Berikut ini adalah contoh analisis jalur untuk menguji hubungan antara lamanya pendidikan (Educ)

terhadap gaji akhir (salary) dan apakah hubungan Educ ke Salary di mediasi oleh variable gaji awal
(Salbegin) dengan gambar seperti dibawah ini

E1
1
1

Salbegin

P2 P3

Educ P1 Salary 1 E2

Diagram jakur memberikan secara eksplisit hubungan kausalitas antar variable berdasarkan pada
teori. Anak panah menunjukkan hubungan antar variable. Model bergerak dari kiri ke kanan
dengan implikasi prioritas hubungan kausal variable yang dekat ke sebelah kiri. Setiap nilai p
menggambarkan jalur dan koefisien jalur. Berdasarkan gambar model jalur diajukan hubungan
berdasarkan teori bahwa Educ mempunyain hubungan tidak angsung ke Salary (p1). Namun
demikian, Educ juga mempunyai hubungan tidak langsung ke Salary yaitu dari Educ ke salbegin
(p2) baru kemudian ke salary (p3). Total pengaruh hubungan dari Educ ke Salary (korelasi antara
Educ dan Salary) sama dengan pengaruh langsung Educ ke Salary (koefisien path atau regresi
p1) ditambah pemgaruh tidak langsuing yaitu koefisien path dari Educ ke Salbegin yaitu p2
dikalikan dengan koefisien path dari Salbegin ke Salary yaitu p3

Pengaruh langsung Educ ke Salary = p1

Pengaruh tak langsung Educ ke Salary ke Salbegin = p2 x p3
Total pengaruh (korelsi educ ke salary) = p1 +(p2 x p3)

Di dalam menggambarkan diagram jalur yang perlu diperhatikan adalah anak panah berkepala
satu yang merupakan hubugan regresi dan anak pamah berkepala dua yang merupakan hubungan
korelasi. Jika di dalam model terdapat lebih dari satu variable independen atau eksogen, maka
antar variable ekosogen ini harus dihubungkand engan anak panah berkepala dua (korelasi).
Hubungan langsung terjadi jika satu variable mempengaruhi variable lainnya tanpa ada variable
ketiga yang memediasi hubungan kedua variable tersebut. Hubungan tidak langsung dalah jika
ada variable ketiga yang memediasi hubungan kedua variable. Kemudian pada setiap variable
dependen (endogen) akan ada anak panah menuju ke variable ini dan berfungsi untuk
menjelaskan jumlah variance yang tak dapat dijelaskan (unexplained variance) oleh variable itu.
Jadi anak panah dari e1 ke Salbegin menunjukkan jumlah variance variable Salbegin yang ttidak
1R2
dijelaskan oleh Educ. Besarnya nilai e1 = ). Sedangkan amak panah dari e2 menuju

Salary menunjukkan variance Salary yang yang tidak dapat dijelaskan oleh variable Educ dan
2
1R
Salbegin dan besarnya e2 = ). Koefisien jalur adalah standar koefisen regresi.

Koefisien jalur dihitung dengan membuat dua persamaan structural yaitu persamaan regresi yang
menunjukkan hubungan yang dihipotesiskan. Dalam hal ini ada dua persamaan yaitu:
Salbegin = + p2Educ +el (1)
Salary = + p1Educ+p3 Salbegin +e2 (2)
Standar koefisien untuk Educ pada persamaa (1) akan memberikan nilai p2. Sedangkan koefisien
untuk Educ dan Salbegin pada persamaan (2) akan memberikan nilai p1 dan p3.

Langkah SPSS
1. buka file employee
2. pilih menu Aanalyze, Regressiom dan Linear.

3. isikan variable Salbegin pada kotak Dependen dan variable Educ pada kotak Independen
4. hasil analisis regresi (1)

Variables Entered/Removeda

Model Variables Variables Method

Entered Removed

1 Educationb . Enter

a. Dependent Variable: SalaryBegin

b. All requested variables entered.

Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 .633a .401 .400 6098.25900

a. Predictors: (Constant), Education

ANOVAa
Model Sum of Squares df Mean Square F Sig.
11747808912.31 1 11747808912.31 315.897 .000b
Regression
7 7
17553096053.1 472 37188762.824
1 Residual
37
29300904965.4 473
Total
54

a. Dependent Variable: SalaryBegin

b. Predictors: (Constant), Education
 Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) -6290.967 1340.920 -4.692 .000

1
Education 1727.528 97.197 .633 17.773 .000

a. Dependent Variable: SalaryBegin

5. lakukan regresi persamaan (2) dengan mengganti pada kotak dependen. Isikan variable Salary pada
kotak Dependen dan variable Educ dan Salbegin pada kotak independen.

6. Hasil SPSS regresi (2)

Variables Entered/Removeda

Model Variables Variables Method

Entered Removed

SalaryBegin, . Enter
1 b
Education

a. Dependent Variable: Salary

b. All requested variables entered.
 Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 .890a .792 .792 7796.524

a. Predictors: (Constant), SalaryBegin, Education

ANOVAa

Model Sum of Squares df Mean Square F Sig.

109286389297. 2 54643194648.6 898.947 .000b

Regression
344 72

28630106138.9 471 60785787.981

1 Residual
96

137916495436. 473
Total
340

a. Dependent Variable: Salary

b. Predictors: (Constant), SalaryBegin, Education

Coefficien

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) -7808.714 1753.860 -4.452 .000

1 Education 1020.390 160.550 .172 6.356 .000

SalaryBegin 1.673 .059 .771 28.423 .000

a. Dependent Variable: Salary

Hasil output SPSS memberikan nilai standar beta Educ pada persamaan (1) sebesar 1727.528 dan dengan
signifikan 0.000 yang berarti Educ mempengaruhi Salbegin. Nilai koefisien unstandarized beta 1727.528
merupakan nilai path atau jalur p2. Pada output SPSS persamaan regresi (2) nilai unstandarized beta
untuk Educ 1020.390 merupakan nilai jalur p1 dan nilai unstandarized beta Salbegin 1. 673 meruoakan
nilai jalur p3. Besarnya nilai e1 = (10,401) = 0.774 dan besarnya nilai e2 = ( 10,792 ) =
0,456
 e1

Salbegin

1727.528* 1.673*

Educ 1020.390* Salary e2 = 0.456

Hasil analisis jalur menunjukkan bahwa Educ dapat berpengaruh langsung ke Salary dan dapat
juga berpengaruh tidak langsung yaitu dari Educ ke Salbegin (sebagai intervening) lalu ke
Salary. Besarnya pengaruh langsung adalah 1727.528 sedangkan besarnya pengaruh tidak
langsung harus dihitung dengan mengalikan koefisien tidak langsungnya yaitu (1727.528) x
(1.673) = 2890.154 atau total pengaruh Educ ke Salary = 1020.390 + (1727.528 x 1.673) =
3910.544

Pengaruh mediasi yang ditunjukkan oleh perkalian koefisien (p2 x p3) sebesar 0.488 signifikan
atau tidak, diuji dengan Sobel test sebagai berikut:

Hitung standar error dari koefisien indirect effect (Sp2p3)

Sp 2 p 3= p 32 Sp 22 + p 22 Sp3 2+ Sp 22 Sp 32

Sp 2 p 3=(1.673) (97.197) +( 1727.528) (0.059) +(97.197) (0.059)

2 2 2 2 2 2

Sp 2 p 3= ( 26441.927 ) + ( 11370.385 )+ ( 32.8859 ) = 194.538

Berdasarkan hasil Sp 2 p 3 ini kita dapat menghitung nilai t statistik pengaruh mediasi dengan
rumus sebagai berikut:

p2 p3 2890.154
t= = = 14.857
Sp 2 p 3 194.538

Oleh karena nilai t hitung = 14.857 lebih besar dari t tabel dengan tingkat signifikansi 0.05 yaitu
sebesar 1.96, maka dapat disimpulkan bahwa koefisien mediasi 2890.154 signifikan yang berarti
ada pengaruh mediasi.