1

UNIVERSITAS INDONESIA

ANALISIS JALUR (PATH ANALYSIS)

TUGAS MATA AJAR SEMINAR BIOSTATISTIK LANJUT

PJ MA: Prof. Dr. dr. Sudijanto Kamso, SKM

Disusun Oleh:

Berdita : 1206192286
Salfia Dian Lastari : 1206337526

FAKULTAS KESEHATAN MASYARAKAT

MAGISTER KESEHATAN MASYARAKAT
DEPOK
 2

OKTOBER 2013
KATA PENGANTAR

Puji syukur peneliti haturkan ke hadirat Tuhan Yang Maha Esa atas segala
limpahan rahmat dan hidayah-Nya sehingga peneliti dapat menyelesaikan
penulisan tugas mata kuliah Seminar Biostatistik Lanjut dengan topik Analisis
Jalur (Path Analysis).

Dalam menyusun makalah ini, penulis banyak mendapat bantuan, bimbingan,

dorongan dan petunjuk dari berbagai pihak. Untuk itu penulis ingin mengucapkan
terima kasih kepada

1. Prof. Dr. dr. Sudijanto Kamso, SKM selaku penanggung jawab mata
kuliah Seminar Biostatistik Lanjut.
2. Dr. Besral, SKM, M.Sc selaku pengajar sesi path analysis dalam mata
kuliah Seminar Biostatistik Lanjut.
3. Rekan-rekan mahasiswa dan semua pihak yang telah membantu dalam
menyelesaikan penulisan makalah ini.

Dengan segala kerendahan hati, penulis menyadari bahwa makalah ini masih jauh
dari kesempurnaan. Oleh karena itu, penulis sangat mengharapkan kritik dan saran
dari berbagai pihak.

Akhirnya penulis berharap semoga makalah ini dapat bermanfaat bagi

perkembangan ilmu pengetahuan di masa yang akan datang. Semoga semua
bantuan, bimbingan, semangat dan amal kebaikan yang telah diberikan dijadikan
amal saleh dan diridhai Tuhan Yang Maha Esa.

Depok, Oktober 2013

Penulis
 3

1) Pendahuluan
Analisis jalur (path analysis) adalah teknik statistik yang menguji hubungan
sebab akibat antara dua atau lebih variabel. Analisis jalur ini dilakukan
berdasarkan sistem persamaan linear dan pertama kali dikembangkan oleh
Sewall Wright pada tahun 1930an yang digunakan untuk penelitian evolusi
genetik. Analisis jalur ini pertama kali diaplikasikan pada ilmu sosial di tahun
1960an dan diketahui mulai meningkat frekuensi penggunaannya pada jurnal-
jurnal ekologi mulai tahun 1970an.

Metode analisis jalur adalah suatu metode yang mengkaji pengaruh baik
langsung maupun tidak langsung dari variabel-variabel yang dihipotesiskan
sebagai akibat dari efek perlakuan terhadap variabel tersebut. Analisis jalur ini
merupakan metode yang diterapkan untuk suatu model kausal yang
diformulasikan dan dikembangkan oleh peneliti dengan didasarkan oleh
pengetahuan teoritis.

Analisis jalur merupakan dasar dari analisis Structural Equation Model (SEM).
Sebagaimana diketahui SEM merupakan teknik analisis multivariabel yang
cukup baik dan merupakan kombinasi antara faktor analisis dan analisis jalur
(Ho, 2006). Berikut definisi analisis jalur dari berbagai sumber:
1. Analisis jalur merupakan pengembangan langsung bentuk regresi
berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan
(magnitude) dan signifikansi (significance) hubungan sebab akibat
hipotetikal dalam seperangakat variabel (Webley and Lea, 1997).
2. Analisis jalur merupakan perluasan dari regresi linier berganda, dan yang
memungkinkan analisis model-model yang lebih kompleks (Streiner,
2005).
3. Analisis jalur merupakan teknik analisis yang digunakan untuk
menganalisis hubungan sebab akibat yang inheren antar variabel yang
disusun berdasarkan urutan temporer dengan menggunakan koefesien
jalur sebagai besaran nilai dalam menentukan besarnya pengaruh variabel
independen exogenous terhadap variabel dependen endogenous (Sarwono,
2012).
 4

Sehingga dapat disimpulkan bahwa analisis jalur merupakan teknik analisis

multivariabel yang dapat digunakan peneliti dalam menganalisis hubungan
sebab akibat yang terjadi antar variabel-variabel yang terlibat hingga terjadi
suatu outcome.

2) Tujuan, Kelebihan dan Kekurangan Analisis Jalur

Hampir sama dengan tools statistik lainnya, analisis jalur merupakan
alat/metode statistik yang dapat membantu peneliti untuk menggunakan data
kuantitatif (korelasi) dalam menguraikan berbagai macam proses yang
mendasari terjadinya outcome (Lleras, 2005). Selanjutnya, menurut
Martadiputra (2010) dalam paparannya mengenai path analysis, tujuan dari
analisis jalur adalah mengetahui besar pengaruh langsung, pengaruh tidak
langsung dan pengaruh total dari variabel endogen tehadap variabel eksogen.
Analisis jalur memiliki kekuatan dalam hal mendukung hasil analisis analisis
data dengan mencocokan terhadap teori yang mendasari hasil analisis tersebut.
Sedangkan kekurangan dari analisis jalur antara lain:
1. Analisis jalur dapat menguji hipotesis kausal tetapi tidak dapat
menunjukkan arah hubungan kausal
2. Analisis jalur paling mungkin digunakan untuk menguji serangkaian
hipotesis yang sudah jelas didukung teori-teori yang ada
3. Analisis jalur tidak dapat digunakan jika ada umpan balik (“feed back”)
pada model diagram jalur (Webley and Lea, 2004).

3) Asumsi yang mendasari Path Analisis

1. Variabel dependen bersifat numerik/kotinyu (skala interval atau rasio)

2. Variabel independen dapat berupa data numerik atau kategorik

3. Hubungan antara variabel dependen dan independen bersifat linier dan

kausalitas

4. Dependen variabel merupakan kombinasi linier dari variabel independen

di dalam satu sisaan residu (variabel residu)

5. Variabel residu tidak saling berkorelasi dan juga tidak berkorelasi dengan
variabel independen di dalam sistem.
 5

6. Model hubungan sebab akibat bersifat searah

7. Tidak dapat menunjukkan arah hubungan kausal (arah ditentukan oleh

peneliti berdasarkan teori)

8. Jarang digunakan dalam penelitian eksploratif karena analisis ini

digunakan untuk menguji serangkaian hipotesis yang didasarkan pada teori
atau penelitian sebelumnya

4) Istilah-istilah Dalam Analisis Jalur

Dalam analisis jalur dikenal beberapa istilah antara lain:

1) Diagram jalur
Yaitu diagram keterkaitan atau pola hubungan kausal antara sejumlah
variabel yang dibuat berdasarkan teori-teori atau pengetahuan dan bukan
berdasarkan data itu sendiri. Diagram jalur ini dibuat sebagai dasar dalam
menganalisis data.

2) Variabel endogen
Yaitu variabel yang dipengaruhi oleh variabel lainnya (di dalam diagram
jalur ada panah yang mengarah pada variabel ini). Variabel endogen terdiri
dari variabel antara dan variabel terikat. Lebih lanjut lagi, variabel antara
adalah variabel endogen yang memiliki panah yang mengarah dan
meninggalkan variabel tersebut sedangkan variabel terikat adalah variabel
endogen yang hanya memiliki panah mengarah ke variabel tersebut.

3) Variabel eksogen
Yaitu variabel yang tidak dipengaruhi oleh variabel lainnya (di dalam
diagram jalur tidak ada panah yang mengarah ke variabel ini).

4) Koefisien Jalur (Path Coefficient)

Menurut Garrson (2002), koefisien jalur setara dengan koefisien regresi
yang telah distandardisasi. Berikut adalah metode langkah demi langkah
 6

untuk melengkapi analisis jalur untuk setiap set data. Koefisien jalur
memiliki 2 simbol sesuai dengan jenis variabelnya, antara lain:
a) Variabel eksogen diberi lambang γ (gamma)
b) Variabel endogen antara diberi lambang β (beta)

5) Uji Asumsi Normalitas

Uji normalitas dimaksudkan untuk mengetahui apakah residual model
regresi yang diteliti berdistribusi normal atau tidak. Metode yang
digunakan untuk menguji normalitas adalah dengan menggunakan uji
KolmogorovSmirnov. Jika nilai signifikansi dari hasil uji
KolmogorovSmirnov > 0,05, maka asumsi normalitas terpenuhi

6) Uji Asumsi Multikolinieritas

Artinya adanya korelasi linier yang tinggi (mendekati sempurna) diantara
dua/lebih variabel bebas. Multikolinieritas diuji dengan menghitung nilai
VIF (Variance Inflating Factor). Bila nilai VIF lebih kecil dari 5 maka
tidak terjadi multikolinieritas atau non multikolinieritas

5) Teknik Analisis Jalur Menggunakan Perangkat Lunak Statistik

Terdapat berbagai macam software statistik yang dapat digunakan untuk

mengolah data dengan analisis jalur. Pada makalah ini kami akan membahas
teknik analasis jalur menggunakan software SPSS. Berikut langkah-langkah untuk
analisis jalur menggunakan SPSS:

Tahapan Path analisis

1. Gambarkan diagram jalur

2. Tentukan model regresi linier dengan memperhatikan endogen & eksogen

3. Lakukan univariat analisis  distribusi normal

4. Lakuran regresi linier  koefisien path & multikolinierity

5. Lakukan Korelasi  Actual Correlation

 7

6. Tabel Wright

 Hitunglah direct & indirect effect  Reproduced Correlation

 Bandingkan nilai Reproduced Correlation terhadap Actual

Correlation

5.1 Langkah 1 Gambar Diagram Jalur

Dengan tujuan analisis adalah mengetahui hubungan fat, energi, total kolesterol,
trigliserida, RLPP (Rasio Lingkar Perut Panggul) dan lemak terhadap IMT
(Indeks Masa Tubuh) maka berikut diagram jalur untuk analaisis ini:

Trigelisida

Total
kolersterol
RLPP

Energi IMT

Lemak

Fat

Membuat Diagram Jalur

 8

Total
Trigliserida
Kolesterol
(β)
(β)

IMT (β)
Energi (β)
RLPP (β)

Fat (γ) Lemak (β)

1. FAT (X1)
2. ENERGI (X2)
3. TOTAL KOLESTEROL (X3)
4. TRIGLISERIDA (X4)
5. RLPP (X5)
6. LEMAK (X6)
7. IMT (Y7)

5.2 Langkah ke-2 Tentukan model regresi linier dengan memperhatikan

endogen & eksogen

Total
Kolesterol Trigliserida
B43
(β) (β)
B54
B32
B75 B74
B53 IMT (β)
B31 En(β) RLPP (β)
B52
B51 B76
B21

Fat (γ) B63 Lemak (β)

B64
B61
 9

Menentukan variabel eksogen dan endogen, pada konsep diatas di tentukan

variabelnya sebagai berikut:

 Eksogen : FAT
 Endogen : ENERGI, TOTAL KOLESTEROL, TRIGLISERIDA, RLPP,
LEMAK, IMT
Persamaan regresi linier

ENERGI=b21*FAT ----- > b21- koef beta/path , x2, x1

TKOL=b32*ENERGI + b31*FAT
TRIG=b43*TKOL
RLPP=b51*FAT + b52*ENERGI + b53*TKOL + b54*TRIG
LEMAK=b61*FAT + b63*TKOL + b64*TRIG
IMT=b74*TRIG + b75*RLPP + b76*LEMAK

5.3 Langkah ke-3 melakukan univariat analisis  distribusi normal

Melihat kenormalan data dengan mengguna Kolmogorov smirnov test

AnalyzeNonparametric Test1-Sampel K-SOK

Masukan semua variabel yang akan di ukur pada kolom test variabel list seperti
gambar di bawah ini:
 10

Maka akan keluar hasil sebagai berikut :

Kesimpulan :
Pada uji kenormalan Kolmogorov-Smirnov, terlihat semua variabel
memperlihatkan nilai-p>0,05 berarti asumsi distribusi normal terpenuhi.

5.4 Langkah ke 4  Melakukan analisis regresi linier  koefisien path &

Uji asumsi multikolinierity
 11

Lakukan analisa regresi linier sebanyak Endogen

Analyze Regression  Linier
1. Masukkan ENDOGEN pd kotak Dependent, pada contoh ini variabel IMT
2. Masukkan var berhub thdp ENDOGEN tsb pd kotak Independent(s), pada
contoh ini variabel trig,rlpp,lemak
3. Klik Statistcs
4. Pada Statistcs √ Colinearity
5. Continue & OK

Maka akan menghasilkan output sebagai berikut :

12
 13

Hasil dari langkah 4

1. Lihat nilai VIF  deteksi kolinierity
2. Lihat nilai Standardized beta  koef path nilai yang di masukkan pada
jalur/path yang telah dibuat lihat gambar di bawah ini
3. Pindahkan nilai pada kolom Standardized Coeffisien Beta pada diagram
jalur yang telah dibuat
4. Lihat sig  koef path bermakna  bila nilai pada kolom Sig. bermakna
maka jalur/path tetap dipakai, tetapi bila tidak bermakna maka jalur/path
yang ada dihapus dari diagram yang telah dibuat

Total
Trigliserida
Kolesterol B43

B54
B32
B75 B74
B53 IMT
B31 energi RLPP
B52
B51 B76
B21

Fat B63 Lemak

B64
B61

Total
0,336 Trigliserida
Kolesterol

0,089
0,095
0,288 0,019
0,056 IMT
-0,21 energi RLPP
0,315
-0,024 0,724
0,826

Fat 0,207 Lemak

-0,043
0,210
 14

5.5 Langkah ke 5 - menghilangkan jalur/path dan variabel

Variabel Path Std.Coef Sig. VIF Ket Ket untuk Path

. Beta

IMT Trig (b74) 0,019 0,769 1,038 Tdk signifikan dihapus

Rlpp (b75) 0,288 0,000 1,042 Signifikan Tetap pakai Jalur/path

Lemak (b76) 0,724 0,000 1,014 Signifikan Jalur/path Tetap pakai

Total Fat (b31) -0,021 0,901 3,142 Tdk signifikan dihapus

Kolesterol Energi (b32) 0,095 0,570 3,142 Tdk signifikan dihapus

Trigliserida Total kol (b43) 0,336 0,000 1,000 Signifikan Dihapus karena sudah
tidak memiliki path

Energi Fat (b21) 0,826 0,000 1,000 Signifikan Dihapus karena arah
panah tidak mengarah
ke imt baik langsung
maupun tidak
langsung

RLPP Fat (b51) -0,024 0,880 3,148 Tdk signifikan dihapus

Total kol (b53) 0,056 0,556 1,127 Tdk signifikan dihapus

Trig (b54) 0,089 0,917 1,182 Tdk signifikan dihapus

Energi (b52) 0,315 1,956 3,229 Tdk signifikan dihapus

Lemak Total kol (b63) 0,210 0,031 1,127 Signifikan Tetap pakai meskipun
Jalur path tidak
langsung, pathnya
menuju IMT melalui
lemak

Fat (b61) 0,207 0,026 1,026 Signifikan Tetap pakai meskipun

Jalur path tidak
langsung, pathnya
menuju IMT melalui
lemak

Trig (b64) -0,043 0,661 1,153 Tdk signifikan dihapus

Kesimpulan :
 15

Berdasarkan tabel di atas dengan mempertimbangkan nilai pada kolom Sig. maka
jalur/path yang nilainya tidak sig >0,05 dan variabelnya yang sudah tidak
memiliki jalur/path harus dihilangkan dari diagram alur yang telah dibuat.
Berdasarkan tabel diatas maka diagram jalur/path yang dihasilkan seperti di
bawah ini :

Total
Total
Kolesterol
Kolesterol

Energi B75
RLPP
B21 B63
IMT
B63
konsep
Fat
Fat
Fat Lemak
B76

B61
B61

Keterangan :
Pada gambar ini memperlihatkan variabel yang masih ada setelah
mempertimbangkan nilai pada kolom Sig <0,005 tetapi untuk varibel energi akan
di hapus karena arah jalur/path tidak mengarah ke IMT, hal ini dilakukan karena
tujuan analisis pada kasus ini adalah mengetahui hubungan fat, energi, total
kolesterol, trigliserida, RLPP dan lemak terhadap IMT (Indeks Masa Tubuh).
Maka diagram jalurnya akan seperti di bawah ini :

Total
Kolesterol

RLPP
IMT
B63

Fat Lemak

B61
 16

Berdasarkan diagram jalur di atas didapatkan persamaan liniernya sebagai

berikutnya :
Persamaan liniernya
1. IMT =B75*RLPP+B76*LEMAK
2. LEMAK=B63*TOTKOL+B61*FAT

Kembali Langkah 2
1. Eksogen : FAT
2. Endogen : TOTAL KOLESTEROL, TRIGLISERIDA, RLPP,
LEMAK, IMT
Persamaan regresi linier

1. LEMAK=b61*FAT + b63*TOTKOL
2. IMT= b75*RLPP + b76*LEMAK

Hasil langkah ke 5.5

Total
Kolesterol

B75
RLPP
B63 IMT

Fat B76
Lemak
B61
 17

Persamaan linier :
IMT = 0,292*RLPP + 0,726LEMAK
LEMAK = 0,196*TOTKOL + 0,201FAT

5.5.1 Melakukan Korelasi aktual (Actual Correlation)

Tujuannya mencocokan hasil dari analisa regresi linier dengan menggunakan

variabel yang masih ada yaitu fat, total kolesterol,lemak, RLPP dengan IMT
sebagi variabel dependennya.

Analyze –Correlation-Bivariate-ok
 18

Hasil outputnya

Kesimpulan :

Dari hasil output correlations dapat di simpulkan ada 2 variabel yang memiliki
hubungan langsung dan bermakna terhadap variabel dependent (IMT) adalah
RLPP (0,277*) dan lemak (0,700**), sedangkan 2 variabel lainnya yaitu fat dan
total kolesterol tidak langsung memiliki hubungan terhadap IMT dan tidak
bermakna secara statistik. Tetapi berdasarkan hasil pada langkah 5.5 dengan
diagram jalur seperti itu, maka perlu dilakukan pembandingan dengan
menggunakan Tabel Wright, tujuannya untuk menghitung nilai direct dan
indirect effect (Reproduced Correlation) dan membandingkan dengan nilai actual
correlation yang di hasilkan dari analisa correlation bivariate.
 19

5.6 Langkah ke 6  membuat Tabel Wright

 Hitunglah direct & indirect effect  Reproduced Correlation

 Bandingkan nilai Reproduced Correlation terhadap Actual
Correlation

Actual Reproduced Correlation Kesesuaian

Correlation
Direct Indirect Total Non Total Effek
Effek Causal +Non Causal

Fat (145) 0 (0,201*0,726) 0,146 0 0,146 sesuai

Total 0 (0,196*0,726 0,142 0 0,142 Tidak sesuai karen

Kolesterol bedanya 15%
(0,169) antara Actual
Correlation denga
Total Effek +Non
Causal

RLPP (0,227) 0,227 0 0,227 0 0,227 sesuai

Lemak 0,700 0 0,700 0 0,700 sesuai

(0,700)

Kesimpulan tabel Wright

Berdasarkan perhitungan pada tabel wright yang telah dilakukan maka variabel
Fat, RLPP dan Lemak merupakan jalur yang fit terhadap IMT (karena nilai total
effek + non causal dibandingkan dengan actual correlationnya sama atau hampir
sama ) hal itu bisa dilihat pada tabel Wright di atas.

Di antara ketiga variabel, lemak memiliki efek/kontribusi terbesar pada jalur

hubungan terhadap IMT (effect langsung) sebesar 0,700. Untuk Diagram jalur
yang Fit bisa dilihat di bawah ini.

Total
Kolesterol RLPP
IMT

Lemak
Fat Rujukan
Daftar
 20

1) Ho, Robert. (2006). Handbook of Univariate and Multivariate Data

analysis And Interpretation with SPSS. Chapman & hall/CRC
2) Lleras, Christy. (2005). Path Analysis. Encyclopedia of Social
Measurement Volume 3 Elsevier Inc., Pensylvania State University
3) Lea, S.E.G. & Webley, P. (1997). Pride in economic psychology. Journal of
Economic Psychology, 18, 323-340
4) Paul Webley and Stephen Lea. (2004) . Path analysis. Diakses di
http://people.exeter.ac.uk/SEGLea/multvar2/pathanal.html
(diakses pada 28 September 2013 jam 18:11)
5) Sarwono, Jonathan (2012). Path Analysis. Jakarta: PT. Elex Media
Komputindo
6) Streiner, David L. (2005). Finding Our Way: An Introduction to Path
Analysis. The Canadian Journal of Psychiatry, Vol 50(2), Feb 2005, 115-
122