Analisis Jalur (Analisis Lintasan) - Teori Statistik Penelitian

Labels: teori penelitian

Analisis Jalur (Path Analysis) Teori Statistik
untukPenelitian
Analisi jalur (Path Analysis) adalah sebuah teknik analisis yang dikembangkan berdasarkan
analisis statistik regresi. Jadi sebenarnya analisis jalur termasuk ke dalam kelompok analisis
regresi. Tujuan penggunaan analisis jalur atau analisis lintasan (nama lainnya) adalah untuk
menggambarkan dan menguji model hubungan antar variabel yang berbentuk sebab akibat.

Teknik analisis jalur pertama kali dikembangkan oleh Sewal Wright pada tahun 1934. Analisis
jalur dapat dikatakan mirip dengan teknik analisis regresi ganda, atau model analisis sebab akibat
(causing modeling). Nama ini diberikan karena analisis jalur dapat digunakan untuk melakukan
pengujian hubungan sebab dan akibat dengan tidak harus melakukan manipulasi variabel-
variabel. Manipulasi variabel adalah teknik yang dilakukan pada saat memberi perlakuan
(treatment) kepada variabel-variabel tertentu dalam proses pengukurannya. Asumsi dasar model
ini ialah beberapa variabel sebenarnya mempunyai hubungan yang sangat dekat satu dengan
yang lainnya.
Ada beberapa prinsip-prinsip dasar yang harus dipenuhi sebelum melakukan teknik analisis jalur
yaitu sebagai berikut:
1. Terdapat hubungan antar variabel yang linear (linearitas).
2. Terdapat aditivitas atau dalam bahasa lain tidak ada efek-efek interaksi.
3. Data diolah telah dengan skala interval misalnya dengan memakai metode suksesif
interval (MSI).
4. Variabel-variabel yang tidak diukur (variabel residual) tidak mempunyai korelasi dengan
salah satu variabel yang terdapat di dalam model.
5. variabel residual (gangguan) tidak boleh berkorelasi dengan semua variabel endogenous
dalam model. Jika dilanggar, maka akan berakibat hasil regresi menjadi tidak tepat untuk
mengestimasikan parameter-parameter jalur.
6. Sebaiknya hanya ada dua atau lebih variabel bebas (penyebab) mempunyai hubungan
yang sangat tinggi.
7. Adanya recursivitas. Semua anak panah mempunyai satu arah, tidak boleh terjadi
pemutaran kembali (looping).
8. Asumsi analisi jalur mengikuti asumsi umum regresi linear, yaitu:

Model regresi harus layak. Kelayakan ini diketahui jika angka signifikansi pada ANOVA
sebesar < 0.05
Predictor yang digunakan sebagai variable bebas harus layak. Kelayakan ini diketahui
jika angka Standard Error of Estimate < Standard Deviation
Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi
signifikan jika T hitung > T table (nilai kritis)
Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat
tinggi atau sangat rendah antar variable bebas.
Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Dubin dan Watson sebesar < 1
dan > 3


Beberapa model jalur yang sering terjadi adalah:
1. Model regresi berganda
2. Model mediasi
3. Model kombinasi pertama dan kedua
4. Model kompleks
5. Model recursif dan nonrecursif

Keterbatasan analisis jalur
Berikut ini beberapa keterbatasan teknik analisis jalur (analisis lintasan):
Analisis jalur dapat mengevaluasi hipotesis kausal , dan dalam beberapa situasi (terbatas)
dapat menguji antara dua atau lebih hipotesis kausal , tetapi tidak dapat menetapkan arah
kausalitas .
Analisis jalur berguna ketika kita sudah memiliki sebuah hipotesis yang jelas untuk diuji ,
atau sejumlah kecil hipotesis yang semuanya dapat direpresentasikan dalam diagram jalur
tunggal . akan tetapi ini tentunya hanya memiliki sedikit manfaat untuk tahap eksplorasi
penelitian .
Kita tidak dapat menggunakan analisis jalur dalam situasi di mana " umpan balik " loop
masuk dalam hipotesis: harus ada perkembangan kausal stabil di diagram jalur .
Semua hubungan dalam diagram jalur harus mampu diuji oleh regresi sederhana .
Variabel gangguan harus merupakan variabel dependen dalam analisis regresi berganda .
Oleh karena itu masing-masing harus mampu diperlakukan sebagai pada skala interval .
Pengukuran nominal , ordinal atau pengukuran dengan beberapa kategori ( termasuk
dikotomi ) akan membuat analisis jalur mustahil.






ANALYSIS JALUR
A. Penjelasan Umum
Analisi jalur (Path Analysis) merupakan pengembangan statistik regresi, sehingga
analisis regresi dapat dikatakan sebagai bentuk khusus analisis jalur. Analisis jalur
digunakan untuk melukiskan dan menguji model hubungan antar variabel yang berbentuk
sebab akibat (Sugiyono: 2009).
Bagaimana sejarah perkembangan analisis jalur? Teknik analisis jalur, yang
dikembangkan oleh Sewal Wright di tahun 1934, sebenarnya merupakan pengembangan
korelasi yang diuraikan menjadi beberapa interpretasi akibat yang ditimbulkannya. Lebih
lanjut, analisis jalur mempunyai kedekatan dengan regresi berganda, atau dengan kata
lain, regresi berganda merupakan bentuk khusus dari analisis jalur. Teknik ini juga
dikenal sebagai modal sebab akibat (causing modeling). Penamaan ini didasarkan pada
alasan bahwa analisis jalur memungkinkan penggunaan dapat menguji proposisi teoritis
mengenai hubungan sebab dan akibat tanpa memanipulasi variabel-variabel.
Memanipulasi variabel maksudnya memberi perlakuan (treatment) terhadap variabel-
variabel tertentu dalam pengukurannya. Asumsi dasar model ini ialah beberapa variabel
sebenarnya mempunyai hubungan yang sangat dekat satu dengan yang lainnya.

B. Konsep dan Pengertian
Analisi jalur yang dikenal dengan path analysis dikembangkan pada tahun 1920-an oleh
seorang ahli genetika yaitu Sewall Wright (Joreskog & Sorbom, 1996; Johnson &
Wichern, 1992). Path analysis digunakan untuk menganalisis pola hubungan antara
variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung
seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen). Melalui
analisis jalur ini akan dapat ditemukan jalur mana yang paling tepat dan singkat suatu
variabel eksogen menuju variabel endogen yang terkait.

C. Manfaat Analisis Jalur
Beberapa Manfaat Path Analysis
1. Penjelas terhadap fenomena yang dipelajari atau permasalahan yang diteliti
2. Prediksi nilai variabel endogen (Y) berdasarkan nilai variabel eksogen (X)
3. Faktor diterminan yaitu penentuan variabel eksogen (X) mana yang berpengaruh
dominan terhadap variabel endogen (Y), juga untuk menelusuri mekanisme (jalur-jalur)
pengaruh variabel eksogen (X) terhadap variabel endogen (Y).
4. Pengujian model, menggunakan theory triming, baik untuk uji reabilitas konsep yang
sudah ada ataupun uji pengembang konsep baru.

D. Prinsip-Prinsip Path Analysis
Prinsip yang mendasari path analysis sebagai berikut:
1. Pada model path analysis, hubungan antar variabel bersifat linear, adaptif dan
bersifat normal.
2. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang
terbalik.
3. Variabel terikat (endogen) minimal dalam skala ukuran interval dan ratio.
4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel untuk
memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi
anggota sampel.
5. Observed variables diukur tanpa kesalahan (instrumen pengukuran valid dan
reliable) artinya variabel yang diteliti dapat diobservasi secara langsung.
6. Model yang dianalisis dispesifikasikan (diidentifikasikan) dengan benar berdasarkan
teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau yang
diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan
hubungan kausalitas antar variabel yang diteliti.

E. Model Analysis
1. Model Korelasi
Model korelasi yang sering digunakan dan dipakai oleh peneliti dan mahasiswa yaitu
Korelasi Pearson Product Moment (r). Kegunaan korelasi untuk mengetahui derajat
hubungan antar variabel eksogen dengan variabel endogen.

2. Model Regresi
Regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
mungkin terjadi dimasa yang akan datang berdasarkan informasi masa lalu dan sekarang
yang dimiliki agar kesalahannya dapat diperkecil. Kegunaan regresi dalam penelitian
salah satunya adalah untuk meramalkan (memprediksi) variabel endogen (Y) apabila
variabel eksogen (X) diketahui. Regresi sederhana dapat dianalisis karena didasari oleh
hubungan fugsional atau hubungan sebab akibat (kausal) variabel eksogen (X) terhadap
variabel endogen (Y). Kerena ada perbedaan yang mendasar dari analisis korelasi dan
analisis regresi. Setiap ada analisis regresi otmatis ada analisis korelasinya, tetapi
sebaliknya analisis korelasi belum tentu diujii regresi atau diteruskan dengan analisis
regresi.

3. Model Persamaan Struktur
Model persamaan struktur yaitu apabila setiap variabel endogen (Y) secara unik
keadaannya ditentukan oleh seperangkat variabel eksogen (X). Gambar yang
memperlihatkan struktur hubungan kausal antar variabel disebut diagram jalur (Path
Analysis). Koefisien jalur menunjukkan pengaruh langsung variabel eksogen k terhadap
variabel endogen i. Sedangkan e
i
menunjukkan variabel atau faktor residual yang
fungsinya menjelaskan pengaruh variabel lain yang telah teridentifikasi oleh teori.
Sebuah digram jalur, tanda panah berujung ganda menunjikkan hubungan korelasional
dan tanda panah satu arah menunjukkan hubungan kausal atau pengaruh langsung dari
variabel eksogen (X) terhadap variabel endogen (Y).

F. Materi Path Analysis
1. Analisis Jalur (Path Analysis)
Teknik analisis jalur ini akan digunakan dalam menguji besarnya sumbangan (kontribusi)
yang ditunjukkan oleh koefisien jalur pada setiap digram jalur dari hubungan kausal antar
variabel X
1
, X
2
, dan X
3
terhadap Y serta dampaknya kepada Z. Analisis korelasi dan
regresisi yang merupakan dasar dari perhitungan koefisien jalur.

2. Diagram Jalur (Path Diagram)
Pada diagram jalur digunakan dua macam anak panah, yaitu anak panah satu arah yang
menyatakan pengaruh langsung dari sebuah variabel eksogen variabel penyebab (X)
terhadap sebuah variabel endogen variabel akibat (Y), dan anak panah dua arah
menunjukkan hubungan korelasional antara variabel eksogen.

3. Koefisien Jalur
Dalam korelasi arah dan kuatnya hubungan antar variabel ditunjukkan dengan koefisien
korelasi. Arah hubungan adalah positif dan negatif, sedangkan kuatnya hubungan
ditunjukkan dengan besar kecilnya angka korelasi. Koefisien korelasi yang mendekati
angka 1 berarti kedua variabel mempunyai hubungan kuat atau sempurna (Sugiyono:
2009).
Dalam analisis jalur juga terdapat koefisien jalur. Koefisien jalur menunjukkan kuatnya
pengaruh variabel eksogen terhadap variabel endogen. Koefisien jalur adalah koefisien
regresi standar (standar z) yang menunjukkan pengaruh variabel eksogen terhadap
endogen yang telah tersusun dalam diagram jalur.

4. Perhitungan dengan Koefisien Jalur
Hubungan jalur antar variabel dalam diagram jalur adalah hubungan korelasi, oleh karena
itu perhitungan angka koefisien jalur menggunakan standar skor z. Pada setiap variabel
eksogen tidak dipengaruhi oleh variabel-variabel yang lain dalam diagram, sehingga yang
ada hanyalah suku resideunya yang diberi notasi e atau sering juga disebut dengan
variabel residual.

G. Kesimpulan
Beberapa kesimpulan berdasarkan uraian sebelumnya
1. Analisis jalur merupakan analisis untuk mengetahui efek langsung dan tidak
langsung dari suatu variabel terhadap variabel lain.
2. Untuk melakukan analisis jalur perlu diketahui diagram jalur dan perhitungan
koefisien jalur.
3. Perbedaan beberapa model analisis yaitu korelasi, regresi, path, dan struktur.
MODEL ANALISIS
Penjelasan Korelasi Regresi Path (Jalur) Struktural
Variabel Tidak ada
ketentuan
Bebas (X)
Terikat (Y)
Eksogen (X)
Edogen (Y)
Intervening
(bila ada)
Eksogen (X)
Edogen (Y)
Intervening
(bila ada)
Kegunaan 1. Explanation
(penjelasan)
2. Hubungan
dan predikasi
kualitatif
1. Penjelasan
terhadap
fenomena yang
dipelajari atau
permasalahan
yang diteliti.
2. Prediksi
kuantitatif
3. Faktor
diterminan, yaitu
penentuan
variabel bebas (X)
yang berpengaruh
dominan terhadap
variabel terikat
(Y)
1. Penjelasan
2. Prediksi kualitatif
3. Faktor diterminan
4. Penelususran
mekanisme
(lintasan) pengaruh
5. Pengujian model,
menggunakan teori
triming, baik untuk
uji reabilitas konsep
yang sudah ada atau
pun uji
pengembangan
konsep baru.
1. Penjelas
2. Prediksi
kualitatif
3. Pengujian
model,
menggunakan uji
t, baik untuk uji
reabilitas konsep
yang sudah ada
atau pun uji
pengembangan
konsep baru.
Hubungan
yang
dianalisis
Tunggal atau
Ganda
Bersifat tunggal Tunggal atau
ganda
Tunggal atau
Ganda
Jenis data
yang
dianalisis
Skala interval
dan ratio
Skala interval
dan ratio
Minimal Skala
interval
dan data dinyatakan
dalam satuan baku
atau z skor
Data mentah
(raw data)
Prinsip 1. Hubungan antar
variabel bepola
linear, bersifat
normal
2. Sistem aliran
kausal dua arah
3. Minimal skala
ukurinterval dan
1. Pda prinsipnya
sama dengan
korelasi, hanya
sistem aliran
kausal ke satu
arah.
1. Pada prinsipnya
sama dengan
korelasi dan regresi
2. Sistem aliran kausal
ke satu arah
3. Variabel terikat/
endogen (Y)
minimal dalam
1. Pada prinsipnya
sama dengan
korelasi, regresi,
path analysis
2. Pola hubungan
yang sesuai
adalah pola
hubungan yang
ratio
4. Sampel random
5. Data yang di ukur
valid dan reliabel
6. Model yang
dianalisis
berdasarkan teori-
teori yang
relevan
skala ukur interval
dan ratsio
mengikuti regresi
model regresi,
sedangkan untuk
tujuan hubungan
sebab akibat pola
yang tepat adalah
model struktural.

DAFTAR PUSTAKA
Riduan dan Engkos. 2012. Cara Mudah Menggunakan dan Memakai Path Analysis
(Analisis Jalur). Bandung: Alfabeta.
Sugiyono. 2009. Statistik Untuk Penelitian. Bandung: Alfabeta.

Mengenal lebih dekat dengan Path Analysis (part 1)
Mengenal lebih dekat dengan Path Analysis
Saya tertarik untuk menulis gambaran sederhana mengenai path analysis atau lebih akrab
dengan sebutan analisis jalur karena analisis ini banyak digunakan untuk pembuatan skripsi atau
penelitian adek-adek tingkat. Mungkin aja sedikit membantu, hehe.
Analisis jalur ini merupakan perluasan dari analisis regresi berganda sehingga banyak kesamaan-
kesamaan diantara kedua analisis ini. Tujuan utama dari analisis jalur adalah mempelajari
pengaruh langsung maupun tak langsung serta pengaruh total dari suatu variabel eksogen ke
variabel endogen yang lain dan mencari jalur yang paling berpengaruh/signifikan dalam
mempengaruhi variabel endogen. Sebelumnya pada tahu belum perbedaan variabel endogen dan
eksogen? Hubungannya dengan variabel independen dan dependen? Kita perlu mengetahui
konsep dari variabel endogen dan eksogen karena variabel ini yang sering kita gunakan
istilahnya jika menggunakan analisis jalur.
Pertama-tama, kita definisikan dulu variabel dependen dan independen. Variabel
dependen/terikat ini adalah variabel yang nilainya ditentukan/dipengaruhi oleh variabel
independen/bebas dalam model. Sedangkan variabel independen/bebas ini nilainya tidak
dipengaruhi oleh variabel yang lain dalam model. Hubungannya dengan eksogen dan endogen?
Variabel eksogen ini konsepnya sama dengan variabel independen, variabel eksogen tidak
dipengaruhi tetapi bertugas mempengaruhi variabel lain dalam model yang disebut variabel
endogen. Jadi konsep variabel endogen adalah variabel yang dipengaruhi oleh variabel lain
dalam model. Dalam analisis jalur, variabel eksogen bisa menjadi variabel endogen ataupun
variabel endogen bisa menjadi eksogen. Contoh sederhannya bisa dilihat dari diagram dibawah
ini.

Dari diagram jalur sederhana diatas, dapat dilihat variabel endogen adalah X3 dan X4 karena
variabel tersebut dipengaruhi oleh variabel eksogen X1 dan X2. Sekarang kita liat per persamaan
strukturalnya. Dalam diagram jalur tersebut dapat dibentuk 2 persamaan struktural, yang pertama
persamaan dengan X4 sebagai variabel endogen dan X1, X2, X3 sebagai variabel eksogen. Dan
persamaan struktural kedua dengan X3 sebagai variabel endogen dan X1, X2 sebagai variabel
eksogen. Bisa dilihat bahwa X3 bisa menjadi variabel endogen ataupun eksogen tergantung
kondisi persamaan strukturalnya. Jadi sebelum kita mengolah data, kita harus tentukan dulu
diagram jalur, persamaan strukturalnya dan variabel endogen eksogennya. Semua pembentukan
tersebut membutuhkan dasar yang kuat, seperti teori-teori, penelitian terdahulu, maupun hasil
pengujian para ahli.
Ada berbagai referensi yang menyatakan asumsi-asumsi yang harus dipenuhi dalam
menggunakan analisis jalur. Saya akan merangkumnya menjadi satu. Asumsi-asumsi yang saya
jelaskan adalah asumsi-asumsi umum yang sering digunakan dalam berbagai referensi.
Hubungannya bersifat liner dan satu arah, tidak bolak balik.
Variabel endogen minimal dalam skala interval. (jika menggunakan kuesioner dengan
skala likert, penjelasan untuk mendapatkan data skala interval bisa dilihat dalam tulisan
memahami skala likert)
Menggunakan probability sampling
Variabel diukur tanpa kesalahan, maksudnya adalah menguji variabel tersebut dengan uji
validitas dan reliabilitas.
Model jalur yang dibuat berdasarkan teori-teori dan landasan yang kuat dan telah dikaji.

Kelima asumsi tersebut ada dari referensi yang saya baca, tetapi ada juga asumsi yang menurut
saya penting tetapi tidak semua referensi menggunakannya. Misalkan asumsi regresi klasik.
Kenapa penting? Seperti yang kita ketahui, analisis jalur ini perluasan dari analisis regresi
berganda. Jadi asumsi regresi klasik harusnya dipenuhi. Saya akan membahasnya satu-persatu.

Non Multikolinearitas, dalam jalur diusahakan kecil korelasi antara variabel eksogen. Hal
ini akan berpengaruh terhadap ujinya nanti. Dengan nilai multikolinearitas yang tinggi,
maka uji F dan uji t-student yang digunakan dalam uji hipotesis tidak layak lagi untuk
digunakan. Bisa saja uji F nya tolak H0 (signifikan), yang artinya minimal ada satu
variabel eksogen yang signifikan berpengaruh terhadap variabel endogen. Nyatanya
dengan adanya multikolinearitas, uji t-studentnya semua variabel eksogen terhadap
variabel endogen tidak tolak H0 (tidak signifikan), artinya tidak ada variabel eksogen
yang berpengaruh terhadap variabel endogen. Selain itu, perbedaan tanda antara koefisien
jalur dengan korelasi bisa saja terjadi karena multikolinearitas yang tinggi. Untuk
mendeteksi adanya multikolinearitas bisa dilihat dari VIF (VIF>5 artinya adanya
multikolinearitas) dan bisa juga dilihat dari koefisien determinasi yang sangat tinggi /
mendekati sempurna. Pengujian multikolinearitas ini dilakukan setiap persamaan
strukturalnya karena uji F dan uji t-studentnya dilihat per persamaan strukturalnya.
Non-autokorelasi, diusahakan korelasi antara erorrnya tidak ada. Ini akan berdampak
terhadap penduga yang dihasilkan. Penduga yang akan dihasilkan tidak memenuhi syarat
BEST lagi dari syarat penduga yang baik, BLUE. Varians dari estimator akan
underestimate sehingga uji F dan uji t-student nya akan sulit dipastikan kevalidannya
(sulit dipercaya). Autokorelasi bisa dideteksi dengan uji durbi-watson. Sama seperti
multikolinearitas, autokorelasi juga diujikan per persamaan strukturalnya.
Homoskedastisitas, dalam analisis jalur diusahakan variansnya sama dari error nya.
Dampak dari heteroskedastisitas adalah varians minimum sulit untuk ditetapkan sehingga
syarat penduga yang baik dari BLUE, yaitu BEST tidak bisa dipenuhi dan akan
berdampak terhadap uji F dan t-studentnya. Cara mendeteksi nya dengan scatter plot atau
uji park. Pengujian homoskedastisitas dilakukan per persamaan struktural.
Normalitas, untuk mendapatkan penduga/estimatornya harus memenuhi syarat
normalitas, jadi jika syarat ini tidak terpenuhi maka penduganya tidak bisa didapatkan.
Selain itu, untuk uji hipotesis simultan dan parsialnya, menggunakan uji F dan t-student
yang berasal dari keluarga distribusi normal. Jadi agar uji hipotesisnya layak untuk
digunakan maka normalitas harus dipenuhi. Pengujiannya juga dilakukan per persamaan
strukturalnya.
Jika dilihat secara keseluruhan, uji asumsi klasik ini mempunyai pengaruh terhadap penduga dan
uji hipotesisnya. Dalam analisis jalur, penduga nya itu merupakan koefisien jalur atau Beta ()
dalam tabel anova dan untuk menguji jalur yang signifikan (pengaruh yang signifikan)
menggunakan uji F dan t-student, sehingga menurut saya asumsi regresi klasik sangat penting
untuk pengujian menggunakan analisis jalur. Asumsi-asumsi ini saya kaitkan antara analisis jalur
dengan dasar-dasar dalam analisis regresi sehingga penjelasan diatas merupakan penjelasan
secara statistik. Jadi untuk penelitian yang menggunakan analisis jalur, sebaiknya mencari
referensi dan literatur sebanyak-banyaknya mengenai asumsi-asumsi yang dibutuhkan dalam
analisis jalur agar mempunyai dasar yang kuat secara teori dan statistik.

Mungkin itu dulu penjelasan singkat mengenai analisis jalur. Ini mungkin baru kulitnya analisis
jalur. Di tulisan berikutnya saya akan menjelaskan tentang dalamnya jalur itu bagaimana,
perbedaan jalur dengan SEM (structural equation model), cara pengolahan dan intepretasi.
Mohon maaf jika ada kekeliruan dan Semoga bermanfaat.