Kind: captions
Language: id
Assalamualaikum warahmatullahi
wabarakatuh berjumpa lagi dengan saya di
channel YouTube saya ensiklopedia Ahmad
Fauzi di video Sebelumnya kita telah
mempelajari bagaimana caranya melakukan
eksploratory Factor analisis menggunakan
chest dan pada video kali ini kita akan
belajar bagaimana caranya melakukan
konfirmatory faktor analisis menggunakan
cek secara sederhana cfe atau
konfirmator analysis kita gunakan untuk
melihat seberapa Fit model berdasarkan
teori bila dibandingkan dengan TTM piris
dari lapangan atau dalam artian lain
dengan cfe kita bisa memvalidasi model
yang sudah ada begitu ada dalam artian
lebih sederhananya cfe kita gunakan
untuk melihat seberapa cocok sih atau
seberapa pasti
variabel-variabel itu dikelompokkan
menjadi faktor-faktor tertentu Nah kalau
di ffe Kita kan sudah belajar ketika
kita mengembangkan instrumen misalkan
instrumen saya buka dahulu ya
instrumen terkait motivasi atau
instrumen terkait yang lainnya misalkan
ada 16 item Nah kita buka data ife
kemarin ini ada 16 item ya Nah 16 item
ini kalau berdasarkan if E itu bisa
dikelompokkan menjadi tiga faktor
atau di kasus lain kita punya instrumen
instrumen itu terdiri dari 20 item dan
berdasarkan teori
item-item tersebut bisa menjadi 4 faktor
begitu sehingga ada pengetahuan
sebelumnya atau ada informasi sebelumnya
bahwasanya item sekian sampai sekian
dapat dikelompokkan menjadi faktor
tertentu sekian sampai sekian di faktor
tertentu yang lain begitu nah di cfa
kita akan melihat seberapa Fit sih model
tersebut seberapa sip sih faktor-faktor
tersebut terdiri dari item-item yang
sudah disebutkan tadi begitu sehingga
bedanya ife dengan cfe kalau effe kita
tidak harus memiliki pengetahuan terkait
item-item ini harus masuk faktor mana
Sedangkan untuk cfe kita sudah harus
memiliki dasar bahwasanya item sekian
sampai sekian masuk faktor a sekian
sampai sekian masuk faktor P dan
seterusnya
Oleh karena itu cfe bisa kita gunakan
sebagai analisis lanjutan setelah ife di
EFE seperti di video sebelumnya kita
sudah menganalisis 16 item ini dan bisa
dikelompokkan menjadi tiga faktor
kemudian bisa kita lanjutkan Apakah
hasil ife itu nanti akan sejalan dengan
hasil cfe nah sederhananya seperti itu
oke langsung saja kita mulai Bagaimana
cara melakukan analisisnya nanti
Insyaallah di video lain akan saya bahas
secara detail bagaimana cfe itu dan apa
tujuannya serta prinsip-prinsipnya Oke
kita bisa menggunakan data yang sama ya
data iefe yang sudah kita siapkan
kemudian data ini jangan lupa sudah
tersimpan dalam format csv ya karena
Jazz bisa membacanya csv bukan format
excel kemudian kita buka caps kita
langsung kita open file csv tersebut
Open kemudian komputer
kita bisa browse nah ini data ife yang
sudah tersimpan dalam format csv
kemudian kita klik open
sama seperti analisis Ifa Skala yang
harus digunakan untuk Analisis cfe
adalah skala
rasio sehingga ini harus kita Ubah
menjadi skill ya bisa rasio bisa
interval ya dan keduanya termasuk skill
ya ini kan masih ordinal ini kalau
simbolnya seperti ini sekarang kita ubah
dulu menjadi skill semua
Oke Setelah semua hanya diubah menjadi
skill Sekarang waktunya kita melakukan
analisis faktor di atas ada vektor ini
bisa kita pilih kemudian konfirmatory
faktori analisis kita klik sehingga
muncul tampilan seperti ini saya
perkecil dulu agar tampilannya seperti
pada umumnya nah ini tampilan umumnya di
sisi kanan sudah siap-siap ada tabel
output Oke di sisi kiri kita akan
mengolah data kita pastikan ya di sini
sudah berubah menjadi simbol skill
seperti ini kemudian di sisi kanan ada
kolom faktor Nah ini bisa Kita sesuaikan
jumlah kotaknya dengan mengeklik tambah
plus atau tanda minus plus untuk
menambah minus untuk mengurangi kita
akan melanjutkan analisis data di video
ife kemarin berdasarkan video atau
analisis ife di video sebelumnya ini kan
kesimpulannya ya Ada tiga faktor faktor
1 item sekian sampai sekian faktor
sekian sampai sekian dan faktor ketiga
item nomor 6 dan 7 ini bisa kita
masukkan sesuai dengan hasil ife kemarin
Oke faktor 1 ini bisa kita kasih nama
juga ya Kalian bebas memberikan nama
kalau misalkan kalian sudah punya nama
yang pas untuk faktor-faktor ini
item-item ini juga bisa ya di Excel bisa
diganti namanya menjadi nama yang lebih
sesuai bebas Oke kita kembali lagi di
sini faktor 1 ya ini dimasukkan semua
terlebih dahulu
Oke ini sudah kita masukkan semua cara
memasukkannya menggunakan panah di sisi
sini ya Jangan sampai salah panah kalau
mau masukkan di faktor 1 maka gunakan
panah ini faktor 2 menggunakan panah ini
faktor 3 menggunakan panah yang ini
selanjutnya saya perbesar layarnya
terlebih dahulu agar lebih enak untuk
diikuti kemudian di sini ada second
order Factor ini tidak usah kita ubah
terlebih dahulu tidak usah kita
tambahkan terlebih dahulu karena ini
konsep lanjutan ya kemudian di sini ada
model option model option juga tidak
perlu kita ubah Kita sesuaikan dengan
default dari caps ini Nah baru di
additional output perlu ada beberapa hal
yang kita lakukan yang pertama kita
perlu centang editional Fit meses ini
harus dicentang kemudian R Square ini
boleh dicentang kemudian di sini ada
average variance extracted ini juga
dicentang
reliability boleh di sekarang boleh
tidak kalau kita ingin menambahkan
informasi yang bagus kita bisa juga
centang realibilitynya Kalau tidak mau
dilaporkan juga tidak apa-apa kemudian
tiga ini tidak perlu kemudian lavan
sintaks ini juga tidak perlu ini untuk
mendapatkan sintaks kalau kita ingin
analisis menggunakan program lain multi
grup cfa ini juga tidak perlu kita
ubah-ubah
kemudian kita ke plot nah di plot ini
kita klik kemudian yang harus sebetulnya
kita centang adalah model plot namun
kalau kita ingin melihat missfit plot
kita juga boleh centang Apa itu akan
kita singgung nanti kemudian di Advance
ini juga bisa kita Klik di sini ada mi
mix package kalau di cash
di versi-versi sebelumnya ini istilahnya
bukan mimik package ya emulsion kalau
ndak salah di sini emulsion ini
maksudnya adalah kita ingin bandingkan
hasil analisis ini menggunakan
program-program lain implus iki s itu
program-program lain kemudian error
calculation kita default-kan tidak usah
diubah-ubah missing data dan estimeter
bisa ML ya bisa auto juga atau bisa yang
lain terserah tergantung preferensi dari
peneliti masing-masing kemudian
standarisasi kita kalau ingin
menstandarkan angka atau memangsa
dilakukan hasil kita bisa pilih ya
jadinya angkanya bisa nanti seragam
begitu oke itu yang perlu kita atur di
sisi kiri sekarang kita lihat di kolom
atau di hasil nah ini ya di rizalth ini
ada model Fit
sebelum kita lanjut ke cfa kita itu
harus melihat seberapa Fit model yang
kita ajukan berdasarkan data kita nah
yang sebetulnya pertama muncul secara
default adalah key squaretes dan kaisnya
itu sebetulnya harus di atas 0,05 namun
kayak SKR tes itu sensitif terhadap
jumlah sampel semakin besar sampelnya
itu semakin mudah di bawah 0,05 Sehingga
tadi di sisi kanan kita sudah
menambahkan
editional Fit mezer ya kita buka lagi
yang tadi Nah di sini ya kita centang
kan tadi
sehingga di laporan kalau misalkan kayak
squarenya di bawah 0,05 Ya sudah tidak
usah kita laporkan kita bisa menggunakan
ukuran fit yang lain di tabel additional
Fit meses ini nah ini ada banyak sekali
sekali ada cvi ada tla dan sebagainya
prinsipnya kalau pada tabel ini
valuenya semakin mendekati angka 1 ya
semakin mepet atau semakin
mendekati angka 1 itu semakin Fit
semakin bagus modelnya
kalau kita pakai cut off ya minimal 0,9
ya atau 0,95 akan lebih bagus lagi Nah
di sini kebetulan tidak ada yang di atas
0,95 maka kita gunakan cut off 0,9 Tidak
apa-apa sehingga kita pilih saja manakah
yang di atas 0,9 itu yang kita laporkan
di sini ada cfa ya ada double nfi
kemudian ada
ini semuanya di atas 0,9 kemudian tabel
information kriteria ini tidak perlu
kita laporkan nah kemudian ini juga ada
other Fit mezersnya ada ini RMS ini juga
penting dilaporkan
berbeda dengan
yang tadi saya katakan semakin mendekati
angka 1 semakin bagus kalau yang rmse
rmsea ini semakin mendekati 0 itu
semakin bagus ya 0,00-0
di bawah 0,05 itu sangat bagus kalau
good itu 0,6 sampai 0,8 ya 0,9 sampai
0,1 itu masih bisa diterima di atas 0,1
itu sudah eh sorry di atas 0,01 itu
sudah eh sorry di atas 0,1 ya di atas
0.1 itu sudah jelek ya sudah pure ya Nah
di sini 0,064 sehingga ya masih
dikatakan masih good lah ya
Sehingga ini nanti bisa dilaporkan
bahwasanya RMS ya
0,064 begitu
kemudian ini air square air square ya
arus Square itu nilai determinasi ya
koefisien determinasi bisa dilaporkan
bisa tidak ter terminasi dari setiap
item yang kita analisis tadi Nah ini
hasilnya dari cfa ini estimatenya ya ini
faktor loading yang kita hasilkan
seperti yang kita singgung di video ife
kemarin faktor loading itu berkaitan
dengan seberapa
seberapa tinggi sih hubungan antara item
ini dengan faktor yang dimaksud begitu
ya semakin tinggi estimatenya maka
semakin tinggi faktor loadingnya semakin
bagus itu item itu menjelaskan faktor
tersebut Oke kemudian di sini ada faktor
varians ini
tidak perlu diinformasikan tidak masalah
begitu juga faktor ke varians begitu
juga residual oke di sini ada tabel
fve ya average
nah angka ini merupakan angka yang kita
butuhkan untuk melaporkan validitas
konvergen ya jadinya seberapa terkait
sih faktor-faktor ini di faktor latin
ini dengan faktor yang lain begitu ya
ini bisa kita laporkan ya jadinya FPS di
setiap faktor bisa kita sampaikan di
laporan kita prinsipnya kalau di atas
0,5 angka-angka ini itu bagus validitas
konvergen nya ini yang kurang bagus
adalah faktor 1 karena 0,34 sedangkan
faktor 2 dan 3 ini 0,58 dan 0,56 di atas
0,5 sehingga validitas konvergen-nya
bagus kemudian nah ini plotnya ini yang
harus kita Munculkan di laporan ya
nah ini ya Ada
ada
variabel-variabel kita atau item-item
kita nah ini kemudian faktor laten kita
ada 3 gitu kemudian di sini Oke sebentar
di sini masih muncul
munculin ya
lamdahan ya Nah ini agar muncul angka
estimate dari faktor loadingnya maka
kita bisa kembali ke sisi kanan ya cara
mengembalikannya di sini ada panah yang
bisa kita klik so input option kemudian
di model plot kita centang so parameter
estimate nah sehingga nanti akan muncul
akan muncul seperti
ini nah ini muncul angka-angkanya kalau
menurut anda ini grafiknya kok agak
susah dilihat maka kita kembali lagi ke
input ya so input option kemudian kita
kembali ke plot mana tadi plotnya Nah
ini plot kemudian rotate
kalau di rotate dia muter ya ya kita
lihat hasil putarannya nah ini ya dia
muter seperti ini terserah ya kita bisa
melaporkan di plot yang kayak tadi atau
motor yang upload yang sudah berputar
seperti ini gitu kemudian di sini ada
missfit plot itu digunakan untuk melihat
mana sih item-item yang nggak fit sama
item yang lain gitu ya Nah ini kita
lihat bisa kita identifikasi mana yang
nggak fit nah ini sudah ditandai ini ya
enggak Fit yang mana saja gitu ya oke
itu merupakan analisis cfe dari Jazz
kita tadi Seperti yang saya katakan bisa
melaporkan beberapa hal penting yang
pertama terkait ke fittan dari model
kita kalau di sini di bawah 0,05 kita
bisa gunakan di sini yang lain ya kita
lihat yang paling mendekati angka 1 kita
laporkan kalau kita menggunakan RMS
ini kita lihat semakin dekat dengan
angka 0 semakin bagus tetapi kalau
ternyata tidak dia tidak nol maka ya
jangan sampai 0,1 begitu kemudian ini
hasil cfe-nya yang kemudian bisa di plot
semacam ini
Oke terima kasih ini merupakan
penjelasan cfe dari chest saya akhiri
Assalamualaikum warahmatullahi
wabarakatuh