BAB III METODOLOGI PENELITIAN
D. Metode Analisis
2. Analisis Jalur (Path Analysis)
Teknik analisis jalur, yang dikembangkan oleh Sewal Wright di tahun 1934, sebenarnya merupakan pengembangan korelasi yang diurai menjadi beberapa interpretasi akibat yang ditimbulkannya. Lebih lanjut, analisis jalur mempunyai kedekatan dengan regresi berganda. Dengan kata lain, regresi berganda merupakan bentuk khusus dari analisis jalur. Teknik ini juga dikenal sebagai model sebab akibat (causing modeling). Penamaan ini didasarkan pada alasan bahwa analisis jalur memungkinkan pengguna dapat menguji proposisi teoritis mengenai hubungan sebab dan akibat tanpa memanipulasi variabel- variabel. Memanipulasi variabel maksudnya ialah memberikan perlakuan (treatment) terhadap variabel-variabel tertentu dalam pengukurannya. Asumsi dasar model ini ialah beberapa variabel sebenarnya mempunyai hubungan dekat satu dengan yang lainnya (Sarwono, 2007).
Analisis jalur adalah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda, jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung, tetapi juga tidak langsung (Robert D. Rutherford, 1993 dalam Sarwono, 2007). Analisis jalur adalah analisis yang tujuannya untuk mengetahui pengaruh langsung dan tidak langsung variabel eksogen terhadap variabel endogen. Adapun pertimbangan menggunakan analisis ini yaitu karena penulis memandang antara satu variabel dengan variabel lainnya yang diteliti mempunyai hubungan, sebagai contoh antara variabel struktur aktiva dengan ukuran perusahaan atau variabel ukuran perusahaan dengan pajak dan seterusnya.
Pengaruh langsung dilakukan dengan cara melihat hubungan antara variabel eksogen terhadap variabel endogen tanpa melalui variabel eksogen lainnya, sebaliknya pengaruh tidak langsung dilakukan melalui variabel eksogen lainnya.
Dalam analisis jalur dikenal beberapa konsep dan istilah dasar, diantaranya adalah (Sarwono, 2007):
a. Model jalur, artinya suatu diagram yang menghubungkan antara variabel bebas, perantara dan tergantung. Pola hubungan ditunjukkan dengan menggunakan anak panah.
b. Variabel exegenous, yaitu semua variabel yang tidak ada penyebab- penyebab eksplisitnya atau dalam diagram tidak ada anak-anak panah yang menuju ke arahnya, selain pada bagian kesalahan pengukuran.
c. Variabel endogenous, yaitu variabel yang mempunyai anak panah-anak panah yang menuju ke arah variabel tersebut.
d. Koefisien jalur / pembobotan jalur, yaitu koefisien regresi standar atau disebut “beta” yang menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel tergantung dalam suatu model jalur tertentu.
e. Istilah gangguan. Istilah kesalahan residual “gangguan” atau “residu” mencerminkan adanya varian yang tidak dapat diterangkan atau pengaruh dari semua variabel yang tidak terukur ditambah dengan kesalahan pengukuran.
f. Signifikansi dan model keselarasan dalam jalur. Untuk melakukan pengujian koefisien-koefisien jalur secara individual, kita dapat menggunakan t standar atau pengujian F dari angka-angka keluaran regresi. g. Direct Effect, yaitu pengaruh langsung yang dapat dilihat dari koefesien
jalur dari satu variabel ke variabel lainnya.
h. Indirect Effect, yaitu urutan jalur melalui satu atau lebih variabel perantara. Langkah pertama dalam analisis jalur adalah dengan merancang paradigma penelitian berdasarkan fakta, konsep dan teori. Rancangan ini biasanya memerlukan telaah literatur berdasarkan masalah penelitian yang akan dicarikan jawabannya dan tujuan penelitian yang akan dicapai. Kemudian disusun paradigma penelitian yang dinyatakan dalam bentuk persamaan struktural sebagai berikut:
Y = YX1X1 + YX2X2 + YX3X3 + YX4X4 + YX5X5 + YX6X6 + YX7X7 + …………...(1)
Pada persamaan struktural tersebut, X1, X2, X3, X4, X5, X6, dan X7 merupakan variabel independen, dan Y sebagai variabel dependen, dan sebagai variabel residu.
Nilai
(epsilon) dalam persamaan struktural tersebut adalah variabel residu (residual variable) atau kesalahan pengganggu (disturbance error). Ada empat alasan mengapa terdapat kesalahan penganggu (Bernt, 1999 dalam Indo Yama, 2004), yaitu:
a. Ada variabel lain selain X1, X2, X3, X4, X5, X6, dan X7 yang mempengaruhi Y yang telah diidentifikasi oleh teori. Akan tetapi variabel ini tidak
dimasukkan dalam model. Misalnya dalam paradigma penelitian struktur modal (Y) tidak hanya dipengaruhi oleh struktur aktiva (X1), pajak (X2), ukuran perusahaan (X3), intensitas modal (X4), harga saham (X5), ROA (X6), dan tingkat pertumbuhan (X7) tetapi juga dipengaruhi oleh variabel lain (misalnya kebijakan makro).
b. Ada variabel lain selain X1, X2, X3, X4, X5, X6, dan X7 yang mempengaruhi Y yang belum teridentifikasi oleh teori, dan tentu saja tidak ada dalam model, karena belum teridentifikasi.
c. Adanya kekeliruan dalam pengukuran (error of measurement). Mengukur yang tidak diukur atau mengukur dengan alat yang tidak sesuai dengan yang diukur.
d. Adanya komponen yang sifatnya tidak menentu (random component). Misalnya jawaban responden yang bias, atau data sekunder diambil dari sumber yang tidak akurat.
Langkah kedua dalam analisis jalur adalah memeriksa asumsi-asumsi yang melandasi analisis jalur. Asumsi yang melandasi analisis jalur (Hair, Anderson, Tatham dan Black, 1998 dalam Indo Yama, 2004) adalah:
a. Hubungan antar variabel adalah berbentuk linear dan bersifat aditif. Linear secara sederhana tergambarkan bahwa pangkat dari variabel independen adalah satu, dan bukan eksponensial. Aditif berarti persamaan dalam bentuk penjumlahan (atau pengurangan) bukan dalam bentuk perkalian, misalnya seperti pada fungsi Cobb-Douglas (Y = a K L ).
b. Model yang dipertimbangkan adalah model rekursif, artinya sistem aliran adalah dalam bentuk kausal satu arah bila X maka Y. Sedangkan model yang mengandung kausal resiprokal (dua arah) tidak dapat dilakukan analisis melalui analisis jalur. Asumsi dalam model rekursif ini adalah nilai
i saling bebas, dan antara i dengan X1 juga saling bebas.
c. Semua variabel minimal dalam skala ukur interval. Dengan demikian juga berlaku untuk skala ukur rasio diubah terlebih dahulu menjadi skala ukur interval.
d. Observed variabel diukur tanpa ada kesalahan. Dalam arti bahwa instrument pengukuran harus valid dan reliabel.
e. Model yang dianalisis diidentifikasi dengan benar berdasarkan teori dan konsep-konsep yang relevan. Dengan demikian pengetahuan seorang peneliti dalam bahasan yang diteliti merupakan modal mutlak dan penting untuk dapat menyusun suatu model. Penelusuran literatur secara mendalam berdasarkan kondisi, tempat dan waktu penelitian merupakan suatu keharusan sebelum penelitian dilakukan.
Langkah ketiga adalah pendugaan parameter atau perhitungan koefisien jalur antar variabel. Perhitungan pengaruh yang ditunjukkan dengan anak panah satu arah digunakan perhitungan regresi variabel yang dibakukan secara parsial pada masing-masing persamaan. Dari perhitungan ini diperoleh koefisien jalur sebagai pengaruh langsung, pengaruh tidak langsung, dan pengaruh secara keseluruhan. Perhitungan koefisien jalur dapat dilakukan dengan langkah berikut:
C13 … C1n C23 … C2n C33 … C3n … C4n Cmn
a. Menghitung matriks korelasi antar variabel dengan rumus: 1 rX1X2 rX1X3 … rX1Xi
1 rX2X3 … rX2Xi
R = 1 … rX3Xi
1 …
1
b. Menghitung matriks invers R1-1 C11 C12
R1-1 =
C22
c. Menghitung semua koefisien jalur
Y1X1 C11 C12 C13 … C1n rY1X1 Y2X2 C22 C23 … C2n rY2X2 Y3X3 = C33 … C3n X rY3X3 . . . . … C4n . . . . YnXn Cmn rYnXn 79
2
d. Menghitung koefisien determinasi total antara X1, X2,…, Xn dengan Y, misalnya dengan rumus:
rY1X1 rY2X2 R2Y(X1,X2, …,Xi) = ( YX1, YX2,…, YXn) rY3X3 . . . . rYnXn Koefisien jalur sama dengan 1 – R2Y(X1,X2, …,Xn)
Jika matriks korelasi berukuran dua kali dua, perhitungan matriks inverse dan matriks pengaruh, secara manual akan dapat dilakukan. Namun jika matriks korelasi berukuran n kali n, akan sangat sulit dihitung secara manual. Untuk mengatasi kesulitan ini, program SPSS dapat membantu untuk menghitung angka korelasi maupun pengaruh antar variabel yang dianalisis. Selain itu, dengan bantuan program SPSS ketepatan dan kecermatan dapat lebih akurat daripada dihitung secara manual.
Langkah keempat adalah pemeriksaan validitas model. Valid tidaknya model sangat tergantung dari terpenuhi atau tidaknya asumsi yang melandasi, seperti yang dilakukan dalam langkah kedua. Terdapat dua indikator tentang valid tidaknya model yaitu koefisien determinasi secara total dan terpenuhinya teori trimming (Agusty, 2002 dalam Indo Yama, 2004). Total keragaman data yang dapat dijelaskan oleh model diukur dengan:
m
Interpretasi terhadap R 2 dilakukan sama dengan interpretasi dalam koefisien determinasi (R2) pada analisis regresi. Teori trimming dimaksudkan untuk menguji kebermaknaan (test of significance) setiap koefisien jalur yang telah dihitung. Apabila koefisien jalur yang dihitung tidak signifikan, maka terjadi trimming. Dan oleh karena itu, variabel yang mengalami trimming harus dikeluarkan dari model. Jika demikian, perhitungan diulang kembali dengan cara menghilangkan jalur yang menurut hasil pengujian ternyata tidak bermakna atau tidak signifikan. Langkah pengujiannya adalah dengan lebih dulu menyusun hipotesis statistik atau sering disebut hipotesis operasional.
Langkah terakhir adalah dengan melakukan intepretasi atas hasil analisis berdasarkan rumusan masalah dan tujuan penelitian, yaitu beberapa besarnya pengaruh langsung dan tidak langsung antar variabel. Dan variabel mana saja yang paling dominan dalam arti yang memberikan pengaruh paling besar atau pengaruh paling kuat terhadap variabel endogen yang dikonfirmasikan. Bila perlu menyusun model lain yang sesuai dengan hasil analisis tersebut.