Sumber: http://www.jonathansarwono.info/aj/analisis_jalur.

htm TEORI ANALISIS JALUR / PATH ANALYSIS

1.1

Sejarah Analisis Jalur

Bagaimana sejarah perkembangan analisis jalur? Teknik analisis jalur, yang dikembangkan oleh Sewal Wright di tahun 1934, sebenarnya merupakan pengembangan korelasi yang diurai menjadi beberapa interpretasi akibat yang ditimbulkannya. Lebih lanjut, analisis jalur mempunyai kedekatan dengan regresi berganda; atau dengan kata lain, regresi berganda merupakan bentuk khusus dari analisis jalur. Teknik ini juga dikenal sebagai model sebab-akibat (causing modeling). Penamaan ini didasarkan pada alasan yang bahwa analisis jalur memungkinkan pengguna dapat menguji proposisi teoritis mengenai hubungan sebab dan akibat tanpa memanipulasi variabel-variabel. Memanipulasi variabel maksudnya ialah memberikan perlakuan (treatment) terhadap variabel-variabel tertentu dalam pengukurannya. Asumsi dasar model ini ialah beberapa variabel sebenarnya mempunyai hubungan yang sangat dekat satu dengan lainnya. Dalam perkembangannya saat ini analisis jalur diperluas dan diperdalam kedalam bentuk analisis “Structural Equation Modeling” atau dikenal dengan singkatan SEM.

1.2

Pengertian

Apa sebenarnya analisis jalur itu? Terdapat beberapa definisi mengenai analisis jalur ini, diantaranya : “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). Sedangkan definisi lain mengatakan: “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). David Garson dari North Carolina State University mendefinisikan analisis jalur sebagai “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). Dari definisi-definisi di atas dapat dsimpulkan bahwa sebenarnya analisis jalur merupakan kepanjangan dari analisis regresi berganda.

1.3

Prinsip-Prinsip Dasar Prinsip-prinsip dasar yang sebaiknya dipenuhi dalam analisis jalur diantaranya ialah:

benar diperlukan untuk menginterpretasi koefesien-koefesien jalur. Jika dilanggar. Sampel sama dibutuhkan untuk pengitungan regresi dalam model jalur. maka akan berakibat hasil regresi menjadi tidak tepat untuk mengestimasikan parameter-parameter jalur. Kelayakan ini diketahui jika angka Standard Error of Estimate < Standard Deviation . Terdapat ukuran sampel yang memadai. dan biserial untuk satu variabel berskala interval dan lainnya nominal. tetrachoric untuk dua variabel dikotomi (berskala nominal). Jika dalam contoh ini hanya diberikan 30 sampel. Spesifikasi model Kesalahan spesifikasi Semua koefesien jalur diukur dan tidak akan dan tidak langsung. maka sebaiknya untuk riset yang sebenarnya gunakan sample minimal 100 untuk memperoleh hasil analisis yang signifikan dan lebih akurat. Tidak ada efek-efek interaksi Data berskala interval. tidak boleh terjadi pemutaran kembali (looping). Jika data belum dalam bentuk skala interval. akan merefleksikan kovarians bersama dengan semua variabel yang tidak dapat diinterpretasi secara tepat dalm kaitannya dengan akibat langsung • • • • • • Terdapat masukan korelasi yang sesuai.05 Predictor yang digunakan sebagai variable bebas harus layak. korelasi polychoric untuk dua variabel berksala ordinal. b.• • • Adanya linearitas (Linearity). maka korelasi Pearson digunakan untuk dua variabel berskala interval. Artinya jika kita menggunakan matriks korelasi sebagai masukan. polyserial untuk satu variabel interval dan lainnya ordinal. Hubungan antar variabel bersifat linear Adanya aditivitas (Additivity). terjadi ketika variabel penyebab yang signifikan dikeluarkan dari model. yaitu: a. • • • Asumsi analisi jalur mengikuti asumsi umum regresi linear. sebaiknya data diubah dengan menggunakan metode suksesive interval (MSI) terlebih dahulu. Kelayakan ini diketahui jika angka signifikansi pada ANOVA sebesar < 0. Sebaiknya hanya terdapat multikoliniearitas yang rendah. Jika terjadi hubungan yang tinggi maka kita akan mendapatkan standar error yang besar dari koefesien beta (b) yang digunakan untuk menghilangkan varians biasa dalam melakukan analisis korelasi secara parsial. Semua anak panah mempunyai satu arah. Adanya recursivitas. Semua variabel yang diobservasi mempunyai data berskala interval (scaled values). Model regresi harus layak. Multikolinieritas maksudnya dua atau lebih variabel bebas (penyebab) mempunyai hubungan yang sangat tinggi. Semua variabel residual (yang tidak diukur) tidak berkorelasi dengan salah satu variabel-variabel dalam model. Istilah gangguan (disturbance terms) atau variabel residual tidak boleh berkorelasi dengan semua variabel endogenous dalam model.

artinya tidak boleh terjadi korelasi yang sangat tinggi atau sangat rendah antar variable bebas.c.konsep dan istilah dasar tersebut: 1 2 3 4 P21 P31 P41 P32 P43 P42 e2 e3 e4 r21 . Dengan gambar model di bawah ini akan diterangkan konsep. Tidak terjadi otokorelasi. Pengujian dilakukan dengan Uji T. Terjadi otokorelasi jika angka Dubin dan Watson sebesar < 1 dan > 3 1. Koefesien regresi harus signifikan. e. Tidak boleh terjadi multikolinieritas. Koefesien regresi signifikan jika T hitung > T table (nilai kritis) d.4 Konsep-Konsep dan Istilah Dasar Dalam analisis jalur dikenal beberapa konsep dan istilah dasar.

Variabel exogenous. Jalur penyebab untuk suatu variabel yang diberikan meliputi pertama jalur-jalur arah dari anak-anak panah menuju ke variabel tersebut dan kedua jalur-jalur korelasi dari semua variabel endogenous yang dikorelasikan dengan variabel-variabel yang lain yang mempunyai anak panahanak panah menuju ke variabel yang sudah ada tersebut. perantara dan tergantung. Anak panah-anak panah tunggal menunjukkan hubungan sebab–akibat antara variabel-variabel exogenous atau perantara dengan satu variabel tergantung atau lebih. Jika antara variabel exogenous dikorelasikan maka korelasi tersebut ditunjukkan dengan anak panah dengan kepala dua yang menghubungkan variabel-variabel tersebut. . 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. Anak panah juga menghubungkan kesalahan (variabel residue) dengan semua variabel endogenous masingmasing.• • • Model jalur. Anak panah ganda menunjukkan korelasi antara pasangan variabel-variabel exogenous. Model jalur ialah suatu diagram yang menghubungkan antara variabel bebas. Pola hubungan ditunjukkan dengan menggunakan anak panah.

maka jumlah semua koefesien (standar) akan sama dengan koefesien korelasi. Pola hubungan. Sebagai gantinya kita menggunakan istilah variabel exogenous dan endogenous. Jika ingin menggambarkan penyebab. Model penyebab yang mempunyai satu arah. Oleh karena itu. Istilah gangguan. Model Non-recursive. yaitu untuk data yang sudah distandarisasi dimana koefesien regresi sederhana sama dengan kefesien korelasi. Untuk melakukan pengujian koefesien – koefesien jalur secara individual. 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. untuk menggambarkan hasil yang negatif digunakan garis putus-putus. Pengaruh langsung yang dapat dilihat dari koefesien jalur dari satu variable ke variable lainnya. kita dapat menggunakan t standar atau pengujian F dari angkaangka keluaran regresi. maka kita menggunakan anak panah dengan satu kepala. Sedang untuk menggambarkan korelasi. kita dapat menggunakan uji keselarasan dari program. maka jumlah nilai-nila jalur dari I ke j akan sama dengan koefesien regresi untuk j yang diprediksi didasarkan pada I. Dalam analisi jalur tidak digunakan istilah variabel bebas ataupun tergantung. Model Recursive. maka koefesien-koefesien jalurnya merupakan koefesienkoefesien regresi parsial yang mengukur besarnya pengaruh satu variabel terhadap variabel lain dalam suatu model jalur tertentu yang mengontrol dua variabel lain sebelumnya dengan menggunakan data yang sudah distandarkan atau matriks korelasi sebagai masukan. Decomposisi pengaruh. jika suatu model mempunyai dua atau lebih variabel-variabel penyebab. Sedang variabel tergantung hanya mempunyai anak panah yang menuju kearahnya. kita menggunakan anak panah yang melengkung dengan dua kepala. Model penyebab dengan disertai arah yang membalik (feed back loop) atau adanya pengaruh sebab akibat (reciprocal). Ini didasarkan pada aturan bahwa dalam suatu sistem linear. Variabel perantara endogenous mempunyai anak panah yang menuju kearahnya dan dari arah variabel tersebut dalam sutau model diagram jalur. Variabel endogenous ialah variabel yang mempunyai anak-anak panah menuju kearah variabel tersebut. Urutan jalur melalui satu atau lebih variable perantara. Koefesien jalur / pembobotan jalur. Aturan multiplikasi jalur. Tidak ada arah membalik (feed back loop) dan tidak ada pengaruh sebab akibat (reciprocal). Ada kalanya hubungan sebab akibat menghasilkan angka negatif. . Direct Effect. Dalam model ini satu variabel tidak dapat berfungsi sebagai penyebab dan akibat dalam waktu yang bersamaan. Signifikansi dan Model keselarasan dalam jalur. Variabel-variabel exogenous yang dikorelasikan. Variabel yang termasuk didalamnya ialah mencakup semua variabel perantara dan tergantung. Koefesien-koefesien jalur dapat digunakan untuk mengurai korelasikorelasi dalam suatu model kedalam pengaruh langsung dan tidak langsung yang berhubungan dengan jalur langsung dan tidak langsung yang direfleksikan dengan anak panah – anak panah dalam suatu model tertentu. Jika suatu model sudah benar. Indirect Effect. Nilai dari suatu jalur gabungan adalah hasil semua koefesien jalurnya. Sedang untuk melakukan pengujian model dengan semua jalurnya. Anak panah dengan satu kepala dan dua kepala.• • • • • • • • • • • • • Variabel endogenous. maka pengaruh penyebab total suatu variabel ‘i’ terhadap variabel ‘j’ adalah jumlah semua nilai jalur dari “i” ke “j”. 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. diantaranya mencakup semua variabel yang sesuai dan mengeluarkan semua variabel yang tidak sesuai. maka sebagai penanda hubungannya ialah anak panah dengan dua kepala yang dihubungkan diantara variabel-variabel dengan koefesien korelasinya. Jika semua variabel exogenous dikorelasikan.

yaitu X1 dan X2 dengan satu variabel endogenous Y. . Dalam terminologi analisis jalur.5 Tipe Model-model Jalur Ada beberapa model jalur mulai dari yang paling sederhana sampai dengan yang lebih rumit. maka X1 adalah variabel harga dan X2 adalah variabel promosi sedangkan Y adalah variabel penjualan.1 Tipe Regresi Berganda Model pertama ini sebenarnya merupakan pengembangan regresi berganda dengan menggunakan dua variabel exogenous. diantaranya diterangkan di bawah ini : 1. Model digambarkan sebagai berikut : X1 X2 Y Contoh : Dalam kasus pengaruh harga dan promosi terhadap penjualan.5. variabel harga dan promosi adalah variabel exogenous dan variabel penjualan adalah variabel endogenous.1.

variabel Y adalah variabel kualitas produk dan variabel Z adalah variabel penjualan. maka variabel X adalah produk. sebuah perusahaan menjual produk dengan harga murah dengan mengabaikan kualitas produk itu sendiri.1. .5. Variabel produk mempengaruhi variabel penjualan melalui variabel kualitas produk. Model digambarkan sebagai berikut: X Z Y Contoh : Karena menginginkan suatu produk laku keras.2 Model Mediasi Model kedua adalah model mediasi atau perantara dimana variabel Y memodifikasi pengaruh variabel X terhadap variabel Z. Hasilnya penjualan produk terus menurun. Jika diterapkan dalam model kedua ini.

4 Model Kompleks . Dalam kasus ini variabel X adalah kinerja pegawai. Model digambarkan sebagai berikut : X Z Y Contoh : Kualitas layanan yang diberikan suatu perusahaan dipengaruhi oleh kinerja pegawai yang pada akhirnya akan mempengaruhi tingkat kepuasan pelanggan.3 Model Kombinasi Pertama dan Kedua Model ketiga ini merupakan kombinasi antara model pertama dan kedua. Kinerja pegawai secara langsung mempengaruhi kepuasan pelanggan demikian pula kinerja pegawai akan mempengaruhi kualitas layanan yang kemudian akan berpengaruh terhadap kepuasan pelanggan.5.5.1. variabel Y adalah kualitas layanan dan variabel Z adalah kepuasan pelanggan. yaitu variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak langsung mempengaruhi variabel Z melalui variabel Y. 1.

yaitu (jalur antara X2 dan Y2 ) . Kasusnya sebagai berikut: X1 adalah psikopatologi tahap pertama seorang ibu yangakan menjadi penentu terhadap patologi tahap kedua ibu yang bersangkutan dalam hal ini adalah variabel X2 . Selanjutnya patologi anak tahap kedua atau Y2 juga dipengaruhi oleh patologi ibu tahap pertama. sementara itu variabel Y2 juga dipengaruhi oleh variabel Y1. yaitu (jalur antara X1 dan Y2) dan tahap kedua. dan mirip dengan kejadian tersebut patologi tahap pertama anaknya atau variabel Y1 akan mempengaruhi patologi tahap kedua anak tersebut atau variabel Y2. Model digambarkan sebagai berikut : X1 X2 Y1 Y2 Contoh: Contoh kasus ini diambil dari hasil penelitian Sawyer dkk dalam masalah psikologi.Model keempat ini merupakan model yang lebih kompleks. yaitu variabel X 1 secara langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak langsung mempengaruhi Y2.

5. yaitu recursif dan non recursif. ada dua tipe model jalur.5 Model Recursif dan Non Recursif Dari sisi pandang arah sebab akibat.1. Model recursif ialah jika semua anak panah menuju satu arah seperti gambar di bawah ini : 1 2 3 4 P21 P31 P41 P32 P43 P42 e2 e3 e4 r21 .

.

yaitu dari 1 ke 2. manjemen sumber daya manusia dan kewirausahaan. Tidak ada arah yang terbalik. dan 4. yaitu 1 dan tiga variabel endogenous. Satu variabel endogenous dapat menjadi penyebab variabel endogenous lainnya tetapi bukan ke variabel exogenous. penulis akan menggunakan model-model jalur sbb: a. dan 4. Pada bagian berikut ini untuk mempermudah pembaca dalam memahami analisis jalur. Model persamaan satu jalur b. Model persamaan dua jalur c. e3 dan e4). misalnya dari 4 ke 1 Hanya terdapat satu variabel exogenous. . Masing-masing variabel endogenous diterankan oleh variabel 1 dan error (e2. keuangan. 3.3. Model non recursif terjadi jika arah anak panah tidak searah atau terjadi arah yang terbalik (looping).Model tersebut dapat diterangkan sebagai berikut: • • • Anak panah menuju satu arah. dari 2 ke 3 dan dari 3 menuju ke 4. atau bersifat sebab akibat (reciprocal casue). Model persamaan tiga jalur Ketiga model ini akan diaplikasikan dalam riset pemasaran. misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2. yaitu 2.

Sign up to vote on this title
UsefulNot useful