ANALISIS JALUR
(PATH ANALYSIS)
Akbar Pahlevi
C2C018072
Sejarah Analisis Jalur
Teknikanalisis jalur dikembangkan oleh
Sewal Wright di tahun 1934
Pengembangan korelasi
Pengembangan regresi berganda
Pengertian
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
Pengertian
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.”
(Paul Webley 1997)
Pengertian
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. (David Garson, 2003)
Prinsip-Prinsip Dasar
Hubungan antar variabel bersifat linear (gunakan uji hipotesis
kelayakan model dgn menggunakan angka sig atau F untuk
pengaruh gabungan dan uji t untuk pengaruh parsial)
Data berskala interval (scaled values dalam SPSS)
Tidak boleh terjadi multikoliniearitas
Adanya recursivitas. Semua anak panah mempunyai satu arah,
tidak boleh terjadi pemutaran kembali (looping).
Terdapat ukuran sampel yang memadai (>100)
MANFAAT ANALISIS PATH
– Faktor determinan, yaitu penentuan variabel
bebas mana yang berpengaruh dominan
terhadap variabel tergantung. Dan juga dapat
digunakan untuk menelusuri mekanisme (jalur-
jalur) pengaruh variabel bebas terhadap variabel
tergantung.
– Pengujian model, menggunakan theory triming,
baik untuk uji keajegan konsep yang sudah ada
ataupun uji pengembangan konsep baru.
7
Konsep-Konsep dan Istilah Dasar
Model jalur. Model jalur ialah suatu diagram yang
menghubungkan antara variabel bebas, perantara dan
tergantung. Pola hubungan ditunjukkan dengan menggunakan
anak panah. Anak panah-anak panah tunggal menunjukkan
hubungan sebab–akibat antara variabel-variabel exogenous
atau perantara dengan satu variabel tergantung atau lebih.
Anak panah juga menghubungkan kesalahan (variabel residue)
dengan semua variabel endogenous masing-masing. Anak
panah ganda menunjukkan korelasi antara pasangan variabel-
variabel exogenous
Konsep-Konsep dan Istilah Dasar
Model Dua Jalur
Produk
Harga Kepu
asan Loyalitas
Layanan
Konsep-Konsep dan Istilah Dasar
Variabel exogenous. Variabel – variabel exogenous
dalam suatu model jalur ialah semua variabel yang
tidak ada penyebab-penyebab eskplisitnya atau
dalam diagram tidak ada anak-anak panah yang
menuju kearahnya, selain pada bagian kesalahan
pengukuran. Jika antara variabel exogenous
dikorelasikan maka korelasi tersebut ditunjukkan
dengan anak panah dengan kepala dua yang
menghubungkan variabel-variabel tersebut
Konsep-Konsep dan Istilah Dasar
Variabel endogenous. Variabel endogenous ialah
variabel yang mempunyai anak-anak panah menuju
kearah variabel tersebut. Variabel yang termasuk
didalamnya ialah mencakup semua variabel
perantara dan tergantung. Variabel perantara
endogenous mempunyai anak panah yang menuju
kearahnya dan dari arah variabel tersebut dalam
sutau model diagram jalur. Sedang variabel
tergantung hanya mempunyai anak panah yang
menuju kearahnya.
Konsep-Konsep dan Istilah Dasar
Koefesien jalur / pembobotan jalur.
Koefesien jalur adalah koefesien regresi
standar atau disebut ‘beta’ yang
menunjukkan pengaruh langsung dari suatu
variabel bebas terhadap variabel tergantung
dalam suatu model jalur tertentu.
Konsep-Konsep dan Istilah Dasar
Coef fi ci entsa
Unst andardized St andardized
Coef f icient s Coef f icient s
Model B St d. Err or Bet a t Sig.
1 (Const ant ) 5. 695 2. 365 2. 409 . 023
Pr oduk . 341 . 148 . 465 2. 299 . 030
Harga -. 103 . 149 -. 116 -. 692 . 495
Pr omosi . 214 . 151 . 280 1. 419 . 168
a. Dependent Variable: Kepuasan Konsumen
Konsep-Konsep dan Istilah Dasar
Variabel-variabel exogenous yang
dikorelasikan. Jika semua variabel
exogenous dikorelasikan, maka sebagai
penanda hubungannya ialah anak panah
dengan dua kepala yang dihubungkan
diantara variabel-variabel dengan koefesien
korelasinya
Konsep-Konsep dan Istilah Dasar
Istilah gangguan. Istilah kesalahan residual
yang secara teknis disebut sebagai
‘gangguan’ atau “residue” mencerminkan
adanya varian yang tidak dapat diterangkan
atau pengaruh dari semua variabel yang
tidak terukur ditambah dengan kesalahan
pengukuran
Konsep-Konsep dan Istilah Dasar
Signifikansi dan Model keselarasan dalam
jalur. Untuk melakukan pengujian koefesien
– koefesien jalur secara individual, kita dapat
menggunakan t standar atau pengujian F
dari angka-angka keluaran regresi.
Konsep-Konsep dan Istilah Dasar
Pola hubungan. Dalam analisi jalur tidak digunakan
istilah variabel bebas ataupun tergantung. Sebagai
gantinya kita menggunakan istilah variabel
exogenous dan endogenous
Model Recursive. Model penyebab yang
mempunyai satu arah. Tidak ada arah membalik
(feed back loop) dan tidak ada pengaruh sebab
akibat (reciprocal). Dalam model ini satu variabel
tidak dapat berfungsi sebagai penyebab dan akibat
dalam waktu yang bersamaan
Konsep-Konsep dan Istilah Dasar
Model Non-recursive. Model penyebab
dengan disertai arah yang membalik (feed
back loop) atau adanya pengaruh sebab
akibat (reciprocal)
Direct Effect. Pengaruh langsung yang dapat dilihat
dari koefesien jalur dari satu variable ke variable
lainnya.
Indirect Effect. Urutan jalur melalui satu atau lebih
variable perantara
Konsep-Konsep dan Istilah Dasar
Total Effect: Urutan jalur dari var yang
mempengaruhi dan perantara ke arah variabel yang
diukur
Pengaruh Gabungan: Pengaruh dari semua variabel
yang diasumsikan berpengaruh terhadap var yang
akan diukur
Tipe Model-Model Jalur
Tipe Regresi Berganda (Model Satu Jalur)
X1
X2
Tipe Model-Model Jalur
Model Mediasi (Model Dua Jalur)
X1
Y1 Y2
X2
Tipe Model-Model Jalur
Model Kompleks (Model lebih dari dua jalur)
Є2
Є1
py1x1
X1 Y1
px3x1
py1x3
py2y1
rx1x2
X3
px3x2 py2x3
X2 Y2
py2x1
Є3
Cara Penghitungan Dgn SPSS
Contoh Є1 Є2
Produk
Harga Kepua Loyalitas
san
Layanan
Cara Penghitungan Dgn SPSS
Bagian pertama untuk menghitung persamaan regresinya
Klik Analyse
Pilih Regression
Pilih Linear
Pada kolom Dependent masukkan variabel kepuasan
Pada kolom Independent masukkan variabel produk, harga, dan, layanan
Method = Enter
Klik OK
Bagian kedua untuk menghitung korelasi antara variabel produk, harga, dan
layanan
Klik Analyse
Pilih Correlate
Pilih Bivariate
Masukkan ke kolom Variabels, variabel produk, harga, dan layanan
Klik OK
Cara Penghitungan Dgn SPSS
Output substruktur I
Mode l Summa ry
Ad j u s te d Std . Erro r o f
Mo d e l R R Sq u a re R Sq u a re th e Es ti ma te
1 .6 0 9 a .3 7 1 .2 9 9 1 .6 2 5
a . Pre d i c to rs : (Co ns ta n t), La y a n a n , Ha rg a , Pro d u k
ANO VAb
Sum of
Model Squar es df Mean Squar e F Sig.
1 Regr ession 40. 565 3 13. 522 5. 122 . 006a
Residual 68. 634 26 2. 640
Tot al 109. 199 29
a. Pr edict or s: ( Const ant ) , Layanan, Har ga, Pr oduk
b. Dependent Var iable: Kepuasan Konsumen
Cara Penghitungan Dgn SPSS
Coef f i ci ent sa
Unst andar dized St andar dized
Coef f icient s Coef f icient s
Model B St d. Er r or Bet a t Sig.
1 ( Const ant ) 6. 257 2. 430 2. 575 . 016
Pr oduk . 415 . 142 . 567 2. 922 . 007
Har ga - . 084 . 153 - . 094 - . 550 . 587
Layanan . 086 . 127 . 125 . 680 . 503
a. Dependent Var iable: Kepuasan Konsumen
Co rre l a ti o n s
Pro d u k Ha rg a Lay anan
Pro d u k Pe a rs o n Co rre l a t i o n 1 .4 1 2 * . 5 3 4 **
Si g . (2 -t a i l e d ) . .0 2 4 .0 0 2
N 30 30 30
Ha rg a Pe a rs o n Co rre l a t i o n .4 1 2 * 1 .2 8 5
Si g . (2 -t a i l e d ) .0 2 4 . .1 2 7
N 30 30 30
L a y a n a n Pe a rs o n Co rre l a t i o n . 5 3 4 ** .2 8 5 1
Si g . (2 -t a i l e d ) .0 0 2 .1 2 7 .
N 30 30 30
*. Co rre l a t i o n i s s i g n i f i c a n t a t t h e 0 . 0 5 l e v e l (2 -t a i l e d ).
**. Co rre l a t i o n i s s i g n i f i c a n t a t t h e 0 . 0 1 l e v e l (2 -t a i l e d ).
ILUSTRASI 2
Suatu penelitian berbentuk survey (observasional) bertujuan
ingin menguji model pengaruh beberapa variabel terhadap
variabel kinerja karyawan (telah dibahas pada analisis faktor)
Sistem hubungan sbb:
Kepuasan
Motivasi Kinerja
Loyalitas
28
LANGKAH-LANGKAH ANALISIS
PATH (1)
PERTAMA (PERANCANGAN MODEL)
– Merancang model berdasarkan konsep dan teori.
Misal, secara teoritis :
Variabel Motivasi berpengaruh terhadap
Kepuasan dan Loyalitas.
Loyalitas dipengaruhi oleh Kepuasan.
Variabel Kepuasan dan Loyalitas
berpengaruh terhadap Kinerja.
– Berdasarkan hubung-hubungan antar variabel
secara teoritis tersebut, dapat dibuat model
HIPOTETIK
29
LANGKAH-LANGKAH ANALISIS
PATH (1)
KONSTRUKSI DIAGRAM JALUR
30
LANGKAH-LANGKAH ANALISIS
PATH (1)
KONVERSI DIAGRAM JALUR KE PERSAMAAN
Model tersebut juga dapat dinyatakan dalam
bentuk persamaan, sehingga membentuk sistem
persamaan / sistem persamaan simultan / model
struktural.
(1) Kepuasan = 0 + 1 Motivasi + 1
(2) Loyalitas = 0 + 1 Motivasi + 2 Kepuasan + 2
(3) Kinerja = 0 + 1 Kepuasan + 2 Loyalitas + 3
31
LANGKAH-LANGKAH ANALISIS
PATH (1)
Atau bilamana sudah dibakukan :
(1) ZKepuasan = 0 + 1 ZMotivasi + 1
(2) ZLoyalitas = 0 + 1 ZMotivasi + 2 ZKepuasan + 2
(3) ZKinerja = 0 + 1 ZKepuasan + 2 ZLoyalitas + 3
Mengingat model tersebut dikembangkan untuk
menjawab permasalahan penelitian dan berbasis
teori dan konsep, maka dinamakan model
hipotetik.
32
LANGKAH-LANGKAH ANALISIS
PATH (2)
KEDUA (ASUMSI)
– Asumsi yang melandasi analisis path adalah :
Di dalam model analisis path, hubungan antar variabel
adalah linier dan aditif
Hanya model rekursif dapat dipertimbangkan, yaitu hanya
sistem aliran causal ke satu arah. Sedangkan pada model
yang mengandung causal bolak-balik tidak dapat
dilakukan analisis path.
Data variabel endogen minimal dalam skala interval
Observed variables diukur tanpa kesalahan
(instrumen pengukuran valid dan reliabel).
Model yang dianalisis dispesifikasikan (diidentifikasi)
dengan benar berdasarkan teori-teori dan konsep-
33 konsep yang relevan.
LANGKAH-LANGKAH ANALISIS
PATH (3)
KETIGA
Pendugaan Parameter (Perhitungan Koefisien Jalur)
Metode perhitungan koefisien jalur terdapat tiga cara:
– Pendekatan matriks korelasi; bila model tidak berjenjang (p
= Rx-1 Ry)
– Koefisien regresi dilanjutkan dengan suatu perhitungan
matematik { pi = bi (Sxi / Sy)}
– Koefisien regresi standardize
Pada tulisan ini dipilih metode yang terakhir, yaitu regresi
standardize, hal ini mengingat metode ini yang dipandang
paling sederhana.
Di samping itu, perhitungan goodness of fit berupa Koefisien
Determinasi Total dapat dilakukan secara sederhana, dan
pelaksanaan Theory Triming dapat dilakukan dengan mudah.
34
LANGKAH-LANGKAH ANALISIS
PATH (3)
KETIGA
– Pendugaan parameter: Koefisien regresi standardize
Untuk anak panah bolak-balik , koefisiennya
merupakan koefisien korelasi, r dihitung seperti
biasanya)
Untuk anak panah satu arah digunakan
perhitungan regresi data standardize, secara parsiil
pada masing-masing persamaan.
Metode yang digunakan adalah OLS, yaitu metode
kuadrat terkecil biasa. Hal ini dapat dilakukan
mengingat modelnya rekursif.
35
PENGARUH LANGSUNG DAN
TIDAK LANGSUNG (3)
Koefisien pi dinamakan koefisien path pengaruh
langsung
Sedangkan pengaruh tidak langsung dan pengaruh
total dihitung dengan cara :
Pengaruh langsung Motivasi ke Kepuasan = p 1
Pengaruh tidak langsung Motivasi ke Kinerja melalui
Kepuasan = p1 x p4
Pengaruh tidak langsung Kepuasan ke Kinerja
melalui Loyalitas = p3 x p5
Pengaruh total adalah penjumlahan dari pengaruh
langsung dan seluruh pengaruh tidak langsung.
36 Pengaruh total Kepuasan ke kinerja = p4 + (p3 x p5)
ANALISIS PATH -
Pendugaan Parameter (3)
Pendugaan parameter dengan Metode OLS,
dimana di dalam software SPSS dihitung melalui
analisis regresi, yaitu dilakukan pada masing-
masing persamaan secara sendiri-sendiri.
Pertama, Regresi untuk persamaan :
Kepuasan = 0 + 1 Motivasi + 1
Atau bilamana sudah dibakukan :
ZKepuasan = 0 + 1 ZMotivasi + 1
37
ANALISIS PATH -
Pendugaan Parameter (3)
38
ANALISIS PATH -
Pendugaan Parameter (3)
Dengan demikian diperoleh model sebagai berikut.
Kepuasan = -0.00097 + 0.547 Motivasi
Atau bilamana sudah dibakukan :
ZKepuasan = 0.512 ZMotivasi
Kedua, Regresi untuk persamaan :
Loyalitas = 0 + 1 Motivasi + 2 Kepuasan + 2
Atau bilamana sudah dibakukan :
ZLoyalitas = 0 + 1 ZMotivasi + 2 ZKepuasan + 2
39
ANALISIS PATH -
Pendugaan Parameter (3)
40
ANALISIS PATH -
Pendugaan Parameter (3)
Dengan demikian diperoleh model sebagai berikut.
Loyalitas = -0.305 + 0.517 Motivasi + 0.136 Kepuasan
Atau bilamana sudah dibakukan :
ZLoyalitas = 0.546 ZMotivasi + 0.154 ZKepuasan
Ketiga, Regresi untuk persamaan :
Kinerja = 0 + 1 Kepuasan + 2 Loyalitas + 3
Atau bilamana sudah dibakukan :
ZKinerja = 0 + 1 ZKepuasan + 2 ZLoyalitas + 3
41
ANALISIS PATH -
Pendugaan Parameter (3)
42
ANALISIS PATH -
Pendugaan Parameter (3)
Dengan demikian, diperoleh model sebagai berikut.
Kinerja = -0.353 + 0.212 Kepuasan + 0.383 Loyalitas + 3
Atau bilamana sudah dibakukan :
ZKinerja = 0.181 ZKepuasan + 0.313 ZLoyalitas + 3
Berdasarkan model-model pengaruh tersebut, dapat disusun model lintasan
pengaruh sebagai berikut. Model lintasan ini disebut dengan analisis path,
dimana pengruh error ditentukan sebagai berikut :
43
ANALISIS PATH -
Pendugaan Parameter (3)
44
ANALISIS PATH -
Pendugaan Parameter (3)
Analisis path dalam bentuk persamaan disajikan
sebagai berikut.
ZKepuasan = 0.512 ZMotivasi
ZLoyalitas = 0.546 ZMotivasi + 0.154 ZKepuasan
ZKinerja = 0.181 ZKepuasan + 0.313 ZLoyalitas + 3
45
LANGKAH-LANGKAH ANALISIS
PATH (4)
KEEMPAT (VALIDITAS MODEL)
Koefisien Determinasi Total
Total keragaman data yang dapat dijelaskan oleh model di ukur
dengan : 2 2 2 2
Rm 1 Pe1 Pe 2 . . . Pep
interpretasiya, mirip dengan interpretasi koefisien determinasi (R 2)
pada analisis regresi.
Untuk data ilustrasi diperoleh:
koefisien determinasi total = 1 – (0.859) 2 (0.769)2 (0.942)2
= 0.6128
keragaman data yang dapat dijelaskan oleh model tersebut adalah
sebesar 61.28 %
model hasil analisis dapat menjelaskan sebesar 61.28 % thdp
fenomena yg dikaji, sedangkan sisanya 38.72 % dijelaskan oleh
variabel lain (yang belum terdapat di dalam model) dan error.
46
VALIDITAS MODEL (4)
Theory Triming
– Uji validasi koefisien path pada setiap jalur untuk
pengaruh langsung adalah sama dengan pada regresi,
menggunakan nilai p dari uji t, yaitu pengujian koefisien
regresi variabel dibakukan secara parsiil.
– Berdasarkan theory triming, maka jalur-jalur yang
nonsignifikan dabuang, sehingga diperoleh model yang
didukung (konfirmasi) oleh data empirik.
– Motivasi berpengaruh ke Kinerja bersifat tidak
langsung (indirect) yaitu melalui Loyalitas, dengan
koefisien path pengaruh tidak langsung = 0.546 x
0.313 = 0.171.
47
Theory Triming (4)
48
LANGKAH-LANGKAH ANALISIS
PATH (5)
KELIMA (INTERPRETASI)
– Langkah terakhir di dalam analisis path adalah
melakukan interpretasi hasil analisis.
– Pertama dengan memperhatikan hasil validitas
model. Untuk data ilustrasi, diperoleh informasi
sebagai berikut :
Berdasarkan koefisien determinasi total, diperoleh
bahwa model dapat menjelaskan informasi yang
terkandung di dalam data, sebesar 61.28%. Angka
ini cukup besar, sehingga layak dilakukan
interpretasi lebih lanjut.
Lintasan pengaruh yang signifikan adalah dari
49 Motivasi ke Kinerja melalui Loyalitas.
INTERPRETASI (4)
Kedua, hitung pengaruh total dari setiap variabel yang
mempunyai pengaruh kausal ke variabel endogen. Di dalam
ilustrasi, seandainya seluruh lintasan signifikan, maka harus
dihitung pengaruh total dari Motivasi, Kepuasan dan Loyalitas
terhadap Kinerja. Variabel dengan pengaruh total terbesar
adalah yang memiliki pengaruh terkuat.
Untuk data ILUSTRASI dapat dihasilkan informasi bahwa upaya
meningkatkan kinerja karyawan harus dilakukan dengan cara
meningkatkan Motivasi dan diikuti dengan upaya agar karyawan
lebih bersifat Loyal.
Pada keadaan demikian variabel Loyalitas berfungsi sebagai
variabel intervening atau mediating.
Pengaruh tidak langsung Motivasi ke Kinerja melalui Loyalitas =
0.546 x 0.313 = 0.171
50
MANFAAT ANALISIS PATH
Bilamanaanalisis path telah dilakukan
(berdasarkan sampel), maka dapat
dimanfaatkan untuk :
– Penjelasan (explanation) terhadap fenomena yang
dipelajari atau permasalahan yang diteliti.
– Prediksi nilai variabel tergantung berdasarkan nilai
variabel bebas, yang mana prediksi dengan
analisis path ini bersifat kualitatif.
51