1

Makalah Statistika Dasar

Path Analysis (Analisis Jalur)

Dosen Pengampu : Apit Faturrohman

Kelompok Khi Kuadrat :

Ξ Fitria Adi Mustika

Ξ Innas Amalia Utami
Ξ Ricky Azrofi Samara
Ξ Rizky Nur Hidayah
Ξ Veronika Aprilia
Ξ Yeti Haryani

Pendidikan Fisika

Fakultas Keguruan dan Ilmu Pendidikan

Universitas Sriwijaya

2014/2015
 2

Daftar Isi

Daftar Isi
BAB I
PENDAHULUAN
A.Latar Belakang
B.Tujuan
BAB II
PEMBAHASAN
1.Path Analysis
A.Definisi Path Analysis
B. Prinsip-Prinsip Path Analysis
2. Diagram Jalur (Path Diagram)
3. Koefisien Jalur dan Perhitungan Koefisien Jalur
4. Pengujian model
BAB III
PENUTUP
Kesimpulan
Daftar Pustaka

BAB I

PENDAHULUAN
A.Latar Belakang
Analisis 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).
Bagaimana sejarah perkembangan analisis jalur? Teknik analisis jalur,
yang dikembangkan oleh Sewal Wright di tahun 1934, sebenarnya merupakan
pengembangan korelasi yang diuraikan menjadi beberapa interpretasi akibat
 3

yang ditimbulkannya. Lebih lanjut, analisis jalur mempunyai kedekatan dengan

regresi berganda, atau dengan kata lain, regresi berganda merupakan bentuk
khusus dari analisis jalur. 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.

B.Tujuan
1) Memahami populasi,sampel,dan pengujian normalitas data.
2) Mengerti dan memahami keseluruhan Teknik Sampling melalui contoh
soal dan latihan soal beserta penyelesaiannya.
3) Mengetahui dan memahami kaitan statistika dasar dalam bidang fisika.

BAB II

PEMBAHASAN

1.Path Analysis
A.Definisi Path Analysis
 4

Path analysis (PA) atau analisis jalur adalah keterkaitan antara variable
independent, variable intermediate, dan variable dependen yang biasanya
disajikan dalam bentuk diagram. Didalam diagram ada panah panah yang
menunjukkan arah pengaruh antara variable-variabel exogenous, intermediary,
dan variabel dependent. Path analysis digunakan untuk menganalisis pola
hubungan antara variabel dengan tujuan untuk mengetahui pengaruh langsung
maupun tidak langsung seperangkat variabel bebas (eksogen) terhadap
variabel terikat (endogen). Teknik analisis jalur ini akan digunakan dalam
menguji besarnya sumbangan (kontribusi) yang ditunjukkan oleh koefisien jalur
pada setiap digram jalur dari hubungan kausal antar variabel X 1, X2, dan X3
terhadap Y serta dampaknya kepada Z.

Melalui analisis jalur ini akan dapat ditemukan jalur mana yang paling
tepat dan singkat suatu variabel eksogen menuju variabel endogen yang
terkait.Teknik ini dikembangkan sejak tahun 1939 oleh Sewall Wright. Berbeda
dengan korelasi dan regresi, analisis jalur mempelajari apakah hubungan yang
terjadi disebabkan oleh pengaruh langsung dan tidak langsung dari variabel
independen terhadap variabel dependen, mempelajari ketergantungan sejumlah
variabel dalam suatu model (model kausal), dan menganalisis hubungan antar
variabel dari model kausal yang telah dirumuskan oleh peneliti atas dasar
pertimbangan teoritis.

B. Prinsip-Prinsip Path Analysis

1. Pada model path analysis, hubungan antar variabel bersifat linear, adaptif
dan bersifat normal.

2. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas
yang terbalik.

3. Variabel terikat (endogen) minimal dalam skala ukuran interval dan ratio.
 5

4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel

untuk memberikan peluang yang sama pada setiap anggota populasi untuk
dipilih menjadi anggota sampel.

5. Observed variables diukur tanpa kesalahan (instrumen pengukuran valid dan

reliable) artinya variabel yang diteliti dapat diobservasi secara langsung.

6. Model yang dianalisis dispesifikasikan (diidentifikasikan) dengan benar

berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori
yang dikaji atau yang diuji dibangun berdasarkan kerangka teoritis tertentu
yang mampu menjelaskan hubungan kausalitas antar variabel yang diteliti.

2. 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 menunjukkanpengaruh dari sebuah
variabel
eksogen terhadap sebuah variabel endogen. Misalkan :
X1 X2

3. Panah berkepala dua menggambarkan hubungan korelatif antar variabel

eksogen. Misalkan :
X1 X2
 6

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 ε.

Contoh :

1)

p2ε

p21

X1 X2

Diagram jalur ini adalah diagram jalur yang paling sederhana. Besarnya
pengaruh langsung dari X 1 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 :

p3ε
 7

X1 p31

X3
r12
P32

X2

X1 dan X2 merupakan dua buah variabel eksogen yang satu dengan yang

lainnya mempunyai kaitan korelatif. Secara bersama-sama X 1 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 :

ε1 ε2

p3ε1 p4ε2

X1 p31 p43

P32 X3 X4
r12

X2

Contoh diagram jalur yang tidak melibatkan kaitan korelatif :

 8

4) Seorang peneliti mempunyai empat variabel X 1, 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.

ε2

p3ε2

p31

X3

ε3

p32 p43

p4ε3

X1

p21

p42

X2 X4
 9

P2ε1

ε1

Langkah-langkah Path Analysis

Salah satu komponen penting dalam analisis path adalah diagram path.
Diagram path dibuat untuk mempresentasikan hubungan kausal antar variabel
ke dalam bentuk gambar sehingga semakin mudah terbaca (Dillon dan
Goldstein, 1984). Notasi anak panah Pada diagram jalur digunakan dua macam
anak panah, yaitu anak panah satu arah yang menyatakan pengaruh langsung
dari sebuah variabel eksogen variabel penyebab (X) terhadap sebuah variabel
endogen variabel akibat (Y), dan anak panah dua arah menunjukkan
hubungan korelasional antara variabel eksogen.

Menurut Ferdinand (2006), ada tujuh langkah yang harus dilakukan untuk
menyiapkan analisis jalur, yaitu:

1. Pengembangan Model Teoritis

Langkah pertama dalam pengembangan model adalah pencarian atau

pengembangan sebuah model yang mempunyai justifikasi teoritis yang kuat.
Model yang dirancang merupakan model-model yang bisa dinyatakan ke dalam
bentuk persamaan dan mengandung hubungan kausal di dalamnya. Mengingat
bahwa model hipotetik yang dibangun bisa lebih dari satu terutama bila
landasan konsepnya belum matang.

2. Pengembangan Path Diagram atau diagram alur

Dalam langkah kedua ini, model teoritis yang telah dibangun pada tahap
pertamaakan digambarkan dalam sebuah path diagram, yang
akan
 10

mempermudah untuk melihat hubungan-hubungan kausalitas yang ingin diuji.

Dalam diagram alur, hubungan antar konstruk akan dinyatakan melalui anak
panah. Anak panah yang lurus menunjukkan sebuah hubungan kausal yang
langsung antara satu konstrak dengan konstrak lainya. Sedangkan garis-garis
lengkung antar konstruk dengan anak panah pada setiap ujungnya
menunjukkan korelasi antar konstruk. Konstruk yang dibangun dalam diagram
alur dapat dibedakan dalam dua kelompok, yaitu:

•Exogenous constructs atau konstruk eksogen Dikenal juga sebagai source

variables atau independent variables yang tidak diprediksi oleh variabel lain
dalam model. Konstruk eksogen adalah konstruk yang dituju oleh garis dengan
satu ujung panah.

•Endogenous construct atau konstruk endogen Merupakan faktor-faktor yang

diprediksi oleh satu atau beberapa konstruk. Konstruk endogen dapat
memprediksi satu atau beberapa konstruk endogen lainnya, tetapi konstruk
endogen hanya dapat berhubungan kausal dengan konstruk endogen.

Setelah model teoritis dibangun pada langkah pertama, maka langkah

selanjutnya adalah mengembangkan model tersebut dalam diagram path.
Dengan diagram path tersebut dapat dilihat hubungan-hubungan
kausalitasyang ingin diuji. Konstruk yang dibangun dalam diagram alur dapat
dibedakan menjadi konstruk eksogen dan konstruk endogen. Konstruk eksogen
adalah yang tak dapat diprediksi oleh variabel lain dalam model.

Sedangkan konstruk endogen adalah faktor-faktor yang diprediksi oleh

satuatau beberapa konstruk-konstruk eksogen hanya dapat berhubungan
kausal dengan kontruk endogen. Setelah dituangkan dalam diagram path maka
model dapat mulai dikonversikan ke dalam persamaan struktural.
3. Konversi diagram alur ke dalam persamaan struktural dan model pengukuran
 11

Persamaan yang didapat dari diagram alur yang dikonversi terdiri dari Structural
Equation atau persamaan struktural. Dirumuskan untuk menyatakan hubungan
kausalitas antar berbagai konstruk. Rumus yang dikembangkan adalah:
Variabel endogen = variabel eksogen + variabel endogen + error. Pemeriksaan
asumsi model analisis path

Asumsi-asumsi yang harus dipenuhi pada pengujian model analisis path ini
adalah sebagai berikut

a. Ukuran sampel

Menurut Hair et al. (1998), ukuran sampel yang dibutuhkan untuk data
multivariat adalah antara 100-200 variabel.

b. Normalitas data

Sebaran data harus dianalisis untuk melihat asumsi normalitas dipenuhi

sehingga data dapat diolah lebih lanjut untuk pemodelan. Normalitas data dapat
diuji dengan melihat histrogam data atau uji-uji normalitas lainnya. Dalam
penelitian ini normalitas data dideteksi dengan membandingkan nilai critical
ratio yang diperoleh critical ratio sebesar + 2,58 yang didapat dari tabel
distribusi normal standar pada tingkat signifikansi 0,01 dengan sebesar + 2,58
yang didapat dari tabel distribusi normal standar pada tingkat signifikansi 0,01.

c. Tidak ada data outlier

Outlier adalah observasi atau data yang memiliki karakteristik unik yang
terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam
bentuk nilai ekstrim. Uji terhadap outlier dilakukan dengan menggunakan
kriteria jarak Mahalanobis pada tingkat 0,01. Jarak Mahalanobis tersebut
dievaluasi dengan menggunakan χ2 (q ; 0,01) dengan q adalah derajat bebas
sebesar jumlah variabel yang digunakan dalam penelitian (Hair et al., 1998).
Penanganan outlier dapat dilakukan dengan mengeluarkan observasi atau data
 12

outlier tersebut.

d. Multikolinearitas variabel eksogen

Multikolenieritas dapat dideteksi melalui diagram korelasi antar konstruk

eksogen untuk mengecek tinggi rendahnya korelasi. Jika korelasi antar variabel
eksogennya tinggi maka model perlu dipertimbangkan lagi. Dalam penelitian ini,
multikolinearitas dideteksi dengan melihat apakah nilai determinan matriks
kovariansi sampel jauh dari nilai nol atau tidak. Jika nilai determinan matriks
kovariansi sampel jauh dari nol dapat disimpulkan bahwa tidak terdapat
multikolinearitas.

4. Memilih matrik input dan estimasi model.

Pada penelitian ini matrik inputnya adalah matrik kovarian atau matrik
korelasi. Hal ini dilakukan karena fokus SEM bukan pada data individual, tetapi
pola hubungan antar responden. Dalam hal ini ukuran sampel memegang
peranan penting untuk mengestimasi kesalahan sampling. Untuk itu ukuran
sampling jangan terlalu besar karena akan menjadi sangat sensitif sehiungga
akan sulit mendapatkan ukuran goodness of fit yang baik, setelah model dibuat
dan input data dipilih, maka dilakukan analisis model kausalitas dengan teknik
estimasi yaitu teknik estimasi model yang digunakan adalah Maximum Likehood
Estimation Method. Teknik ini dipilih karena ukuran sampel yang
digunakan dalam penelitian ini adalah kecil (100-200 responden).

5. Menganalisa kemungkinan munculnya masalah identifikasi

Problem identifikasi pada prinsipnya adalah problem mengenai

ketidakmampuan model yang dikembangkan menghasilkan estimasi yang unik.
Bila setiap kali estimasi dilakukan muncul problem identifikasi, maka sebaiknya
model dipertimbangkan ulang dengan mengembangkan lebih banyak konstruk.
Disebutkan oleh Ferdinand (2006), beberapa indikasi problem identifikasi:
a. Standard error untuk satu atau beberapa koefisien adalah sangat besar.
 13

b. Program tidak mampu menghasilkan matrik informasi yang seharusnya

disajikan.

c. Munculnya angka-angka yang aneh seperti adanya varians error yang

negatif.

d. Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat
(misalnya lebih dari 0,9)

6. Evaluasi kriteria goodness of fit

Pada tahap ini dilakukan pengujian terhadap kesesuaian model terhadap

berbagai kriteria goodness of fit. Disebutkan oleh Ferdinand (2006), beberapa
indeks kesesuaian dan cut of value untuk menguji apakah sebuah model dapat
diterima atau ditolak.

7. Interpretasi dan Modifikasi Model

Tahap akhir ini adalah melakukan interpretasi dan modifikasi bagi model-
model yang tidak memenuhi syarat-syarat pengujian. Hair et. al. (dalam
Ferdinand, 2006) memberikan pedoman untuk mempertimbangkan perlu
tidaknya modifikasi model dengan melihat jumlah residual yang dihasilkan oleh
model tersebut. Batas keamanan untuk jumlah residual adalah 5%.

Bila jumlah residual lebih besar dari 2% dari semua residual kovarians
yang dihasilkan oleh model, maka sebuah modifikasi perlu dipertimbangkan.
Bila ditemukan bahwa nilai residual yang dihasilkan model cukup besar (yaitu
≥2.58) maka cara lain dalam memodifikasi adalah dengan mempertimbangkan
untuk menambah sebuah alur baru terhadap model yang diestimasi itu. Nilai
residual value yang lebih besar atau sama dengan ± 2.58 diinterpretasikan
sebagai signifikan secara statistik pada tingkat 5%.
3. Koefisien Jalur dan Perhitungan Koefisien Jalur
Dalam korelasi arah dan kuatnya hubungan antar variabel ditunjukkan
dengan koefisien korelasi. Arah hubungan adalah positif dan negatif,
 14

sedangkan kuatnya hubungan ditunjukkan dengan besar kecilnya angka

korelasi. Koefisien korelasi yang mendekati angka 1 berarti kedua variabel
mempunyai hubungan kuat atau sempurna (Sugiyono: 2009).

Dalam analisis jalur juga terdapat koefisien jalur. Koefisien jalur

menunjukkan kuatnya pengaruh variabel eksogen terhadap variabel endogen.
Koefisien jalur adalah koefisien regresi standar (standar z) yang menunjukkan
pengaruh variabel eksogen terhadap endogen yang telah tersusun dalam
diagram jalur. Hubungan jalur antar variabel dalam diagram jalur adalah
hubungan korelasi, oleh karena itu perhitungan angka koefisien jalur
menggunakan standar skor z. Pada setiap variabel eksogen tidak dipengaruhi
oleh variabel-variabel yang lain dalam diagram, sehingga yang ada hanyalah
suku resideunya yang diberi notasi e atau sering juga disebut dengan variabel
residual.

Langkah-langkah dalam menghitung koefisien path seperti yang dikemukakan

oleh Oktariani (2006) adalah

1. Setelah diagram path yang dikembangkan telah jelas kalau persamaan

struktural disusun sesuai dengan hubungan yang telah dihipotesiskan sehingga
maka akan tampak jelas kedudukan masing-masing variabel tergolong dalam
variabel eksogen atau variabel endogen.

2. Karena input data dalam analisis path berupa data korelasi atau
kovariansi, maka perlu dicari korelasi antara seluruh variabel yaitu dengan
menghitung matriks korelasi antar semua variabel yang ada, dengan
menggunakan rumus
korelasi sesuai dengan persamaan (2.1), sehingga diperoleh matriks korelasi R.
3. Mengidentifikasikan substrak dan persamaan yang akan dihitung
koefisien pathnya. Misal terdapat k buah variabel eksogen dan satu buah
variabel endogen.
 15

4. Dihitung matriks korelasi antar variabel eksogen yaitu R1 yang

menyusun substruktur tersebut, kemudian dicari inversnya. Matriks korelasi
antar variabel eksogen digunakan untuk mengetahui sejauh mana pengaruh
variabel eksogen terhadap variabel endogennya.
5. Dihitung semua koefisien path yang ada dalam persamaan R xu( x1 x2
xk yaitu koefisien yang menyatakan seberapa besar pengaruh variabel X1,
X2, ..., Xk terhadap variabel Xu.

4. Pengujian model
Analisis path merupakan pendekatan analisis yang penting dalam
menguji hipotesis kausal. Di sini ingin dihasilkan korelasi atau kovariansi yang
sesungguhnya. Jika hal ini bisa dipenuhi maka bisa dikatakan bahwa struktur
hipotesis kausal yang dibentuk berdasarkan korelasi atau kovariansi adalah
cocok dalam menguji kevalidan model. Pada perhitungan skala besar,
kevalidan model kausal ditentukan dari kemampuan untuk menghasilkan nilai R
yang paling tinggi mendekati aslinya (Oktariani, 2006).

Berikut ini beberapa pengujian yang akan dilakukan terhadap model.

a. Pengujian secara keseluruhan

Pengujian ini dilakukan pada model untuk melihat apakah model yang
terbentuk sudah cukup signifikan. Alat uji paling fundamental untuk mengukur
kesesuaian model adalah χ 2. Uji ini dapat digunakan karena 20 model statistik
dalam penelitian ini menggunakan 75-200 sampel.

b. Teori Trimming
Sebelum dilakukan penarikan kesimpulan mengenai hubungan kausal
yang digambarkan dalam diagram path perlu diuji signifikansi dari setiap
koefisien path yang telah dihitung. Pengujian dilakukan dengan menggunakan
teori trimming yaitu suatu metode yang bekerja dengan menghilangkan
 16

koefisien path yang tak signifikan dan tidak memenuhi kriteria.

 17

BAB III

PENUTUP
Kesimpulan
Path analysis (PA) atau analisis jalur adalah keterkaitan antara variable
independent, variable intermediate, dan variable dependen yang biasanya
disajikan dalam bentuk diagram. Didalam diagram ada panah panah yang
menunjukkan arah pengaruh antara variable-variabel exogenous, intermediary,
dan variabel dependent. Path analysis digunakan untuk menganalisis pola
hubungan antara variabel dengan tujuan untuk mengetahui pengaruh langsung
maupun tidak langsung seperangkat variabel bebas (eksogen) terhadap
variabel terikat (endogen). Teknik analisis jalur ini akan digunakan dalam
menguji besarnya sumbangan (kontribusi) yang ditunjukkan oleh koefisien jalur
pada setiap digram jalur dari hubungan kausal antar variabel X 1, X2, dan X3
terhadap Y serta dampaknya kepada Z.

Berbeda dengan korelasi dan regresi, analisis jalur mempelajari apakah

hubungan yang terjadi disebabkan oleh pengaruh langsung dan tidak langsung
dari variabel independen terhadap variabel dependen, mempelajari
ketergantungan sejumlah variabel dalam suatu model (model kausal), dan
menganalisis hubungan antar variabel dari model kausal yang telah dirumuskan
oleh peneliti atas dasar pertimbangan teoritis.

Daftar Pustaka

Riduan dan Engkos. 2012. Cara Mudah Menggunakan dan Memakai Path Analysis
(Analisis Jalur). Bandung: Alfabeta.
 18

Sugiyono. 2009. Statistik Untuk Penelitian. Bandung: Alfabeta.