Sosiawan Nusifera : Analisis Lintas

ANALISIS LINTAS (Path Analysis)

Oleh
Sosiawan Nusifera

Dalam mempelajari hubungan beberapa variabel bebas (independent) terhadap

sebuah variabel tidak bebas (dependent), analisis regresi berganda merupakan metode
statistika yang telah umum digunakan oleh para peneliti. Sebagai salah satu metode
parametrik, penggunaan analisis regresi berganda harus memenuhi berbagai asumsi
klasik terlebih dahulu. Asumsi-asumsi tersebut antara lain adalah asumsi normalitas,
bebas autokorelasi, bebas multikolinearitas, dan bebas dari heterokedastisitas. Ketika
seorang peneliti ingin mempelajari hubungan berbagai variabel dengan melibatkan
variabel bebas yang jumlahnya cukup banyak, seringkali masalah multikolinearitas sulit
dihindari. Masalah ini seringkali dijumpai terutama jika variabel-variabel yang
dipelajari adalah variabel-variabel sosial yang sering berkaitan satu sama lain
(berkorelasi). Salah satu dampak multikolinearitas adalah rendahnya koefisien
determinasi. Seorang peneliti tentu saja merasa ditantang karena model yang
diajukannya tidak sesuai padahal landasan teoretis yang digunakan sudah benar. Apakah
benar variabel yang ada dalam model tidak berpengaruh pada variabel tak bebas?
Ataukah terdapat perilaku hubungan yang lain antara variabel-variabel yang ada?
Salah

satu

solusi

yang

paling

sederhana

dalam

mengatasi

masalah

multikolinearitas adalah dengan membuang salah satu dari variabel-variabel yang

berkorelasi. Variabel yang dipilih tentunya adalah variabel yang dianggap tidak begitu
penting. Namun demikian, kadang-kadang seorang peneliti merasa penting untuk tidak
mengeluarkan variabel-variabel tertentu dari model. Pada kondisi ini, statistika

16

Sosiawan Nusifera : Analisis Lintas

menyediakan prosedur-prosedur lain untuk kepentingan tersebut. Analisis Faktor

merupakan salah satu prosedur statistika yang dapat menyelesaikan masalah tersebut.
Dari berbagai variabel yang ada, dibentuk variabel-variabel baru yang mewakili
beberapa variabel yang saling berhubungan. Variabel baru tersebut diistilahkan dengan
variabel latent. Variabel latent adalah variabel yang tidak dapat diukur, sedangkan
ukurannya adalah variabel-variabel awal (variabel manifest). Alternatif lain dan yang
akan dibahas lebih lanjut adalah analisis lintas (path analysis). Analisis lintas mampu
mendeteksi bagaimana hubungan langsung dan tak langsung antara variabel bebas
(eksogen) dan tak bebas (endogen). Prosedur statistik yang belakangan berkembang
dalam mempelajari hubungan struktural berbagai variabel adalah model persamaan
struktural. Model ini menggabungkan antara analisis faktor dan analisis lintas.
Prosedur analisis lintas pertama kali dikemukakan oleh Seawall Wright (1920).
Pada awal perkembangan teknik statistika ini, analisis lintas digunakan untuk
penelitian-penelitian genetika. Adanya fenomena pleiotropi dalam mekanisme kendali
genetik sering menjadi perhatian para ahli genetik dalam menjelaskan korelasi biologis
antar karakter-karakter suatu organisme. Analisis lintas memungkinkan seorang peneliti
genetika

memahami

bagaimana

aksi

pleitropi

dan

karakter-karakter

yang

dikendalikannya. Meskipun demikian, pada perkembangan berikutnya, analisis lintas

menjadi populer dikalangan para peneliti sosial. Variabel-variabel sosial yang seringkali
berkorelasi satu sama lain merupakan fenomena yang menarik untuk dikaji lebih lanjut.
Oleh karena itu, apa yang tidak bisa ditelusuri dengan analisis regresi berganda, dapat
diselesaikan dengan menggunakan analisis lintas.

17

Sosiawan Nusifera : Analisis Lintas

Analisis Lintas
Pada prinsipnya, analisis lintas digunakan untuk menjelaskan bagaimana suatu
variabel berkontribusi langsung terhadap variabel tak bebas (endogen) ataupun
kontribusi tidak langsungnya terhadap variabel tak bebas melalui variabel bebas lainnya
yang dilibatkan dalam model. Misalnya, seorang peneliti agronomi ingin melihat
hubungan antara komponen hasil dan hasil. Analisis lintas akan memfasilitasi peneliti
tersebut untuk mengetahui seberapa besar tiap-tiap komponen hasil berpengaruh
langsung pada hasil. Selain itu, dengan analisis lintas peneliti tersebut dapat mengetahui
bagaimana kontribusi pengaruh suatu komponen hasil terhadap variasi komponen hasil
lainnya.
Pengetahuan mengenai bagaimana kenyataan struktur hubungan antar berbagai
ciri benda atau fenomena tertentu yang diteliti, pada hakikatnya merupakan inti tujuan
dari setiap penelitian sebagai suatu proses belajar terarah (Sudrajat, 2000). Dalam
meneliti hubungan beberapa variabel, seorang peneliti umumnya telah mendefinisikan
terlebih dahulu hubungan tersebut berdasarkan landasan teoretis yang dipahaminya dan
dirumuskan dalam suatu hipotesis. Misalkan ada tiga variabel bebas (X 1,..,3) dan satu
variabel tidak bebas (Y). Jika struktur hubungan sebab akibat variabel-variabel tersebut
telah didefinisikan dengan baik, sistem hubungan tersebut dapat digambarkan dalam
bentuk diagram jalur (path diagram)

18

Sosiawan Nusifera : Analisis Lintas

X1

X2

X3

Pada diagram itu, tampak Y merupakan efek dari X 1, X2 , X3 dan berbagai faktor
lain selain variabel Xi didefinisikan sebagai S (sisa) yang digambarkan bebas dari
pengaruh X.

X1, ..X3 digambarkan saling menjalin hubungan satu sama lain dengan

kekuatan masing-masing sebesar rij (koefisien korelasi), sedangkan Py1, Py2, Py3, dan
Pys disebut dengan koefisien jalur (path coefficients) variabel X dan S terhadap Y.

Landasan Teori dan Perhitungan Analisis Lintas

Koefisien jalur Py1 didefinisikan sebagai nisbah (rasio) simpangan baku setiap
variabel X terhadap simpangan baku total. Misalnya, koefisien jalur hubungan X 1 ke Y
terdefinisi sebagai Py1 = 1/y . Untuk memudahkan penalaran, perhatikan diagram jalur
berikut ini.

19

Sosiawan Nusifera : Analisis Lintas

X1

Py1

r12
X2

r13

Py2
Y

r23
Py3
X3

PyS
S

Hubungan X1 dan X2 , X1 dan X3, atau X2 dan X3 merupakan hubungan korelasional,

sedangkan hubungan X1 dengan Y, X2 dengan Y, dan X3 dengan Y adalah hubungan
kausal. Secara matematik, dengan asumsi X1,....,X3 bebas sesamanya sebagaimana
asumsi yang harus dipenuhi dalam analisis regresi berganda, struktur hubungan Y
dengan X1, X2, dan X3 dapat diungkapkan sebagai berikut.
(1) Y = X1 + X2 + X3 atau
(2) y2 = 21 + 22 + 23
Jika semua ruas persamaan (2) dibagi dengan y2 , maka:
(3) y2/ y2 = 21/ y2 + 22/y2 + 23/ y2 atau
1

= Py12 + Py22 + Py32

Py1,,Py3 menurut batasan tadi disebut dengan koefisien jalur sedangkan Py12, Py22 ,
Py32 , didefinisikan sebagai koefisien determinasi.
Segugus persamaan simultan dapat diungkapkan dan dikembangkan secara
langsung dari diagram tersebut. Solusinya akan memberikan informasi mengenai berapa
besar sumbangan setiap X terhadap Y, baik yang langsung maupun yang tidak langsung.
Perhatikan korelasi X1 dengan Y, yaitu r1y. Berdasarkan asumsi:
20

Sosiawan Nusifera : Analisis Lintas

(4) Y = X1 + X2 + X3 + S, maka
(5) r1y = 1/ (1. y) + r12. 1.2/ (1. y) + r13 1.3/(1.y)
= 1/y + r12 2/y + r13 3/y
= Py1 + Py2 r12 + Py3 r13
Berdasarkan persamaan (5), korelasi X1 dengan Y dapat dipecah menjadi tiga
bagian yaitu:
a. Py1 yang mengukur efek langsung X1 terhadap Y
b. Py2 r12 yang mengukur efek tak langsung X1 terhadap Y melalui X2
c. Py3 r13 yang mengukur efek tak langsung X1 terhadap Y melalui X3
Dengan cara yang sama, analisis serupa dapat dilakukan terhadap r 2y, r3y, dan rSy ,
sehingga akhirnya secara keseluruhan akan diperoleh gugus persamaan berikut:
(6) r2y = Py2 + Py1 r12 + Py3 r23
(7) r3y = Py3 + Py2 r12 + Py1 r13
(8) rsy = PyS
Dalam bentuk matriks, gugus persamaan itu dapat disajikan sebagai berikut:

ry1
ry2

ry3
Ryi

r11

r12

r13

r21

r22

r23

r31

r32

r33

Py1
X

Py2
Py3

Py

Solusi untuk gugus persamaan ini dapat diselesaikan dengan pengolahan matriks
melalui konsep matriks invers sebagai berikut.

21

Sosiawan Nusifera : Analisis Lintas

Py1
Py2

Py3
Py

C11

C12

C13

C21

C22

C23

C31

C32

C33

R-1

ry1
X

ry2
ry3

Ryi

Setelah vektor jawab Py diperoleh, maka koefisien jalur Pys dapat ditentukan.
Dengan mengacu pada persamaan Y = X1 + X2 + X3 + S, maka:
y2 = 12 + 22 + 32 + S2 + 2 12 + 2 13 + 2 23 , karena 12 = r12 1 2, maka dengan
membagi semua ruas dengan y2 , persamaan tersebut dapat dikembangkan menjadi:
y2/ y2 = 12/y2 + 22 /y2 + 32 /y2+ S2/y2 + 2 12/y2 + 2 13/y2 + 2 23/y2
1

= Py12 + Py22 + Py32 + Pys2 + r12 1 2 + r13 1 3 + r23 2 3

Dengan demikian,
Pys2 = 1 - Py12 + Py22 + Py32 + r12 1 2 + r13 1 3 + r23 2 3
(9)

Pys2 = 1 Pyi riy = 1 R2

Pys = ( 1 R2)1/2

Pengujian signifikansi koefisien jalur terdiri atas (a) pengujian koefisien jalur secara
serempak (simultan), dan (b) pengujian secara parsial.
(a) Pengujian Serempak
Hipotesis yang diuji adalah sebagai berikut:
H0 : Py1 = Py2 = .........= Pyk = 0
H1 : Sekurang-kurangnya ada satu Pyi 0

22

Sosiawan Nusifera : Analisis Lintas

Uji statistik yang digunakan untuk pengujian secara keseluruhan adalah dengan
menggunakan Uji F, dengan formula sebagai berikut.
F

(n k 1) R 2
k (1 R 2 )

Statistik uji di atas mengikuti distribusi F- Snedecor dengan derajat bebas (degree of
freedom) v1 = k dan v2 = n k 1. Pengambilan keputusan mengikuti kaidah berikut.
Jika F hitung > F; (k, n-k-1), keputusan adalah menolak H 0 atau menerima H1.
Sebaliknya, jika F hitung < F; (k, n-k-1), keputusan adalah menerima H0.
(b) Pengujian Individual
Jika pada pengujian serempak H0 ditolak, berarti sekurang-kurangnya ada satu Py
yang tidak sama dengan nol. Tetapi Py tersebut belum dapat diketahui. Untuk
mengetahui Py mana yang signifikan, maka dilakukan uji parsial atau individual dengan
hipotesis sebagai berikut.
H0 : Pyi = 0

versus

H0 0

Statistik uji yang digunakan adalah statistik uji t, dengan formula sebagai berikut:
ti

Pyi
(1 R 2 )C ii dengan derajat bebas = n k 1;
n k 1

Cii = unsur yang berada pada diagonal matriks R-1 yaitu C11, C22, dan C33
Statistik uji tersebut mengikuti sebaran t-student dengan derajat bebas n k 1.
Keputusan hasil pengujian statistik adalah tolak H0 jika ti > t dan terima H0 jika ti < t.

23

Sosiawan Nusifera : Analisis Lintas

Contoh Perhitungan.
Data yang digunakan dalam perhitungan analisis lintas berikut adalah komponen
hasil dan hasil 27 ubi bengkuang di Jatinangor

dengan perlakuan pemangkasan

reproduktif (Nusifera dan Karuniawan, 2006).

Tabel 1 Rata-rata hasil dan komponen hasil ubi tanaman bengkuang dengan perlakuan
pemangkasan
Bobot (g)
308

Volume (cm3)
255,000

Biomasa (g)
40,110

Indeks Panen (%)

58,150

592

551,000

86,540

76,880

562,5

453,000

85,830

77,540

B-31/WS

430

406,000

64,880

74,830

B-26/NS

528

461,000

88,550

84,250

B-29/WS

537,5

507,000

60,100

76,390

B-39/WJ

267

262,500

43,470

74,700

B-55/CJ

407

412,000

47,200

71,490

B-56/CJ

452

432,000

61,310

78,350

B-58/EJ

468,5

332,500

51,680

76,560

B-42/WJ

441

376,000

63,180

76,980

B-61/EJ

310

300,000

51,030

78,140

B-1/EC 033

478

422,000

62,530

78,730

B-15/EC 104

577

574,000

51,160

61,170

B-23/EC 040

385

380,000

54,660

77,430

B-10/EC 550

581

485,000

72,620

84,690

B-12/EC Kew

589

488,000

80,970

85,280

B-6/EC 533

226,5

199,000

22,170

72,040

B-7/ EC 041

309

301,000

30,140

75,800

B-19/EC 557

403,5

374,000

38,770

76,210

B-74/ENT

298

282,000

23,630

63,030

B-77/ENT

310,5

310,000

46,710

69,370

B-80/ENT

281

287,000

36,000

74,870

B-89/ENT

360

352,500

46,710

74,740

B-84/ENT

319,5

309,000

47,590

74,810

B-90/ENT

505

501,000

62,360

73,290

B-94/ENT

477

494,000

66,670

74,300

Genotip
B-137/AC
B-138/AC
B-33/J

24

Sosiawan Nusifera : Analisis Lintas

Masalah penelitian yang akan dijawab melalui analisis lintas adalah bagaimana
pengaruh langsung dan tidak langsung komponen hasil terhadap hasil.
Langkah 1. Menghitung korelasi antar variabel
Koefisien korelasi dihitung dengan menggunakan rumus sebagai berikut:
ryx

n x

n xy x. y

( x ) 2

n y 2 ( y ) 2

Hasil perhitungan koefisien korelasi tersaji dalam matrik korelasi berikut.

Tabel 1. Matriks korelasi varibel komponen hasil dan hasil
Variabel
Volume Ubi (X1)
Biomasa (X2)
0,765**
IP (X3)
0,293
Bobot (Y)
0,938**
Ket : * signifikan pada taraf nyata 0,05
** signifikan pada taraf nyata 0,01

Biomasa (X2)

IP (X3)

0,591**
0,842**

0,401*

Langkah 2. Mencari koefisien jalur

0,938
0,842

1
=

0,765 1

0,293
0,591

0,293 0,591

0,401
Ryi

0,765

Py1
X

Py2

1
Py3

25

Py

Sosiawan Nusifera : Analisis Lintas

2,66-2,420,652,423,74-1,490,651,491,69

Py1
=

Py2

0,938
X

0,401

Py3
Py

R-1

Py1
Py2

0,842

Ryi

0,7190,2
760,027

Py3
Langkah 3 Menghitung koefisien determinasi dan koefisien jalus sisa (Pys)
R2 = Pyi riy = (0,719x0,938) + (0,842x0,276) + (0,401x0,027) = 0,918
Pys = 1 R2 = 1 0,918 = 0,082
Langkah 4 Melakukan pengujian koefisien jalur
(a) Pengujian serempak
F

( n k 1) R 2
(27 3 1)0,918

85,829
2
3(0,082)
k (1 R )

Karena nilai F hitung > F 0,05; (3;23) = 3,03, maka keputusan yang diambil adalah
menolak H0 yang menyatakan bahwa semua koefisien jalur bernilai nol. Untuk
mengetahui koefisien jalur mana yang tidak bernilai nol, dilakukan uji parsial/individu.
(b) Pengujian secara individual
Pengujian volume ubi (X1)
H0 : Py1 = 0 vs.

H1 : Py2 0

26

Sosiawan Nusifera : Analisis Lintas

Statistik uji yang digunakan adalah:

ti

Pyi

0,719

(1 R 2 )C ii
n k 1

(0,082) 2,66
23

7,383

Karena ti > t 0,05; 23 = 1,71, maka keputusannya adalah tolak H0.

Pengujian biomasa tanaman (X2)
H0 : Py2 = 0 vs.

H1 : Py2 0

Statistik uji yang digunakan adalah:

ti

Pyi

0, ,276

(1 R )C ii =
n k 1
2

(0,082) 2,66
23

2,83

Karena ti > t 0,05; 23 = 1,71, maka keputusannya adalah tolak H0.

Pengujian biomasa tanaman (X2)
H0 : Py3 = 0 vs.

H1 : Py3 0

Statistik uji yang digunakan adalah:

ti

Pyi
(1 R )C ii =
n k 1
2

0, ,027
(0,082) 2,66
23

0,277

Karena ti > t 0,05; 23 = 1,71, maka keputusannya adalah menerima H0.

Langkah 5 Menghitung pengaruh langsung dan tidak langsung
(a) Volume ubi (X1) dan bobot ubi (Y)
Pengaruh langsung

= Py1

= 0,719

Pengaruh tidak langsung melalui X2

= Py2 . r12

= 0,211

Pengaruh tidak langsung melalui X3

= Py3 . r13

= 0,0079

Pengaruh Total

= 0,938

b) Biomasa tanaman (X2) dan bobot ub i(Y)

27

Sosiawan Nusifera : Analisis Lintas

Pengaruh langsung

= Py2

= 0,276

Pengaruh tidak langsung melalui X1

= Py1 . r12

= 0,55

Pengaruh tidak langsung melalui X3

= Py3 . r23

= 0,016

Pengaruh Total

= 0,842

b) Indeks Panen (X3) dan bobot ub i(Y)

Pengaruh langsung

= Py3

= 0,027

Pengaruh tidak langsung melalui X1

= Py1 . r13

= 0,211

Pengaruh tidak langsung melalui X2

= Py2 . r23

= 0,163

Pengaruh Total

= 0,401

Interpretasi Hasil Analisis Lintas

Rekapitulasi hasil analisis lintas tersaji pada Tabel 2. Berdasarkan data empirik
dalam Tabel 2, dapat dibuat beberapa interpretasi mengenai seberapa besar kekuatan X
dalam menentukan Y. Interpretasi tersebut mengacu pada apa yang dikemukakan oleh
Singh dan Chaudhary (1979) bahwa terdapat tiga pedoman dasar umum sebagai berikut.
1) Jika koefisien korelasi X dan Y hampir sama besar dengan efek langsungnya,
maka koefisien korelasi itu benar-benar mengukur derajat keeratan hubungan X
dan Y seutuhnya. Oleh karena itu, seleksi atau peramalan berdasarkan X tersebut
akan sangat efektif.
2) Jika koefisien korelasi X dengan Y bernilai positif, tetapi efek langsungnya
negatif atau dapat diabaikan, maka efek tidak langsungnya menjadi penyebab
korelasi itu. Dalam keadaan ini semua X harus diperhatikan dan diperhitungkan
secara serempak.

28

Sosiawan Nusifera : Analisis Lintas

3) Jika koefisien korelasi X dengan Y bernilai negatif, tetapi efek langsungnya

bernilai positif dan besar, maka batasilah efek tidak langsung yang tidak
dikehendaki agar efek langsung dapat dimanfaatkan.
Tabel 2 Pengaruh langsung dan tidak langsung komponen hasil (X) terhadap hasil (Y)
Karakter
Volume (X1)
Biomasa (X2)
IP (X3)

Volume (X1)
0,719
0,55
0,211

Biomasa (X2)
0,211
0,276
0,163

IP (X3)
0,0079
0,016
0,027

Koef Korelasi
0,938
0,842
0,401

Angka yang dicetak tebal adalah pengaruh langsung

Hasil analisis korelasi memperlihatkan bahwa ketiga variabel komponen hasil

berkorelasi positif dengan variabel hasil (bobot ubi). Berdasarkan pedoman di atas,
tidak ada variabel yang koefisien korelasinya benar-benar mengukur derajat keeratan
hubungan dengan hasil seutuhnya. Meskipun pengaruh langsung volume ubi terlihat
cukup besar pada hasil, pengaruh volume ubi pada hasil juga terlihat melalui pengaruh
tidak langsung melalui biomasa tanaman. Begitu pula halnya dengan biomasa tanaman,
meskipun pengaruh langsungnya tidak begitu besar pada hasil, biomasa juga
menunjukkan pengaruhnya pada hasil melalui volume ubi. Sedangkan untuk variabel
indeks panen, pengaruh langsungnya sangat kecil (tidak signifikan). Namun demikian,
keeratan hubungan indeks panen dengan hasil terukur melalui pengaruh tidak
langsungnya pada volume ubi dan biomasa tanaman.
Mengingat semua variabel komponen hasil memiliki hubungan tidak langsung
dengan hasil, maka perlu untuk mempertimbangkan dan memperhatikan semua variabel
komponen hasil secara serempak. Berdasarkan simpulan di atas, tampak bahwa analisis
lintas mampu mengurai besaran koefisien korelasi menjadi hubungan langsung dan

29

Sosiawan Nusifera : Analisis Lintas

tidak langsung. Dengan demikian, analisis lintas dianggap mampu menjadi alternatif
penggunaan analisis regresi berganda yang mensyaratkan varibel-variabel peramal
bebas multikolinearitas.

DAFTAR PUSTAKA
Sudrajat, M. 2000. Statistika Sosial. Serial Pengenalan Dasar-dasar Statistika Terapan,
Fakultas Pertanian Unpad, Jatinangor.
Singh, R.K. and B.D. Chaudhary. 1979. Biometrical Methods in Quantitative Genetic
Analysis. Kalyani Publishers, New Delhi.
Gasperz, V. 1995. Teknik Analisis Dalam Penelitian Percobaan II. Tarsito Bandung.
Riduan dan E.A. Kuncoro. 2007. Cara Menggunakan dan Memakai Analisis Jalur (Path
Analysis). Alfabeta, Bandung.
Sudjana. 1996. Teknik Analisis Regresi dan Korelasi bagi Para Peneliti. Tarsito,
Bandung.
Warsa, T. 1982. Analisis Jalinan Hubungan Beberapa Ciri Kacang Hijau (Vigna radiata
L. Wilczek). Pemberitaan No. 14, Universitas Padjadjaran.
Nusifera, S. Dan A. Karuniawan. 2007. Analisis lintas hasil dan komponen hasil
tanaman bengkuang budidaya (Pachyrrhizus erosus L. Urban) dengan dan
tanpa perlakuan pemangkasan reproduktif. Jurnal Tanaman Tropika : Maret

30