Anda di halaman 1dari 8

ANALISIS JALUR (PATH ANALYSIS)

DENGAN SPSS 16

Malam nih sobat semua hehehe,, Pa kabarnya nih?


Moga sehat aja yak hehehe.. Kali ini bahasan kita
cukup menarik nih #biar gak down dulu hehehe..
Yap, malam ini saya mau bahas tentang analisis jalur
dan langsung disertai dengan data yang akan kita
eksekusi menggunakan SPSS 16.
Ingat kan ya kalau sebelumnya saya sudah pernah
bahas tentang analisis multiple regression.. Kalo sobat
semua dah paham konsepnya, bagus deh karena
sebagian pola pikir itu dipakai dalam analisis jalur.
Ingat: Dalam analisis jalur, kita akan mengenal yang
namanya pengaruh langsung (direct effect), pengaruh
tidak langsung (indirect effect) dan total pengaruh
(total effect)
Agar mudah memahami effect ini, saya berikan
ilustrasi seperti ini:
Kasus Melihat Besarnya Pengaruh Langsung Dan Tidak Langsung Variabel A,B,C
Terhadap Variabel E dengan Variabel D Sebagai Variabel Perantara

Misalnya kita memiliki variabel bebas A,B dan C yang


akan kita lihat berapa besar pengaruhnya masingmasing terhadap variabel terikat E. Nah, dalam hal ini
kita menggunakan variabel perantara, katakanlah D.
Mengapa pakai perantara? Ini adalah kasus bilamana
nanti sobat dihadapkan pada keadaan dimana beberapa
variabel bebas tidak hanya secara langsung
memengaruhi variabel terikat tetapi bisa juga
melalui/diperantarai oleh variabel lain.
Ada lagi kasus dimana variabel bebas tidak punya
pengaruh langsung tetapi hanya memiliki variabel tidak
langsung saja. Jadi, kalau sobat yang mau pakai
analisis jalur, saya sangat sangat menyarankan gali dan
dalami dulu teori tentang variabel yang mau sobat pakai
agar tahu apakah variabel bebas itu bisa langsung
memengaruhi variabel terikat atau hanya bisa
memberikan pengaruh tidak langsung. Kita lihat kembali
ilustrasi di atas
Disini kita akan susun dua buah persamaan sub
strukturalnya:
Pertama: Variabel A, B, dan C secara langsung
memengaruhi variabel D sehingga nanti dalam
pengerjaan dengan SPSS, kita regresikan saja variabel
bebas A,B dan C dengan variabel D. Persamaan sub
strukturalnya menjadi seperti ini:
D = DA + DB + DC + 1

Kedua: Variabel A,C dan D secara langsung


memengaruhi variabel E sedangkan variabel B tidak
(perhatikan tanda panah dalam ilustrasi) sehingga
dengan demikian kita bentuk persamaan sub
strukturalnya seperti ini:
E = EA + EC + ED + 2
Biar gak buang-buang waktu nih sob, saya berikan
contoh tetapi dengan data fiktif ya.. Yang penting kan
sobat sudah paham alur pikirnya.. Oke deh, langsung
aja unduh datanya kalau mau praktek disini
Oops sebelumnya dalam analisis jalur ini, uji asumsi
seperti dalam analisis regresi tetap dibutuhkan. Untuk uji
asumsi tidak saya bahas disini karena sudah ada
lengkap dalam postingan lawas dan data yang kita
gunakan interval atau rasio. Berikut data viewnya pada
SPSS:

Langkah awal, regresikan variabel A,B dan C terhadap


variabel D, caranya klik Analyze, Regression, Linier dan
masukkan variabel A,B dan C ke dalam bagian
Independent sedangkan variabel D ke dalam bagian
Dependent.

Berikut output yang dihasilkan:

Secara simultan variabel A,B dan C memiliki kontribusi


sebesar 73,1 persen dalam menjelaskan perubahan
yang terjadi pada variabel D sedangkan sisanya sebesar
16,9 persen dijelaskan oleh variabel lain di luar model.

Pada bagian Anova (uji F) terlihat bahwa secara


simultan variabel-variabel bebas memiliki pengaruh
yang signifikan terhadap variabel D yang ditunjukkan
dari nilai Sig. 0,000 < Alpha 5% (tolak hipotesis nol dan
terima hipotesis alternatif atau uji statistik F sudah
signifikan).
Pada Coefficients, uji t/parsial terlihat bahwa variabel
B dan C secara statistik memiliki pengaruh yang
signifikan terhadap variabel D yang ditunjukkan oleh
nilai Sig masing-masing lebih kecil dari Alpha 5% yaitu
0,048 dan 0,000. Variabel A secara statistik tidak
signifikan memengaruhi variabel D yang terlihat dari
nilai Sig. sebesar 0,615 > Alpha 5% sehingga untuk
variabel A, kita eliminasi dari model.
Persamaan strukturalnya menjadi seperti berikut (pakai
yang Standardized Beta) ya sob.. Jangan lupa..
D= 0,320B + 0,640C + 1
Dari tanda nilai koefisien (+), variabel B dan C memiliki
pengaruh yang positif terhadap variabel D.
Interpretasi variabel B: Peningkatan sebesar 1 satuan
variabel B akan meningkatkan variabel D sebesar 0,320
satuan dengan asumsi variabel bebas lain dianggap
konstan.
Interpretasi variabel C: Peningkatan sebesar 1 satuan
variabel C akan meningkatkan variabel D sebesar 0,640
satuan dengan asumsi variabel bebas lain dianggap
konstan.
Selanjutnya, kita masuk nih sob ke sub struktural
kedua. Regresikan variabel A,C,D terhadap variabel E.

Caranya sama dengan yang di atas.. Nanti, hasilnya


seperti berikut:

Hasilnya ternyata variabel A,C dan D hanya mampu


menjelaskan keragaman pada variabel E sebesar 34,4
persen sedangkan sisanya 65,6 persen dijelaskan oleh
variabel lain di luar model. Nah, kalo uji simultannya
masih lolos nih alias masih signifikan, terlihat dari nilai
Sig sebesar 0,011 < 0,05. Pada uji parsialnya, ternyata
hanya variabel D yang secara signifikan memengaruhi
variabel E secara statistik (Nilai Sig sebesar 0,005 <
Alpha 5%). Model strukturalnya sebagai berikut:
E= 0,868D + 2

Untuk variabel A ternyata tidak memiliki pengaruh


langsung terhadap variabel E secara statistik karena
saat pengujian variabel A tidak signifikan memengaruhi
variabel E. Untuk pengaruh tidak langsung variabel A
juga tidak dihitung karena saat pengujian sub
struktural pertama (menjadikan D sebagai variabel
dependen), terlihat bahwa variabel A juga tidak
signifikan sehingga variabel A kita eliminasi dari model.
Pengaruh tidak langsung variabel B terhadap variabel E
yang melalui variabel D adalah sebesar 0,320 x 0,868 =
0,27776 atau 0,28. Untuk pengaruh langsung memang
sesuai dengan ilustrasi awal (kalau dalam penelitian
asli harus dilandaskan pada teori yang ada yaaa
hehehe), variabel B ini tidak punya tanda panah
langsung ke E alias variabel B hanya punya pengaruh
tidak langsung saja ke E yaitu melalui variabel
perantara D.
Untuk variabel C, kita hitung bahwa pengaruh tidak
langsungnya adalah 0,640 x 0,868 = 0,5552 atau 0,56.
Nah, untuk pangaruh langsungnya, kita lihat dari uji
sub struktural kedua dimana kita menempatkan
variabel E sebagai dependen. Yang signifikan

memengaruhi variabel E dari antara variabel bebas


A,C,D itu hanya variabel D saja..
Nah, bisa gak bayangkan kalau variabel D nya gak
signifikan? Ada atau nggak pengaruh tidak langsungnya
hayoooo.. Direnung-renungkan dulu aja ya hehehe..
Nah, dalam kasus data fiktif ini untunglah variabel D
(perantaranya) signifikan. Makanya, nanti saat
penelitian, sobat harus benar-benar hati-hati dalam
menentukan variabel perantaranya, yah banyak bacabaca bukulah, gak mesti beli kan karena yang e-book
juga sudah banyak beredar dan gratis pula hahaha..
Jadi, untuk total pengaruhnya (total effect), tinggal
jumlahkan saja pengaruh tidak langsung dengan
pengaruh langsungnya.. Oleh karena dalam kasus kita
ini (yah mungkin karena kita pakai data fiktif),
pengaruh langsungnya tidak signifikan, jadi untuk
totalnya kita pakai yang pengaruh tidak langsungnya
saja yaaa..
So, total effect untuk variabel B terhadap variabel E
adalah 0,28 sedangkan total effect untuk variabel C
terhadap variabel E adalah 0,56. Interpretasinya sudah
saya jelaskan panjang kali lebar sama dengan luas di
atas yaa hahaha..
Oke deh sobat, itu saja yang bisa saya bagikan dulu
malam ini.. Kurang lebihnya, ampun booos hehehe..
Tetap semangat dan salam sukses :-)

Anda mungkin juga menyukai