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

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

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

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

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

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

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

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

Sign up to vote on this title
UsefulNot useful