Elis Analisis Jalur
Elis Analisis Jalur
Dr.Elisabeth Siahaan,SE,M.Ec
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
Pengertian
• Analisis jalur 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)
Prinsip-Prinsip Dasar
• 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
• Adanya recursivitas. Semua anak panah mempunyai
satu arah, tidak boleh terjadi pemutaran kembali
(looping).
• Terdapat ukuran sampel yang memadai (>100)
Konsep-Konsep dan Istilah Dasar
Produk
Harga Kepu
asan Loyalitas
Layanan
Konsep-Konsep dan Istilah Dasar
• 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, selain pada bagian kesalahan
pengukuran. Jika antara variabel exogenous
dikorelasikan maka korelasi tersebut
ditunjukkan dengan anak panah dengan
kepala dua yang menghubungkan variabel-
variabel tersebut
Konsep-Konsep dan Istilah Dasar
• 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. Variabel perantara endogenous
mempunyai anak panah yang menuju
kearahnya dan dari arah variabel tersebut
dalam sutau model diagram jalur. Sedang
variabel tergantung hanya mempunyai anak
panah yang menuju kearahnya.
Konsep-Konsep dan Istilah Dasar
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 5.695 2.365 2.409 .023
Produk .341 .148 .465 2.299 .030
Harga -.103 .149 -.116 -.692 .495
Promosi .214 .151 .280 1.419 .168
a. Dependent Variable: Kepuasan Konsumen
Konsep-Konsep dan Istilah Dasar
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 py2x1
Y2
Є3
Definisi Efek Mediasi
• Variabel mediasi adalah variabel
perantara yang menjelaskan hubungan
antara variabel bebas terhadap variabel
terikat melalui variabel yang memediasi
hubungan tersebut.
• Contoh,
–Apakah minat baca berpengaruh
terhadap IPK mahasiswa melalui
motivasi belajar?
Dr.Elisabeth Siahaan,SE,MEc 20
Istilah dalam Efek Mediasi
• Pengaruh langsung
– Merupakan pengaruh yang secara langsung terjadi antara
variabel bebas terhadap variabel terikat (Pengaruh X
terhadap Y)
• Pengaruh tidak langsung
– Merupakan pengaruh yang terjadi antara variabel bebas
terhadap variabel terikat yang terjadi melalui penghubung
variabel mediasi
– (Pengaruh X terhadap Z * Pengaruh Z terhadap Y)
• Pengaruh total
– Merupakan keseluruhan pengaruh yang terjadi dari X
terhadap Y
– Pengaruh langsung + Dr.Elisabeth
Pengaruh tidak langsung
Siahaan,SE,MEc 21
Jenis-Jenis Mediasi
• Mediasi Sempurna
– Terjadi jika pengaruh langsung tidak signifikan
sementara pengaruh tidak langsung signifikan
– Metode lain adalah jika nilai Variance Account For
(VAF) ≥ 80%
• Mediasi Parsial (Sebagian)
– Terjadi jika pengaruh langsung dan pengaruh tidak
langsung keduanya signifikan
– Metode lain adalah jika 20% < VAF < 80%
• Bukan Mediasi (no mediation)
– Terjadi jika pengaruh langsung signifikan dan
pengaruh tidak langsung tidak signifikan
Dr.Elisabeth Siahaan,SE,MEc
22
Variance Account For (VAF)
• Adalah persentase dari besarnya
pengaruh tidak langsung terhadap
pengaruh total
Dr.Elisabeth Siahaan,SE,MEc 23
Kerangka Konsep Mediasi
X Y
Pengaruh Langsung
Bebas Terikat
Dr.Elisabeth Siahaan,SE,MEc 24
Model Analisis Efek Mediasi
Substruktur II
Substruktur I
• Regresi linear antara
• Regresi linear variabel bebas dan
antara variabel mediasi terhadap
variabel terikat
bebas terhadap
• Menghasilkan
variabel pengaruh langsung
mediasi antara variabel bebas
terhadap variabel
terikat
Dr.Elisabeth Siahaan,SE,MEc 25
Diskusikan kembali model matematis pada substruktur I dan II dengan
teman sekelompok
Dr.Elisabeth Siahaan,SE,MEc 26
Permodelan Mediasi dengan 3 variabel bebas
X1
1
YX
ZX
2
1
YX 1
ZY
X2 2 Y Z
ZX
YX
3
3
Persamaannya :
X3 Y=ρYX1X1+ ρYX2X2+ ρYX3X3+1
Z= ρZX1X1+ ρZX3X3+ ρZYY+2
27
Dr.Elisabeth Siahaan,SE,MEc
Pengaruh tidak langsung
Pengaruh tidak langsung dihitung
sebagai perkalian antara pengaruh
variabel bebas terhadap mediator
(substruktur I) dengan variabel mediator
terhadap variabel terikat (substruktur II)
Dr.Elisabeth Siahaan,SE,MEc 28
Sobel Test
• Sobel test tidak secara langsung diberikan melalui
SPSS
• Sobel test dapat dilakukan secara manual atau secara
online pada http://quantpsy.org/sobel/sobel.htm
• Signifikansi dari sobel test menunjukkan nilai
signifikansi dari pengaruh tidak langsung, dengan
menggunakan t-value dari masing-masing komponen
penyusun pengaruh tidak langsung tersebut
Dr.Elisabeth Siahaan,SE,MEc 29
Teori Pemotongan (Trimming)
• Saat ini, banyak alat bantu analisis yang dapat
secara langsung menyelesaikan model secara
langsung tanpa pemotongan
• Teori pemotongan adalah konsep yang
menyatakan bahwa pada sebuah model, jalur atau
pengaruh yang tidak signifikan dikeluarkan dari
model sehingga terbentuk model yang benar-
benar hanya mempengaruhi variabel dependen
• Dalam teori pemotongan, setiap kali variabel
dikeluarkan dari model, maka wajib dilakukan
analisis atau pengolahan data ulang setelah model
dikeluarkan
Dr.Elisabeth Siahaan,SE,MEc 30
Goodness of Fit
• Kesesuaian model dapat dilihat dengan
menggunakan R-square ataupun
adjusted R-square. Akan tetapi, pada
analisis kita hanya akan menemukan nilai
dari R-square dalam setiap substruktur
• Nilai R-Square model secara menyeluruh
dapat dihitung dengan rumus
Dr.Elisabeth Siahaan,SE,MEc 31
CONTOH EFEK MEDIASI
Dr.Elisabeth Siahaan,SE,MEc 32
Data Minat Membaca (X) adalah variabel
bebas
Dr.Elisabeth Siahaan,SE,MEc 34
Substruktur II
Dr.Elisabeth Siahaan,SE,MEc 35
Diskusikan bagaimana persamaan matematika pada setiap substruktur!
LATIHAN!
Dr.Elisabeth Siahaan,SE,MEc 36
Sobel Test
http://quantpsy.org/sobel/
Substruktur I sobel.htm
Substruktur
II
Signifikansi Sobel
yang menunjukkan
nilai signifikansi
pengaruh tidak
Dr.Elisabeth Siahaan,SE,MEc
langsung 37
Goodness of Fit
= 1 – [(1-0.563)(1-0.853)]
= 1 – (0.437)(0.147)
= 0.936
Dengan demikian, model analisis jalur efek
mediasi dari variabel minat baca dengan
mediasi motivasi belajar secara keseluruhan
dapat menjelaskan 93.6% variasi yang terjadi
pada nilai IPK Mahasiswa
Dr.Elisabeth Siahaan,SE,MEc 38
Analisis
• Pengaruh langsung minat
baca terhadap IPK • Pengaruh total
mahasiswa adalah sebesar dari minat baca
1.394 (sig < 0.05) yang terhadap IPK
menunjukkan bahwa minat
baca berpengaruh positif adalah 0.823
dan signifikan terhadap IPK [1.394 + (-0.571)]
• Pengaruh tidak langsung •
Motivasi bersifat
dari minat baca terhadap
IPK melalui Motivasi adalah mediasi parsial
-0.571 [0.782*(-0.730)], sig (signifikan secara
sobel (0.012 < 0.05) langsung dan tidak
Dr.Elisabeth Siahaan,SE,MEc 39
Pengembangan Pengetahuan
• Analisis Jalur pada hakikatnya adalah analisis efek
mediasi
• Analisis jalur secara langsung dapat diselesaikan
dengan menggunakan alat bantu AMOS (berbasis
kovarian) maupun PLS (berbasis varian)
• Pengembangan konsep model struktural mencapai
tahapan variabel eksogenus dan endogenus, yang
mengikutsertakan penyimpangan pada setiap
variabel indikator yang disebut dengan variabel
pengukuran. Variabel laten adalah variabel yang
nilainya tidak dapat diukur secara langsung
melainkan melalui variabel pengukuran.
Dr.Elisabeth Siahaan,SE,MEc 40
BUDAYAKAN MEMBACA
Dr.Elisabeth Siahaan,SE,MEc 41
Cara Penghitungan Dgn SPSS
Contoh
Produk Є1 Є2
Layanan
Cara Penghitungan Dgn SPSS
• Bagian pertama untuk menghitung persamaan regresinya
• Klik Analyse
• Pilih Regression
• Pilih Linear
• Pada kolom Dependent masukkan variabel kepuasan
• Pada kolom Independent masukkan variabel produk, harga, dan,
layanan
• Method = Enter
• Klik OK
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 40.565 3 13.522 5.122 .006a
Residual 68.634 26 2.640
Total 109.199 29
a. Predictors: (Constant), Layanan, Harga, Produk
b. Dependent Variable: Kepuasan Konsumen
Cara Penghitungan Dgn SPSS
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 6.257 2.430 2.575 .016
Produk .415 .142 .567 2.922 .007
Harga -.084 .153 -.094 -.550 .587
Layanan .086 .127 .125 .680 .503
a. Dependent Variable: Kepuasan Konsumen
Correlations
X1 1
YX 2
r12 1 ZX
1
r13 YX2
ZY
X2 Y Z
ZX
3
r23 YX
3
X3
Persamaannya :
Y=PYX1X1+PYX2X2+PYX3X3+1
Z=PZX1X1+PZX3X3+PZYY+2
Sub Struktur 1
X1 1
r12 YX
1
r13 YX2
X2 Y
r23 YX
3
X3 Persamaannya :
Y=PYX1X1+PYX2X2+PYX3X3+1
Sub Struktur 2
X1 1
YX 2
1 ZX
1
r13
ZY
Y ZX
Z
3
YX
3
X3
Persamaannya :
Z=PZX1X1+PZX3X3+PZYY+2
Contoh
Penelitian : Kontribusi Kemampuan Pegawai dan Motivassi Kerja
Pegawai terhadap Produktivitas Kerja
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
Sum of
Model Squares df Mean Square F Sig.
1 Regression 1170,257 2 585,129 22,151 ,000 a
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
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
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)
X1 1
X 2
3X1 YX
1
r12 YX
X3
3
Y
X
3X2 YX
2
X2
Persamaannya :
X3=x3X1X1+ X3X2X2+ X31
Y= YX1X1+ YX2X2+ YX3X3+ Y2
Sub Struktur 1
X1 1
X
3X1
r12
X3
X
3X2
X2
Persamaannya :
X3=x3X1X1+ X3X2X2+ X31
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)
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 ,926 a ,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 ,000 a
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 ,887 a ,787 ,766 4,852 ,787 36,961 1 10 ,000
a. Predictors: (Constant), Iklim Org (X2)
Sub Struktur 1 (Baru)
2
X 3 1 1 R y . x1. x 2 1 0,787 0,4615
1=0,4615
X3 Persamaannya :
X3X2=0,887
X1
2
YX
1
r12 YX
X3
3
Y
YX
2
X2
Persamaannya :
Y= YX1X1+ YX2X2+ YX3X3+ Y2
Pengujian Sub Struktur 2
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 1866,278 3 622,093 78,511 ,000 a
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 signifika
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 ,983 a ,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 ,978 a ,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 2
y 1 0,956 0,2098
X1
YX =0,666
1 2=0,2098
YX =0,367
X3
3
Y
Persamaannya :
Y= YX1X1+ YX3X3+ Y2
Y=0,666 X1+0,367 X3+0,2098 2
Struktur (Baru)
X1
YX =0,666
1 2=0,2098
1=0,4615
YX =0,367
X3
3
Y
X =0,887
3X2