satu
solusi
yang
paling
sederhana
dalam
mengatasi
masalah
16
memahami
bagaimana
aksi
pleitropi
dan
karakter-karakter
yang
17
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
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.
19
X1
Py1
r12
X2
r13
Py2
Y
r23
Py3
X3
PyS
S
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
(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
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
Dengan demikian,
Pys2 = 1 - Py12 + Py22 + Py32 + r12 1 2 + r13 1 3 + r23 2 3
(9)
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
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
Contoh Perhitungan.
Data yang digunakan dalam perhitungan analisis lintas berikut adalah komponen
hasil dan hasil 27 ubi bengkuang di Jatinangor
Volume (cm3)
255,000
Biomasa (g)
40,110
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
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
Biomasa (X2)
IP (X3)
0,591**
0,842**
0,401*
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
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
Pyi
0,719
(1 R 2 )C ii
n k 1
(0,082) 2,66
23
7,383
H1 : Py2 0
Pyi
0, ,276
(1 R )C ii =
n k 1
2
(0,082) 2,66
23
2,83
H1 : Py3 0
Pyi
(1 R )C ii =
n k 1
2
0, ,027
(0,082) 2,66
23
0,277
= Py1
= 0,719
= Py2 . r12
= 0,211
= Py3 . r13
= 0,0079
Pengaruh Total
= 0,938
27
Pengaruh langsung
= Py2
= 0,276
= Py1 . r12
= 0,55
= Py3 . r23
= 0,016
Pengaruh Total
= 0,842
= Py3
= 0,027
= Py1 . r13
= 0,211
= Py2 . r23
= 0,163
Pengaruh Total
= 0,401
28
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
29
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