ANALISIS JALUR

(Path Analysis)
 Pengertian
 Analisis jalur ialah suatu teknik untuk menganalisis
hubungan sebab akibat yang tejadi pada regresi
berganda jika variabel bebasnya mempengaruhi
variabel tergantung tidak hanya secara langsung
tetapi juga secara tidak langsung”. (Robert D.
Retherford 1993
 Analisis jalur adalah sebuah metode untuk
mempelajari pengaruh langsung (direct effect) dan
pengaruh tidak langsung (indirect effect) suatu
peubah terhadap peubah lainnya. (Tiro, dkk 2010)
 Prinsip-Prinsip Dasar

• Hubungan antar variabel bersifat linear

• Data berskala interval/ratio
• Tidak terjadi multikoliniearitas
• Adanya recursivitas. Semua anak panah
mempunyai satu arah, tidak boleh terjadi
pemutaran kembali (looping).
• Terdapat ukuran sampel yang memadai
Beberapa Istilah

• Variabel exogenous.
Variabel – variabel exogenous dalam suatu
model jalur ialah semua variabel yang
tidak ada penyebab-penyebab
eskplisitnya atau dalam diagram tidak
ada anak-anak panah yang menuju
kearahnya,
Beberapa Istilah (lanjutan ……)

• Variabel endogenous.
Variabel endogenous ialah variabel yang
mempunyai anak-anak panah menuju
kearah variabel tersebut. Variabel yang
termasuk didalamnya ialah mencakup
semua variabel perantara dan tergantung.
Beberapa Istilah (lanjutan ……)

• Model jalur.
• Model jalur ialah suatu diagram yang menghubungkan antara
variabel bebas, perantara dan tergantung.
• Pola hubungan ditunjukkan dengan menggunakan anak panah.
Anak panah-anak panah tunggal menunjukkan hubungan
sebab–akibat antara variabel-variabel exogenous atau perantara
dengan satu variabel tergantung atau lebih.
• Anak panah juga menghubungkan kesalahan (variabel residue)
dengan semua variabel endogenous masing-masing.
• Anak panah ganda menunjukkan korelasi antara pasangan
variabel-variabel exogenous
Beberapa Istilah (lanjutan ……)

• Koefesien jalur / pembobotan jalur.

Koefesien jalur adalah koefesien regresi
standar atau disebut ‘beta’ yang
menunjukkan pengaruh langsung dari
suatu variabel bebas terhadap variabel
tergantung dalam suatu model jalur
tertentu.
Beberapa Istilah (lanjutan ……)

• Istilah gangguan. Istilah kesalahan residual

yang secara teknis disebut sebagai ‘gangguan’
atau “residue” mencerminkan adanya varian
yang tidak dapat diterangkan atau pengaruh
dari semua variabel yang tidak terukur
ditambah dengan kesalahan pengukuran
 Beberapa Istilah (lanjutan ……)

 Signifikansi dan Model keselarasan

dalam jalur.
Untuk melakukan pengujian koefesien–
koefesien jalur secara individual, kita dapat
menggunakan t standar atau pengujian F
dari angka-angka keluaran regresi.
Beberapa Istilah (lanjutan ……)

• Pola hubungan. Dalam analisi jalur tidak digunakan

istilah variabel bebas ataupun tergantung. Sebagai
gantinya kita menggunakan istilah variabel exogenous
dan endogenous
• Model Recursive. Model penyebab yang
mempunyai satu arah. Tidak ada arah membalik (feed
back loop) dan tidak ada pengaruh sebab akibat
(reciprocal). Dalam model ini satu variabel tidak dapat
berfungsi sebagai penyebab dan akibat dalam waktu
yang bersamaan
Beberapa Istilah (lanjutan ……)

• Model Non-recursive. Model penyebab dengan

disertai arah yang membalik (feed back loop) atau
adanya pengaruh sebab akibat (reciprocal)
• Direct Effect. Pengaruh langsung yang dapat dilihat
dari koefesien jalur dari satu variable ke variable
lainnya.
• Indirect Effect. Urutan jalur melalui satu atau lebih
variable perantara
Beberapa Istilah (lanjutan ……)

• Total Effect: Urutan jalur dari var yang

mempengaruhi dan perantara ke arah variabel
yang diukur
• Kegunaan : Untuk memeriksa dan mengukur
hubungan sebab akibat yang telah diteorikan
dan bukan untuk membuktikan adanya
hubungan sebab akibat
 Tipe Model-Model Jalur

• Tipe Regresi Berganda (Model Satu Jalur)

X1

X2
 Tipe Model-Model Jalur

• Model Mediasi (Model Dua Jalur)

X1

Y1 Y2

X2
 Tipe Model-Model Jalur

• Model Kompleks (Model lebih dari dua jalur)

Є2
Є1

py1x1
X1 Y1
px3x1
py1x3
py2y1
rx1x2
X3
px3x2 py2x3

X2 Y2
py2x1

Є3
CONTOH KASUS
 LANGKAH-LANGKAH 17
ANALISIS PATH
PERANCANGAN MODEL ( berdasarkan konsep dan teori)
Misal, secara teoritis :
VariabelMotivasi berpengaruh terhadap
Kepuasan dan Loyalitas.
Loyalitas dipengaruhi oleh Kepuasan.
Variabel Kepuasan dan Loyalitas berpengaruh
terhadap Kinerja.
 Berdasarkan hubung-hubungan antar variabel secara teoritis
tersebut, dapat dibuat model HIPOTETIK
Model Hipotetik 18

Kepuasan

Motivasi
Kinerja

Loyalitas
LANGKAH-LANGKAH 19
ANALISIS PATH
KONSTRUKSI DIAGRAM JALUR
 PENGARUH LANGSUNG DAN 20
TIDAK LANGSUNG
 Koefisien pi dinamakan koefisien path pengaruh langsung
 Sedangkan pengaruh tidak langsung dan pengaruh total
dihitung dengan cara :
 Pengaruh langsung Motivasi ke Kepuasan = p1
 Pengaruh tidak langsung Motivasi ke Kinerja melalui
Kepuasan = p1 x p4
 Pengaruh tidak langsung Kepuasan ke Kinerja melalui
Loyalitas = p3 x p5
 Pengaruh total adalah penjumlahan dari pengaruh langsung
dan seluruh pengaruh tidak langsung. Pengaruh total
Kepuasan ke kinerja = p4 + (p3 x p5)
= Pengaruh langsung + Pengaruh tidak langsung
LANGKAH-LANGKAH ANALISIS PATH 21

KONVERSI DIAGRAM JALUR KE PERSAMAAN

Model tersebut juga dapat dinyatakan dalam bentuk persamaan,

sehingga membentuk sistem persamaan / model struktural.
(1) Kepuasan = 0 + 1 Motivasi + 1
(2) Loyalitas = 0 + 1 Motivasi + 2 Kepuasan + 2
(3) Kinerja = 0 + 1 Kepuasan + 2 Loyalitas + 3
LANGKAH-LANGKAH ANALISIS PATH 22
Atau bilamana sudah dibakukan :

1) ZKepuasan = 0 + 1 ZMotivasi + 1
2) ZLoyalitas = 0 + 1 ZMotivasi + 2 ZKepuasan + 2
3) ZKinerja = 0 + 1 ZKepuasan + 2 ZLoyalitas + 3

Mengingat model tersebut dikembangkan untuk

menjawab permasalahan penelitian dan berbasis
teori dan konsep, maka dinamakan model
hipotetik.
LANGKAH-LANGKAH ANALISIS PATH
23

Pendugaan parameter: Koefisien regresi standardize

Untuk anak panah bolak-balik , koefisiennya
merupakan koefisien korelasi, r dihitung seperti
biasanya)
 Untuk anak panah satu arah  digunakan
perhitungan regresi data standardize, secara
parsiil pada masing-masing persamaan.
 Metode yang digunakan adalah OLS, yaitu
metode kuadrat terkecil biasa. Hal ini dapat
dilakukan mengingat modelnya rekursif.
ANALISIS PATH - 24
Pendugaan Parameter

 Pendugaan parameter dengan Metode OLS,

dimana di dalam software SPSS dihitung melalui
analisis regresi, yaitu dilakukan pada masing-
masing persamaan secara sendiri-sendiri.
 Pertama, Regresi untuk persamaan :
Kepuasan = 0 + 1 Motivasi + 1
 Atau bilamana sudah dibakukan :
ZKepuasan = 0 + 1 ZMotivasi + 1
ANALISIS PATH - 25
Pendugaan Parameter (3)
ANALISIS PATH - 26
Pendugaan Parameter
 Dengan demikian diperoleh model sebagai berikut.
Kepuasan = -0.00097 + 0.547 Motivasi
 Atau bilamana sudah dibakukan :
ZKepuasan = 0.512 ZMotivasi

 Kedua, Regresi untuk persamaan :

Loyalitas = 0 + 1 Motivasi + 2 Kepuasan + 2
 Atau bilamana sudah dibakukan :
ZLoyalitas = 0 + 1 ZMotivasi + 2 ZKepuasan + 2
ANALISIS PATH -
Pendugaan Parameter 27
ANALISIS PATH -
Pendugaan Parameter 28

Dengan demikian diperoleh model sebagai berikut.

Loyalitas = -0.305 + 0.517 Motivasi + 0.136 Kepuasan
 Atau bilamana sudah dibakukan :

ZLoyalitas = 0.546 ZMotivasi + 0.154 ZKepuasan

Regresi untuk persamaan :

Kinerja = 0 + 1 Kepuasan + 2 Loyalitas + 3
 Atau bilamana sudah dibakukan :
ZKinerja = 0 + 1 ZKepuasan + 2 ZLoyalitas + 3
ANALISIS PATH -
29
Pendugaan Parameter
ANALISIS PATH -
Pendugaan Parameter 30
 Dengan demikian, diperoleh model sebagai berikut.
Kinerja = -0.353 + 0.212 Kepuasan + 0.383 Loyalitas + 3
 Atau bilamana sudah dibakukan :
ZKinerja = 0.181 ZKepuasan + 0.313 ZLoyalitas + 3
 Berdasarkan model-model pengaruh tersebut, dapat disusun model lintasan
pengaruh sebagai berikut. Model lintasan ini disebut dengan analisis path,
dimana pengruh error ditentukan sebagai berikut :
ANALISIS PATH -
Pendugaan Parameter 31
ANALISIS PATH -
32
Pendugaan Parameter

Analisis path dalam bentuk persamaan :

ZKepuasan = 0.512 ZMotivasi

ZLoyalitas = 0.546 ZMotivasi + 0.154 ZKepuasan
ZKinerja = 0.181 ZKepuasan + 0.313 ZLoyalitas + 3
ANALISIS PATH - VALIDITAS MODEL) 33
Koefisien Determinasi Total
Total keragaman data (Koefisien Determinasi Total) :

Rm2  1  Pe21 Pe22 . . . Pep2

 Interpretasi (= determinasi (R2) pada analisis regresi.

 Untuk data Contoh :
Rm = 1 – (0.859)2 (0.769)2 (0.942)2 = 0.6128
 keragaman data yang dapat dijelaskan oleh model tersebut adalah
sebesar 61.28 %
model hasil analisis dapat menjelaskan sebesar 61.28 % thdp
fenomena yg dikaji, sedangkan sisanya 38.72 % dijelaskan oleh
variabel lain (yang belum terdapat di dalam model) dan error.
 VALIDITAS MODEL 34
Theory Triming
 Uji validasi koefisien path pada setiap jalur untuk
pengaruh langsung adalah sama dengan pada
regresi, menggunakan nilai p dari uji t, yaitu
pengujian koefisien regresi variabel dibakukan
secara parsiil.
 Berdasarkan theory triming, maka jalur-jalur yang
nonsignifikan dabuang, sehingga diperoleh
model yang didukung (konfirmasi) oleh data
empirik.
 Motivasi berpengaruh ke Kinerja bersifat tidak
langsung (indirect) yaitu melalui Loyalitas,
dengan koefisien path pengaruh tidak langsung
= 0.546 x 0.313 = 0.171.
Theory Triming 35
INTERPRETASI
36
Dengan memperhatikan hasil validitas model. Untuk
data ilustrasi, diperoleh:
 Berdasarkan koefisien determinasi total,
diperoleh bahwa model dapat menjelaskan
informasi yang terkandung di dalam data,
sebesar 61.28%. (cukup besar) sehingga layak
dilakukan interpretasi lebih lanjut.
 Lintasan pengaruh yang signifikan adalah dari
Motivasi ke Kinerja melalui Loyalitas.
INTERPRETASI (lanjutan ….)
37
 Untuk data ILUSTRASI dapat dihasilkan informasi bahwa
upaya meningkatkan kinerja karyawan harus dilakukan
dengan cara meningkatkan Motivasi dan diikuti dengan
upaya agar karyawan lebih bersifat Loyal.
 Pada keadaan demikian variabel Loyalitas berfungsi
sebagai variabel intervening atau mediating.
 Pengaruh tidak langsung Motivasi ke Kinerja melalui
Loyalitas = 0.546 x 0.313 = 0.171
 Pengaruh Total = ????
38
Dependent Variable: Kepuasan

Dependent Variable: Loyalitas

Dependent Variable: Kepuasan

HASIL ANALISIS
 ANALISIS PATH
Langkah keempat : pemeriksaan validitas model

Koefisien Determinasi Total : Rm2  1  Pe21Pe22 . . . Pep2

Rm2 = 1 – (0.859)2 (0.769)2 (0.942)2

= 0. 6128
Informasi yang terkandung dalam data 61.28 % dapat dijelskan oleh
model, sedangkan sisanya dijelaskan oleh variabel lain dan error

Theory triming
Uji validasi koefisien path pada setiap jalur untuk pengaruh langsung : nilai p
dari uji t, yaitu pengujian koefisien regresi variabel dibakukan secara parsiil.
Jalur yang tercetak tebal dipandang bermakna (p value kecil).
Hasil analisis menunjukkan bahwa Motivasi berpengaruh positif secara
bermakna ke Kepuasan dan Loyalitas. Loyalitas berpengaruh positif dan
bermakna ke Kinerja. Sedangkan Kepuasan berpengaruh tidak bermakna
baik ke Loyalitas maupun ke Kinerja (p value cukup besar).
Dengan demikian Motivasi berpengaruh ke Kinerja bersifat tidak
langsung (indirect effect) yaitu melalui Loyalitas, dengan koefisien path
pengaruh tidak langsung = 0.546 x 0.313 = 0.171.