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:

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

e. Dengan gambar model di bawah ini akan diterangkan konsep.c. Terjadi otokorelasi jika angka Dubin dan Watson sebesar < 1 dan > 3 1.4 Konsep-Konsep dan Istilah Dasar Dalam analisis jalur dikenal beberapa konsep dan istilah dasar. Tidak boleh terjadi multikolinieritas. Pengujian dilakukan dengan Uji T. Koefesien regresi signifikan jika T hitung > T table (nilai kritis) d.konsep dan istilah dasar tersebut: 1 2 3 4 P21 P31 P41 P32 P43 P42 e2 e3 e4 r21 . Koefesien regresi harus signifikan. artinya tidak boleh terjadi korelasi yang sangat tinggi atau sangat rendah antar variable bebas. Tidak terjadi otokorelasi.

Anak panah juga menghubungkan kesalahan (variabel residue) dengan semua variabel endogenous masingmasing. Variabel exogenous. Anak panah ganda menunjukkan korelasi antara pasangan variabel-variabel exogenous. selain pada bagian kesalahan pengukuran. perantara dan tergantung. Pola hubungan ditunjukkan dengan menggunakan anak panah. Model jalur ialah suatu diagram yang menghubungkan antara variabel bebas. 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. 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. 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.• • • Model jalur.

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

. Dalam terminologi analisis jalur.1.5.5 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. variabel harga dan promosi adalah variabel exogenous dan variabel penjualan adalah variabel endogenous.1 Tipe Regresi Berganda Model pertama ini sebenarnya merupakan pengembangan regresi berganda dengan menggunakan dua variabel exogenous. yaitu X1 dan X2 dengan satu variabel endogenous Y. Model digambarkan sebagai berikut : X1 X2 Y Contoh : Dalam kasus pengaruh harga dan promosi terhadap penjualan. diantaranya diterangkan di bawah ini : 1.

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

Kinerja pegawai secara langsung mempengaruhi kepuasan pelanggan demikian pula kinerja pegawai akan mempengaruhi kualitas layanan yang kemudian akan berpengaruh terhadap kepuasan pelanggan.4 Model Kompleks . 1.5.1. 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. Dalam kasus ini variabel X adalah kinerja pegawai.3 Model Kombinasi Pertama dan Kedua Model ketiga ini merupakan kombinasi antara model pertama dan kedua. yaitu variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak langsung mempengaruhi variabel Z melalui variabel Y. variabel Y adalah kualitas layanan dan variabel Z adalah kepuasan pelanggan.5.

Model keempat ini merupakan model yang lebih kompleks. yaitu (jalur antara X2 dan Y2 ) . 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. yaitu (jalur antara X1 dan Y2) dan tahap kedua. sementara itu variabel Y2 juga dipengaruhi oleh variabel Y1. yaitu variabel X 1 secara langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak langsung mempengaruhi Y2. Selanjutnya patologi anak tahap kedua atau Y2 juga dipengaruhi oleh patologi ibu tahap pertama. 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 .

5 Model Recursif dan Non Recursif Dari sisi pandang arah sebab akibat.5.1. 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 recursif dan non recursif. ada dua tipe model jalur.

.

3. Model persamaan tiga jalur Ketiga model ini akan diaplikasikan dalam riset pemasaran. . manjemen sumber daya manusia dan kewirausahaan. misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2. Tidak ada arah yang terbalik. Pada bagian berikut ini untuk mempermudah pembaca dalam memahami analisis jalur.Model tersebut dapat diterangkan sebagai berikut: • • • Anak panah menuju satu arah. Satu variabel endogenous dapat menjadi penyebab variabel endogenous lainnya tetapi bukan ke variabel exogenous. yaitu 2.3. dari 2 ke 3 dan dari 3 menuju ke 4. e3 dan e4). misalnya dari 4 ke 1 Hanya terdapat satu variabel exogenous. dan 4. Masing-masing variabel endogenous diterankan oleh variabel 1 dan error (e2. penulis akan menggunakan model-model jalur sbb: a. Model non recursif terjadi jika arah anak panah tidak searah atau terjadi arah yang terbalik (looping). Model persamaan dua jalur c. Model persamaan satu jalur b. dan 4. keuangan. yaitu dari 1 ke 2. atau bersifat sebab akibat (reciprocal casue). yaitu 1 dan tiga variabel endogenous.

Sign up to vote on this title
UsefulNot useful