ANALISIS JALUR (Path Analysis)

Pengertian Analisis Jalur digunakan untuk mengetahui apakah data mendukung teori, yang secara a-priori dihipotesiskan, yang mencakup kaitan structural antar variabel terukur. Analisis Jalur atau yang lebih dikenal luas sebagai Path Analysis merupakan suatu metode pendekomposisian korelasi kedalam bagian-bagian yang berbeda untuk menginterpretasikan suatu pengaruh (effect). Dalam analisis jalur yang distandarkan korelasi dapat dipecah kedalam komponen-komponen struktural (kausal) dan nonstruktural (nonkausal) didasarkan teori yang dinyatakan dalam diagram jalur. Total Efek Struktural dapat didekomposisi : Langsung dan Tidak Langsung. Komponen Nonstruktural : - komponen spurious - komponen unanalyzed Pendekomposisian pengaruh terbagi atas dua bagian, yaitu Causal Effect dan Noncausal Effect. Dalam kajian analisis jalur, untuk menyederhanakan lambang, akan digunakan dua macam lambang saja yaitu X dan , yang nantinya dibedakan oleh subscript-nya (X1, X2, ., Xk dan 1, 2, , k). Istilah untuk variabel : Variabel eksogen (exogenous variable) mencerminkan variabel penyebab, dan variabel endogen (endogenous variable) sebagai variabel akibat.

Diagram Jalur (Path Diagram) Langkah pertama analisis jalur adalah menterjemahkan hipotesis penelitian yang bentuknya proposisional ke dalam bentuk diagram yang disebut diagram jalur. Pada saat menggambarkan diagram jalur ada beberapa perjanjian : 1. Hubungan antar variabel digambarkan oleh anak panah yang bisa berkepala tunggal () atau single headed arrow, dan berkepala dua () atau double headed arrow. 2. Panah berkepala satu menunjukkan pengaruh dari sebuah variabel eksogen terhadap sebuah variabel endogen. Misalkan : X1 X2

3. Panah berkepala dua menggambarkan hubungan korelatif antar variabel eksogen. Misalkan : X1 X2

4. Tidak pernah seseorang bisa mengisolasi hubungan pengaruh secara murni artinya bahwa sesuatu kejadian banyak sekali yang mempengaruhinya, tetapi pada conceptual framework hanya dapat digambarkan beberapa pengaruh yang bisa diamati. Variabel lainnya yang tidak bisa digambarkan (tidak bisa diukur) diperlihatkan oleh suatu variabel tertentu yang disebut residu dan diberi simbol dengan . Contoh : 1) p2 p21 X1 X2

Diagram jalur ini adalah diagram jalur yang paling sederhana. Besarnya pengaruh langsung dari X1 ke X2 diperlihatkan oleh koefisien jalur (path coefficient, p). Apabila diagram jalur sederhana seperti ini yaitu variabel eksogen hanya satu, maka p21 = r21 2) Contoh diagram jalur yang melibatkan kaitan korelatif : p3 X1 r12 P32 X2 X1 dan X2 merupakan dua buah variabel eksogen yang satu dengan yang lainnya mempunyai kaitan korelatif. Secara bersama-sama X1 dan X2 mempengaruhi X3. 3) Penelitian mengenai hubungan kausal melibatkan empat buah variabel X1, X2, X3, dan X4. Menurut teori, hubungan struktural antara variabel-variabel tersebut adalah : (a) X3 dipengaruhi oleh X1 dan X2 (b) antara X1 dan X2 terdapat hubungan korelatif (c) X4 dipengaruhi oleh X3. Diagram jalur dari hubungan variabel-variabel tersebut adalah : 1 p31 X1 r12 X2 p31 P32 X3 p43 X4 2 p42 p31 X3

Contoh diagram jalur yang tidak melibatkan kaitan korelatif : 4) Seorang peneliti mempunyai empat variabel X1, X2, X3 dan X4 yang menurut kerangka konseptual terdapat hubungan sebagai berikut : a) X2 dipengaruhi oleh X1 b) X3 dipengaruhi oleh X1 dan X2 c) X4 dipengaruhi oleh X3 dan X2 Hubungan antar variabel dapat dinyatakan dalam diagram jalur sebagai berikut. 2 p32 p31 X1 p21 p32 p42 X2 P21 1 X4 X3 p43 p43 3

Gambaran Analisis Regresi dan Korelasi Melalui Diagram Jalur 1. Regresi Linier Multipel Dengan Dua Variabel Independen Model regresinya : Y = 1 X1 + 2 X2 + . . . (1)

Dalam analisis jalur kita hanya menggunakan X baik sebagai variabel eksogen maupun endogen, untuk itu variabel Y diganti menjadi X3, sehingga model regresi di atas menjadi : X3 = 1 X1 + 2 X2 + . . . (2)

Jika semua data pengamatan ditransformasi ke dalam angka baku, artinya

(4) . . .

sj maka model (2) menjadi

X3 = p31 X1 + p32 X2 + . . . (3)

Z ij

x ij - x j

Dimana px3x1 dan px3x2 adalah koefisien-koefisien jalur yaitu sama dengan koefisien-koefisien regresi untuk variabel yang dibakukan. Persamaan (3) disebut Persamaan Struktural. Secara struktural model (3) dapat digambarkan dalam diagram jalur sebagai berikut : p3 X1 r12 P32 X2 5 p31 X3

2. Regresi linier multipel dengan tiga variabel independen yang dinyatakan dalam diagram jalur Prinsip-prinsip regresi dengan tiga variabel independen tidak berbeda dengan dua variabel independen. Perhatikan diagram jalur di bawah ini : X1 p41 r12 p42 r13 r23 p43 X3 Diagram jalur ini memperlihatkan tiga buah variabel eksogen X 1, X2 dan X3, serta sebuah variabel endogen, yaitu X4. Persamaan struktural untuk diagram jalur di atas adalah : X4 = p41 X1 + p42 X2 + p43 X3 + X2 X4 p 4

Contoh yang lebih kompleks :

1. Sebuah penelitian eksploratif mencoba mengungkapkan hubungan antara X1, X2, X3, X4 dan X5. Dalam penelitian ini dikemukakan sebuah proposisi bahwa : - Antara X1, X2, dan X3 terdapat kaitan korelatif. Ketiga konstrak tersebut bersama-sama mempengaruhi X4. - X1, X4 dan X3 secara bersama-sama mempengaruhi X5. Buatlah diagram jalurnya, identifikasi substrukturnya serta persamaan-persamaan strukturnya !

Diagram jalurnya : 1 p41 r12 p42 r13 r23 X3 X4 = p41 X1 + p42 X2 + p43 X3 + 1 X5 = p51 X1 + p53 X3 + p54 X4 + 2 2) Identifikasi substruktur dan persamaan strukturnya dari diagram jalur di bawah ini ! 2 p32 p31 X1 p21 p32 p42 X2 P21 1 X4 X3 p43 p43 3 X2 p43 X4 p53 p4 1 p54 X5 p51 p 5 2 2

X1

Persamaan strukturnya : X2 = p21 X1 + 1 X3 = p31 X1 + p32 X2 + 2 X4 = p42 X2 + p43 X3 + 3

KASUS 1 : Penelitian melibatkan tiga buah variabel X1, X2 dan X3 untuk mengungkapkan hubungan antara ke tiga variabel ini. Peneliti mempunyai proposisi hipotetik bahwa antara X1 dan X2 terdapat kaitan korelasional, dan bahwa keduanya secara bersama-sama mempengaruhi X3. Data hasil pengukuran (dalam skala pengukuran interval) melalui sampel acak berukuran 15 adalah sebagai berikut : X3 205 206 254 246 201 291 234 209 204 216 245 286 312 265 322 X1 26 28 35 31 21 49 30 30 24 31 32 47 54 40 42 X2 159 164 198 184 150 208 184 154 149 175 192 201 248 166 287

Analisis :

Regression
Des criptive Statistics X3 X1 X2 Mean 246,4000 34,6667 187,9333 Std. Dev iation 41,11274 9,67815 38,08724 N 15 15 15

Cor relations Pearson Correlation X3 X1 X2 X3 X1 X2 X3 X1 X2 X3 1,000 ,916 ,901 . ,000 ,000 15 15 15 X1 ,916 1,000 ,735 ,000 . ,001 15 15 15 X2 ,901 ,735 1,000 ,000 ,001 . 15 15 15

Sig. (1-tailed)

Variables Enter ed/Re m ovebd Model 1 Variables Entered a X2, X1 Variables Remov ed . Method Enter

a. All requested variables entered. b. Dependent Variable: X3

Model Sum m ary Model 1 R ,976 a R Square ,952 Adjusted R Square ,944 Std. Error of the Estimate 9,75663

a. Predictors: (Constant), X2, X1

ANOVAb Model 1 Sum of Squares 22521,299 1142,301 23663,600 df 2 12 14 Mean Square 11260,649 95,192 F 118,294 Sig. ,000 a

Regression Residual Total

a. Predictors: (Constant), X2, X1 b. Dependent Variable: X3

a Coe fficients

Model 1

(Cons tant) X1 X2

Unstandardiz ed Coef f icients B Std. Error 64,639 13,112 2,342 ,398 ,535 ,101

Standardized Coef f icients Beta ,551 ,496

t 4,930 5,892 5,297

Sig. ,000 ,000 ,000

a. Dependent Variable: X3

Proposisi hipotetik yang diajukan oleh peneliti bisa diterjemahkan kedalam Diagram Jalur seperti di bawah ini : p3 X1 r12 P32 X2 Diagram jalur ini terdapat dua buah variabel eksogen X1 dan X2, serta sebuah variabel endogen, yaitu X3. Bentuk persamaan struktural untuk diagram jalur di atas : X3 = 0,551 X1 + 0,496 X2 + Model ini signifikan karena nilai p-value = 0,000 lebih kecil dari Koefisien jalur : p31 = 0,551 , karena p-value = 0,000 lebih kecil dari , koefisien jalur ini signifikan p32 = 0,496 , karena p-value = 0,000 lebih kecil dari , koefisien jalur ini signifikan p3 = 1 R 2 = 1 0,952 = 0,219 . p31 X3

10

Hubungan struktural antara X1 , X2 dan X3 :

0,219

X1
0,735

0,551

X3
0,496

X2 Interpretasi Pengaruh langsung dari X1 terhadap X3 = (0,551)(0,916)= Pengaruh langsung dari X2 terhadap X3 = (0,496)(0,901)= KASUS 2 Sebuah penelitian eksploratif mencoba mengungkapkan hubungan antara X1, X2, X3, dan X4. Dalam penelitian ini dikemukakan sebuah proposisi bahwa : - Antara X1 dan X2, terdapat kaitan korelatif. Kedua konstrak tersebut bersama-sama mempengaruhi X3. - X1, X2 dan X3 secara bersama-sama mempengaruhi X4. Buatlah diagram jalurnya, hitung semua pengaruh variable eksogennya.!

DATA SAMPEL :
X1
7 1 11 11 7 11 3 1 2 21 1 11 10

x2
26 29 56 31 52 55 71 31 54 47 40 66 58

x3
78 74 104 88 96 109 103 72 93 116 84 113 105

x4
79 74 107 88 97 108 104 72 90 118 82 116 104

11

Analisis : Diagram jalur :

X1

p31

p41
p43 X4

p31

p3 2

X2 2

Persamaan struktural : X3 = p31 X1 + p32 X2 + 1 X4 = p41 X1 + p42 X2 + p43 X3 + 2 Untuk sub-struktur 1 :

p42

r12

X3

p 42

12

Cor relations Pearson Correlation X3 X1 X2 X3 X1 X2 X3 X1 X2 X3 1,000 ,734 ,809 . ,002 ,000 13 13 13 X1 ,734 1,000 ,217 ,002 . ,238 13 13 13 X2 ,809 ,217 1,000 ,000 ,238 . 13 13 13

Sig. (1-tailed)

Model Sum m ary Model 1 R ,990 a R Square ,981 Adjusted R Square ,977 Std. Error of the Estimate 2,23457

a. Predictors: (Constant), X2, X1

ANOVAb Model 1 Sum of Squares 2590,067 49,933 2640,000 df 2 10 12 Mean Square 1295,034 4,993 F 259,355 Sig. ,000 a

Regression Residual Total

a. Predictors: (Constant), X2, X1 b. Dependent Variable: X3

a Coe fficients

Model 1

(Cons tant) X1 X2

Unstandardiz ed Coef f icients B Std. Error 51,434 2,199 1,476 ,112 ,687 ,045

Standardized Coef f icients Beta ,585 ,682

t 23,389 13,140 15,305

Sig. ,000 ,000 ,000

a. Dependent Variable: X3

Persamaan struktur : X3 = 0,585 X1 + 0,682 X2 + 1 Model ini signifikan karena p-value = 0,000 lebih kecil dari 13

Koefisien jalur : p31 = 0,585 , karena p-value = 0,000 lebih kecil dari , koefisien jalur ini signifikan p32 = 0,682 , karena p-value = 0,000 lebih kecil dari , koefisien jalur ini signifikan px3 = 1 R 2 = 1 0,981 = 0,138.

Untuk Sub-struktur 2 :

Model Sum m ary Model 1 R ,997 a R Square ,994 Adjusted R Square ,992 Std. Error of the Estimate 1,38903

a. Predictors: (Constant), X2, X1, X3

ANOVAb Model 1 Sum of Squares 2899,405 17,365 2916,769 df 3 9 12 Mean Square 966,468 1,929 F 500,913 Sig. ,000 a

Regression Residual Total

a. Predictors: (Constant), X2, X1, X3 b. Dependent Variable: X4

a Coe fficients

Model 1

(Cons tant) X3 X1 X2

Unstandardiz ed Coef f icients B Std. Error 22,248 10,202 ,541 ,197 ,831 ,298 ,327 ,138

Standardized Coef f icients Beta ,514 ,314 ,309

t 2,181 2,750 2,785 2,372

Sig. ,057 ,022 ,021 ,042

a. Dependent Variable: X4

14

Persamaan struktur : X4 = 0,314 X1 + 0,309 X2 + 0,514 X3 + 2 Model ini signifikan karena p-value = 0,000 lebih kecil dari

Koefisien jalur : P41 = 0,314 , karena p-value = 0,021 lebih kecil dari , koefisien jalur ini signifikan P42 = 0,309 , karena p-value = 0,042 lebih kecil dari , koefisien jalur ini signifikan P43 = 0,514 , karena p-value = 0,022 lebih kecil dari , koefisien jalur ini signifikan. P4 = 1 R 2 = 1 0,994 =0,077.

Diagram Jalur yang lengkap :

1
0,138

X1
0,585

2
0,314 0,077 0,514

0,217 0,682

X3
0,309

X4

X2 Interpretasi : Pengaruh dari X1 ke X4 Pengaruh langsung = 0,314 Pengaruh tak langsung (melalui X3) = 0,585 x 0,514 = 0,301 Total pengaruh = 0,314 + 0,301 = 0,615

15

Pengaruh dari X2 ke X4 Pengaruh langsung = 0,309 Pengaruh tak langsung (melalui X3) = 0,682 x 0,514 = 0,350 Total pengaruh = 0,309 + 0,350 = 0,659 Pengaruh dari X3 ke X4 Pengaruh langsung = 0,514

16