Dalam model CFA ada beberapa model seperti CFA first order dan CFA second order. Model CFA first order dilakukan pada variabel laten yang menggunakan pengukurn langsung/manifes sebagai pengukurnya sedangkan pada model CFA second order dilakukan pada model yang memiliki variabel multidimensi, dimana variabel laten ini diukur oleh variabel laten dimensinya.
Sebagai contoh pada model Etos kerja, variabel etos kerja merupakan variabel multidimensi dimana variabel ini diukur oleh variabel-variabel laten seperti kerja keras, kerja cerdas dan kerja ikhlas sebagai variabel dimensinya. Oleh karena hal tersebut maka dinamakan dengan model CFA second order. Gambaran CFA second order selengkapnya disajikan pada model di bawah ini.
 |
| Konsep Model Second Order Etos Kerja |
Langkah -Langkah Analisis Second order CFA dengan AMOS
Gambar model di AMOS seperti pada model konsep di atas. Masing-masing variabel laten kerja keras, Kerja cerdas dan Kerja Ikhlas diberi kosntrain nilai resdual (z).
Kemudian pada variabel laten etos Kerja (second order) diberikan konstrain nilai variance sebesar 1. Dengan cara klik kanan pada variabel laten etos kerja, pilih object properties. Pada menu variance, isi nilai 1 (satu). Hasil model selengkapnya seperti di bawah ini.
 |
| Gambar Awal |
Masukan data file (berupa format microsoft axcela atau SPSS. Setelah itu, data dimasukan ke dalam model sesuai dengan indikator-indikatornya.
Ke Menu View dan pilih Analysis properties, pilih model estimasi (ML) dan output yang dikehendaki.
Kemudian dari menu Analyze >Calculate estimate
Hasil model AMOS seperti di bawah ini.
 |
| Hasil Model Second Order etos Kerja |
Pada gambar hasil model di atas menunjukan bahwa indeks nilai yang diperoleh seperti chi-square sebesar 25.359, probabilitas (p) 0.386, RMSEA 0.017, CFI 0.998, GFI 0.973, dan TLI sebesar 0.998. Dari hasil nilai tersebut menunjukan bahwa nilai chi-square sudah sangat rendah, nilai probabilitas 0.386 > 0.05, RMSEA 0.017 < 0.08, sedangkan CFI, GFI, dan TLI > 0.95 dan model secara umum dapat dikatakan fit/layak.
Nilai loading indikator pada masing-masing variabel laten selengkapnya disajikan pada tabel di bawah ini.
 |
| Nilai Loading Indikator |
Dari hasil analisis model tersebut terlihat bahwa nilai loading indikator-indikator pada variabel Kerja keras, Kerja Cerdas dan Kerja Ikhlas memperoleh nilai loading > 0.7 yang berarti bahwa indikator-indikator tersebut valid sebagai pengukur variabel latennya.
Untuk nilai indeks goodness of fit dari model selengkapnya disajikan pada tabel di bawah ini.
 |
| Goodness of Fit Index |
Nilai chi-square diperoleh sebesar 25.359 lebih rendah dibandingkan nilai cut off value yaitu 34.62, artinya bahwa tidak ada perbedaan yang signifikan antara matrik kovarian populasi dengan matrik kovarian sampel sehingga model fit. Nilai probabilitas diperoleh sebesar 0.386, nilai ini lebih besar dari cut off value 0.05. Nilai probabilitas semakin tinggi (tidak signifikan), karena nilai chi-square rendah yaitu 25.359 < 34.62 dan nilai probabilitas 0.386 > 0.05 maka dapat disimpulkan bahwa model dapat dikatakan fit diterima.
Demikian juga untuk indeks RMSEA diperoleh sebesar 0.017, GFI sebesar 0.973, AGFI 0.945, TLI 0.998, CFI 0.998 dan NFI sebesar 0.972. Indeks tersebut sudah memenuhi batas cut off value masing-masing, sehingga dapat dikatakan bahwa model fit diterima.
Koefisien estimasi dari variabel multidimensi (kerja Keras, kerja cerdas, kerja ikhlas) selengkapnya disajikan pada tabel di bawah ini.
 |
| Nilai estimate Koefisien |
Terlihat bahwa nilai koefisien Etos Kerja terhadap Kerja keras sebesar 0.893, dengan nilai Critical Ratio (CR) 4.649. Etos kerja ke Kerja Cerdas memperoleh nilai estimasi sebesar 0.331 dengan CR 3.303. Etos Kerja ke Kerja Ikhlas sebesar 0.949 dengan nilai CR sebesar 4.802. Karena nilai CR yang diperoleh pada masing-masing variabel memenuhi kriteria > 1.96 maka dapat disimpulkan bahwa Kerja keras, Kerja cerdas dan Kerja Ihklas merupkana variabel multidimensi dari variabel Etos Kerja.
Baca Juga :
1. Second Order Construct dalam PLS
2. Tiga Pendekatan Model Second Order Construct PLS
3. Cara Menggambar Dengan AMOS GRAPHICS
Referensi :
Ferdinand, A. (2014). Structural Equation Modeling Dalam Penelitian Manajemen. Semarang : Badan Penerbit Universitas Diponegoro.
Ghozali, I. (2011). Model Persamaan Struktural Konsep dan Aplikasi Dengan Program AMOS 19. Semarang : Badan Penerbit Universitas Diponegoro
