1.

Path analysis merupakan perluasan dari regresi linier berganda, dan yang memungkinkan
analisis model-model yang lebih kompleks. Path analysis 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. Path analysis 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 eksogenous terhadap variabel
dependen endogenous.
2. Tujuan menggunakan path analysis diantaranya:
a. Melihat hubungan antar variabel dengan didasarkan pada model apriori
b. Menerangkan mengapa variabel-variabel berkorelasi dengan menggunakan suatu
model yang berurutan secara temporer
c. Menggambar dan menguji suatu model matematis dengan menggunakan persamaan
yang mendasarinya
d. Mengidentifikasi jalur penyebab suatu variabel tertentu terhadap variabel lain yang
dipengaruhinya
e. Menghitung besarnya pengaruh satu variabel independen exogenous atau lebih
terhadap variabel dependen endogenous lainnya
3. Asumsi - Asumsi dan Prinsip - Prinsip Dasar
a. Linearitas (Linearity). Hubungan antar variabel bersifat linear, artinya jika digambarkan
membentuk garis lurus dari kiri bawah ke kanan atas.
b. Ko-linier. Menunjukkan suatu garis yang sama. Maksudnya jika ada beberapa variabel
eksogenous mempengaruhi satu variabel endogenous; atau sebaliknya satu variabel
eksogenous mempengaruhi beberapa variabel endogenous jika ditarik garis lurus akan
membentuk garis-garis yang sama.
c. 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
d. Aditivitas (Additivity). Tidak ada efek-efek interaksi
e. Hubungan sebab akibat yang tertutup (Causal closure): Semua pengaruh langsung satu
variabel terhadap variabel lainnya harus disertakan dalam diagram jalur.
f. 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 eksogenous 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 eksogenous terhadap
variabel endogenous secara sendiri-sendiri atau disebut sebagai pengaruh parsial.
g. 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 r2 sedang dalam multivariat disingkat sebagai R2. Nilai ini
yang digunakan sebagai besaran nilai untuk mengekspresikan besarnya jumlah
pengaruh semua variabel eksogenous terhadap variabel endogenous secara gabungan
atau disebut sebagai pengaruh gabungan.
h. 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 path analysis 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.
i. Variabel - variabel residual tidak berkorelasi dengan salah satu variabel-variabel dalam
model.
j. 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.
k. 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.
l. Recursivitas. Semua anak panah mempunyai satu arah, tidak boleh terjadi pemutaran
kembali (looping) atau tidak menunjukkan adanya hubungan timbal balik (reciprocal).
m. 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.
n. 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.
o. 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.
p. Tidak terjadi Multikolinieritas. Multikolinieritas terjadi jika antar variabel bebas
(eksogenous) saling berkorelasi sangat tinggi, misalnya mendekati 1.
q. Sampel sama dibutuhkan untuk pengitungan regresi dalam model jalur.
r. 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.
s. Karena penghitungan path analysis menggunakan teknik regresi linier; maka asumsi
umum regresi linear sebaiknya diikuti, yaitu:
1. Model regresi harus layak. Kelayakan ini diketahui jika angka signifikansi pada
ANOVA sebesar < 0.05
2. Predictor yang digunakan sebagai variable bebas harus layak. Kelayakan ini
diketahui jika angka Standard Error of Estimate < Standard Deviation
3. Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien
regresi signifikan jika T hitung > T table (nilai kritis)
4. Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat
tinggi antar variable bebas.
5. Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Dubin dan Watson sebesar <
1 dan >
4. Persyaratan mutlak yang harus dipenuhi saat kita akan menggunakan path analysis
diantaranya:
a. Data metrik berskala interval
b. Terdapat variabel independen eksogenous dan dependen endogenous untuk model
regresi berganda dan variabel perantara untuk model mediasi dan model gabungan
mediasi dan regresi berganda serta model kompleks
c. Ukuran sampel yang memadai, sebaiknya di atas 100 dan idealnya 400 – 1000
d. Pola hubungan antar variabel: pola hubungan antar variabel hanya satu arah tidak boleh
ada hubungan timbal balik (reciprocal)
e. 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.
f. Pertimbangkan hal-hal yang sudah dibahas dalam asumsi dan prinsip-prinsip dasar
yang telah dibahas sebelumnya
5. Tahapan dalam melakukan path analysis
a. Merancang model didasarkan pada teori. Sebagai contoh akan dilihat pengaruh variabel
kualitas produk, harga dan pelayanan terhadap tingkat kepuasan pelanggan. Berangkat
dari teori yang ada kemudian dibuat model yang dihipotesiskan.
b. Model yang dihipotesiskan: Pada bagian ini dibuat 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.
c. Menentukan model diagram jalurnya didasarkan pada variabel-variabel yang dikaji

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

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
e. Membuat persamaan struktural
Diagram jalur di atas persamaan strukturalnya ialah: Y = PYX1 + PYX2 + PYX3 + e1
f. Melakukan prosedur path analysis dengan langkah-langkah sebagai berikut:
1. Menghitung matriks korelasi antar variabel bebas dengan variabel tergantung
2. Menghitung matriks invers
3. Menghitung Koefisien Jalur
4. Menghitung koefesien determinasi, yang merupakan pengaruh gabungan dari
X1,X2,Xk terhadap Y (dalam contoh diatas, pengaruh variabel kualitas produk, harga
dan layanan terhadap tingkat kepuasan)
5. Menghitung pengaruh faktor lain
6. Menguji signifikansi koefisien jalur
7. Menghitung pengaruh parsial X1 (kualitas produk), X2 (harga), X3 dan (layanan)
terhadap Y (tingkat kepuasan)
Uji validitas hasil analisis:
 Dengan menggunakan nilai sig atau nilai F pada ANOVA untuk melihat model
keseluruhan yang benar dan pengaruh gabungan
 Dengan menggunakan nilai T untuk pengaruh parsial
g. Model – model dalam path analysis :
1. Model Regresi Linier Berganda
Model regresi berganda ini sebenarnya merupakan pengembangan dari teknik
analisis regresi linier berganda dengan menggunakan lebih dari satu variabel
independen eksogenous, yaitu X1 dan X2 dengan satu variabel dependen
endogenous Y.
2. Model Mediasi Melalui Variabel Perantara (Intervening Variable)
Model kedua path analysis ini adalah model mediasi atau perantara (intervening
variable) dimana kehadiran variabel Y sebagai variabel perantara akan mengubah
pengaruh variabel X terhadap variabel Z. Pengaruh ini dapat menurun ataupun
meningkat.
3. Model Gabungan antara Model Regresi Berganda dengan Model Mediasi
Model ketiga dalam path anlysis merupakan penggabungan antara model regresi
linier berganda dengan model mediasi, yaitu variabel X berpengaruh terhadap
variabel Z secara langsung (direct effect) dan secara tidak langsung (indirect effect)
mempengaruhi juga variabel Z melalui variabel perantara Y.
 Dalam model ini dapat diterangkan sebagai berikut:
 Variabel X berfungsi sebagai variabel independen exogenous terhadap variabel
Y dan Z
 Variabel Y mempunyai dua fungsi:
o Fungsi pertama ialah sebagai variabel endogenous terhadap variabel
exogenous X
o Fungsi kedua ialah sebagai variabel endogenous perantara untuk melihat
pengaruh X terhadap Z melalui Y
 Variabel Z merupakan variabel dependen endogenous
4. Model Kompleks
Model keempat dalam path analysis ini merupakan model yang kompleks, yaitu
variabel X1 secara langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak
langsung mempengaruhi Y2 , sementara itu variabel Y2 juga dipengaruhi oleh
variabel Y1.
Dalam model ini dapat diterangkan sebagai berikut:
 Variabel X1 berfungsi sebagai variabel independen exogenous
 Variabel X2 mempunyai dua fungsi:
o Fungsi pertama ialah sebagai variabel endogenous terhadap variabel
exogenous X1
o Fungsi kedua ialah sebagai variabel endogenous perantara untuk melihat
pengaruh X1 terhadap Y2 melalui X2
 Variabel Y2 merupakan variabel dependen endogenous
 Variabel Y1 merupakan variabel independen eksogenous