pemahaman dasar teknik analisis jalur pa

PEMAHAMAN DASAR TEKNIK ANALISIS JALUR / PATH

ANALYSISUNTUK PENELITIAN KUANTITATIF

EKO HERTANTO

Kata Pengantar

Teknik analisis jalur (path analysis) adalah salah

satu teknik analisis statistik yang digunakan di dalam

penelitian kuantitatif. Analisis jalur (path analysis)

biasanya menggunakan istilah pengaruh langsung dan

pengaruh tidak langsung, dikarenakan ada variabel

perantara / interverning / variabel mediasi.

A. Analisis JalurMenurut Kuncoro dan Riduan, analisis jalur (path

analysis) dikembangkan berdasarkan serangkaian

tulisan antara tahun 1920-an hingga 1960-an oleh

seorang ahli genetika yang sangat brilian Sewall

Wright1. Analisis jalur merupakan bentuk terapan dari

analisis multiregresi yang membantu memudahkan 1 Engkos Achmad Kuncoro dan Riduan, 2007. Cara Menggunakan dan Memakai Analisis Jalur (Path Analysis), Penerbit: Alfabeta, Bandung, hlm. 1.

1

pengujian hipotesis dari hubungan-hubungan antar

variabel yang cukup rumit. Dalam analisis jalur, korelasi

antar variabel dihubungkan dengan parameter dari

model yang dinyatakan dengan diagram jalur atau path

diagram.

Menurut Sarwono, teknik analisis jalur yang

dikembangkan oleh Sewal Wright sebenarnya

merupakan pengembangan teknik korelasi yang diurai

menjadi beberapa interpretasi akibat yang

ditimbulkannya2. Analisis jalur memiliki kedekatan

dengan regresi berganda, sehingga regresi berganda

adalah bentuk khusus analisis jalur. Teknik ini dikenal

sebagai model sebab-akibat (causing modeling).

Menurut Sarwono terdapat beberapa definisi analisis

jalur, diantaranya3:

1. Analisis jalur adalah suatu teknik untuk menganalisis

hubungan sebab akibat yang terjadi pada regresi

berganda jika variabel bebasnya mempengaruhi

variabel terikat tidak hanya secara langsung, tetapi

secara tidak langsung. (Robert D. Rutherford, 1993).

2. Analisis jalur adalah pengembangan langsung

bentuk regresi berganda dengan tujuan untuk 2 Jonathan Sarwono, 2007, Analisis Jalur untuk Riset Bisnis dengan SPSS, Penerbit: Andy, Yogyakarta, hlm. 1.3 Ibid.

2

memberikan estimasi tingkat kepentingan

(magnitude) dan signifikansi (significance) hubungan

sebab akibat hipotetikal dalam seperangkat variabel

(Paul Webley, 1997).

3. Analisis jalur adalah model perluasan regresi yang

digunakan untuk menguji keselarasan matrik korelasi

dengan dua atau lebih model hubungan sebab

akibat yang dibandingkan oleh peneliti (David

Garson, 2003).

Dari beberapa definisi diatas, path analysis

digunakan untuk menganalisis pola hubungan antar

variabel dengan tujuan untuk mengetahui pengaruh

langsung dan tidak langsung seperangkat variabel

bebas (exogen) terhadap variabel terikat (endogen).

Menurut Abdurahman dan Muhidin, model path

analysis digunakan apabila secara teori peneliti yakin

menganalisis memiliki pola hubungan sebab akibat

(causal effect)4.

Oleh karena itu rumusan masalah dalam kerangka

path analysis adalah:

4 Maman Abdurahman dan Sambas Ali Muhidin, 2007, Analisis Korelasi, Regresi dan Jalur dalam penelitian dengan Aplikasi program SPSS, Penerbit: Pustaka Setia, Bandung, hlm.221.

3

1. Apakah variabel eksogen berpengaruh terhadap

variabel endogen..? (pengaruh secara parsial)

2. Berapa besar pengaruh kausal langsung, tidak

langsung, total dan,

3. Berapa besar pengaruh simultan seperangkat

variabel eksogen terhadap endogen.

Asumsi yang mendasari path analysis, diantaranya:

1. Hubungan antar variabel bersifat linear dan normal

2. Aliran kausal hanya satu arah (rekursif) artinya tidak

ada arah kausalitas terbalik non-rekursif (reciprocal)

3. Untuk memperoleh hasil maksimal sebaiknya

digunakan sampel di atas 100.

4. Model yang dikaji atau diuji yang dibangun

berdasarkan kerangka teoritis harus mampu

menjelaskan hubungan kausalitas antar variabel.

Model umum path analysis menurut Schumaker dan

Lumox dalam Kuncoro dan Riduan terdiri dari:5

1. Correlated path model (Model korelasi)

2. Mediated path model (Model mediasi)

3. Independent path model (Model independen)

5 Engkos Achmad Kuncoro dan Riduan, op.cit, hlm.2.

4

Contoh: Correlated Path Model (Model korelasi)

X1 : Kompensasi

X2 : Kepuasan Kerja

Y : Kinerja Karyawan

p : Koefisien jalur

Judul:

Pengaruh Kompensasi dan Kepuasan Kerja Terhadap

Kinerja Karyawan PT. Guten Morgen Indonesia.

Gambar 1. Correlated Path Model

Contoh: Mediated Path Model (Model Mediasi)

5

X1

X2

Y

pYX1

pYX2

r21

e1

Disebut “Residu”Pengaruh Langsung

Pengaruh Langsung

Disebut Korelasi

X1 : Gaya Kepemimpinan

X2 : Disiplin Kerja


p : Koefisien jalur

Judul:

Pengaruh Gaya Kepemimpinan dan Disiplin Kerja

Terhadap Kinerja Karyawan PT. Guten Morgen

Indonesia.

Gambar 2. Mediated Path Model

Contoh: Independent Path Model (Model Independen)

6

X1

X2

Y

pYX1

pYX2

r21

e2

e1

Disebut “Residu”Pengaruh Langsung

Pengaruh Langsung

Disebut “Residu”

Disebut Korelasi

X1 : Budaya Organisasi

X2 : Disiplin Kerja


Judul:

Pengaruh Budaya Organisasi dan Disiplin Kerja


Indonesia.

Gambar 3. Independent Path Model

B. Analisis Jalur (Path Analysis) Model Korelasi

7

X1

X2

Y

pYX1

pYX2

e1

Disebut “Residu”

Pengaruh Parsial

Pengaruh Parsial

Menurut Widarjono, selain analisis regresi, analisis

korelasi merupakan dasar dalam membentuk analisis

jalur (path analysis)6.

Korelasi adalah teknik mengukur derajat asosiasi

antar dua variabel. Kekuatan hubungan antara dua

variabel dalam suatu populasi biasanya diukur oleh

koefisien korelasi, yang dinotasikan dengan (p), yang

memiliki nilai -1 untuk korelasi negatif sempurna

(negative perfect correlation) sampai dengan +1 untuk

korelasi positif sempurna (positive perfect correlation).

Sedangkan koefisien korelasi 0 adalah tidak ada

korelasi.

Model korelasi terdiri dari korelasi sederhana (simple

correlation) dan korelasi ganda (multiple correlation).

Kedua jenis korelasi tersebut dapat dilihat dalam

gambar berikut ini:

Gambar 4. Model Korelasi Sederhana (Simple Correlation)

Judul:

6 Agus Widarjono, 2010, Analisis Statistika Multivariate Terapan, Penerbit: UPP STIM YKPN, Yogyakarta, hlm. 261.

8

X1 YrYX1

Pengaruh Budaya Organisasi dan Disiplin Kerja


Indonesia

X1 : Budaya Organisasi

X2 : Disiplin Kerja


Gambar 5. Model Korelasi Berganda(Multiple Correlation)

Kegunaan analisis korelasi ini untuk mengetahui

derajat hubungan antara variabel bebas (independen /

eksogen) dengan variabel terikat (dependen / endogen).

Analisis korelasi digunakan untuk mengukur kekuatan

asosiasi antar variabel.

9

X1

X2

Y

rYX1

rX2X1

e1

RYX2X1

rYX2

C. Model Analisis Jalur (Path Analysis)Analisis jalur adalah bentuk terapan dari analisis

multi-regresi. Disini digunakan diagram jalur untuk

membantu konseptualisasi masalah atau menguji

hipotesis yang kompleks. Meskipun model regresi dan

path analysis sama-sama merupakan bentuk analisis

regresi, tetapi penggunaan kedua model tersebut

berbeda.

Catatan:

a. Untuk keperluan prediksi atau peramalan dan

pendugaan nilai variabel endogen (Y) atas dasar

nilai-nilai variabel eksogen (X1, X2, .., Xn) pola

hubungan yang tepat adalah pola hubungan yang

mengikuti model regresi.

b. Sedangkan untuk tujuan hubungan sebab akibat

pola yang tepat adalah model struktural. Secara

matematik, analisis jalur mengikuti pola model

struktural.

Ghozali menjelaskan bahwa analisis jalur

merupakan pengembangan lebih lanjut dari analisis

10

regresi berganda dan bivariat7. Analisis jalur ingin

menguji persamaan regresi yang melibatkan beberapa

variabel exogen dan endogen sekaligus sehingga

memungkinkan pengujian terhadap variabel mediating /

interverning atau variabel antara. Disamping itu analisis

jalur bisa mengukur hubungan langsung dan tidak

langsung antar variabel dalam model.

D. Menyusun Model Analisis Jalur (Path Analysis)Dalam analisis jalur, menurut Sarwono terdapat

beberapa konsep dan istilah dasar. Konsep-konsep dan

istilah-istilah dasar dalam analisis jalur sebagai berikut:

a. Model jalurModel jalur ialah suatu diagram yang

menghubungkan antara variabel bebas, perantara

dan tergantung. Pola hubungan ditunjukkan dengan

menggunakan anak panah. Anak panah-anak panah

tunggal menunjukkan hubungan sebab-akibat antara

variabel-variabel exogenous atau perantara dengan

satu variabel tergantung atau lebih. Anak panah juga

menghubungkan kesalahan (variabel residu) dengan

7 Imam Ghozali, 2008, Model Persamaan Struktural, Konsep dan Aplikasi dengan Program AMOS 16.0, Penerbit: Badan Penerbit Universitas Diponegoro, Semarang,hlm. 93.

11

semua variabel endogenus masing-masing. Anak

panah ganda menunjukkan korelasi antara

pasangan variabel-variabel exogenous.

b. Variabel exogenusVariabel-variabel exogenous dalam suatu model

jalur ialah semua variabel yang tidak ada penyebab-

penyebab eksplisitnya atau dalam diagram tidak ada

anak-anak panah yang menuju ke arahnya, selain

pada bagian kesalah pengukuran. Jika antara

variabel exogenous dikorelasikan maka korelasi

tersebut ditunjukkan dengan anak panah berkepala

dua yan menghubungkan variabel tersebut.

c. Variabel endogenusIalah variabel yang mempunyai anak panah-anak

panah menuju kearah variabel tersebut. Variabel

yang termasuk di dalamnya mencakup semua

variabel perantara dan tergantung. Variabel

perantara endogenus mempunyai anak panah yang

menuju ke arahnya dan dari arah variabel tersebut

dalam suatu model diagram jalur. Adapun variabel

tergantung hanya mempunyai anak panah yang

menuju ke arahnya.

d. Koefisien jalur

12

Adalah koefisien regresi standar atau disebut “beta”

yang menunjukkan pengaruh langsung dari suatu

variabel bebas terhadap variabel tergantung dalam

suatu model jalur tertentu. Oleh karena itu, jika suau

model mempunyai dua atau lebih variabel-variabel

penyebab maka koefisien-koefisien jalurnya

merupakan koefisien-koefisien regresi parsial yang

mengukur besarnya pengurus suatu variabel

terhadap variabel lain dalam suatu model jalur

tertentu yang mengontrol dua variabel lain

sebelumnya dengan menggunakan data yang sudah

distandarkan.

e. Variabel-variabel exogenous yang dikorelasikanJika semua variabel exogenous dikorelasikan maka

sebagai penanda hubungannya ialah anak panah

dengan dua kepala yang dihubungkan diantara

variabel-variabel dengan koefisien korelasinya.

f. Istilah gangguanIstilah kesalahan residual yang secara teknis disebut

“gangguan” atau “residu” mencerminkan adanya

varian yang dapat diterangkan atau pengaruh dari

semua variabel yang tidak terukur ditambah dengan

kesalahan pengukuran.

g. Pola hubungan

13

Dalam analisis jalur tidak digunakan istilah variabel

bebas atau tergantung. Sebagai gantinya, kita

menggunakan istilah variabel exogenous dan

endogenus.

h. Model RecursiveModel penyebab yang mempunyai satu arah. Tidak

ada arah membalik (feed back loop) dan tidak ada

pengaruh sebab akibat (reciprocal). Dalam model ini

satu variabel tidak dapat berfungsi sebagai

penyebab dan akibat dalam waktu yang bersamaan.

i. Model Non-recursiveModel penyebab dengan disertai arah yang

membalik (feed back loop) atau adanya pengaruh

sebab akibat (reciprocal).

j. Direct Effect (Pengaruh langsung)Pengaruh langsung yang dapat dilihat dari koefisien

jalur dari satu variabel ke variabel lainnya.

k. Indirect Effect (Pengaruh tidak langsung)Urutan jalur melalui satu atau lebih variabel

perantara.

l. Anak panah dengan satu kepala

14

Jika ingin menggambarkan penyebab maka kita

menggunakan anak panah dengan satu kepala yang

menunjukkan satu arah.

Contoh:

m. Anak panah dengan dua kepalaAdapun untuk menggambarkan korelasi, kita

menggunakan anak panah yang melengkung

dengan dua kepala yang menunjukkan dua arah.

contoh:

n. SignifikansiUntuk melakukan pengujian koefisien-koefisien jalur

secara individual (parsial), kita dapat menggunakan

Uji t standar atau Uji F dari angka-angka keluaran

regresi.

Sekarang kita coba masuk ke contoh penerapan /

penyusunan model analisis jalur (path analysis).

1. Model Analisis Jalur Regresi BergandaModel pertama ini sebenarnya merupakan

pengembangan regresi berganda dengan

menggunakan dua variabel exogenous, yaitu: X1, X2

dengan satu variabel endogenus Y.

15

X1 : Kompensasi

X2 : Kepuasan Kerja

Y : Kinerja

Perlu diingat dalam terminologi analisis jalur,

variabel Kompensasi (X1) dan Kepuasan Kerja (X2)

adalah variabel exogenous dan variabel Kinerja (Y)

adalah variabel endogenus.

Contoh:

Gambar 6. Analisis Jalur Model Regresi Berganda

2. Model Mediasi

16

X1

X2

Y

pYX1

r21

e1

pYX2

Model kedua adalah model mediasi atau perantara

dimana variabel X2 memodifikasi pengaruh variabel

X1 terhadap variabel Y.


X2 : Disiplin Kerja


Variabel Gaya Kepemimpinan (X1) mempengaruhi

variabel Kinerja Karyawan (Y) melalui variabel

Disiplin Kerja (X2).

Contoh:

Gambar 7. Analisis Jalur Model Mediasi

3. Model Kombinasi Regresi Berganda dan MediasiModel ketiga ini merupakan kombinasi antara model

pertama (regresi berganda) dan model kedua

(mediasi). Variabel X1 berpengaruh terhadap

variabel Y melalui variabel X2.

17

X1

X2

Y

X1 : Kompensasi

X2 : Motivasi Kerja


Kompensasi (X1) secara langsung mempengaruhi

Kinerja Karyawan (Y), demikian pula Kompensasi

(X1) akan mempengaruhi Motivasi Kerja (X2) yang

kemudian akan berpengaruh terhadap Kinerja

Karyawan (Y).

X1 : Kompensasi

X2 : Motivasi Kerja


Gambar 8. Analisis Jalur Model Kombinasi Regresi

Berganda dan Mediasi

4. Model Kompleks

18

X1

X2

Y

pYX1

pYX2

r21

Model keempat ini merupakan model yang lebih

kompleks, yaitu variabel X1 secara langsung

mempengaruhi Y2 dan melalui variabel X2 secara

tidak langsung mempengaruhi Y2, sementara

variabel Y2 juga dipengaruhi oleh variabel Y1.

X1 : Kompensasi

X2 : Motivasi Kerja

Y1 : Kepuasan Kerja

Y2 : Kinerja Karyawan

Kompensasi (X1) secara langsung mempengaruhi

Kinerja Karyawan (Y2), dan variabel Motivasi Kerja (X2)

secara tidak langsung mempengaruhi Kinerja Karyawan

(Y2). Selanjutnya variabel Kinerja Karyawan (Y2)

dipengaruhi oleh variabel Kepuasan Kerja (Y1),

Gambar 9. Analisis Jalur Model Kompleks

19

X1

Y1

X2

Y2

Panah Hitam : Pengaruh langsung

Panah Merah : Pengaruh tidak langsung

5. Model Rekursif dan Non RekursifDari sisi pandang arah sebab akibat, ada dua tipe

model jalur, yaitu rekursif dan non rekursif. Model

rekursif ialah jika semua anak panah menuju satu

arah.

Gambar 10. Analisis Jalur Model Rekursif

20

X1

X2

X3 X4r21

p41

p43

p42

p32

p31 p21

e2

e3

e4

Model tersebut dijelaskan sebagai berikut:


X2 : Motivasi Kerja

X3 : Disiplin Kerja

X4 : Kinerja Karyawan

Anak panah menuju satu arah, yaitu dari X1 ke X2,

X3, dan X4. Selanjutnya dari X2 ke X3 dan dari X3

menuju ke X4.

Tidak ada arah yang terbalik, misalnya dari X4 ke X1.

Hanya terdapat satu variabel exogenus, yaitu X1 dan

tiga variabel endogenus, yaitu X2, X3, X4. Masing-

masing variabel endogenus diterangkan oleh

variabel X1 dan error (e2, e3, e4).

Satu variabel endogenus dapat menjadi penyebab

variabel endogenus lainnya, tetapi bukan ke variabel

exogenous.

Model non recursif terjadi jika arah anak panah tidak

searah atau terjadi arah yang terbalik (looping),

misalnya dari X4 ke X3 atau dari X3 ke X1 dan X2, atau

bersifat sebab akibat (reciprocal cause).

E. Uji Hipotesis Analisis Jalur

21

Setelah membahas beberapa jenis analisis jalur

(path analysis), maka kita sekarang akan menjelaskan

analisis jalur dengan menggunakan contoh hipotesis

analisis jalur. Ada empat variabel yaitu tiga variabel

independen (exogenous) yaitu:


X2 : Motivasi Kerja

X3 : Disiplin Kerja


Kinerja karyawan (Y) dipengaruhi oleh Gaya

Kepemimpinan (X1), Motivasi Kerja (X2), dan Disiplin

Kerja (X3).

Gaya Kepemimpinan (X1) dan Disiplin Kerja (X3)

berpengaruh langsung terhadap Kinerja Karyawan (Y).

Selain itu, Gaya Kepemimpinan (X1) dan Disiplin Kerja

(X3) juga mempengaruhi secara tidak langsung melalui

Motivasi Kerja (X2). Begitu pula terdapat korelasi antara

Gaya kepemimpinan (X1) dan Disiplin Kerja (X3).

Koefisien analisis jalur tersebut kita cari dari dua

persamaan regresi dan satu koefisen korelasi. Dua

22

persamaan regresi tersebut diperoleh dari tanda anak

panah garis lurus satu arah.

Regresi pertama, yaitu regresi dari variabel X1 ke

variabel X2 , dan dari variabel X3 ke variabel X2.

Regresi pertama:

Gaya Kepemimpinan (X1) ke Motivasi Kerja (X2)

Disiplin Kerja (X3) ke Motivasi Kerja (X2)

Regresi kedua, yaitu regresi dari variabel X1 ke Y,

dan dari variabel X2 ke variabel Y, dan dari variabel X3

ke variabel Y.

Regresi kedua:

Gaya Kepemimpinan (X1) ke Kinerja Karyawan (Y)

Motivasi Kerja (X2) ke Kinerja Karyawan (Y)

Disiplin Kerja (X3) ke Kinerja Karyawan (Y)

Sedangkan satu koefisien korelasi diperoleh dari

koefisien korelasi hubungan antara X1 dan X3 yang

ditujukkan oleh tanda anak panah melengkung dua arah

(berwarna merah).

Dari dua persamaan regresi dan korelasi, dapat

ditulis dalam bentuk persamaan sebagai berikut:

Y = ɑ0 + ɑ1X1 + ɑ2X2 + ɑ3X3 + ɛ2

23

X2 = β0 + β1X1i + β2X3i + ɛ1

PX1X3 = rX1X3

Gambar 11. Model Hipotesis Analisis Jalur

Setelah kita mengetahui analisis jalur keempat

variabel tersebut, selanjutnya kita bisa mendapatkan

koefisien analisis jalur.

Misalnya: persamaan regresi pertama menghasilkan

nilai koefisien analisis jalur dari variabel Gaya

Kepemimpinan (X1) ke variabel Motivasi Kerja (X2)

sebesar 0,673, dan dari variabel Disiplin Kerja (X3) ke

variabel Motivasi Kerja (X2) menghasilkan koefisien

analisis jalur 0,081.

Koefisien Jalur (p) :

24

X1

X3

X2 Y

ɛ1 ɛ2

Gaya Kepemimpinan (X1) ke Motivasi Kerja (X2) = 0,673

Disiplin Kerja (X3) ke Motivasi Kerja (X2) = 0,081

Dari hasil regresi ini menghasilkan koefisien

determinasi R2 sebesar 0,36. Dengan demikian koefisien

analisis jalur yang menunjukkan error yang diberi

simbol/notasi (ɛ1) dapat dicari sebagai berikut:

ɛ1 = √1 - R2 X3.12 = √1 – 0,36 = √0,64 = 0,8

Cara praktis mencari akar dari √0,64 adalah:

Buka Program Microsoft Excel

Klik Formulas

Klik Math & Trig

Klik SQRT – Masukkan 0,64 dikolom – klik Ok = 0,8

Selanjutnya, misalnya persamaan regresi kedua

menghitung koefisien jalur dari variabel Gaya

Kepemimpinan (X1) ke variabel Kinerja Karyawan (Y)

sebesar 0,443, dari variabel Motivasi Kerja (X2) ke

variabel Kinerja Karyawan (Y) sebesar 0,038 dan dari

variabel Disiplin Kerja (X3) ke variabel Kinerja Karyawan

(Y) sebesar 0,462.

Koefisien Jalur (p) :

25

Gaya Kepemimpinan (X1) ke Kinerja Karyawan (Y) =

0,443

Motivasi Kerja (X2) ke Kinerja Karyawan (Y) = 0,038

Disiplin Kerja (X3) ke Kinerja Karyawan (Y) = 0,462

Dari hasil regresi ini menghasilkan koefisien

determinasi R2 sebesar 0,40. Koefisien jalur yang

menunjukkan error yaitu (ɛ2) dari hasil regresi ini bisa

dicari sebagai berikut:

ɛ2= √1 - R2 Y.123 = √1 – 0,51 = √0,49 = 0,7

Cara praktis mencari akar dari √0,49 adalah:

Buka Program Microsoft Excel

Klik Formulas

Klik Math & Trig

Klik SQRT – Masukkan 0,49 dikolom – klik Ok = 0,7

Gambar 12.Koefisien Analisis Jalur

26

Dari analisis jalur gambar 12 tersebut kita bisa

membagi hubungan antara variabel independen dan

dependen menjadi efek langsung (direct effect), dan

efek tidak langsung (indirect effect) dan korelasi

(correlation).

Efek langsung ditandai dengan tanda anak panah

langsung dari variabel independen (X) ke variabel

dependen (Y). Misalnya: efek langsung dari X1 ke Y (lihat panah warna biru), yaitu sebesar = 0,443.

Sedangkan efek tidak langsung ditandai dengan

adanya pengaruh melalui jalur mediasi. Misalnya dari X1

ke Y melalui jalur mediasi X2.

27

X1

X3

X2 Y

ɛ1ɛ2

0,443

0,081

0,673

0,462

0,0380,214

0,8

0,7

Sedangkan hubungan korelasi ditandai dengan anak

panah dua arah (lihat panah warna merah). Di dalam

gambar 12 tersebut hanya ada satu korelasi yaitu antara

Gaya Kepemimpinan (X1) dan Disiplin Kerja (X3), yaitu

sebesar = 0,214.

F. Model StrukturalPersamaan struktural atau disebut juga model

struktural atau lebih dikenal dengan Structural Equation

Modeling (SEM) yaitu apabila setiap variabel terikat

(endogen = Y) secara unik keadaannya ditentukan oleh

seperangkat variabel bebas (exogen = X).

Pada gambar 13, menjelaskan pola hubungan

kausal antar variabel yang disebut diagram jalur (path

diagram). Pada persamaan ini, Y = Fungsi (X1, X2, dan

X3) dan Z = fungsi (X1, X3, dan Y) merupakan

persamaan struktural karena setiap persamaan

menjelaskan pola hubungan kausal yaitu variabel X1, X2

dan X3 terhadap variabel endogen Y dan Z.

Persamaan struktural memiliki sub-sub struktur yang

jumlahnya tergantung dari model yang dikembangkan.

Persamaan struktur pada gambar 13, memiliki dua sub

struktur yaitu sub struktur satu dan dua. Persamaan sub

struktur satu terdiri dari variabel endogen Y dan eksogen

28

X1, X2 dan X3 (lihat gambar 14). Sedangkan sub struktur

dua memiliki variabel endogen Z dan eksogen X1, X3,

dan Y (lihat gambar 15).

Gambar 13.Diagram Jalur Hubungan kausal X1, X2, X3, ke

Y dan Z

Selanjutnya dapat dilihat Gambar 14, yang

merupakan skematik diagram sub strukur satu dengan

formulasi persamaan:

Y = Pyx1X1 + Pyx2X2 + Pyx3X3 + ɛ1

Gambar 14.

29

X1

X2

X3

Y Z

Pzx3

Pzx1

Pyz

Pyx3

Pyx2

Pyx1r12

r23

r13

ɛ1ɛ2

Gambar Sub Struktur Satu

Sedangkan Gambar 15, merupakan skematik

diagram sub struktur dua dengan formulasi persamaan:

Z = Pzx1X1 + Pzx3X3 + PyzY + ɛ2

Gambar 15.

Gambar Sub Struktur Dua

30

X1

X2

X3

YPyx3

Pyx2

Pyx1r12

r23

r13

ɛ1

X1

X2

Y Z

Pzx3

Pzx1

Pyz

Pyx1

Pyx3

r13

ɛ1 ɛ2

Keterangan:

p merupakan notasi / lambing dari koefisien jalur

(path coefficient) untuk setiap variabel eksogen8.

Koefisien jalur menunjukkan pengaruh langsung variabel

eksogen terhadap variabel variabel endogen.

Sedangkan ɛ1 menunjukkan faktor residual yang

fungsinya menjelaskan pengaruh variabel lain yang

telah teridentifikasi oleh teori, tetapi tidak diteliti atau

variabel lainnya yang belum teridentifikasi oleh teori,

atau muncul sebagai akibat dari kekeliruan pengukuran

variabel.

Sebuah diagram jalur, tanda panah yang berujung

ganda ( ) menunjukkan hubungan korelasional dan

tanda panah satu arah ( ) menunjukkan hubungan

kausal atau pengaruh langsung dari variabel eksogen

(X) terhadap variabel endogen (Y).

Jadi secara sistematik path analysis mengikuti pola

model struktural, sehingga langkah awal untuk

mengerjakan atau penerapan model path analysis yaitu 8 Siswono Haryono, Parwoto Wardoyo, 2012, Structural Equation Modeling Untuk Penelitian Manajemen Menggunakan Amos 18.00, Penerbit: PT. Intermedia Personalia Utama, Bekasi, hlm. 92.

31

dengan merumuskan persamaan struktural dan diagram

jalur yang berdasarkan kajian teori tertentu yang telah

diuraikan diatas.

Menurut Haryono dan Wardoyo, informasi diberikan

apabila tujuan penelitian ingin mendapatkan model

untuk kepentingan prediksi, maka yang tepat digunakan

adalah model struktural. Model ini mirip dengan path

analysis, yang membedakan adalah kalau di dalam path

analysis data yang dianalisis adalah data baku

(standardize), sedangkan di dalam model struktural

menggunakan data mentah (raw data). Dengan

demikian hasil analisis model struktural kurang tepat jika

disajikan dalam bentuk diagram path dan lebih cocok

disajikan dalam sistem persamaan.

Path analysis telah menjadi model analisis para

ilmuwan sosial. Bahkan pada tahun 1970-an Karl G.

Joreskog dan Dag Sorbom dari Departemen Statistika

Universitas Uppsala Swedia, telah mengembangkan

model path analysis menjadi model yang sekarang

dikenal sebagai LISREL (LI-near S-tructural Rel-ationship) atau sering disebut SEM (Structural Equation

Modeling).

G. Model (Path analysis) Persamaan Satu Jalur

32

Model analisis satu jalur sebenarnya sama dengan

model regresi berganda, hanya pada variabel bebas

saling berkorelasi9.

Gambar 16.Model (Path Analisis) Diagram Satu Jalur

H. Model (Path analysis) Persamaan Dua JalurMisalkan peneliti ingin meneliti dua variabel bebas

yang terdiri dari Kompensasi (X1) dan Motivasi Kerja

(X2). Dua variabel tergantung yaitu Kepuasan Kerja (X3)

dan Kinerja (X4).

Gambar 17.Model (Path Analisis) Diagram Dua Jalur

9 V. Wiratna Sujarweni, 2008, Belajar Mudah SPSS Untuk Penelitian Skripsi, Tesis, Disertasi & Umum, Penerbit: Global Media Informasi, Yogyakarta, hlm. 339.

33

X1

X2

Y

pYX1

pYX2

r21

ɛ1

DAFTAR PUSTAKA

Abdurahman Maman dan Muhidin Sambas Ali, 2007, Analisis Korelasi, Regresi dan Jalur dalam penelitian dengan Aplikasi program SPSS, Penerbit: Pustaka Setia, Bandung.

Ghozali, Imam, 2008, Model Persamaan Struktural, Konsep dan Aplikasi dengan Program AMOS 16.0, Penerbit: Badan Penerbit Universitas Diponegoro, Semarang.

Kuncoro, Engkos Achmad dan Riduan, 2007. Cara Menggunakan dan Memakai Analisis Jalur (Path Analysis), Penerbit: Alfabeta, Bandung.

Sarwono, Jonathan, 2007, Analisis Jalur untuk Riset Bisnis dengan SPSS, Penerbit: Andy, Yogyakarta.

Siswono Haryono, Parwoto Wardoyo, 2012, Structural Equation Modeling Untuk Penelitian Manajemen Menggunakan Amos 18.00, Penerbit: PT. Intermedia Personalia Utama, Bekasi.

34

X1

X2

X3X4

p42

p43

p41

p31

p32

r21

ɛ2ɛ1

Sujarweni, V. Wiratna, 2008, Belajar Mudah SPSS Untuk Penelitian Skripsi, Tesis, Disertasi & Umum, Penerbit: Global Media Informasi, Yogyakarta.

Widarjono, Agus, 2010, Analisis Statistika Multivariate Terapan, Penerbit: UPP STIM YKPN, Yogyakarta.

35

pemahaman dasar teknik analisis jalur pa

Documents