Anda di halaman 1dari 14

ANALISIS JALUR

Oleh: Azuar Juliandi

www.azuarjuliandi.com 2012

Analisis jalur (Path Analysis) merupakan perluasan dari analisis regresi berganda, yakni regresi berganda yang dilakukan lebih dari satu kali. Tujuannya adalah menerangkan akibat langsung dan tidak langsung seperangkat variabel, sebagai variabel penyebab, terhadap variabel lainnya yang merupakan variabel akibat Kriteria analisis jalur:
Hubungan dalam model didukung teori (hubungan langsung dan tak langsungnya) Minimal data berbentuk skala interval (jika data berskala ordinal, lakukan transformasi dengan Method of Successive Interval/MSI, download di www.azuarjuliandi.com) Adanya rekursivitas (anak panah menuju satu arah, tidak boleh timbal balik/resiprokal) Data linear (harus diuji terlebih dahulu linearitasnya) Data berdistribusi normal (harus diuji terlebih dahulu normalitasnya) Sampel besar (ada yang berpendapat minimal 100 ada yang 200 , tetapi yang www.azuarjuliandi.com penting data harus terdistribusi normal) 2012

VARIABEL-VARIABEL DALAM ANALISIS JALUR

Variabel eksogen (exogenous variable): mempengaruhi/penyebab variabel bebas (independent variable): X1, X2, X3 Variabel endogen (endogenous variable): dipengaruhi/dampak variabel variabel terikat (dependent variable): X3, X4 Variabel residual (residual variable): Variabel pengganggu (error disturbance)/variabel lain yang tidak diikutsertakan di dalam model penelitian, simbol .

www.azuarjuliandi.com 2012

PARAMETER-PARAMETER DALAM ANALISIS JALUR

Koefisien korelasi (r): koefisien korelasi antar variabel eksogen (jika diperlukan) Koefisien regresi (pi): Koefisien regresi untuk masing-masing hubungan langsung Koefisien jalur dengan Residual (pi)

www.azuarjuliandi.com 2012

Analisis jalur terbentuk dari minimal 2 model persamaan regresi:

Jalur I: X1Y1Y2

Jalur II: X2Y1Y2

www.azuarjuliandi.com 2012

Apa yang perlu dianalisis ketika menggunakan analisis jalur?


Tergantung rumusan masalah/tujuan penelitian/hipotesis
X1 RM
1. X1X2? 2. X1X3? 3. X2X3? 4. X1X2X3 ?

pX3X1 pX3X2 X2 pe1 e1

X3

TP
1. X1X2 2. X1X3 3. X2X3 4. X1X2X3

HP
1. X1X2 2. X1X3 3. X2X3 4. X1X2X3

AN
1. X1X2 2. X1X3 3. X2X3 4. X1X2X3

Ket.
Pengaruh Langsung Pengaruh Langsung Pengaruh Langsung Pengaruh Tidak Langsung

px2x1

pe2 e2

www.azuarjuliandi.com 2012

LANGKAH-LANGKAH ANALISIS JALUR: 1.Uji persyaratan 2.Analisis Data/Pengujian Hipotesis 3.Kesimpulan

1. Uji Persyaratan
Dimaksudkan untuk menilai seberapa baik model penelitian yang dikembangkan. 1. Outlier: Menentukan apakah terdapat nilai-nilai ekstrim dalam data. 2. Normalitas Data: Menentukan apakah data terdistribusi normal atau tidak 3. Linearitas: menentukan apakah antar variabel independen dan dependen memiliki data yang linear atau tidak 4. Multikolinearitas: digunakan untuk menguji apakah pada model regresi ditemukan adanya korelasi yang kuat antar variabel independen 5. Heterokedastisitas: digunakan untuk menguji apakah terdapat perbedaan varian pengamatan satu dengan pengamatan yang lainnya. Apabila terjadi perbedaan varians maka terjadi yang namanya heterokedastisitas. 6. Autokorelasi (khusus untuk data time series, bukan untuk data cross sectional): bertujuan untuk menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode ke t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah bebas dari autokorelasi.
www.azuarjuliandi.com 2012

1. Outlier: Outlier adalah untuk menentukan apakah terdapat nilai-nilai ekstrim dalam data. Statistik: Z Score. Kriteria penarikan kesimpulan: Apabila terdapat nilai Zscore yang lebih besar 3,0 maka akan dikategorikan sebagai outlier. Pengolahan data dengan SPSS: Analyze Descriptive Statistics Descriptive Masukkan variabel yang hendak dideteksi ke kolom variables Ceklis Save standardized value as variables Pada halaman data view akan terlihat data yang sudah terstandardize
www.azuarjuliandi.com 2012

Kesimpulan: Ada terdapat data yang outlier, yakni variabel X2 untuk sampel Nomor 6. Dengan demikian data untuk nomor sampel ke 6 ini harus dikeluarkan (termasuk variabel X1 dan X2). .

2. Normalitas data Tujuannya adalah menentukan apakah data terdistribusi normal atau tidak. Gunakan statistik kolmogorov Smirnov. Data adalah normal, jika nilai Kolmogorov Smirnov adalah tidak signifikan (Asymp. Sig (2-tailed)>0,05) Langkah-langkah mengolah data dengan SPSS: Analyze Nonparamateric test 1 Sample K-S Pindahkan ke kolom variables, variabel mana yang hendak diuji normalitasnya Ceklis Normal Ok
Dalam kasus ini, terlihat bahwa data untuk ketiga-tiga variabel adalah tidak normal Dalam kasus yang sebenarnya yang diharapkan adalah data terdistribusi normal

www.azuarjuliandi.com 2012

3. Linearitas Tujuannya adalah untuk menentukan apakah antar variabel independen dan dependen memiliki data yang linear atau tidak. Statistik : Test for Linearity Ketentuannya: Jika nilai Linearity adalah signifikan (sig<0,05) maka hubungan adalah linear, dan atau Jika nilai deviation from Linearity adalah tidak signifikan (sig>0,05) maka hubungan adalah linear Langkah-langkah mengolah data dengan SPSS: Analyze Compare Mean Mean Masukkan variabel independen ke kolom independent Masukkan variabel dependen ke kolom dependent Option Ceklis Test for Linearity
www.azuarjuliandi.com 2012

Dalam contoh kasus di atas: -Hubungan variabel X1 dengan X3 adalah tidak linear -Hubungan variabel X2 dengan X3 adalah tidak linear Dalam kasus yang sebenarnya yang diharapkan data adalah linear
www.azuarjuliandi.com 2012

4. Multikolinearitas. Tujuan: digunakan untuk menguji apakah pada model regresi ditemukan adanya korelasi yang kuat antar variabel independen Statistik: Variance Inflasi Factor/VIF Kriteria penarikan kesimpulan: nilai faktor inflasi varian (Variance Inflasi Factor/VIF), yang tidak melebihi 5 , maka tidak terjadi multikolineariitas. Pengolahan data dengan SPSS:
Analyze Regression Linear Pindahkan X1 dan X2 ke Independent, X3 ke dependent Klik Statistics Dalam contoh kasus ini terlihat bahwa tidak terjadi multikolinearitas Ceklis Colliniearity Diagnostic Continue www.azuarjuliandi.com Ok 2012

5. Heterokedastisitas Tujuannya adalah untuk menguji apakah terdapat perbedaan varian pengamatan satu dengan pengamatan yang lainnya. Apabila terjadi perbedaan varians maka terjadi yang namanya heterokedastisitas. Statistik: Uji Glejser, dilakukan dengan meregresikan variabel-variabel bebas terhadap nilai absolut residualnya Kriteria penarikan kesimpulan: tidak terjadi heterokedastisitas jika nilai t dengan probabilitas sig>0,05 (lihat pada output yakni pada tabel Coefficients)

www.azuarjuliandi.com 2012

Langkah-langkah analisisnya dengan SPSS: Pertama: Menentukan nilai residual Analyze Regression Linear Masukkan variabel bebas ke independen, dan variabel terikat ke dependen Klik Save Ceklis Unstandardize pada bagian Residuals Continue OK Pada halaman Data View akan terlihat variabel baru (Res_1 atau Unstandardized Residual) dan skor-skornya. Skor-skor ini yang akan distransformasi menjadi nilai absolut residual dalam langkah berikutnya.

Kedua: Transformasi nilai residual menjadi nilai absolut residual Transform Compute Variable Pada Target variable ketikkan nama variabel absolut residual yang akan dicari (misalnya AbsRes) Pada Function Group klik Aritmetic Pada Function and Special Variables, klik 2 kali pada Abs, hasilnya akan terlihat di kolom Numeric Expression (tertulis ABS(?) Pada bagian di bawah Type and Label, klik Unstandardized Residual (RES_1) Klik tanda panah untuk memindahkan ke kolom Numeric Expression (Hasilnya akan tertulis ABS(RES_1) OK Pada halaman Data View akan terlihat variabel baru Absolut Residual (AbsRes) dan skor-skornya.

Ketiga: Regresikan seluruh variabel bebas/independen dengan variabel Absolut Residual (AbsRes) sebagai variabel terikat/dependen: Analyze Regression Linear Pindahkan seluruh variabel independen (X1, X2) ke kolom Independent(s) Pindahkan variabel dependen (Absolut Residual (AbsRes) ke kolom dependent(s) Penarikan kesimpulan: Terjadi heterokedastisitas karena nilai t adalah signifikan (sig<0,05) [lihat pada output yakni pada tabel Coefficients]. Yang diharapkan seharusnya tidak terjadi heterokedastisitas

Autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode ke t dengan kesalahan pada periode t1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah bebas dari autokorelasi. Statistik: Durbin Watson (D-W): Kriteria penarikan kesimpulan: Jika nilai D-W di bawah -2 berarti ada autokorelasi positif Jika nilai D-W diantara -2 sampai +2 berarti tidak ada autokorelasi Jika nilai D-W di atas +2 berarti ada autokorelasi negatif Langkah-langkah pengolahan data dengan SPSS: Analyze Regression Linear Masukkan variabel independen ke kolom independent, (X1, X2) dan variabel dependent ke kolom dependent (X3) Klik statistics Ceklis Durbin Watson Continue www.azuarjuliandi.com Ok 2012

Dalam contoh kasus di atas, ada terjadi autokorelasi. Dalam kasus sebenarnya yang diharapkan adalah tidak terjadi autokorelasi

2. Analisis Data/ Pengujian Hipotesis Jika semua persyaratan telah dilewati, dan tidak terjadi pelanggaran persyaratan, maka analisis jalur dapat dilakukan, yakni:
Analisis pengaruh langsung:
X1 terhadap X2 (Dilihat dari model persamaan regresi I) X2 terhadap X3 (Dilihat dari model persamaan regresi II) X1 terhadap X3 (Dilihat dari model persamaan regresi II)

Analisis pengaruh tidak langsung


X1 melalui X2 terhadap X3 ((Dilihat dari model persamaan regresi I dan II)
www.azuarjuliandi.com 2012

Langkah-langkah mengolah data dengan SPSS


Persamaan I: X2=px2x1X1+e1 - Analyze - Regression - Linear - Pindahkan X2 ke kolom dependent - Pindahkan X1 ke kolom independent(s) - Klik Statistics - Ceklis Estimates dan Model fit - Continue - Ok
www.azuarjuliandi.com 2012

Persamaan II: X3=pX3X1X1+pX3X2X2+e2 -Analyze -Regression -Linear -Pindahkan X3 ke kolom dependent -Pindahkan X1 dan X2 ke kolom independent(s) -Klik Statistics -Ceklis Estimates dan Model fit -Continue -Ok

X1 px2x1=0,221
(sig=0,231)

pX3X1=0,130
(sig=0,439)

X3

pX3X2=0,472
(sig=0,008)

X2 pe1=0,9752 e1 pe2=0,8562 e2

pe1=(1-R Square) =(1-0,049)=0,9752 pe2=(1-R Square) =(1-0,267)=0,8562

X1 p

pX3X1=0,130
(sig=0,439)

X3

x2x1=0,221 (sig=0,008) Pengujian hipotesis: (sig=0,231) X2 a. Pengaruh langsung Hipotesis: pe1=0,9752 pe2=0,8562 H0: hubungan tidak signifikan e1 e2 H1: hubungan signifikan Kriteria penarikan kesimpulan: Terima H0 jika nilai t dengan probabilitas (sig>0,05) Tolak H0 jika nilai t dengan probabilitas (sig<0,05) Kesimpulan: Hubungan X1 dengan X2 adalah tidak signifikan Hubungan X1 dengan X3 adalah tidak signifikan Hubungan X2 dengan X3 adalah signifikan

pX3X2=0,472

X1

pX3X1=0,130
(sig=0,439)

X3

b. Pengaruh tidak langsung Kriteria penarikan kesimpulan: Jika nilai koefisien langsung (px3x1) > koefisien tidak langsung [(px2x1) x (px3x2), maka hubungan yang terjadi adalah langsung Jika nilai koefisien langsung (px3x1) < koefisien tidak langsung [(px2x1) x (px3x2), maka hubungan yang terjadi adalah tidak langsung, atau X2 merupakan variabel yang memediasi hubungan X1 dengan X3 Kesimpulan: Nilai koefisien langsung (0,130) > koefisien tidak langsung (0,1043), maka hubungan yang terjadi adalah langsung, yakni X1 berpengaruh terhadap X3 tanpa melalui X2.

px2x1=0,221
(sig=0,231)

pX3X2=0,472
(sig=0,008)

X2 pe1=0,9752 e1 pe2=0,8562 e2

Nilai koefisien tidak langsung (0,221) x (0,472)=0,1043

3. Kesimpulan 1. 2. 3. 4. Pengaruh X1 dengan X2 adalah tidak signifikan Pengaruh X1 dengan X3 adalah tidak signifikan Pengaruh X2 dengan X3 adalah signifikan Pengaruh X1 terhadap X3 adalah langsung, tidak dimediasi oleh X2

www.azuarjuliandi.com 2012