Confirmatory Factor Analysis (CFA) dengan MPLUS

Tulisan sebelumnya telah membahas teknik analisis faktor konfirmatori / Confirmatory Factor Analysis (CFA) dengan menggunakan software LISREL dan AMOS. Tulisan ini akan menyajikan cara analisis faktor konfirmatori dengan menggunakan software MPLUS. MPLUS merupakan software analisis yang memiliki banyak fungsi. Dia bisa menganalisis banyak hal yang terkait dengan statistik pemodelan, misalnya SEM, IRT, Multilevel atau Analisis Kelas Laten. Hampir sama seperti LISREL, MPLUS banyak menggunakan syntax dibandingkan visual dan “klik”, sehingga pengetahuan dasar mengenai kode-kode dalam MPLUS diperlukan. Meskipun demikian, dengan syntax ini pengguna dapat menghemat waktu dalam menganalisis.

Menyiapkan Data File

Data file yang dapat digunakan dalam analisis di MPLUS bermacam-macam. Dalam contoh kali ini, kita akan menggunakan file dengan format CSV. Dalam contoh ini kita akan menggunakan data yang sama seperti analsis sebelumnya dengan LISREL dan AMOS, namun dengan file dengan format CSV, yakni WFB.csv. Untuk input, kita dapat menggunakan Ms.excel. Fomat inputnya sedikit berbeda, karena tidak mencantumkan nama variabel pada data mentahnya. Contoh data dapat dilihat pada gambar di bawah.

gambar tersebut menunjukkan data file kita. Jika pada input dengan AMOS dan LISREL kita memiliki nama variabel di atas, disini kita hapus baris nama variabel tersebut. Sebagaimana kita tahu, kolom tersebut menunjukkan item, mulai dari item SAT1, SAT2, SAT3, TIME1, TIME2, TIME3, TIME4, INV1, INV2, INV3. Aspek satisfaction terdiri atas 3 item yakni SAT1-SAT3, aspek time terdiri atas 4 item yakni TIME1-TIME4, dan aspek involvement terdiri atas 3 item yaitu INV1-INV4. Ketiga aspek tersebut merupakan penyusun dari Work Family Balance (WFB). Jika sudah, kita save as file tersebut dengan format CSV, yakni dengan nama WFB.csv di folder yang sama dengan file analisis MPLUS kita nanti. Jika sudah, kita dapat buka file kita di notepad, maka akan terlihat data kita dipisahkan oleh koma seperti gambar di bawah.

Membuat Syntax

Untuk memulai melakukan analisis, silakan copy paste syntax di bawah ini. Kemudian tulisan yang berwarna merah, silakan diganti sesuai dengan data masing-masing.

TITLE: CFA WFB

DATA:

FILE IS WFB.csv;

VARIABLE:

NAMES = SAT1    SAT2 SAT3 TIME1 TIME2

TIME3 TIME4 INV1 INV2 INV3;

USEVARIABLE = ALL;

!DEFINE:

MODEL:

SATIS BY SAT1-SAT3;

TIME BY TIME1-TIME4;

INVOLVE BY INV1-INV3;

OUTPUT:

STANDARDIZED MODINDICES (ALL);

TITLE menunjukkan judul analisis kita. Masukan apapun yang menjadi judul kita

DATA setelah kata file is menunjukkan data kita. Dalam kasus ini nama data file kita adalah WFB.csv

VARIABLE NAMES menunjukkan nama variabel kita, dari kolom pertama hingga terakhir. Karena dalam data file kita tadi tidak ada nama variabelnya, maka disini kita memberikan nama variabel tersebut. USEVARIABLE menunjukkan variabel yang akan kita gunakan dalam analisis. Dalam kasus ini kita gunakan semuavariabel, sehingga tulis “ALL”

MODEL menunjukkan model kita. SATIS BY SAT1-SAT3 berarti aspek SATIS BY (diukur oleh) SAT1-SAT3. Bisa juga ditulis SATIS BY SAT1 SAT2 SAT3. Kode untuk membuat model lainnya adalah ON (diregres oleh...) dan WITH (berkorelasi dengan...).

OUTPUT menunjukkan output yang hendak kita tampilkan. Dalam contoh kita meminta MPLUS untuk mengeluarkan nilai parameter yang terstandarisasi dan indeks modifikasi model. Sehingga kode yang kita masukan adalah STANDARDIZED MODINDICES (ALL);

Jika sudah selesai membuat syntax, silakan save file tersebut di folder yang sama dengan data file CSV kita. Kemudian, untuk memulai analisis, kita dapat klik RUN atau tekan ALT+R.

Membaca Output

Untuk melihat indeks ketepatan model, kita dapat scroll output ke bawah pada bagian MODEL FIT INFORMATION. Paduan penerimaan model berdasarkan parameter indeks fit dapat dibaca di sini. Dari output tersebut dapat kita lihat bahwa model kita memiliki nilai Chi-square = 118,856; RMSEA = 0,072; CFI=0,953; TLI=0,953. Hasil ini juga serupa dengan estimasi kita dengan menggunakan software LISREL dan AMOS. Dengan meilhat parameter model di di atas, dapat kita katakan bahwa model pengukuran WFB kita fit.

Output lainnya dalam bentuk diagram dapat dilihat di menu Diagram – view diagram. Atau dengan mengetik ALT+D, maka akan muncul diagram model kita. Kita dapat mengatur tampilan apa saja yang akan muncul di diagram kita pada menu VIEW. Untuk melihat nilai parameter terstandar kita, klik view – STDY estimates, maka akan muncul tampilan output seperti ini.

Dari output tersebut dapat kita lihat bahwa item/indikator yang mengukur variabel laten satisfaction, time, dan involvement memiliki loading factor yang cukup tinggi, yakni > 0,5, kecuali pada item INV3. Kita juga dapat melihat bahwa antar aspek yang mengukur WFB, memiliki korelasi yang cukup tinggi yakni di atas 0,6.

Modification Indices Suggestion

Sama seperti LISREL dan AMOS, MPLUS juga dapat memberikan sugesti modifikasi model, agar diperoleh model yang lebih fit. Untuk melihat saran modifikasi model, kita dapat melihat pada output di bagian MODEL MODIFICATION INDICES. Contoh modification indices yang disarankan MPLUS dapat dilihat pada gambar di bawah ini.

Gambar di atas menjelaskan contoh modifikasi yang disarankan AMOS. Sebagai contoh, output di atas Lisrel meminta kita untuk memberikan jalur baru dari TIME1 menuju SAT1. Jika prosedur ini dilakukan, model baru kita akan memiliki penurunan chi-square sebesar 16,453. Hal ini tentu akan menghasilkan model yang lebih baik. Namun tentu saja prosedur ini tidak bisa dibarengi dengan landasan teortis yang kuat karena memberikan jalur dari TIME1 ke SAT1 tidak sesuai dengan konstrak kita, karena sudah lintas faktor. Item TIME seharusnya hanya mengukur faktor TIME saja.