analisis jalur pada amos

ANALISIS JALUR PADA AMOS

Makalah ini disusun untuk melengkapi tugas Mata Kuliah Aplikasi Matematika

Komputer

Semester IV/2014

Disusun oleh :

Resti Amin Nurhaini

(1112017000017)

Dosen Pengampu : Dindin Sobiruddin, M.Kom

Jurusan Pendidikan Matematika

Fakultas Ilmu Tarbiyah dan Keguruan

Universitas Islam Negeri Syarif Hidayatullah

Jakarta

2014

ANALISIS JALUR

A. Pengertian Analisis Jalur

Analisis Jalur digunakan untuk mengetahui apakah data mendukung teori, yang secara

a-priori dihipotesiskan, yang mencakup kaitan structural antar variabel terukur.

Analisis Jalur atau yang lebih dikenal luas sebagai Path Analysis merupakan suatu

metode pendekomposisian korelasi kedalam bagian-bagian yang berbeda untuk

menginterpretasikan suatu pengaruh (effect).

Dalam analisis jalur yang distandarkan korelasi dapat dipecah kedalam komponen-

komponen struktural (kausal) dan nonstruktural (nonkausal) didasarkan teori yang dinyatakan

dalam diagram jalur.

Total Efek Struktural dapat didekomposisi : Langsung dan Tidak Langsung.

Komponen Nonstruktural :

- komponen spurious

- komponen unanalyzed

Pendekomposisian pengaruh terbagi atas dua bagian, yaitu Causal Effect dan Noncausal

Effect.

Dalam kajian analisis jalur, untuk menyederhanakan lambang, akan digunakan dua

macam lambang saja yaitu X dan , yang nantinya dibedakan oleh subscript-nya (X1, X2, ….,

Xk dan 1, 2, … , k).

Istilah untuk variabel :

Variabel eksogen (exogenous variable) mencerminkan variabel penyebab, dan

variabel endogen (endogenous variable) sebagai variabel akibat.

B. Diagram Jalur (Path Diagram)

Langkah pertama analisis jalur adalah menterjemahkan hipotesis penelitian yang

bentuknya proposisional ke dalam bentuk diagram yang disebut diagram jalur.

Pada saat menggambarkan diagram jalur ada beberapa perjanjian :

1. Hubungan antar variabel digambarkan oleh anak panah yang bisa berkepala tunggal ()

atau single headed arrow, dan berkepala dua () atau double headed arrow.

2. Panah berkepala satu menunjukkan pengaruh dari sebuah variabel eksogen terhadap

sebuah variabel endogen. Misalkan :

X1 X2

3. Panah berkepala dua menggambarkan hubungan korelatif antar variabel eksogen.

Misalkan :

X1 X2

` Tidak pernah seseorang bisa mengisolasi hubungan pengaruh secara murni

artinya bahwa sesuatu kejadian banyak sekali yang mempengaruhinya, tetapi pada

conceptual framework hanya dapat digambarkan beberapa pengaruh yang bisa

diamati. Variabel lainnya yang tidak bisa digambarkan (tidak bisa diukur)

diperlihatkan oleh suatu variabel tertentu yang disebut residu dan diberi simbol

dengan .

Contoh :1)

p2

p21

X1 X2 Diagram jalur ini adalah diagram jalur yang paling sederhana. Besarnya pengaruh

langsung dari X1 ke X2 diperlihatkan oleh koefisien jalur (path coefficient, p).

Apabila diagram jalur sederhana seperti ini yaitu variabel eksogen hanya satu,

maka p21 = r21.

2) Contoh diagram jalur yang melibatkan kaitan korelatif :

p3

X1 p31 r12 X3

P32

X2X1 dan X2 merupakan dua buah variabel eksogen yang satu dengan yang lainnya

mempunyai kaitan korelatif. Secara bersama-sama X1 dan X2 mempengaruhi X3.

3) Penelitian mengenai hubungan kausal melibatkan empat buah variabel X1, X2, X3,

dan X4. Menurut teori, hubungan struktural antara variabel-variabel tersebut

adalah :

(a) X3 dipengaruhi oleh X1 dan X2

(b) antara X1 dan X2 terdapat hubungan korelatif

(c) X4 dipengaruhi oleh X3.

Diagram jalur dari hubungan variabel-variabel tersebut adalah :

1 2

p31 p42

X1 p31 p43 r12 P32 X3 X4

X2

Contoh diagram jalur yang tidak melibatkan kaitan korelatif :

4) Seorang peneliti mempunyai empat variabel X1, X2, X3 dan X4 yang menurut

kerangka konseptual terdapat hubungan sebagai berikut :

a) X2 dipengaruhi oleh X1

b) X3 dipengaruhi oleh X1 dan X2

c) X4 dipengaruhi oleh X3 dan X2

Hubungan antar variabel dapat dinyatakan dalam diagram jalur sebagai

berikut.

2

p32

p31

X1 X3

3

p21 p32 p43

p43

p42

X2 X4

P21

1

C. Gambaran Analisis Regresi dan Korelasi Melalui Diagram Jalur1. Regresi Linier Multipel Dengan Dua Variabel Independen

Model regresinya :

Y = 1 X1 + 2 X2 + . . . (1)

Dalam analisis jalur kita hanya menggunakan X baik sebagai variabel eksogen

maupun endogen, untuk itu variabel Y diganti menjadi X3, sehingga model regresi di atas

menjadi :

X3 = 1 X1 + 2 X2 + . . . (2)

Jika semua data pengamatan ditransformasi ke dalam angka baku, artinya

(4) . . . Z ij=

x ij - x j

s j

maka model (2) menjadi

X3 = p31 X1 + p32 X2 + . . . (3)

Dimana px3x1 dan px3x2 adalah koefisien-koefisien jalur yaitu sama dengan koefisien-koefisien regresi untuk variabel yang dibakukan. Persamaan (3) disebut Persamaan Struktural.

Secara struktural model (3) dapat digambarkan dalam diagram jalur sebagai berikut :

p3 X1 p31 r12 X3

P32

X2

2. Regresi linier multipel dengan tiga variabel independen yang dinyatakan dalam diagram

jalur

Prinsip-prinsip regresi dengan tiga variabel independen tidak berbeda dengan dua

variabel independen.

Perhatikan diagram jalur di bawah ini :

X1 p41

r12 p4

p42

r13 X2 X4

r23

p43

X3

Diagram jalur ini memperlihatkan tiga buah variabel eksogen X1, X2 dan X3, serta

sebuah variabel endogen, yaitu X4.

Persamaan struktural untuk diagram jalur di atas adalah :

X4 = p41 X1 + p42 X2 + p43 X3 +

Contoh yang lebih kompleks :

1. Sebuah penelitian eksploratif mencoba mengungkapkan hubungan antara X1, X2, X3,

X4 dan X5. Dalam penelitian ini dikemukakan sebuah proposisi bahwa :

- Antara X1, X2, dan X3 terdapat kaitan korelatif. Ketiga konstrak tersebut bersama-

sama mempengaruhi X4.

- X1, X4 dan X3 secara bersama-sama mempengaruhi X5.

Buatlah diagram jalurnya, identifikasi substrukturnya serta persamaan-

persamaan strukturnya !

Diagram jalurnya :

X1 1 2

p41 p51

r12 p4 1 p52

p42 p54

r13 X2 X4 X5

r23 p43 p53

X3

X4 = p41 X1 + p42 X2 + p43 X3 + 1

X5 = p51 X1 + p53 X3 + p54 X4 + 2

2) Identifikasi substruktur dan persamaan strukturnya dari diagram jalur di bawah ini !

2

p32

p31

X1 X3

3

p21 p32 p43

p43

p42

X2 X4

P21

1

Persamaan strukturnya :

X2 = p21 X1 + 1

X3 = p31 X1 + p32 X2 + 2

X4 = p42 X2 + p43 X3 + 3

KASUS 1 :

Penelitian melibatkan tiga buah variabel X1, X2 dan X3 untuk mengungkapkan

hubungan antara ke tiga variabel ini. Peneliti mempunyai proposisi hipotetik bahwa

antara X1 dan X2 terdapat kaitan korelasional, dan bahwa keduanya secara bersama-

sama mempengaruhi X3.

Data hasil pengukuran (dalam skala pengukuran interval) melalui sampel acak

berukuran 15 adalah sebagai berikut :X3 X1 X2

205 26 159

206 28 164

254 35 198

246 31 184

201 21 150

291 49 208

234 30 184

209 30 154

204 24 149

216 31 175

245 32 192

286 47 201

312 54 248

265 40 166

322 42 287

Analisis :

Regression

Descr iptive Statistics

246,4000 41,11274 1534,6667 9,67815 15

187,9333 38,08724 15

X3X1X2

Mean Std. Deviation N

Corre la tions

1,000 ,916 ,901,916 1 ,000 ,735,901 ,735 1 ,000

. ,000 ,000,000 . ,001,000 ,001 .

15 15 1515 15 1515 15 15

X3X1X2X3X1X2X3X1X2

Pears on Co rre la tion

Sig . (1 -ta i led )

N

X3 X1 X2

Variables Entered/Removedb

X2, X1a . EnterModel1

VariablesEntered

VariablesRemoved Method

All requested variables entered.a.

Dependent Variable: X3b.

Model Summary

,976a ,952 ,944 9,75663Model1

R R SquareAdjus tedR Square

Std. Error ofthe Es timate

Predic tors : (Cons tant), X2, X1a.

ANOVAb

22521, 299 2 11260, 649 118, 294 , 000a

1142, 301 12 95, 19223663, 600 14

RegressionResidualTot al

Model1

Sum ofSquares df Mean Square F Sig.

Predict ors: (Const ant ) , X2, X1a.

Dependent Var iable: X3b.

Coeff i ci entsa

64, 639 13, 112 4, 930 , 0002, 342 , 398 , 551 5, 892 , 000, 535 , 101 , 496 5, 297 , 000

(Const ant )X1X2

Model1

B St d. Error

Unst andardizedCoef f icient s

Bet a

St andardizedCoef f icient s

t Sig.

Dependent Var iable: X3a.

Proposisi hipotetik yang diajukan oleh peneliti bisa diterjemahkan kedalam Diagram Jalur seperti di bawah ini :

p3 X1 p31 r12 X3

P32

X2

Diagram jalur ini terdapat dua buah variabel eksogen X1 dan X2, serta sebuah variabel

endogen, yaitu X3.

Bentuk persamaan struktural untuk diagram jalur di atas :

X3 = 0,551 X1 + 0,496 X2 +

Model ini signifikan karena nilai p-value = 0,000 lebih kecil dari α

Koefisien jalur :

p31 = 0,551 , karena p-value = 0,000 lebih kecil dari α, koefisien jalur ini signifikan

p32 = 0,496 , karena p-value = 0,000 lebih kecil dari α, koefisien jalur ini signifikan

p3 =√1−R2 = √1−0 , 952 = 0,219 .

Hubungan struktural antara X1 , X2 dan X3 :

0,219 X1 0,551 0,735 X3

0,496X2

InterpretasiPengaruh langsung dari X1 terhadap X3 = (0,551)(0,916)=Pengaruh langsung dari X2 terhadap X3 = (0,496)(0,901)=

KASUS 2

Sebuah penelitian eksploratif mencoba mengungkapkan hubungan antara X1, X2, X3, dan X4. Dalam penelitian ini dikemukakan sebuah proposisi bahwa :

- Antara X1 dan X2, terdapat kaitan korelatif. Kedua konstrak tersebut bersama-sama mempengaruhi X3.

- X1, X2 dan X3 secara bersama-sama mempengaruhi X4. Buatlah diagram jalurnya, hitung semua pengaruh variable eksogennya.!

DATA SAMPEL :

Analisis :

Diagram jalur :

Persamaan struktural :

X3 = p31 X1 + p32 X2 + 1

X4 = p41 X1 + p42 X2 + p43 X3 + 2

Untuk sub-struktur 1 :

ANOVAb

2590, 067 2 1295, 034 259, 355 , 000a

49, 933 10 4, 9932640, 000 12


Model1


Predict ors: (Const ant ) , X2, X1a.


Corre la tions

1,000 ,734 ,809,734 1 ,000 ,217,809 ,217 1 ,000

. ,002 ,000,002 . ,238,000 ,238 .

13 13 1313 13 1313 13 13

X3X1X2X3X1X2X3X1X2

Pears on Co rre la tion

Sig . (1 -ta i led )

N

X3 X1 X2

Model Summary

,990a ,981 ,977 2,23457Model1



Predic tors : (Cons tant), X2, X1a.

Coeff i ci entsa

51, 434 2, 199 23, 389 , 0001, 476 , 112 , 585 13, 140 , 000, 687 , 045 , 682 15, 305 , 000

(Const ant )X1X2

Model1

B St d. Error


Bet a


t Sig.


Persamaan struktur :

X3 = 0,585 X1 + 0,682 X2 + 1

Model ini signifikan karena p-value = 0,000 lebih kecil dari α

Koefisien jalur :

p31 = 0,585 , karena p-value = 0,000 lebih kecil dari α, koefisien jalur ini signifikanp32 = 0,682 , karena p-value = 0,000 lebih kecil dari α, koefisien jalur ini signifikan

px3 =√1−R2 = √1−0 , 981 = 0,138.

Untuk Sub-struktur 2 :

Model Summary

,997a ,994 ,992 1,38903Model1



Predic tors : (Cons tant), X2, X1, X3a.

ANOVAb

2899, 405 3 966, 468 500, 913 , 000a

17, 365 9 1, 9292916, 769 12


Model1


Predict ors: (Const ant ) , X2, X1, X3a.


Coeff i ci entsa

22, 248 10, 202 2, 181 , 057, 541 , 197 , 514 2, 750 , 022, 831 , 298 , 314 2, 785 , 021, 327 , 138 , 309 2, 372 , 042

(Const ant )X3X1X2

Model1

B St d. Error


Bet a


t Sig.


Persamaan struktur :X4 = 0,314 X1 + 0,309 X2 + 0,514 X3 + 2

Model ini signifikan karena p-value = 0,000 lebih kecil dari αKoefisien jalur :P41 = 0,314 , karena p-value = 0,021 lebih kecil dari α, koefisien jalur ini signifikanP42 = 0,309 , karena p-value = 0,042 lebih kecil dari α, koefisien jalur ini signifikanP43 = 0,514 , karena p-value = 0,022 lebih kecil dari α, koefisien jalur ini signifikan.

P4 =√1−R2 = √1−0 , 994 =0,077.

Diagram Jalur yang lengkap : 1

X1 0,138 2

0,585 0,314 0,077

0,514 0,217 X3 X4

0,682 0,309

X2

Interpretasi :

Pengaruh dari X1 ke X4

Pengaruh langsung = 0,314

Pengaruh tak langsung (melalui X3) = 0,585 x 0,514 = 0,301

Total pengaruh = 0,314 + 0,301 = 0,615



Pengaruh tak langsung (melalui X3) = 0,682 x 0,514 = 0,350

Total pengaruh = 0,309 + 0,350 = 0,659



D. Langkah-Langkah dalam Menganalisis

1. Menyiapkan Data

Siapkan data yang akan dianalisis dalam format basis data yang dapat dibuat dengan

program Microsoft Exel, SPSS, atau format data base yang lain. Dalam latihan ini

sudah disiapkan data dalam format SPSS yang disimpan dalam file

DataAnalisisJalur.sav

2. Jalankan program AMOS Graphics

3. Buat model diagram jalurnya dengan cara:

Klik menu File Data Sheet, klik tombol File Name, lalu cari file

DataAnalisisJalur.sav sehingga muncul gambar dibawah, lalu klik OK.

Klik menu ViewVariable in Database… sehingga muncul gambar berikut:

Drag semua variabel yang ada di variables in data ke lembar kerja yang

disediakan.

Buat pola hubungan searah dengan menggunakan toolbar draw path () lalu drag

mulai dari x1 ke y1. Ulangi langkah ini untuk membuat hubungan searah yang

lain.

Buat pola hubungan dua arah (kovarians) dengan menggunakan toolbar draw

covariance (). Lalu drag dari x1 ke x2.

Buat variabel eror menggunakan toolbar add anunique…, klik di variabel y1 dan

y2. Beri label variabel eror tersebut dengan cara klik kanan lalu pilih objek

propertiesblalu tabulator text dan variabel name dengan e1 untuk eror y1 dan e2

untuk eror y2. Hasilnya akan terlihat seperti gambar berikut.

Tentukan jenis hasil analisis yang diperlukan dengan cara klik menu

viewanalysis properties… lalu pilih tabulator output dan beri tanda check

seperti pada gambar berikut:

Lakukan analisis dengan klik menu analyze calculate estimation… maka akan

muncul hasil analisis pathnya seperti ini:

Untuk melihat hasil analisis lengkapnya klik menu view text output

Daftar PustakaMuhson, Ali. Analisis Jalur dengan AMOS. 2011

Putra, I Wayan Jaman Adi. LANGKAH-LANGKAH ANALISIS JALUR (PATH

ANALYSIS). (diunduh 2 Juni 2014)

Tahir, Rusdin. ANALISIS JALUR (Path Analysis). http://rusdintahir.wordpress.com.(diunduh 3 Juni 2014)

http://rusdintahir.wordpress.com/

analisis jalur pada amos

Documents