ANALISIS JALUR (Path Analysis)

Pengertian

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

komponen-komponen 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.

1
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

4. 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

2
 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

X1, 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 :

1 2

p31 p42
X1 p31 p43
r12 P32 X3 X4

X2

3
 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

p32

p31
X1 X3
3
p21 p32 p43
p43
p42
X2 X4

P21

1

4
Gambaran Analisis Regresi dan Korelasi Melalui Diagram Jalur

1. Regresi Linier Multipel Dengan Dua Variabel Independen

Model regresinya :

Y = 1 X1 + 2 X2 +  . . . (1)

Dalam analisis jalur kita hanya menggunakan X baik sebagai variabel

eksogen maupun endogen, untuk itu variabel Y diganti menjadi X3, sehingga
model regresi di atas menjadi :

X3 = 1 X1 + 2 X2 +  . . . (2)

Jika semua data pengamatan ditransformasi ke dalam angka baku, artinya

x ij - x j
(4) . . . Z ij 
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
X2

5
2. 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
r12 p 4
p42
r13 X2 X4

r23
p43
X3

Diagram jalur ini memperlihatkan tiga buah variabel eksogen X 1, 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 bersama-sama mempengaruhi X4.
- X1, X4 dan X3 secara bersama-sama mempengaruhi X5.
Buatlah diagram jalurnya, identifikasi substrukturnya serta
persamaan-persamaan strukturnya !

6
Diagram jalurnya :

X1 1 2
p41 p51
r12 p4 1 p 5 2
p42 p54
r13 X2 X4 X5

r23 p43 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
p43
p42
X2 X4

P21

1

7
 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 bersama-sama 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

8
Analisis :

Regression
Descriptive Statistics

Mean Std. Deviation N

X3 246,4000 41,11274 15
X1 34,6667 9,67815 15
X2 187,9333 38,08724 15

Corre lations

X3 X1 X2
Pearson Correlation X3 1,000 ,916 ,901
X1 ,916 1,000 ,735
X2 ,901 ,735 1,000
Sig. (1-tailed) X3 . ,000 ,000
X1 ,000 . ,001
X2 ,000 ,001 .
N X3 15 15 15
X1 15 15 15
X2 15 15 15

Variables Entered/Removedb

Variables Variables
Model Entered Removed Method
1 X2, X1a . Enter
a. All requested variables entered.
b. Dependent Variable: X3

Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 ,976a ,952 ,944 9,75663
a. Predictors: (Constant), X2, X1

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regres sion 22521,299 2 11260,649 118,294 ,000a
Residual 1142,301 12 95,192
Total 23663,600 14
a. Predic tors : (Const ant), X2, X1
b. Dependent Variable: X3

9
 Coeffi cientsa

Unstandardized St andardiz ed
Coeffic ient s Coeffic ient s
Model B St d. Error Beta t Sig.
1 (Const ant) 64,639 13,112 4,930 ,000
X1 2,342 ,398 ,551 5,892 ,000
X2 ,535 ,101 ,496 5,297 ,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 X1 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 α

Koefisien jalur :

p31 = 0,551 , karena p-value = 0,000 lebih kecil dari α, koefisien jalur ini
signifikan
p32 = 0,496 , karena p-value = 0,000 lebih kecil dari α, koefisien jalur ini
signifikan

p3 = 1  R 2 = 1 0,952 = 0,219

.

10
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 X1,

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

DATA SAMPEL :

X1 x2 x3 x4
7 26 78 79
1 29 74 74
11 56 104 107
11 31 88 88
7 52 96 97
11 55 109 108
3 71 103 104
1 31 72 72
2 54 93 90
21 47 116 118
1 40 84 82
11 66 113 116
10 58 105 104

11
Analisis :

Diagram jalur :

1
X1
p31

p41
p31

p43
r12

X3 X4
p42
p 32

p42

X2
2

Persamaan struktural :

X3 = p31 X1 + p32 X2 + 1

X4 = p41 X1 + p42 X2 + p43 X3 + 2

Untuk sub-struktur 1 :

12
 Corre lations

X3 X1 X2
Pearson Correlation X3 1,000 ,734 ,809
X1 ,734 1,000 ,217
X2 ,809 ,217 1,000
Sig. (1-tailed) X3 . ,002 ,000
X1 ,002 . ,238
X2 ,000 ,238 .
N X3 13 13 13
X1 13 13 13
X2 13 13 13

Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 ,990a ,981 ,977 2,23457
a. Predictors: (Constant), X2, X1

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regres sion 2590,067 2 1295,034 259,355 ,000a
Residual 49,933 10 4,993
Total 2640,000 12
a. Predic tors : (Const ant), X2, X1
b. Dependent Variable: X3

Coeffi cientsa

Unstandardized St andardiz ed
Coeffic ient s Coeffic ient s
Model B St d. Error Beta t Sig.
1 (Const ant) 51,434 2,199 23,389 ,000
X1 1,476 ,112 ,585 13,140 ,000
X2 ,687 ,045 ,682 15,305 ,000
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 α

13
Koefisien jalur :

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

px3 = 1  R 2 = 1 0,981 = 0,138.

Untuk Sub-struktur 2 :

Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 ,997a ,994 ,992 1,38903
a. Predictors: (Constant), X2, X1, X3

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regres sion 2899,405 3 966,468 500,913 ,000a
Residual 17,365 9 1,929
Total 2916,769 12
a. Predic tors : (Const ant), X2, X1, X3
b. Dependent Variable: X4

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 22,248 10,202 2,181 ,057
X3 ,541 ,197 ,514 2,750 ,022
X1 ,831 ,298 ,314 2,785 ,021
X2 ,327 ,138 ,309 2,372 ,042
a. Dependent Variable: X4

14
Persamaan struktur :

X4 = 0,314 X1 + 0,309 X2 + 0,514 X3 + 2

Model ini signifikan karena p-value = 0,000 lebih kecil dari α

Koefisien jalur :

P41 = 0,314 , karena p-value = 0,021 lebih kecil dari α, koefisien jalur ini
signifikan
P42 = 0,309 , karena p-value = 0,042 lebih kecil dari α, koefisien jalur ini
signifikan
P43 = 0,514 , karena p-value = 0,022 lebih kecil dari α, koefisien jalur ini
signifikan.

P4 = 1  R 2 = 1 0,994 =0,077.

Diagram Jalur yang lengkap :

1

X1 0,138 2
0,585 0,314
0,077

0,514
0,217 X3 X4

0,682 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

15
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

16