Analisis Jalur

(Path Analysis)
Oleh:
Iva Sarifah
 Sejarah

Diperkenalkan oleh Sewall Wright (1921) - ahli

genetika

Dipopulerkan oleh Otis Dudley Duncan (1966) - ahli

sosiologi

Land (1968) membahas secara teoretis dan prosedur

analisis jalur
 Analisis Jalur
• Dapat digunakan untuk mengetahui tingkat keeratan hubungan antar variabel,
tidak ada yang mempengaruhi (independen) & tidak ada yang dipengaruhi
Korela (dependen)
• Dapat juga diterapkan pada independen  dependen
si • Kuat hubungan antar variabel
• Secara tidak langsung : dapat meramalkan apa yang akan terjadi pada satu
variabel, jika variabel yang lain mempunyai nilai tertentu
• Upaya mempelajari hubungan antar variabel, dan tidak pernah
mempermasalahkan mengapa hubungan tersebut ada (atau tidak ada) dan juga
apakah hubungan antara Y dengan X dikarenakan oleh X-nya itu sendiri atau
faktor-faktor lain.
Regres • Dapat melakukan peramalan terhadap variabel dependen jika variabel
i independen dikendalikan
• Bilamana variabel yang terlibat lebih dari dua (banyak variabel), di dalam
analisis regresi juga tidak pernah dipermasalahkan struktur hubungannya,
dimana semua variabel bebas dianggap berpengaruh langsung terhadap variabel
tergantung.
 Korelasi dan Regresi

Tidak mempermasalahkan mengapa (why)

hubungan tersebut terjadi

Tidak mempermasalahkan apakah hubungan

antar variabel disebabkan oleh variabel itu
sendiri atau mungkin dipengaruhi oleh variabel
lain
 Analisis Jalur
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)
Merupakan pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan
estimasi tingkat kepentingan (magnitude) dan signifikansi (significance) hubungan sebab akibat
hipotetikal dalam seperangakat variabel.” (Paul Webley 1997)
Model perluasan regresi yang digunakan untuk menguji keselarasan matriks korelasi dengan
dua atau lebih model hubungan sebab akibat yang dibandingkan oleh peneliti.
Modelnya digambarkan dalam bentuk gambar lingkaran dan panah dimana anak panah
tunggal menunjukkan sebagai penyebab. Regresi dikenakan pada masing-masing variabel
dalam suatu model sebagai variabel tergantung (pemberi respon) sedang yang lain sebagai
penyebab.
Pembobotan regresi diprediksikan dalam suatu model yang dibandingkan dengan matriks
korelasi yang diobservasi untuk semua variabel dan dilakukan juga penghitungan uji
keselarasan statistik. (David Garson, 2003)
 Analisis Jalur

Analisis jalur dikembangkan sebagai metode untuk mempelajari

pengaruh (efek) secara langsung dan secara tidak langsung dari variabel
bebas (eksogenus) terhadap variabel terikat (endogenus) dan variabel
terikat (endogenus) terhadap variabel terikat (endogenus).
Analisis ini merupakan salah satu pilihan dalam rangka mempelajari
ketergantungan sejumlah variabel di dalam model.

Analisis jalur digunakan untuk menelaah hubungan antara model kausal

yang telah dirumuskan peneliti atas dasar pertimbangan teoretis dan
pengetahuan tertentu.
Hubungan kausal selain didasarkan pada data, juga didasarkan pada
pengetahuan, perumusan hipotesis dan analisis logis, sehingga dapat
dikatakan analisis jalur dapat digunakan untuk menguji seperangkat
hipotesis kausal serta untuk menafsirkan hubungan.
 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)

• Menganalisis hubungan antar variabel dari model kausal yang telah

dirumuskan oleh peneliti atas dasar pertimbangan teoretis
Prinsip Dasar Analisis Jalur

• Hubungan antar variabel bersifat linear (gunakan uji hipotesis kelayakan model dgn
menggunakan angka sig atau F untuk pengaruh gabungan dan uji t untuk pengaruh
parsial)

• Data berskala interval (scaled values dalam SPSS)

• Tidak boleh terjadi multikoliniearitas

 Prinsip Dasar Analisis Jalur

Hubungan antar variabel

bersifat linear (gunakan uji
hipotesis kelayakan model
Data berskala interval Tidak boleh terjadi
dgn menggunakan angka sig
(scaled values dalam SPSS) multikoliniearitas
atau F untuk pengaruh
gabungan dan uji t untuk
pengaruh parsial)

Adanya recursivitas.
Semua anak panah Terdapat ukuran sampel yang
mempunyai satu arah, tidak memadai (>100)
boleh terjadi pemutaran
kembali (looping).
 Asumsi Analisis Jalur

Hubungan antar variabel linear dan bersifat aditif

Hanya model rekrusif dapat dipertimbangkan, yaitu hanya

sistem aliran kausal satu arah, sedangkan pada model yang
mengandung kausal resiprokal tidak dapat dilakukan analisis
path

Skala pengukuran minimal interval

Hubungan sebab akibat (landasan
teoretis)
Syarat lain - multiple regression
 Variabel dalam Analisis Jalur

• Ditetapkan sebagai variabel pemula, memberi

Variabel efek pada variabel lain
• Tidak dipengaruhi oleh variabel lain (variabel
Eksogenu bebas/independen)
• Hubungan antar variabel eksogen bersifat
s simetris (korelasi)/bukan sebab akibat
• X1 dan X2
 • Variabel yang keragamannya terjelaskan oleh
variabel eksogen dan/atau variabel endogen
lainnya
Variabel • Variabel tidak bebas/dependent/antara
Endogenu • Ada variabel sisa (error/residual) yaitu keragaman
s yang tak terjelaskan dan dihubungkan dengan
variabel endogen ()
• Y1, Y2, dan Y3
 Koefisien dalam Analisis Jalur

Tidak mempunyai Hubungan antara :

Merupakan koefisien satuan, dapat
- Variabel eksogen dengan
regresi yang digunakan untuk
variabel endogen
distandarisasi kepentingan
(standardized) perbandingan antar - Variabel endogen dengan
koefisien jalur variabel endogen
 Model Jalur
Diagram yang mengaitkan variabel bebas,
variabel antara, dan variabel terikat
Panah tunggal menunjukkan hubungan antara variabel
bebas (eksogen)/variabel antara dan variabel endogen
(terikat).

Panah ganda menunjukkan hubungan sepasang variabel

eksogen.

Terkadang panjang panah dalam model jalur menunjukkan

proporsi besarnya koefisien jalur.
 Contoh Analisis Jalur

Pekerjaan
Pekerjaan Anak
Orang tua

Status
Sosial
Anak

Pendidikan
Orang tua Pendidikan
Anak
 Kemampuan
6
Self Efficacy Matematika
Belief 3

1
Kualitas
7 10
Instrumen
5
Tes
8
2
4
Motivasi Pengetahuan
Kerja Mengkonstruksi
9
Tes
 Model Analisis Jalur
1

11 Y1
X1 31

31
21
21
Y3
12 32

32
3
X2
22 Y2
2
 Model Diagram Jalur

31
X3
X1
53

51

21 41 43 X5

32
54

52
X2 X4
42
 Model Diagram Jalur

X1

31

21 X3

32

X2
 Korelasi Pearson
• Metode Penelitian: Survey
• Desain Korelasi
X1
X1
Y
Y X2

X2 X3
• Cara yang digunakan untuk menguji model adalah
menghitung semua koefisien jalur dalam model,
kemudian dilakukan penyaringan berdasar uji statistik
dengan menghitung koefisien arah β menggunakan
regresi.
• Jika bermakna maka koefisien jalur signifikan, jika
tidak bermakna maka koefisien tersebut dihilangkan.
Koefisien Jalur (path coefficient), merupakan koefisien regresi yang
distandarisasi (beta) yang menunjukkan pengaruh langsung dari suatu
variabel bebas terhadap variabel terikat pada suatu model jalur.

Unsur gangguan (disturbance term). Suku sisaan/kesalahan,

disebut juga unsur gangguan (residu), mencerminkan adanya varian
yang tidak dapat dijelaskan (pengaruh dari variabel yang tidak
terukur) dan kesalahan pengukuran.

Besarnya pengaruh unsur gangguan untuk suatu variabel

endogen adalah (1 – R2).

2
Besarnya skor koefisien jalur adalah1 R
Signifikansi dan Model Model Recursive
Keselarasan dalam Pola Hubungan
Jalur • Model penyebab yang
mempunyai satu arah.
• Dalam analisi jalur Tidak ada arah
• Untuk melakukan
tidak digunakan membalik (feed back
pengujian koefesien – loop) dan tidak ada
koefesien jalur secara istilah variabel bebas
ataupun tergantung. pengaruh sebab akibat
individual, kita dapat (reciprocal).
menggunakan t • Sebagai gantinya kita
menggunakan istilah • Dalam model ini satu
standar atau
pengujian F dari variabel exogenous variabel tidak dapat
angka-angka keluaran dan endogenous. berfungsi sebagai
regresi. penyebab dan akibat
dalam waktu yang
bersamaan.
 Model • Model penyebab dengan disertai arah yang
Non- membalik (feed back loop) atau adanya pengaruh
recursive sebab akibat (reciprocal).

• Pengaruh langsung yang dapat dilihat dari

Direct koefesien jalur dari satu variable ke variable
Effect. lainnya.

Indirect • Urutan jalur melalui satu atau lebih variable

Effect. perantara.
Total Effect
• Urutan jalur dari variabel yang mempengaruhi
dan perantara ke arah variabel yang diukur.
Pengaruh Gabungan
• Pengaruh dari semua variabel yang
diasumsikan berpengaruh terhadap var yang
akan diukur.
 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)
Є1 Є2

py1x1
X1 Y1
px3x1 py1x3
rx1x2 py2y1
X3
px3x2 py2x3
X2 py2x1 Y2

Є3
 Signifikansi dan Goodness of Fit
dalam Model Jalur
• Untuk menguji koefisien jalur secara individual dapat digunakan
nilai uji t atau F dari output regresi.

• Untuk menguji model jalur digunakan uji goodness of fit.

• Uji goodness of fit dapat dilakukan dengan memasukkan model

beserta data yang digunakan ke dalam program model persamaan
struktural (structural equation modeling) seperti LISREL dan
AMOS.
 Langkah-langkah Analisis Jalur
Merancang model berdasarkan konsep dan teori.

Pemeriksaan terhadap asumsi yang melandasi.

Pendugaan parameter atau perhitungan koefisien jalur

Pengujian model

Interpretasi model
 Langkah-langkah Merancang Analisis Jalur

•Merancang model berdasarkan konsep dan teori.

•Misal, secara teoretis :
•Self efficacy belief secara langsung berpengaruh
positif terhadap kualitas instrumen tes buatan guru
SD
Merancan •Motivasi kerja secara langsung berpengaruh positif
g Model terhadap kualitas instrumen tes buatan guru SD.
•Self efficacy belief secara langsung berpengaruh
positif terhadap motivasi kerja.
•Motivasi kerja secara langsung berpengaruh positif
terhadap pengetahuan mengkonstruksi tes.
Self Efficacy
Belief 1

5 Pengetahuan Kualitas
Mengkonstruksi Instrumen
4 3
Tes Tes
6

Motivasi 2
Kerja
9
 Rumusan Masalah
• Apakah self efficacy belief berpengaruh langsung terhadap kualitas
instrumen tes matematika buatan guru SD?
• Apakah motivasi kerja berpengaruh langsung terhadap kualitas instrumen
tes matematika buatan guru SD?
• Apakah pengetahuan mengkonstruksi tes berpengaruh langsung terhadap
kualitas instrumen tes matematika buatan guru SD?
• Apakah self efficacy belief berpengaruh langsung terhadap motivasi kerja?
• Apakah self efficacy belief berpengaruh langsung terhadap pengetahuan
mengkonstruksi tes?
• Apakah motivasi kerja berpengaruh langsung terhadap pengetahuan
mengkonstruksi tes?
 Rumusan Hipotesis
• Self efficacy belief secara langsung berpengaruh positif terhadap kualitas
instrumen tes matematika buatan guru SD.
• Motivasi kerja secara langsung berpengaruh positif terhadap kualitas
instrumen tes matematika buatan guru SD.
• Pengetahuan mengkostruksi tes secara langsung berpengaruh positif
terhadap kualitas instrumen tes matematika buatan guru SD.
• Self efficacy belief secara langsung berpengaruh positif terhadap motivasi
Kerja.
• Self efficacy belief secara langsung berpengaruh positif terhadap
pengetahuan mengkonstruksi tes.
• Motivasi kerja secara langsung berpengaruh positif terhadap pengetahuan
 2
X1 3
r1y
r13
31 y1
r3y
r12 21 X3 y3 X4
r23
32 r2y
y2

X2

1
 Langkah-langkah Merancang Analisis Jalur
Konversi Diagram Jalur Ke Persamaan

• Model tersebut juga dinyatakan dalam bentuk persamaan,

sehingga membentuk sistem persamaan/sistem persamaan
simultan/model struktural.
• X2 = 21X1 + 1
• X3 = 31X1 + 32X2 + 2
• X4 = y1X1 + y2X2 + y3X3 + 3
37
Pendugaan Parameter/Perhitungan Koefisien
Jalur

Analisis regresi
bertahap Analisis simultan
(Standardized (dengan bantuan
Coefficient = software)
Beta)
 Langkah-langkah Merancang Analisis Jalur

• Terdapat tiga metode perhitungan koefisien jalur:

•Pendekatan matriks korelasi; bila model tidak berjenjang
(p = Rx-1 Ry)
•Koefisien regresi dilanjutkan dengan suatu perhitungan
Pendugaan matematik {pi = bi (Sxi / Sy)}
Parameter
(Perhitunga •Koefisien regresi standardize
n Koefisien •Pada tulisan ini dipilih metode yang terakhir, yaitu
Jalur) regresi standardize, hal ini mengingat metode ini yang
dipandang paling sederhana.
• Perhitungan goodness of fit berupa Koefisien Determinasi
Total dapat dilakukan secara sederhana, dan pelaksanaan
Theory Triming dapat dilakukan dengan mudah.
 Langkah-langkah Merancang Analisis Jalur

• Untuk anak panah bolak-balik , koefisiennya

merupakan koefisien korelasi, r dihitung seperti
Pendugaa
n biasanya)
parameter • Untuk anak panah satu arah  digunakan
: perhitungan regresi data standardize, secara
Koefisien
regresi parsiil pada masing-masing persamaan.
standardiz • Metode yang digunakan adalah OLS, yaitu
e
metode kuadrat terkecil biasa. Hal ini dapat
dilakukan mengingat modelnya rekursif.
Langkah-langkah Merancang Analisis Jalur

• Overall model : Statistic Goodness of

Fit
• Pengujian koefisien jalur : Uji
signifikansi koefisien jalur ( dan ).
Pengujia • Signifikan bila p < 0,05

n Model • Model Fit:

• Memenuhi kriteria Statistic Goodness
of Fit
• Semua koefisien dalam model
signifikan
 Model belum ‘fit’
Remodeling : model trimming/model bulding

Penghapusan Jalur
Dua kriteria (Heise, 1969) :
1. Statistical significancy
2. Meaningfulness
(Land : koefisien jalur < 0,05)
Langkah-langkah Merancang Analisis Jalur

• Efek satu variabel

terhadap variabel lainnya :
• Langsung
Interpreta • Tidak langsung
si Model • Total : Efek langsung +
semua efek tidak
langsung
Self Efficacy
Belief 1

5 Pengetahuan Kualitas
Mengkonstruksi Instrumen
4 3
Tes Tes
6

Motivasi 2
Kerja
9
 X1
0,25

0,26

0,74
X3 X4
0,22

0,3

0,28

X2
 Pengaruh Langsung
Koefisien pi dinamakan koefisien path pengaruh
langsung
Pengaruh langsung self efficacy belief terhadap kualitas
instrumen tes matematika buatan guru SD = py1 = 0,25
Pengaruh langsung motivasi kerja terhadap kualitas instrumen
tes matematika buatan guru SD = py2 = 0,28
Pengaruh langsung pengetahuan mengkonstruksi tes terhadap
kualitas instrumen tes matematika buatan guru SD = py3 = 0,22
Pengaruh langsung self efficacy belief terhadap motivasi kerja
=
p21 = 0,74
Pengaruh langsung self efficacy belief terhadap pengetahuan
mengkonstruksi tes = p32 = 0,26
Pengaruh langsung motivasi kerja terhadap kemampuan
mengkonstruksi tes = p32 = 0,3
 Pengaruh Tidak Langsung

Pengaruh langsung self efficacy belief terhadap

motivasi kerja = p21 = 0,74

Pengaruh langsung motivasi kerja terhadap

terhadap kualitas instrumen tes matematika
buatan guru SD = py2 = 0,28

Pengaruh tidak langsung self efficacy belief

terhadap kualitas instrumen tes matematika
buatan guru SD melalui motivasi = p21 x py2 =
0,74 x 0,28 = 0,2072
 Pengaruh Tidak Langsung
Pengaruh langsung self efficacy belief terhadap
pengetahuan mengkonstruksi tes = p31 = 0,26

Pengaruh pengetahuan mengkonstruksi tes

terhadap terhadap kualitas instrumen tes
matematika buatan guru SD = py 3= 0,22

Pengaruh tidak langsung self efficacy belief

terhadap kualitas instrumen tes matematika
buatan guru SD melalui kemampuan
mengkonstruksi tes =
p31 x py3 = 0,26 x 0,22 = 0,0572
 Pengaruh Total

Pengaruh total adalah penjumlahan dari

pengaruh langsung dan seluruh pengaruh
tidak langsung

Pengaruh total self efficacy belief terhadap

kualitas instrumen tes matematika buatan
guru SD = py1 + (p21 x py2 ) + (p31 x py3 )+ ….
= 0,25 + 0,2072 + 0,0572 + ….=
 Cara Perhitungan dengan SPSS
• Klik Analyse
• Pilih Regression
Bagian
Pertama • Pilih Linear
untuk • Pada kolom Dependent masukkan variabel endogenus (Kualitas Instrumen Tes)
menghitung • Pada kolom Independent masukkan variabel Eksogenus (Self Efficacy belief) dan varibael
persamaan endogenus (Motivasi kerja dan Pengetahuan mengkonstruksi tes).
regresi
• Method = Enter
• Klik OK

Bagian
• Klik Analyse
kedua • Pilih Correlate
untuk • Pilih Bivariate
menghitun
g korelasi • Masukkan ke kolom Variabels, variabel Kualitas instrument tes, self efficacy belief,
antara motivasi kerja, dan pengetahuan mengkonstruksi tes.
variabel
• Klik OK
Kasus 1: X3
205
X1
26
X2
159
206 28 164
254 35 198
246 31 184
Penelitian melibatkan tiga buah variabel X1, X2 201 21 150
dan X3 untuk mengungkapkan hubungan antara 291 49 208
ke tiga variabel ini. Peneliti mempunyai proposisi 234 30 184
hipotetik bahwa antara X1 dan X2 terdapat kaitan 209 30 154
korelasional, dan bahwa keduanya secara 204 24 149
bersama-sama mempengaruhi X3. 216 31 175
Data hasil pengukuran (dalam skala pengukuran 245 32 192
interval) melalui sampel acak berukuran 15 286 47 201
adalah sebagai berikut. Buatlah diagram jalurnya, 312 54 248
hitung semua pengaruh variable eksogennya. 265 40 166
322 42 287
Kasus 2:
X1 X2 X3 X4
7 26 78 79
1 29 74 74
Sebuah penelitian eksploratif mencoba
11 56 104 107
mengungkapkan hubungan antara X1, X2,
11 31 88 88
X3, dan X4. Dalam penelitian ini
7 52 96 97
dikemukakan sebuah proposisi bahwa : 11 55 109 108
Antara X1 dan X2, terdapat kaitan korelatif. 3 71 103 104
Kedua konstrak tersebut bersama-sama 1 31 72 72
mempengaruhi X3. X1, X2 dan X3 secara 2 54 93 90
bersama-sama mempengaruhi X4. 21 47 116 118
1 40 84 82
Buatlah diagram jalurnya, hitung semua 11 66 113 116
pengaruh variable eksogennya. 10 58 105 104
Sekian