ANALISIS JALUR (PATH ANALYSIS)

A. Pengertian Analisis Jalur

Path analysis is a method for testing the validity of a theory about causal
relationships between three or more variables that have been studied using a correlational
research design Analisis jalur adalah sebuah metode untuk mencek/menguji validitas
(kebenaran, keabsahan) teori tentang hubungan sebab akibat antara tiga atau lebih variabel
yang telah dipelajari dengan menggunakan desain penelitian korelasional

Gambar 1. Pengertian analisis jalur

Analisis jalur (Path Analisis) merupakan pengembangan dari analisi regresi, sehingga
analisis regresi dapat dikatakan sebagai bentuk khusus dari analisis jalur. Oleh karena itu,
sebelum mempelajari analisis jalur maka terlebih dahulu harus memahani konsep dasar
analisi regresi dan korelasi. Analisis jalur digunakan untuk melukiskan dan menguji model
hubungan antar variabel yang berbentuk sebab akibat (bukan bentuk hubungan interaktif).
Dengan demikian dalam model hubungan anatar variabel tersebut, terdapat variabel
independen yang dalam hal ini disebut variabel eksogen dan variabel dependen yang disebut
variabel endogen. Dalam buku Sugyono Statistika untuk Penelitian Hal : 297 dikatakan juga
bahwa Analisis jalur (Path Analisis) merupakan pengembangan dari analisi regresi, sehingga
analisis regresi dapat dikatakan sebagai bentuk khusus dari analisis jalur. Regresi digunakan
untuk memprediksikan seberapa jauh perubahan nilai variabel dependen, bila nilai variabel
independen dimanipulasi/dirubah-rubah atau dinaik-turunkan.

Sedangkan analisis jalur adalah statistik yang berfungsi atau digunakan untuk :
1. Mengetahui besarnya pengaruh langsung,pengaruh tidak langsung, dan pengaruh total
dari variabel endogen terhadap variabel eksogen.
2. Marefatzadeh dalam jurnalnya African Journal of Agricultural Research Vol. 7(48),
pp. 6437-6446, 20 December 2012 menuliskan bahwa Path analysis is used to
determine the amount of direct effect (path coefficient); indirect effects (effects
exerted through other independent variables) of the causal components on the
dependent variable (Li, 1975; Amjad et al., 2009)
3. Madu, B. C. PhD dalam jurnalnya A Path Analysis of Parental Socio-Economic Status
and Home Education Environment on Students Academic Achievement in the
Secondary Schools in Benue State, Nigeria menuliskan bahwa The path analytic
method was intended to measure the direct effect along each separate path in such a
system and finding the degree to which variation of a given effect is determined by
each particular cause
Jadi dapat disimpulkan bahwa analisis jalur digunakan untuk mengetahui
besarnya pengaruh langsung, pengaruh tidak langsung, dan pengaruh total dari
variabel endogen terhadap variabel eksogen. Beberapa asumsi yang harus
diperhatikan pada analisis jalur adalah :
1. Hubungan antar variabel linear dan kausal.
2. Variabel residual tidak berkorelasi dengan variabel yang mendahuluinya,
dan juga tidak berkorelasi dengan variabel lain.
3. Dalam model hubungan variabel hanya terdapat jalur kausal/sebab
akibat searah.
4. Data yang dianalisis adalah data interval dan berasal dari sumber yang
sama.
B. Penyajian Data
1. Diagram jalur sederhana

X1

X3
X2

Gambar 1.2 Diagram Jalur Sederhana

Pada gambar 1.2 ditunjukkan diagram jalur sederhana. Pada gambar 1.2
ditunjukkan X1 merupakan variabel independen (eksogen) dari X2 dan X3. X1
mempunyai jalur hubungan langsung dengan X3, tetapi juga mempunyai jalur
hubungan tidak langsung dengan X3, karena harus melewati X2. Dalam hal ini X2 dan
X3 merupakan variabel endogen.
Teknik Path Analysis yang dikembangkan oleh Sewal Wright di tahun 1934,
sebenarnya merupakan pengembangan korelasi yang diurai menjadi beberapa
interpretasi akibat yang ditimbulkannya. Wright mengembangkan Path Analysis
untuk membuat kajian hipotesis hubungan sebab akibat dengan menggunakan
korelasi. Teknik ini juga dikenal sebagai model sebab akibat (causing modelling).
Istilah-istilah analisis jalur menurut Sarwono (2012), adalah sebagai berikut:
a. Model jalur: suatu diagram yang menghubungkan antara variabel bebas, perantara
dan tergantung yang ditunjukkan dengan menggunakan anak panah.
b. Variabel exogenous merupakan semua variabel yang dalam diagram tidak ada
anak-anak panah yang menuju ke arahnya.
c. Variabel endogenous merupakan variabel yang mempunyai anak panah yang
menuju ke arahnya.
 d. Koefisien jalur () adalah koefisien regresi standar yang menunjukkan pengaruh
langsung dari suatu variabel bebas terhadap variabel tergantung dalam suatu model
jalur tertentu.
e. Direct Effect (DE) adalah pengaruh langsung yang dapat dilihat dari koefisien jalur
dari variabel eksogen ke variabel endogen.
f. Indirect Effect (IE) adalah urutan jalur melalui satu atau lebih variabel perantara.
g. Gangguan atau residue mencerminkan adanya varian yang tidak dapat diterangkan
atau pengaruh dari semua variabel yang tidak terukur ditambah dengan kesalahan
pengukuran yang merefleksikan penyebab variabilitas yang tidak diketahui pada hasil
analisis.

C. Koefisien Jalur
Dalam analisis jalur terdapat koefisien jalur. Koefisien jalur menunjukkan kuatnya
pengaruh variabel independen terhadap dependen. Bila koefisien jalur rendah dan
angkanya di bawah 0,05, maka pengaruh jalur tersebut dianggap rendah sehingga
dihilangkan. Dalam hal ini sudjana (2002) menyatakan beberapa studi empirik telah
banyak menyarankan untuk menggunakan pegangan bahwa koefisien jalur kurang dari
0,05 dapat dianggap tidak berarti.

D. Perhitungan 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 mempengaruhi oleh variabel-variabel yang lain dalam diagram,
sehingga yang ada hanyalah suku residualnya yang diberi notasi e. Variabel ini sering
disebut sebagai variabel residu. Tetapi pada variabel dependen/ endogen, karena
sebenarnya banyak variabel eksogen yang mempengaruhi, maka perhitungannya selain
memperhatikan variabel eksogen yang mempengaruhi langsung juga
residulanya/errornya.

C. Contoh
1. Judul Penelitian
Analisis Jalur Kepemimpinan Kepala Sekolah, Profesionalisme Guru,
Kelengkapan Laboratorium Terhadap Motivasi Belajar Fisika Siswa dan
Pengaruh Selanjutnya Terhadap Hasil Belajar Fisika Siswa.
2. Hipotesis Analisis
a. Ho :Tidak terdapat hubungan langsung dan tidak langsung yang significant
antara kepemimpinan kepala sekolah dengan hasil belajar fisika siswa
 Ha :Terdapat hubungan langsung dan tidak langsung yang significant
antara kepemimpinan kepala sekolah dengan hasil belajar fisika siswa
b. Ho :Tidak terdapat hubungan langsung dan tidak langsung yang significant
antara Profesionalisme Guru dengan hasil belajar fisika siswa
Ha :Terdapat hubungan langsung dan tidak langsung yang significant
antara Profesionalisme Guru dengan hasil belajar fisika siswa
c. Ho :Tidak terdapat hubungan langsung dan tidak langsung yang significant
antara Kelengkapan Laboratorium dengan hasil belajar fisika siswa
Ha :Terdapat hubungan langsung dan tidak langsung yang significant
antara Kelengkapan Laboratorium dengan hasil belajar fisika siswa.
3. Hipotesis Statistik
H 0 : 0 0
H 1 : 1 0
a.
4. Variabel Eksogen
X1: Kepemimpinan Kepala Sekolah
X2: Profesionalisme Guru
X3:Kelengkapan Laboratorium
Variabel Endogen
X4: Motivasi Belajar Fisika
Y: Hasil Belajar Fisika

5. Diagram Jalur

X1

X4 Y
X2

X3
Asumsi yang diperoleh dari diagram diatas adalah:
X1 dan X3 memiliki hubungan resiprocal atau interaktif jadi tidak memiliki
koefisien jalur.
X1 dan X2 memiliki hubungan resiprocal atau interaktif jadi tidak memiliki
koefisien jalur
 X2 dan X3 memiliki hubungan resiprocal atau interaktif jadi tidak memiliki
koefisien jalur
X1 dan Y memiliki hubungan kausal yang ditandakan dengan anak panah satu arah.
X1 dan X4 memiliki hubungan kausal yang ditandakan dengan anak panah satu
arah.
X2 dan X4 memiliki hubungan kausal yang ditandakan dengan anak panah satu
arah.
X2 dan Y memiliki hubungan kausal yang ditandakan dengan anak panah satu arah
X3 dan X4 memiliki hubungan kausal yang ditandakan dengan anak panah satu
arah.
X3 dan Y memiliki hubungan kausal yang ditandakan dengan anak panah satu arah.
X4 dan Y memiliki hubungan kausal yang ditandakan dengan anak panah satu arah.
X1 memiliki pengaruh langsung ke Y dan pengaruh tidak langsung ke Y melalui X4
X2 memiliki pengaruh langsung ke Y dan pengaruh tidak langsung ke Y melalui X4
X3 memiliki pengaruh langsung ke Y dan pengaruh tidak langsung ke Y melalui X4

6. Data

X1 X2 X3 X4 Y
62.0 71.0 75.0 76.0 76.0
50.0 59.0 64.0 67.0 67.0
66.0 68.0 68.0 68.0 68.0
77.0 74.0 73.0 77.0 77.0
77.0 80.0 79.0 79.0 79.0
67.0 72.0 76.0 79.0 79.0
77.0 70.0 65.0 71.0 71.0
75.0 80.0 76.0 79.0 79.0
78.0 75.0 76.0 74.0 74.0
78.0 77.0 72.0 78.0 78.0
73.0 72.0 80.0 78.0 78.0
79.0 69.0 71.0 72.0 72.0
64.0 78.0 78.0 78.0 78.0
79.0 82.0 73.0 78.0 78.0
69.0 63.0 63.0 66.0 66.0
72.0 80.0 81.0 78.0 78.0
75.0 78.0 70.0 79.0 79.0
76.0 74.0 74.0 72.0 72.0
76.0 65.0 77.0 76.0 76.0
77.0 80.0 80.0 80.0 80.0
77.0 76.0 73.0 72.0 72.0
72.0 77.0 71.0 73.0 71.0
70.0 68.0 70.0 72.0 80.0
78.0 80.0 77.0 79.0 73.0
72.0 73.0 73.0 74.0 72.0
69.0 67.0 68.0 69.0 79.0
66.0 69.0 65.0 64.0 74.0
72.0 70.0 64.0 61.0 69.0
78.0 80.0 79.0 78.0 64.0
84.0 76.0 79.0 74.0 61.0
5. Menghitung nilai Korelasi masing masing variabel dengan korelasi Product Moment
Pearseon dengan membuat tabel penolong.

N X 1 . X 2 ( X 1 )( X 2 )
rx1x 2
N X 1
2

( X 1 ) 2 . N X 2 ( X 2 ) 2

Menghitung Korelasi X1 dengan X2

X1 X2 X1^2 X2^2 X1X2

62 71 3844 5041 4402
50 59 2500 3481 2950
66 68 4356 4624 4488
77 74 5929 5476 5698
77 80 5929 6400 6160
67 72 4489 5184 4824
77 70 5929 4900 5390
75 80 5625 6400 6000
78 75 6084 5625 5850
78 77 6084 5929 6006
73 72 5329 5184 5256
79 69 6241 4761 5451
64 78 4096 6084 4992
79 82 6241 6724 6478
69 63 4761 3969 4347
72 80 5184 6400 5760
75 78 5625 6084 5850
76 74 5776 5476 5624
76 65 5776 4225 4940
77 80 5929 6400 6160
 77 76 5929 5776 5852
72 77 5184 5929 5544
70 68 4900 4624 4760
78 80 6084 6400 6240
72 73 5184 5329 5256
69 67 4761 4489 4623
66 69 4356 4761 4554
72 70 5184 4900 5040
78 80 6084 6400 6240
84 76 7056 5776 6384

2185 2203 160449 162751 161119

72,83333 73,43333
N X 1 . X 2 ( X 1 )( X 2 )
rx1x 2
N X 1
2

( X 1 ) 2 . N X 2 ( X 2 ) 2
30.161119 (2185).( 2203)

30.160449
(2185) 2 . 30.162751 (2203) 2
4833570 4813555

4813470 4774225. 4882530 4853209
20015

39245. 29321
20015

33922,0082
0,59002
r12 menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 1 terhadap variabel 2, r 12
= 0,590 artinya variabel 1 terhadap variabel 2 memiliki arah yang positif, jadi apabila nilai
variabel 1 ditingkatkan maka akan meningkatkan nilai variabel 2 juga. Kemudian angka 0,
590 memiliki arti kekuatan hubungan antara variabel 1 terhadap variabel 2 dalam kategori
sedang, dalam contoh penelitian x1 : Kepemimpinan kepala sekolah , x2 : Profesionalisme
Guru, maka dapat diartikan bahwa apabila kepemimpinan kepala sekolah ditingkatkan
sebesar 0,590 satuan kali maka profesionalisme akan meningkat sebesar 0,590 satuan kali
juga. Karena ada hubungan resiprocal maka berlaku sebaliknya apabila profesionalisme guru
ditingkatkan sebesar 0,590 satuan kali maka kepemimpinan kepala sekolah akan meningkat
sebesar 0,590 satuan kali juga.

Menghitung Korelasi X1 dan X3

X1 X3 X1^2 x3^2 X1X3

62 75 3844 5625 4650
50 64 2500 4096 3200
66 68 4356 4624 4488
77 73 5929 5329 5621
77 79 5929 6241 6083
67 76 4489 5776 5092
77 65 5929 4225 5005
75 76 5625 5776 5700
78 76 6084 5776 5928
78 72 6084 5184 5616
73 80 5329 6400 5840
79 71 6241 5041 5609
 64 78 4096 6084 4992
79 73 6241 5329 5767
69 63 4761 3969 4347
72 81 5184 6561 5832
75 70 5625 4900 5250
76 74 5776 5476 5624
76 77 5776 5929 5852
77 80 5929 6400 6160
77 73 5929 5329 5621
72 71 5184 5041 5112
70 70 4900 4900 4900
78 77 6084 5929 6006
72 73 5184 5329 5256
69 68 4761 4624 4692
66 65 4356 4225 4290
72 64 5184 4096 4608
78 79 6084 6241 6162
84 79 7056 6241 6636

2185 2190 160449 160696 159939
72,83333 73

N X 1 . X 3 ( X 1 )( X 3 )
rx1x 3
N X 1
2

( X 1 ) 2 . N X 3 ( X 3 ) 2
30.159939 (2185).( 2190)

30.160449
(2185) 2 . 30.160696 (2190) 2
4798170 4785150

4813470 4774225. 4820880 4796100
13020

39245. 24780
13020

31184,7895
0,41751
r13 menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 1 terhadap variabel 3, r 13
= 0,41751 artinya variabel 1 terhadap variabel 3 memiliki arah yang positif, jadi apabila nilai
variabel 1 ditingkatkan maka akan meningkatkan nilai variabel 3 juga. Kemudian angka
0,41751 memiliki arti kekuatan hubungan antara variabel 1 terhadap variabel 3 dalam
kategori sedang, dalam contoh penelitian x1 : Kepemimpinan kepala sekolah , x3 :
Kelengkapan Laboratorium, maka dapat diartikan bahwa apabila kepemimpinan kepala
sekolah ditingkatkan sebesar 0,41751 satuan kali maka Kelengkapan laboratorium akan
meningkat sebesar 0,590 satuan kali juga. Karena ada hubungan resiprocal maka berlaku
sebaliknya apabila Kelengkapan laboratorium ditingkatkan sebesar 0,590 satuan kali maka
Kepemimpinan kepala sekolah akan meningkat sebesar 0,590 satuan kali juga.
 Menghitung Korelasi X1 dan X4

X1 X4 X1^2 X4^2 X1X4

62 76 3844 5776 4712
50 67 2500 4489 3350
66 68 4356 4624 4488
77 77 5929 5929 5929
77 79 5929 6241 6083
67 79 4489 6241 5293
77 71 5929 5041 5467
75 79 5625 6241 5925
78 74 6084 5476 5772
78 78 6084 6084 6084
73 78 5329 6084 5694
79 72 6241 5184 5688
64 78 4096 6084 4992
79 78 6241 6084 6162
69 66 4761 4356 4554
72 78 5184 6084 5616
75 79 5625 6241 5925
76 72 5776 5184 5472
76 76 5776 5776 5776
77 80 5929 6400 6160
77 72 5929 5184 5544
72 73 5184 5329 5256
70 72 4900 5184 5040
78 79 6084 6241 6162
72 74 5184 5476 5328
69 69 4761 4761 4761
66 64 4356 4096 4224
72 61 5184 3721 4392
78 78 6084 6084 6084
84 74 7056 5476 6216
2185 2221 160449 165171 162149
72,83333 74,03333
 N X 1. X 4 ( X 1 )( X 4 )
rx1x 4
N X 1
2

( X 1 ) 2 . N X 4 ( X 4 ) 2
30.162149 (2185).( 2221)

30.160449
(2185) 2 . 30.165171 (2221) 2
4798170 4785150

4813470 4774225. 4955130 4932841
11585

39245. 22289
11585

29575,865
0,391

r14 menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 1 terhadap variabel 4, r 14
= 0,391 artinya variabel 1 terhadap variabel 4 memiliki arah yang positif, jadi apabila nilai
variabel 1 ditingkatkan maka akan meningkatkan nilai variabel 4 juga. Kemudian angka 0,
391 memiliki arti kekuatan hubungan antara variabel 1 terhadap variabel 4 dalam kategori
rendah, dalam contoh penelitian x1 : Kepemimpinan kepala sekolah , x4 : Motivasi belajar
fisika, maka dapat diartikan bahwa apabila kepemimpinan kepala sekolah ditingkatkan
sebesar 0,391 satuan kali maka Motivasi belajar fisika siswa akan meningkat sebesar 0,391
satuan kali juga.
 Menghitung Korelasi X1 dan Y

X1 Y X1^2 Y^2 X1Y

62 76 3844 5776 4712
50 67 2500 4489 3350
66 68 4356 4624 4488
77 77 5929 5929 5929
77 79 5929 6241 6083
67 79 4489 6241 5293
77 71 5929 5041 5467
75 79 5625 6241 5925
78 74 6084 5476 5772
78 78 6084 6084 6084
73 78 5329 6084 5694
79 72 6241 5184 5688
64 78 4096 6084 4992
79 78 6241 6084 6162
69 66 4761 4356 4554
72 78 5184 6084 5616
75 79 5625 6241 5925
76 72 5776 5184 5472
76 76 5776 5776 5776
77 80 5929 6400 6160
77 72 5929 5184 5544
72 71 5184 5041 5112
70 80 4900 6400 5600
78 73 6084 5329 5694
72 72 5184 5184 5184
69 79 4761 6241 5451
66 74 4356 5476 4884
 72 69 5184 4761 4968
78 64 6084 4096 4992
84 61 7056 3721 5124
2185 2220 160449 165052 161695
72,83333 74

N X 1. X y ( X 1 )( X y )
rx1xy
N X 1
2

( X 1 ) 2 . N X y ( X y ) 2
30.161695 (2185).( 2220)

30.160449
(2185) 2 . 30.165052 (2220) 2
4850850 4850700

4813470 4774225. 4951560 4928400
150

39245. 23160
150

30148,2039
0,005
r1y menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 1 terhadap variabel Y, r 1y
= 0,005 artinya variabel 1 terhadap variabel Y memiliki arah yang positif, jadi apabila nilai
variabel 1 ditingkatkan maka akan meningkatkan nilai variabel Y juga. Kemudian angka
0,005 memiliki arti kekuatan hubungan antara variabel 1 terhadap variabel Y dalam kategori
sangat rendah, dalam contoh penelitian X1 : Kepemimpinan kepala sekolah , Y : Hasil
Belajar Fisika Siswa, maka dapat diartikan bahwa apabila kepemimpinan kepala sekolah
ditingkatkan sebesar 0,005 satuan kali maka Hasil belajar Fisika Siswa akan meningkat
sebesar 0,005 satuan kali juga. Hubungannya sangat kecil tetapi Kepemimpinan kepala
sekolah tetap masih memiliki hubungan dengan Hasil Belajar Fisika Siswa.

Menghitung Korelasi X2 dan X3

X2 X3 X1^2 x3^2 X2X3

71 75 5041 5625 5325
59 64 3481 4096 3776
68 68 4624 4624 4624
74 73 5476 5329 5402
80 79 6400 6241 6320
72 76 5184 5776 5472
70 65 4900 4225 4550
80 76 6400 5776 6080
75 76 5625 5776 5700
77 72 5929 5184 5544
72 80 5184 6400 5760
69 71 4761 5041 4899
78 78 6084 6084 6084
82 73 6724 5329 5986
 63 63 3969 3969 3969
80 81 6400 6561 6480
78 70 6084 4900 5460
74 74 5476 5476 5476
65 77 4225 5929 5005
80 80 6400 6400 6400
76 73 5776 5329 5548
77 71 5929 5041 5467
68 70 4624 4900 4760
80 77 6400 5929 6160
73 73 5329 5329 5329
67 68 4489 4624 4556
69 65 4761 4225 4485
70 64 4900 4096 4480
80 79 6400 6241 6320
76 79 5776 6241 6004
2203 2190 162751 160696 161421
73,43333 73

N X 2 . X 3 ( X 2 )( X 3 )
rx 2 x 3
N X 2
2

( X 2 ) 2 . N X 3 ( X 3 ) 2
30.161421 (2190).( 2203)

30.162751
(2203) 2 . 30.160696 (2203) 2
4842630 4824570

4882530 4853209. 4820880 4796100
18060

29321. 24780
18060

26955,043
0,670
R23 menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 2 terhadap variabel 3,
r23 = 0,670 artinya variabel 2 terhadap variabel 3 memiliki arah yang positif, jadi apabila nilai
variabel 2 ditingkatkan maka akan meningkatkan nilai variabel 3 juga. Kemudian angka
0,670 memiliki arti kekuatan hubungan antara variabel 2 terhadap variabel 3 dalam kategori
kuat, dalam contoh penelitian x2 : Profesionalisme Guru , x3 : Kelengkapan Laboratorium,
maka dapat diartikan bahwa apabila Profesionalisme Guru ditingkatkan sebesar 0,670 satuan
kali maka Kelengkapan laboratorium akan meningkat sebesar 0,670 satuan kali juga. Karena
ada hubungan resiprocal maka berlaku sebaliknya apabila Kelengkapan laboratorium
ditingkatkan sebesar 0,670 satuan kali maka Profesionalisme guru akan meningkat sebesar
0,670 satuan kali juga.

Menghitung Korelasi X2 dan X4

 X2 X4 X2^2 X4^2 X2X4
71 76 5041 5776 5396
59 67 3481 4489 3953
68 68 4624 4624 4624
74 77 5476 5929 5698
80 79 6400 6241 6320
72 79 5184 6241 5688
70 71 4900 5041 4970
80 79 6400 6241 6320
75 74 5625 5476 5550
77 78 5929 6084 6006
72 78 5184 6084 5616
69 72 4761 5184 4968
78 78 6084 6084 6084
82 78 6724 6084 6396
63 66 3969 4356 4158
80 78 6400 6084 6240
78 79 6084 6241 6162
74 72 5476 5184 5328
65 76 4225 5776 4940
80 80 6400 6400 6400
76 72 5776 5184 5472
77 73 5929 5329 5621
68 72 4624 5184 4896
80 79 6400 6241 6320
73 74 5329 5476 5402
67 69 4489 4761 4623
69 64 4761 4096 4416
70 61 4900 3721 4270
80 78 6400 6084 6240
76 74 5776 5476 5624
2203 2221 162751 165171 163701
73,43333 74,03333
 N X 2 . X 3 ( X 2 )( X 3 )
rx 2 x 4
N X 2
2

( X 2 ) 2 . N X 3 ( X 3 ) 2
30.163701 (2203).( 2221)

30.162751 (2203) . 30.165171 (2221)
2 2

4911030 4892863

4882530 4853209. 4955130 4932841
18167

29321. 22289
18167

25564,345
0,710638

r24 menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 2 terhadap variabel 4, r 24
= 0,710638 artinya variabel 2 terhadap variabel 4 memiliki arah yang positif, jadi apabila
nilai variabel 2 ditingkatkan maka akan meningkatkan nilai variabel 4 juga. Kemudian angka
0,710638 memiliki arti kekuatan hubungan antara variabel 2 terhadap variabel 4 dalam
kategori kuat, dalam contoh penelitian x2 : Profesionalisme Guru , x4 : Motivasi Belajar
Fisika, maka dapat diartikan bahwa apabila Profesionalisme Guru ditingkatkan sebesar
0,710638 satuan kali maka Motivasi Belajar Fisika akan meningkat sebesar 0,710638 satuan
kali juga.
 Menghitung Korelasi X2 dan Y

X2 Y X2^2 Y^2 X2Y

71 76 5041 5776 5396
59 67 3481 4489 3953
68 68 4624 4624 4624
74 77 5476 5929 5698
80 79 6400 6241 6320
72 79 5184 6241 5688
70 71 4900 5041 4970
80 79 6400 6241 6320
75 74 5625 5476 5550
77 78 5929 6084 6006
72 78 5184 6084 5616
69 72 4761 5184 4968
78 78 6084 6084 6084
82 78 6724 6084 6396
63 66 3969 4356 4158
80 78 6400 6084 6240
78 79 6084 6241 6162
74 72 5476 5184 5328
65 76 4225 5776 4940
80 80 6400 6400 6400
76 72 5776 5184 5472
77 71 5929 5041 5467
68 80 4624 6400 5440
80 73 6400 5329 5840
73 72 5329 5184 5256
67 79 4489 6241 5293
69 74 4761 5476 5106
70 69 4900 4761 4830
80 64 6400 4096 5120
76 61 5776 3721 4636
2203 2220 162751 165052 163277
73,43333 74
 N X 2 .Y ( X 2 )( Y )
rx 2 y
N X 2
2

( X 2 ) 2 . N Y ( Y ) 2
30.163277 ( 2203).( 2220)

30.162751
(2203) 2 . 30.165052 (2220) 2
4911030 4890660

4882530 4853209. 4951560 4928400
7650

29321. 23160
7650

26059,055
0,293

r2y menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 2 terhadap variabel Y, r 2y
: 0,293 artinya variabel 2 terhadap variabel Y memiliki arah yang positif, jadi apabila nilai
variabel 2 ditingkatkan maka akan meningkatkan nilai variabel Y juga. Kemudian angka
0,293 memiliki arti kekuatan hubungan antara variabel 2 terhadap variabel Y dalam kategori
rendah, dalam contoh penelitian x2 : Profesionalisme Guru , Y : Hasil Belajar Fisika Siswa,
maka dapat diartikan bahwa apabila Profesionalisme Guru ditingkatkan sebesar 0,293 satuan
kali maka Hasil Belajar Fisika akan meningkat sebesar 0,293 satuan kali juga.

Menghitung Korelasi X3 dengan X4

X3 X4 x3^2 X4^2 X3X4

75 76 5625 5776 5700
64 67 4096 4489 4288
68 68 4624 4624 4624
73 77 5329 5929 5621
79 79 6241 6241 6241
76 79 5776 6241 6004
65 71 4225 5041 4615
76 79 5776 6241 6004
76 74 5776 5476 5624
72 78 5184 6084 5616
80 78 6400 6084 6240
71 72 5041 5184 5112
78 78 6084 6084 6084
73 78 5329 6084 5694
63 66 3969 4356 4158
81 78 6561 6084 6318
70 79 4900 6241 5530
74 72 5476 5184 5328
77 76 5929 5776 5852
80 80 6400 6400 6400
 73 72 5329 5184 5256
71 73 5041 5329 5183
70 72 4900 5184 5040
77 79 5929 6241 6083
73 74 5329 5476 5402
68 69 4624 4761 4692
65 64 4225 4096 4160
64 61 4096 3721 3904
79 78 6241 6084 6162
79 74 6241 5476 5846
2190 2221 160696 165171 162781
73 74,03333

N X 3 . X 4 ( X 3 )( X 4 )
rx 3 X 4
N X 3
2

( X 3 ) 2 . N X 3 ( X 4 ) 2
30.162781 (2190).( 2221)

30.160696
(2190) 2 . 30.165171 (2221) 2
4883430 4863990

4820880 4796100. 4955130 4932841
19440

24780. 22289
19440

23501,5195
0,8271
r34 menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 3 terhadap variabel 4,
r34 : 0,8271 artinya variabel 3 terhadap variabel 4 memiliki arah yang positif, jadi apabila nilai
variabel 3 ditingkatkan maka akan meningkatkan nilai variabel 4 juga. Kemudian angka
0,8271 memiliki arti kekuatan hubungan antara variabel 3 terhadap variabel 4 dalam kategori
sangat kuat, dalam contoh penelitian x3 : Kelengkapan Laboratorium , 4 : Motivasi Belajar
Fisika Siswa, maka dapat diartikan bahwa apabila kelengkapan Laboratorium ditingkatkan
sebesar 0,8271 satuan kali maka Motivasi Belajar Fisika akan meningkat sebesar 0,8271
satuan kali juga.

Menghitung Korelasi X3 dan Y

X3 Y X3^2 Y^2 X3Y

75 76 5625 5776 5700
64 67 4096 4489 4288
68 68 4624 4624 4624
73 77 5329 5929 5621
79 79 6241 6241 6241
76 79 5776 6241 6004
 65 71 4225 5041 4615
76 79 5776 6241 6004
76 74 5776 5476 5624
72 78 5184 6084 5616
80 78 6400 6084 6240
71 72 5041 5184 5112
78 78 6084 6084 6084
73 78 5329 6084 5694
63 66 3969 4356 4158
81 78 6561 6084 6318
70 79 4900 6241 5530
74 72 5476 5184 5328
77 76 5929 5776 5852
80 80 6400 6400 6400
73 72 5329 5184 5256
71 71 5041 5041 5041
70 80 4900 6400 5600
77 73 5929 5329 5621
73 72 5329 5184 5256
68 79 4624 6241 5372
65 74 4225 5476 4810
64 69 4096 4761 4416
79 64 6241 4096 5056
79 61 6241 3721 4819
2190 2220 160696 165052 162300
73 74
 N X 3 .Y ( X 3 )( Y )
rx 3 y
N X 3
2

( X 3 ) 2 . N Y ( Y ) 2
30.162300 (2190).( 2220)

30.160696
(2190) 2 . 30.165052 (2220) 2
4869000 4861800

4820880 4796100. 4951560 4928400
7200

24780. 23160
7200

23956,3102
0,30054

r3y menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 3 terhadap variabel Y, r 3y
: 0,30054 artinya variabel 3 terhadap variabel Y memiliki arah yang positif, jadi apabila nilai
variabel 3 ditingkatkan maka akan meningkatkan nilai variabel Y juga. Kemudian angka
0,30054 memiliki arti kekuatan hubungan antara variabel 3 terhadap variabel Y dalam
kategori rendah, dalam contoh penelitian x3 : Kelengkapan Laboratorium , Variabel Y : Hasil
Belajar Fisika Siswa, maka dapat diartikan bahwa apabila kelengkapan Laboratorium
ditingkatkan sebesar 0,30054 satuan kali maka Hasil Belajar Fisika akan meningkat sebesar
0,30054 satuan kali juga.
 Menghitung Korelasi X4 dan Y

X4 Y X4^2 Y^2 X4y

76 76 5776 5776 5776
67 67 4489 4489 4489
68 68 4624 4624 4624
77 77 5929 5929 5929
79 79 6241 6241 6241
79 79 6241 6241 6241
71 71 5041 5041 5041
79 79 6241 6241 6241
74 74 5476 5476 5476
78 78 6084 6084 6084
78 78 6084 6084 6084
72 72 5184 5184 5184
78 78 6084 6084 6084
78 78 6084 6084 6084
66 66 4356 4356 4356
78 78 6084 6084 6084
79 79 6241 6241 6241
72 72 5184 5184 5184
76 76 5776 5776 5776
80 80 6400 6400 6400
72 72 5184 5184 5184
73 71 5329 5041 5183
72 80 5184 6400 5760
79 73 6241 5329 5767
74 72 5476 5184 5328
69 79 4761 6241 5451
64 74 4096 5476 4736
61 69 3721 4761 4209
 78 64 6084 4096 4992
74 61 5476 3721 4514
2221 2220 165171 165052 164743
74,03333 74

N X 4 .Y ( X 4 )( Y )
rx 4 y
N X 4
2

( X 4 ) 2 . N Y ( Y ) 2
30.164743 (2221).( 2220)

30.165171 (2221) . 30.165052 (2220)
2 2

4942290 4930620

4955130 4932841. 4951560 4928400
11670

22289. 23160
11670

22720,3265
0,5136
r4y menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 4 terhadap variabel Y, r 4y
: 0,5136 artinya variabel 4 terhadap variabel Y memiliki arah yang positif, jadi apabila nilai
variabel 4 ditingkatkan maka akan meningkatkan nilai variabel Y juga. Kemudian angka
0,5136 memiliki arti kekuatan hubungan antara variabel 4 terhadap variabel Y dalam kategori
sedang, dalam contoh penelitian x4 : Motivasi belajar Fisika siswa , Variabel Y : Hasil Belajar
Fisika Siswa, maka dapat diartikan bahwa apabila Motivasi Belajar Fisika Siswa ditingkatkan
sebesar 0,5136 satuan kali maka Hasil Belajar Fisika akan meningkat sebesar 0,5136 satuan
kali juga.

Menghitung Korelasi dengan SPSS

1. Buka SPSS
2. Masukkan Data dengan klik Data View terlebih dahulu
3. Ganti nama variabel dengan klik Variable view, Variabel 1 dengan
Kepemimpinan Kepala Sekolah, Variabel 2 dengan Profesionalisme Guru,
Variabel 3 dengan Kelengkapan Laboratorium, Variabel 4 Motivasi Belajar Fisika
Siswa ,dan Variabel ke 5 dengan Hasil Belajar Fisika Siswa.
4. Kembali ke data view tampilannya sebagai berikut :
5. Klik Analize, Correlate, r12 Bivariate, kemudian masukkan semua variabel dalam kolo
Varables, klik Pearson, dan two tailed. Tampilannya sebagai berikut :
 6. Klik Ok dan tampilannya sebagai berikut :
Correlations
KepemimpinanKe ProfesionalismeGur MotivasiBelajarF HasilBelajarFi
psek u Laboratorium isika sika
Kep Pearson Correlation 1 .590** .418* .392* .005
emi
Sig. (2-tailed) .001 .022 .032 .979
mpin
anK N 30 30 30 30 30
epse
k
Prof Pearson Correlation .590** 1 .670** .711** .294
esio Sig. (2-tailed) .001 .000 .000 .115
nalis
meG N 30 30 30 30 30
uru
Labo Pearson Correlation .418* .670** 1 .827** .301
rator Sig. (2-tailed) .022 .000 .000 .107
ium
N 30 30 30 30 30
* ** **
Moti Pearson Correlation .392 .711 .827 1 .514**
vasi Sig. (2-tailed) .032 .000 .000 .004
Belaj
arFis N 30 30 30 30 30
ika
Hasil Pearson Correlation .005 .294 .301 .514** 1
Belaj
Sig. (2-tailed) .979 .115 .107 .004
arFis
ika N 30 30 30 30 30

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Jadi dapat dilihat bahwa perhitungan nilai koefisien korelasi secara manual dan SPSS
memiliki nilai /angka yang sama.

6. Menghitung Koefisien Jalur

Sugyono dalam bukunya statistika untuk penelitian hal : 302 menyatakan bahwa
koefisien jalur menunjukkan kuatnya pengaruh variabel independen terhadap dependen. Bila
koefisien jalur rendah dan angkanya dibawah 0,05 maka pengaruh jalur tersebut dianggap
rendah sehingga dapat dihilangkan. Dalam hal ini Sudjana (2002) menyatakan beberapa studi
empirik telah banyak menyarankan untuk menggunakan pegangan bahwa koefisien jalur
kurang dari 0,05 dapat dianggap tidak berarti.
Hubungan antar variabel dalam diagram jalur adalah hubungan korelasi, oleh karena
tu perhitungan angka koefisien jalur menggunakan standar Z.

e1
X1 0,005
0,391
0,590 0,513
0,716 X4 6 Y
0,417 X2 0,293

0,670
0,827 0,301

X3 ey
e4
e2

e3
 Gambar 1.6. Model Diagram Jalur Koefisien Korelasi

Berdasarkan diagram jalur tersebut dapat disusun persamaan sbb:

Z1 dan Z2 tidak dihitung karena hubungannya resiprocal

Z2 dan Z3 tidak dapat dihitung karena hubungannya resiprocal

Z1 dan Z3 tidak dapat dihitung karena hubungannya resiprocal

Z 4 41 Z 1 42 Z 2 B 43 Z 3 e 4
Z y y1 Z 1 y 4 Z 4 y 3 Z 3 B y 2 Z 2 e y

1
rij ZiZj
n
Selanjutnya untuk menghitung harga beta/koefisien jalur dapat dihitung dengan
rumus berikut :

1 1
r14 Z 1 Z 4 Z 1 41 Z 1 42 Z 2 43 Z 3 e 4
n n
1 1 1 1
Z 1 41 Z 1 Z 2 42 Z 1 Z 3 43 Z 1 e 4
2

n n n n
41 42 r12 43 r13 ......................Persamaan 1
1 2 1
Cat : Z 1 1 dan Z 1 e 4 0
n n
 1 1
r1 y Z 1 Z y Z 1 ( y1 Z 1 y 4 Z 4 y 3 Z 3 B y 2 Z 2 e y )
n n
1 1 1 1 1
Z 1 y1 Z 1 Z 4 y 4 Z 1 Z 3 y 3 Z 1 Z 2 y 2 Z 1 e y
2

n n n n n
y1 y 4 r14 y 3 r13 y 2 r12 ......................Persamaan 2
1 2 1
Cat : Z 1 1 dan Z 1 e y 0
n n

1 1
r24 Z 2 Z 4 Z 2 41 Z 1 42 Z 2 43 Z 3 e4
n n
1 1 1 1
Z 2 Z 1 41 Z 2 42 Z 2 Z 3 43 Z 2 e4
2

n n n n
41r12 42 43 r23 ......................Persamaan 3
1 2 1
Cat : Z 2 1 dan Z 2 e4 0
n n

1 1
r2 y Z 2 Z y Z 2 ( y1 Z 1 y 4 Z 4 y 3 Z 3 B y 2 Z 2 e y )
n n
1 1 1 1 1
Z 1 y1 Z 1 Z 4 y 4 Z 1 Z 3 y 3 Z 1 Z 2 y 2 Z 1 e y
2

n n n n n
y1 r12 y 4 r24 y 3 r23 y 2 ......................Persamaan 4
1 2 1
Cat : Z 2 1 dan Z 2 e y 0
n n
 1 1
r34 Z 3 Z 4 Z 3 41 Z 1 42 Z 2 43 Z 3 e 4
n n
1 1 1 1
Z 3 Z 1 41 Z 2 Z 3 42 Z 3 Z 3 43 Z 3 e 4
n n n n
41r13 42 r23 43 ......................Persamaan 5
1 2 1
Cat : Z 3 1 dan Z 3 e 4 0
n n

1 1
r3 y Z 3 Z y Z 3 ( y1 Z 1 y 4 Z 4 y 3 Z 3 B y 2 Z 2 e y )
n n
1 1 1 1 1
Z 3 Z 1 y1 Z 3 Z 4 y 4 Z 3 Z 3 y 3 Z 3 Z 2 y 2 Z 3 e y
n n n n n
y1 r13 y 4 r34 y 2 r23 y 3 ......................Persamaan 6
1 2 1
Cat : Z 3 1 dan Z 3 e y 0
n n
 1 1
r4 y Z 4 Z y Z 4 ( y1 Z 1 y 4 Z 4 y 3 Z 3 B y 2 Z 2 e y )
n n
1 1 1 1 1
Z 4 Z 1 y1 Z 4 Z 4 y 4 Z 3 Z 4 y 3 Z 4 Z 2 y 2 Z 4 e y
n n n n n
y1 r14 y 4 y 3 r34 y 2 r24 ......................Persamaan 7
1 2 1
Cat : Z 4 1 dan Z 4 e y 0
n n

Persamaan-persamaan yang diperoleh :

r14 41 42 r12 43 r13 .....................1

r1 y y1 y 4 r14 y 3 r13 y 2 r12 ................2
r24 41r12 42 43 r23 ............................3
r2 y y1 r12 y 4 r24 y 3 r23 y 2 ................4
r34 41r13 42 r23 43 ............................5
r3 y y1 r13 y 4 r34 y 2 r23 y 3 ................ 6
r4 y y1 r14 y 4 y 3 r34 y 2 r24 ...............7

Dengan menstubstitusikan nilai koefisien korelasi ke persamaan diatas

 r12=0,590
r13=0,418
r14=0,392
r1y=0,005
r23=0,670
r24=0,711
r2y=0,294
r34=0,827
r3y=0,301
r4y=0,514
0,392 41 0,590 42 0,418 43 .....................1
0,005 y1 0,392 y 4 0,418 y 3 0,590 y 2 ................2
0,711 0,590 41 42 0,670 43 ............................3
0,294 0,590 y1 0,711 y 4 0,670 y 3 y 2 ................4
0,827 0,418 41 0,670 42 43 ............................5
0,301 0,418 y1 0,827 y 4 0,670 y 2 y 3 ................ 6
0,514 0,392 y1 y 4 0,827 y 3 0,711 y 2 ...............7
Maka diperoleh persamaan yang
baru :

41 , 42 dan 43 41
Mencari dapat dilakukan dengan metode eliminasi
melalui persamaan 1 dan 3 terlebih dahulu.
0,392 41 0,90 42 0,418 43 x0,590
0,711 0,590 41 42 0,670 43

0,2318 0,590 41 0,3841 42 0,24662 43

0,711 0,590 41 42 0,670 43
.
0,47972 6519 42 0,42338 43
0,47972 6519 42 0,42338 43 .......................................8

41
Kemudian eliminasi melalui persamaan 1 dan 5.

0,392 41 0,90 42 0,418 43 x0,418

0,827 0,418 41 0,670 42 43

0,163856 0,418 41 0,24662 42 0,174724 43

0,827 0,418 41 0,670 42 43
.
0,663144 0,42338 42 0,825276 43
0,663144 0,42338 42 0,825276 43 .......................................9

41 , 42 , dan 43
Kemudian Persaman 8 dan 9 dieliminasi untuk memperoleh nilai
maka dipeoleh :
0,47972 0,6519 42 0,42338 43 x0 ,42338
0,663144 0,42338 42 0,825276 43 x0,6519

0,203095386 0,276001422 41 0,1792506244 43

0,4323035736 0,276001422 41 0,5379974244 43
.
0,2292081876 0,3587468 43
43 0,638

43 0,638
Substitusikan nilai ke persamaan 8

0,47972 0,6519 42 0,42338 43

0,47972 0,6519 42 0,42338.0,638
0,47972 0,6519 42 0,27011644
0,20958356
42
0,6519
42 0,3214
 43 0,638 42 0,3214
Substitusikan dan ke persamaan 1

0,392 41 0,590 42 0,418 43

0,392 41 0,590.0,3214 0,418.0,638
0,392 41 0,45631
41 - 0,06

43 0,638 42 0,3214 41 - 0,06

Maka diperoleh nilai koefisien jalur , , . Kemudian
untuk mendapat nilai koefisien jalur yang lain lakukan hal yang sama dengan persamaan
berikutnya.

Mencari nilai koefisien jalur dengan SPSS

Tahap 1
1. Buka SPSS
2. Masukkan Data
3. Klik Analize, Regression, Rlinear, Masukkan Motivasi Belajar sebagai Variabel
Dependent dan Kepemimpinan kepsek, profesionalisme guru, dan Kelengkapan
Laboratorium sebagai variabel Independent.
 4. Klik statistik, ceklis Deskriptif, dan R square, kemudian continue.

5. Klik plot ceklis Histogram dan Normal Probability plot, kemudian continue
6. Klik OK, maka tampilannya sebagai berikut :

Descriptive Statistics

Mean Std. Deviation N

VAR00004 74.0333 5.06157 30

VAR00001 72.8333 6.71634 30

VAR00002 73.4333 5.80537 30

VAR00003 73.0000 5.33692 30

 Correlations

VAR00004 VAR00001 VAR00002 VAR00003

Pearson Correlation VAR00004 1.000 .392 .711 .827

VAR00001 .392 1.000 .590 .418

VAR00002 .711 .590 1.000 .670

VAR00003 .827 .418 .670 1.000

Sig. (1-tailed) VAR00004 . .016 .000 .000

VAR00001 .016 . .000 .011

VAR00002 .000 .000 . .000

VAR00003 .000 .011 .000 .

N VAR00004 30 30 30 30

VAR00001 30 30 30 30

VAR00002 30 30 30 30

VAR00003 30 30 30 30

Model Summaryb

Change Statistics

Sig.
F
Adjusted R Std. Error of the R Square Cha
Model R R Square Square Estimate Change F Change df1 df2 nge

1 .855a .731 .700 2.77096 .731 23.588 3 26 .000

a. Predictors: (Constant), VAR00003, VAR00001, VAR00002

b. Dependent Variable: VAR00004

 ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 543.333 3 181.111 23.588 .000a

Residual 199.634 26 7.678

Total 742.967 29

a. Predictors: (Constant), VAR00003, VAR00001, VAR00002

b. Dependent Variable: VAR00004

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 12.787 7.728 1.655 .110

VAR00001 -.048 .095 -.064 -.509 .615

VAR00002 .279 .134 .320 2.074 .048

VAR00003 .607 .130 .640 4.667 .000

a. Dependent Variable: VAR00004

43 0,638 42 0,3214 41 - 0,06

Secara manual nilai koefisien jalur , , dan hasilnya
sama apabila dikerjakan dengan SPSS
 Tahap 2
1. Buka SPSS
2. Masukkan Data
3. Klik Analize, Regression, Rlinear, Masukkan Hasil Belajar Fisika Siswa sebagai
Variabel Dependent dan Kepemimpinan kepsek, profesionalisme guru,
Kelengkapan Laboratorium dan Motivasi Belajar Fisika sebagai variabel
Independent.

Descriptive Statistics

Mean Std. Deviation N

VAR00005 74.0000 5.15952 30

VAR00001 72.8333 6.71634 30

VAR00002 73.4333 5.80537 30

VAR00003 73.0000 5.33692 30

VAR00004 74.0333 5.06157 30

Correlations

VAR00005 VAR00001 VAR00002 VAR00003 VAR00004

Pearson Correlation VAR00005 1.000 .005 .294 .301 .514

VAR00001 .005 1.000 .590 .418 .392

VAR00002 .294 .590 1.000 .670 .711

VAR00003 .301 .418 .670 1.000 .827

VAR00004 .514 .392 .711 .827 1.000

Sig. (1-tailed) VAR00005 . .490 .058 .053 .002

VAR00001 .490 . .000 .011 .016

VAR00002 .058 .000 . .000 .000

VAR00003 .053 .011 .000 . .000

VAR00004 .002 .016 .000 .000 .

N VAR00005 30 30 30 30 30

VAR00001 30 30 30 30 30

VAR00002 30 30 30 30 30

VAR00003 30 30 30 30 30

VAR00004 30 30 30 30 30
 Model Summaryb

Change Statistics

R Adjusted R Std. Error of R Square Sig. F

Model R Square Square the Estimate Change F Change df1 df2 Change

1 .587a .345 .240 4.49888 .345 3.286 4 25 .027

a. Predictors: (Constant), VAR00004, VAR00001, VAR00002, VAR00003

b. Dependent Variable: VAR00005

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 266.002 4 66.500 3.286 .027a

Residual 505.998 25 20.240

Total 772.000 29

a. Predictors: (Constant), VAR00004, VAR00001, VAR00002, VAR00003

b. Dependent Variable: VAR00005

 Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 43.064 13.191 3.265 .003

VAR00001 -.162 .155 -.211 -1.044 .307

VAR00002 .040 .236 .045 .170 .866

VAR00003 -.332 .286 -.343 -1.160 .257

VAR00004 .864 .318 .848 2.714 .012

a. Dependent Variable: VAR00005

 Pembahasan

43 0,638 42 0,3214 41 - 0,06 y1 - 0,211 y 2 0,045 y 3 - 0,343

, , , , ,
y 4 0,848

Dalam analisis jalur terdapat koefisien jalur. Koefisien jalur menunjukkan kuatnya
pengaruh variabel independen terhadap dependen. Bila koefisien jalur rendah dan angkanya
di bawah 0,05, maka pengaruh jalur tersebut dianggap rendah sehingga dihilangkan. Dalam
hal ini sudjana (2002) menyatakan beberapa studi empirik telah banyak menyarankan untuk
menggunakan pegangan bahwa koefisien jalur kurang dari 0,05 dapat dianggap tidak berarti.
43 0,638

42 0,3214

y 4 0,848

X1
e1
0,005(-0,211)

0,391(-0,06)
0,590 0,5136(0,848)
0,716(0,3214) X4 Y
0,417 X2 0,293(0,045)
 0,827(0,638)

0,670 0,301(-0,343)

X3 ey
e4
e2

e3

Gambar 1.6. Model Diagram Jalur Koefisien Jalur Lama

X1

42 0,3214 42 0,848
X2 X4 Y

42 0,638
X3

Gambar 1.6. Model Diagram Jalur Koefisien Jalur Lama

Melihat Pengaruh Langsung dan Tidak Langsung

 r14 41 42 r12 43r13 .....................1
r1 y y1 y 4 r14 y 3 r13 y 2 r12 ................2
r24 41r12 42 43r23 ............................3
r2 y y1r12 y 4 r24 y 3 r23 y 2 ................4
r34 41r13 42 r23 43 ............................5
r3 y y1r13 y 4 r34 y 2 r23 y 3 ................ 6
r4 y y1r14 y 4 y 3 r34 y 2 r24 ...............7

r14 41 42 r12 43 r13

41 PengaruhLangsung
42 r12 43 r13 PengaruhTi daklangsung
42 r12 43 r13 r14 41
0,391 - (-0,06)
0,451

Tetapi menurut analisis, perhitungan tersebut tidak sesuai, karena total pengaruh lebih
kecil daripada pengaruh tidak langsung. Jadi pengaruh langsung -0.06 dianggap tidak
ada atau nol.
Jadi Pengaruh langsung :0
Pengaruh tidak langsung:0,391
 r1 y y1 y 4 r14 y 3 r13 y 2 r12
y1 PengaruhLangsung
y 4 r14 y 3 r13 y 2 r12 PengaruhTi daklangsung
y 4 r14 y 3 r13 y 2 r12 r1 y y1
0,005 - (-0,211)
0,005

Tetapi menurut analisis, perhitungan tersebut tidak sesuai, karena total pengaruh lebih
kecil daripada pengaruh tidak langsung. Jadi pengaruh langsung -0.211 dianggap tidak
ada atau nol.
Jadi Pengaruh langsung :0
Pengaruh tidak langsung:0,005

r2 y y1 r12 y 4 r24 y 3 r23 y 2

y 2 PengaruhLangsung
y1 r12 y 4 r24 y 3 r23 PengaruhTi daklangsung
y1 r12 y 4 r24 y 3 r23 r2 y y 2
0,294 - (0,045)
0,249

Tetapi menurut analisis, perhitungan tersebut tidak sesuai, karena 0,045<0,05 dianggap
tidak berarti. Jadi pengaruh langsung 0, 0,045 dianggap tidak ada atau nol.
Jadi Pengaruh langsung :0
Pengaruh tidak langsung:0,294

r24 41r12 42 43r23

42 PengaruhLangsung
41r12 43r23 PengaruhTi daklangsung
41r12 43r23 r24 42
0,711 - (0,3214)
0,3896
 r34 41r13 42 r23 43
43 PengaruhLangsung
41r13 42 r23 PengaruhTi daklangsung
41r13 42 r23 r34 43
0,827 - (0,638)
0,189

r3 y y1r13 y 4 r34 y 2 r23 y 3

y 3 PengaruhLangsung
y1r13 y 4 r34 y 2 r23 PengaruhTi daklangsung
y1r13 y 4 r34 y 2 r23 r3 y y 3
0,301 - (-0,343)
0,644

Tetapi menurut analisis, perhitungan tersebut tidak sesuai, karena total pengaruh lebih
kecil dari pengaruh tidak langsung . Jadi pengaruh langsung -0,343 dianggap tidak ada
atau nol.
Jadi Pengaruh langsung :0
Pengaruh tidak langsung:0,301

r4 y y1r14 y 4 y 3 r34 y 2 r24

y 4 PengaruhLangsung
y1r14 y 3 r34 y 2 r24 PengaruhTi daklangsung
y1r14 y 3 r34 y 2 r24 r4 y y 4
0,514 - (0,848)
0,334
Kesimpulan

1. Terdapat pengaruh langsung

a. Tidak terdapat pengaruh langsung yang significant antara kepemimpinan
kepala sekolah dengan Motivasi Belajar Fisika Siswa
b. Terdapat pengaruh tidak langsung sebesar 0,391 yang significant antara
kepemimpinan kepala sekolah dengan hasil belajar fisika siswa melalui
Profesionalisme Guru.
c. Terdapat pengaruh langsung sebesar 0,3214 yang significant antara
Profesionalisme Guru dengan Motivasi Belajar Siswa
d. Terdapat pengaruh tidak langsung sebesar 0,3896 yang significant antara
Profesionalisme Guru dengan Motivasi Belajar Fisika Siswa
e. Terdapat pengaruh langsung sebesar 0,638 yang significant antara
Kelengkapan Laboratorium dengan Motivasi Belajar Fisika Siswa
f. Terdapat pengaruh tidak langsung 0,189 yang significant antara
Kelengkapan Laboratorium dengan Motivasi Belajar Fisika Siswa
g. Tidak terdapat pengaruh langsung yang significant antara kepemimpinan
kepala sekolah dengan Hasil Belajar Fisika Siswa
h. Tidak Terdapat pengaruh tidak langsung yang significant antara
kepemimpinan kepala sekolah dengan hasil belajar fisika siswa melalui
Motivasi Belajar Fisika Siswa
i. Tidak Terdapat pengaruh langsung yang significant antara Profesionalisme
Guru dengan Hasil Belajar Fisika Siswa
j. Terdapat pengaruh tidak langsung sebesar 0,249 yang significant antara
Profesionalisme Guru dengan Hasil Belajar Fisika Siswa melalui Motivasi
Belajar Fisika Siswa
k. Tidak Terdapat pengaruh langsung yang significant antara Kelengkapan
Laboratorium dengan Hasil Belajar Fisika Siswa
l. Terdapat pengaruh tidak langsung 0,301 yang significant antara
Kelengkapan Laboratorium dengan Hasil Belajar Fisika Siswa melalui
Motivasi Belajar Fisika Siswa
m. Terdapat pengaruh langsung sebesar 0,848 yang significant antara Motivasi
Belajar Fisika siswa dengan Hasil Belajar Fisika Siswa
n. Tidak Terdapat pengaruh tidak langsung yang significant antara Motivasi
belajar siswa dengan Hasil Belajar Fisika Siswa