Confirmatory Factor Analysis With Lisrel 2

8/3/2019 Confirmatory Factor Analysis With Lisrel 2

1/14

Teorionline Tutorial : CFA dengan LISREL (2) by HENDRY Page 1

CONFIRMATORY FACTOR ANALYSIS

(ANALISIS FAKTOR KONFIRMATORI)

Dengan LISREL

Chapter 2

BY Hendry

http://teorionline.wordpress.com/

Dibagian pertama kita sudah latihan CFA dengan konstruk tunggal. Latihan kedua ini

selanjutnya akan menggunakan dua konstruk yaitu kepemimpinan dan motivasi.

KEPEMIMPINAN TRANSFORMASIONAL

Dimensi pengukuran Egri dan Herman, (2000)

LEAD1 = Attributed charisma (karisma)LEAD2 = Idealized influence (pengaruh ideal)

LEAD3 = Inspirational motivation (motivasi dan menginspirasi)

LEAD4 = Intelectual stimulation (stimulasi intelektual)

LEAD5 = Individualized consideration (perhatian terhadap individu)

MOTIVASI

Dimensi pengukuran motivasi Sekaran (2003) meliputi

MOT1 = Perilaku digerakkan oleh kerja (driven by work),

MOT2 = Tidak suka bersantai (unable to relax),

MOT3 = Tidak suka ketidakefektivan (impatience with inefffectiveness),

MOT4 = Menyukai tantangan (seeks moderate challenge).MOT5 = Menyukai umpan balik (seeks feedbacks)

Jumlah sampel adalah 120 orang karyawan PT. XTZ


2/14


PENYELESAIKAN

Catatan : data dalam bentuk CSV disimpan di folder C:\LATIHAN\LATIHAN2\LEADMOT.CSV

Tahap 1

Mengimport Data.

File Import Data in Free Format

Lalu pilih data LEADMOT.csv seperti pada tampilan di bawah

Tampilan setelah data berhasil diimport

Simpan Prelis dengan nama latihan 2.psf


3/14


Tahap 2MEMANGGIL DATA PRELISPilih File NEW Simplis Project / Syntax Only

Beri nama Latihan 2

Setting :Klik SET UP pilih VARIABLESPada box Observed Variables..pilih Add/Read VariablesPilih PRELIS System File, lalu cari dimana anda menyimpan file leadmot.PSF

Pada observed variables sudah terlihat 10 variabel. Klik Add Latent Variabel, beri nama

LEAD dan MOT. Klik NEXT


4/14


Masukkan jumlah observasi 120, Klik OK

Tahap 3

Menyiapkan Syntax Pada Simplis

Klik SETUP lalu pilih BUILD SIMPLIS SYNTAXLengkapi Syntax seperti contoh berikut :


5/14


Run LISREL, sehingga tampil seperti output berikut ini


6/14


HASIL DAN PEMBAHASAN

EVALUASI GOODNESS OF FIT

Hasil analisis pengolahan data terlihat bahwa konstruk yang digunakan untuk membentuk sebuahmodel penelitian, pada proses analisis faktor konfirmatori telah memenuhi kriteria goodness of fit yang

telah ditetapkan. Nilai probability pengujian goodness of fit menunjukkan nilai 0.079 (> 0.05)

menunjukkan model sudah baik, dan hasil kecocokan model yang diprediksikan dengan nilai-nilai

pengamatan lainnya sudah memenuhi syarat seperti terlihat pada data di bawah ini :

Normed Fit Index (NFI) = 0.98

Non-Normed Fit Index (NNFI) = 0.99

Parsimony Normed Fit Index (PNFI) = 0.74

Comparative Fit Index (CFI) = 0.99

Incremental Fit Index (IFI) = 0.99

Relative Fit Index (RFI) = 0.98

Goodness of Fit Index (GFI) = 0.93


7/14


VALIDITAS INDIKATOR

Tiap-tiap indikator dari masing-masing variabel laten sudah memenuhi syarat yaitu loading

factor diatas 0.40 sehingga dapat diterima, nilai loading factormasing-masing sebagai berikut: pada

variabel peran kepemimpinan LEAD1: Attributed charisma mempunyai loading factor (0,80), LEAD2:

pengaruh ideal (0,83), LEAD3: motivasi dan menginspirasi (0,83), LEAD4: stimulasi intelektual (0,83),

dan LEAD5: perhatian terhadap individu (0,85).

Loading faktor pada indikator motivasi juga memperlihatkan bahwa seluruh indikator valid, besran

loading faktor untuk MOT1 : Perilaku digerakkan oleh kerja (0.92), MOT2 : Tidak suka bersantai (0.89),

MOT3 : Tidak suka ketidakefektivan (0.87), MOT4 : Menyukai tantangan (0.89), dan MOT5:

Menyukai umpan balik (0.82).

Kemudian regression weight atau standardized estimate dari konstruk ini yang signifikan dengan nilai t

hitung > 1.96 (pada taraf signifikansi 5%). Hasil dari uji t dapat dilihat sebagai berikut :


8/14


RELIABILITAS

Uji reliabilitas menunjukkan sejauh mana suatu alat ukur yang dapat memberikan hasil yang

relative sama apabila dilakukan pengukuran kembali pada obyek yang sama. Reliabilitas

dihitung dengan formula Variance Extract dan Contruct Reliability dengan rumus sbb (Hair,

et.al, 2007 yang dikutip Setyo Hari WiJanto, 2008:66)

Rumus CR

Rumus VE

Semakin besar nilai ini, menunjukkan bahwa indikator-indikator penyusun bagi suatu peubah

laten merupakan indikator-indikator yang handal dalam mengukur peubah laten tersebut. Nilai

kehandalan konstruk yang disarankan adalah lebih besar dari 0,7. Sedangkan ukuran

kelayakan variance extracted yang disarankan adalah lebih besar dari 0,5.

Hasil Perhitungan

Untuk menghitung CR dan VE digunakan nilai completely standard solution berikut ini :

Completely Standardized Solution

LAMBDA-X

LEAD MOT-------- --------

LEAD1 0.80 - -LEAD2 0.83 - -LEAD3 0.83 - -LEAD4 0.83 - -LEAD5 0.85 - -MOT1 - - 0.92MOT2 - - 0.89MOT3 - - 0.87MOT4 - - 0.89MOT5 - - 0.82


9/14


Construct Reliability kepemimpinan

R = (0.80+0.83+0.83+0.83+0.85 )2 / (0.80+0.83+0.83+0.83+0.85 )2 +

(0.20+0.17+0.17+0.17+0.15)R = 4.142 / 4.142 + 0.86R = 0.86

Variance Extract kepemimpinanR = (0.802+0.832+0.832+0.832+0.852 ) / (0.802+0.832+0.832+0.832+0.852 ) +(0.20+0.17+0.17+0.17+0.15)R = 0.799

Hasil perhitungan menunjukkan bahwa contruct reliability sebesar 0.86 (> 0.70), dan VarianceExtract 0.799 (> 0.5), dengan demikian dapat disimpulkan bahwa reliabilitas pada konstruk

kepemimpinan telah terpenuhi.

Untuk CR dan VE motivasi silahkan di hitung sendiri

Referensi :Setyo Hari Wijanto. 2008. SEM dengan LISREL 8.8. Yogyakarta : Graha Ilmu


10/14


OUTPUT LISREL

Raw Data from file 'C:\LATIHAN\LATIHAN 2\LEADMOT.PSF'Sample Size = 120

Latent Variables LEAD MOTRelationshipsLEAD1 = LEADLEAD2 = LEADLEAD3 = LEADLEAD4 = LEADLEAD5 = LEADMOT1 = MOTMOT2 = MOTMOT3 = MOTMOT4 = MOTMOT5 = MOTSet the Variance of LEAD to 1.00

Set the Variance of MOT to 1.00Path DiagramEnd of Problem

Covariance Matrix

LEAD1 LEAD2 LEAD3 LEAD4 LEAD5 MOT1-------- -------- -------- -------- -------- --------

LEAD1 1.17LEAD2 0.75 1.05LEAD3 0.75 0.64 0.92LEAD4 0.72 0.68 0.72 1.04LEAD5 0.74 0.73 0.66 0.69 0.97

MOT1 0.71 0.72 0.64 0.72 0.68 0.98MOT2 0.67 0.72 0.62 0.71 0.73 0.84MOT3 0.62 0.65 0.60 0.64 0.64 0.79MOT4 0.70 0.75 0.65 0.70 0.72 0.79MOT5 0.62 0.75 0.63 0.73 0.65 0.75

Covariance Matrix

MOT2 MOT3 MOT4 MOT5-------- -------- -------- --------

MOT2 1.04MOT3 0.74 0.91MOT4 0.81 0.71 1.00

MOT5 0.75 0.72 0.79 1.07

Number of Iterations = 7

LISREL Estimates (Maximum Likelihood)

Measurement Equations


11/14


LEAD1 = 0.87*LEAD, Errorvar.= 0.42 , R = 0.64(0.084) (0.062)10.36 6.80





MOT1 = 0.91*MOT, Errorvar.= 0.15 , R = 0.85

(0.070) (0.026)13.12 5.68MOT2 = 0.90*MOT, Errorvar.= 0.22 , R = 0.79

(0.074) (0.035)12.28 6.38

MOT3 = 0.83*MOT, Errorvar.= 0.22 , R = 0.76(0.069) (0.033)11.97 6.56

MOT4 = 0.89*MOT, Errorvar.= 0.21 , R = 0.79(0.072) (0.033)12.28 6.38

MOT5 = 0.85*MOT, Errorvar.= 0.34 , R = 0.68

(0.078) (0.049)10.93 6.95

Correlation Matrix of Independent Variables

LEAD MOT-------- --------

LEAD 1.00

MOT 0.92 1.00(0.02)42.42

Goodness of Fit Statistics

Degrees of Freedom = 34Minimum Fit Function Chi-Square = 48.67 (P = 0.049)Normal Theory Weighted Least Squares Chi-Square = 46.20 (P = 0.079)Estimated Non-centrality Parameter (NCP) = 12.20


12/14


90 Percent Confidence Interval for NCP = (0.0 ; 34.10)

Minimum Fit Function Value = 0.41Population Discrepancy Function Value (F0) = 0.10

90 Percent Confidence Interval for F0 = (0.0 ; 0.29)Root Mean Square Error of Approximation (RMSEA) = 0.05590 Percent Confidence Interval for RMSEA = (0.0 ; 0.092)P-Value for Test of Close Fit (RMSEA < 0.05) = 0.39

Expected Cross-Validation Index (ECVI) = 0.7490 Percent Confidence Interval for ECVI = (0.64 ; 0.93)ECVI for Saturated Model = 0.92ECVI for Independence Model = 22.18

Chi-Square for Independence Model with 45 Degrees of Freedom = 2618.99Independence AIC = 2638.99Model AIC = 88.20

Saturated AIC = 110.00Independence CAIC = 2676.87Model CAIC = 167.73Saturated CAIC = 318.31

Normed Fit Index (NFI) = 0.98Non-Normed Fit Index (NNFI) = 0.99Parsimony Normed Fit Index (PNFI) = 0.74Comparative Fit Index (CFI) = 0.99Incremental Fit Index (IFI) = 0.99Relative Fit Index (RFI) = 0.98Critical N (CN) = 138.06

Root Mean Square Residual (RMR) = 0.028Standardized RMR = 0.028Goodness of Fit Index (GFI) = 0.93Adjusted Goodness of Fit Index (AGFI) = 0.88Parsimony Goodness of Fit Index (PGFI) = 0.57

The Modification Indices Suggest to Add an Error CovarianceBetween and Decrease in Chi-Square New EstimateMOT3 MOT1 8.4 0.07

Standardized Solution

LAMBDA-X

LEAD MOT-------- --------

LEAD1 0.87 - -LEAD2 0.85 - -LEAD3 0.80 - -LEAD4 0.85 - -


13/14


LEAD5 0.84 - -MOT1 - - 0.91MOT2 - - 0.90MOT3 - - 0.83

MOT4 - - 0.89MOT5 - - 0.85

PHI

LEAD MOT-------- --------

LEAD 1.00MOT 0.92 1.00

Completely Standardized Solution

LAMBDA-X

LEAD MOT-------- --------

LEAD1 0.80 - -LEAD2 0.83 - -LEAD3 0.83 - -LEAD4 0.83 - -LEAD5 0.85 - -MOT1 - - 0.92MOT2 - - 0.89

MOT3 - - 0.87MOT4 - - 0.89MOT5 - - 0.82

PHI

LEAD MOT-------- --------

LEAD 1.00MOT 0.92 1.00

THETA-DELTA

LEAD1 LEAD2 LEAD3 LEAD4 LEAD5 MOT1-------- -------- -------- -------- -------- --------

0.36 0.31 0.31 0.31 0.27 0.15

THETA-DELTA

MOT2 MOT3 MOT4 MOT5-------- -------- -------- --------


14/14


0.21 0.24 0.21 0.32

Time used: 0.016 Seconds

Confirmatory Factor Analysis With Lisrel 2

Documents

Transcript of Confirmatory Factor Analysis With Lisrel 2