Puji syukur kita panjatkan kepada hadirat Allah SWT yang telah
memberikan kita rahmat kesehatan dan kesempatan, sehingga bisa
menyusun atau menyelesaikan penyusunan makalah Statistik ini yang
berjudul ANALISIS JALUR (PATH ANALYSIS).
Shalawat dan rangkaian salam kehadirat nabi Muhammad SAW
yang kita dari alam kegelapan menuju terang benderang.
Pembuatan makalah ini bertujuan sebagai tugas pribadi Statistik
dan sebagai bahan perkuliahan.
Penulis mengucapkan terimakasih kepada Bapak Prof. Dr. Bornok
Sinaga, M. Pd. yang telah membimbing penulis dan pihak-pihak yang
telah membantu dalam pembuatan makalah ini.
Makalah ini penulis yakini jauh dari kesempurnaan dan masih
banyak kekurangannya seperti pepatah yang mengatakan “tak ada gading
yang tak retak“, baik isi maupun penyusunnya. Atas semua itu dengan
rendah hati penulis harapkan kritik dan saran yang membangun guna
menyempurnakan makalah ini. Semoga makalah ini dapat bermanfaat.
DAFTAR ISI
BAB I
PENDAHULUAN
A. Latar Belakang
B. Rumusan Masalah
C. Tujuan Pembahasan
D. Manfaat Pembahasan
Penulis berharap makalah ini memiliki manfaat bagi kita semua.
Dimana dengan adanya makalah ini dapat membantu semua kalangan
baik itu mahasiswa, pelajar dan masyarakat umum mendalami ilmu
statistika terutama dalam analisis jalur (path analysis). Selain itu sebagai
tambahan wawasan dalam menyelesaikan soal-soal yang berkaitan
dengan masalah analisis jalur.
BAB II
KAJIAN PUSTAKA
Y2
X2
Gambar 2.1 Model Regresi Berganda Dua Variabel
d. Model Mediasi
Model mediasi atau model perantara dimana pengaruh
variabel X terhadap variabel Y melalui variabel I. Misalnya dalam
ilmu kependidikan, hasil belajar tidak secara langsung dipengaruhi
oleh kepandaian seseorang tetapi kepandaian seseorang akan
menciptakan efisiensi belajara dan efisiensi belajarlah yang akan
menentukan hasil belajar. Di bidang pemasaran: kualitas produk
tidak semata-mata/ secara langsung akan mempengaruhi
penjualan, tetapi melalui pengemasan produk itu hasil penjualan
akan terangkat naik. Model ini digambark.an sebagai berikut:
X1
I2
Y2
kinerja karyawan (X1) dan kualitas layanan (X2), dimana kualitas layanan
dipengaruhi oleh kinerja karyawan. Dalam dunia pendidikan bisa juga terjadi
X1
Y2
X2
f. Model Kompleks
Model ini merupakan model yang melibatkan lebih dari tiga
variabel diamana variabel indogen (exogenous) dipengaruhi oleh
beberapa variabel eksogen (exogenous) dengan pola pengaruh
langsung dan pola tidak langsung. Misal dalam studi psikologi:
psikopatologi tahap pertama seorang ibu (X 1 ) akan menjadi penentu
terhadap patologi tahap kedua ibu yang bersangkutan (X 2 ); patologi
tahap pertama anaknya (X 3 ) akan mempengaruhi patologi anak
tahap kedua (Y); patologi anak tahap kedua (Y) juga dipengaruhi
oleh X 1 langsung dan X 1 melalui X 2 . Model digambarkan sebagai
berikut:
\
X1 X2
X3 Y
Gambar 2.4 Model Kompleks
e2 e3 e4
Model rekursif dapat juga digambarkan sebagai berikut ini:
1
P41
P31 P43
P21
P32 3 4
P42
e2 e3 e4
Gambar 2.5 Model Rekursif
Model tersebut dapat diterangkan sebagai berikut:
1. Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2
ke 3 dan dari 3 menuju ke 4. Tidak ada arah yang terbalik,
misalnya dari 4 ke 1.
2. Hanya terdapat satu variabel exogenous, yaitu 1 dan tiga variabel
endogenous, yaitu 2, 3, dan 4. Masing-masing variabel
endogenous diterangkan oleh variabel 1 dan error (e2, e3, dan e4).
3. 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 terbalik, misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2,
atau bersifat sebab akibat.
Dari berbagai model sebelumnya masih bisa dikembangkan
berbagai model yang lebih kompleks tergantung dari kepengtingan
penelitian yang ditopang oleh teori yang relevan. Model-model analisis
jalur sangat membantu melakukan analisis yang yang lebih teliti dan
kompleks tanpa mengorbankan variabel yang benar-benar berperan
dalam mempengaruhi variabel indogen, walaupun sifat pengaruhnya tidak
langsung. Kondisi ini sangat cocok dalam mendalami kehidupan manusia,
mengingat faktor sebab akibat dalam kehidupan manusia itu sangat
kompleks dan tidak mungkin faktor yang mempengaruhinya itu diabaikan
begitu saja.
Pada bagian berikut untuk mempermudah kita dalam memahami
analisis jalur, maka kita bisa menggunakan model-model jalur berikut:
1. Model Persamaan Satu Jalur
Model persamaan satu jalur merupakan hubungan sebenarnya
sama dengan regresi berganda, yaitu variabel bebas terdiri lebih
dari satu variabel dan variabel tergantungnya hanya satu.
2. Model Persamaan Dua Jalur
Model ini terdiri dari tiga variabel bebas dan mempunyai dua
variabel tergantung.
3. Model Persamaan Tiga jalur
Model ini terdiri dari tiga variabel bebas, salah satu variabel bebas
menjadi variabel perantara dan mempunyai dua variabel
tergantung.
Keterangan:
xi = simpangan (deviasi) = X i X
si = simpangan baku (deviasi standart)
zi = angka/ skor baku
s2 = varian
s2
x 2
untuk populasi, atau s2
x 2
untuk sampel.
n ( n 1)
xi xj
2. Karena z i dan z j
si sj
xi . x j
maka: z i .z j
si .s j
x i .x j x .x x .x x .x
z .z
i j i j i j
n.
x x
i j 2
n.rij
si. s j s i .s j
x . x 2 2 2
i j i j
n n
z .z 1
z
z i .z j maka
i j 2
sehingga rij i
n n
3. Karena z i
.z j n.rij maka: z 2
i z i .z j n.rij n.1 n
sehingga: z 2
n
4. z e n.r
i xi ,e 0 atau z.e n.r xe 0
X2 1 r 23 r24
X3 1 r34
X4 1
r21 p 21
b.
r13
1
n
1
z1 .z 3 z1 p31 .z1 p31 .z 2 e3
n
1
n
p31. z12 p32 z1 .z 2 z1 .e3
1
p31 .n p32 .n.r12 0 p31 p32 .r12
n
r13 p 31 p 32 .r21
1 1
c. r14 z1 .z 4 z1 p 41 .z1 p 42 .z 2 p 43 .z 3 e4
n n
1
n
p 41 z12 p 42 z1 .z 2 p 43 z1 .z 3 x1 .e 4
1
p 41 .n p 42 .n.r12 p 43 .n.r13 0 p 41 p 42 .r12 p 43 .r13
n
r14 p 41 p 42 .r12 p 43 .r13
1 1
d. r23 z 2 .z 3 z 2 p31 .z1 p32 .z 2 e3
n n
1
n
p31 z 2 .z1 p32 z 22 z 2 .e3
1
p31 .n.r21 p32 .n. 0 p31 r21 p32
n
r23 p 31 r21 p 32
e. r24 1 z 2 .z 4 1 z 2 p 41 .z1 p 42 .z 2 p 43 .z 3 e4
n n
1
n
p 41 z 2 .z1 p 42 z 22 p 43 z 2 .z 3 x 2 .e4
1
p 41 .n.r21 p 42 .n. p 43 .n.r23 0 p 41 .r21 p 42 p 43 .r23
n
r24 p 41 .r21 p 42 p 43 .r23
1 1
f. r34 z 3 .z 4 z 3 p 41 .z1 p 42 .z 2 p 43 .z 3 e4
n n
1
n
p 41 z 3 .z1 p 42 z 3 .z 2 p 43 z 32 x3 .e4
1
p 41.n.r31 p 42 .n..r32 p 43 .n. 0 p 41 .r31 p 42 .r32 p 43
n
e1 X1 r14
p41
p31 r13 e3 e4
r12 X3 r34 X4
p21 r23 r24 p43
p32 p42
e2 X2
X2 1 r 23 r24
X3 1 r34
X4 1
b) Xˆ 4 p 41 x1 p 42 x 2 p 43 p3
2) Menentukan matriks korelasi antar variabel eksogen
a) Untuk persamaan struktural 1:
X1 X2
R1 = 1 r12
r21 1
b) Untuk persamaan struktural 2:
X1 X2 X3
1 r12 r13
R1 = r21 1 r23
r31 r32 1
3) Menentukan invers matriks variabel eksogen
Invers matriks ditentukan untuk matriks variabel eksogen
struktural 1 maupun struktural 2. Secara umum invers
matriks variabel eksogen yaitu:
X1 X2 … Xk
C11 C12 … C1k
R11 C22 … C2k
.
.
.
Ckk
4) Menentukan koefisien jalur
pXuX1 C11 C12 … C1k rXuX1
pXuX2 = C22 … C2k rXuX2
. . .
. . .
. . .
pXuXk Ckk rXuXk
Berdasarkan model jalur di atas, maka ada dua sistem
persamaan matriks yang harus diselesaikan, yaitu:
r32
r41
2) R X 4 ( X 1 X 2 X 3 )
2
(p41 p41 p43) r42
r43
e. Menguji keberartian koefisien jalur
Pengujian dapat dilakukan untuk uji dua pihak maupun uji satu
pihak (baik pihak kanan maupun pihak kiri).
Hipotesis untuk uji dua pihak yaitu:
H 0 : p ji 0
H 1 : Pji 0
s e2 su2.12.....k
X u Xˆ u
( n k 1)
atau dengan rumus lain:
s 2
z 2
u bu1 z1 z u bu 2 z 2 z u .... bui z i z u
e
n k 1
b. Hitung R = koefisien korelasi antara variabel eksogenus X i
yang dianggap sebagai variabel endogen dengan variabel-
variabel eksogenus lainnya yang ada dalam model struktur.
Jika dalam model struktur hanya memiliki 2 variabel
eksogenus, maka:
n. Z 1 Z 2 Z 1 Z 2
R = r21 = r12 =
n Z 12 Z 1 n Z 22 Z 2
2 2
b21 z1 z 2
R = r21 = r12 =
z 2
2
s e2
sui
Z Z 1 R
i i
2
i
2
atau rumus:
s e2
s ui
zi2 1 Ri2
d. Tentukan nilai thitung :
bui p
th = ui ; i = 1, 2, …, k
s ui sui
Res. X1 X2 X3
1 30 70 6
2 32 78 7
3 45 56 5
4 24 45 5
5 46 68 6
6 32 67 7
7 33 54 6
8 35 50 8
9 20 45 6
10 41 70 8
10.20770 (338)(603)
=
10.12060 (338) 2 10.37599 (603) 2
207700 203814
=
(79,7245)(111,2699)
3886
= 8870,9371 0,44
n. X 1 X 3 X 1 X 3
r13
n X 12 X 1 n X 32 X 3
2 2
10.20770 (338)(64)
=
10.12060 (338) 2 10.420 (64) 2
21750 21632
=
(79,7245)(10,1980)
118
= 813,0305 0,15
n. X 2 X 3 X 2 X 3
r23
n X 22 X 2 n X 32 X 3
2 2
10.3902 (603)(64)
=
10.37599 (603) 2 10.420 (64) 2
428
=
(111,2699)(10,1980)
428
= 1134,7304 0,38
X1 1 0, 44 0, 15
X2 0, 44 1 0, 38
X3 0, 15 0, 38 1
p 2 0
1 1 0,44
R11
(1 0,1936) 0,44 1
1, 24 0,55
= 0,55 1,24
c. Menentukan koefisien jalur:
rX 3 X 1
p31 C11 C12
=
rX 3 X 2
p32 C21 C22
0,55
p 31 1,24 0,15
p 32 0,55 1,24 0,38
p31 0,02
p32 0,39
yaitu:
Xˆ 3 0,02 X 1 0,39 X 2
5. Menghitung koefisien determinasi ganda (struktur) untuk
masing-masing model struktural.
a. Untuk struktur 1: Xˆ 2 0,44 X 1
Koefisien determinasinya yaitu:
R X2 2 ( X 1 ) ( p 21 ) r12
= (0,44)(0,44) = 0,19
0,15
= (-0,22 0,39) 0,38 = -0,0030 + 0,1482 =
0,14
6. Menguji keberartian koefisien jalur
a. Menguji hipotesis pengaruh langsung motivasi belajar (X 1)
terhadap kompetensi kognitif matematika (X2).
Hipotesis yang diuji yaitu:
H0 : p21 = 0
H1 : p21 0
harga thitung yaitu:
pX u X 1
th
1 R 2
Xu X 1 X 2 .....X k Cii
( n k 1)
p 21
th
1 R 2
X2
( X 1 ) C11
(n k 1)
0,44 0,44
0,44
= 1 0,191 = 0,81 =
0,32
1,375
(10 1 1) 8
p31
th
1 R 2
X3
( X 1 X 2 ) C11
(n k 1)
0,02 0,02
= 1 0,141,24 = 1,07 = 00,39
,02
0,051
(10 2 1) 7
p32
th
1 R 2
X3
( X 1 X 2 ) C22
(n k 1)
0,39 0,39
0,39
= 1 0,141,24 = 1,07 =
0,39
1,000
(10 2 1) 7
1 0,44
R , adalah
0,44 1
1,24 0,55
R 1
0,55 1,24
p31 p32
t
1 r R
2
21
1 1
R 22 2 R12
11
1
n k 1
0,02 0,39
1 0,438 1,24 1,24 2(0,55
2
10 2 1
0,02 0,39 0,41
1,03
(0,81)(1,38) 0,40
7
Untuk = 0, 05 dan dk = n – k – 1= 10 – 2 – 1 = 7 untuk uji
dua pihak diperoleh t tabel= 2, 365.
Karena t < ttabel, maka proposisi hipotesis yang diajukan
tidak terdapat perbedaan pengaruh motivasi belajar dan
kompetensi kognitif matematika terhadap konsistensi diri
diterima (H0 diterima). Berdasarkan pengujian perbedaan
koefisien jalur X1 ke X3 dan X2 ke X3 secara statistik tidak
bermakna atau besarnya koefisien jalur X 1 ke X3 tidak
berbeda secara signifikan denagn koefisien jalur X 2 ke X3.
hal ini menunjukkan bahwa besarnya pengaruh motivasi
belajar terhadap konsistensi diri dan pengaruh kompetensi
kognitif matematika terhadap konsistensi diri tidak memiliki
perbedaan yang berarti.
7. Kesimpulan
Berdasarkan hasil perhitungan analisi jalur dari model jalur di
atas diperoleh informasi sebagai berikut:
a. Koefisien jalur X1 terhadap X2 (p21) sebesar 0,44 dan setelah
diuji dengan uji-t pengaruh tersebut nyaris nyata/ signifikan.
Hal tersebut menunjukkan tidak ada pengaruh langsung
yang signifikan motivasi belajar (X 1) terhadap kompetensi
kognitif matematika (X2). Kontribusi langsung motivasi
belajar (X1) terhadap kompetensi kognitif matematika (X 2)
hanya sebesar 0,442 x 100 % = 19, 36 %
b. Koefisien jalur X1 terhadap X3 (p31) sebesar -0, 02 dan
setelah diuji dengan uji-t pengaruh tersebut tidak nyata/
signifikan. Hal tersebut menunjukkan tidak ada pengaruh
langsung yang signifikan motivasi belajar (X 1) terhadap
konsistensi diri siswa (X3). Kontribusi langsung motivasi
belajar (X1) terhadap konsistensi diri siswa (X 3) sangat kecil
bahkan nyaris tidak berkontribusi, yaitu hanya sebesar (-0,
022) x 100 % = 0, 04 %
c. Koefisien jalur X2 terhadap X3 (p32) sebesar 0,39 dan setelah
diuji dengan uji-t pengaruh tersebut tidak nyata/ signifikan.
Hal tersebut menunjukkan tidak ada pengaruh langsung
yang signifikan kompetensi kognitif matematika (X 2)
terhadap konsistensi diri siswa (X 3). Kontribusi langsung
kompetensi kognitif matematika (X2) terhadap konsistensi diri
siswa (X3) hanya sebesar 0, 392 x 100 % = 15, 21 %
d. Koefisiensi determinasi atau kontribusi motivsi belajar (X 1)
dan kompetensi kognitif matematika (X2) secara bersama-
sama terhadap konsistensi diri siswa (X 3) ditunjukkan oleh
koefisien determinasi ganda dari model struktural kedua
yaitu sebesar 0, 14 = 14 %. Hal ini menunjukkan bahwa
keberadaan atau skor konsistensi diri siswa dapat dijelaskan
oleh faktor motivasi belajar dan kompetensi kognitif
matematika sebesar 14 %, sedangkan sisanya sebesar 86
% dipengaruhi oleh faktor (variabel) lain yang tidak dapat
dijelaskan dalam penelitian ini.
e. Koefisien jalur pengaruh tidak langsung motivasi belajar (X 1)
terhadap konsistensi diri (X3) melalui kompetensi kognitif
matematika (X2) ditentukan dari hasil kali koefisien jalur X1 ke
X2 dan X2 ke X3. koefisien jalur pengaruh tidak langsung X 1
ke X2 melalui X3 yaitu:
p21 x p32 = 0, 44 x 0, 39 = 0, 17
Koefisien jalur sebesar 0, 17 ini tidak signifikan.
Tabel 2.5 Ringkasan Analisis Jalur
Variabel Koefisien Jalur Pengaruh (koefisien Pengaru
determinasi) h
Bersama
X1 dan X2 - - - - - - 14 %
X3
X3
X2 X2 X2
-
1 30 70 6 900 4900 36 0,83 -0,37
0,45
-
2 32 78 7 1024 6084 49 1,51 0,56
0,21
-
3 45 56 5 2025 3136 25 1,33 -1,31
0,37
-
4 24 45 5 576 2025 25 -1,3 -1,31
1,17
5 46 68 6 2116 4624 36 1,45 0,65 -0,37
-
6 32 67 7 1024 4489 49 0,57 0,56
0,21
-
7 33 54 6 1089 2916 36 -0,1 -0,37
0,54
-
8 35 50 8 1225 2500 64 0,14 1,49
0,88
-
9 20 45 6 400 2025 36 -1,3 -0,37
1,64
Keterangan :
Xi Xi
Zi
si
X 2
X 12 1 338 2
12060
n 10
s1 8,4
n 1 10 1
603
b. X 2 60,3 dan
10
X 2
X 22 2 603 2
37599
n 10
s2 11,7
n 1 10 1
64
c. X 3 6,4 dan
10
X 2
X 32 3 64 2
420
n 10
s3 1,1
n 1 10 1
3. Menghitung mean (rerata) dan standar deviasi dari data dalam skor
baku (Z).
a. Mean (rerata) angka baku setiap variabel.
Rerata angka baku dari variabel X1 (Z1):
Z1
Z 1
0
n
Rerata angka baku dari variabel X2 (Z2):
Z2
Z 2
0
n
Rerata angka baku dari variabel X3 (Z3):
Z3
Z 3
0
n
b. Standar deviasi angka/ skor baku dari setiap variabel.
Standar deviasi angka baku dari variabel X 1 atau Z1:
Z 2
1 Z1 9
s z1 1
n 1 9
Z 2
2 Z2 9
s z2 1
n 1 9
Z 2
3 Z3 9
s z3 1
n 1 9
Ẑ 2 = a + b21Z1
a
Z Z Z . Z Z
2 1
2
1 1 2
0(8,98) (0)(3,93)
0,00
n. Z Z 10(8,98) 0 2
2 2
1 1
atau
a Z 2 b21 Z 1 0 0,44(0) 0
s e2 s y2. x
(Z 2 Zˆ 2 ) 2
7,26
7,26
0,91
n k 1 10 1 1 8
Atau dengan rumus lain:
s e2
z 2
2 b21 z1 z 2
8,98 (0,44)(3,93)
0,91
n k 1 10 1 1
b) Hitung R = koefisien korelasi antara variabel
eksogenus Xi (Zi) yang dianggap sebagai variabel
endogen dengan variabel-variabel eksogenus lainnya
yang ada dalam model struktur.
Karena dalam model struktur 1, hanya memiliki 1
variabel eksogenus, maka tidak ada R (R = 0).
c) Menghitung simpangan kekeliruan baku setiap
koefisien jalur bui = pui :
( Z 1 ) 2 02
z12 Z12 n
8,98
10
8,98
Sehingga;
s e2 0,91
s p 21 0,101 0,32
( z i2 )(1 Ri2 (8,98)(1 0)
Zˆ 3 a b31 Z 1 b23 Z 2 .
Langkah-langkahnya, yaitu:
1. Dari data Z1, Z2, dan Z3 di atas dapat dihitung harga-harga
jumlah untuk menentukan koefisien regresi linier berganda
dengan 2 variabel bebas dari angka/ skor baku:
Tabel 2.8 Harga-Harga Jumlah Ukuran-Ukuran untuk
Z2 2 02
b. z 22 z 22 n
8,98
10
8,98
Z3 2 02
c. z32 z32 n
9,06
10
9,06
Z Z (0)(0)
z z Z1 Z 3
1 3
d. 1 3 1,32 1,32
n 10
Z Z (0)(0)
z 2 z3 Z 2 Z 3
2 3
e. 3,41 3,41
n 10
Z Z (0)(0)
z z Z1 Z 2
1 2
f. 1 2 3,93 3,93
n 10
3. Menentukan koefisien-koefisien dan konstanta persamaan
regresi ganda:
a. Koefisien regresi X1 (Z1):
b31
z z z z z z z
2
2 1 2 1 2 2 3
z z z z
2
1
2
2 1 2
2
(8,98)(1,32) (3,93)(3,41)
0,02
(8,98)(8,98) 3,93 2
b32
z z z z z z z
2
1 2 3 1 2 1 3
z z z z
2
1
2
2 1 2
2
(8,98)(3,41) (3,93)(1,32)
0,39
(8,98)(8,98) 3,93 2
a
Z 3 Z1
b31 b32 2
Z 0
0 0
(0,02) (0,39) 0
n n n 10 10 10
Catatan:
Koefisien regresi ganda dari skor baku tersebut
merupakan koefisien jalur, sehingga:
- b31 = p31 = koefisien jalur dari X1 ke X3 (Z1 ke Z2)
- b32 = p32 = koefisien jalur dari X2 ke X3 (Z2 ke Z3)
Dengan demikian diperoleh persamaan regresi ganda
sebagai model struktur 2, yaitu:
Xˆ 3 0,02 X 1 0,39 X 2 atau Zˆ 3 0,02 Z 1 0,39 Z 1
s e2
z 2
3 b31 z1 z 3 b32 z 2 z 3
n k 1
9,06 ( 0,02)(1,32) (0,39)(3,41)
1,108
10 2 1
b) Menghitung R = koefisien antara variabel eksogen X i
(Zi) yang dianggap sebagai variabel endogen dengan
variabel-variabel eksogen lainnya yang ada dalam
model struktur 2.
n. Z 1 Z 2 Z 1 Z 2
R r21 r12
n. Z 22 Z 2 n.. Z 12 Z 1
2 2
10(3,93) (0)(0)
10(8,98) (0) 2 10(8,98) (0) 2
39,3
0,44
89,9 89,8
s e2 1,108
s p 31
z12 1 r122 (8,98)(1 0,44 2 )
0,153 0,39
s e2 1,108
s p 32
z 22 1 r212 (8,98)(1 0,44 2 )
0,153 0,39
Untuk = 0, 05 dan dk = n – k- 1 = 10 – 2- 1 = 7
untuk uji dua pihak diperoleh ttabel = 2, 365
Karena –ttabel < thitung < ttabel maka H0 diterima dan
disimpulkan tidak terdapat pengaruh langsung
yang signifikan motivasi belajar (X 1) terhadap
konsistensi diri (X3).
(2) Hipotesis 2: Menguji koefisien jalur p = b
Hipotesis yang diuji:
H0 : tidak terdapat pengaruh langsung hasil belajar
kognitif matematika (X2) terhadap konsistensi diri
(X3) melawan
H1 : terdapat pengaruh langsung hasil belajar
kognitif matematika (X2) terhadap konsistensi diri
(X3)
Atau H0 : p32 = 0 melawan H1 : p32 0
Hipotesis tersebut diuji denga uji-t sebagai berikut.
p32 0,39
th 1,00
s p 32 0,39
Untuk = 0, 05 dan dk = n – k- 1 = 10 – 2- 1 = 7
untuk uji dua pihak diperoleh ttabel = 2, 365
Karena –ttabel < thitung < ttabel maka H0 diterima dan
disimpulkan tidak terdapat pengaruh langsung
yang signifikan langsung hasil belajar kognitif
matematika (X2) terhadap konsistensi diri (X3).
Dengan kat alain, proporsi hipotesis yang diajukan
memberikan keterangan objektif, bahwa tidak
terdapat jalur antara X2 dengan X3, karena
berdasarkan pengujian koefisien jalur X 2 ke X3
secara statistik tidak bermakna. Hal ini
menunjukkan bahwa hasil belajar kognitif
matematika tidak memberikan pengaruh langsung
yang signifikan terghadap konsistensi diri.
e) Menguji koefisien jalur tidak langsung
melalui X2.
melalui X2
Pengujian hipotesis:
2 2
Dari data di atas diketahui: s21 = 0, 32 = 0, 1024 dan
2 2
s32 = 0, 39 = 0, 1521
(n2 1) s 21
2
(n32 1) s32
2
S =
g
n 21 n32 2
0,9216 1,3689
= 0,12725 0,36
18
c. Hipotesis Penelitian
Berdasarkan judul di atas, maka hipotesis penelitian yaitu:
H0 : Tidak terdapat perbedaan pengaruh antara kemampuan
pemahaman matematika, kemampuan koneksi matematik,
kemampuan pemecahan masalah, kemampuan berpikir logis,
kemampuan berpikir kreatif, dan kompetensi kognitif matematika
terhadap konsistensi diri.
H1 : Terdapat perbedaan pengaruh antara kemampuan
pemahaman matematika, kemampuan koneksi matematik,
kemampuan pemecahan masalah, kemampuan berpikir logis,
kemampuan berpikir kreatif, dan kompetensi kognitif matematika
terhadap konsistensi diri.
e1 X1
e2 X2 r27 p71
r23 p41 p72
e3 p26 r13 e6 e7
X3 r36 X6 p73 r67 X7
p36 r46 r24 p74
r34 p146 p75
e4 X4
p56
r45 r56
e5
X5
Kemampua
Kemampua Kompetensi
Nomor n Kemampuan Kemampua Kemampua
n Koneksi Kognitif Konsistens
Responde Pemahaman Pemecahan n Berpikir n Berpikir
Matematik Matematika i Diri (X7)
n Matematika Masalah (X3) Logis (X4) Kreatif (X5)
(X2) (X6)
(X1)
1 80 70 80 70 70 80 80
2 80 80 80 80 80 80 80
3 60 80 50 60 80 50 50
4 50 60 77 50 60 80 80
5 90 80 90 90 80 90 90
6 30 70 50 30 70 50 50
7 100 66 100 100 70 100 100
8 80 60 90 50 60 90 90
9 70 80 90 70 80 90 90
10 90 70 10 90 70 10 10
11 50 40 50 50 40 50 90
12 100 80 70 100 80 70 70
13 50 70 30 50 70 30 30
14 70 80 90 70 80 90 90
15 80 70 60 80 77 90 80
16 90 60 90 90 60 90 90
17 80 80 90 80 80 90 90
18 70 70 70 70 70 70 70
19 100 60 80 100 60 80 80
20 80 90 80 80 90 80 80
21 100 70 80 100 70 80 80
22 20 40 10 20 40 10 10
23 20 70 80 20 70 80 80
24 90 70 90 90 70 90 90
25 60 90 80 60 90 80 80
26 80 70 80 80 70 80 80
27 80 80 90 80 80 90 90
28 60 60 60 60 60 60 60
29 90 90 90 90 90 90 90
30 60 70 80 60 70 80 80
31 40 50 60 40 50 60 60
32 80 80 90 80 80 90 90
33 30 50 80 30 50 80 80
34 90 90 80 90 90 80 80
35 100 90 100 100 90 100 100
36 90 80 100 90 80 100 100
37 30 60 70 30 60 70 70
38 90 70 80 90 70 80 80
39 90 30 60 90 30 60 60
40 80 70 80 80 70 80 80
41 50 60 30 50 60 30 30
42 100 90 90 100 90 90 90
43 80 70 80 80 70 80 80
44 60 40 50 60 40 50 50
45 20 30 10 20 30 10 10
46 67 99 80 80 100 60 80
47 40 50 20 40 50 20 20
48 90 70 80 90 70 80 80
49 60 80 70 60 80 70 70
50 90 70 80 90 70 80 80
51 100 70 30 100 70 30 30
52 90 60 70 90 60 70 70
53 80 60 60 80 60 60 60
54 90 70 90 90 70 90 90
55 90 80 70 90 80 70 70
56 60 90 80 60 90 80 80
57 90 90 90 90 90 90 90
58 60 60 60 60 60 60 60
59 30 70 80 30 70 80 80
60 80 80 90 80 80 90 90
61 90 90 80 90 90 80 80
62 100 90 90 100 90 90 90
63 80 70 90 80 70 90 90
64 30 80 60 30 80 60 60
65 60 70 70 60 70 70 70
66 70 60 60 70 60 60 60
67 50 50 40 50 50 40 40
68 70 80 80 70 80 80 80
69 50 50 70 50 50 70 70
70 40 60 60 40 60 60 60
71 80 80 50 50 50 50 50
72 80 50 10 10 10 10 40
73 60 77 60 80 60 80 80
74 80 90 20 20 20 20 80
75 70 50 80 80 80 80 60
76 66 100 70 70 70 70 80
77 60 90 80 80 80 80 70
78 80 90 30 30 30 30 66
79 70 10 70 70 70 70 60
80 40 50 60 60 60 60 80
81 80 70 90 90 90 90 70
82 70 30 70 70 70 70 40
83 80 90 80 80 80 80 80
84 70 60 90 90 90 90 70
85 60 90 60 60 60 60 80
86 80 90 80 80 80 80 70
87 70 70 90 90 90 90 60
88 60 80 80 80 80 80 80
89 90 80 90 90 90 90 70
90 70 80 90 90 90 90 60
91 40 10 60 60 60 60 90
92 70 80 70 70 70 70 70
93 70 90 60 60 60 60 40
94 90 80 40 40 40 40 70
95 70 80 80 80 80 80 70
96 80 90 70 70 70 70 90
97 60 60 60 60 60 60 70
98 90 90 90 90 90 90 70
99 70 80 70 80 70 80 50
100 50 60 50 60 50 60 80
101 80 90 80 90 80 90 50
102 50 80 50 80 50 80 90
103 90 80 90 80 90 80 90
104 90 100 90 100 90 100 80
105 80 100 80 100 80 100 60
106 60 70 60 70 60 70 70
107 70 80 70 80 70 80 30
108 30 60 30 80 90 60 70
109 70 80 70 80 70 80 60
110 60 30 88 30 60 30 50
B. Analisis Data
Analisis data menggunakan bantuan software SPSS 22.0 for
windows dengan langkah-langkah berikut: Buka aplikasi SPSS > copy
paste data X1, X2 dan > analyze > Regression > Linear, seperti
gambar:
1 10
,953a ,908 ,904 6,645 ,908 206,187 5 ,000 1,534
4
ANOVAa
a. Dependent Variable: X6
b. Predictors: (Constant), X5, X1, X2, X3, X4
Coefficientsa
Model B Error Beta T Sig. Bound Bound order Partial Part nce VIF
1 (Consta
5,533 3,306 1,674 ,097 -1,023 12,089
nt)
X1 -,355 ,057 -,334 -6,254 ,000 -,468 -,242 ,405 -,523 -,186 ,308 3,242
X2 ,222 ,046 ,187 4,809 ,000 ,131 ,314 ,408 ,427 ,143 ,586 1,708
X3 ,892 ,043 ,883 20,536 ,000 ,806 ,978 ,920 ,896 ,610 ,476 2,100
X4 ,447 ,059 ,463 7,604 ,000 ,330 ,563 ,648 ,598 ,226 ,237 4,212
X5 -,277 ,072 -,216 -3,862 ,000 -,419 -,135 ,673 -,354 -,115 ,282 3,547
a. Dependent Variable: X6
Correlations
X6 X1 X2 X3 X4 X5
Change Statistics
R
R Adjusted Std. Error of Square df df Sig. F Durbin-
1 10
,786a ,618 ,596 12,451 ,618 27,774 6 ,000 2,600
3
ANOVAa
a. Dependent Variable: X7
b. Predictors: (Constant), X6, X1, X2, X5, X4, X3
Coefficientsa
Standar
Unstandardi dized 95,0%
zed Coeffici Confidence Collinearity
Coefficients ents Interval for B Correlations Statistics
X1 ,136 ,125 ,140 1,091 ,278 -,111 ,384 ,352 ,107 ,066 ,224 4,461
X2 ,148 ,096 ,136 1,548 ,125 -,042 ,338 ,342 ,151 ,094 ,479 2,088
X3 ,307 ,183 ,333 1,677 ,096 -,056 ,670 ,716 ,163 ,102 ,094 10,617
X4 -,185 ,137 -,210 -1,346 ,181 -,457 ,088 ,372 -,131 -,082 ,153 6,555
X5 -,316 ,144 -,270 -2,200 ,030 -,600 -,031 ,363 -,212 -,134 ,247 4,055
X6 ,575 ,184 ,629 3,127 ,002 ,210 ,939 ,730 ,294 ,190 ,092 10,913
a. Dependent Variable: X7
Correlations
X7 X1 X2 X3 X4 X5 X6
A. Simpulan
Publication.