com/analisis-jalur-path-dengan-spss/
11NOVBy richie
Dalam artikel sebelumnya kita sudah membahas praktek analisis regresi dengan
munggunakan SPSS, pada kesempatan kali ini kita akan sedikit bahas penggunaan SPSS
dalam analisis path atau analisis jalur. Secara prinsip analisis jalur serupa dengan analisis
regresi pada umumnya. Hanya saja dalam analisis jalur pola hubungan antar variabel
ditambahkan dengan adanya efek moderating dari satu variabel untuk menyebabkan variabel
lainnya. Karena sebab ini lah, dalam analisis jalur dikenal 2 (dua) macam pengaruh yang
disebabkan oleh variabel bebas (X) yaitu pengaruh langsung dan pengaruh tidak langsung.
Sebelum kita menguraikan analisis path pada SPSS, ada baiknya kita mengenal lebih terkait
apa itu analisis path dan asumsi apa saja yang ada didalamnya.
Metode analisis jalur atau disebut juga the causal model for directly obeserved variables.
Dikembangkan pertama kali kira-kira pada tahun 1920-an oleh seorang ahli genetika bernama
Sewall Wright. Tujuan utama dari analisis jalur dijelaskan oleh Bohrnstedt sebagai : “a
technique for estimating the effect’s a set of independent variables has on a dependent
variables from a set of observed correlation, given a set of hypothesized causal asymetric
relation among the variables.”
1. Persiapkan data yang akan analisis dengan menggunakan analisis jalur. Pastikan data yang
dimiliki sudah memenuhi asumsi yang disyaratkan untuk analisis jalur. (catatan : data
ordinal hasil kuesioner harus dikonversikan dengan metode MSI, untuk memperoleh data
interval).
2. Gambar diagram jalur dari model yang dihipotesiskan. Hal ini berguna dalam memandu
proses perhitungan koefisien jalur yang melibatkan satu atau lebih variabel bebas
sekaligus.
3. Buka file SPSS dan masukan variabel ke dalam menu Data View lalu definisikan tiap-tiap
variabel tersebut dalam menu Variables
Views.
4. Setelah semua data variabel dimasukan ke dalam SPSS, lalu klik menu Analyze pilih
Regression lalu definisikan variabel sesuai dengan model jalur yang sudah di gambarkan
pada poin 2. Apabila terdapat 2 persamaan regresi dalam pembentukan diagram jalur (poin
2) maka proses regresi dilakukan sebanyak 2 kali. Kemudian klik
OK.
5. Setelah klik OK maka akan dihasilkan output SPSS sesuai dengan apa yang kita biasa
lakukan dengan analisis Regresi biasanya. Terdapat 3 bagian utama dalam analisis regresi
yaitu model summary, ANOVA dan Coefficients. Untuk menidentifikasi besar pengaruh
dari variabel eksogen terhadap endogen maka yang kita lihat adalah besaran R-Square.
Dan yang membedakan dengan regresi adalah pada menu Coefficients dimana pada
regresi dipilih nilai B (beta), sedangkan dalam analisis jalur digunakan nilai B
Standardized. Nilai inilah yang menunjukkan besar pengaruh dari variabel eksogen
terhadap
endogen.
6. Setelah semua nilai B Standardized berdasarkan persamaan regresi dalam diagram jalur
(poin 2) didapatkan. Tahapan selanjutnya adalah menghitung nilai pengaruh langsung dan
pengaruh tidak langsung dari variabel eksogen terhadap endogen, sesuai dengan tujuan
penggunaan analisis jalur.
Pengaruh langsung diperoleh dengan cara mengkuadratkan B Standardized dan dikali
100% jika ingin diperoleh % pengaruh langsung.
Pengaruh tidak langsung diperoleh dengan cara mengalikan B Standardized variabel
ekogen pertama dengan korelasi antar variabel eksogen lalu dikalikan dengan B
Standardized variabel eksogen kedua.
Pengaruh total variabel terhadap variabel endogen adalah dengan menjumlahkan
seluruh pengaruh langsung dan tidak langsung yang sudah diperoleh.
Sebagai catatan pastikan R-Square menjadi acuan dalam sinkronisasi dari hasil penjumlahan
pengaruh total dari variabel eksogen terhadap endogen. Pengaruh total tersebut sama dengan
R-Square yang didapatkan dari model persamaan.
Dalam prakteknya ada beberapa persiapan dan pemahaman yang perlu dibangun oleh peneliti
sebelum menerapkan data pada metode Path Analysis. Selain teori atas penelitian yang dapat
dipertanggungjawabkan, proses pengujian pada model berupa pengujian asumsi regresi linier
klasik yang memuat pengujian normalitas, multikolinieritas, heteroskedastisitas, autokorelasi
dan linieritas yang menguatkan bahwa model yang dihasilkan merupakan model yang
memiliki taksiran yang baik, masih berlaku pada path analysis. Jadi ada baiknya sebelum
meyimpulkan hasil atas pengolahan pastikan semua asumsi atas model terpenuhi agar
interpretasi hasil secara optimal dan yakin dapat dikemukakan. SEMANGAT MENCOBA!!!
—————————————————————————————————————
——————————————-