Analisis Faktor Konformatori

Last updated on October 8, 2025 by Bilson Simamora

Structural Equation Modeling
Model Pengukuran
Analisis Faktor Konfirmatori dengan LISREL
Menghitung AVE dan CR

Analisis faktor konfirmatori (Confirmatory factor analysis atau CFA), adalah teknik untuk memeriksa apakah sejumlah variabel pengamatan yang diturunkan dari suatu konstruk bergabung pada satu variabel laten.  CFA dilakukan hanya apabila konstruk bersifat multidimensi ataupun multivariabel. Contoh di bawah ini adalah CFA untuk konstruk multivariabel. Bagaimana kalau konstruk univariable? CFA tidak dilakukan dan verifikasi bukti validitas dilakukan melalui isi, respon, dan hubungannya dengan konstruk lain.

Tabel 1. Contoh Operasionalisasi Konstruk Multivariabel

Sumber: Didaptasi dari Gao dan Bai (2014)

Terkait dengan Tabel 1, apabila melakukan CFA, yang kita perisaksa adalah apakah indikator-indikator P1, P2, P3, dan P4 bergabung ke dalam variable laten ‘pi’.

Dalam CFA, analisis faktor atas sejumlah variabel dipusatkan hanya pada satu konstruk yang telah dispesifikasi sebelumnya. CFA adalah alat analisis untuk memeriksa struktur internal suatu konsutruk. 

Structural Equation Modeling

Structural Equation Modeling (SEM) adalah teknik utama CFA (Hair et al. 2016; Schreiber et al., 2006). Teknik ini memiliki dua model, yaitu model pengukuran (measurement model) dan model struktural (structural model). Model pengukuran menggambarkan hubungan antara variabel-variabel pengamatan dengan konstruknya. Model struktural menganalisis hubungan struktural antara satu konstruk dengan konstruk lain sesuai dengan kerangka riset (research framewok). Gabungan kedua model dinamakan model lengkap SEM (complete model of SEM).

Hubungan antara variabel-variabel operasional dengan konstruknya bersifat reflektif dan formatif. Dalam hubungan yang reflektif, nilai konstruk sudah ada, variabel-variabel operasional hanya merefleksikannya. Sebagai contoh, dalam konstruk loyalitas konsumen, berpatokan pada Aaker (1991), konsumen yang loyal direfleksikan oleh rasa puas, suka, perilaku membela merek, keinginan merekomenasikan merek kepada pembeli lain, dan keinginan untuk membeli merek kembali. Dalam hubungan yang formatif, nilai variabel-variabel operasional ada terlebih dahulu dan dari nilai itulah disimpulkan nilai indikator. Sebagai contoh, menurut Fishbein (1991), sikap terhadap merek dibentuk oleh keyakinan  (ß_i) bahwa merek memiliki atribut ke-i dan hasil evaluasi (ε_i) akan tingkat kepentingan atribut tersebut bagi dirinya. Menurut Roberts et al. (2010), sebagian besar atau 97% penelitian  menggunakan reflektif model, khususnya pada bidang operations management. Pembahasan selanjutnya menggunakan model reflektif.

Model Pengukuran

Seperti telah disampaikan, model pengukuran menggambarkan hubungan antara variabel-variabel pengamatan dengan konstruknya. Sebagai contoh, berdasarkan Rogers (1983), kita menggunakan tiga konstruk tentang faktor-faktor yang mempengaruhi adopsi inovasi, yaitu relative advantage (adv), complexity (complex), dan acceptability (accept). Pertanyaannya, apakah variabel-variabel yang kita gunakan memenuhi syarat convergent validity?

Biasanya, konstruk dilambangkan dengan nama yang menggunakan huruf kecil. Nama variabel menggunakan huruf kapital (misalnya ADV₁). 

Adapun konstruk dan item-itemnya adalah sebagai berikut:

Konstruk: Content Marketing X Attractiveness (adv)

Konstruk: Complexity (complex)

Brand acceptability (accept)

Analisis Faktor Konfirmatori dengan LISREL

Model pengukuran perlu dituliskan pada proposal penelitian. Ada beberapa alat yang dapat dipakai untuk melakukan CFA dengan SEM, seperti LISREL, PLS, SmartPLS, dan WarPLS. Namun, hasil semua aplikasi sama saja.

LISREL adalah aplikasi yang menggunakan covariance sebagai input. Aplikasi ini mengolah model pengukuran yang bersifat reflektif. Apabila menggunakan model pengukuran yang bersifat reflektif dan formatif, kita bisa menggunakan PLS dan variannya.

Kali ini kita menggunakan LISREL. Silakan download contoh data dari sini. dan simpan pada folder yang mudah ditemukan. Kemudian, buka LISREL. Import-lah file ter-download tadi ke dalam LISREL.

Setelah data diimpor, klik menu File>New>SIMPLIS Project. Lalu, beri nama file program simplis itu. Dianjurkan namanya sama dengan file data. File data tadi namanya adalah SMP.psf. Beri saja nama program simplisnya SMP (Catatan: Nama yang berbeda juga bisa. Namun berdasarkan pengalaman, seringkali kita memiliki banyak file LISREL. Nama berbeda akan menyulitkan kita mencari file simplis mana untuk data mana). Selanjutnya, simpan pada folder yang sama dengan file data.

Selanjutnya, copy program simplis di bawah ini dan paste pada layar yang terbuka. Kalau setelah di-paste susunannya berantakan, susun lagi seperti ini.

Raw Data From File SMP.psf
Latent variables: con wom nb
Sample size=150

Relationships:
CON1 CON2 CON3 CON4 CON5 CON6=con
WOM1 WOM2 WOM3 WOM4 WOM5=wom
NB1 NB2 NB3 NB4=nb

Options: EF SC
Path Diagram
End of Problem

Kemudian, Klik File>Run. Bisa juga dengan meng-klik gambar orang berlari pada dasboard. LISREL memberi dua file, yaitu Output dan Path Diagram. Untuk menganalisis convergent validity, kita bisa menggunakan salah satu atau keduanya. Kali ini kita menggunakan Path Diagram karena lebih mudah diinterpretasi, seperti berikut ini.

Yang pertama kita periksa adalah model fit. Dengan RMSEA=0.098, model kita masuk kategori buruk (bad fit) (0.09<RMSEA<0.10), namun masih dapat digunakan (Wijanto, 2008). Setelah itu periksa nilai standardized solution factor loading (FL). Terlihat ada satu variabel yang tidak terverifikasi, yaitu WOM4 (FL=0.07), batas minimal nilai FL=0.50 (Hair et al., 2016). Terpaksa variabel ini dikeluarkan dengan menghapusnya pada program simplis. Program simplis baru adalah seperti berikut ini.

Raw Data From File SMP.psf
Latent variables: con wom nb
Sample size=150

Relationships:
CON1 CON2 CON3 CON4 CON5 CON6=con
WOM1 WOM2 WOM3 WOM5=wom
NB1 NB2 NB3 NB4=nb

Options: EF SC
Path Diagram
End of Problem

Path diagram baru adalah seperti berikut ini.

RMSEA membaik menjadi 0.096 dan tetap bad fit, namun model masih bisa dipakai (Wijanto, 2008). Berdasarkan ketentuan nilai FL>0.50, semua indikator masing-masing variabel laten adalah memenuhi syarat.

Menghitung AVE dan CR

Kita masih memerlukan dua kriteria lagi, yaitu average variance extracted (AVE) dan composite reliability (CR). Apabila salah satu di antara keduanya tidak memenuhi, maka bukti struktur internal konstruk tidak tercapai sekalipun semua FL memenuhi. Dengan kata lain,bukti struktur internal konstruk tercapai apabila syarat FL, AVE dan CR terpenuhi.

AVE dan CR dihitung dengan menggunakan nilai FL. Pertama-tama, kita hitung dulu variance extracted (VE) dengan rumus:

VE=FL²

Kemudian, dengan n=jumlah variabel yang tergabung dalam suatu konstruk, kita hitung AVE dengan rumus:

AVE=(ΣFL²)/n

Selanjutnya, bersamaan dengan CFA, dihitung juga CR. Namun, karena merupakan bagian dari analisis reliabilitas, maka penjelasan tentang CR dilanjutkan pada halaman ini.

Dengan menggunakan Excel, AVE dan CR mudah dihitung. Kalau dibutuhkan untuk latihan, silakan download file excel-nya di sini. Video tutorial dapat dilihat dengan meng-lik link ini.

Dari hasil ini terverifikasi bahwa semua indikator terverifikasi sebagai bagian dari variabel laten. Dengan demikian, variabel-varibel pada Tabel 1 terkonfirmasi diturunkan dari konstruk masing-masing

Second Order Confirmatory Factor Analysis

Analisis faktor konfirmatori tingkat dua digunakan untuk mengetahui apakah sejumlah dimensi menggambarkan konstruk yang sama. Langkah awal untuk melakukan analisis ini adalah memastikan bahwa indikator-indikator setiap konstruk yang dilibatkan valid. Kemudian, setiap konstruk diwakili oleh surrogate variable. Menurut Hair et al. (2014), surrogate variable dimensi diambil dari indikator-indikator yang valid, yang dapat berupa:

• Nilai yang diekstrak menggunakan analisis faktor.
• Nilai rata-rata-rata.
• Nilai total.
• Nilai variabel yang memiliki factor loading paling tinggi.

Kebanyakan peneliti menggunakan nilai faktor yang diekstrak menggunakan analisis faktor. Lihat contoh di bawah ini.

Uji Validitas Achievement Goals

Pada tahun 2001, Eliot dan McGregor mengembangkan konsep achievement goals yang dinamakan Model 2X2. Model ini menyatakan bahwa achievemenet goals (tujuan berprestasi), terdiri dari tujuan menguasai materi (mastery approach goals), menghindari kurang memahami materi (mastery avoidance goals), memperoleh peringkat yang terpuji (performance approach goals) dan menghindari ranking terbawah (mastery-avoidance goals).

Rosas (2015) menyatakan bahwa model ini telah terbukti valid di banyak negara. Bagaimana dengan di Indonesia? Tahun 2021, Simamora dan Mutiarawati melakukan uji validitas model ini. Dengan menganalisis data 203 responden nmenggunakan analisis faktor konfirmatori tingkat pertama (first-order confirmatory factor analysis), kedua peneliti menemukan bahwa model tersebut valid. Hasilnya analisis ditampilkan pada Tabel 1.

 

Sumber: Simamora, B., & Mutiarawati, E.V. (2021). International Journal of Evaluation and Research in Education (IJERE), 10(1), 142-149. DOI: 10.11591/ijere.v10i1.20869

Pertanyaannya, bagaimana dengan analisis faktor konfirmatori tingkat dua? Apakah keempat dimensi bergabung pada konstruk achievement goals?  Dengan menggunakan skor faktor sebagai surrogate variable, maka path diagram antara konstruk achievement goals dengan dimensi-dimensinya adalah seperti pada gambar di bawah ini.

Dengan menggunakan faktor loading yang ditampilkan oleh gambar tersebut kita membentuk Tabel 2. Terlihat bahwa berdasarkan faktor loading, semua dimensi valid (FL>0.50). Nilai AVE>0.5 menunjukkan bahwa keempat dimensi menunjukkan inter korelasi yang memenuhi untuk menjelaskan struktur internal konstruk achievement goals.

Tabel 2. Hasil Analisis Validitas Tingkat Dua

Bukti Validitas Diskriminan

Bukti validitas diskriminan digunakan untuk memastikan bahwa variabel-variabel pengamatan hanya berkorelasi tinggi dengan konstruknya dan berkorelasi rendah dengan konstruk lain. Pada kasus kita, maka ADV1, ADV2, ADV3 dan ADV4 hanya berkorelasi kuat dengan ‘adv’ dan berkorelasi lemah dengan ‘complex’ dan ‘accept’. Untuk membuktikannya, kita bisa menggunakan … read more.

REFERENCES

1. Eliot, A.J., & H.A. McGregor, H.A. (2001). A 2 × 2 achievement goal framework.  Journal of Personality and Social Psychology, 80(3),  501–519. DOI: 10.1037/0022-3514.80.3.501.
2. Roberts, N., Thatcher, J.B., & Grover, V. (2010). Advancing operations management theory using exploratory structural equation modelling techniques. International Journal of Production Research, 48(15), 4329-4353. DOI: 10.1080/00207540902991682
3. Rogers, E.M. (1983). Diffusion of Innovation. New York: The Free Press.
4. Schreiber, J.B., Nora, A., Stage, F.K., Barlow, E.A., & King, J. (2006). Reporting structural equation modeling and confirmatory factor analysis results: A review. The Journal of Educational Research, 99(6), 323-338, DOI: 10.3200/JOER.99.6.323-338
5. Simamora, B., & Mutiarawati, E.V. (2021). International Journal of Evaluation and Research in Education (IJERE), 10(1), 142-149. DOI: 10.11591/ijere.v10i1.20869