6 BAB II TINJAUAN PUSTAKA 2.1. Confirmatory Factor Analysis Menurut Hair et al (2010), Confirmatory Factor Analysis (CFA) adalah bagian dari SEM ( Structural Equation Modeling) yang berguna untuk menguji bagaimana variabel-variabel terukur (indikator-indikator) yang baik dalam menggambarkan atau mewakili suatu bilangan dari suatu faktor, dimana dalam CFA faktor dapat disebut juga dengan konstrak. Konstrak merupakan suatu variabel tak terukur yang membutuhkan variable-variabel terukur (indikator) untuk dapat menggambarkan konstrak tersebut. Selain itu CFA juga digunakan untuk menguji penegasandari teori pengukuran. Teori pengukuran digunakan untuk menentukan bagaimana variabel-variabel terukur,dapat menggambarkan secara logis dan sistematik suatu konstrak yang ditampilkan dalam suatu model. Berikut ini contoh diagram jalur untuk CFA sederhana berdasarkan teori pengukuran dari dua konstrak, yaitu Supervisor Support dan Work Environment : Gambar 2.1.1 Diagram jalur CFA ADLN - Perpustakaan Universitas Airlangga Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
23
Embed
Confirmatory Factor Analysis - repository.unair.ac.idrepository.unair.ac.id/25582/12/12. Bab 2.pdf · variabel terukur (indikator-indikator) yang. baik dalam . menggambarkan atau
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
6
BAB II
TINJAUAN PUSTAKA
2.1. Confirmatory Factor Analysis
Menurut Hair et al (2010), Confirmatory Factor Analysis (CFA) adalah
bagian dari SEM ( Structural Equation Modeling) yang berguna untuk menguji
bagaimana variabel-variabel terukur (indikator-indikator) yang baik dalam
menggambarkan atau mewakili suatu bilangan dari suatu faktor, dimana dalam
CFA faktor dapat disebut juga dengan konstrak. Konstrak merupakan suatu
variabel tak terukur yang membutuhkan variable-variabel terukur (indikator)
untuk dapat menggambarkan konstrak tersebut. Selain itu CFA juga digunakan
untuk menguji penegasandari teori pengukuran. Teori pengukuran digunakan
untuk menentukan bagaimana variabel-variabel terukur,dapat menggambarkan
secara logis dan sistematik suatu konstrak yang ditampilkan dalam suatu model.
Berikut ini contoh diagram jalur untuk CFA sederhana berdasarkan teori
pengukuran dari dua konstrak, yaitu Supervisor Support dan Work Environment :
Gambar 2.1.1 Diagram jalur CFA
ADLN - Perpustakaan Universitas Airlangga
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
7
Dari gambar diatas dapat dijelaskan sebagai berikut:
X1 = 1XL Supervisor Support + 1e
X2 = 2XL Supervisor Support + 2e
X3 = 3XL Supervisor Support + 3e
X4 = 4XL Supervisor Support + 4e
X5 = 5XL Work Environment + 5e
X6 = 6XL Work Environment + 6e
X7 = 7XL Work Environment + 7e
X8 = 8XL Work Environment + 8e
Persamaan tersebut memiliki pengertian bahwa Indikator X1, X2, X3, dan X4
mampu menggambarkan Konstrak Supervisor Support masing-masing sebesar
1XL , 2XL , 3XL , dan 4XL ; selanjutnya indikator X5, X6, X7, dan X8 mampu
menggambarkan Konstrak Work Environment masing-masing sebesar 5XL , 6XL ,
7XL , dan 8XL . Nilai 1XL , 2XL , ..., 8XL merupakan parameter yang mengukur
hubungan antara konstrak dan indikator-indikatornya. Koefisien hubungn antara
konstrak dengan indikatornya tersebut dinamakanloading atau unstandardized
loading.
Menurut Mulaik(2009) persamaan pengukuran secara umum untuk
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
16
Joreskog dan Sorbom (1996) menganjurkan untuk menggunakan data
ordinal (skala Likert) untuk diperlakukan sebagai data ordinal . Jika data tergolong
ordinal, kategorik, atau campuran, maka metode Diagonally Weighted Least
Squares (DWLS) untuk Polychoric correlation matrices direkomendasikan
sebagai metode estimasi model. metode ini membutuhkan sebuah estimasi
asymptotic covariance matrix dari korelasi sampel.
2.3 Uji Kecocokan Model
Menurut Hair et al. (2010), CFA tidak mempunyai uji statistik tunggal
terbaik yang dapat menjelaskan kekuatan dalam mengestimasi sebuah model.
Sebagai gantinya, telah dikembangkan beberapa kombinasi ukuran kecocokan
model yang menghasilkan 2 perspektif, yaitu ukuran kecocokan model
pengukuran dan ukuran kecocokan keseluruhan model, yaitu:
1. kecocokan model pengukuran, meliputi.
1) validitas konstrak, menggambarkan keakuratan dari kumpulan item-item
terukur yang menggambarkan konstraksecara teoritis. Indikator dari
validitas digambarkan melalui:
1. Nilai t-value semua unstandardized loading signifikan (t-value >
tα/2(df)). Karena n > 30 , tα/2(df) ≈ zα/2 . Untuk α = 0,05 , zα/2 = 1,96 .
2. Nilai standardized loading yang seharusnya lebih besar dari 0,5 dan
idealnya lebih besar dari 0,7 .
ADLN - Perpustakaan Universitas Airlangga
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
17
3. Nilai averagevariance extracted (AVE) adalah rata-rata dari variance
extracted yang merupakan kuadrat dari standardized loading dari
setiap indikator yang menjelaskan konstrak. AVE dirumuskan sebagai.
n
iiL
nAVE
1
21
denganLi adalah standardized loading dan n adalah banyaknya
standardized loading.Menurut Hair et al (2010) Nilai AVE yang
signifikan harus lebih besar dari 0,5.
2) Reliabilitas konstrak, atau construct reliability (CR) merupakan ukuran
reliabilitas dan konsistensi secara internal dari variabel-variabel
menggambarkan suatu konstrak laten. CR dirumuskan sebagai.
n
ii
n
ii
n
ii
n
ii
n
ii
n
ii
LL
L
eL
LCR
1
2
1
2
1
1
2
1
2
1
)1(
dengan Li adalah nilai standardized loading dan nilai e adalah nilai error
pengukuran untuk suatu konstrak yang bernilai 1 – L . Menurut Hair et al
(2010) Nilai CR harus lebih besar dari 0,7 .
2. Kecocokan keseluruhan model, yaitu ukuran kecocokan mutlak, ukuran
kecocokan incremental, dan ukuran kecocokan parsimoni yang ditunjukkan
pada tabel berikut:
ADLN - Perpustakaan Universitas Airlangga
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
18
1) Ukuran kecocokan mutlak (absolute fit measures), merupakan ukuran
goodness-of-fit dan badness-of-fit keseluruhan untuk keseluruhan
model meliputi:
a. Uji Kecocokan Chi-Square
Joreskog dan Sorbom (1996) mendeskripsikan bahwa uji
kecocokan chi-squaredidasari oleh generalisasi statistik LR untuk
pengetesan hipotesis gabungan dengan banyak parameter.
b. Goodnees-Of-Fit Index (GFI)
Ukuran GFI pada dasarnya merupakan ukuran kemampuan suatu
model menerangkan keragaman data. Nilia GFI berkisar antara 0 – 1.
Sebenarnya, tidak ada kriteria standar tentang batas nilai GFI yang
baik. Namun bisa disimpulkan, model yang baik adalah model yang
memiliki nilai GFI mendekati 1..
c. Root Mean Square Error (RMSR)
d. Root Mean Square Error Of Approximation (RMSEA)
RMSEA merupakan ukuran rata-rata perbedaan per degree of
freedom yang diharapkan dalam populasi. Nilai RMSEA < 0,08
adalah good fit, sedangkan Nilai RMSEA < 0,05 adalah close fit.
e. Expected Cross-Validation Index (ECVI)
f. Non-Centrality Parameter (NCP)
2) Ukuran kecocokan incremental (incremental/relative fit measures),
merupakan kumpulan dari ukuran goodness-of-fit yang menaksirkan
ADLN - Perpustakaan Universitas Airlangga
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
19
bagaimana kebaikan suatu ukuran relatif model tertentu untuk beberapa
model alternatif meliputi:
a. Adjusted Goodness-Of-Fit Index (AGFI)
b. Tucker-Lewis Index (TLI)
Ukuran TLI disebut juga dengan nonnormed fit index (NNFI).
Ukuran ini merupakan ukuran untuk pembandingan antarmodel
yang mempertimbangkan banyaknya koefisien di dalam model.
TLI 9,0 adalah good fit, sedangkan 8,0 TLI 9,0 adalah
marginal fit.
c. Normed Fit Index (NFI).
Nilai NFI merupakan besarnya ketidakcocokan antara model target
dan model dasar. Nilai NFI berkisar antara 0 – 1. NFI 9,0 adalah
good fit, sedangkan 8,0 NFI 9,0 adalah marginal fit.
d. Incremental Fit Index (IFI)
e. Comparative Fit Index (CFI)
f. Relative Fit Index (RFI)
3) Ukuran kecocokan parsimoni (parsimonious/adjusted fit measures),
yaitu merupakan ukuran goodness-of-fit keseluruhan yang
menggambarkan derajat kecocokan model tiap koefisien estimasi
(parameter) untuk mengevaluasi parsimoni dari model yang bandingkan
meliputi:
a. Parsimonious Normed Fit Index (PNFI)
b. Parsimonious Goodness-Of-Fit Index (PGFI)
ADLN - Perpustakaan Universitas Airlangga
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
20
c. Akaike Information Criterion (AIC)
d. Consistent Akaike Information Criterion (CAIC)
e. Criteria N (CN)
Ukuran kecocokan keseluruhan model yang dikutip dari Hair et al (2010)
ditunjukkan pada tabel berikut:
Tabel 2.1Kecocokan Keseluruhan Model
Ukuran Kecocokan Mutlak Persyaratan Model yang Baik Chi-Square (χ2) GOF P-value ≥ 0,05 Goodness of Fit Index (GFI) GFI ≥ 0,9 Root Mean Square Residual (RMR) RMR < 0,05 Standardized RMR (SRMR) SRMR < 0,05 Root Mean Square Error of Approximation (RMSEA) RMSEA < 0,08
Estimated Non-centrality Parameter (NCP) Semakin kecik semakin baik Expected Cross-Validation Index (ECVI) Semakin kecik semakin baik Ukuran Kecocokan Incremental Persyaratan Model yang Baik Adjusted Goodness of Fit Index (AGFI) AGFI ≥ 0,8 Normed Fit Index (NFI) NFI ≥ 0,8 Non-Normed Fit Index (NNFI) NNFI ≥ 0,8 Comparative Fit Index (CFI) CFI ≥ 0,8 Incremental Fit Index (IFI) IFI ≥ 0,8 Relative Fit Index (RFI) RFI ≥ 0,8 Ukuran Kecocokan Parsimoni Persyaratan Model yang Baik Parsimony Goodness of Fit Index (PGFI) Semakin tinggi lebih baik Parsimony Normed Fit Index (PNFI) Semakin tinggi lebih baik AIC model Positif kecil lebih baik CAIC model Positif kecil lebih baik Critical N (CN) CN > 200
2.4 Ukuran Sampel Penelitian
Narimawati dan Munandar (2008) menyajikan suatu ukuran sampel untuk
populasi sebagai berikut:
ADLN - Perpustakaan Universitas Airlangga
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
21
1. Jika populasi sangat besar (jumlah tidak diketahui), maka ukuran sampel
dirumuskan untuk.
a. variabel-variabel dikotomi
2
2
0 epqzn
pq 1
b. variabel-variabel kontinu atau polikotomi
2
22
0 ezn
keterangan:
0n = ukuran sampel untuk populasi yang tidak diketahui.
p = proporsi yang diestimasi suatu atribut yang ada dalam suatu populasi.
2 = varians suatu atribut dalam suatu populasi.
z = nilai kuantil pada distribusi normal standar pada taraf signifikan
atau selang kepercayaan %100)1( .
e = tingkat presisi (ketepatan) yang disebut juga sebagai kesalahan
pengambilan sampel (sampling error). Nilai e merupakan jangkauan
dimana nilai populasi yang tepat diperkirakan dan diekspresikan
dalam prosentase. Misalkan ditentukan %1e ketika peneliti
mengambil sampel dengan proporsi 50%. Hal ini memberikan
ADLN - Perpustakaan Universitas Airlangga
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
22
rekomendasi bagi peneliti dengan tingkat ketepatan sebesar %1
yang dapat menyimpulkan bahwa sampel yang diambil terletak
antara 49% dan 51%.
2. Jika populasi kecil (jumlah diketahui), maka ukuran sampel dirumuskan
sebagai.
Nnnn )1(1 0
0
keterangan:
0n = ukuran sampel untuk populasi yang tidak diketahui
n = ukuran sampel untuk populasi yang diketahui
N = ukuran populasi yang diketahui
3. Jika populasi kecil (jumlah diketahui) untuk proporsi 50% dan selang
kepercayaan 95%, maka ukuran sampel dihitung dengan rumus Yamane
sebagai berikut.
2)(1 eNNn
keterangan:
n = ukuran sampel untuk populasi yang diketahui
N = ukuran populasi yang diketahui
e = tingkat presisi (ketepatan)
ADLN - Perpustakaan Universitas Airlangga
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
23
Hair et al. (2010) menjabarkan bahwa ukuran sampel minimal yang
digunakan berdasarkan model secara kompleks dan karakteristik dasar model
pengukuran sebagai berikut:
1. ukuran sampel minimal 100 : model berisi maksimal 5 konstrak yang setiap
konstraknya memiliki minimal 3 item (variabel terobservasi) dengan
hubungan yang tinggi (standardized loading ≥ 0,6).
2. ukuran sampel minimal 150 : model berisi maksimal 7 konstrak dengan
setiap konstraknya memiliki hubungan yang sedang (standardized loading ≥
0,5).
3. ukuran sampel minimal 300 : model berisi maksimal 7 konstrak dengan
setiap konstraknya memiliki hubungan yang rendah (standardized loading ≥
0,45).
4. ukuran sampel minimum500 : model berisi banyak konstrak yang setiap
itemnya memiliki hubungan yang rendah (standardized loading ≥ 0,45),
dan/atau setiap konstraknya memiliki minimum 3 variabel terukur (item).
2.5 Diabetes Militus
Diabetes Militus adalah kumpulan gejala yang timbul pada seseorang
akibat peningkatan kadar glukosa darah yang disebabkan oleh kekurangan insulin
baik absolut maupun relatif (Suyono,dkk 2002). Diabetes Militusmerupakan
hyperglikemia kronis yang disebabkan oleh faktor lingkungan dan keturunan
secara bersama-sama, hyperglikemia kronis memiliki karakteristik yang tidak
dapat disembuhkan tetapi dapat dikontrol.
ADLN - Perpustakaan Universitas Airlangga
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
24
Berdasarkan teori dari Profesor Hembing Wijayakusuma (2003), ada tiga jenis
pencegahan Diabetes Militus:
1. Pencegahan primer
Tujuannya untuk mencegah terjadinya Diabetes Militus. Untuk itu,
faktor-faktor yang dapat menyebabkan Diabetes Militus perlu diperhatikan,
baik secara genetik dan lingkungan. Berikut adalah hal-hal yang perlu
dilakukan dalam pencegahan primer.
a) Pola makan sehar-hari harus seimbang dan tidak berlebihan
b) Olahraga secara teratur dan tidak berdiam diri
c) Menghindari terjadinya obesitas
d) Hindari obat-obatan yang dapat menimbulkan Diabetes Militus
(diabetogenik)
2. Pencegahan sekunder
Pencegahan sekunder tujuannya adalah mencegah agar penyakit
Diabetes Militus yang sudah timbul tidak menimbulkan komplikasi penyakit
lain, menghilangkan gejala, dan keluhan penyakit Diabetes Militus.
Pencegahan sekunder meliputi deteksi dini penderita Diabetes Militus,
terutama bagi kelompok yang berisiko tinggi terkena Diabetes Militus.Bagi
yang dicurgai terkena Diabetes Militus, perlu diteliti lebih lanjut untuk
memperkuat dugaanadanya Diabetes Militus.
Berikut hal-hal yang harus dilakukan dalam pencegahan sekunder:
ADLN - Perpustakaan Universitas Airlangga
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
25
a) Diet sehari-hari harus seimbang dan sehat
b) Menjaga berat badan dalam batas normal
c) Usaha pengendalian gula darah agar tidak terjadi komplikasi Diabetes
Militus
d) Olahraga teratur sesuai dengan kemampuan fisik dan umur.
3. Pencegahan tersier
Pencegahan tersier bertujuan untuk mencegah kecacatan lebih lanjut dari
komplikasi yang sudah terjadi. Berikut pencegahan yang dimaksud:
a) Mencegah terjadinya kebutaan jika menyerang pembuluh darah mata
b) Mencegah gagal ginjal kronik jika menyerang pembuluh darah ginjal
c) Mencegah stroke jika menyerang pembuluh darah otak
d) Mencegah terjadinya gangren jika terjadi luka
Oleh karena itu, diperlukan pemeriksaan yang rutin dan berkalaterhadap
bagian organ tubuh yang rentan terhadap komplikasi dan kecacatan.
Berdasarkan fokus penelitian, jenis pencegahan yang akan digunakan adalah
pencegahan primer karena pencegahan primer adalah pencegahan yang dilakukan
sebelum terjadinya Diabetes Militus. Sehingga kita dapat melakukan pencegahan
Diabetus Militus sejak dini.
Dari faktor-faktor pencegahan primer Diabetus Militus, maka indikator yang
perlu diperhatikan adalah:
ADLN - Perpustakaan Universitas Airlangga
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
26
a) Pola makan sehari-hari harus seimbang dan tidak berlebihan, dengan
indikator:
1. Diet karbohidrat
2. Diet makanan berserat
3. Diet gula
b) Olahraga secara teratur dan tidak berdiam diri, dengan indikator
1. Olahraga Ringan
2. Olahraga Berat
c) Tidak mengalami obesitas, dengan indikator:
1. Berat badan ideal
2. Lingkar pinggang normal
d) Hindari obat-obatan yang dapat menimbulkan Diabetes Militus
(diabetogenik), dengan indikator:
1. Tidak mengkonsumsi obat hypertensi
2. Tidak mengkonsumsi obat golongan kortikosteroid
3. Tidak mengkonsumsiobat anti kolesterol
ADLN - Perpustakaan Universitas Airlangga
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
27
2.6 Software Lisrel
Perkembagan teknologi analisis saat ini telah banyak bermunculan. Salah
satu program yang banyak digunakan adalah program Lisrel. Program Lisrel
(Linear Structural Relationship) awalnya dikembangkan oleh Karl G. Joreskog
bersama dengan Dag Sorbom (1996) dari Universitas Uppsala Swedia. Program
ini dirancang untuk menganalisis structural equation modeling (SEM), multilevel
structural equation modeling, multilevel linear and non linear modeling serta
validitas dan reliabilitas instrumen.
Untuk memperoleh output dalam format / program lisrel, ada beberapa
pilihan perintah, antara lain:
SS = Print standardized solution
SC = Print completly standardized solution
EF = Print total and indirect effects, their standard error and t-value
VA = Print variance and covariance
MR = Equivalent to RS and VA
FS = Print factor score regression
PC = Print correlations of parameter estimate
PT = Print technical information
ADLN - Perpustakaan Universitas Airlangga
Skripsi Analisis Pengaruh Faktor-Faktor Pencegahan Diabetes Militus.... Kusuma, Amanda Aulia
28
Secara umum, bentuk badan pemrograman untuk program simplis (yang
selanjutnya akan dipergunakan dalam membuat pemrograman) adalah sebagai