Zulkifli Matodang, Prodi AP-PPs Unimed

1
ANALISIS JALUR (PART ANALISIS)
ZULKIFLI MATONDANG

Analisis jalur (path analysis) untuk pertama kali diperkenalkan oleh
biolog bernama Sewall Wright (1921) dan selanjutnya dikembangkan ke
dalam ilmu-ilmu sosial oleh sosiolog O.D. Duncan (1960).
Aspek teoritis analisis jalur model Sewall Wright tidak ada hall baru,
analisis regresi klasik dapat digunakan sehingga asumsi -asumsi regresi klasik
terikat pada analisis jalur tersebut. Tujuan analisis jalur adalah apakah model
yang diusulkan cocok tidak dengan data, yaitu dengan cara membandingkan
matriks korelasi teoritis dengan matriks korelasi empiris. Jika kedua matriks
relatif sama, maka model dikatakan "cocok" atau fit. Secara formal pengujian
ini menggunakan koefisien multipel determinasi umum (Pedhazur, 1982).
Pembahasan selanjutnya perhatikan diagram jalur pada Gambar 1.





Gambar 1. Konstalasi Penelitian

Variabel x
1
dan x
2
pada Gambar 1 merupakan variabel eksogen.
Hubungan kedua variabel tersebut bersifat korelatif yang dinyatakan garis
lengkung dengan dua kepala panah. Garis lurus dengan satu kepala panah
merupakan hubungan bersifat kausalitas, misalnya variabel x
1
terhadap x
3
.

Variabel x
3
dan x
4
dikenal sehagai endogen. Kedua variabel endogen selalu
terikat kekeliruan, dalam hal ini dinotasikan e
3
dan e
4
. Besarnya pengaruh
dari satu variabel ke variabel lain dinyatakan dengan suatu koefisien,
X1
X2
X3
X4
Zulkifli Matodang, Prodi AP-PPs Unimed
2
katakanlah p. Misalnya, besarnya pengaruh x
1
terhadap x
4
, dinotasikan
dengan p
x4x1
atau ditulis p
41
. Perjanjiannya adalah indeks pertama pada
koefisien tersebut merupakan variabel yang dipengaruhinya, sedangkan
indeks kedua adalah variabe! yang mempengaruhinya.
Pada analisis jalur berlaku suatu aturan yang disebut sebagai the first
law (Kenny, 1979), yaitu:
p
xy
= p
xy
.
yz


di mana p
xy
koefisien jalur dari variabel x, terhadap variabel y dan
yz
adalah
korelasi antara variabel y dan variabel z. Secara verbal rumus tersebut
menyatakan bahwa untuk mendapatkan korelasi antara variabel z dan variabel
endogen y, sama dengan jumlah perkatian setiap parameter untuk setiap
variabel yang mempengaruhi variabel y dengan korelasi setiap variabel
tersebut dengan variabel prediktor z. Agar lebih memahami aturan tersebut
perhatikan diagram jalur pada Gambar 1. Perhatikan korelasi x
1
dan x
3
, dapat
dijabarkan ke dalam:
p
31
= p
31
.
11
+ p
32
.
21 +
p
3e3
.
e31

Gambar 1 memperlihatkan bahwa yang mempengaruhi variabel
endogen x
3
itu adalah variabel eksogen x
1
dan x
2
, dan kekeliruan e
3
. Karena
korelasi
11
=1, dan pe
31
= 0 sehingga persamaan tersebut menjadi: .
p
31
= p
31
+ p
32
.
21
Akhirnya dengan cara yang sama akan diperoleh:
p
32
= p
32
+ p
31
.
12

p
34
= p
31.

14
+ p
32
.
12

p
41
= p
41
+ p
42
.
21
+ p
43
.
31

p
42
= p
42
+ p
41
.
22
+ p
43
.
32

p
43
= p
43
+ p
42
.
23
+ p
41
.
13

Zulkifli Matodang, Prodi AP-PPs Unimed
3
Dalam hal ini, koefisien jalur pada Gambar 1 masing-masing adalah:
p
31,
p
32,
p
41,
p
42,
dan p
43.
Jika diperiksa terdapat enam buah persamaan dan
enam buah parameter sehingga diperoleh solusi tunggal.
Alternatif lain dapat dilakukan dengan the tracing rules (Kenny, 1979),
tetapi tidak akan dibahas di sini. Persamaan regresi pada Gambar 1 yaitu:
x
3
= a. X
1
+ b x
2
+ u
3
x
4
= d. X
2
+ c x
1
+ e x
3
+ u
4

Koefisien-koefisien regresi parsial pada kedua persamaan tersebut
adalah koefisien regresi parsial standardized yang dapat dihitung dengan
mengolah masing-masing persamaan regresi.
Uji signifikansi untuk koefisien jalur yang dinotasikan dengan p
yx
, sama
seperti pada uji koefisien regresi klasik dengan menggunakan t-tes
(Schumacker & Lomax, 1996). Pengujian kecocokan model (model fit) dapat
digunakan statistik khi-kuadrat yang dianjurkan oleh Specht tahun 1975 dan
Pedhazur tahun 1982. Seperti sudah disebutkan sebelumnya bahwa suatu
model yang diusulkan dikatakan "cocok" dengan data seandainya matriks
korelasi model teoritis sama dengan matriks korelasi empiris (reproduced).
Dengan demikian, perumusan hipotesis pada analisis jalur ditulis sebagai
berikut:
Ho : R = R (u)
Ho : R = R (u)

Model dikatakan "cocok" atau fit jika hipotesis nol diterima. Statistik
untuk menguji hipotesis tersebut dapat digunakan statistik khi -kuadrat yang
diusulkan oleh Pedhazur(1982), yaitu:
W = -(n-d)ln(Q)
Zulkifli Matodang, Prodi AP-PPs Unimed
4
di mana n dan d masing-masing menunjukkan ukuran sampel dan banyaknya
koefisien jalur yang sama dengan nol atau koefisien jalur yang nonsignificant,
dan Q adalah:
M
m R
Q

=
1
1
2


di mana R
2
m adalah koefisien determinan multipel untuk model yang
disusulkan, dan M koefisien determinan multipel untuk model setelah terdapat
koefisien jalur yang nonsignifikan. Koefision determinasi multipe! tersebut
adalah:
M = R
2
m=1- ((1- R
1
2
). (1- R
2
2
)... (1- R
p
2
)).

Statistik W mendekati distribusi khi-kuadrat dengan derajat bebas
sebesar d. Jika nilai W sangat kecil atau mendekati nilai nol, maka hipotesis nol
diterima. Dengan kata lain bahwa model yang diusulkan "cocok" dengan data.
Berikut ini diberikan sebuah contoh numerik yang dikutip dari
Schumacher & Lvmax, (1996). Diagram jalurnya dinyatakan pada Gambar 2
dengan taksiran matriks korelasi adalah sebagai berikut:
(
(
(
(

=
1
577 . 0 1
062 . 0 224 . 0 1
275 . 0 480 . 0 507 . 0 1

R

Berdasarkan Gambar 2 didapat dua persamaan regresi, yaitu:
x
3
= p
31
x
1
+ p
32
x
2
+ e
3
x
4
= p
41
x
1
+ p
42
x
2
+ p
43
x
3
+ e
4

yang diperlukan dengan menggunakan the first law diperoleh
r
13
= p
31
+ p
32
r
12
= 0.062
Zulkifli Matodang, Prodi AP-PPs Unimed
5
r
23
= p
32
+ p
31
r
12
= 0.577
r
14
= p
41
+ p
42
r
12
+ p
43
r
13
= 0.507
r
24
= p
42
+ p
41
r
12
+ p
43
r
23
= 0.480
r
34
= p
43
+ p
41
r
13
+ p
42
r
23
= 0.275
r
12
= p
21
= 0.224


0.507

0.062
0.244
0.275

0.577
0.480 e3 e4


Gambar 2. Korelasi Antar Variabel


Koefisien determinasi multipel untuk masing-masing regresi adalah 0.34
dan 0.40. Koefisien jalur untuk residual masing-masing diberikan:
p
e3
= 34 . 0 1 = 0.81 dan p
e4
= 40 . 0 1 = 0.77
dan R
2
m = 1 - (1 - 0.34)(1 - 0.40) = 0.604

Hasil perhitungan koefisien jalur dinyatakan pada diagram jalur pada
Gambar 2. Terdapat dua jalur yang tidak signifikan (P<0.05), yaitu jalur x
l
ke
x
3
dan jalur x
3
ke x
4
. (Coba buktikan, dengan pendekatan perhitungan
pendekatan matriks (konsep determinasi) atau persamaan linier).

Jika hanya koefisien jalur x
1
ke x
3
yang dianggap nol, maka persamaan
regresi sekarang menjadi:
X
1
X
2
X
3 X
4
Zulkifli Matodang, Prodi AP-PPs Unimed
6
x
3
= p
32
x
2
+ e
3
x
4
= p
41
x
1
+ p
42
x
2
+ p
43
x
3
+ e
4

Matriks korelasi empiris didapat dari persamaan yang didapat melalui
first law tersebut dengan p
31
=0 dan koefisen-koefisien jalurnya dihitung
kembali dari persamaan regresi yang baru.
Koefisien determinasi multipel dari kedua persamaan regresi masing-
masing adalah 0.33 dan 0.40 sehingga
M = 1 - (1 - 0.33)(1 - 0.40) = 0.598
dan Q = =

598 . 0 1
604 . 0 1
0.98. Dengan demikian statistic
W = -(100 - 1)ln(0.98) = 2.00.

Dari tabel distribusi khi-kuadrat dengan derajat bebas, d = 1 dan taraf
signifikan sebesar o = 0.05 didapat _
2
= 3.84 . Karena W=2.00 < _
2
= 3.84 ,
maka pengujian nonsignifikan.
Dengan demikian dapat diambil kesimpulan bahwa model dalam Gambar
3 diterima.

0.507 (p=.....)

0.062 (p=....)
0.244 (p=.....)
0.275 (p)

0.577 (p=..._
0.480 (p=...)
e3 (.....) e4 (......)


Gambar 3. Model Antar Variabel


X
1
X
2
X
3 X
4
Zulkifli Matodang, Prodi AP-PPs Unimed
7
Lampiran. Contoh Perhitungan Uji Korelasi dan Analisis Jalur

1. Analisis Korelasi
Korelasi yang sering digunakan bila datanya interval adalah korelasi
Product Moment dari Pearson, yang dihitung dengan rumus :

( ) ( )

=
2
2
2
2
Y Y n X X x
Y X XY n
r
yx

Dalam hal ini : r
yx
= Koefisien korelasi antara y dengan x

Untuk pengujian signifikansi koefisien korelasi tersebut dilakukan dengan
menggunakan uji-t dengan rumus :

( )
2
1
2
r
n r
t

=

Rangkuman Hasil Perhitungan Korelasi antar Variabel Penelitian

Correlati ons
1 ,486** ,497** ,442**
, ,000 ,000 ,000
170 170 170 170
,486** 1 ,445** ,427**
,000 , ,000 ,000
170 170 170 170
,497** ,445** 1 ,465**
,000 ,000 , ,000
170 170 170 170
,442** ,427** ,465** 1
,000 ,000 ,000 ,
170 170 170 170
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
KEBIJAKA
PELAYANA
PROMOSI
KEPUASAN
KEBIJAKA PELAYANA PROMOSI KEPUASAN
Correlation is signif icant at the 0.01 level (2-tailed).
**.


Perhitungan uji signifikansi koefisien korelasi :

Zulkifli Matodang, Prodi AP-PPs Unimed
8
a. t
31
=
( )
2
1
2
r
n r

=
( )
2
497 , 0 1
2 170 497 , 0

= 5,574

b. t
32
=
( )
2
1
2
r
n r

=
( )
2
445 , 0 1
2 170 445 , 0

= 4,872

c. t
41
=
( )
2
1
2
r
n r

=
( )
2
442 , 0 1
2 170 442 , 0

= 6,387

d. t
42
=
( )
2
1
2
r
n r

=
( )
2
427 , 0 1
2 170 427 , 0

= 6,120

e. t
43
=
( )
2
1
2
r
n r

=
( )
2
465 , 0 1
2 170 465 , 0

= 6,808


Setelah membandingkan nilai t
hitung
yang diperoleh terhadap nilai t
tabel

pada taraf signifikansi = 0,01 dengan dk = 168 sebesar 1,96, ternyata semua
nilai t
hitung
> t
tabel
, sehingga dapat disimpulkan kelima koefisien korelasi sangat
signifikan.

2. Analisis Jalur (Path Analysis).

Untuk menghitung koefisien jalur dari diagram jalur tersebut, dapat
dilakukan dengan rumus-rumus sebagai berikut :
r
12
=
21

r
13
=
31 +

32
r
12

r
23
=
31
r
12 +

32

r
14
=
41 +

42
r
12
+
43
r
13
r
24
=
41
r
12 +

42
+
43
r
23
r
34
=
41
r
13 +

42
r
23
+
43
Zulkifli Matodang, Prodi AP-PPs Unimed
9
Berdasarkan hasil perhitungan diperoleh koefisien korelasi antar variabel
penelitian, yaitu
r
12
= 0,486, r
13
= 0,497, r
23
= 0,445, r
14
= 0,442, r
24
= 0,427, r
34
=

0,465.

Untuk dapat menghitung koefisien jalur
31
dan

32
, maka diperlukan
model kausal berikut :
r
13
=
31 +

32
r
12

r
23
=
31
r
12 +

32

a. Mencari koefisien jalur
21

r
12
=
21
sehingga
21
= 0,486

b. Mencari koefisien jalur
31
dan


32.
r
13
=
31 +

32
r
12

r
23
=
31
r
12 +

32


Perhitungan :
0,497 =
31
+ 0,486
32

0,445 = 0,486
31
+
32 --- >
x 0,486

0,497 =
31
+ 0,486
32
0,216 = 0,236
31
+ 0,486
32

___________________________ _
0,281 = 0,764
31


31
= 0,367
r
23
=
31
r
12 +

32


0,445 = (0,367)(0,486) +
32



32
= 0,267
Zulkifli Matodang, Prodi AP-PPs Unimed
10


Mencari Koefisien jalur
41,

42
dan
43
digunakan rumus :
r
14
=
41 +

42
r
12
+
43
r
13
r
24
=
41
r
12 +

42
+
43
r
23
r
34
=
41
r
13 +

42
r
23
+
43

Dengan memasukkan nilai koefisien korelasi, maka diperoleh rumus baru
yang harus dikerjakan lebih lanjut.
0,442 =
41 +
0,486
42
+ 0,497
43
.........1)
0,427 = 0,486
41 +

42
+ 0,445
43
2)

0,465 = 0,497
41 +
0,445
42


+
43
..........3)
Dari persamaan 1) dan 2)
0,442 =
41 +
0,486
42
+ 0,497
43

0,427 = 0,486
41 +

42
+ 0,445
43
x 0,486

0,442 =
41 +
0,486
42
+ 0,497
43

0,208 = 0,236
41 +
0,486
42
+ 0,216
43
0,234 = 0,764
41
+ 0,281
43 .
.4)


Dari persamaan 1) dan 3)
0,442 =
41 +
0,486
42
+ 0,497
43
x

0,445


0,465 = 0,497
41 +
0,445
42


+
43
x 0,486


0,197 = 0,445
41 +
0,216
42
+ 0,221
43



0,226 = 0,242
41 +
0,216
42


+ 0,486
43


-0,029 = 0,203
41
- 0,265
43 .
5)

Zulkifli Matodang, Prodi AP-PPs Unimed
11

Penggabungan persamaan 4) dengan 5)

0,234 = 0,764
41
+ 0,281
43 .....>
X 0,265
- 0,029 = 0,203
41
- 0,265
43 >
X 0,281





0,06201 = 0,202460
41
+ 0,074465
43
- 0,008149 = 0,057043
41
- 0,074465
43


+
0,053861 = 0,259503
41


41
= 0,208

Dari persamaan ...4)

0,234 = 0,764
41
+ 0,281
43

0,234 = (0,764) (0,208) +

0,281

43
0,0757576 = 0,281

43


43
= 0,270

Dengan memasukkan nilai tersebut ke persamaan 2), maka akan
diperoleh besar
42 :
0,427 = 0,486
41 +

42
+ 0,445
43
0,427 = (0,486)(0,208)
+

42
+ (0,445)(0,270)
0,427 = 0,1011
+

42
+ 0,12015


42
= 0,205
Berdasarkan hasil perhitungan tersebut, diperoleh nilai koefisien jalur dari
model, yaitu :

21
= 0,486,
31
= 0,367,
32
= 0,267,
41
= 0,208,

42
= 0,205, dan
43
= 0,270

Zulkifli Matodang, Prodi AP-PPs Unimed
12
Perhitungan uji signifikansi koefisien jalur :

a. t
31
=
( )
2
1
2
p
n p

=
( )
2
367 , 0 1
2 170 367 , 0

= 3,827

b. t
32
=
( )
2
1
2
p
n p

=
( )
2
267 , 0 1
2 170 267 , 0

= 3,591

e. t
41
=
( )
2
1
2
p
n p

=
( )
2
208 , 0 1
2 170 208 , 0

= 2,756

f. t
42
=
( )
2
1
2
p
n p

=
( )
2
205 , 0 1
2 170 205 , 0

= 2,714

e. t
43
=
( )
2
1
2
p
n p

=
( )
2
270 , 0 1
2 170 270 , 0

= 2,536