ANALISIS JALUR

A. PENGERTIAN ANALISIS JALUR Telaah statistika menyatakan bahwa untuk tujuan peramalan/ pendugaan nilai Y atas dasar nilai-nilai X1, X2, ., Xi , pola hubungan yang sesuai adalah pola hubungan yang mengikuti Model Regresi, sedangkan untuk menganalisis pola hubungan kausal antar variabel dengan tujuan untuk mengetahui pengaruh langsung dan tidak langsung, secara serempak atau mandiri beberapa variabel penyebab terhadap sebuah variabel akibat, maka pola yang tepat adalah Model Analisis Jalur Analisis jalur (Path Analysis) dikembangkan oleh Sewall Wright (1934). Path analysis digunakan apabila secara teori kita yakin berhadapan dengan masalah yang berhubungan sebab akibat. Tujuannya adalah menerangkan akibat langsung dan tidak langsung seperangkat variabel, sebagai variabel penyebab, terhadap variabel lainnya yang merupakan variabel akibat. Sebelum melakukan analisis, hendaknya diperhatikan beberapa asumsi sebagai berikut: (1) Hubungan antar variabel haruslah linier dan aditif. (2) Semua variabel residu tak punya korelasi satu sama lain. (3) Pola hubungan antar variabel adalah rekursif atau hubungan yang tidak melibatkan arah pengaruh yang timbal balik. (4) Tingkat pengukuran semua variabel sekurang-kurangnya adalah interval (Harun Al Rasyid, 2005). Beberapa istilah dan definisi dalam Path Analysis: (1) Dalam Path Analysis, kita hanya menggunakan sebuah lambang variabel, yaitu X. Untuk membedakan X yang satu dengan X yang lainya, kita menggunakan subscript (indeks). Contoh : X 1, X2, X 3 . Xk. (2) Kita membedakan dua jenis variabel, yaitu variabel yang menjadi pengaruh (exogenous variable), dan variabel yang dipengaruhi (endogenous variable). (3) Lambang hubungan langsung dari eksogen ke endogen adalah panah bermata satu, yang bersifat recursive atau arah hubungan yang tidak berbalik/satu arah. (4) Diagram jalur merupakan diagram atau gambar yang mensyaratkan hubugan terstruktur antar variabel (Harun Al Rasyid, 2005). Secara matematik analisis jalur mengikuti pola Model Struktural yang ditentukan dengan seperangkat persamaan : Y1 = F 1 (Xa, , Xq ; A11, Y2 = F 2 (Xa, , Xq ; A21, , A 1k) , A 2k)

Yp = F p (Xa, , Xq ; Ap1,

, A pk)

yang mengisyaratkan hubungan kausal dari X1, X 2, ., Xq ke Y1, Y 2, ., Y p. Apabila setiap variabel Y secara unique keadaanya ditentukan (disebabkan)

1

Diagram ini disebut Diagram Jalur (Path Diagram). yang mungkin mempengaruhi X 2 tetapi belum teridentifikasi oleh teori. (2) Variabel lain. 2 . untuk itu selanjutnya variabel penyebab akan kita sebut sebagai variabel eksogenus.oleh seperangkat variabel X. Persamaan struktural yang dimilik oleh gambar 1 adalah X2 = V x2 x1 X1 + I. masih banyak penyebab lain yang dalam penelitian yang sedang dilakukan tidak diukur.1 menyatakan bahwa X2 dipengaruhi secara langsung oleh X1. (3) Kekeliruan pengukuran (error of measurement). Gambar 1 merupakan diagram jalur yang paling sederhana. Penyebab penyebab lain itu dinyataka n oleh I. yang merupakan gabungan dari: (1) Variabel lain. yang mungkin mempengaruhi X 2 dan telah teridentifikasi oleh teori. B. Gambar 6. tetapi tidak dimasukan dalam model. sebagai akibat. dan I adalah variabel residu (residual variable). X2 adalah variabel endogenus (endogenous variable). maka persamaan di atas dinamakan persamaan struktural. DIAGRAM JALUR DAN PERSAMAAN S TRUKTURAL Pada saat akan melakukan analisis jalur. dan modelnya disebut model struktural. di luar X 1. di luar X1. dan bentuknya ditentukan oleh proposisi teoritik yang berasal dari kerangka pikir tertentu. dan (4) Komponen yang sifatnya tidak menentu (random component). tetapi di luar X1. Selanjutnya tanda anak panah satu arah menggambarkan pengaruh langsung dari variabel eksogenus terhadap variabel endogenus. Gambar 1 Diagram Jalur Yang Menyatakan Hubungan Kausal Dari X 1 Sebagai Penyebab Ke X 2 Sebagai Akibat X1 X2 I Keterangan: X1 adalah variabel eksogenus (exogenous variable). disarankan untuk terlebih dahulu menggambarkan secara diagramatik struktur hubungan kausal antara variabel penyebab dengan variabel akibat.

X2 ke X 3 dan dari X 3 ke X 4 X1 X3 X2 X4 I1 I2 Perhatikan bahwa pada gambar 3 di atas. Bentuk persamaan strukturalnya adalah : X4 = p x4 x1 X1 + p x4 x2 X2 + p x4 x3 X3 + I. X 3 sebagai variabel endogenus dan I1 sebagai variabel residu. X3 ke X4 X1 X2 X4 X3 I Gambar 2 menunjukkan bahwa diagram jalur tersebut terdapat tiga buah variabel eksogenus. teradapat dua buah substruktur. panah tersebut menyatakan hubungan korelasional. X2 dengan X3 dan X 1 dengan X3 masing-masing adalah hubungan korelasional. X2 dengan X 4 dan X3 dengan X 4 adalah hubungan kausal. dan X3. yaitu X 1. Perhatikan panah dua arah. serta kedua. Gambar 3 Hubungan kausal dari X 1. Pada sub-struktur pertama X1 dan X 2 merupakan variabel eksogenus. Pada diagram di atas juga mengisyaratkan bahwa hubungan antara X1 dengan X 4. sub-struktur yang mengisyaratkan hubungan kausal dari X3 ke X4. X2. X2. sedangkan hubungan antara X 1 dengan X2. Pada sub-struktur 3 . Persamaan struktural untuk gambar 3 adalah: X3 = p x 3 x1 X 1 + p x 3 x 2 X2 + I1 dan X4 = p x 4 x3 X3 + I2. sub-struktur yang menyatakan hubungan kausal dari X1 dan X 2 ke X3. sebuah variabel endogenus (X 4) serta sebuah variabel residu I.Gambar 2 Diagram jalur yang m enyatakan hubungan kausal dari X1. Pertama.

Gambarkan dengan jelas diagram jalur yang mencerminkan proposisi hipotetik yang diajukan.kedua. masing-masing dinyatakan oleh besarnya nilai numerik koefisien jalur p x3 x1 dan p x3 x2 . C. Langkah kerja yang dilakukan untuk menghitung koefisien jalur adalah: 1. Intensitas keeratan hubungan tersebut dinyatakan oleh besarnya koefisien korelasi r x1 x2 . lengkap dengan persamaan strukturalnya. maka kita dapat memberikan kesimpulan bahwa makin kompleks sebuah hubungan struktural. dan dari X2 ke X3. X 2 ke X3 X1 r x1 x2 X2 p x3 x 2 p x3 x1 X3 p x3I I Hubungan antara X1 dan X2 adalah hubungan korelasional. Hubungan X 1 dan X2 ke X3 adalah hubungan kausal. X3 merupakan variabel eksogenus. Koefisien jalur p x3I menggambarkan besarnya pengaruh langsung variabel residu (implicit exogenous variable) terhadap X3. dinyatakan oleh besarnya nilai numerik koefisien jalur (path coefficient) dari eksogenus ke endogenus. Di sini kita harus bisa menterjemahkan hipotesis penelitian yang kita ajukan ke dalam diagram jalur. dan makin banyak pula substruktur yang membangun diagram jalur tersebut. Gambar 4 Hubungan kausal dari X 1. KOEFISIEN JALUR Besarnya pengaruh langsung dari suatu variabel eksogenus terhadap variabel endogenus tertentu. X4 sebagai variabel endogenus dan I2 sebagai variabel residu. Besarnya pengaruh langsung dari X1 ke X3. sehingga bisa tampak jelas variabel apa saja yang merupakan variabel eksogenus dan apa yang menjadi variabel endogenusnya. 4 . makin kompleks diagram jalurnya. Berdasarkan contoh-contoh diagram jalur di atas.

Misalkan saja dalam sub-struktur yang telah kita identifikasi terdapat k buah variabel eksogenus. C2 k ¼ ¼ R1-1 = ¬ ¬ .. rx1xk » ¬ 1 .... X1 R=¬ X2 Xu «1 rx1 x2 1 ¬ ¬ ¬ ­ . Formulanya : rxy ! N § XY  (§ X ). Identifikasikan sub-struktur dan persamaan yang akan dihitung koefisien jalurnya. ..( § Y ) ?N § X 2  (§ X ) 2 .. rx 2 xu ¼ ¼ 1 . Menghitung semua koefisien jalur p xu xi . ¼ ¼ ¬ 1 ½ ­ 4. rx2 xk ¼ R= ¬ ¼ ¬ 1 .... Alasan penggunaan teknik koefisien korelasi dari Karl Pearson ini adalah karena variabel-variabel yang hendak dicari korelasinya memiliki skala pengukuran interval.. N § Y 2  (§ Y ) 2 A? A 3... C1k » ¬ C22 . Menghitung matriks korelasi antar variabel. dimana i = 1... dan sebuah (selalu hanya sebuah) variabel endogenus X u yang dinyatakan oleh persamaan : Xu = p xu x1 x1 + p xu x 2 x2 + + p xu x k xk + I.. rumus : k.2. Kemudian hitung matriks korelasi antar variabel eksogenus yang menyusun sub-struktur tersebut. melalui 5 . dengan rumus : X1 X2 Xk «C11 C12 ... ¼ ¬ ¼ C kk ½ ­ 5. ¼ ¼ 1 ½ Formula untuk menghitung koefisen korelasi yang dicari adalah menggunakan Product Moment Coefficient dari Karl Pearson... Menghitung matriks invers korelasi variabel eksogenus.2. rx1 xu » . X1 X2 « Xk «1 rx1x2 ..

. bisa berupa pengaruh langsung. C2 k ¼ ¼ .1). Pengaruh secara sendiri-sendiri (partial). ¼ ¼ C kk ½ « rxu x1 » ¬r ¼ ¬ xu x2 ¼ ¬ . Sementara besarnya koefisien jalur untuk model analisis jalur sederhana..... D.... BESARNYA PENGARUH VARIABEL EKSOGEN TERHADAP VARIABEL ENDOGEN Pengaruh yang diterima oleh sebuah variabel endogenus dari dua atau lebih variabel eksogenus. . x2 . ¼ ¬ ¼ ¬ V xu xk ¼ ­ ½ «C11 C12 ¬ C22 ¬ ¬ ¬ ­ . C1k » . dapat secara sendiri-sendiri maupun secara bersama-sama. pengaruh tidak langsung serta pengaruh total variabel eksogenus terhadap variabel endogenus secara parsial.. nilainya sama dengan besarnya koefisien korelasi antara kedua variabel tersebut (p xu xi = r xu xi )... dapat dilakukan dengan rumus :  Besarnya pengaruh langsung variabel eksogenus terhadap variabel endogenus = p xu xi x p xu xi Besarnya pengaruh tidak langsung variabel eksogenus terhadap variabel endogenus = p xu xi x r x1 x2 x p xu xi Besarnya pengaruh total variabel eksogenus terhadap variabel endogenus adalah penjumlahan besarnya pengaruh langsung dengan besarnya pangaruh tidak langsung = [p xu xi x p xu xi ] + [p xu xi x r x1 x2 x p xu xi ]   Selanjutnya pengaruh bersama-sama (simultan) variabel eksogenus terhadap variabel endogenus dapat dihitung dengan menggunakan rumus: R 2 xu ( x1 . ¼ ¬ ¼ ¬ rxu xk ¼ ­ ½ Catatan : Contoh di atas merupakan model analisis jalur kompleks. yang terdiri dari satu variabel eksogen dan satu variabel endogen (perhatikan Gambar 6.. xk ) ! V xu x1 . yaitu melalui variabel eksogen yang lainnya. Menghitung besarnya pengaruh langsung... sehingga langkahlangkah perhitungan untuk mencari koefisien jalurnya dapat mengikuti pola di atas. bisa juga berupa pengaruh tidak langsung.« V xu x1 » ¬V ¼ ¬ xu x2 ¼ ! ¬ ..

¼ ¬ ¼ ¬ rxu xk ¼ ­ ½ Dimana :  R2 xu ( x1 . Xk terhadap Xu atau besarnya pengaruh variabel eksogenus secara bersama-sama (gabungan) terhadap variabel endogenus.... X2. xk ) adalah koefisien determinasi total X1.. V xu xk « rxu x1 » ¬r ¼ ¬ xu x2 ¼ ¬ .. 6 .. x2 . V xu x 2 .

  .

V .

2. artinya tidak terdapat pengaruh variabel eksogenus (X u) H1 : p x u x i terhadap variabel endogenus (Xi ). dapat dilakukan dengan langkah kerja berikut : 1. k k = Banyaknya variabel eksogenus dalam substruktur yang sedang diuji   F! ( n  k  1)( 2 xu ( x1 . (t0 > ttabel (n-k-1)). k k = Banyaknya variabel eksogenous dalam substruktur yang sedang diuji t = Mengikuti tabel distribusi t. dengan derajat bebas = n k 1 Kriteria pengujian : Ditolak H 0 jika nilai hitung t lebih besar dari nilai tabel t.. Xk dengan variabel endogenus X u. . artinya terdapat pengaruh variabel eksogenus (Xu) terhadap variabel endogenus (X i).2..... Nyatakan hipotesis statistik (hipotesis operasional) yang akan diuji. x2 . V xu xk adalah koefisien jalur x u x1 rxu x 2 . rxu xk adalah koefisien korelasi variabel eksogenus X 1. x k ) )Cii n  k 1 2 dimana: i = 1... 2. 0. xk ) ) k (1  2 xu ( x1 .  Untuk menguji koefisien jalur secara keseluruhan/bersama-sama : dimana : i = 1. Ho : p xu xi = 0. baik secara sendiri-sendiri maupun secara bersama-sama. Gunakan statistik uji yang tepat. serta menguji perbedaan besarnya pengaruh masing-masing variabel eksogenus terhadap variabel endogenus. dimana u dan i = 1. X2.r x u x1 V xu x 2 .... PENGUJIAN KOEFISIEN JALUR Menguji kebermaknaan (test of significance) setiap koefisien jalur yang telah dihitung.k 2. yaitu :  Untuk menguji setiap koefisien jalur : t! px u x i (1  R xu ( x1 x 2 . E.. xk ) )   7 . x2 ..

x k ) )(Cii  C jj  2Cij ) n  k 1 Kriteria pengujian : Ditolak H 0 jika nilai hitung t lebih besar dari nilai tabel t.t = Mengikuti tabel distribusi F Snedecor.  Untuk menguji perbedaan besarnya pengaruh masing-masing variabel eksogenus terhadap variabel endogenus. (t 0 > t tabel (n-k1)). maka perhitungan harus diulang dengan menghilangkan jalur yang menurut pengujian tidak bermakna (no significant). Apabila terjadi trimming. n-k-1))... (F0 > F tabel (k. 3. Ambil kesimpulan. apakah perlu trimming atau tidak. dengan derajat bebas (degrees of freedom) k dan n k 1 Kriteria pengujian : Ditolak H 0 jika nilai hitung F lebih besar dari nilai tabel F. 8 . t! pxu xi  p xu x j (1  R 2 xu ( x1 x2 .

Sign up to vote on this title
UsefulNot useful