EXPLORATORY AND

CONFIRMATORY
FACTOR ANALYSIS

BY
JAHJA UMAR PhD
 ANALISIS FAKTOR
• ANALISIS MULTIVARIAT UNTUK MENGUNGKAPKAN
STRUKTUR DARI SUATU MATRIK KOVARIANS ATAU
KORELASI.

• DALAM BENTUK YANG TRADISIONAL, YANG

DIANALISIS UMUMNYA ADALAH MATRIK KORELASI.

• METODA INI PERTAMA KALI DIKEMUKAKAN OLEH

SPEARMAN (1904), DIGUNAKAN UNTUK
MENEMUKAN/ MERUMUSKAN STRUKTUR
KEMAMPUAN MENTAL YANG BERSIFAT UMUM
(GENERAL ABILITY). CFA-BC
CFA-ord
Regresi
 ANALISIS FAKTOR
• KONSEP FA BERASAL DARI SPEARMAN (1904),
KEMUDIAN DIKEMBANGKAN OLEH BURT,
KELLEY, THURSTONE, THOMSON, AND
HOLZINGER; DIIKUTI OLEH GUILFORD, HARMAN,
AND CATELL.

• DARI SEGI MATEMATIS FA BERAKAR DARI

PEMIKIRAN PEARSON (1901). NAMUN FA TAK
DIANGGAP SEBAGAI METODA STATISTIKA SAMPAI
KETIKA LAWLEY DAN MAXWELL MENERBITKAN
TULISAN MEREKA TAHUN 1971.
CFA-BC
CFA-ord
Regresi
CFA-BC
CFA-ord
Regresi
CFA-BC
CFA-ord
Regresi
 ANALISIS FAKTOR

KEGIATANNYA TERDIRI DARI TIGA LANGKAH YAITU:

(1) MENENTUKAN BANYAKNYA FAKTOR YANG

MENDASARI HUBUNGAN ANTAR VARIABEL YANG
DIANALISIS,
(2) JIKA LEBIH DARI SATU FAKTOR, ME - ROTASI
MATRIKS KOEFISIEN MUATAN FAKTOR AGAR DAPAT
DITETAPKAN VARIABEL MANA YANG JADI ANGGOTA
MASING2 FAKTOR, DAN
(3) MEMBUAT PENAFSIRAN ATAU NAMA UNTUK
SETIAP FAKTOR.
CFA-BC
CFA-ord
Regresi
 ANALISIS FAKTOR
• ANALISIS FAKTOR SEPERTI DI ATAS DISEBUT
“EXPLORATORY FACTOR ANALYSIS” (EFA).

• ANALISIS FAKTOR YANG LEBIH MODERN ADALAH

“CONFIRMATORY FACTOR ANALYSIS” (CFA) YANG
KEGIATANNYA DIAWALI DENGAN MERUMUSKAN
MODEL TEORETIS (HYPOTHESES) TENTANG
PENGUKURAN VARIABEL LATEN, KEMUDIAN MODEL
TERSEBUT DIUJI KEBENARANNYA SECARA
STATISTIKAL DENGAN MENGGUNAKAN DATA.

CFA-BC
CFA-ord
Regresi
 JENIS ANALISIS FAKTOR:
EXPLORATORY FACTOR ANALYSIS (EFA):
TUJUAN: UNTUK MENEMUKAN APAKAH ADA SATU ATAU LEBIH
FAKTOR (mis: KONSTRUK PSIKOLOGI ) YANG MELATAR
BELAKANGI INTER-KORELASI ANTARA SEHIMPUNAN
VARIABEL (# FAKTOR < # VARIABEL; IDEALNYA FAKTOR2 TSB
TAK SALING BERKORELASI).

CONFIRMATORY FACTOR ANALYSIS (CFA):

TUJUAN: (1) UNTUK MENGUJI HYPOTHESIS TENTANG SATU
ATAU LEBIH FAKTOR (mis: KONSTRUK PSIKOLOGI) SERTA
SALING KETERKAITAN ANTAR FAKTOR TERSEBUT SESUAI
MODEL TEORI YANG DITETAPKAN, DAN (2) UNTUK MENGUJI
VALIDITAS DARI SETIAP INDIKATOR YANG DIGUNAKAN
UNTUK MENGUKUR FAKTOR/ KONSTRUK TERSEBUT (mis:
ITEMS, ATAU SUB-TESTS).
CFA-BC
CFA-ord
Regresi
 FACTOR ANALYSIS (2)

CONFIRMATORY FACTOR ANALYSIS (CFA):

DIANGGAP LEBIH “SCIENTIFIC” KARENA ADA
HIPOTESIS TENTANG SUATU MODEL TEORETIS SERTA
PENGUKURANNYA, YANG DAPAT DIUJI
KEBENARANNYA SECARA EMPIRIK DENGAN
MENGGUNAKAN METODA STATISTIKA.

PERSAMAAN MATEMATIS UNTUK CFA DISEBUT JUGA

“MEASUREMENT EQUATIONS” ATAU
“MEASUREMENT MODEL”.

CFA-BC
CFA-ord
Regresi
 FACTOR ANALYSIS (3)

• DI AWAL PENGEMBANGANNYA METODA CFA

HANYA TEPAT JIKA DIGUNAKAN UNTUK DATA
VARIABEL KONTINUM.

• CFA UNTUK VARIABEL KATEGORIK

(POLYTOMOUS) PERTAMA KALI DIRINTIS OLEH
MUTHÉN (1978). SAAT INI, KEBANYAKAN
PERANGKAT LUNAK S.E.M. MENGADOPTASI
MODEL MUTHEN TERSEBUT, TERMASUK
MISALNYA PRELIS, YANG MERUPAKAN
BAGIAN PENTING DARI LISREL. CFA-BC
CFA-ord
Regresi
 PATH DIAGRAM FOR CFA:
A UNI-DIMENSIONAL MODEL

THE LINEAR EQUATION IS: X= λξ+δ

l1 x1 d1

l2 x2 d2
x l3
x3 d3
l4
x4 d4 CFA-BC
CFA-ord
Regresi
 PATH DIAGRAM FOR CFA:
A UNI-DIMENSIONAL MODEL

THE LINEAR EQUATION IS: X= λξ+δ

l1 x1 d1

l2 x2 d2
x l3
x3 d3
l4
 43
x4 d4 CFA-BC
CFA-ord
Regresi
 PATH DIAGRAM FOR CFA:
A MULTI-DIMENSIONAL MODEL

l 1.1 x1 d1
l 2.1 x2 d2
x1
x3 d3
l 3.2
x4 d4
x2 x5 d5
l 6.3 x6 d6
x7 d7
x3
x8 d8
x9 d9 CFA-BC

x10 d10 CFA-ord

Regresi
 PATH DIAGRAM FOR CFA:
A MULTI-DIMENSIONAL MODEL

l 1.1 x1 d1
l 2.1 x2 d2
x1
x3 d3
l 3.2
f 2.1 x4 d4
f 3.1 x2 x5 d5
l 6.3 x6 d6
f 3.2
x7 d7
x3
x8 d8
x9 d9 CFA-BC

x10 d10 CFA-ord

Regresi
 PATH DIAGRAM FOR CFA:
A 2nd ORDER UNI-DIMENSIONAL MODEL

l 1.1 x1 d1
l 2.1 x2 d2
x1
x3 d3
l 3.2
x4 d4
G
x2 x5 d5
l 6.3 x6 d6
x7 d7
x3
x8 d8
x9 d9 CFA-BC

x10 d10 CFA-ord

Regresi
 KONSEP DASAR STATISTIKA
SEBELUM MEMBAHAS ANALISIS FAKTOR AKAN
DIRINGKAS DULU PENGERTIAN MENGENAI
KONSEP DASAR YANG RELEVAN YAITU:

(1) UKURAN SENTRALITAS,

(2) UKURAN VARIABILITAS,
(3) SATUAN UKURAN/ SKALA BAKU,
(4) KO-VARIASI,
(5) ANALISIS REGRESI,
(6) KONTROL STATISTIK (KORELASI PARTIAL),
(7) PENGUKURAN VARIABEL LATEN, DAN
(8) MODELING DENGAN STATISTIKA.
CFA-BC
CFA-ord
Regresi
 UKURAN SENTRALITAS

YANG PALING PENTING ADALAH ARITHMATIC

MEAN:

• TITIK AWAL (NOL) SEBAGIAN BESAR STATISTIK

• JUMLAH PENYIMPANGAN KANAN-KIRI = 0

• SEBAGAI NILAI EKSPEKTASI (HARAPAN)

• SEBAGIAN BESAR KOEFISIEN STATISTIK

DALAM
BENTUK MEAN CFA-BC
CFA-ord
Regresi
 UKURAN VARIABILITAS

PADA DASARNYA SEMUA ANALISIS

STATISTIKA ADALAH ANALISIS
VARIANS DARI BERBAGAI VARIABEL
SEPERTI: REGRESI, RESIDUAL,
MEASUREMENT ERROR,
PERBEDAAN ANTAR KELOMPOK,
DLL.

CFA-BC
CFA-ord
Regresi
 SATUAN UKURAN BAKU
• SATUAN UKURAN BAKU DISEBUT
“STANDAR DEVIASI”, SELALU
DIPERLUKAN KETIKA BERBAGAI
VARIABEL DENGAN SKALA UKURAN
YANG BERBEDA-BEDA HARUS
DIPERBANDINGKAN.

• SETIAP VARIABEL YANG DILAPORKAN

DALAM SATUAN UKURAN STANDAR
DEVIASI ( DINAMAKAN “Z-SCORES” )
MEMILIKI MEAN=0 DAN VARIANS = 1. CFA-BC
CFA-ord
Regresi
 KO-VARIASI
ADALAH MEAN DARI PERKALIAN ANTAR DUA
VARIABEL YANG MENUNJUKKAN ADA TIDAKNYA/
BESAR KECILNYA HUBUNGAN ANTAR VARIABEL
TSB, DIMANA MEAN MASING-MASING DIJADIKAN
TITIK NOL SKALA UKURAN, SEHINGGA
DIPEROLEH INFORMASI TENTANG ARAH DARI
HUBUNGAN TERSEBUT (POSITIF ATAU NEGATIF).

KO-VARIASI DALAM SKALA UKURAN BAKU

DISEBUT “KORELASI”.

CFA-BC
CFA-ord
Regresi
 ANALISIS REGRESI
• DILANDASI KONSEP HUBUNGAN
KAUSAL ANTAR VARIABEL, WALAUPUN
TAK DAPAT DIJADIKAN BUKTI ADANYA
HUBUNGAN KAUSAL.

• Y=f(X), JIKA LINIER, Y= a+bX+e

Y DISEBUT DEPENDENT ATAU OUTCOME
VARIABEL, SEDANGKAN X DISEBUT
INDEPENDENT ATAU PREDICTOR
VARIABEL.
CFA-BC
CFA-ord
Regresi
 ANALISIS REGRESI

• VARIABEL Y TERDIRI DARI 2 VARIABEL

YAITU “REGRESI” (a+bX) DAN
“RESIDUAL” (e), SERTA 1 KONSTAN
YAITU MEAN DARI Y.

• JIKA RATIO VARIANS REGRESI SANGAT

DOMINAN TERHADAP VARIANS
RESIDUAL (SIGNIFIKAN) , DISIMPULKAN
ADA DAMPAK X TERHADAP Y, YANG
RATIO NYA DITUNJUKKAN OLEH R
KUADRAT. CFA-BC
CFA-ord
Regresi
 KONTROL STATISTIK

• YANG RELEVAN DENGAN ANALISIS

FAKTOR ADALAH “KORELASI PARTIAL”

• JIKA VARIABEL Y1 DAN Y2

DIPENGARUHI OLEH X, MAKA
KORELASI PARTIAL ORDE KE 1 ANTARA
Y1 DAN Y2 ADALAH KORELASI ANTARA
RESIDUAL e1 DAN e2 DARI PERSAMAAN
REGRESI Y1=a1+b1X+e1 dan
Y2=a2+b2X+e2. CFA-BC
CFA-ord
Regresi
 VARIABEL LATEN

• ADALAH VARIABEL YANG TAK DAPAT

DIAMATI ATAU DIUKUR SECARA
LANGSUNG,

• HAMPIR SEMUA KONSTRUK PSIKOLOGI

ADALAH VARIABEL LATEN.

• PENGUKURANNYA MELALUI ANALISIS

SATISTIK ATAS HUBUNGANNYA DENGAN
VARIABEL YANG JADI INDIKATORNYA.
CFA-BC
CFA-ord
Regresi
 VARIABEL LATEN

• SKOR VARIABEL LATEN DISEBUT

SEBAGAI “TRUE SCORES” SEDANGKAN
SKOR VARIABEL INDIKATORNYA
DISEBUT “OBSERVED SCORES” ATAU
“RAW SCORES”.

• ANALISIS FAKTOR DAN TEORI TES

PADA
UMUMNYA ADALAH TENTANG
HUBUNGAN ANTARA KEDUA JENIS
VARIABEL INI. CFA-BC
CFA-ord
Regresi
 STATISTICAL MODELING

ADALAH RUMUSAN SECARA MATEMATIS

TENTANG SUATU MODEL TEORI YANG
MENGGAMBARKAN HUBUNGAN ANTAR
VARIABEL UNTUK DIUJI KEBENARANNYA
(SECARA STATISTIKAL) DENGAN
MENGGUNAKAN DATA.

BIASANYA DALAM BENTUK PERSAMAAN :

DATA = TEORI + ERROR/ RESIDUAL.
CFA-BC
CFA-ord
Regresi
 STATISTICAL MODELING

JIKA RESIDUAL (KETIDAK SESUAIAN

ANTARA DATA DENGAN TEORI) SANGAT
KECIL, MAKA DISEBUT MODEL TEORI ITU
“FIT” DENGAN KENYATAAN (DATA),

YANG BERARTI MODEL TSB BESERTA

PARAMETER NYA DAPAT DIGUNAKAN
UNTUK MEMBUAT PREDIKSI MAUPUN
UNTUK MENJELASKAN FENOMENA YANG
DIMODELKAN.
CFA-BC
CFA-ord
Regresi
 PERSAMAAN UNTUK CFA (1)

THE EQUATION:
X= λξ+δ

X = VECTOR OF OBSERVED VARIABLES,

ξ = VECTOR OF FACTORS (CONSTRUCTS,

OR LATENT VARIABLES) TO BE
MEASURED VIA X, IN WHICH λ IS
THE COEFFICIENTS OF FACTOR LOADINGS,

δ = VECTOR OF RESIDUALS (ERRORS OF

MEASUREMENT).
CFA-BC
CFA-ord
Regresi
 PERSAMAAN UNTUK CFA (2)

CORRELATION MATRIX FOR X VARIABLES, Σ, IS:

Σ = ΛΦΛ΄ + θ

Σ = CORRELATION MATRIX OF X VARIABLES,

Λ = MATRIX OF COEFFICIENT λ (FACTOR LOADINGS)
Φ = CORRELATION MATRIX OF ξ (FACTORS)
θ = CORRELATION MATRIX OF δ (MEASUREMENT-
ERRORS)

EACH ELEMENT OF Σ IS STATED IN TERM OF λ, φ, AND θ. CFA-BC

e.g., IN A UNDIMENTIONAL MODEL: σ21 = λ1λ2 CFA-ord
Regresi
 UJI HIPOTESIS: MODEL TEORI

• OBSERVED SAMPLE CORRELATION MATRIX OF X

VARIABLES, i.e., S, IS USED AS AN “ESTIMATE” OF Σ
(EACH ELEMENT OF Σ IS EQUATED WITH ITS RESPECTIVE
ELEMENT IN S)

• THE NULL HYPOTHESIS TO BE TESTED IS:

S = Σ, OR, (S - Σ = 0). IF NOT REJECTED (NON SIGNIFICANT)
MEANS THE THEORETICAL MODEL IS SUPPORTED BY DATA,
HENCE, ITS USES IS JUSTIFIED.

• THIS MODEL TESTING IS REFERRED TO AS:

“TEST OF GOODNESS OF FIT”. CFA-BC

CFA-ord
Regresi
 UJI HIPOTESIS: λ

• ONLY WHEN THE MODEL IS “FIT”, THEN

THE NULL HYPOTHESES λ = 0, WORTH
TO BE TESTED.

• WHEN A NULL HYPOTHESIS REGARDING

AN λ IS REJECTED (SIGNIFICANT), THE
RESPECTIVE X IS CONSIDERED AS A
VALID INDICATOR (MEASURE) OF THE ξ
(FACTOR).

CFA-BC
CFA-ord
Regresi