing-masing persamaan pengukuran menurut Joreskog dan Sorbom (dalam Ghozali, 2008) merepresentasikan reliabilitas indikator. Sehingga dari 5 indikator tersebut dapat dinyatakan indikator pertama dan ke empat adalah paling reliabel.

Karena model fit, loading factor > 0.5, t hitung > 2.58, dan nilai reliabilitas yang cukup baik pada masing-masing indikator maka model ini tidak memerlukan perbaikan/modifikasi lebih lanjut.

Terlihat mudah kan ?? Silahkan dicoba

Selanjutnya : CFA with LISREL contoh 2

Kriteria Goodness of Fit

  1. Chi Square. Tujuan analisis ini adalah mengembangkan dan menguji apakah sebuah model yang sesuai dengan data. Chi Square sangat bersifat sensitif terhadap sampel yang terlalu kecil maupun yang terlalu besar. Oleh karenanya pengujian ini perlu dilengkapi dengan alat uji lainnya. nilai Probability Chi-squares > 0.05 menandakan data empiris identik dengan teori/model
  2. Goodness Of Fit Indeks (GFI) adalah Indeks yang mnggambarkan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat dari model  yang diprediksi dibandingkan data yang sebenarnya. Nilai GFI > 0,90 mengisyaratkan model yang diuji memiliki kesesuaian yang baik.
  3. Root Mean Square Error of Approximation (RMSEA). RMSEA merupakan ukuran yang mencoba memperbaiki kecenderungan statistic chi ssquare menolak model dengan jumlah sampel yang besar. Nilai RMSEA antara 0,05 dan 0,08 mengindikasikan indeks yang baik untuk menerima kesesuaian sebuah model .
  4. Adjusted Goodness Fit Of Index (AGFI). Indeks ini merupakan pengembangan dari Goodness Fit Of Index (GFI) yang telah disesuaikan dengan ratio dari degree of freedom (Ghozali dan Fuad, 2005: 31). Analog dengan R2 pada regresi berganda. Nilai yang direkomendasikan adalah AFGI > 0,90, semakin besar nilai AFGI maka semakin baik kesesuaian yang dimiliki model.
  5. Tucker Lewis Index (TLI) TLI merupakan indeks kesesuaian incremental yang membandingkan model yang diuji dengan baseline model. TLI digunakan untuk mengatasi permasalahan yang timbul akibat kompleksitas model. Nilai penerimaan yang direkomendasikan adalah nilai TLI > 0,90. TLI merupakan indeks yang kurang dipengaruhi oleh ukuran sampel
  6. Normed Fit Index (NFI). Indeks ini juga merupakan ukuran perbandingan antara proposed model dan null model . Nilai yang direkomendasikan adalah NFI > 0,90.
  7. Comparative Fit Index (CFI). CFI juga merupakan indeks kesesuaian incremental. Besaran indeks ini adalah dalam rentang 0 sampai 1 dan nilai yang mendekati 1 mengindikasikan model memiliki tingkat kesesuaian yang baik. Indeks ini sangat dianjurkan untuk dipakai karena indeks ini relatif tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi oleh kerumitan model. Nilai penerimaan yang direkomendasikan adalah CFI > 0,90

Referensi :

Ghozali dan Fuad. 2008. SEM. Teori dan Konsep denngan Program LISREL 8.80. Semarang : BP-Undip. Page : 29 – 34

dan sumber lainnya

CONFIRMATORY FACTOR ANALYSIS (introduction)

CONFIRMATORY FACTOR ANALYSIS (ANALISIS FAKTOR KONFIRMATORI) : dengan LISREL dan AMOS

BY Hendry

Pendahuluan

Koefisien Cronbach Alpha merupakan salah satu uji reliabilitas instrument yang banyak digunakan. Metode lainnya adalah Confirmatory Factor Analysis (CFA)

CFA menurut Joreskog dan Sorborn (1993) digunakan untuk menguji unidimensional, validitas dan reliabilitas model pengukuran konstruk yang tidak dapat diukur langsung. Model pengukuran atau disebut juga model deskriptif (Ferdinant, 2002), measurement theory (Hair, dkk, 2006), atau confirmatory factor model (Long, 1983) yang menunjukkan operasionalisasi variabel atau konstruk penelitian menjadi indikator-indikator terukur yang dirumuskan dalam bentuk persamaan dan atau diagram jalur tertentu (dalam Kusnendi, 2008:98)

Tujuan CFA adalah untuk mengkonfirmasikan atau menguji model, yaitu model pengukuran yang perumusannya berasal dari teori. Sehingga, CFA bisa dikatakan memiliki dua focus kajian yaitu : (1) apakah indikator-indikator yang dikonsepsikan secara unidimensional, tepat, dan konsisten; (2) indikator-indikator apa yang dominan membentuk konstruk yang diteliti.

Read the rest of this entry