Pada postingan yang lalu yaitu menguji validitas faktorial konstruk laten. Bahwa model penelitian yang dilakukan oleh Byrne dan Worth Gavin (1996) menguji tentang multidimensionalitas dari konstruk Selft Concept (SC) yang terdiri dari empat faktor yaitu general (GSC), academic (ASC), english (ESC) dan mathematic (MSC) dikatakan model peneltian tersebut dapat diterima (fit). Maka untuk selanjutnya dapat dilakukan analisis parameter estimasi.
Kelayakan Estimasi Parameter.
Langkah awal dalam menilai apakah parameter individual dalam model fit atau tidak, dadpat diketahui dari nilai estimasi korelasi lebih besar dari 1 dan adanya nilai variance yang negatif (karena variance merupakan nilai kuadrat, dengan demikian nilainya harus selalu positif) serta adanya matrik kovarian atau korelasi yang tidak positif definite. Dari output pada tabel 1 dan tabel 2 di bawah ini dapat dilihat bahwa tidak ada satupun nilai korelasi atau kovarian antar variabel yang bernilai lebih dari satu dan juga tidak ada nilai variance yang negatif. Dengan demikian model tersebut dikatakan fit.
Kesesuaian Standard Errors (SE).
Kriteria lainnya adalah terdapatnya nilai SE sangat besar atau sangat kecil. Jika SE mendekati nol maka uji statistik untuk parameter tidak dapat didefinisikan (Bentler, 1995), begitu juga dengan nilai SE yang sangat besar mengindikasikan nilai parameter tidak dapat ditentukan (Joreskog & Sorbom, 1989) hal ini dikarenakan SE dipengaruhi oleh unit pengukuran pada variabel manifest dan atau variabel laten. Dari output pada tabel 2 dan tabel 3 dapat dilihat bahwa tidak ada satupun nilai SE yang bernilai lebih kecil dari nol dan lebih besar dari satu. Dengan demikian model tersebut dikatakan fit.
Signifikansi Estimasi Parameter.
Hasil regresi dari varabel indikator ke variabel laten semua signifikan begitu juga dengan kovarian antar variabel laten juga signifikan, seperti ditunjukkan pada tabel 3 dan tabel 4. Jadi dapat disimpulkan bahwa Self Concept dapat dijelaskan oleh 4 faktor GSC, ASC, ESC dan MSC. Untuk menguji konstruk laten unidimensional atau apakah indikator-indikator pengukur kontruk valid, antara lain jika semua indikator tersebut signifikan secara statistik dan nilai convergent validity atau loading factor (standardized regressio weight) masing-masing indikator di atas 0,5. Dengan menggunakan loading kriteria convergent validity 0,5 maka hanya satu loading factor indikator sdqn34 yang dibawah nilai 0,5 (standardized loading). Indikator ini sebaiknya didrop karena dianggap tidak valid mengukur konstruk ESC (lihat tabel 5).
Analisis Faktor Konfirmatori dan Validitas Konstruk.
Validitas konstruk mengukur sampai seberapa jauh ukuran indikator mampu merefleksikan konstruk laten teorinya. Jadi validitas konstuk memberikan kepercayaan bahwa ukuran indikator yang diambil dari sampel menggambarkan skor sesungguhnya di dalam populasi. Inilah manfaat utama dari CFA. Dalam hal ini ada empat ukuran penting dari CFA yaitu
Convergent Validity.
Item atau indikator suatu konstruk laten harus convergent atau share (berbagi) proporsi varian yang tinggi dan ini disebut convergent validity. Untuk mengukurnya dapat dilihat dari nilai faktor loadingnya yang tinggi (di atas 0,5 atau di atas 0,7) pada suatu factor (konstruk laten) yang menunjukkan bahwa mereka convergent pada satu titik. Bila terdapat factor yang rendah seharusnya dikeluarkan untuk analisis selanjutnya.
Variance Extracted.
Rata-rata nilai Variance Extracted (AVE) antar indikator suatu set konstruk laten merupakan ringkasan convergent indikator. Nilai AVE di atas 0,5 menunjukkan adanya convergent yang baik. Nilai AVE harus dihitung pada setiap konstruk laten.
Konstruk Reliability (CR).
Dibutuhkan nilai di atas 0,7 untuk menunjukkan reliabilitas yang baik.
Discriminat Validity.
Menunjukkan seberapa jauh suatu konstruk benar-benar berbeda dari konstruk lainnya. Nilai discriminat validity yang tinggi menunjukkan bahwa suatu konstruk unik dan mampu menangkap fenomena yang diukur. Cara mengujinya dengan membandingkan nilai akar kuadrat AVE terhadap nilai korelasi antar konstruk.
