ANALISIS JALUR (PATH ANALYSIS)

OLEH: JONATHAN SARWONO

Pengertian

Apa sebenarnya path anlysis itu? Ada banyak definisi mengenai path anlysis ini, diantaranya:

         “Analisis jalur merupakan perluasan dari regresi linier berganda, dan yang memungkinkan analisis model-
model yang lebih kompleks” (Streiner, 2005)
         “Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang tejadi pada regresi
berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung tetapi
juga secara tidak langsung”. (Robert D. Retherford 1993).
         Sedangkan menurut Paul Webley (1997): “Analisis jalur merupakan pengembangan langsung bentuk
regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan (magnitude) dan
signifikansi (significance) hubungan sebab akibat hipotetikal dalam seperangakat variabel.”
         David Garson (2003) dari North Carolina State University 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 panah dimana anak panah tunggal menunjukkan sebagai penyebab. Regresi dikenakan pada
masing-masing variabel dalam suatu model sebagai variabel tergantung (pemberi respon) sedang yang lain
sebagai penyebab. Pembobotan regresi diprediksikan dalam suatu model yang dibandingkan dengan
matriks korelasi yang diobservasi untuk semua variabel dan dilakukan juga penghitungan uji keselarasan
statistik.
         Menurut penulis analisis jalur merupakan teknik analisis yang digunakan untuk menganalisis hubungan
sebab akibat yang inheren antar variabel yang disusun berdasarkan urutan temporer dengan menggunakan
koefesien jalur sebagai besaran nilai dalam menentukan besarnya pengaruh variabel independen exogenous
terhadap variabel dependen endogenous. (Jonathan Sarwono, 2011)

Dari definisi-definisi di atas dapat dsimpulkan bahwa sebenarnya analisis jalur dapat dikatakan sebagai
kepanjangan dari analisis regresi berganda, meski didasarkan sejarah terdapat perbedaan dasar antara analisis
jalur yang bersifat independen terhadap prosedur statistik dalam menentukan hubungan sebab akibat; sedang
regresi linier memang merupakan prosedur statistik yang digunakan untuk menganalisis hubungan sebab akibat
antar variabel yang dikaji.

Tujuan

Tujuan menggunakan analisis jalur diantaranya ialah untuk:

         Melihat hubungan antar variabel dengan didasarkan pada model apriori

         Menerangkan mengapa variabel-variabel berkorelasi dengan menggunakan suatu model yang berurutan secara
temporer

         Menggambar dan menguji suatu model matematis dengan menggunakan persamaan yang mendasarinya

         Mengidentifikasi jalur penyebab suatu variabel tertentu terhadap variabel lain yang dipengaruhinya.

         Menghitung besarnya pengaruh satu variabel independen exogenous atau lebih terhadap variabel dependen
endogenous lainnya.

Keuntungan dan Kelemahan Analisis jalur

Keuntungan menggunakan analisis jalur, diantaranya:

•          Kemampuan menguji model keseluruhan dan parameter – parameter individual,

•          Kemampuan pemodelan beberapa variabel mediator / perantara,

•          Kemampuan mengestimasi dengan menggunakan persamaan yang dapat melihat semua kemungkinan hubungan
sebab akibat pada semua variabel dalam model,

•          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 analisis jalur, diantaranya:

•          Tidak dapat mengurangi dampak kesalahan pengukuran,

•          Analisis jalur hanya mempunyai variable – variabel yang dapat diobservasi secara langsung,

•          Analisis jalur tidak mempunyai indikator – indikator suatu variabel laten,

•          Karena analisis jalur merupakan perpanjangan regresi linier berganda, maka semua asumsi dalam rumus ini harus
diikuti,

•          Sebab –akibat dalam model hanya bersifat searah (one direction); tidak boleh bersifat timbal balik (reciprocal).

Asumsi – Asumsi dan Prinsip - Prinsip Dasar

Beberapa asumsi dan prinsip – prinsip dasar dalam analisis jalur diantaranya ialah:

         Linearitas (Linearity). Hubungan antar variabel bersifat linear, artinya jika digambarkan membentuk
garis lurus dari kiri bawah ke kanan atas, seperti gambar di bawah ini:

Gambar 5.1 Linieritas

 
         Ko-linier. Menunjukkan suatu garis yang sama. Maksudnya jika ada beberapa variabel exogenous
mempengaruhi satu variabel endogenous; atau sebaliknya satu variabel exogenous mempengaruhi beberapa
variabel endogenous jika ditarik garis lurus akan membentuk garis-garis yang sama.
         Model Rantai Sebab Akibat: Menunjukkan adanya model sebab akibat dimana urutan kejadian akhirnya
menuju pada variasi dalam variabel dependen / endogenous, seperti gambar di bawah ini. Dalam gambar
dibawah semua urutan kejadian X1, X2, X3, dan X4 menuju ke Y
  
 
Gambar 5.2 Model Rantai Sebab Akibat
 
         Aditivitas (Additivity). Tidak ada efek-efek interaksi
         Hubungan sebab akibat yang tertutup (Causal closure): Semua pengaruh langsung satu variabel
terhadap variabel lainnya harus disertakan dalam diagram jalur.
         Koefesien Beta (β). Merupakan koefesien regresi yang sudah distandarisasi (standardized regression
coefficient) yang menunjukkan jumlah perubahan dalam variabel dependen endogenous yang dihubungkan
dengan perubahan (kenaikan atau penurunan) dalam satu standar deviasi pada variabel bebas exogenous
saat dilakukan pengendalian pengaruh terhadap variabel-variabel independen lainnya. Koefesien beta
disebut juga sebagai bobot beta (β). Nilai ini yang digunakan sebagai besaran nilai dalam koefesien jalur
(p) atau jumlah pengaruh setiap variabel exogenous terhadap variabel endogenous secara sendiri-sendiri
atau disebut sebagai pengaruh parsial.
         Koefesien Determinasi (R2): Disebut juga sebagai indeks asosiasi. Merupakan nilai yang menunjukkan
berapa besar varian dalam satu variabel yang ditentukan atau diterangkan oleh satu atau lebih variasbel
lain dan berapa besar varian dalam satu variabel tersebut berhubungan dengan varian dalam variabel
lainnya. Dalam statistik bivariat disingkat sebagai r 2 sedang dalam multivariat disingkat sebagai R 2. Nilai
ini yang digunakan sebagai besaran nilai untuk mengekspresikan besarnya jumlah pengaruh semua variabel
exogenous terhadap variabel endogenous secara gabungan atau disebut sebagai pengaruh gabungan.
         Data metrik berskala interval. Semua variabel yang diobservasi mempunyai data berskala interval
(scaled values). Jika data belum dalam bentuk skala interval, sebaiknya data diubah dengan menggunakan
metode suksesive interval (Method of Successive Interval /MSI) terlebih dahulu. Jika data bukan metrik
digunakan maka akan mengecilkan nilai koefesien korelasi. Nilai koefesien korelasi yang kecil akan
menyebabkan nilai R2 menjadi semakin kecil. Dengan demikian pemodelan yang dibuat menggunakan
analisis jalur tidak akan valid; karena salah satu indikator kesesuaian model yang dibuat dengan teori ialah
dengan melihat nilai R2 yang mendekati 1. Jika nilai ini semakin mendekati 1; maka model dianggap baik
atau sesuai dengan teori.
         Variabel - variabel residual tidak berkorelasi dengan salah satu variabel-variabel dalam model.
         Istilah gangguan (disturbance terms) atau variabel residual tidak boleh berkorelasi dengan semua
variabel endogenous dalam model. Jika dilanggar, maka akan berakibat hasil regresi menjadi tidak tepat
untuk mengestimasikan parameter-parameter jalur.
         Multikoliniearitas yang rendah. Multikolinieritas maksudnya dua atau lebih variabel bebas (penyebab)
mempunyai hubungan yang sangat tinggi. Jika terjadi hubungan yang tinggi maka kita akan mendapatkan
standard error yang besar dari koefesien beta (b) yang digunakan untuk menghilangkan varians biasa
dalam melakukan analisis korelasi secara parsial.
         Recursivitas. Semua anak panah mempunyai satu arah, tidak boleh terjadi pemutaran kembali (looping)
atau tidak menunjukkan adanya hubungan timbal balik (reciprocal)
         Spesifikasi model benar diperlukan untuk menginterpretasi koefesien-koefesien jalur. Kesalahan
spesifikasi terjadi ketika variabel penyebab yang signifikan dikeluarkan dari model. Semua koefesien jalur
akan merefleksikan kovarians bersama dengan semua variabel yang tidak diukur dan tidak akan dapat
diinterpretasi secara tepat dalm kaitannya dengan akibat langsung dan tidak langsung.
         Input korelasi yang sesuai. Artinya jika kita menggunakan matriks korelasi sebagai masukan, maka
korelasi Pearson digunakan untuk dua variabel berskala interval; korelasi polychoric untuk dua variabel
berksala ordinal; tetrachoric untuk dua variabel dikotomi (berskala nominal); polyserial untuk satu variabel
interval dan lainnya ordinal; dan biserial untuk satu variabel berskala interval dan lainnya nominal.
         Terdapat ukuran sampel yang memadai. Pergunakan sample minimal 100 dengan tingkat kesalahan
10% untuk memperoleh hasil analisis yang signifikan dan lebih akurat. Untuk idealnya besar sampel
sebesar 400 – 1000 (tingkat kesalahan 5%) sebagaimana umumnya persyaratan dalam teknik analisis
multivariat.
         Tidak terjadi Multikolinieritas. Multikolinieritas terjadi jika antar variabel bebas (exogenous) saling
berkorelasi sangat tinggi, misalnya mendekati 1.
         Sampel sama dibutuhkan untuk pengitungan regresi dalam model jalur.
          Merancang model sesuai dengan teori yang sudah ada untuk menunjukan adanya hubungan sebab
akibat dalam variabel – variabel yang sedang diteliti. Sebagai contoh: variabel motivasi, IQ dan
kedisplinan mempengaruhi prestasi belajar. Berdasarkan hubungan antar variabel yang sesuai teori
tersebut, kemudian kita membuat model yang dihipotesikan.
         Karena penghitungan analisis jalur menggunakan teknik regresi linier; maka asumsi umum regresi linear
sebaiknya diikuti, yaitu:
a.     Model regresi harus layak. Kelayakan ini diketahui jika angka signifikansi pada ANOVA sebesar <
0.05
b.    Predictor yang digunakan sebagai variable bebas harus layak. Kelayakan ini diketahui jika angka
Standard Error of Estimate < Standard Deviation
c.     Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi signifikan jika
T hitung > T table (nilai kritis)
d.    Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat tinggi antar
variable bebas.
e.     Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Dubin dan Watson sebesar < 1 dan > 3
 

Persyaratan dan Tahapan dalam Menggunakan Analisis Jalur

Persyaratan mutlak yang harus dipenuhi saat kita akan menggunakan analisis jalur disamping apa yang sudah
dibahas secara detil di bab 5, sebaiknya beberapa persyaratan ini tidak boleh dilanggar:

         Data metrik berskala interval

         Terdapat variabel independen exogenous dan dependen endogenous untuk model regresi berganda dan variabel
perantara untuk model mediasi dan model gabungan mediasi dan regresi berganda serta model kompleks.

         Ukuran sampel yang memadai, sebaiknya di atas 100 dan idealnya 400 - 1000

         Pola hubungan antar variabel: pola hubungan antar variabel hanya satu arah tidak boleh ada hubungan timbal balik
(reciprocal)

         Hubungan sebab akibat didasarkan pada teori yang sudah ada dengan asumsi sebelumnya menyatakan bahwa
memang terdapat hubungan sebab akibat dalam variabel-variabel yang sedang kita teliti.

         Pertimbangkan hal-hal yang sudah dibahas dalam asumsi dan prinsip-prinsip dasar di bab sebelumnya.

Tahapan dalam Menggunakan Analisis Jalur

Tahapan dalam melakukan analisis jalur ialah:

1.    Merancang model didasarkan pada teori. Sebagai contoh kita akan melihat pengaruh variabel kualitas produk, harga
dan pelayanan terhadap tingkat kepuasan pelanggan. Berangkat dari teori yang ada kemudian kita membuat model
yang dihipotesiskan.

 
 Gambar 6.1 Model Didasarkan pada Teori

2.    Model yang dihipotesiskan: Pada bagian ini kita membuat hipotesis yang menyatakan, misalnya:

H0: Variabel variabel kualitas produk, harga dan pelayanan tidak berpengaruh terhadap tingkat kepuasan pelanggan
baik secara gabungan maupun parsial.

H1: Variabel variabel kualitas produk, harga dan pelayanan berpengaruh terhadap tingkat kepuasan pelanggan baik
secara gabungan maupun parsial.

3.    Menentukan model diagram jalurnya didasarkan pada variabel – variabel yang dikaji.

Gambar 6.2 Model Diagram Jalur

4.    Membuat diagram jalur: kemudian kita membuat diagram jalur seperti di bawah ini:

Gambar 6.3 Diagram Jalur

Dimana:

         X1 sebagai variabel independen exogenous kualitas produk

         X2 sebagai variabel independen exogenous harga
         X3 sebagai variabel independen exogenous layanan
         Y sebagai variabel dependen endogenous tingkat kepuasan
  

5.    Membuat persamaan struktural.

Diagram jalur di atas persamaan strukturalnya ialah: Y = PYX1 + PYX2 + PYX3 + e1

6.    Melakukan prosedur analisis jalur dengan SPSS: Bagian ini akan dibahas di bab-bab contoh aplikasi selanjutnya

7.    Menghitung nilai: Bagian ini akan dibahas di bab-bab contoh aplikasi selanjutnya

a.     Pengaruh gabungan

b.    Pengaruh parsial
c.     Pengaruh langsung
d.    Pengaruh tidak langsung
e.     Pengaruh total
f.      Pengaruh faktor lain
g.    Korelasi

8.    Uji validitas hasil analisis: Bagian ini akan dibahas di bab-bab contoh aplikasi selanjutnya

a.     Dengan menggunakan nilai sig pada ANOVA untuk melihat model keseluruhan yang benar dan
pengaruh gabungan.
b.    Dengan menggunakan uji t untuk pengaruh parsial

(Tulisan ini diambil dari buku penulis dengan judul Path Analysis Untuk Riset Skripsi, Tesis dan Disertasi yang
diterbitkan oleh Penerbit Elex Media Komputindo Kompas Gramedia Jakarta, tahun 2012)
 ANALISIS JALUR (Path Analysis)
Penulis: Shynde Limar Kinanti

Pengantar Analisis Jalur

Analisis Jalur yang ditemukan oleh Sewall Wright adalah suatu metodologi
untuk menganalisa sistem persamaan struktural. Analisis jalur adalah
sebuah metode yang dikembangkan untuk mengkaji hubungan langsung
dan tidak langsung dari beberapa peubah, dimana beberapa peubah
dipandang sebagai peubah penjelas dari peubah lain yang dipandang
sebagai peubah respon. Analisis jalur ditujukan untuk mengkombinasikan
informasi kuantitatif dari hasil analisis korelasi dengan informasi kualitatif
sebagai hubungan sebab-akibat yang mungkin telah ada sebelumnya
untuk memberikan interpretasi kuantitatif.

    Penggunaan analisis jalur didasarkan pada beberapa asumsi,

diantaranya :

1. Hubungan antar peubah respon dengan peubah penjelas di dalam

model bersifat linier, aditif, dan sebab akibat.
2. Sisaan tidak saling berkorelasi dengan sisaan lainnya, juga tidak
berkorelasi dengan peubah penjelas di dalam sistem.
3. Hanya ada hubungan kausal satu arah dalam model dan tidak boleh
adanya hubungan kausal dua arah (timbal balik).
4. Peubah-peubah endogen minimal terukur dalam skala interval.
5. Peubah yang diamati diasumsikan diukur tanpa kesalahan.
6. Model yang digunakan diasumsikan memiliki spesifikasi yang tepat
dan benar berdasarkan teori-teori dan konsep-konsep yang relevan.

Dengan memenuhi asumsi-asumsi di atas maka parameter dari model

analsis jalur dapat diduga dengan metode kuadrat terkecil (ordinary least
square). Salah satu keuntungan dari pendekatan OLS adalah error dari
pendugaan parameter dari satu persamaan tidak berpengaruh pada
pendugaan parameter yang ada di persamaaan lainnya.

Diagram Jalur (Path Diagram)

Diagram jalur merupakan suatu gambaran representasi dari sistem
persamaan simultan. Salah satu manfaat utama dari diagram jalur adalah
diagram tersebut menampilkan gambaran dari hubungan antar peubah
sesuai dengan asumsi yang digunakan. Untuk beberapa peneliti diagram
jalur dapat memberikan gambaran yang lebih jelas mengenai hubungan
antar peubah tersebut dibandingkan persamaan. Misalnya diagram jalur
seperti pada Gambar 1.
 Gambar 1. Diagram Jalur

Pada analisis jalur, peubah dibedakan menjadi peubah eksogen yaitu

peubah yang ditentukan oleh penyebab di luar model kausal dan peubah
endogen yaitu peubah yang dijelaskan oleh peubah eksogen atau peubah
lain dalam sistem. Pada gambar 1 ditunjukkan X 1 dan X2 merupakan
variabel independen (eksogen) dan X 3 dan Y merupakan variabel
dependen (endogen). X1 dan X2 mempunyai jalur hubungan tidak langsung
dengan Y, karena harus melewati variabel X 3 dan variabel X3 disebut
interverning.

Koefisien Jalur (Path Coefficients)

Koefisien jalur menunjukkan pengaruh langsung dari peubah yang
ditentukan sebagai penyebab terhadap peubah yang ditentukan sebagai
akibat. Simbol yang biasa digunakan untuk menotasikan koefisien jalur
adalah Pij, dimana i menunjukkan akibat (peubah endogen) dan j
menunjukkan penyebab (peubah eksogen). Jika model rekursif, koefisien
jalur dapat dinyatakan dengan menggunakan korelasi sederhana atau
regresi berganda. Koefisien jalur sebenarnya adalah koefisien regresi
dalam bentuk baku.

Besarnya koefisien jalur ini menunjukkan besarnya pengaruh langsung dari

peubah eksogen Xi terhadap peubah endogen Y. Pengaruh tak langsung
peubah eksogen Xi terhadap peubah endogen Y melalui peubah bebas X j,
dengan i ≠ j adalah sebesar Pji PYj. Pengaruh tak langsung peubah eksogen
Xi terhadap peubah endogen Y melalui peubah bebas X j, dengan i≠j,
karena adanya korelasi antara Xi dan Xj adalah sebesar PYjRij.

Uji kebaikan model

    Pengujian kebaikan model dapat dilakukan dengan uji 2. Diasumsikan
model-model tersebut layak mewakili data. Pengujian didasari pada
besaran yang didefinisikan oleh Specht sebagai koefisien determinasi
umum (Mi). Besaran Specht tersebut adalah :

Kemudian analog dengan M1 didefinisikan M2 sebagai berikut :

Dengan 0≤M2≤M1≤1

n = ukuran contoh keseluruhan

d = selisih banyaknya koefisien lintas

= koefisien determinasi dari persamaan ke-k

M1 = koefisien determinasi umum model I

M2 = koefisien determinasi umum model II

k = banyaknya persamaan model I

k* = banyaknya persamaan model II

Hipotesis pengujian adalah :

H0 : Model II layak

H1 : Model II tidak layak

Statistik Uji :

W = -(n – d) ln Q

Sehingga W ~ χ2 dengan d derajat bebas.

Studi Kasus
Seorang ahli psikologi merasa tertarik untuk mengungkapkan hubungan
antara pengaruh kompensasi, budaya organisasi terhadap motivasi kerja
dan dampak selanjutnya terhadap kinerja pegawai dalam Instansi tertentu.

Pertanyaan :

1. Berapa besar pengaruh kompensasi dan budaya organisasi terhadap

motivasi kerja ?
2. Berapa besar pengaruh langsung dan tidak langsung kompensasi
dan budaya organisasi terhadap kinerja ?

Variabel-variabel yang digunakan dalam penelitian ini adalah :

 X1     : kompensasi
 X2     : budaya organisasi
 X3     : motivasi kerja
 Y     : kinerja pegawai