Langkah-langkah menguji path analysis

Berdasarkan pandapat Riduwan dan Kuncoro (2007 ; p116-118) ada

beberapa langkah pengujian path analysis sebagai berikut :
1).

Merumuskan hipotesis dan persamaan structural

Struktur : Y = Y = pyx1 X1 + pyx2 X2 + pyx3 X3 + py1

2).

Menghitung koefisien jalur yang didasarkan pada koefisien regresi

a) Gambarkan diagram jalur lengkap, tentukan sub-sub
strukturnya dan rumuskan persamaan strukturalnya yang
sesuai hipotesis yang di ajukan. Hipotesis: Naik turun
variable endogen (Y) dipengaruhi secara signifikan oleh
variable eksogen (X1, X2 dan X3)
b) Menghitung koefisien regresi untuk struktur yang telah
dirumuskan. Hitung koefesien regresi untuk struktur yang
telah dirumuskan : Persamaan regresi ganda : Y = a + b1X1 +
b1X2 + b1X3 + e
Pada dasarnya koefisien jalur (path) adalah koefisien regresi
yang di standartkan yaitu koefisien regresi yang di hitung
dari basis data yang telah diset dalam rangka baku atau Zscore (data yang di set dengan nilai rata-rata=0 dan standar
deviasi =1). koefisien jalur yang di standartkan (standardize
path coefficient) ini di gunakan untuk menjelaskan besarnya
pengaruh(bukan memprediksi) variable bebas (endogen)
terhadap variable lain yang diberlakukan sebagai variable
terikat (endogen). Koefisien path ditujuhkan oleh output yang

dinamakan coefficient atau dikenal dengan Beta. Jika ada

diagram jalur sederhana mengandung satu unsure hubungan
antara variable eksogen denan variable endogen,maka
koefisien path-nya adalah sama dengan koefesien korelasi r
sederhana.
c).

Menghitung koefisien jalur secara simultan (keseluruhan)

Uji secara keseluruhan hipotesis statistica di rumuskan
sebagai berikut :
Ha : pyx1 = pyx2 = . = pyxk tdk sama dgn 0
Ho : pyx1 = pyx2 = . = pyxk = 0

c.1)

Kaidah Pengujian signifikasi secara manual menggunakan

tabel F
F = ((n-k-1) Ryxk2) / (k(1-Ryxk2)
Keterangan
n = Jumlah sampel
K = Jumlah variabel eksogen
R2 yxk = R2
Jika F hitung F tabel, maka Ho ditolak dan Ha diterima
artinya signifikan dan F hitung F tabel, Ho diterima dan Ha
ditolak artinya tidak signifikan. Dengan taraf signifikan () =
0,05
Carilah nilai F tabel menggunakan tabel F dengan
menggunakan rumus :

F tabel = F {(1-) (dk = k), (dk = n - k 1)} atau F {(1-) (v1

= k), (v2 = n-k-1)}
Cara mencari F tabel : nilai (dk=k) atau V1 disebut sebagai
nilai pembilang, nilai (dk=n-k-1) atau V2 disebut sebagai
nilai penyebut.
c.2).

Kaidah pengujian signifikansi : program SPSS

c.2.1) Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai
probabilitas Sig atau (0,05 Sig), maka Ho diterima dan Ha
ditolak, artinya tidak signifikan.
c.2.2) Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai
probabilitas Sig atau (0,05 Sig), maka Ho ditolak dan
Haditerima, artinya signifikan.
d).

Menghitung koefesien jalur secara individual

Hipotesis penelitian yang akan diuji dirumus kan menjadi
hipotesis statistic berikut :
Ha : yx1 > 0
Ho : pyx1 = 0
Secara individual uji statistic yang digunakan adala uji t yang
di hitung dengan rumus (Kuncoro,2007; p122)
Tk = k/sek dimana (dk = n k 1 )
Keterangan :
Statistic SeX1 diperoleh dari hasil komputasi pada SPSS
untuk analisis regresi setelah data ordinal di transformasi ke

interval. Selanjutnya untuk mengetahui signifikasi analisi

jalur bendingkan antara nilai probabilitas Sig dengan dasar
pengambilan

keputusan

sebagai

berikut.

Jika

nilai

probabilitas 0,20 lebih kecil atau sama dengan nilai

probabilitas Sig atau (0,20 Sig), maka Ho diterima dan Ha
ditolak, artinya tidak signifikan. Jka nilai probabilitas 0,20
lebih besar atau sama dengan nilai probabilitas Sig atau (0,20
Sig), maka Ho ditolak dan Ha diterima, artinya signifikan.
e).

Meringkas dan Menyimpulkan

Setalah didapat hasil penghitungan maka di buatlah ringkasan
dari hasil penelitian tersebut kemudian dianalisis dan
disimpulkan yang berguna untuk pengambilan keputusan
penelitian

e. Analisis Jalur Model Trimming

Model Trimming adalah model yang digunakan untuk memperbaiki suatu
struktur model analisis jalur dengan cara mengeluarkan dari model variabel
eksogen yang koefisien jalurnya tidak signifikan sebagaimana di kutip oleh
Riduwan dan Kuncoro, (2007). Jadi, model trimming terjadi ketika koefisien
jalur diuji secara keseluruhan ternyata ada variabel yang tidak signifikan,
peneliti perlu memperbaiki model struktur analisis jalur yang telah
dihipotesiskan. Cara menggunakan model trimming yaitu menghitung ulang
koefisien jalur tanpa menyertakan variabel eksogen yang koefisien jalurnya

tidak signifikan. Secara structural langkah-langkah pengujian Path analysis

model trimming sebagai berikut :
1).

Merumuskan persamaan struktural

2).

Menghitung koefisien jalur yang didasarkan pada koefisien regresi :

a).

Gambarkan diagram jalur lengkap

b).

Menghitung koefisien regresi untuk setiap sub-struktur yang

dirumuskan

3).

Menghitung koefisien jalur secara simultan

4).

Menghitung secara individu

5).

Menguji kesesuaian antara modal koefisien jalus (koefisien Q)

6).

Merangkum ke dalam tabel

7).

Memaknai dan menyimpulkan Dalam langkah 5 di sebutkan bahwa

diperlukan uji kesesuaian (koefesien Q), yaitu dikmaksudkan untuk
menguji apakah model yang diusulkan memiliki kesesuaian (fit )
dengan data atau tidak. Riduwan dan Kuncoro (2007) mengatakan
bahwa dalam analisis jalur untuk suatu model yang diusulkan
dikatakan fit dengan data apabila matrix korelasi sampel tidak jauh
berbeda dengan matrux korelasi estimasi (reproduced correlation
matrix)
Riduwan dan Kuncoro (2007), memberikan petunjuk menguji
kesesuaian model analisis jalur dapat digunakan Uji statistik
kesesuaian model koefisien Q dengan rumus :
Q=

1Rm
1 M

mana :
Q = koefisien Q
R2 = 1 (1-R12). (1-R22) . (1-Rp2)
M = Rm2 setelah di lakukan trimming
Apabila Q = 1 mengindikasikan model fit sempurna atau sesuai,
sedangkan apabila jika Q < 1, untuk menentukan fit tidaknya model
maka statistic koefisien Q perlu diuji dengan statistic W dengan
rumus :
W hitung = - (N d) InQ
Keterangan
N = Menunjukan ukuran sampel
D = Banyaknya koefisien jalur yang tidak signifikan sama dengan
degree of freedom/derajat bebas
Rm2 = Koefisien determinasi multiple yang di usulkan.
M = Menunjukan koefisien determinan multiple (Rm2) setelah
koefisien jalur yang tidak signifikan dihilangkan.
Jika Whitung > X2 ( df ; a ), berarti matriks korelasi sampel
berbeda dengan matriks korelasi etimasi. Sedangkan jika
Whitung < X2 (df ; a), berarti korelasi sampel tidak berbeda
atau sama dengan matriks korelasi estimasi.
h.

Rancangan Uji Hipotesis

Rancangan uji hipotesis dalam penelitian ini disajikan berdasarkan tujuan
penelitian. Tingkat kepercayaan yang digunakan adalah 80%, sehingga

tingkat presisi atau batas ketidak akuratan sebesar () = 5% = 0,05. Dasar

pengambilan keputusan
Sig > 0,05 Ho diterima, Ha ditolak artinya tidak signifikan
Sig < 0,05 Ho ditolak, Ha diterima artinya signifikan.
Keterangan :
X1 : Variabel Kualitas Teknikal
X2 : Variabel Kualitas Fungsional
X3 : Variabel Corporate Image
Y : Variabel Kepuasan Pasien
Z : Variabel WOM (word of mouth)
1).

Tujuan 1 (T 1)
Tujuan 1 (T 1) ini berdasarkan substruktur sebagai berikut
(gambar 7) :
Y = pyx1 X1 + pyx2 X2 + pyx3 X3 + py1
a.) Uji korelasi Kualitas Teknikal (X1) dengan Kepuasan Pasien
(Y) hipotesis penelitian akan diuji dirumuskan menjadi
hipotesis statistik berikut :
Ho : yx1 = 0
Ha : yx1 > 0

X1
pYX1

X2

X3

pYX2

pYX3

Gambar 7. Substruktur 1 Analisis Jalur

Ho : variabel Kualitas Teknikal (X1) tidak berhubungan
secara signifikan dengan Kepuasan Pasien (Y)
Ha : variabel Kualitas Teknikal (X1) berhubungan secara
signifikan dengan Kepuasan Pasien (Y)
Secara individual uji statistik yang digunakan adalah uji t
yang dihitung dengan rumus :
Tx1 = px1/SEpx1
Keterangan : statistik SeX1 diperoleh dari hasil komputasi
pada SPSS untuk dianalisis regresi setelah data ordinal
ditransformasi ke interval.
b).

Uji korelasi Kualitas Fungsioanl (X2) dengan Kepuasan

Pasien (Y) hipotesis penelitian akan diuji dirumuskan
menjadi hipotesis statistik berikut :
Ho : yx2 = 0
Ha : yx2 > 0

Ho : variabel Kualitas Fungsional (X2) tidak berhubungan

secara signifikan dengan Kepuasan Pasien (Y)
Ha : variabel Kualitas Fungsional (X2) berhubungan secara
signifikan dengan Kepuasan Pasien (Y)
Secara individual uji statistik yang digunakan adalah uji t
yang dihitung dengan rumus :
Tx2 = px2/SEpx2
Keterangan : statistik SeX2 diperoleh dari hasil komputasi
pada SPSS untuk dianalisis regresi setelah data ordinal
ditransformasi ke interval.
c).

Uji korelasi Corporate Image (X3) dengan Kepuasan Pasien

(Y) hipotesis penelitian akan diuji dirumuskan menjadi
hipotesis statistik berikut :
Ho : yx3 = 0
Ha : yx3 > 0
Ho : variabel Corporate Image (X3) tidak berhubungan
secara signifikan dengan Kepuasan Pasien (Y)
Ha : variabel Corporate Image (X3) berhubungan secara
signifikan dengan Kepuasan Pasien (Y)
Secara individual uji statistik yang digunakan adalah uji t
yang dihitung dengan rumus :
Tx3 = px3/SEpx3

Keterangan : statistik SeX3 diperoleh dari hasil komputasi

pada SPSS untuk dianalisis regresi setelah data ordinal
ditransformasi ke interval
d).

Pengujian secara keseluruhan. Hipotesis statistik dirumuskan

sebagai berikut :
Ho : yx1 = yx2 = yx3 0
Ha : yx1 = yx2 = yx3 = 0
Hipotesis dalam bentuk kalimat :
Ho : Variabel kualitas teknikal (X1), kualitas fungsional
(X2), corporate image (X3) tidak berkontribusi secara
simultan dan signifikan terhadap variabel Kepuasan Pasien
(Y).
Ha : Variabel kualitas teknikal (X1), kualitas fungsional (X2),
corporate image (X3) berkontribusi secara simultan dan
signifikan terhadap variabel Kepuasan Pasien (Y).

2).

Tujuan 2 (T-2)
Tujuan 2 (T-2) ini berdasarkan substruktur sebagai berikut :
Z = pzx1 X1 + pzx2 X2 + pzx3 X3 + pzy Y + pz2

X1

2
pZX1

pYX1
pZX2

pYX2

X2

pZY

Y
pYX3

X3

pZX3

Gambar 8. Substruktur 2 Analisis Jalur

a).

Uji korelasi variabel Word Of Mouth (X1) dengan variabel

Ketertarikan Ritel (Z)
H0 : variabel Kualitas Teknikal (X1) tidak berhubungan
secara signifikan dengan variabel Word Of Mouth (Z)
Ha : variabel Kualitas Teknikal (X1) berhubungan secara
signifikan dengan variabel Word Of Mouth (Z)
Secara individual uji statistik yang digunakan adalah uji t
yang dihitung dengan rumus :
Tx1 = Px1/SEpx1
Keterangan : statistika Sex1diperoleh dan hasil komputasi
pada SPSS untuk di analisis regrasi setelah data ordinal
ditransformasi ke interval.

b).

Uji korelasi variabel Kualitas Fungsional (X2) dengan

variabel word of mouth (Z)
Ho : variabel Kualitas Fungsional (X2) tidak berhubungan
secara signifikan dengan variabel word of mouth (Z).
Ha : variabel Kualitas Fungsional (X2) berhubungan secara
signifikan dengan variabel word of mouth (Z)
Secara individual uji statistik yang digunakan adalah uji t
yang dihitung dengan rumus :
Tx2 = Px2/SEpx2
Keterangan : Statistik Sex2 diperoleh dari hasil komputasi
pada SPSS untuk dianalisis regresi setelah data ordinal
ditrnsformasi ke interval.

c).

Uji korelasi variabel Corporate Image (X3) dengan word of

mouth (Z)
Ho : Variabel Corporate Image (X3) tidak berhubungan
secara signifikan dengan variabel word of mouth (Z).
Ha : Variabel Corporate Image (X3) berhubungan secara
signifikan dengan variabel word of mouth (Z).
Secara individual uji statistik yang digunakan adalah uji t
yang dihitung dengan rumus :
Tx3 = Px3/SEpx3

Keterangan : Statistik Sex3diperoleh dari hasil komputasi

SPSS untuk dianalisis regresi setelah data ordinal di
transformasi ke interval.
d).

Uji korelasi variabel Kepuasan Pasien (Y) dengan word of

mouth (Z)
Ho : Variabel Kepuasan Pasien (Y) tidak berhubungan secara
signifikan dengan variabel word of mouth (Z).
Ha : Variabel Kepuasan Pasien (Y) berhubungan secara
signifikan dengan variabel word of mouth (Z).
Secara individual uji statistik yang digunakan adalah uji t
yang dihitung dengan rumus :
Ty = Py/SEpy
Keterangan : Statistik Sey diperoleh dari hasil komputasi
SPSS untuk dianalisis regresi setelah data ordinal di
transformasi ke interval.

e).

Pengujian

keseluruhan.

Hipotesis

statistic

dirumuskan

sebagai berikut :
Ho : zy = zx3 = zx2 = zx1 0
Ha : zy = zx3 = zx2 = zx1 = 0
Hipotesis dalam bentuk kalimat
Ho : Variabel Kualitas Teknikal (X1), Kualitas Fungsional
(X2), Corporate image (X3) dan Kepuasan Pasien (Y) tidak

berkontribusi secara simultan dan signifikan terhadap

variabel word of mouth (Z).
Ha : Variabel Kualitas Teknikal (X1), Kualitas Fungsional
(X2), Corporate image (X3) dan Kepuasan Pasien (Y)
berkontribusi secara simultan dan signifikan terhadap
variabel word of mouth (Z).
Persamaan structural diagram jalur adalah :
Y = yx1 X1 + yx2 X2 + yx3 X3 + y1
Z = zx1 X1 + zx2 X2 + zx3 X3 + pzy Y+ z2