5.

9 Analisis Faktor : explotarory vs confirmatory

Pada analisis faktor exploratory, peneliti tidak memiliki informasi mengenai data (struktur
faktor).

Contohnya, peneliti tertarik terhadap perhitungan keunggulan perusahaan tertentu.

Asumsikan peneliti tidak memiliki informasi apapun mengenai :

a. Banyaknya faktor atau dimensi dari keunggulan perusahaan

b. Apakah dimensi tersebut orthogonal atau oblique
c. Banyaknya indikator dari setiap faktor
d. Indikator mana yang mewakilli faktor

Dengan kata lain, pada analisis faktor exploratory, peneliti hanya memiliki sedikit informasi
atau tidak memiliki informasi sama sekali untuk menjawab pertanyaan diatas.

Pada kasus ini, peneliti harus menggumpulkan data (struktur faktor) dan mencari teori
yang dapat menjelaskan korelasi antar variabel.

Pada analisis faktor confirmatory, peneliti memiliki informasi mengenai data (struktur
faktor) atau terdapat hipotesis a priori.

Contohnya, faktor struktur pada 5.9. Keunggulan dihipotesiskan sebagai faktor umum dari
8 sub-dimensi atau sub-faktor. Setiap sub-faktor diukur berdasarkan indikator masing-
masing dengan catatan indikator hanya untuk mengukur satu faktor.

6.1 Konsep Dasar dari Analisis Faktor Confirmatory

Pada bagian ini, akan dibahas model one-factor dan model two-factor with corelated construct.

6.1.1 Matriks Kovarians dan Matriks Korelasi

Pada analisis faktor exploratory menggunakan matriks korelasi untuk mengestimasi faktor
struktur karena analisis faktor awalnya dikembangkan untuk menjelaskan korelasi antar
variabel. Sebaliknya, pada analisis faktor confirmatory penggunaan matriks kovarian jarang
terjadi. Karena itu, masalah tentang penggunaan matriks korelasi atau matriks kovarian
mengurangi tipe data yang digunakan (mean corrected/standardized). Sama seperti pada
analisis komponen utama, PCF dan PAF tidak scale invariant. Dengan kata lain, analisis
factor PCF dan PAF untuk menghasilkan sebuah matriks kovarian sangat berbeda jika
menggunakan matriks korelasi.

Kebanyakan dari model factor confirmatory mempunyai scale invariant. Dengan kata lain,
hasilnya akan sama terlepas dari matriks mana yang akan digunakan (kovarian atau
korelasi). Namun, secara teori prosedur maksimum likelihood untuk analisis factor
confirmatory diturunkan dari matriks kovarian, sehingga dianjurkan untuk menggunakan
matriks kovarian daripada matriks korelasi.