Analisis faktor konfirmatori (CFA)
Menguji struktur faktor yang sudah ditetapkan teori.
Untuk apa dipakai
- Menguji model dengan banyak variabel laten
- Menguji kualitas kuesioner (validitas dan reliabilitas)
Data yang dibutuhkan
Minimal 4 kolom angka butir kuesioner untuk minimal 2 faktor, masing-masing minimal 2 butir.
Unggah file Excel (.xlsx) atau CSV. Aplikasi memeriksa kecocokan data dengan metode sebelum analisis dijalankan, dan token tidak terpotong bila analisis gagal.
Cara membaca hasilnya
Menguji apakah butir-butir benar mengelompok pada konstruk sesuai teori.
- Muatan faktor
- 0,50 ke atas dapat diterima, 0,70 ke atas baik. Butir bermuatan rendah lemah mewakili konstruknya.
- AVE dan reliabilitas komposit (CR)
- AVE ≥ 0,50 dan CR ≥ 0,70 menunjukkan konstruk cukup valid dan reliabel.
- Indeks kecocokan model
- CFI dan TLI sekitar 0,90–0,95 ke atas; RMSEA dan SRMR sekitar 0,08 ke bawah.
Perlu diwaspadai
- Chi-square sensitif terhadap ukuran sampel; nilai p-nya jangan dipakai sendirian.
- Modifikasi model harus punya dasar teori.
Bantuan — proses & rumus
Tahap komputasi yang dijalankan OlahData untuk metode ini, lengkap dengan rumus dan rujukannya.
Setiap butir hanya memuat satu faktor yang ditetapkan peneliti (tanpa muatan silang), varians faktor dibakukan 1, faktor boleh berkorelasi bebas, dan galat antar butir tidak berkorelasi. Model diestimasi dengan metode kemungkinan maksimum (ML).
Σ = Λ Φ Λᵗ + Θ
Kecocokan model dinilai dari khi-kuadrat, RMSEA (dengan selang kepercayaan 90%), CFI, TLI, dan SRMR, dibandingkan dengan patokan Hu dan Bentler (1999).
RMSEA = √(maks(χ²−df, 0) / (df×(n−1)))
Muatan baku menunjukkan kekuatan hubungan butir dengan faktornya. Reliabilitas komposit (CR) dan AVE dihitung dari muatan baku untuk menilai validitas konvergen; kriteria Fornell-Larcker dan HTMT dihitung untuk menilai validitas diskriminan antar faktor.
CR = (Σλ)² / ((Σλ)² + Σ(1−λ²))
AVE = rata-rata λ² (muatan baku)
Indeks modifikasi menaksir penurunan χ² bila satu parameter yang tadinya dibatasi dilepas (muatan silang atau kovarians galat). Ini hanya petunjuk eksploratif — mengubah model berdasarkan data memanfaatkan kebetulan sampel dan harus berdasar teori, bukan sekadar mengejar kecocokan statistik (MacCallum dkk., 1992).
| Ukuran | Ambang batas | Rujukan |
|---|---|---|
| Muatan baku | ≥ 0,50 diterima, idealnya ≥ 0,70 | Hair dkk. (2010) |
| CFI / TLI | ≥ 0,95 | Hu & Bentler (1999) |
| RMSEA | ≤ 0,06 | Hu & Bentler (1999) |
| SRMR | ≤ 0,08 | Hu & Bentler (1999) |
| CR / AVE | CR ≥ 0,70; AVE ≥ 0,50 | Fornell & Larcker (1981) |
| HTMT | < 0,85 (konservatif) atau < 0,90 | Henseler dkk. (2015) |
- Bollen, K. A. (1989). Structural equations with latent variables. John Wiley & Sons.
- Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis. Structural Equation Modeling, 6(1), 1–55.
- Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50.
- Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135.
- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Prentice Hall.
- MacCallum, R. C., Roznowski, M., & Necowitz, L. B. (1992). Model modifications in covariance structure analysis: The problem of capitalization on chance. Psychological Bulletin, 111(3), 490–504.
- Sörbom, D. (1989). Model modification. Psychometrika, 54(3), 371–384.
Hu & Bentler (1999); Hair dkk. (2010)
Contoh hasil
Contoh hasil dengan data fiktif untuk metode ini sedang disiapkan.
Cuplikan persiapan sidang
Contoh pertanyaan yang lazim diajukan penguji untuk metode ini.
Apa tujuan CFA?
Menguji apakah butir-butir benar mengelompok pada konstruk sesuai teori, sehingga struktur pengukuran dikonfirmasi, bukan ditemukan.
Apa kriteria muatan faktor dan kecocokan model?
Muatan faktor sebaiknya 0,50 atau lebih (idealnya 0,70). Kecocokan model dinilai dari beberapa indeks: CFI dan TLI sekitar 0,90–0,95 ke atas, RMSEA dan SRMR sekitar 0,08 ke bawah. Chi-square sensitif terhadap ukuran sampel sehingga tidak dipakai sendirian.
Daftar lengkap tersedia di halaman hasil untuk proyek berjenjang S1, S2, atau S3.
Ingin mencoba dengan data Anda?
Hasilnya disertai tabel, grafik, narasi, dan penjelasan prosesnya.