Confirmatory Factor Analysis

Presented By:
1. Habibi (16703261….)
2. Moh Irma S (16703261023)

S3-ILMU PENDIDIKAN – Pendidikan IPA

PROGRAM PASCASARJANA
UNIVERSITAS NEGERI YOGYAKARTA
1. Pendahuluan

Analisis faktor konfirmatori yaitu suatu teknik analisis

Factor faktor di mana secara apriori berdasarkan teori dan
Analysis
konsep yang sudah diketahui, dipahami atau
EFA
ditentukan sebelumnya
CFA
Pembentukan faktor konfirmatori (CFA) secara
sengaja berdasarkan teori dan konsep, dalam upaya
untuk mendapatkan variabel baru atau faktor yang
mewakili beberapa item atau sub-variabel, yang
merupakan variabel teramati atau observerb
variable.
2. Tujuan CFA
Richard dan Dean, hal 477: tujuan utama dari analisis faktor adalah untuk
menggambarkan hubungan kovarians atau korelasi antara variabel-variabel bebas
Joreskorg dan Sorborn, 1993
a. Untuk mengidentifikasi adanya hubungan antar variabel dengan melakukan uji
korelasi.
b. Untuk menguji validitas dan reliabilitas instrument atau menguji konsep teori,
atau konstruk, atau laten variabel, yang tidak dapat diobservasi langsung.

Kusnendi (2008: 98): tujuan utama dari CFA adalah untuk mengkonfirmasikan
model, yaitu model pengukuran yang perumusannya berasal dari teori.

CFA paling tidak akan membahas antara lain:

a) Apakah indikator-indikator yang dikonsepsikan secara unidimensional, tepat,
dan konsisten.
b) Indikator-indikator apa yang dominan membentuk konstruk yang diteliti.
3. Jenis data dalam CFA
Data kuantitatif berskala interval atau rasio

4. Proses CFA
Karena CFA mengacu pada model RMT, maka:
a. Pertama mengkaji teori tentang konstruk yang akan diukur.
b. Teori  konsep teoritis dan definisi konstitutif (definisi secara teoritis) tentang
konstruk yang akan diukur.
c. Identifikasi dimensi atau indikator-indikator terukur sebagai refleksi atau
manifest dari konstruk.
5. Persyaratan Analisis (Asumsi)

Sebelum melakukan analysis lebih lanjut, perlu dilakukan Uji asumsi analisis factor:
1. Korelasi antar variabel Independen. Besar korelasi antar independen variabel
harus cukup kuat, misalnya di atas 0,5.
2. Korelasi Parsial. Besar korelasi parsial, korelasi antar dua variabel dengan
menganggap tetap variabel yang lain, justru harus kecil. Pada SPSS deteksi
terhadap korelasi parsial diberikan lewat pilihan Anti-Image Correlation.
3. Pengujian seluruh matriks korelasi (korelasi antar variabel), yang diukur dengan
besaran Bartlett Test of Sphericity atau Measure Sampling Adequacy
(MSA). Pengujian ini mengharuskan adanya korelasi yang signifikan di antara
paling sedikit beberapa variabel.
(https://www.statistikian.com/2014)
Uji Determinant of Correlation Matrix:
Asumsi Analisis Faktor yang pertama adalah: Uji Determinant of Correlation
Asumsi
Matrix. Matrik korelasi dikatakan antar variabel saling terkait apabila determinan
bernilai mendekati nilai 0.
Kaiser Meyer Olkin Measure of Sampling (KMO)
Adalah indeks perbandingan jarak antara koefisien korelasi dengan koefisien
Asumsi
korelasi parsialnya. Nilai KMO dianggap mencukupi jika lebih dari 0,5.

Bartlett Test of Sphericity

Bartlett Test of Spehricity memenuhi persyaratan jika signifikansi di bawah 0,05
(5%).
Measures of Sampling Adequacy (MSA)
Nilai MSA pada tabel ditunjukkan pada baris Anti Image Correlation dengan tanda “a”. Jika
Asumsi
ada butir (misal X2) MSA < 0.5 maka X2 harus dikeluarkan dari pengujian dan mengulangi
langkah analisis faktor yaitu: analisis faktor dengan SPSS tanpa mengikutsertakan X2.
Communalities
Nilai Extraction pada tabel memenuhi syarat apabila Communalities > 0,5 Asumsi
5. Contoh Analisis dan Interpretasi