Resume Path Analysis
Johan Wayan Dika_160551800889_S2 PKJ A
A. Definisi Path Analysis
Analisis jalur atau yang dikenal dengan path analysis dikembangkan
pertama kali tahun 1920 oleh seorang ahli genetika yaitu Sewall Wright (Joreskog
dan Sorbom,1996; Johnson & Wicherb, 1992 dalam Riduwan dan Kuncoro,2014).
Menurut Wright, path analysis (analisis jalur) merupakan pengembangan korelasi.
Lebih lanjut analisis jalur mempunyai kedekatan dengan regresi berganda.
Dengan kata lain, analisis regresi berganda merupakan bentuk khusus dari analisis
jalur (regression is special case of path analysis) (Pardede, Raltan dan Manurung,
2014 dan Sugiyono,2015:297).
David dan Garson (dalam Pardede, Raltan dan Manurung, 2014)
mendefinisikan analisis jalur sebagai model perluasan regresi yang digunakan
untuk menguji keselarasan matriks korelasi dengan dua atau lebih model
hubungan sebab akibat yang dibandingkan oleh peneliti. Modelnya digambarkan
dalam bentuk gambar lingkaran dan anak panah. Pada diagram jalur digunakan
dua macam anak panah, yaitu: (a) anak panah satu arah yang menyatakan
pengaruh langsung dari sebuah variabel eksogen (variabel penyebab (X)) terhadap
sebuah variabel endogen (variabel akibat (Y)), misalnya: X1 Y dan (b) anak
panah dua arah yang menyatakan hubungan korelasional antar variabel eksogen,
misalnya X1 X2.
B. Asumsi-asumsi Path Analysis
Pardede, Raltan dan Manurung (2014:16) menyebutkan bahwa asumsi
dasar path analysis (analisis jalur) adalah beberapa variabel sebenarnya
mempunyai yang sangat dekat satu sama lainnya. Berikut ini adalah asumsi-
asumsi yang mendasari path analysis (analisis jalur) dari berbagai sumber
(Djudin,2013; Sugiyono,2015; Riduwan dan Kuncoro,2014).
1. Pada model path analysis, hubungan antar variabel adalah bersifat linier,
adaptif dan bersifat normal;
2. Variabel-varibel residual tidak berkorelasi dengan variabel yang
mendahuluinya, dan juga tidak berkorelasi dengan variabel yang lain;
3. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang
berbalik;
4. Variabel terikat (endogen) minimal dalam skala ukur interval dan ratio;
5. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel
untuk memberikan peluang yang sama pada setiap anggota populasi untuk
dipilih menjadi anggota sampel;
6. Observed variables diukur tanpa kesalahan (instrumen pengukuran valid dan
reliable) artinya variabel yang diteliti dapat diobervasi secara langsung;
7. Model yang dianalisis dispesifikasikan (diidentifikasi) dengan benar
berdasarkan teori dan konsep yang relevan artinya model teori yang dikaji
atau diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu
menjelaskan hubungan kausalitas antar variabel yang diteliti.
C. Prinsip Dasar Path Analysis
Menurut Pardede, Raltan dan Manurung (2014:17) terdapat beberapa
prinsip dasar yang sebaiknya dipenuhi dalam analisis jalur yaitu sebagai berikut.
1. Adanya linieritas (linierity). Hubungan antarvariabel bersifat linier.
2. Adanya aditivitas (additivity). Tidak ada efek-efek interaksi.
3. Data berskala interval. Semua variabel yang diobservasi dalam bentuk data
berskala interval (scaled values). Jika data belum dalam bentuk skala interval,
sebaiknya data diubah dengan menggunakan metode suksesi interval (MSI)
terlebih dahulu.
4. Semua variabel residual (yang tidak diukur) tidak berkorelasi dengan salah
satu variabel dalam model.
5. Istilah gangguan (disturbance terms) atau variabel residual tidak boleh
berkorelasi dengan semua variabel endogeneous dalam model. Jika dilanggar
maka akan berakibat hasil regresi menjadi tidak tepat untuk
mengestimatisikan parameter-parameter jalur.
6. Sebaiknya hanya terdapat Multikolinieritas yang rendah. Maksud
Multikolinieritas adalah dua atau lebih variabel bebas (penyebab) mempunyai
hubungan yang sangat tinggi. Jika terjadi hubungan yang tinggi maka kita
akan mendapatkan standar error yang besar dari koefisien beta () yang
digunakan untuk menghilangkan varian biasa dalam melakukan analisis
korelasi secara parsial.
7. Adanya rekursivitas. Semua anak panah mempunyai satu arah, tidak boleh
terjadi pemutaran kembali (looping).
8. Spesifikasi model sangat diperlukan untuk menginterpretasikan koefisien-
koefisien jalur. Kesalahan spesifikasi terjadi ketika variabel penyebab yang
signifikan dikeluarkan dari model. Semua efisien jalur akan merefleksikan
kovarian bersama dengan semua variabel yang tidak diukur dan tidak akan
dapat diinterpretasikan secara tepat dalam kaitannya dengan akibat langsung
dan tidak langsung.
9. Terdapat masukan korelasi yang sesuai. Artinya, jika kita menggunakan
matriks korelasi sebagai masukan maka korelasi perasons digunakan untuk
dua variabel berskala interval; korelasi polychoric untuk dua variabel berskala
ordinal; tetrachoric untuk dua variabel dikotomi (berskala nominal);
polyserial untuk satu variabel interval dan lainnya ordinal; dan biserial untuk
satu variabel berskala interval dan laiinya nominal.
10. Terdapat ukuran sampel yang memadai. Untuk memperoleh hasil yang
maksimal, sebaiknya digunakan sampel di atas 100.
11. Sampel sama dibutuhkan perhitungan regresi dalam model jalur.
D. Uji Prasyarat Path Analysis
Path analysis (analisis jalur) digunakan untuk menganalisis pola hubungan
antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak
langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat
(endogen). Sebelum melakukan analisis jalur, terlebih dahulu harus dilakukan uji
prasyarat berupa uji asumsi klasik. Uji asumsi klasik yang digunakan pada path
analysis (analisis jalur) mengikuti uji asumsi pada analisis korelasi dan regresi.
Hal ini dikarenakan path analysis (analisis jalur) merupakan pengembangan dari
korelasi dan juga bentuk khusus dari regresi berganda. Uji asumsi klasik yang
dilakukan yaitu uji normalitas, uji linieritas, uji Multikolinieritas, uji autokoelasi,
dan uji heteroskedastisitas (Nisfianoor, 2009:91).
1. Uji Normalitas
Normalitas, yakni dari Y (variabel dependen) seharusnya didistribusikan
secara normal terhadap nilai X (variabel independen) (Santoso, 2014:183). Uji
normalitas mempunyai tujuan menguji apakah dalam model regresi variabel
pengganggu atau residual memiliki distribusi normal (Ghozali,2011:160). Uji
normalitas yang banyak digunakan yaitu dengan metode Liliefors dan
Kolomogorov-Sminorv Z (Priyatno, 2010:36).
Pengujian normalitas dilakukan dengan uji Kolomogrov-Smirnov(K-S)
dengan kriteria:
a. Bila nilai probabilitas (sig) < 0,05 maka distribusi adalah tidak normal.
b. Bila nilai probabilitas (sig) > 0,05 maka distibusi adalah normal.
2. Uji Linieritas
Uji linearitas dipergunakan untuk melihat apakah spesifikasi model yang
digunakan sudah benar atau tidak (Ghozali,2011:116). Tujuan uji linieritas adalah
untuk mengetahui apakah antara variabel tak bebas dan variabel bebas
mempunyai hubungan linier. Pengujian dilakukan terhadap data variabel bebas X1
dan X2 dengan variabel terikat Y dan Z. Interprestasi untuk uji linieritas adalah
sebaga berikut : (a) Jika sig. tau signifikansi pada derivation from linierity > 0,05,
maka hubungan antar variabel adalah linier dan sebaliknya; (2) Jika sig. tau
signifikansi pada derivation from linierity < 0,05, maka hubungan antar variabel
adalah tidak linier (Sarjono dan Julianita, 2013:80).
3. Uji Multikolinieritas
Uji Multikolinieritas dilakukan untuk mengetahui apakah ditemukan
adanya korelasi antar variabel bebas/ independen (Ghozali, 2011:105). Model
korelasi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Jika
variabel bebas saling berkorelasi maka variabel-variabel ini tidak orthogonal,
artinya variabel bebas yang nilai korelasi antar sesame variabel bebas sama
dengan nol (Ghozali, 2011:105). Model yang baik adalah model yang terbebas
dari Multikolinieritas.
Uji Multikolinieritas dicari dengan metode VIF (Value of Inflation Factor)
menggunakan bantuan SPSS. Pedoman suatu model regresi yang bebas dari
Multikolinieritas menurut Ghozali (2011:105) sudah mempunyai nilai VIF < 10
dan atau nilai tolerance > 0,10 dan atau korelasi antar variabel bebas kurang dari
90%.
4. Uji Heteroskedastisitas
Uji heteroskedastisitas mempunyai tujuan menguji apakah dalam model
regresi terdapat ketidaksamaan variance dari residual suatu pengamatan ke
pengamatan yang lain (Ghozali, 2011:139). Jika variance dari residual suatu
pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan
jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang
homoskedastisitas atau tidak terjadi heteroskedastisitas. Metode untuk mendeteksi
ada atau tidaknya heteroskedastisitas dalam model regresi salah satunya dilakukan
dengan uji glejser. Uji glejser dilakukan dengan meregresikan variabel
independen dengan nilai absolute residual, jika nilai signifikansi lebih dari 0,05
maka dapat dikatakan tidak terjadi gejala heteroskedastisitas.
5. Uji Autokorelasi
Uji auto korelasi bertujuan untuk menguji apakah dalam model regresi
linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan
ada problem autokorelasi yang muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lainnya (Ghozali, 2011: 110). Cara yang digunakan
untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan menggunakan uji
Durbin-Watson (DW test).
E. Manfaat Path Analysis
Sugiyono (2015:297) menyebutkan melaui analisis jalur akan dapat
ditemukan jalur mana yang paling tepat suatu variabel independen menuju
variabel dependen yang terakhir. Riduwan dan Kuncoro (2014:2) memaparkan
manfaat dari penggunaan path analysis (analisis jalur) adalah untuk :
1. Penjelasan (explanation) terhadap fenomena yang dipelajari atau
permasalahan yang diteliti;
2. Prediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X), dan
prediksi dengan path analysis (analisis jalur) ini bersifat kualitatif;
3. Faktor determinan yaitu penentuan variabel bebas (X) mana yang
berpengaruh dominan terhadap variabel terikat (Y), juga dapat digunakan
untuk menelusuri mekanisme (jalur-jalur) pengaruh variabel bebas (X)
terhadap variabel terikat (Y);
4. Pengujian model, menggunakan theory trimming, baik untuk uji reliabilitas
(uji keajegan) konsep yang sudah ada ataupun uji pengembangan konsep
baru.
F. Kelebihan dan Kekurangan Path Analysis
Sarwono (2012) menyebutkan keuntungan menggunakan path analysis
(analisis jalur) adalah sebagai berikut.
1. Kemampuan menguji model keseluruhan dan parameter-parameter
individual.
2. Kemampuan pemodelan beberapa variabel mediator/perantara.
3. Kemampuan mengestimasi dengan menggunakan persamaan yang
dapat melihat semua kemungkinan hubungan sebab akibat pada semua
variabel dalam model.
4. Kemampuan melakukan dekomposisi korelasi menjadi hubungan yang
bersifat sebab akibat (causal relation), seperti pengaruh langsung (direct
effect) dan pengaruh tidak langsung (indirect effect) dan bukan sebab akibat
(non-causal association), seperti komponen semu (spurious).
Kelemahan menggunakan path analysis (analisis jalur) adalah sebagai
berikut.
1. Tidak dapat mengurangi dampak kesalahan pengukuran.
2. Analisis jalur hanya mempunyai variabel-variabel yang dapat diobservasi
secara langsung.
3. Analisis jalur tidak mempunyai indikator-indikator suatu variabel laten.
4. Karena analisis jalur merupakan perpanjangan regresi linier berganda,
maka semua asumsi dalam rumus ini harus diikuti.
5. Sebab akibat dalam model hanya bersifat searah (one direction), tidak boleh
bersifat timbal balik (reciprocal).