Bertemu lagi kita di tahun 2014, walaupun tahun barunya sudah lewat tapi tidak ada salahnya saya mengucapkan "selamat tahun baru 2014" kepada Anda sekalian. Semoga ditahun ini kita akan mendapatkan apa yang tadinya tidak dapat diraih di tahun kemarin.
Ok, langsung saja pada kesempatan ini saya akan mengulas sedikit banyak tentang CFA. Pada postingan yang lalu pernah saya bahas soal CFA ini dengan menggunakan program LISREL, namun kali ini saya akan membahas CFA dengan program AMOS. CFA atau Confirmatory Factor Analysis didesain untuk menguji multidimensionalitas dari suatu konstruk teoritis. Analisis ini sering juga disebut dengan menguji VALIDITAS suatu konstruk teoritis.
Variabel laten yang kita gunakan dalam penelitian ini dibentuk berdasarkan konsep teoritis dengan beberapa indikator atau manifest. Analisis konfirmatori ingin menguji apakah indikator-indikator tersebut merupakan indikator yang valid sebagai pengukur konstruk laten. Dengan kata lain apakah indikator-indikator tersebut merupakan ukuran unidimensiolitas dari suatu konstruk laten.
Untuk menggambarkan soal CFA ini digunakan AMOS 20, pvinenelitian ini diambil dari studi yang dilakukan oleh Byrne dan Worth Gavin (1996). Byrne ingin menguji multidimensionalitas dari konstruk Selft Concept (SC) yang terdiri dari empat faktor yaitu general (GSC), academic (ASC), english (ESC) dan mathematic (MSC).
Mode ini akan kita gambarkan dengan AMOS graphic dengan ketentuan sebagai berikut :
- ada 4 faktor self concept yang ditunjukkan oleh 4 gambar elips dengan label GCS, ASC, ESC dan MSC
- ke empat faktor ini saling berkorelasi yang ditunjukkan oleh garis dengan dua kepala anak panah
- ada 16 observed variabel (indikator/manifest) yang ditunjukkan dengan 16 gambar persegi panjang dengan label sdqn1 sampai sdqn43
- ke 16 observed variabel ini dihubungkan dengan faktor dengan pola, sdqn1 - sdqn37 dihubungkan ke faktor GSC, sdqn4 - sdqn40 dihubungkan ke faktor ASC, sdqn10 - sdqn46 dihubungkan ke faktor ESC, dan sdqn7 - sdqn43 dihubungkan ke faktor MSC
- setiap observed variabel hanya dihubungkan dengan satu faktor
- kesalahan pengukuran (error) untuk setiap observed variabel (e1 - e43) tidak berkorelasi
Setelah menggambarkan model CFA seperti gambar di atas, selanjutnya mengisikan data atau menginput data dan memprosesnya dengan langkah-langkah :
- klik menu File lalu pilih Data Files. Kemudian pilih file data tersebut dengan mengklik File Name, jika sudah ketemu dilanjutkan menekan tombol OK
- klik View, lalu pilih Analysis Properties. Pada menu ini terdapat banyak tools, pilih saja tools Estimation lalu aktifkan Maximum Likelihood. Selanjutnya pilih tools OUtput lalu aktifkan semua analisis tools dengan cara mengklik satu per satu
- keluar dari menu View, lalu tekan tombol Analyze lalu pilih Calculate estimate. Hasilnya dapat dilihat pada gambar berikut ini
Interpretasi model:
Model yang kita analisis adalah model recursive (tidak ada hubungan regresi reciprocal antar variabel laten) dengan jumlah sampel 265. Nilai chi-squares = 150,577 dengan df 98 dan probabilitas 0,01. Hasil chi-squares ini menunjukkan bahwa hipotesis nol yang menyatakan model sama dengan data empiris ditolak yang berarti model tidak fit. Model yang baik seharusnya tidak menolak hipotesis nol yang berarti harus tidak signifikan secara statistik. Namun demikian perlu diketahui bahwa chi-squares sangat sensitif terhadap jumlah sampel. Semakin besar sampel semakin signifikan.
Oleh karena itu dicarai ukuran model fit yang lain yaitu GFI, AGFI dan RMSEA. Dari output di atas diketahui bahwa nilai GFI sebesar 0,936 nilai AGFI sebesar 0,911 berada di atas rata-rata 0,9 dan nilai RMSEA sebesar 0,045 berada di bawah 0,08. Dengan demikian menurut ukuran ini secara keseluruhan model dapat diterima.
