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

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

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

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

. Formulanya : rxy ! N § XY  (§ X ). rx2 xk ¼ R= ¬ ¼ ¬ 1 . C1k » ¬ C22 . ¼ ¼ 1 ½ Formula untuk menghitung koefisen korelasi yang dicari adalah menggunakan Product Moment Coefficient dari Karl Pearson. Misalkan saja dalam sub-struktur yang telah kita identifikasi terdapat k buah variabel eksogenus. 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.. dengan rumus : X1 X2 Xk «C11 C12 .. ¼ ¬ ¼ C kk ½ ­ 5. N § Y 2  (§ Y ) 2 A? A 3.2.. rx 2 xu ¼ ¼ 1 .. X1 X2 « Xk «1 rx1x2 .. Identifikasikan sub-struktur dan persamaan yang akan dihitung koefisien jalurnya.2. . rx1xk » ¬ 1 ... rumus : k.. rx1 xu » .. melalui 5 .. dimana i = 1.... Kemudian hitung matriks korelasi antar variabel eksogenus yang menyusun sub-struktur tersebut. Menghitung matriks invers korelasi variabel eksogenus. Menghitung semua koefisien jalur p xu xi .... Alasan penggunaan teknik koefisien korelasi dari Karl Pearson ini adalah karena variabel-variabel yang hendak dicari korelasinya memiliki skala pengukuran interval.. ¼ ¼ ¬ 1 ½ ­ 4. Menghitung matriks korelasi antar variabel. C2 k ¼ ¼ R1-1 = ¬ ¬ ..( § Y ) ?N § X 2  (§ X ) 2 . X1 R=¬ X2 Xu «1 rx1 x2 1 ¬ ¬ ¬ ­ ..

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

.. X2..... xk ) adalah koefisien determinasi total X1. x2 . 6 . V xu x 2 . V xu xk « rxu x1 » ¬r 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.

  .

V .

artinya terdapat pengaruh variabel eksogenus (Xu) terhadap variabel endogenus (X i)... 2. dapat dilakukan dengan langkah kerja berikut : 1. k k = Banyaknya variabel eksogenus dalam substruktur yang sedang diuji   F! ( n  k  1)( 2 xu ( x1 . E. Ho : p xu xi = 0. .. artinya tidak terdapat pengaruh variabel eksogenus (X u) H1 : p x u x i terhadap variabel endogenus (Xi ). X2. xk ) ) k (1  2 xu ( x1 . (t0 > ttabel (n-k-1))... dimana u dan i = 1. xk ) )   7 . Nyatakan hipotesis statistik (hipotesis operasional) yang akan diuji.  Untuk menguji koefisien jalur secara keseluruhan/bersama-sama : dimana : i = 1.. rxu xk adalah koefisien korelasi variabel eksogenus X 1. x2 . PENGUJIAN KOEFISIEN JALUR Menguji kebermaknaan (test of significance) setiap koefisien jalur yang telah dihitung.. x2 . dengan derajat bebas = n k 1 Kriteria pengujian : Ditolak H 0 jika nilai hitung t lebih besar dari nilai tabel t.2... x k ) )Cii n  k 1 2 dimana: i = 1.. V xu xk adalah koefisien jalur x u x1 rxu x 2 .. k k = Banyaknya variabel eksogenous dalam substruktur yang sedang diuji t = Mengikuti tabel distribusi t. Xk dengan variabel endogenus X u. yaitu :  Untuk menguji setiap koefisien jalur : t! px u x i (1  R xu ( x1 x 2 .. baik secara sendiri-sendiri maupun secara bersama-sama.r x u x1 V xu x 2 . Gunakan statistik uji yang tepat.k 2. serta menguji perbedaan besarnya pengaruh masing-masing variabel eksogenus terhadap variabel endogenus. 0.2.

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

Sign up to vote on this title
UsefulNot useful