CONFIRMATORY FACTOR ANALYSIS with LISREL
CFA 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
- Perilaku digerakkan oleh kerja (driven by work),
- Tidak suka bersantai (unable to relax),
- Tidak suka ketidakefektivan (impatience with inefffectiveness),
- Menyukai tantangan (seeks moderate challenge).
- 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
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)
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