ANALISIS JALUR (PATH ANALYSIS)

Posted onJanuary 30, 2010byteorionline

A. DEFINISI ANALISIS JALUR

Analisis jalur adalah suatu teknik pengembangan dari regresi linier ganda.Teknik inidigunakan
untuk menguji besarnya sumbangan (kontribusi) yang ditunjukkan oleh koefisien jalur pada
setiap diagram jalur dari hubungan kausal antar variabel X
1
X
2
dan X
3
terhadap Y serta dampaknya terhadap Z. Analisis jalur ialah suatu teknik untuk menganalisis
hubungansebab akibat yang tejadi pada regresi berganda jika variabel bebasnya
mempengaruhivariabel tergantung tidak hanya secara langsung tetapi juga secara tidak
langsung. (RobertD. Retherford 1993).Sedangkan definisi lain mengatakan: Analisis jalur
merupakan pengembangan langsungbentuk regresi berganda dengan tujuan untuk memberikan
estimasi tingkat kepentingan(
magnitude
) dan signifikansi (
significance
) hubungan sebab akibat hipotetikal dalamseperangkat variabel. (Paul Webley 1997).David
Garson dari
North Carolina State University
mendefinisikan analisis jalur sebagai Model perluasan regresi yang digunakan untuk menguji
keselarasan matriks korelasidengan dua atau lebih model hubungan sebab akibat yang
dibandingkan oleh peneliti.Modelnya digambarkan dalam bentuk gambar lingkaran dan panah
dimana anak panahtunggal menunjukkan sebagai penyebab. Regresi dikenakan pada masing-
masing variabeldalam suatu model sebagai variabel tergantung (pemberi respon) sedang yang
lain sebagaipenyebab. Pembobotan regresi diprediksikan dalam suatu model yang dibandingkan
denganmatriks korelasi yang diobservasi untuk semua variabel dan dilakukan juga penghitungan
ujikeselarasan statistik. (David Garson, 2003).
B. KARAKTERISTIK ANALISIS JALUR
Merujuk pendapat yang dikemukakan oleh Land, Ching, Heise, Maruyama, Schumaker
danLomax, Joreskog (dalam Kusnendi, 2008:147-148), karakteristik analisis jalur adalah
metodeanalisis data multivariat dependensi yang digunakan untuk menguji hipotesis
hubunganasimetris yang dibangun atas dasar kajian teori tertentu, dengan tujuan untuk
mengetahuipengaruh langsung dan tidak langsung seperangkat variabel penyebab terhadap
variabelakibat.Menguji hipotesis hubungan asimetris yang dibangun atas kajian teori tertentu
artinya yangdiuji adalah model yang menjelaskan hubungan kausal antarvariabel yang dibangun
ataskajian teori teori tertentu. Hubungan kausal tersebut secara eksplisit dirumuskan
dalambentuk hipotesis direksional, baik positif maupun negative.
C. BEBERAPA ISTILAH YANG LAZIM DIGUNAKAN DALAM ANALISIS
JALUR ANTARA LAIN

1.

Model jalur
. Model jalur ialah suatu diagram yang menghubungkan antara variabelbebas, perantara dan
tergantung. Pola hubungan ditunjukkan dengan menggunakananak panah. Anak panah-anak
panah tunggal menunjukkan hubungan sebabakibatantara variabel-variabel
exogenous
atau perantara dengan satu variabel tergantung ataulebih. Anak panah juga menghubungkan
kesalahan
(variabel residue)
dengan semua


variabel
endogenous
masing-masing. Anak panah ganda menunjukkan korelasi antarapasangan variabel-variabel
exogenous
.2.

Jalur penyebab untuk suatu variabel yang diberikan
meliputi pertama jalur-jalurarah dari anak-anak panah menuju ke variabel tersebut dan kedua
jalur-jalur korelasidari semua variabel
endogenous
yang dikorelasikan dengan variabel-variabel yang lainyang mempunyai anak panah-anak panah
menuju ke variabel yang sudah ada tersebut.3.

Variabel
exogenous
. Variabel variabel
exogenous
dalam suatu model jalur ialahsemua variabel yang tidak ada penyebab-penyebab eskplisitnya
atau dalam diagramtidak ada anak-anak panah yang menuju kearahnya, selain pada bagian
kesalahanpengukuran. Jika antara variabel
exogenous
dikorelasikan maka korelasi tersebutditunjukkan dengan anak panah dengan kepala dua yang
menghubungkan variabel-variabel tersebut. Dalam istilah lain, dapat disebut pula sebagai
independen variabel.4.

Variabel
endogenous
. Variabel
endogenous
ialah variabel yang mempunyai anak-anak panah menuju kearah variabel tersebut. Variabel yang
termasuk didalamnya ialahmencakup semua variabel perantara dan tergantung. Variabel
perantara
endogenous
mempunyai anak panah yang menuju kearahnya dan dari arah variabel tersebut dalamsutau
model diagram jalur. Sedang variabel tergantung hanya mempunyai anak panahyang menuju
kearahnya. Atau dapat disebut juga sebagai variabel dependen.5.

Koefesien jalur / pembobotan jalur
. Koefesien jalur adalah koefesien regresi standaratau disebut beta yang menunjukkan pengaruh
langsung dari suatu variabel bebasterhadap variabel tergantung dalam suatu model jalur tertentu.
Oleh karena itu, jikasuatu model mempunyai dua atau lebih variabel-variabel penyebab, maka
koefesien-koefesien jalurnya merupakan koefesien-koefesien regresi parsial yang
mengukurbesarnya pengaruh satu variabel terhadap variabel lain dalam suatu model jalur
tertentuyang mengontrol dua variabel lain sebelumnya dengan menggunakan data yang
sudahdistandarkan atau matriks korelasi sebagai masukan.6.

Variabel Laten
dapat didefinisikan sebagai variabel penyebab yang tidak dapatdiobservasi secara langsung
(unobservable). Pengamatan variabel tersebut diamatimelalui variabel manifesnya. Variabel
manifest adalah variabel indicator terukur yangdapat diobservasi secara langsung untuk
mengukur variabel laten. Contoh : variabellaten motivasi. Tidak bisa diobservasi secara
langsung, namun melalui variabelmanifesnya (indicator) seperti kerja keras, pantang penyerah,
tekun, teliti, dll.7.

Variabel Mediator

/ Intervening dan Moderator
Variabel mediator/intervening dapat didefinisikan oleh Tucman (1988) An intervening isthat
factor that theorically effect the observed phenomenin but cannot be seen,measure, or
manipulate atau variabel yang secara teoritis mempengaruhi hubunganantar variabel
independent dengan variabel dependen menjadi hubungan yang tidak langsung dan tidak dapat
diamati dan di ukur. Perbedaan mendasar mediator danmoderator adalah:Moderators tend to be
variables that are relatively immune to change over time(personality trait, gender, ethnic group,
etc.).Mediators tend to be variables that change in relation to other variables
(anxiety,helpfulness, honesty, mood)
















Klik OK, maka kita akan punya variabel baru M yang merupakan perkalian antara PK dan JK


Klik Analyze Regression, dan pilih Linear


Masukkan variabel TK ke kotak dependent, dan masukkan penghasilan, jumlahkeluarga dan
variabel moderat (M) ke box independent.


Abaikan yang lain, lalu klik OK


C. INTERPRESTASI DAN PEMBAHASAN
Koefisien Determinasi dan uji SignifikansiNilai koefisien determinasi pada hasil analisis di atas
adalah sebesar 0,469 atau dapatdikatakan perubahan jumlah tabungan keluarga dipengaruhi oleh
variabel penghasilankeluarga, jumlah keluarga dan variabel moderator sebesar 46,90%
sedangkan sisanya54,10% dipengaruhi variabel lain diluar modelHasil uji signifikansi (uji F)
memperlihatkan nilai F hitung sebesar 17,805 dengan probabilitas0,000 (< 0,005). Dengan
demikian dapat disimpulkan model ini signifikan dan dapatdigunakan untuk memprediksi
tabungan keluarga melalui PK, JK dan MUji Signifikansi Model Parsial


hasil Uji model parsial (uji t) memperlihatkan bahwa penghasilan memberikan nilai
koefisienparameter sebesar 3,869 dengan sig 0,000. Variabel jumlah keluarga memberikan
nilaikoefisien sebesar 2,875 dengan sig 0,053, sementara variabel M memberikan nilai
koefisiensebesar negative (0,465) dengan sig 0,034Kesimpulan yang bisa diperoleh dari hasil di
atas adalah Moderator terbukti signifikan dalammempengaruhi penghasilan terhadap jumlah
tabungan. Prediksi nilai negativemengindikasikan bahwa efek moderasi yang diberikan adalah
negative, artinya jumlahkeluarga memberi efek mengurangi pengaruh penghasilan terhadap
jumlah tabungan.Tidak signifikannya koefisien jumlah keluarga (sig 0,053) menunjukkan bahwa
variabel inimerupakan variabel moderator murni dan tidak bisa ditempatkan sebagai
variabelindependen. Namun jika hasil menunjukkan bahwa jumlah keluarga (b2) dan
moderator(b3) sama-sama signifikan maka dapat disimpulkan bahwa variabel jumlah keluarga
adalahvariabel quasi moderator atau dapat digunakan sebagai variabel independen
sekaligusvariabel moderator.

http://www.academia.edu/3075526/analisis_jalur?login=&email_was_taken=true&login=&email
_was_taken=true


APLIKASI ANALISIS JALUR DENGAN
SPSS VERSI 15.0
Mar 11
Posted by hendry
Oleh : Hendryadi
A. PENDAHULUAN
Judul Penelitian
Analisis Pengaruh Kompensasi Dan Budaya Organisasi Terhadap Kinerja Pegawai (maaf
organisasinya dihilangkan)
Variabel Penelitian
X
1
= Kompensasi
X
2
= Budaya Organisasi
X
3
= Motivasi kerja
Y = Kinerja
Rumusan Masalah
Berapa besar pengaruh kompensasi dan budaya terhadap motivasi kerja
Berapa besar pengaruh langsung dan tidak langsung kompensasi, dan budaya terhadap kinerja
Desain Diagram

X
3
= X
3
X
1
+ X
3
X
2
+
1
Substruktural 1
Y = YX
1
+ YX
2
+ YX
3
+
2
Substruktural 2
B. PENYELESAIAN KASUS
Catatan :
Model diasumsikan telah memenuhi persyaratan analisis jalur meliputi data berskala interval,
berdistribusi normal, pemenuhan asumsi linieritas, normalitas, homogen dan terbebas dari
masalah multikolinieritas. Pembahasan mengenai hal ini akan dijelaskan secara terpisah sehingga
bahasan mengenai interprestasi nilai analisis jalur dengan regresi.
atas permintaandata dapat didownload DATA ANALISIS JALUR
1. TAHAP 1
Pada tahap 1 persamaan strukturalnya adalah X
3
= X
3
X
1
+ X
3
X
2
+
1

Dimana X
1
adalah kompensasi, X
2
budaya dan X
3
motivasi
Untuk menghitung persamaan regresinya :
Klik Analyse
Pilih Regression >> Pilih Linier
Pada kolom dependent variable masukkan variabel X3
Pada kolom independent variable masukkan variabel X1 dan X2
Biarkan methode tetap pada pilihan Enter
Klik OK

Hasilnya download di sini
2. TAHAP 2
Pada tahap 2 persamaan strukturalnya adalah Y = YX
1
+ YX
2
+ YX
3
+
2

Dimana X
1
adalah kompensasi, X
2
budaya, X
3
motivasi dan Y kinerja
Untuk menghitung persamaan regresinya :
Klik Analyse
Pilih Regression >> Pilih Linier
Pada kolom dependent variable masukkan variabel Y
Pada kolom independent variable masukkan variabel X1, X2 dan X3
Biarkan methode tetap pada pilihan Enter
Klik OK

Hasilnya dapat didownload di sini
C. PENJELASAN
SUB STRUKTURAL 1
** Perhatikan hasil output regresi sub 1
Secara simultan kompensasi dan budaya organisasi berpengaruh positif dan signifikan terhadap
motivasi kerja pegawai. Besaran pengaruh simultan adalah 0,488 atau dibulatkan menjadi 49%
merupakan kontribusi dari variabel kompensasi dan budaya organisasi terhadap motivasi kerja.
Sedangkan sisanya 51 % dipengaruhi faktor lain di luar model.
Model simultan ini terjadi secara signifikan. Hal ini dapat dilihat dari probability (sig) atau <
0,01. Pengujian signifikansi lebih lanjut diteruskan dengan pengujian individual melalui
parameter statistik t. Hasil pengujian individual juga menunjukkan pengaruh yang signifikan.
Dengan memperhatikan perolehan sig < 0,01 pada jalur X
1
, sig < 0,01 pada jalur X
2
. Hal ini
tentunya menjelaskan bahwa secara simultan dan parsial kompensasi dan budaya organisasi
dapat dijadikan variabel yang berpengaruh motivasi kerja pegawai. Lebih lanjut, pengaruh kausal
empiris antara variabel (X
1
) kompensasi dan (X
2
) budaya organisasi ini dapat digambarkan
melalui persamaan sub struktural 1 (satu). X
3
= X
3
X
1
+ X
3
X
2
+ X
3

1
, atau X
3
= 0,462X
1
+
0,346X
2
+ 0,715
1
.
Secara parsial kompensasi berpengaruh positif dan signifikan terhadap motivasi kerja pegawai.
Besaran pengaruh parsial dan langsung kompensasi terhadap motivasi adalah sebesar 0,462 atau
dibulatkan menjadi 46%. Dengan demikian, tinggi rendahnya motivasi dipengaruhi oleh
kompensasi sebesar 46%, sedangkan sisanya 54% dijelaskan faktor lain di luar model.
Secara parsial budaya organisasi berpengaruh positif dan signifikan terhadap motivasi kerja
pegawai. Besaran pengaruh parsial dan langsung budaya organisasi terhadap motivasi adalah
sebesar 0,346 atau dibulatkan menjadi 35%. Artinya, tinggi rendahnya motivasi kerja pegawai
dipengaruhi oleh budaya organisasi sebesar 35%, sedangkan sisanya 65% dijelaskan faktor lain
di luar model.
SUB STRUKTURAL 2
** Perhatikan hasil output regresi sub 2
Secara simultan, pengaruh X
1
X
2
dan X
3
terhadap Y adalah sebesar 0,738 (dibulatkan 74%.
Sisanya 26% dipengaruh faktor lain di luar model. Model simultan terjadi signifikan. Dengan
memperhatikan probablitas F sebesar 70,477 pada sig 0,000 < 0,01. Setelah model simultan
terbukti signifikan, maka dilakukan penelusan jalur pengaruh parsial. Dari tiga variabel yang
ditempatkan sebagai prediktor, seluruhnya memiliki nilai sig < 0,05 sehingga dapat dikatakan
bahwa seluruh prediktor secara parsial berpengaruh terhadap Y
Secara langsung kompensasi berpengaruh positif dan signifikan terhadap kinerja pegawai.
Besaran pengaruh langsung kompensasi terhadap kinerja adalah sebesar 0,199 atau dibulatkan
menjadi 20%. Artinya, tinggi rendahnya kinerja pegawai hanya mampu dipengaruhi oleh
kompensasi sebesar 20% sedangkan sisanya 80% dipengaruhi faktor lain di luar model.
Secara langsung budaya organisasi berpengaruh positif dan signifikan terhadap kinerja pegawai.
Besaran pengaruh parsial dan langsung budaya organisasi terhadap kinerja adalah sebesar 0,220
atau dibulatkan menjadi 22%. Artinya, tinggi rendahnya kinerja hanya mampu dipengaruhi oleh
budaya organisasi sebesar 22%, sedangkan sisanya 78% dijelaskan faktor lain di luar model.
Secara langsung motivasi kerja berpengaruh positif dan signifikan terhadap kinerja pegawai.
Besaran pengaruh motivasi terhadap kinerja adalah sebesar 0,568 atau dibulatkan menjadi 57%.
Artinya, tinggi rendahnya kinerja mampu dipengaruhi oleh motivasi sebesar 57%, sedangkan
sisanya 43% dipengaruhi faktor lain di luar model. Dari tiga variabel yang digunakan sebagai
prediktor kinerja, variabel motivasi juga teridentifikasi sebagai variabel terkuat yang
mempengaruhi kinerja dibanding dua variabel lain yaitu kompensasi dan budaya organisasi.
Secara keseluruhan, pengaruh-pengaruh yang dibentuk dari sub struktural 2 dapat digambarkan
melalui persamaan struktural 2 yaitu Y = yX
1
+ yX
1
+ yX
1
+ e
2,
atau Y = 0,199X
1
+
0,220X
2
+ 0,568X
3
+ ye
2
. Berdasarkan hasil pengujian hipotesis ke 3,4, dan 5 pada persamaan
struktural 2 ini diperoleh diagram jalur empiris untuk model Y sebagaimana yang dijelaskan
gambar berikut ini : (gambarnya di view aja biar lebih besar)

Indirect Effect dan Total Effect:
1. Pengaruh tidak langsung / indirect effect, X
1
ke Y melalui X
3
= p X
3
X
1 x
p yX
3
= (0,462) x (0,568) =
0,262. Dengan demikian pengaruh totalnya = p yX
1
+ IE= 0,199 + 0,262 = 0,461.
2. Pengaruh tidak langsung / indirect effect, X
2
ke Y melalui X
3
= p X
3
X
2 x
p yX
3
= (0,346) x (0,568) =
0,196. Dengan demikian pengaruh totalnya = p yX
2
+ IE= 0,220 + 0,196 = 0,416

REGRESI DENGAN VARIABEL MODERATOR
Variabel moderator adalah variabel yang mempengaruhi (baik memperlemah atau memperkuat
hubungan antara variabel independen ke dependen.

Berbeda dengan variabel intervening (bahasannya dapat dilihat disini), variabel moderator tidak
menyaratkan adanya hubungan antara X ke M.
Contohnya adalah pengaruh motivasi terhadap kinerja. Seseorang yang punya motivasi yang kuat
akan mempengaruhi kinerjanya, dan akan semakin baik jika ia memiliki tingkat pendidikan yang
tinggi. Di sini, pendidikan ditempatkan sebagai variabel moderator yang akan menaikturunkan
pengaruh motivasi terhadap kinerja
Contoh Kasus :
Seorang peneliti ingin mengetahui pengaruh penghasilan keluarga terhadap tabungan yang
dimiliki oleh keluarga tersebut. Data dikumpulkan dari 58 keluarga pada sebuah sekolah di
Jakarta. Model yang ingin diuji adalah pengaruh penghasilan terhadap tabungan, yang
dimoderasi oleh jumlah anggota keluarga
Hipotesis yang dibangun adalah semakin tinggi penghasilan keluarga dan jumlah anggota
keluarga yang sedikit maka akan semakin tinggi pula tabungan yang dimiliki oleh keluarga
tersebut. Semakin rendah penghasilan dan semakin banyak anggota keluarga maka akan semakin
rendah pula tabungan yang dimiliki oleh keluarga tersebut.
Persamaannya adalah :
JTK = a + b1 PK b2 JK + b3 PK*JAK + e
b3 merupakan variabel perkalian PK (penghasilan keluarga) dengan JK (jumlah keluarga)
merupakan variabel moderating pada hubungan PK ke JTK (jumlah tabungan keluarga)
PENYELESAIAN
Data dapat anda lihat di sini
Pertama, membuat variabel interaksi dengan mengklik Transform, lalu pilih Compute
Ketik M pada kotak Target variable, lalu masukkan perkalian PK dan JK seperti terlihat pada
gambar berikut :

Klik OK, maka kita akan punya variabel baru M yang merupakan perkalian antara PK dan JK
Klik Analyze Regression, dan pilih Linear
Masukkan variabel TK ke kotak dependent, dan masukkan penghasilan, jumlah keluarga dan
variabel moderat (M) ke box independent.
Abaikan yang lain, lalu klik OK
INTERPRESTASI DAN PEMBAHASAN
Koefisien Determinasi dan uji Signifikansi

Nilai koefisien determinasi pada hasil analisis di atas adalah sebesar 0,469 atau dapat dikatakan
perubahan jumlah tabungan keluarga dipengaruhi oleh variabel penghasilan keluarga, jumlah
keluarga dan variabel moderator sebesar 46,90% sedangkan sisanya 54,10% dipengaruhi variabel
lain diluar model
Hasil uji signifikansi (uji F) memperlihatkan nilai F hitung sebesar 17,805 dengan probabilitas
0,000 (< 0,005). Dengan demikian dapat disimpulkan model ini signifikan dan dapat digunakan
untuk memprediksi tabungan keluarga melalui PK, JK dan M
Uji Signifikansi Model Parsial

hasil Uji model parsial (uji t) memperlihatkan bahwa penghasilan memberikan nilai koefisien
parameter sebesar 3,869 dengan sig 0,000. Variabel jumlah keluarga memberikan nilai koefisien
sebesar 2,875 dengan sig 0,053, sementara variabel M memberikan nilai koefisien sebesar
negative (0,465) dengan sig 0,034
Kesimpulan yang bisa diperoleh dari hasil di atas adalah Moderator terbukti signifikan dalam
mempengaruhi penghasilan terhadap jumlah tabungan. Prediksi nilai negative mengindikasikan
bahwa efek moderasi yang diberikan adalah negative, artinya jumlah keluarga memberi efek
mengurangi pengaruh penghasilan terhadap jumlah tabungan.
Tidak signifikannya koefisien jumlah keluarga (sig 0,053) menunjukkan bahwa variabel ini
merupakan variabel moderator murni dan tidak bisa ditempatkan sebagai variabel independen.
Namun jika hasil menunjukkan bahwa jumlah keluarga (b2) dan moderator (b3) sama-sama
signifikan maka dapat disimpulkan bahwa variabel jumlah keluarga adalah variabel quasi
moderator atau dapat digunakan sebagai variabel independen sekaligus variabel moderator.

model model analisis jalur dan contoh kasus pengerjaannya