Apa itu Analisis PATH?

Ananlisis jalur yang dikenal dengan path analysis dikembangkan pertama pada tahun 1920-an oleh
seorang ahli genetika yaiu Sewall Wright . Model path analysis merupakan model analisis untuk
menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung
maupun tidak langsung seperangkat variabel bebas terhadap variabel terikat.

Analisis jalur adalah pendekatan untuk pemodelan hubungan penjelas antara variabel yang diamati.
Diasumsikan bahwa variabel penjelas tidak mengandung kesalahan pengukuran (atau kesalahan
yang hanya dapat diabaikan). Variabel dependen dapat berisi kesalahan pengukuran yang termasuk
dalam istilah residual dari persamaan model, yaitu, bagian yang tidak dijelaskan oleh variabel
penjelas. Fitur khusus dari model analisis jalur adalah bahwa mereka tidak mengandung variabel
laten.

Analisis jalur memiliki sejarah yang relatif panjang. Istilah ini pertama kali digunakan pada awal
1900-an oleh ahli biologi Inggris Sewell Wright (Wright, 1920, 1921). Pendekatan Wright telah
dikembangkan dalam kerangka kerja yang secara analog analog dengan model yang mendasari
model perbandingan struktural, seperti yang dibahas dalam Bab. 1. Gagasan dasar analisis jalur mirip
dengan penyelesaian sistem persamaan yang diperoleh dengan mengatur elemen-elemen dari
contoh kovarians matriks S sama dengan elemen-elemen padanannya dari matriks kovarians S (g)
yang direproduksi oleh model, di mana g mewakili vektor parameter model. Wright pertama kali
menunjukkan penerapan analisis jalur untuk biologi dengan mengembangkan model untuk
memprediksi berat lahir kelinci percobaan, memeriksa kepentingan relatif dari pengaruh turun-
temurun dan lingkungan, dan mempelajari kecerdasan manusia (Wolfle, 1999). Wright (1921, 1934)
memberikan ringkasan yang berguna dari pendekatan, dengan perhitungan estimasi dan
demonstrasi teorema dasar analisis jalur yang memungkinkan korelasi variabel untuk direproduksi
dalam model dengan menghubungkan rantai jalur. Lebih khusus lagi, pendekatan analisis jalur
Wright termasuk langkah-langkah berikut. Pertama, tuliskan persamaan model sehubungan dengan
variabel yang diukur. Kedua, hitung korelasi timbal balik dalam hal parameter model yang tidak
diketahui. Akhirnya, dalam hal parameter, cobalah untuk menyelesaikan sistem persamaan yang
dihasilkan di mana korelasi digantikan oleh contoh korelasi.

Menggunakan kerangka SEM, orang dapat dengan mudah menyesuaikan model yang dibangun
dalam tradisi analisis jalur. Ini karena model analisis jalur dapat dilihat sebagai kasus khusus model
perbandingan struktural. Memang, setiap model analisis jalur dapat dianggap sebagai hasil dari
model persamaan struktural yang sesuai yang mengasumsikan (i) hubungan penjelas antara variabel
latennya, (ii) variabel independen yang akan dikaitkan tanpa kesalahan pengukuran, dan (iii) semua
variabel laten diukur dengan menggunakan beberapa indikator dengan (iv) unit memuatnya (lihat
lampiran bab ini). Jadi agar sesuai dengan model analisis jalur, orang dapat menggunakan program
SEM seperti EQS, LISREL atau Mplus. Sementara aplikasi SEM ini mengambil keuntungan dari ide asli
model pencocokan untuk matriks indeks interelasi, seperti yang dikembangkan oleh Wright (1934),
prosedur modifikasi yang sebenarnya telah sedikit dimodifikasi. Secara khusus, meskipun variabel
independen masih diperlakukan sebagai bebas kesalahan yang diukur, pendekatan SEM
mempertimbangkan semua persamaan model secara bersamaan.
CONTOH MODEL ANALISA ANALISIS

Pertimbangkan studi sampel berikut untuk menunjukkan model analisis jalur (lih. Finn, 1974; lihat
juga Jöreskog & Sörbom, 1993b, bagian 4.1.4). Studi ini meneliti efek dari berbagai variabel pada
kinerja akademik mahasiswa baru. Lima ukuran pendidikan dikumpulkan dari sampel N = 150 siswa
tahun pertama (yang asumsi normalitasnya masuk akal). Variabel-variabel yang diamati berikut
digunakan dalam penelitian:

1. Nilai rata-rata yang dicapai dalam kursus yang diperlukan (disingkat menjadi AV-REQRD = V1).

2. Rata-rata titik gelar yang dicapai dalam pilihan (AV-ELECT = V2).

3. Skor pengetahuan umum sekolah menengah (SAT = V3).

4. Skor kecerdasan dicapai pada tahun terakhir sekolah menengah (IQ = V4).

5. Skor motivasi pendidikan yang dicapai pada tahun terakhir sekolah menengah (ED-MOTIV = V5).

Model analisis jalur yang menarik di bagian ini disajikan pada Gambar. 9, di mana EQSnotation
digunakan untuk menunjukkan variabel yang diamati oleh V1 ke V5, dan istilah residual (kesalahan)
terkait dengan dua variabel rata-rata dependen dari digit (AV-REQRD dan AV-ELECT) oleh E1 dan E2 .

Dalam Gbr. 9, ada tiga panah berkepala dua yang menghubungkan semua variabel independen dan
keterkaitan antara skor pengetahuan umum sekolah menengah (SAT = V3), skor kecerdasan (IQ =
V4), dan skor motivasi (ED-MOTIV = V5). Kesalahan pengukuran tidak ada di salah satu variabel
independen. Namun, variabel dependen terkait dengan istilah residual yang mungkin mengandung
kesalahan pengukuran bersama dengan kesalahan prediksi (yang akan membingungkan dalam istilah
ini). Panah dua kepala melengkung yang menghubungkan sisa-sisa E melambangkan kemungkinan
saling keterkaitan yang juga termasuk dalam model. (Kami mencatat secara sepintas bahwa
memungkinkan korelasi istilah residu sedikit berbeda dari metode analisis jalur asli.)

Tujuan dari studi analisis jalur ini adalah untuk menyelidiki kekuatan prediktif pengetahuan sekolah
menengah, kecerdasan, dan motivasi pada kinerja akademik mahasiswa baru, sebagaimana
dievaluasi melalui titik rata-rata dalam kursus prasyarat dan pilihan. Dalam hal analisis jalur, minat
seseorang dalam regresi dua variabel dependen (V1 kemudian V2) secara bersamaan bertumpu
pada tiga variabel independen (V3, V4, dan V5). Perhatikan bahwa regresi dua variabel dependen
pada prediktor tersebut tidak sama dengan yang biasanya dilakukan dalam analisis regresi berganda
rutin, mengingat variabel dependen tunggal, karena di sini model mewakili regresi berganda
multivariat. Oleh karena itu, dalam hal persamaan, hubungan berikut dipostulatkan secara
bersamaan: