Pedahuluan

ANALISIS JALUR
(PATH
ANALYSIS)
 Sejarah
• 1920 : Sewall (ahli genetika)
• 1966 : Otis D. Ducan (sosiolog)
• 1970 : Karl G. Joreskog & Dag Sorbon (ahli
statistika)
 Linear
Regresi
Nonlinear
nonkausal

Korelasi
Analisis
Asosiatif

Analisis jalur (Path Analyis)

Kausal

SEM
 PENGERTIAN HUBUNGAN KAUSAL
• Hubungan kausal yg dibangun dari korelasi atau
kovarians dlm analisis jalur tidaklah didasarkan pada
data melainkan pd subtansi keilmuwan (pengetahuan,
teori, pengalaman, dan analisis logis). Jadi kerangka pikir
yg diturunkan dari teori yg menunjukan hubungan
kausal.
• Fungsi data adl mendukung atau tdk mendukung model
teoretis (hipotetis) yg dibangun peneliti. Sangat mungkin
terjadi bahwa utk data yg sama dpt cocok/konsisten dgn
lebih dari satu model. Penentuan model mana yg tepat
tidak didasarkan pada data tetapi pada pertimbangan
teoretis yang dibangun peneliti ataupun pertimbangan
yg melibatkan pakar bidang tertentu (Professional
Judgment).
 PENGERTIAN (1)
– Analisis jalur merupakan teknik statistik yang
digunakan untuk menguji hubungan kausal antara dua
atau lebih variabel
– Pengaruh variabel bebas terhadap variabel terikat
dalam analisis jalur dapat berupa pengaruh langsung
maupun tak langsung.
– Pengaruh tidak langsung suatu variabel bebas
terhadap variabel terikat adalah melalui variabel lain
yang disebut variabel antara (intervening variabel).
– Contoh: pengaruh variabel insentif (X1) terhadap
kinerja pegawai (Y) bukan hanya secara langsung
tetapi juga secara tidak langsung melalui variabel
motivasi kerja (X2).
 Lanjutan
–Dalam analisis jalur dikenal istilah
variabel eksogen dan variabel
endogen. Variabel eksogen (variabel
yg mempengaruhi)
–Ingat dalam regresei ada var bebas
dan var tak bebas
 Model Regresi dan Model Analisis Jalur
Aspek Model Regresi Model Analisis Jalur
Tujuan Memprediksi nilai Y atas Menganalisis pola
X1, X2, X3 ... hubungan kausal,
pengaruh langsung-tak
langsung
Terminologi Variabel Independen (IV) Var penyebab (eksogen)
& Variabel Dependen & Var akibat (endogen)
(DV)
Rumusan (1) Apakah var X1, X2, (1) Apakah var X1, X2,
Masalah X3,... berpengaruh X3 ... Berpengaruh
thd Y langsung & tak
(2) Berapa besar variasi langsung thd Y
perubahan Y baik (2) Berapa besar
simultan/parsial dpt pengaruh langsung &
dijelaskan oleh X1, tak langsung
 Lanjutan
Aspek Model Regresi Model Analisis Jalur
Skala Matriks dlm skala Matriks dalam skala
pengukuran & interval, data mentah interval dalam skor baku
input data
Persyaratan (1) Data Galat taksiran Y Idem dgn regresi: +
analisis atas X berdistribusi (1)Tidak ada arah
normal dan homogen kausalitas yang berbalik
(2) Hubungan IV & DV atau bersifat rekursif
linear (2)Model yang akan diuji
(3) Tdk terjadi memiliki kerangka
multikolineritas antar teoretis yang kuat
IV
(4) Tidak ada
autokorelasi (residual
bersifat independen)
 Pengertian
• Model Path Analysis digunakan untuk
menjelaskan pola hubungan antar variabel
dengan tujuan mengetahui pengaruh
langsung maupun tidak langsung dari
seperangkat variabel bebas (eksogen)
terhadap variabel terikat (endogen)
 Manfaat
1. Penjelasan fenomena yang dipelajari.
2. Prediksi nilai variabel terikat berdasarkan variabel
bebas (bersifat kualitatif)
3. Faktor determinan : Variabel bebas mana yang
berpengaruh dominan terhadap varibel terikat
4. Pengujian Model : baik konsep yang sudah ada
maupun pengembangan konsep baru
 Asumsi-Asumsi
1. Hubungan antar variabel bersifat linier, adaptif,
dan normal.
2. Hubungan kausal satu arah.
3. Variabel terikat berskala interval atau rasio.
4. Menggunakan probability sampling
5. Observed variables diukur dengan valid dan reliable
6. Model dispesifikasikan dengan benar berdasar
teori dan konsep yang relevan
 Model Path Analysis
 
31 31
1 1
r12 3
3
32
2 32 2
2
Correlated 1 31 Independent
21 3
32
1
2
2

Mediated
 Contoh

Hipotesis :
Diduga kemampuan berkoordinasi dan
motivasi kerja pegawai berkontribusi secara
simultas dan signifikan terhadap
produktivitas kerja 
1

KOORDINASI yx1 y
(X1)
PRODUKTIVITAS
r12 KERJA
(Y)
MOTIVASI KERJA yx2
(X2)
 Model Struktural

X1 1

YX1 2
r12 ZX1
r13 YX2
ZY
X2 Y Z
ZX3
r23 YX3

X3
Persamaannya :
Y=PYX1X1+PYX2X2+PYX3X3+1
Z=PZX1X1+PZX3X3+PZYY+2
 Sub Struktur 1

X1 1

r12 YX1

r13 YX2
X2 Y
r23 YX3

X3
Persamaannya :
Y=PYX1X1+PYX2X2+PYX3X3+1
Z=PZX1X1+PZX3X3+PZYY+2
 Sub Struktur 2

X1 1

YX1 2
ZX1
r13
ZY
Y ZX3
Z
YX3

X3
Persamaannya :
Y=PYX1X1+PYX2X2+PYX3X3+1
Z=PZX1X1+PZX3X3+PZYY+2
 Contoh
Penelitian : Kontribusi Kemampuan Pegawai dan Motivassi Kerja
Pegawai terhadap Produktivitas Kerja
Kemampuan Motivasi Produktivitas
No.
Pegawai Pegawai Kerja
Resp
X1 X2 Y
1 36 55 64
2 46 45 55
3 47 60 72
4 25 35 50
5 68 64 79
6 69 44 77
7 57 64 78
8 49 65 72
9 58 63 66
10 67 74 82
11 79 84 87
12 52 73 82
 Langkah 1 :
Hipotesis & Persamaan Struktural

Hipotesis : Kemampuan pegawai dan motivasi

kerja berkontribusi secara simultan dan
signifikan terhadap produktivitas kerja

Struktur : Y=YX1X1+ YX2X2 + Y 1

 Langkah 2 :
Hitung koefisien jalur (1)

a. Gambar Diagram Jalur

Y=YX1X1+ YX2X2 + Y +1

1

KOORDINASI yx1 y
(X1)
PRODUKTIVITAS
r12 KERJA
(Y)
MOTIVASI KERJA yx2
(X2)
 Langkah 2 :
Hitung koefisien jalur (2)

b. Hitung koefisien korelasi & regresi (SPSS)

Correlations

Kemampuan Motivasi Produktivitas

Pegawai (X1) Kerja (X2) Kerja (Y)
Kemampuan Pearson Correlation 1 ,645* ,829**
Pegawai (X1) Sig. (2-tailed) . ,024 ,001
N 12 12 12
Motivasi Kerja (X2) Pearson Correlation ,645* 1 ,824**
Sig. (2-tailed) ,024 . ,001
N 12 12 12
Produktivitas Kerja (Y) Pearson Correlation ,829** ,824** 1
Sig. (2-tailed) ,001 ,001 .
N 12 12 12
*. Correlation is significant at the 0.05 level (2-tailed).
**. Correlation is significant at the 0.01 level (2-tailed).
 Langkah 2 :
Hitung koefisien jalur (3)
ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 1170,257 2 585,129 22,151 ,000a
Residual 237,743 9 26,416
Total 1408,000 11
a. Predictors: (Constant), Motivasi Kerja (X2), Kemampuan Pegawai (X1)
b. Dependent Variable: Produktivitas Kerja (Y)

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 27,026 7,069 3,823 ,004
Kemampuan
,379 ,133 ,510 2,845 ,019
Pegawai (X1)
Motivasi Kerja (X2) ,402 ,146 ,495 2,763 ,022
a. Dependent Variable: Produktivitas Kerja (Y)

Model Summary

Change Statistics
Adjusted Std. Error of R Square
Model R R Square R Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,912a ,831 ,794 5,140 ,831 22,151 2 9 ,000
a. Predictors: (Constant), Motivasi Kerja (X2), Kemampuan Pegawai (X1)
 Langkah 3 :
Hitung koefisien jalur scr simultan
ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 1170,257 2 585,129 22,151 ,000a
Residual 237,743 9 26,416
Total 1408,000 11
a. Predictors: (Constant), Motivasi Kerja (X2), Kemampuan Pegawai (X1)
b. Dependent Variable: Produktivitas Kerja (Y)

H0 : yx1= yx2=0
Ha : yx1= yx2≠0

H0 : Kemampuan pegawai dan motivasi kerja tidak berkontribusi secara

simultan dan signifikan terhadap produktivitas kerja
Ha : Kemampuan pegawai dan motivasi kerja berkontribusi secara simultan
dan signifikan terhadap produktivitas kerja

Nilai F = 22,151 sig. 0,00 <0,05 berarti H0 ditolak Ha diterima

 Langkah 4 :
Hitung koefisien jalur scr individu (1)
Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 27,026 7,069 3,823 ,004
Kemampuan
,379 ,133 ,510 2,845 ,019
Pegawai (X1)
Motivasi Kerja (X2) ,402 ,146 ,495 2,763 ,022
a. Dependent Variable: Produktivitas Kerja (Y)

H0 : yx1=0
Ha : yx1>0

H0 : Kemampuan pegawai tidak berkontribusi secara simultan dan signifikan

terhadap produktivitas kerja
Ha : Kemampuan pegawai berkontribusi secara simultan dan signifikan
terhadap produktivitas kerja

Nilai t = 2,845 sig. 0,019 <0,05 berarti H0 ditolak Ha diterima

 Langkah 4 :
Hitung koefisien jalur scr individu (2)
Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 27,026 7,069 3,823 ,004
Kemampuan
,379 ,133 ,510 2,845 ,019
Pegawai (X1)
Motivasi Kerja (X2) ,402 ,146 ,495 2,763 ,022
a. Dependent Variable: Produktivitas Kerja (Y)

H0 : yx2=0
Ha : yx2>0

H0 : Motivasi Pegawai tidak berkontribusi secara simultan dan signifikan

terhadap produktivitas kerja
Ha : Motivasi Pegawai berkontribusi secara simultan dan signifikan terhadap
produktivitas kerja

Nilai t = 2,763 sig. 0,022 <0,05 berarti H0 ditolak Ha diterima

 Memaknai Hasil Analisis Jalur (1)

Y=YX1X1+ YX2X2 + Y1

Y=0,510 X1+0,495X2+0,411 1
1

KOORDINASI yx1= 0,51 y =0,411

(X1)
PRODUKTIVITAS
r12= 0,645 KERJA
(Y)
MOTIVASI KERJA yx2=0,495
(X2)

Y   1  R y2. x1. x 2  1  0,831  0,169  0,411

 Memaknai Hasil Analisis Jalur (2)

Kontribusi Kemampuan Pegawai (X1) yang secara

langsung mempengaruhi produktivitas kerja ( Y) =
0,512=0,2601 = 26,01 %
Kontribusi Motivasi Pegawai (X2) yang secara langsung
mempengaruhi produktivitas kerja (Y) = 0,4952=0,2450 =
24,50 %
Kontribusi Kemampuan Pegawai (X1) dan Motivasi
Pegawai (X2) secara simultan yang secara langsung
mempengaruhi produktivitas kerja (Y) = 0,831=83,1 %.
Sisanya 16,9% dipengaruhi faktor lain yang tidak dapat
dijelaskan dalam penelitian ini.
ANALISIS JALUR
MODEL TRIMMING
 Contoh
Penelitian : Kontribusi Kepemimpinan, Iklim Organisasi, dan Motivasi
Kerja terhadap Prestasi Kerja
Motivasi Prestasi
No. Kepemimpinan Iklim Org
Kerja Kerja
Resp
X1 X2 X3 Y
1 55 36 38 60
2 45 46 45 50
3 60 47 46 62
4 35 25 30 40
5 64 68 53 68
6 44 69 54 59
7 70 57 61 79
8 65 49 50 69
9 63 58 52 65
10 74 67 51 70
11 84 79 69 89
12 73 52 53 79
 Hipotesis

1. Kepemimpinan dan Iklim Organisasi

berkontribusi secara simultan dan
signifikan terhadap Motivasi Kerja
2. Kepemimpinan, Iklim Organisasi, dan
Motivasi Kerja berkontribusi secara
simultan dan signifikan terhadap prestasi
Kerja
 Struktur

X1 1

X3X1 2
YX1
r12 YX3
X3 Y
X3X2
YX
2

X2
Persamaannya :
X3=x3X1X1+  X3X2X2+ X31
Y=  YX1X1+  YX2X2+  YX3X3+  Y2
 Sub Struktur 1

X1 1

X3X1

r12
X3
X3X2

X2
Persamaannya :
X3=x3X1X1+  X3X2X2+ X31
 Pengujian Sub Struktur 1
ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 947,687 2 473,843 26,994 ,000a
Residual 157,980 9 17,553
Total 1105,667 11
a. Predictors: (Constant), Iklim Org (X2), Kepemimpinan (X1)
b. Dependent Variable: Motivasi Kerja (X3) Tidak signifikan
Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 11,393 5,731 1,988 ,078
Kepemimpinan (X1) ,244 ,116 ,345 2,101 ,065
Iklim Org (X2) ,439 ,108 ,666 4,062 ,003
a. Dependent Variable: Motivasi Kerja (X3)

Model Summary

Change Statistics
Adjusted Std. Error of R Square
Model R R Square R Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,926a ,857 ,825 4,190 ,857 26,994 2 9 ,000
a. Predictors: (Constant), Iklim Org (X2), Kepemimpinan (X1)
 Trimming (X1 dikeluarkan)
ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 870,221 1 870,221 36,961 ,000a
Residual 235,446 10 23,545
Total 1105,667 11
a. Predictors: (Constant), Iklim Org (X2)
b. Dependent Variable: Motivasi Kerja (X3)

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 18,346 5,418 3,386 ,007
Iklim Org (X2) ,585 ,096 ,887 6,080 ,000
a. Dependent Variable: Motivasi Kerja (X3)

Model Summary

Change Statistics
Adjusted Std. Error of R Square
Model R R Square R Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,887a ,787 ,766 4,852 ,787 36,961 1 10 ,000
a. Predictors: (Constant), Iklim Org (X2)
 Sub Struktur 1 (Baru)
 X 3 1  1  Ry2. x1. x 2  1  0,787  0,4615
1=0,4615

X3
X =0,887
3X2

X2 Persamaannya :
X3= X3X2X2+ X31
X3=0,887 X2+0,4615 1
 Sub Struktur 2

X1
2
YX1
r12 YX3
X3 Y
YX
2

X2
Persamaannya :
Y=  YX1X1+  YX2X2+  YX3X3+  Y2
 Pengujian Sub Struktur 2
ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 1866,278 3 622,093 78,511 ,000a
Residual 63,389 8 7,924
Total 1929,667 11
a. Predictors: (Constant), Motivasi Kerja (X3), Kepemimpinan (X1), Iklim Org (X2)
b. Dependent Variable: Prestasi Kerja (Y) Tidak signifikan
Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1,062 4,619 ,230 ,824
Kepemimpinan (X1) ,599 ,095 ,641 6,297 ,000
Iklim Org (X2) -,198 ,122 -,228 -1,620 ,144
Motivasi Kerja (X3) ,777 ,224 ,588 3,470 ,008
a. Dependent Variable: Prestasi Kerja (Y)

Model Summary

Change Statistics
Adjusted Std. Error of R Square
Model R R Square R Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,983a ,967 ,955 2,815 ,967 78,511 3 8 ,000
a. Predictors: (Constant), Motivasi Kerja (X3), Kepemimpinan (X1), Iklim Org (X2)
 Trimming (X2 dikeluarkan)
ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 1845,476 2 922,738 98,641 ,000a
Residual 84,190 9 9,354
Total 1929,667 11
a. Predictors: (Constant), Motivasi Kerja (X3), Kepemimpinan (X1)
b. Dependent Variable: Prestasi Kerja (Y)

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 3,514 4,742 ,741 ,478
Kepemimpinan (X1) ,622 ,102 ,666 6,087 ,000
Motivasi Kerja (X3) ,485 ,145 ,367 3,357 ,008
a. Dependent Variable: Prestasi Kerja (Y)

Model Summary

Change Statistics
Adjusted Std. Error of R Square
Model R R Square R Square the Estimate Change F Change df1 df2 Sig. F Change
1 ,978a ,956 ,947 3,059 ,956 98,641 2 9 ,000
a. Predictors: (Constant), Motivasi Kerja (X3), Kepemimpinan (X1)
 Sub Struktur 2 (Baru)
Y  2  1  R y2  1  0,956  0,2098
X1
YX1=0,666
2=0,2098

YX3=0,367
X3 Y

Persamaannya :
Y=  YX1X1+  YX3X3+  Y2
Y=0,666 X1+0,367 X3+0,2098 2
 Struktur (Baru)

X1
YX1=0,666
2=0,2098
1=0,4615

YX3=0,367
X3 Y
X3X2=0,887

X3= X3X2X2+ X31

X2
X3=0,887 X2+0,4615 1
Persamaannya : Y=  YX1X1+  YX3X3+  Y2
Y=0,666 X1+0,367 X3+0,2098 2
 Memaknai Hasil Analisis Jalur

Kontribusi Kepemimpinan (X1) yang secara langsung

mempengaruhi prestasi kerja (Y) = 0,6662= 44,36 %

Kontribusi Motivasi Kerja (X3) yang secara langsung

mempengaruhi prestasi kerja (Y) = 0,3672=13,47 %

Kontribusi Kepemimpinan (X1) dan Motivasi Kerja (X3)

secara simultan yang secara langsung mempengaruhi
prestasi kerja (Y) = 0,956=95,6 %. Sisanya 4,4 %
dipengaruhi faktor lain yang tidak dapat dijelaskan dalam
penelitian ini.
 Goodness of Fit (1)
R  1  (1  R ).(1  R )
2
m 1
2 2
2

Rm2  1  (1  0,857).(1  0,967)  0,995

M  1  (1  R 2
x3x 2 ).(1  R 2
yx 3 x1 )
M  1  (1  0,787).(1  0,956)  0,991

1  Rm2 1  0,995
Q   0,556
1  M 1  0,991
 Goodness of Fit (2)

Whitung = -(N-d) ln Q

Whitung = -(12-1) ln 0,556=6,457

Cari dari tabel chi kuadrat X2dk=1;=0,05= 3,841

Kesimpulan :

Karena Whitung> X2, maka matrik korelasi sampel berbeda dengan matrik
korelasi estimasi. Jadi kedua model tersebut signifikan, sehingga
model yang terbentuk mampu mengeneralisasi
fenomena