ANALISIS JALUR (PATH ANALYSIS)

DENGAN SPSS 16
Malam nih sobat se
mua hehehe,, Pa kabarnya nih? Moga sehat aja yak
hehehe.. Kali ini bahasan kita cukup menarik nih #biar
gak down dulu hehehe..

Yap, malam ini saya mau bahas tentang analisis jalur

dan langsung disertai dengan data yang akan kita
eksekusi menggunakan SPSS 16.

Ingat kan ya kalau sebelumnya saya sudah pernah

bahas tentang analisis multiple regression.. Kalo sobat
semua dah paham konsepnya, bagus deh karena
sebagian pola pikir itu dipakai dalam analisis jalur.

Ingat: Dalam analisis jalur, kita akan mengenal yang

namanya pengaruh langsung (direct effect), pengaruh
tidak langsung (indirect effect) dan total pengaruh
(total effect)
Agar mudah memahami “effect” ini, saya berikan
ilustrasi seperti ini:
Kasus Melihat Besarnya Pengaruh Langsung Dan Tidak Langsung Variabel A,B,C
Terhadap Variabel E dengan Variabel D Sebagai Variabel Perantara

Misalnya kita memiliki variabel bebas A,B dan C yang akan

kita lihat berapa besar pengaruhnya masing-masing terhadap
variabel terikat E. Nah, dalam hal ini kita menggunakan
variabel perantara, katakanlah D. Mengapa pakai perantara?
Ini adalah kasus bilamana nanti sobat dihadapkan pada
keadaan dimana beberapa variabel bebas tidak hanya secara
langsung memengaruhi variabel terikat tetapi bisa juga
melalui/diperantarai oleh variabel lain.

Ada lagi kasus dimana variabel bebas tidak punya pengaruh

langsung tetapi hanya memiliki variabel tidak langsung saja.
Jadi, kalau sobat yang mau pakai analisis jalur, saya sangat
sangat menyarankan gali dan dalami dulu teori tentang
variabel yang mau sobat pakai agar tahu apakah variabel
bebas itu bisa langsung memengaruhi variabel terikat atau
hanya bisa memberikan pengaruh tidak langsung. Kita lihat
kembali ilustrasi di atas

Disini kita akan susun dua buah persamaan sub strukturalnya:

Pertama: Variabel A, B, dan C secara langsung memengaruhi

variabel D sehingga nanti dalam pengerjaan dengan SPSS,
kita regresikan saja variabel bebas A,B dan C dengan variabel
D. Persamaan sub strukturalnya menjadi seperti ini:

D = ρ DA + ρ DB + ρ DC + Є1

Kedua: Variabel A,C dan D secara langsung memengaruhi

variabel E sedangkan variabel B tidak (perhatikan tanda panah
dalam ilustrasi) sehingga dengan demikian kita bentuk
persamaan sub strukturalnya seperti ini:
E = ρ EA + ρ EC + ρ ED + Є2

Biar gak buang-buang waktu nih sob, saya berikan contoh

tetapi dengan data fiktif ya.. Yang penting kan sobat sudah
paham alur pikirnya.. Oke deh, langsung aja unduh datanya
kalau mau praktek disini

Oops sebelumnya dalam analisis jalur ini, uji asumsi seperti

dalam analisis regresi tetap dibutuhkan. Untuk uji asumsi
tidak saya bahas disini karena sudah ada lengkap dalam
postingan lawas dan data yang kita gunakan interval atau
rasio. Berikut data viewnya pada SPSS:

Langkah awal, regresikan variabel A,B dan C terhadap

variabel D, caranya klik Analyze, Regression, Linier dan
masukkan variabel A,B dan C ke dalam bagian
Independent sedangkan variabel D ke dalam bagian
Dependent.

Berikut output yang dihasilkan:

Secara simultan variabel A,B dan C memiliki kontribusi

sebesar 73,1 persen dalam menjelaskan perubahan
yang terjadi pada variabel D sedangkan sisanya sebesar
16,9 persen dijelaskan oleh variabel lain di luar model.
Pada bagian Anova (uji F) terlihat bahwa secara
simultan variabel-variabel bebas memiliki pengaruh
yang signifikan terhadap variabel D yang ditunjukkan
dari nilai Sig. 0,000 < Alpha 5% (tolak hipotesis nol dan
terima hipotesis alternatif atau uji statistik F sudah
signifikan).

Pada Coefficients, uji t/parsial terlihat bahwa variabel

B dan C secara statistik memiliki pengaruh yang
signifikan terhadap variabel D yang ditunjukkan oleh
nilai Sig masing-masing lebih kecil dari Alpha 5% yaitu
0,048 dan 0,000. Variabel A secara statistik tidak
signifikan memengaruhi variabel D yang terlihat dari
nilai Sig. sebesar 0,615 > Alpha 5% sehingga untuk
variabel A, kita eliminasi dari model.

Persamaan strukturalnya menjadi seperti berikut

(pakai yang Standardized Beta) ya sob.. Jangan lupa..
D= 0,320B + 0,640C + Є1
Dari tanda nilai koefisien (+), variabel B dan C memiliki
pengaruh yang positif terhadap variabel D.
Interpretasi variabel B: Peningkatan sebesar 1 satuan
variabel B akan meningkatkan variabel D sebesar 0,320
satuan dengan asumsi variabel bebas lain dianggap
konstan.
Interpretasi variabel C: Peningkatan sebesar 1 satuan
variabel C akan meningkatkan variabel D sebesar 0,640
satuan dengan asumsi variabel bebas lain dianggap
konstan.

Selanjutnya, kita masuk nih sob ke sub struktural

kedua. Regresikan variabel A,C,D terhadap variabel E.
Caranya sama dengan yang di atas.. Nanti, hasilnya
seperti berikut:

Hasilnya ternyata variabel A,C dan D hanya mampu

menjelaskan keragaman pada variabel E sebesar 34,4 persen
sedangkan sisanya 65,6 persen dijelaskan oleh variabel lain di
luar model. Nah, kalo uji simultannya masih lolos nih alias
masih signifikan, terlihat dari nilai Sig sebesar 0,011 < 0,05.
Pada uji parsialnya, ternyata hanya variabel D yang secara
signifikan memengaruhi variabel E secara statistik (Nilai Sig
sebesar 0,005 < Alpha 5%). Model strukturalnya sebagai
berikut:

E= 0,868D + Є2

Untuk variabel A ternyata tidak memiliki pengaruh

langsung terhadap variabel E secara statistik karena
saat pengujian variabel A tidak signifikan memengaruhi
variabel E. Untuk pengaruh tidak langsung variabel A
juga tidak dihitung karena saat pengujian sub
struktural pertama (menjadikan D sebagai variabel
dependen), terlihat bahwa variabel A juga tidak
signifikan sehingga variabel A kita eliminasi dari model.

Pengaruh tidak langsung variabel B terhadap variabel E

yang melalui variabel D adalah sebesar 0,320 x 0,868 =
0,27776 atau 0,28. Untuk pengaruh langsung memang
sesuai dengan ilustrasi awal (kalau dalam penelitian
asli harus dilandaskan pada teori yang ada yaaa
hehehe), variabel B ini tidak punya tanda panah
langsung ke E alias variabel B hanya punya pengaruh
tidak langsung saja ke E yaitu melalui variabel
perantara D.

Untuk variabel C, kita hitung bahwa pengaruh tidak

langsungnya adalah 0,640 x 0,868 = 0,5552 atau 0,56.
Nah, untuk pangaruh langsungnya, kita lihat dari uji
sub struktural kedua dimana kita menempatkan
variabel E sebagai dependen. Yang signifikan
memengaruhi variabel E dari antara variabel bebas
A,C,D itu hanya variabel D saja..

Nah, bisa gak bayangkan kalau variabel D nya gak

signifikan? Ada atau nggak pengaruh tidak langsungnya
hayoooo.. Direnung-renungkan dulu aja ya hehehe..
Nah, dalam kasus data fiktif ini untunglah variabel D
(perantaranya) signifikan. Makanya, nanti saat
penelitian, sobat harus benar-benar hati-hati dalam
menentukan variabel perantaranya, yah banyak baca-
baca bukulah, gak mesti beli kan karena yang e-book
juga sudah banyak beredar dan gratis pula hahaha..

Jadi, untuk total pengaruhnya (total effect), tinggal

jumlahkan saja pengaruh tidak langsung dengan
pengaruh langsungnya.. Oleh karena dalam kasus kita
ini (yah mungkin karena kita pakai data fiktif),
pengaruh langsungnya tidak signifikan, jadi untuk
totalnya kita pakai yang pengaruh tidak langsungnya
saja yaaa..

So, total effect untuk variabel B terhadap variabel E

adalah 0,28 sedangkan total effect untuk variabel C
terhadap variabel E adalah 0,56. Interpretasinya sudah
saya jelaskan panjang kali lebar sama dengan luas di
atas yaa hahaha..
Oke deh sobat, itu saja yang bisa saya bagikan dulu
malam ini.. Kurang lebihnya, ampun booos hehehe..
Tetap semangat dan salam sukses :-)