Pendidikan Fisika
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
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.
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
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
p3ε
7
X1 p31
X3
r12
P32
X2
X1 dan X2 merupakan dua buah variabel eksogen yang satu dengan yang
mempengaruhi X3.
ε1 ε2
p3ε1 p4ε2
X1 p31 p43
P32 X3 X4
r12
X2
ε2
p3ε2
p31
X3
ε3
p32 p43
p4ε3
X1
p21
p42
X2 X4
9
P2ε1
ε1
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:
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
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.
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).
d. Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat
(misalnya lebih dari 0,9)
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
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. 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).
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
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.
Daftar Pustaka
Riduan dan Engkos. 2012. Cara Mudah Menggunakan dan Memakai Path Analysis
(Analisis Jalur). Bandung: Alfabeta.
18