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 : X1, X2, X3 …. 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 = F1 (Xa, …, Xq ; A11, … , A1k) Y2 = F2 (Xa, …, Xq ; A21, … , A2k) … … … Yp = Fp (Xa, …, Xq ; Ap1, … , Apk) yang mengisyaratkan hubungan kausal dari X1, X2, …., Xq ke Y1, Y2, …., Yp. Apabila setiap variabel Y secara unique keadaanya ditentukan (disebabkan)

1

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

sub-struktur yang mengisyaratkan hubungan kausal dari X3 ke X4. Persamaan struktural untuk gambar 3 adalah: X3 = p x3 x1 X1 + p x3 x2 X2 + ε1 dan X4 = p x 4 x3 X3 + ε2. teradapat dua buah substruktur. dan X3. sedangkan hubungan antara X1 dengan X2. X3 sebagai variabel endogenus dan ε1 sebagai variabel residu. panah tersebut menyatakan hubungan korelasional. X2 ke X3 dan dari X3 ke X4 X1 X3 X2 X4 ε1 ε2 Perhatikan bahwa pada gambar 3 di atas. sub-struktur yang menyatakan hubungan kausal dari X1 dan X2 ke X3. Pada sub-struktur pertama X1 dan X2 merupakan variabel eksogenus. Pertama. X2.Gambar 2 Diagram jalur yang menyatakan hubungan kausal dari X1. X2 dengan X3 dan X1 dengan X3 masing-masing adalah hubungan korelasional. X2 dengan X4 dan X3 dengan X4 adalah hubungan kausal. Pada sub-struktur 3 . Pada diagram di atas juga mengisyaratkan bahwa hubungan antara X1 dengan X4. sebuah variabel endogenus (X4) serta sebuah variabel residu ε. yaitu X1. Perhatikan panah dua arah. X3 ke X4 X1 X2 X4 X3 ε Gambar 2 menunjukkan bahwa diagram jalur tersebut terdapat tiga buah variabel eksogenus. X2. Bentuk persamaan strukturalnya adalah : X4 = p x4 x1 X1 + p x4 x2 X2 + p x4 x3 X3 + ε. Gambar 3 Hubungan kausal dari X1. serta kedua.

dan dari X2 ke X3. 4 . Di sini kita harus bisa menterjemahkan hipotesis penelitian yang kita ajukan ke dalam diagram jalur. Koefisien jalur p x3ε menggambarkan besarnya pengaruh langsung variabel residu (implicit exogenous variable) terhadap X3. Gambarkan dengan jelas diagram jalur yang mencerminkan proposisi hipotetik yang diajukan. X4 sebagai variabel endogenus dan ε2 sebagai variabel residu. X2 ke X3 X1 r x1 x2 X2 p x3 x2 p x3 x1 X3 p x3ε ε Hubungan antara X1 dan X2 adalah hubungan korelasional. lengkap dengan persamaan strukturalnya. Gambar 4 Hubungan kausal dari X1. makin kompleks diagram jalurnya. C. X3 merupakan variabel eksogenus. dinyatakan oleh besarnya nilai numerik koefisien jalur (path coefficient) dari eksogenus ke endogenus. sehingga bisa tampak jelas variabel apa saja yang merupakan variabel eksogenus dan apa yang menjadi variabel endogenusnya. Hubungan X1 dan X2 ke X3 adalah hubungan kausal. KOEFISIEN JALUR Besarnya pengaruh langsung dari suatu variabel eksogenus terhadap variabel endogenus tertentu.kedua. maka kita dapat memberikan kesimpulan bahwa makin kompleks sebuah hubungan struktural. dan makin banyak pula substruktur yang membangun diagram jalur tersebut. Berdasarkan contoh-contoh diagram jalur di atas. Besarnya pengaruh langsung dari X1 ke X3. Langkah kerja yang dilakukan untuk menghitung koefisien jalur adalah: 1. masing-masing dinyatakan oleh besarnya nilai numerik koefisien jalur p x3 x1 dan p x3 x2 . Intensitas keeratan hubungan tersebut dinyatakan oleh besarnya koefisien korelasi r x1 x2 .

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

x k ) adalah koefisien determinasi total X1. bisa juga berupa pengaruh tidak langsung...     ρ xu xk    C11 C12 ..   . … Xk terhadap Xu atau besarnya pengaruh variabel eksogenus secara bersama-sama (gabungan) terhadap variabel endogenus.... dapat dilakukan dengan rumus : Besarnya pengaruh langsung variabel eksogenus terhadap variabel endogenus = p x u xi x p xu x i Besarnya pengaruh tidak langsung variabel eksogenus terhadap variabel endogenus = p x u xi x r x1 x2 x p xu x i Besarnya pengaruh total variabel eksogenus terhadap variabel endogenus adalah penjumlahan besarnya pengaruh langsung dengan besarnya pangaruh tidak langsung = [p x u xi x p x u xi ] + [p xu x i x r x1 x2 x p xu x i ] Selanjutnya pengaruh bersama-sama (simultan) variabel eksogenus terhadap variabel endogenus dapat dihitung dengan menggunakan rumus: R 2 xu ( x1 . x2 .. Menghitung besarnya pengaruh langsung. xk ) = ρ xu x1 ( ρx x u 2 ... dapat secara sendiri-sendiri maupun secara bersama-sama. ρ xu xk )  rxu x1  r   xu x2   . BESARNYA PENGARUH VARIABEL EKSOGEN TERHADAP VARIABEL ENDOGEN Pengaruh yang diterima oleh sebuah variabel endogenus dari dua atau lebih variabel eksogenus. sehingga langkahlangkah perhitungan untuk mencari koefisien jalurnya dapat mengikuti pola di atas.     Ckk  rxu xk     Catatan : Contoh di atas merupakan model analisis jalur kompleks. C2 k  rxu x2     .    rxu xk    Dimana : R2 xu ( x1 .. 6 ....... ρ xu x1  ρ   xu x2  =  . bisa berupa pengaruh langsung.... C1k   rxu x1     C22 . . Pengaruh secara sendiri-sendiri (partial). D.1). Sementara besarnya koefisien jalur untuk model analisis jalur sederhana. 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 x i = r xu x i ). x2 . X2. yaitu melalui variabel eksogen yang lainnya.. yang terdiri dari satu variabel eksogen dan satu variabel endogen (perhatikan Gambar 6..

.. Ho : p xu xi = 0. artinya terdapat pengaruh variabel eksogenus (Xu) terhadap variabel endogenus (Xi).. artinya tidak terdapat pengaruh variabel eksogenus (Xu) terhadap variabel endogenus (Xi). yaitu : Untuk menguji setiap koefisien jalur : t= px u xi (1 − R xu ( x1 x 2 . dimana u dan i = 1. H1 : p xu xi ≠ 0.2.. k 2. … . xk ) )Cii n − k −1 2 dimana: i = 1. xk ) ) dimana : i = 1.. x2 . X2.. PENGUJIAN KOEFISIEN JALUR Menguji kebermaknaan (test of significance) setiap koefisien jalur yang telah dihitung. … ) Xk dengan variabel endogenus Xu.. Nyatakan hipotesis statistik (hipotesis operasional) yang akan diuji. (t0 > ttabel (n-k-1)).. … k k = Banyaknya variabel eksogenus dalam substruktur yang sedang diuji 7 . dapat dilakukan dengan langkah kerja berikut : 1.(ρ (r x u x1 ρx u x2 . baik secara sendiri-sendiri maupun secara bersama-sama. serta menguji perbedaan besarnya pengaruh masing-masing variabel eksogenus terhadap variabel endogenus. Untuk menguji koefisien jalur secara keseluruhan/bersama-sama : F= (n − k − 1)( R 2 xu ( x1 . Gunakan statistik uji yang tepat.. ρ xu x k adalah koefisien jalur ) x u x1 rxu x 2 . x2 . xk ) ) k (1 − R 2 xu ( x1 .. E. rxu x k adalah koefisien korelasi variabel eksogenus X1.. … k k = Banyaknya variabel eksogenous dalam substruktur yang sedang diuji t = Mengikuti tabel distribusi t. 2..2. dengan derajat bebas = n – k – 1 Kriteria pengujian : Ditolak H0 jika nilai hitung t lebih besar dari nilai tabel t.

. Apabila terjadi trimming. (F0 > Ftabel (k. dengan derajat bebas (degrees of freedom) k dan n – k – 1 Kriteria pengujian : Ditolak H0 jika nilai hitung F lebih besar dari nilai tabel F. Ambil kesimpulan. 8 . apakah perlu trimming atau tidak. n-k-1)). xk ) )(Cii + C jj − 2Cij ) n − k −1 Kriteria pengujian : Ditolak H0 jika nilai hitung t lebih besar dari nilai tabel t. t= p xu x i − p xu x j (1 − R 2 xu ( x1 x2 . 3. maka perhitungan harus diulang dengan menghilangkan jalur yang menurut pengujian tidak bermakna (no significant). (t0 > ttabel (n-k1)).t = Mengikuti tabel distribusi F Snedecor.. Untuk menguji perbedaan besarnya pengaruh masing-masing variabel eksogenus terhadap variabel endogenus.

Sign up to vote on this title
UsefulNot useful