ANALISIS JALUR PADA AMOS

Makalah ini disusun untuk melengkapi tugas Mata Kuliah

Aplikasi Matematika Komputer
Semester IV/2014

Disusun oleh :
Resti Amin Nurhaini
(1112017000017)

Dosen Pengampu : Dindin Sobiruddin, M.Kom

Jurusan Pendidikan Matematika
Fakultas Ilmu Tarbiyah dan Keguruan
Universitas Islam Negeri Syarif Hidayatullah
Jakarta
2014

ANALISIS JALUR
A. Pengertian Analisis Jalur
Analisis Jalur digunakan untuk mengetahui apakah data mendukung teori, yang secara
a-priori dihipotesiskan, yang mencakup kaitan structural antar variabel terukur.
Analisis Jalur atau yang lebih dikenal luas sebagai Path Analysis merupakan suatu
metode pendekomposisian korelasi kedalam bagian-bagian yang berbeda untuk
menginterpretasikan suatu pengaruh (effect).
Dalam analisis jalur yang distandarkan korelasi dapat dipecah kedalam komponenkomponen struktural (kausal) dan nonstruktural (nonkausal) didasarkan teori yang dinyatakan
dalam diagram jalur.
Total Efek Struktural dapat didekomposisi : Langsung dan Tidak Langsung.
Komponen Nonstruktural :
-

komponen spurious

komponen unanalyzed
Pendekomposisian pengaruh terbagi atas dua bagian, yaitu Causal Effect dan Noncausal
Effect.
Dalam kajian analisis jalur, untuk menyederhanakan lambang, akan digunakan dua
macam lambang saja yaitu X dan , yang nantinya dibedakan oleh subscript-nya (X1, X2, .,
Xk dan 1, 2, , k).
Istilah untuk variabel :
Variabel eksogen (exogenous variable) mencerminkan variabel penyebab, dan
variabel endogen (endogenous variable) sebagai variabel akibat.
B. Diagram Jalur (Path Diagram)
Langkah pertama analisis jalur adalah menterjemahkan hipotesis penelitian yang
bentuknya proposisional ke dalam bentuk diagram yang disebut diagram jalur.
Pada saat menggambarkan diagram jalur ada beberapa perjanjian :
1. Hubungan antar variabel digambarkan oleh anak panah yang bisa berkepala tunggal ()
atau single headed arrow, dan berkepala dua () atau double headed arrow.
2. Panah berkepala satu menunjukkan pengaruh dari sebuah variabel eksogen terhadap
sebuah variabel endogen. Misalkan :
X1

X2

3. Panah berkepala dua menggambarkan hubungan korelatif antar variabel eksogen.

Misalkan :
X1
`

X2

Tidak pernah seseorang bisa mengisolasi hubungan pengaruh secara murni

artinya bahwa sesuatu kejadian banyak sekali yang mempengaruhinya, tetapi pada
conceptual framework hanya dapat digambarkan beberapa pengaruh yang bisa
diamati. Variabel lainnya yang tidak bisa digambarkan (tidak bisa diukur)
diperlihatkan oleh suatu variabel tertentu yang disebut residu dan diberi simbol
dengan .
Contoh :
1)

p2
p21
X1

X2

Diagram jalur ini adalah diagram jalur yang paling sederhana. Besarnya pengaruh
langsung dari X1 ke X2 diperlihatkan oleh koefisien jalur (path coefficient, p).
Apabila diagram jalur sederhana seperti ini yaitu variabel eksogen hanya satu,
maka p21 = r21.
2) Contoh diagram jalur yang melibatkan kaitan korelatif :

p3
X1

p31

r12

X3
P32
X2

X1 dan X2 merupakan dua buah variabel eksogen yang satu dengan yang lainnya
mempunyai kaitan korelatif. Secara bersama-sama X1 dan X2 mempengaruhi X3.
3) Penelitian mengenai hubungan kausal melibatkan empat buah variabel X 1, X2, X3, dan
X4. Menurut teori, hubungan struktural antara variabel-variabel tersebut adalah :
(a) X3 dipengaruhi oleh X1 dan X2
(b) antara X1 dan X2 terdapat hubungan korelatif
(c) X4 dipengaruhi oleh X3.
Diagram jalur dari hubungan variabel-variabel tersebut adalah :

p31
X1

p42

p31

r12

P32

p43
X3

X4

X2
Contoh diagram jalur yang tidak melibatkan kaitan korelatif :
4)

Seorang peneliti mempunyai empat variabel X1, X2, X3 dan X4 yang menurut
kerangka konseptual terdapat hubungan sebagai berikut :
a) X2 dipengaruhi oleh X1
b) X3 dipengaruhi oleh X1 dan X2
c) X4 dipengaruhi oleh X3 dan X2
Hubungan antar variabel dapat dinyatakan dalam diagram jalur sebagai
berikut.

2
p32
p31
X1

X3
3

p21

p32

p43
p43
p42

X2

X4

P21
1
C. Gambaran Analisis Regresi dan Korelasi Melalui Diagram Jalur
1. Regresi Linier Multipel Dengan Dua Variabel Independen
Model regresinya :
Y = 1 X 1 + 2 X 2 +

. . . (1)

Dalam analisis jalur kita hanya menggunakan X baik sebagai variabel eksogen
maupun endogen, untuk itu variabel Y diganti menjadi X 3, sehingga model regresi di atas
menjadi :
X3 = 1 X1 + 2 X2 +

. . . (2)

Jika semua data pengamatan ditransformasi ke dalam angka baku, artinya

Z ij
(4)

x ij - x j
sj

. . .

maka model (2) menjadi

X3 = p31 X1 + p32 X2 +

. . . (3)

Dimana px3x1 dan px3x2 adalah koefisien-koefisien jalur yaitu sama dengan
koefisien-koefisien regresi untuk variabel yang dibakukan. Persamaan (3) disebut Persamaan
Struktural.
Secara struktural model (3) dapat digambarkan dalam diagram jalur sebagai berikut :

p3
X1

p31

r12

X3
P32

2.

X2
Regresi linier multipel dengan tiga variabel independen yang dinyatakan dalam diagram
jalur
Prinsip-prinsip regresi dengan tiga variabel independen tidak berbeda dengan dua

variabel independen.
Perhatikan diagram jalur di bawah ini :

X1
p41

p4

r12
p42
r13

X2
r23

X4

p43
X3
Diagram jalur ini memperlihatkan tiga buah variabel eksogen X1, X2 dan X3, serta
sebuah variabel endogen, yaitu X4.
Persamaan struktural untuk diagram jalur di atas adalah :
X4 = p41 X1 + p42 X2 + p43 X3 +
Contoh yang lebih kompleks :
1. Sebuah penelitian eksploratif mencoba mengungkapkan hubungan antara X1, X2, X3,
X4 dan X5. Dalam penelitian ini dikemukakan sebuah proposisi bahwa :
- Antara X1, X2, dan X3 terdapat kaitan korelatif. Ketiga konstrak tersebut bersamasama mempengaruhi X4.
- X1, X4 dan X3 secara bersama-sama mempengaruhi X5.
Buatlah diagram jalurnya, identifikasi substrukturnya serta persamaanpersamaan strukturnya !
Diagram jalurnya :
1

X1

p41

p51
p4 1

r12

p52

p42
r13

p54

X2

X4

r23

p43

X5
p53

X3
X4 = p41 X1 + p42 X2 + p43 X3 + 1
X5 = p51 X1 + p53 X3 + p54 X4 + 2
2)

Identifikasi substruktur dan persamaan strukturnya dari diagram jalur di bawah ini !
2
p32
p31
X1

X3
3

p21

p32

p43
p43
p42

X2

X4

P21
1
Persamaan strukturnya :
X2 = p21 X1 + 1
X3 = p31 X1 + p32 X2 + 2
X4 = p42 X2 + p43 X3 + 3
KASUS 1 :
Penelitian melibatkan tiga buah variabel X1, X2 dan X3 untuk mengungkapkan
hubungan antara ke tiga variabel ini. Peneliti mempunyai proposisi hipotetik bahwa
antara X1 dan X2 terdapat kaitan korelasional, dan bahwa keduanya secara bersamasama mempengaruhi X3.
Data hasil pengukuran (dalam skala pengukuran interval) melalui sampel acak
berukuran 15 adalah sebagai berikut :
X3

X1

X2

205

26

159

206

28

164

254

35

198

246

31

184

201

21

150

291

49

208

234

30

184

209

30

154

204

24

149

216

31

175

245

32

192

286

47

201

312

54

248

265

40

166

322

42

287

Analisis :

Regression
Descriptive Statistics
Mean
246,4000
34,6667
187,9333

X3
X1
X2

Std. Deviation
41,11274
9,67815
38,08724

N
15
15
15

Correlations
Pearson Correlation

Sig. (1-tailed)

X3
1,000
,916
,901
.
,000
,000
15
15
15

X3
X1
X2
X3
X1
X2
X3
X1
X2

X1
,916
1,000
,735
,000
.
,001
15
15
15

X2
,901
,735
1,000
,000
,001
.
15
15
15

Variables Entered/Removedb
Model
1

Variables
Entered
X2, X1a

Variables
Removed

Method
Enter

a. All requested variables entered.

b. Dependent Variable: X3

Model Summary
Model
1

R
,976a

R Square
,952

Adjusted
R Square
,944

Std. Error of
the Estimate
9,75663

a. Predictors: (Constant), X2, X1

ANOVAb
Model
1

Regression
Residual
Total

Sum of
Squares
22521,299
1142,301
23663,600

a. Predictors: (Constant), X2, X1

b. Dependent Variable: X3

df
2
12
14

Mean Square
11260,649
95,192

F
118,294

Sig.
,000a

Coefficientsa

Model
1

(Constant)
X1
X2

Unstandardized
Coefficients
B
Std. Error
64,639
13,112
2,342
,398
,535
,101

Standardized
Coefficients
Beta
,551
,496

t
4,930
5,892
5,297

Sig.
,000
,000
,000

a. Dependent Variable: X3

Proposisi hipotetik yang diajukan oleh peneliti bisa diterjemahkan kedalam Diagram
Jalur seperti di bawah ini :

p3
X1

p31

r12

X3
P32
X2

Diagram jalur ini terdapat dua buah variabel eksogen X 1 dan X2, serta sebuah variabel
endogen, yaitu X3.
Bentuk persamaan struktural untuk diagram jalur di atas :
X3 = 0,551 X1 + 0,496 X2 +
Model ini signifikan karena nilai p-value = 0,000 lebih kecil dari
Koefisien jalur :
p31 = 0,551 , karena p-value = 0,000 lebih kecil dari , koefisien jalur ini signifikan
p32 = 0,496 , karena p-value = 0,000 lebih kecil dari , koefisien jalur ini signifikan
p3 =

1 R2

1 0,952
=

= 0,219 .

Hubungan struktural antara X1 , X2 dan X3 :

0,219
X1

0,551

0,735

X3
0,496
X2

Interpretasi

Pengaruh langsung dari X1 terhadap X3 = (0,551)(0,916)=

Pengaruh langsung dari X2 terhadap X3 = (0,496)(0,901)=

KASUS 2

Sebuah penelitian eksploratif mencoba mengungkapkan hubungan antara X 1, X2, X3,

dan X4. Dalam penelitian ini dikemukakan sebuah proposisi bahwa :
Antara X1 dan X2, terdapat kaitan korelatif. Kedua konstrak tersebut bersamasama mempengaruhi X3.
X1, X2 dan X3 secara bersama-sama mempengaruhi X4.
Buatlah diagram jalurnya, hitung semua pengaruh variable eksogennya.!

DATA SAMPEL :

Analisis :
Diagram jalur :

X1

1
p 3 1
p 43

X4
p 4 2

r12

X3

X2

Persamaan struktural :
X3 = p31 X1 + p32 X2 + 1
X4 = p41 X1 + p42 X2 + p43 X3 + 2

Untuk sub-struktur 1 :
Correlations
Pearson Correlation

Sig. (1-tailed)

X3
1,000
,734
,809
.
,002
,000
13
13
13

X3
X1
X2
X3
X1
X2
X3
X1
X2

X1
,734
1,000
,217
,002
.
,238
13
13
13

X2
,809
,217
1,000
,000
,238
.
13
13
13

Model Summary
Model
1

R
,990a

Adjusted
R Square
,977

R Square
,981

Std. Error of
the Estimate
2,23457

a. Predictors: (Constant), X2, X1

ANOVAb
Model
1

Regression
Residual
Total

Sum of
Squares
2590,067
49,933
2640,000

df
2
10
12

Mean Square
1295,034
4,993

F
259,355

Sig.
,000a

a. Predictors: (Constant), X2, X1

b. Dependent Variable: X3
Coefficientsa

Model
1

(Constant)
X1
X2

Unstandardized
Coefficients
B
Std. Error
51,434
2,199
1,476
,112
,687
,045

Standardized
Coefficients
Beta
,585
,682

a. Dependent Variable: X3

Persamaan struktur :

X3 = 0,585 X1 + 0,682 X2 + 1
Model ini signifikan karena p-value = 0,000 lebih kecil dari

t
23,389
13,140
15,305

Sig.
,000
,000
,000

Koefisien jalur :
p31 = 0,585 , karena p-value = 0,000 lebih kecil dari , koefisien jalur ini signifikan
p32 = 0,682 , karena p-value = 0,000 lebih kecil dari , koefisien jalur ini signifikan

px3 =

1 R2

1 0,981
=

= 0,138.

Untuk Sub-struktur 2 :

Model Summary
Model
1

R
,997a

R Square
,994

Adjusted
R Square
,992

Std. Error of
the Estimate
1,38903

a. Predictors: (Constant), X2, X1, X3

ANOVAb
Model
1

Regression
Residual
Total

Sum of
Squares
2899,405
17,365
2916,769

df
3
9
12

Mean Square
966,468
1,929

F
500,913

Sig.
,000a

a. Predictors: (Constant), X2, X1, X3

b. Dependent Variable: X4
Coefficientsa

Model
1

(Constant)
X3
X1
X2

Unstandardized
Coefficients
B
Std. Error
22,248
10,202
,541
,197
,831
,298
,327
,138

Standardized
Coefficients
Beta
,514
,314
,309

t
2,181
2,750
2,785
2,372

Sig.
,057
,022
,021
,042

a. Dependent Variable: X4

Persamaan struktur :
X4 = 0,314 X1 + 0,309 X2 + 0,514 X3 + 2
Model ini signifikan karena p-value = 0,000 lebih kecil dari
Koefisien jalur :
P41 = 0,314 , karena p-value = 0,021 lebih kecil dari , koefisien jalur ini signifikan
P42 = 0,309 , karena p-value = 0,042 lebih kecil dari , koefisien jalur ini signifikan
P43 = 0,514 , karena p-value = 0,022 lebih kecil dari , koefisien jalur ini signifikan.

1 0,994

1 R2

P4 =
=
=0,077.
Diagram Jalur yang lengkap :
1
X1

0,138
0,585

0,314
0,077
0,514

0,217

X3
0,682

X4
0,309

X2
Interpretasi :
Pengaruh dari X1 ke X4
Pengaruh langsung = 0,314
Pengaruh tak langsung (melalui X3) = 0,585 x 0,514 = 0,301
Total pengaruh = 0,314 + 0,301 = 0,615
Pengaruh dari X2 ke X4
Pengaruh langsung = 0,309
Pengaruh tak langsung (melalui X3) = 0,682 x 0,514 = 0,350
Total pengaruh = 0,309 + 0,350 = 0,659
Pengaruh dari X3 ke X4
Pengaruh langsung = 0,514
D. Langkah-Langkah dalam Menganalisis
1. Menyiapkan Data
Siapkan data yang akan dianalisis dalam format basis data yang
dapat dibuat dengan program Microsoft Exel, SPSS, atau format
data base yang lain. Dalam latihan ini sudah disiapkan data dalam
format SPSS yang disimpan dalam file DataAnalisisJalur.sav
2. Jalankan program AMOS Graphics
3. Buat model diagram jalurnya dengan cara:

Klik menu File Data Sheet, klik tombol File Name, lalu cari
file DataAnalisisJalur.sav sehingga muncul gambar dibawah,
lalu klik OK.

Klik menu ViewVariable in Database sehingga muncul

gambar berikut:

Drag semua variabel yang ada di variables in data ke lembar

kerja yang disediakan.

Buat pola hubungan searah dengan menggunakan toolbar draw
path () lalu drag mulai dari x1 ke y1. Ulangi langkah ini untuk

membuat hubungan searah yang lain.

Buat pola hubungan dua arah (kovarians) dengan menggunakan

toolbar draw covariance (). Lalu drag dari x1 ke x2.

Buat variabel eror menggunakan toolbar add anunique, klik di
variabel y1 dan y2. Beri label variabel eror tersebut dengan cara
klik kanan lalu pilih objek propertiesblalu tabulator text dan
variabel name dengan e1 untuk eror y1 dan e2 untuk eror y2.
Hasilnya akan terlihat seperti gambar berikut.

Tentukan jenis hasil analisis yang diperlukan dengan cara klik

menu viewanalysis properties lalu pilih tabulator output dan
beri tanda check seperti pada gambar berikut:

Lakukan analisis dengan klik menu analyze calculate

estimation maka akan muncul hasil analisis pathnya seperti ini:

Untuk melihat hasil analisis lengkapnya klik menu view text

output

Daftar Pustaka

Muhson, Ali. Analisis Jalur dengan AMOS. 2011

Putra, I Wayan Jaman Adi. LANGKAH-LANGKAH ANALISIS JALUR (PATH

ANALYSIS). (diunduh 2 Juni 2014)
Tahir, Rusdin. ANALISIS JALUR (Path Analysis). http://rusdintahir.wordpress.com.
(diunduh 3 Juni 2014)