ANALISIS-JALUR

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

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

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

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

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

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

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

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 H0 jika nilai hitung F lebih besar dari nilai tabel F. n-k-1)). Ambil kesimpulan. apakah perlu trimming atau tidak. (F0 > Ftabel (k. t= p xu x i − p xu x j (1 − R 2 xu ( x1 x2 .. (t0 > ttabel (n-k1)).. 3. Untuk menguji perbedaan besarnya pengaruh masing-masing variabel eksogenus terhadap variabel endogenus. 8 . xk ) )(Cii + C jj − 2Cij ) n − k −1 Kriteria pengujian : Ditolak H0 jika nilai hitung t lebih besar dari nilai tabel t. Apabila terjadi trimming.t = Mengikuti tabel distribusi F Snedecor.

Sign up to vote on this title
UsefulNot useful