TEORI ANALISIS JALUR / PATH ANALYSIS 1.1 Sejarah Analisis Jalur Bagaimana sejarah perkembangan analisis jalur?

Teknik analisis jalur, yang dikem bangkan oleh Sewal Wright di tahun 1934, sebenarnya merupakan pengembangan kor elasi yang diurai menjadi beberapa interpretasi akibat yang ditimbulkannya. Lebi h lanjut, analisis jalur mempunyai kedekatan dengan regresi berganda; atau denga n kata lain, regresi berganda merupakan bentuk khusus dari analisis jalur. Tekni k ini juga dikenal sebagai model sebab-akibat (causing modeling). Penamaan ini d idasarkan pada alasan yang bahwa analisis jalur memungkinkan pengguna dapat meng uji proposisi teoritis mengenai hubungan sebab dan akibat tanpa memanipulasi var iabel-variabel. Memanipulasi variabel maksudnya ialah memberikan perlakuan (trea tment) terhadap variabel-variabel tertentu dalam pengukurannya. Asumsi dasar mod el ini ialah beberapa variabel sebenarnya mempunyai hubungan yang sangat dekat s atu dengan lainnya. Dalam perkembangannya saat ini analisis jalur diperluas dan diperdalam kedalam bentuk analisis Structural Equation Modeling atau dikenal denga n 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 hub ungan sebab akibat yang tejadi pada regresi berganda jika variabel bebasnya memp engaruhi variabel tergantung tidak hanya secara langsung tetapi juga secara tida k langsung. (Robert D. Retherford 1993). Sedangkan definisi lain mengatakan: Anali sis jalur merupakan pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan (magnitude) dan signifikansi (sign ificance) hubungan sebab akibat hipotetikal dalam seperangakat variabel. (Paul We bley 1997). David Garson dari North Carolina State University mendefinisikan ana lisis jalur sebagai Model perluasan regresi yang digunakan untuk menguji keselara san matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang dib andingkan 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 (pembe ri respon) sedang yang lain sebagai penyebab. Pembobotan regresi diprediksikan d alam suatu model yang dibandingkan dengan matriks korelasi yang diobservasi untu k semua variabel dan dilakukan juga penghitungan uji keselarasan statistik. (Dav id Garson, 2003). Dari definisi-definisi di atas dapat dsimpulkan bahwa sebenarn ya analisis jalur merupakan kepanjangan dari analisis regresi berganda. 1.3 Prinsip-Prinsip Dasar Prinsip-prinsip dasar yang sebaiknya dipenuhi dalam analisis jalur diantaranya i alah: Adanya linearitas (Linearity). Hubungan antar variabel bersifat linear Adanya aditivitas (Additivity). Tidak ada efek-efek interaksi Data berskala interval. Semua variabel yang diobservasi mempunyai data b erskala interval (scaled values). Jika data belum dalam bentuk skala interval, s ebaiknya data diubah dengan menggunakan metode suksesive interval (MSI) terlebih dahulu. Semua variabel residual (yang tidak diukur) tidak berkorelasi dengan sal ah satu variabel-variabel dalam model. Istilah gangguan (disturbance terms) atau variabel residual tidak boleh berkorelasi dengan semua variabel endogenous dalam model. Jika dilanggar, maka akan berakibat hasil regresi menjadi tidak tepat untuk mengestimasikan parameter -parameter jalur. Sebaiknya hanya terdapat multikoliniearitas yang rendah. Multikolinierit as maksudnya dua atau lebih variabel bebas (penyebab) mempunyai hubungan yang sa ngat tinggi. Jika terjadi hubungan yang tinggi maka kita akan mendapatkan stan dar error yang besar dari koefesien beta (b) yang digunakan untuk menghilangkan varians biasa dalam melakukan analisis korelasi secara parsial. Adanya recursivitas. Semua anak panah mempunyai satu arah, tidak boleh t erjadi pemutaran kembali (looping). Spesifikasi model benar diperlukan untuk menginterpretasi koefesien-koe fesien jalur. Kesalahan spesifikasi terjadi ketika variabel penyebab yang sign

ifikan dikeluarkan dari model. Semua koefesien jalur akan merefleksikan kovarian s bersama dengan semua variabel yang tidak diukur dan tidak akan dapat diinterpr etasi secara tepat dalm kaitannya dengan akibat langsung dan tidak langsung. Terdapat masukan korelasi yang sesuai. Artinya jika kita menggunakan mat riks korelasi sebagai masukan, maka korelasi Pearson digunakan untuk dua variabe l berskala interval; korelasi polychoric untuk dua variabel berksala ordinal; te trachoric untuk dua variabel dikotomi (berskala nominal); polyserial untuk satu variabel interval dan lainnya ordinal; dan biserial untuk satu variabel berskala interval dan lainnya nominal. Terdapat ukuran sampel yang memadai. Jika dalam contoh ini hanya diberik an 30 sampel, maka sebaiknya untuk riset yang sebenarnya gunakan sample minimal 100 untuk memperoleh hasil analisis yang signifikan dan lebih akurat. Sampel sama dibutuhkan untuk pengitungan regresi dalam model jalur. Asumsi analisi jalur mengikuti asumsi umum regresi linear, yaitu: a. Model regresi harus layak. Kelayakan ini diketahui jika angka signifika nsi pada ANOVA sebesar < 0.05 b. Predictor yang digunakan sebagai variable bebas harus layak. Kelayakan i ni diketahui jika angka Standard Error of Estimate < Standard Deviation c. Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T. K oefesien regresi signifikan jika T hitung > T table (nilai kritis) d. Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korel asi yang sangat tinggi atau sangat rendah antar variable bebas. e. Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Dubin dan Wat son sebesar < 1 dan > 3 1.4 Konsep-Konsep dan Istilah Dasar Dalam analisis jalur dikenal beberapa konsep dan istilah dasar. Dengan gambar mo del di bawah ini akan diterangkan konsep- konsep dan istilah dasar : Model jalur. Model jalur ialah suatu diagram yang menghubungkan antara variabel bebas, perantara dan tergantung. Pola hubungan ditunjukkan dengan menggunakan an ak panah. Anak panah-anak panah tunggal menunjukkan hubungan sebabakibat antara v ariabel-variabel exogenous atau perantara dengan satu variabel tergantung atau l ebih. Anak panah juga menghubungkan kesalahan (variabel residue) dengan semua va riabel endogenous masing-masing. Anak panah ganda menunjukkan korelasi antara pa sangan variabel-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 kore lasi dari semua variabel endogenous yang dikorelasikan dengan variabel-variabel yang lain yang mempunyai anak panah-anak panah menuju ke variabel yang sudah ada tersebut. Variabel exogenous. Variabel variabel exogenous dalam suatu model jalur ialah se mua variabel yang tidak ada penyebab-penyebab eskplisitnya atau dalam diagram ti dak ada anak-anak panah yang menuju kearahnya, selain pada bagian kesalahan peng ukuran. Jika antara variabel exogenous dikorelasikan maka korelasi tersebut ditu njukkan dengan anak panah dengan kepala dua yang menghubungkan variabel-variabel tersebut. 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 pana h yang menuju kearahnya. Koefesien jalur / pembobotan jalur. Koefesien jalur adalah koefesien regresi sta ndar atau disebut beta yang menunjukkan pengaruh langsung dari suatu variabel beba s terhadap variabel tergantung dalam suatu model jalur tertentu. Oleh karena itu , jika suatu model mempunyai dua atau lebih variabel-variabel penyebab, maka koe fesien-koefesien jalurnya merupakan koefesien-koefesien regresi parsial yang m engukur 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. Variabel-variabel exogenous yang dikorelasikan. Jika semua variabel exogenous di

korelasikan, maka sebagai penanda hubungannya ialah anak panah dengan dua kepal a yang dihubungkan diantara variabel-variabel dengan koefesien korelasinya. Istilah gangguan. Istilah kesalahan residual yang secara teknis disebut sebagai g angguan atau residue mencerminkan adanya varian yang tidak dapat diterangkan atau p engaruh dari semua variabel yang tidak terukur ditambah dengan kesalahan penguku ran. Aturan multiplikasi jalur. Nilai dari suatu jalur gabungan adalah hasil semua ko efesien jalurnya. Decomposisi pengaruh. Koefesien-koefesien jalur dapat digunakan untuk mengurai k orelasi-korelasi dalam suatu model kedalam pengaruh langsung dan tidak langsung yang berhubungan dengan jalur langsung dan tidak langsung yang direfleksikan den gan anak panah anak panah dalam suatu model tertentu. Ini didasarkan pada aturan bahwa dalam suatu sistem linear, maka pengaruh penyebab total suatu variabel i te rhadap variabel j adalah jumlah semua nilai jalur dari i ke j. Signifikansi dan Model keselarasan dalam jalur. Untuk melakukan pengujian koefes ien koefesien jalur secara individual, kita dapat menggunakan t standar atau pen gujian F dari angka-angka keluaran regresi. Sedang untuk melakukan pengujian mod el dengan semua jalurnya, kita dapat menggunakan uji keselarasan dari program. J ika suatu model sudah benar, diantaranya mencakup semua variabel yang sesuai dan mengeluarkan semua variabel yang tidak sesuai; maka jumlah nilai-nila jalur dar i I ke j akan sama dengan koefesien regresi untuk j yang diprediksi didasarkan p ada I, yaitu untuk data yang sudah distandarisasi dimana koefesien regresi seder hana sama dengan kefesien korelasi; maka jumlah semua koefesien (standar) akan s ama dengan koefesien korelasi. Anak panah dengan satu kepala dan dua kepala. Jika ingin menggambarkan penyebab, maka kita menggunakan anak panah dengan satu kepala. Sedang untuk menggambarkan korelasi, kita menggunakan anak panah yang melengkung dengan dua kepala. Ada k alanya hubungan sebab akibat menghasilkan angka negatif, untuk menggambarkan has il yang negatif digunakan garis putus-putus. Pola hubungan. Dalam analisi jalur tidak digunakan istilah variabel bebas ataupu n tergantung. Sebagai gantinya kita menggunakan istilah variabel exogenous dan e ndogenous. Model Recursive. Model penyebab yang mempunyai satu arah. Tidak ada arah membali k (feed back loop) dan tidak ada pengaruh sebab akibat (reciprocal). Dalam model ini satu variabel tidak dapat berfungsi sebagai penyebab dan akibat dalam wakt u yang bersamaan. Model Non-recursive. Model penyebab dengan disertai arah yang membalik (feed bac k loop) atau adanya pengaruh sebab akibat (reciprocal). Direct Effect. Pengaruh langsung yang dapat dilihat dari koefesien jalur dari sa tu variable ke variable lainnya. Indirect Effect. Urutan jalur melalui satu atau lebih variable perantara. 1.5 Tipe Model-model Jalur Ada beberapa model jalur mulai dari yang paling sederhana sampai dengan yang leb ih rumit, diantaranya diterangkan di bawah ini : 1.5.1 Tipe Regresi Berganda Model pertama ini sebenarnya merupakan pengembangan regresi berganda dengan meng gunakan dua variabel exogenous, yaitu X1 dan X2 dengan satu variabel endogenous Y. Model digambarkan sebagai berikut : Contoh : Dalam kasus pengaruh harga dan promosi terhadap penjualan, maka X1 adalah varia bel harga dan X2 adalah variabel promosi sedangkan Y adalah variabel penjualan. Dalam terminologi analisis jalur, variabel harga dan promosi adalah variabel exo genous dan variabel penjualan adalah variabel endogenous. 1.5.2 Model Mediasi Model kedua adalah model mediasi atau perantara dimana variabel Y memodifikasi p engaruh variabel X terhadap variabel Z. Model digambarkan sebagai berikut: Contoh : Karena menginginkan suatu produk laku keras, sebuah perusahaan menjual produk de

ngan harga murah dengan mengabaikan kualitas produk itu sendiri. Hasilnya penjua lan produk terus menurun. Jika diterapkan dalam model kedua ini, maka variabel X adalah produk, variabel Y adalah variabel kualitas produk dan variabel Z adalah variabel penjualan. Variabel produk mempengaruhi variabel penjualan melalui var iabel kualitas produk. 1.5.3 Model Kombinasi Pertama dan Kedua Model ketiga ini merupakan kombinasi antara model pertama dan kedua, yaitu varia bel X berpengaruh terhadap variabel Z secara langsung dan secara tidak langsung mempengaruhi variabel Z melalui variabel Y. Model digambarkan sebagai berikut : Contoh : Kualitas layanan yang diberikan suatu perusahaan dipengaruhi oleh kinerja pegawa i yang pada akhirnya akan mempengaruhi tingkat kepuasan pelanggan. Dalam kasus i ni variabel X adalah kinerja pegawai, variabel Y adalah kualitas layanan dan var iabel Z adalah kepuasan pelanggan. Kinerja pegawai secara langsung mempengaruhi kepuasan pelanggan demikian pula kinerja pegawai akan mempengaruhi kualitas laya nan yang kemudian akan berpengaruh terhadap kepuasan pelanggan. 1.5.4 Model Kompleks Model keempat ini merupakan model yang lebih kompleks, yaitu variabel X1 secara langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak langsung mempengar uhi Y2, sementara itu variabel Y2 juga dipengaruhi oleh variabel Y1. Model digam barkan sebagai berikut : Contoh: Contoh kasus ini diambil dari hasil penelitian Sawyer dkk dalam masalah psikolog i. Kasusnya sebagai berikut: X1 adalah psikopatologi tahap pertama seorang ibu yangakan menjadi penentu terhadap patologi tahap kedua ibu yang bersangkutan dal am hal ini adalah variabel X2 ; dan mirip dengan kejadian tersebut patologi taha p pertama anaknya atau variabel Y1 akan mempengaruhi patologi tahap kedua anak t ersebut atau variabel Y2. Selanjutnya patologi anak tahap kedua atau Y2 juga dip engaruhi oleh patologi ibu tahap pertama, yaitu (jalur antara X1 dan Y2) dan ta hap kedua, yaitu (jalur antara X2 dan Y2 ) 1.5.5 Model Recursif dan Non Recursif Dari sisi pandang arah sebab akibat, ada dua tipe model jalur, yaitu recursif da n non recursif. Model recursif ialah jika semua anak panah menuju satu arah sepe rti gambar di bawah ini : Model tersebut dapat diterangkan sebagai berikut: Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2 ke 3 da n dari 3 menuju ke 4. Tidak ada arah yang terbalik, misalnya dari 4 ke 1 Hanya terdapat satu variabel exogenous, yaitu 1 dan tiga variabel endoge nous, yaitu 2,3, dan 4. Masing-masing variabel endogenous diterankan oleh varia bel 1 dan error (e2, e3 dan e4). Satu variabel endogenous dapat menjadi penyebab variabel endogenous lain nya tetapi bukan ke variabel exogenous. Model non recursif terjadi jika arah anak panah tidak searah atau terjadi arah y ang terbalik (looping), misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersif at sebab akibat (reciprocal casue). Pada bagian berikut ini untuk mempermudah pembaca dalam memahami analisis jalur, penulis akan menggunakan model-model jalur sbb: a. Model persamaan satu jalur b. Model persamaan dua jalur c. Model persamaan tiga jalur Ketiga model ini akan diaplikasikan dalam riset pemasaran, keuangan, manjemen su mber daya manusia dan kewirausahaan.