BAB I

PENDAHULUAN

Analisi jalur (Path Analysis) merupakan pengembangan statistik regresi, sehingga

analisis regresi dapat dikatakan sebagai bentuk khusus analisis jalur. Analisis jalur digunakan
untuk melukiskan dan menguji model hubungan antar variabel yang berbentuk sebab akibat
(Sugiyono: 2009). Teknik analisis jalur (path analysis) adalah salah satu teknik analisis
statistik yang digunakan di dalam penelitian kuantitatif. Analisis jalur (path analysis)
biasanya menggunakan istilah pengaruh langsung dan pengaruh tidak langsung, dikarenakan
ada variabel perantara / interverning / variabel mediasi.

Teknik analisis jalur, yang dikembangkan oleh Sewal Wright di tahun 1934,
sebenarnya merupakan pengembangan korelasi yang diuraikan menjadi beberapa interpretasi
akibat yang ditimbulkannya. Lebih lanjut, analisis jalur mempunyai kedekatan dengan regresi
berganda, atau dengan kata lain, regresi berganda merupakan bentuk khusus dari analisis
jalur. Analisis jalur merupakan perluasan dari regresi berganda yang digunakan untuk
menaksir hubungan sebab-akibat antar variabel yang telah ditetapkan sebelumnya, serta
menguji besarnya sumbangan atau kontribusi masing-masing variabel independen terhadap
variabel dependen.
Teknik ini juga dikenal sebagai modal sebab akibat (causing modeling). Penamaan ini
didasarkan pada alasan bahwa analisis jalur memungkinkan penggunaan dapat menguji
proposisi teoritis mengenai hubungan sebab dan akibat tanpa memanipulasi variabel-
variabel. Memanipulasi variabel maksudnya memberi perlakuan (treatment) terhadap
variabel-variabel tertentu dalam pengukurannya. Asumsi dasar model ini ialah beberapa
variabel sebenarnya mempunyai hubungan yang sangat dekat satu dengan yang lainnya.
Dalam pengujian hubungan kausal tersebut yang didasarkan pada teori yang memang
menyatakan bahwa variabel yang dikaji memiliki hubungan secara kausal. Analisis jalur
bukan ditujukan untuk menurunkan teori kausal, melainkan dalam penggunaannya harus
didasarkan pada teori yang menyatakan bahwa hubungan antar variabel tersebut bersifat
kausal. Dengan demikian, kuat lemahnya teori yang digunakan dalam menggambarkan
hubungan kausal tersebut menentukan dlaam penyusunan diagram jalur dan mempengaruhi
hasil dari analisis serta pengimplementasian secara keilmuan.
 BAB II
ANALISIS JALUR (PATH ANALYSIS)
A. Pengertian Analisis Jalur (Path Analysis)
Menurut Kuncoro dan Riduana (2007: 1), analisis jalur (path analysis)
dikembangkan berdasarkan serangkaian tulisan antara tahun 1920-an hingga 1960-
an oleh seorang ahli genetika yang sangat brilian Sewall Wright. Analisis jalur (path
analysis) merupakan bentuk terapan dari analisis multiregresi yang membangtu
memudahkan pengujian hipotesis dari hubungan-hubungan antar variabel yang cukup
rumit. Dalam analisis jalur, korelasi antar variabel dihubungkan dengan parameter
dari model yang dinyatakan dengan diagram jalur atau path diagram.
Menurut Sarwono, teknik analisis jalur yang dikembagkan oleh Sewal Wright
merupakan pengembangan teknik korelasi yang diurai menjadi beberapa interpretasi
akibat yang ditimbulkannya. Analisis jalur memiliki kedekatan dengan regresi
berganda, sehingga regresi berganda adalah bentuk khusus dari analisis jalur. Teknik
ini dikenal dengan model sebab-akibat (Causing model).
Sejalan dengan pendapat diatas, David Garson dari North Carolina State
University juga mendefenisikan analisis jalur sebagai model perluasan regresi yang
digunakan untuk menguji keselarasan matriks korelasi dengan dua atau lebih model
hubungan sebab akibat yang dibandingkan oleh peneliti. Modelnya digambarkan
dalam bentuk gambar lingkaran dan panah dimana anak panah tunggal
menunjukkan sebagai penyebab. Regresi dikenakan pada masing-masing variabel
dalam suatu model sebagai variabel tergantung (pemberi respons) sedang yang lain
sebagai penyebab. Pembobotan regresi diprediksikan dalam suatu model yang
dibandingkan dengan matriks korelasi yang diobservasi untuk semua variabel dan
dilakukan juga penghitungan uji keselarasan statistik (David Garson 2003 dikutip
oleh Sarwono, 2007).
Dari beberapa ulasan definisi diatas maka dapat disimpulkan bahwa path analysis
digunakan untuk menganilisis pola hubungan antar variabel dengan tujuan untuk
mengetahui pengaruh langsung dan tidak langsung seperangkat variabel bebas
terhadap variabel terikat.
B. Manfaat Analisis Jalur
Menurut Saparina (2013) ada beberapa manfaat analisis jalur diantaranya adalah :
1. Sebagai penjelas terhadap fenomena yang dipelajari atau permasalahan yang
diteliti
2. Untuk prediksi variabel endogenous (Y) berdasarkan nilai variabel eksogenous
(X)
 3. Sebagai faktor determinan yaitu penentuan variabel X mana yang berpengaruh
dominan terhadap variabel Y, juga untuk menelusuri mekanisme (jalur-jalur)
pengaruh variabel X terhadap variabel Y .
4. Pengujian model, menggunakan theory triming baik untuk uji reliabilitas konsep
yang sudah ada ataupun uji pengembangan konsep baru.
C. Asumsi dalam Analisis Jalur
Analisis yang melandasi analisis jalur diantara adalah
1. Hubungan antar variabel haruslah linier dan aditif
2. Ukuran sampel yang memadai sebaiknya diatas 100
3. Pola hubungan antara variabel adlaah satu arah
4. Data berskala interval
D. Istilah-istilah dasar dalam analisis jalur
Menurut Sarwono (2007), ada beberapa istilah yang digunakan dalam analisis jalur
yaitu sebagai berikut :
1. Model jalur
Adalah suatu diagram yang menghubungkan antara variabel bebas, perantara dan
tergantung. Pola hubungannya menggunakan anak panah. Anak panah tunggal
menunjukkan hubungan sebab-akibat antara variabel exogenous dengan satu
variabel tergantung atau lebih. Anak panah –anak panah juga menghubugkan
kesalahan (variable residue) dengan semua variabel endogenous masing-masing.
Anak panah ganda menunjukkan korelasi antara pasangan variabel-variabel
exogenous.
2. Jalu penyebab untuk suatu variabel yang diberikan
Meliputi jalur-jalur arah dari anak panah menuju ke variabel tersebut dan atau
jalur-jalur korelasi dari semua variabel endogenous yang dikorelasikan dengan
variabel-variabel lain yang mempunyai anak panah-anak panah menuju ke
variabel yang sudah ada tersebut.
3. Variabel exogenous
Adalah semua variabel yang tidak ada penyebab–penyebab eksplisitnya atau
dalam diagram tidak ada anak-anak panah yang menuju ke arahnya, selain
pada bagian kesalahan pengukuran. Jika antara variabel ini dikorelasikan
maka korelasi ditunjukkan dengan anak panah berkepala dua yang
menghubungkan variabel-variabel tersebut. Variabel ini disebut pula
independen variabel.
4. Variabel endogenous
Adalah variabel yang mempunyai anak panah-anak panah menuju ke arahnya.
 Variabel yang termasuk di dalamnya mencakup semua variabel perantara dan
tergantung. Variabel perantara endogenous mempunyai anak panah yang
menuju ke arahnya dan dari arah variabel tersebut dalam suatu model. Adapun
variabel tergantung hanya mempunyai anak panah yang menuju ke arahnya.
Variabel ini disebut pula dependen variabel.
5. Koefisien jalur atau pembobotan jalur
6. Adalah koefisien regresi standar atau disebut ‘beta’ yang menunjukkan
pengaruh langsung dari suatu variabel bebas terhadap variabel tergantung
dalam suatu model tertentu.
7. Istilah gangguan
Gangguan atau residue mencerminkan adanya varian yang tidak dapat
diterangkan atau pengaruh dari semua variabel yang tidak terukur ditambah
dengan kesalahan pengukuran.
8. Dekomposisi pengaruh
Koefisien-koefisien jalur dapat digunakan untuk mengurai korelasi-korelasi
dalam suatu model ke dalam pengaruh langsung dan tidak langsung yang
berhubungan dengan jalur langsung dan tidak langsung yang direfleksikan dengan
anak panah-anak panah dalam suatu model tertentu.
9. Model Recursive
Model penyebab mempunyai satu arah dan tidak ada pengaruh sebab akibat
(reciprocal). Dalam model ini, satu variabel tidak dapat berfungsi sebagai
penyebab dan akibat dalam waktu yang bersamaan.
10. Model Non-Recursive
Model penyebab mempunyai arah yang membalik (feed back loop) dan ada
pengaruh sebab akibat (reciprocal).
E. Model Analisis Jalur (path analysis)
Beberapa istilah dan defenisi dalam analisis jalur. (1) Dalam Analisis Jalur,
kita hanya menggunakan sebuah lambang variabel, yaitu X. Untuk membedakan X
yang satu dengan X yang lainnya, kita menggunakan subscript (indeks). Contoh: X1,
X2, X3, ..... , Xk. (2) Kita membedakan dua jenis variabel, yaitu variabel variabel
yang menjadi pengaruh (exogenous variable), dan variabel yang dipengaruhi
(endogenous variable). (3) Lambang hubungan langsung dari eksogen ke endogen
adalah panah bermata satu, yang bersifat recursive atau arah hubungan yang tidak
berbalik/satu arah. (4) Diagram jalur merupakan diagram atau gambar yang
mensyaratkan hubungan terstruktur antar variabel
 Terdapat beberapa model yang dapat digunakan mulai dari yang paling
sederhana hingga yang paling rumit :
1. Analisis jalur model Trimming
Model Trimming adalah model yang digunakan untuk memperbaiki suatu
model struktur analisis jalur dengan cara mengeluarkan dari model variabel
eksogen yang koefisien jalur diuji secara keseluruhan apabila ternyata ada
variabel yang tidak signifikan. Walaupun ada satu, dua, atau lebih variabel
yang tidak signifikan, perlu memperbaiki model struktur analisis jalur yang
telah dihipotesiskan.
2. Analisis jalur model dekomposisi
Model dekomposisi adalah model yang menekankan pada pengaruh yang
bersifat kausalitas antar variabel, baik pengaruh langsung ataupun tidak langsung
dalam kerangka analisis jalur, sedangkan hubungan yang sifatnya nonkausalitas
atau hubungan korelasional yang terjadi antar variabel eksogen tidak termasuk
dalam perhitungan ini. Perhitungan menggunakan analisis jalur dengan
menggunakan model dekomposisi pengaruh kausal antar variabel dapat
dibedakan menjadi tiga yaitu:
a. Direct causal effects (Pengaruh Kausal Langsung) adalah pengaruh satu
variabel eksogen terhadap variabel endogen yang terjadi tanpa melalui
variabel endogen lain.

b. Indirect causal effects (Pengaruh Kausal Tidak Langsung) adalah

pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi
melalui variabel endogen lain terdapat dalam satu model kausalitas yang
sedang dianalisis.

c. Total causal effects (Pengaruh Kausal Total) adalah jumlah dari pengaruh
kausal langsung dan pengaruh kausal tidak langsung.
3. Model regresi berganda
Model ini merupakan pengembangan regresi berganda dengan menggunakan dua
variabel exogenous, yaitu X1 dan X2 dengan satu variabel endogenous Y. Model ini
digambarkan sebagai berikut:

X1

X2
 Gambar 2.1 Model regresi berganda
4. Model mediasi
Model mediasi atau perantara ialah di mana variabel Y memodifikasi pengaruh
variabel X terhadap variabel Z. Model ini digambarkan sebagai berikut:

x z

Gambar 2.2. model mediasi

5. Model kombinasi regresi berganda dan mediasi
Model ini merupakan kombinasi antara model pertama dan kedua, yaitu variabel X
berpengaruh terhadap variabel Z secara langsung dan secara tidak langsung
mempengaruhi variabel Z melalui variabel Y. Model digambarkan sebagai berikut:

Gambar 2.3 model kombinasi

6. Model kompleks
Model ini merupakan model yang lebih kompleks, yaitu variabel X1 secara
langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak langsung
mempengaruhi Y2, sementara variabel Y2 juga dipengaruhi oleh variabel Y1.
Model digambarkan sebagai berikut :

Gambar 2.4 model kompleks

7. Model rekursif adalah jika semua anak panah menuju anak panah seperti
gambar di bawah ini :
 Gambar 2.5 model rekursif
Keterangan :
a. Anak panah menuju satu arah yaitu dari 1 ke 2, 3 dan 4 ; dari 2 ke-3dan
dari 3 menuju 4. Tidak ada arah yang terbalik misalnya dari 4 ke 1.
b. Hanya terdapat satu variabel exogenous, yaitu 1 dan 3 variabel endogenous
yaitu 2, 3 dan 4. Masing-masing variabel endogenous diterangkan oleh
variabel 1 dan error (e2, e3 dan e4)
c. Satu variabel endogenous dapat menjadi penyebab variabel endogenous
lainnya, tetapi bukan ke variabel exogenous.
Model non rekursif terjadi jika arah anak panah tidak searah atau terjadi
arah yang berbalik, misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat
sebab akibat. Pada bagian berikut untuk mempermudah kita dalam memahami
analisis jalur, maka kita bisa menggunakan model-model jalur berikut:
a. Model Persamaan Satu Jalur
Model Persamaan satu jalur merupakan hubungan sebenarnya sama dengan
regresi berganda, yaitu variabel bebas terdiri dari satu variabel dan variabel
tergantungnya hanya satu.
b. Model Persamaan Dua Jalur
Model ini terdiri dari tiga variabel bebas dan mempunyai dua variabel
tergantung.
c. Model Persamaan Tiga Jalur
Model ini terdiri dari tiga variabel bebas, salah satu variabel bebas menjadi
variabel perantara dan mempunyai dua variabel tergantung.
F. Keuntungan dan Kelemahann Analisis jalur
Menurut Sarwono (2012), keuntungan menggunakan analisis jalur diantarany:
1. Kemampuan menguji model keseluruhan dan parameter-parameter individu.
 2. Kemampuan pemodelan beberapa variabel mediator/perantara.
3. Kemampuan mengestimasi dengan menggunakan persamaan yang dapat melihat
semua kemungkinan hubungan sebab akibat pada semua variabel dalam model.
4. Kemampuan melakukan dekomposisi korelasi menjadi hubungan yang bersifat
sebab akibat (causal relation), seperti pengaruh langsung (direct effect) dan
pengaruh tidak langsung (indirect effect) dan bukan sebab akibat (non-causal
association), seperti komponen semu (spurious).
Kelemahan menggunakan analisis jalur diantaranya :
1. Tidak dapat mengurangi dampak kesalahan pengukuran.
2. Analisis jalur hanya mempunyai variabel-variabel yang dapat diobservasi secara
langsung.
3. Analisis jalur tidak mempunyai indikator-indikator suatu variabel laten.
4. Karena analisis jalur merupakan perpanjangan regresi linier berganda, maka semua
asumsi dalam rumus ini harus diikuti.
5. Sebab akibat dalam model hanya bersifat searah (one direction), tidak boleh
bersifat timbal balik (reciprocal).
G. Perbedaan analisis jalur dan regresi
Terdapat beberapa perbedaan model analisis jalur dan regresi yaitu :
Penjelasan Model Analisis
Regresi Path (Jalur)
Variabel Bebas (X), Terikat (Y) Eksogen (X), Endogen (Y), Intervening
bila ada
Kegunaan 1. Penjelasan terhadap 1. Penjelasan terhadap fenomena yang
fenomena yang dipelajari atau permasalahan yang
dipelajari atau diteliti.
permasalahan yang 2. Prediksi kuantitatif.
diteliti.
3. Faktor diterminan yaitu penentuan
2. Prediksi kuantitatif.
variable bebas (X) yang berpengaruh
3. Faktor diterminan dominan terhadap variable terikat (Y).
yaitu penentuan 4. Penelusuran mekanisme (lintasan)
variable bebas (X) pengaruh.
yang berpengaruh 5. Pengujian model, menggunakan teori
dominan terhadap trimming, baik untuk uji reabilitas
variable terikat (Y). konsep yang sudah ada ataupun uji
pengembangan konsep baru.
 Hubungan Bersifat tunggal Tunggal atau ganda
yang
dianalisis
Jenis data Skala interval dan ratio Minimal skala interval dan data
yang dinyatakan dalam satuan baku atau z skor
dianalisis
Prinsip 1. Hubungan antar 1. Hubungan antar variabel berpola
variabel berpola linear, linear, bersifat normal.
bersifat normal. 2. Sistem aliran kausal satu arah.
2. Sistem aliran kausal
3. Sampel random
satu arah.
4. Model dianalisis berdasarkan teori-
3. Sampel random
teori yang relevan
4. Model dianalisis
5. Variabel terikat/endogen (Y) minimal
berdasarkan teori-teori
dalam skala ukur interval dan rasio.
yang relevan.

8.
9.