Analisis Jalur / Path Analysis

1 | P a g e

Analisis Jalur / Path Analysis

Analisis jalur adalah salah satu bentuk model SEM yang tidak mengandung variable laten. Tentu saja model ini lebih sederhana dibandingkan dengan model SEM lengkap. Analisis jalur sebenarnya merupakan analisis regresi linear biasa, dengan variabel independent dan dependentnya distandarisasi.

Analisis Jalur (Path Analysis)

Analisis jalur dikembangkan oleh Sewall Wright (1934). Tujuan dari analisis jalur adalah untuk menerangkan akibat langsung dan tidak langsung dari beberapa variabel, sebagai variabel penyebab, terhadap beberapa variabel lainnya sebagai variabel akibat.

Hubungan antar variabel dalam analisis jalur ada 2 yaitu :

1. Pengaruh Langsung biasanya digambarkan dengan panah satu arah dari satu variabel ke variabel lainnya.

2. Pengaruh Tidak Langsung digambarkan dengan panah satu arah pada satu variabel pada variabel lain, kemudian dari variabel lain panah satu arah ke variabel berikutnya.

Asumsi yang mendasari Analisis Jalur. Ada beberapa asumsi yang harus diperhatikan dalam menggunakan analisis jalur yaitu :

1. Hubungan antara variabel haruslah linear dan aditif. 2. Antar variabel residu tidak berkorelasi.

3. Pola hubungan antar variabel adalah rekursif (tidak timbal-balik). 4. Skala pengukuran semua variabel interval.

1.2 Pengertian

Apa sebenarnya analisis jalur itu? Terdapat beberapa definisi mengenai analisis jalur ini, diantaranya:

“Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung tetapi juga secara tidak langsung (Robert D. Retherford 1993)”.

1.3 Prinsip-Prinsip Dasar

Prinsip-prinsip dasar dalam analisis jalur diantaranya ialah:

1. Adanya linearitas (Linearity). Hubungan antar variabel bersifat linear 2. Data berskala interval.

3. Semua variabel residual (yang tidak diukur) tidak berkorelasi dengan salah satu variabel-variabel dalam model.

4. Variabel residual tidak boleh berkorelasi dengan semua variabel endogenous dalam model.

5. Sebaiknya hanya terdapat multikoliniearitas yang rendah.

6. Adanya recursivitas. Semua anak panah mempunyai satu arah, tidak boleh terjadi pemutaran kembali (looping).

7. Terdapat ukuran sampel yang memadai. Jika dalam contoh ini hanya diberikan 10 sampel, maka sebaiknya untuk riset yang sebenarnya gunakan sample minimal 100 untuk memperoleh hasil analisis yang lebih akurat.

1.4 Konsep-Konsep dan Istilah Dasar

Dalam analisis jalur dikenal beberapa konsep dan istilah dasar. Dengan gambar model di bawah ini akan diterangkan konsep- konsep dan istilah dasar tersebut:

2 | P a g e

a. Model jalur. Model jalur ialah suatu diagram yang menghubungkan antara variabel eksogen, perantara dan variabel endogen. Pola hubungan ditunjukkan dengan menggunakan anak panah.

 Anak panah tunggal menunjukkan hubungan sebab–akibat antara variabel-variabel exogenous atau perantara dengan satu variabel-variabel endogenus atau lebih. Anak panah juga menghubungkan variabel residu dengan semua variabel endogenous masing-masing.

 Anak panah ganda menunjukkan korelasi antara pasangan variabel-variabel exogenous.

b. Variabel exogenous. Variabel – variabel exogenous dalam suatu model jalur ialah variabel pengaruh.

c. Variabel endogenous. Termasuk dalam variabel ini ialah variabel perantara dan tergantung. Variabel perantara mempunyai anak panah yang menuju ke arahnya dan dari arah variabel tersebut ada anak panah yang menuju ke variabel endogenus, sedang variabel tergantung hanya mempunyai anak panah yang menuju ke arahnya. d. Koefesien jalur / bobot jalur. Koefesien jalur adalah koefesien regresi standardized (‘beta’) yang menunjukkan pengaruh langsung dari suatu variabel eksogen terhadap var endogen.

e. Error. Istilah kesalahan atau residual yang secara teknis disebut sebagai ‘gangguan’ atau “residual” mencerminkan adanya varian yang tidak dapat diterangkan.

f. Aturan multiplikasi jalur. Nilai dari suatu jalur gabungan adalah hasil semua koefesien jalurnya.

g. Decomposisi pengaruh. Koefisien-koefisien jalur dapat digunakan untuk mengurai korelasi-korelasi dalam suatu model ke dalam pengaruh langsung dan tidak langsung. h. Signifikansi dan Model keselarasan dalam jalur. Untuk melakukan pengujian

koefesien – koefesien jalur secara individual, kita dapat menggunakan stat t standard atau pengujian F.

3 | P a g e

Contoh 1 : Penelitian tentang hubungan antara Insentif dan Motivasi Kerja dengan Kinerja Pegawai. Gambar hubungan ketiga variabel tersaji di atas. Data dapat dilihat pada file di SPSS (Analisis Jalur Sederhana Insent-Motivasi-Kinerja.Sav).

Koefisien jalur (pengaruh langsung) masing-masing adalah sebagai berikut : P21 (InsentifMotivasi) = 0,67 ;

Py1 (InsentifKinerja) = 0,60 ;

Py2 (MotivasiKinerja) = 0,44

AMOS : pilih atau klik Standardized estimates

Uji signifikansi Koefisien Jalur

1. Pengaruh sederhana (regresi I) Insentif  Motivasi

H0 : Koefisien jalur = 0 ( tidak ada pengaruh)





1





2 2 0 67 2 55 1 0 67 1 10 1 1 1 u i u i X X i n k X X p _, t ~ t , , p n k           

H0 ditolak, Kesimpulan : Insentif berpengaruh langsung positif  Motivasi.

2. Pengaruh parsial Insentif  Kinerja

H0 : Koefisien jalur = 0 ( tidak ada pengaruh)





1





2 0 6 3 82 1 0 9056 1 813306 1 2 1 1 u i X X i n k ii p , t ~ t , , , R C n n k           

R2 _{dicari dengan meregresikan Insentif + Motivasi  Kinerja menggunakan}

SPSS, diperoleh R2 _{= 0,905. Selanjutnya nilai C}

4 | P a g e

kolom ke-i dari diagonal utama matrik invers variabel2 eksogen. Diperoleh C11 =

1,813306.

Catatan : Matriks Invers bisa dicari di Software Excell (Minverse 

Ctrl+Shift+Enter.)

1 0.67

0.67 1

 1.814553 -1.21575 -1.21575 1.814553

H0 ditolak, Kesimpulan : Insentif berpengaruh langsung positif terhadap Kinerja.

3. Motivasi  Kinerja

Diperoleh thit = 2,81 sehingga dapat disimpulkan bahwa Motivasi juga

berpengaruh langsung secara positif terhadap Kinerja.

Pengaruh tak langsung Insent terhadap Kinerja melalui Motivasi (0,67)(0,44) = 0,295 Pengaruh total = 0,60 + 0,295 = 0,895

Angka ini dapat di lihat pada output AMOS : Pada menu Analysis Properties centang pilihan Direct, indirect & total effects

Berdasarkan hasil perhitungan di atas diperoleh nilai pengaruh langsung sebesar 0,6 dan pengaruh tidak langsung sebesar 0,295, lebih kecil dari pada nilai pengaruh langsung, hasil ini menunjukkan bahwa secara tidak langsung Insentif melalui Motivasi belum

mempunyai pengaruh signifikan terhadap Kinerja.

Kesimpulan :

Insentif berpengaruh terhadap Motivasi Insentif berpengaruh terhadap Kinerja Motivasi berpengaruh terhadap Kinerja

5 | P a g e

Contoh 2. Penelitian tentang hubungan antara Remunerasi, Motivasi dan Suasana Kerja terhadap Kinerja Pegawai. Gambar hubungan ketiga variabel tersaji di bawah. Data dapat dilihat pada file di SPSS (Analisis Jalur Sederhana Remun-Motivasi-Suasana-Kinerja.sav).

Diperoleh koefisien jalur (pengaruh langsung) yang dapat dilihat pada output AMOS di Standardized Regression Weights: (Group number 1 - Default model)

P21 (RemunMotivasi) = 0,951 ; P31 (RemunSuasana) = 0,276 Py1 (Remun Kinerja) = 0,385 ; P32 (MotivasiSuasana) = 0,668 ; Py2 (MotivasiKinerja) = 0,265; Py3 (MotivasiKinerja) = 0,365;

atau klik Standardized estimates pada sisi kiri gambar

Uji signifikansi Koefisien Jalur

1. Pengaruh sederhana (Model Struktural I) Remun  Motivasi

H0 : Koefisien jalur = 0 ( tidak ada pengaruh)





1





2 2 0 951 13 115 1 0 951 1 20 1 1 1 u i u i X X i n k X X p _, t ~ t , , p n k           

H0 ditolak, Kesimpulan : Remun berpengaruh langsung positif  Motivasi.

2. Pengaruh parsial (Model Struktural II) Remun  Suasana

H0 : Koefisien jalur = 0 ( tidak ada pengaruh)





1





2 0 276 0 985 1 0 874 10 555 1 20 2 1 1 u i X X i n k ii p _, t ~ t , , , R C n k           

R2 _{dicari dengan meregresikan Remun + Motivasi  Suasana menggunakan}

SPSS, diperoleh hasil R2 _{= 0,874. Selanjutnya nilai C}

11 diperoleh dari elemen baris

dan kolom ke-i dari diagonal utama matrik invers variabel eksogen, C11 = 10,555.

Catatan : Matriks Invers bisa dicari di Software Excell 1 0.951

0.951 1

 10.46036 -9.9478 -9.9478 10.46036

H0 ditolak, Kesimpulan : Remun belum berpengaruh langsung secara positif

6 | P a g e

Motivasi  Suasana

Diperoleh thit = 2,385 sehingga dapat disimpulkan bahwa Motivasi berpengaruh

langsung secara positif terhadap Suasana Kerja.

3. Model Struktural III Remun  Kinerja





0 385 3 315 1 0 981245 11 157 20 3 1 i , t , , ,     

Remun signifikan terhadap Kinerja Motivasi  Kinerja





0 265 2 03 1 0 981245 14 0872 20 3 1 i , t , , ,     

Motivasi signifikan terhadap Kinerja Suasana  Kinerja





0 365 3 736 1 0 981245 7 90871 20 3 1 i , t , , ,     

Suasana signifikan terhadap Kinerja

R2 _{dicari dengan meregresikan Remun + Motivasi + Suasana  Kinerja}

menggunakan SPSS

Dari hasil analisis di atas, koefisien jalur Remun  Suasana tidak signifikan. Model perlu diperbaiki dengan cara menghilangkan jalur hubungan tersebut. Coba lihat output AMOS bobot regresi unstandardized untuk sbb :

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Motivasi <--- Remun .968 .072 13.474 *** Suasana <--- Remun .300 .288 1.041 .298 Suasana <--- Motivasi .714 .283 2.521 .012 Kinerja <--- Suasana .346 .085 4.071 *** Kinerja <--- Motivasi .268 .121 2.211 .027 Kinerja <--- Remun .396 .110 3.613 ***

Terlihat hubungan Remun  Suasana tidak signifikan secara statistik.

7 | P a g e

Diperoleh koefisien jalur (pengaruh langsung) model baru sebagai berikut :

P21 (RemunMotivasi) = 0,951 ;

Py1 (Remun Kinerja) = 0,385 ;

P32 (MotivasiSuasana) = 0,931 ;

Py2 (MotivasiKinerja) = 0,265;

Py3 (MotivasiKinerja) = 0,365;

Uji Kecocokan Model Perbaikan :

Uji kecocokan model adalah tujuan utama pembentukan model Analisis Jalur, dengan H0 : Matriks korelasi teoritis = Matriks korelasi Empirik (Matriks korelasi model = Matriks

korelasi sampel) atau Model didukung data.

Dengan menggunakan software AMOS uji ini dengan mudah dapat dilakukan, dengan output seperti di atas.

1. Nilai statistik uji Chi-square model di atas 1,054, relative kecil dibandingkan dengan nilai kritis 5% (3,84). Nilai ini dapat dijadikan indikasi awal bahwa model didukung oleh data.

2. Nilai p-value 0,305 > nilai alpha 5% (nilai ini berkaitan dengan poin 1). Hal ini menunjukkan bahwa model analisis jalur di atas secara statistik signifikan  Model didukung oleh data.

Statistik di atas dijadikan sebagai dasar utama pengambilan keputusan cocok atau tidaknya model dengan data. Sedangkan statistik berikutnya adalah tambahan untuk pengambilan keputusan.

3. Error RMSEA 0,053 < 0,08. Model ini mempunyai error yang relative kecil 4. GFI 97,4%  Data mempunyai kecocokan dengan model 97,4%, sangat besar. Pengaruh tak langsung Remun terhadap Kinerja melalui Motivasi (0,95)(0,27) = 0,2565 Pengaruh tak langsung Remun terhadap Kinerja melalui Motivasi dan Suasana

= (0,95)(0,93)(0,37) = 0,322478

Total pengaruh tak langsung adalah 0,2565 + 0,32247 = 0,57897

Berdasarkan hasil perhitungan di atas diperoleh nilai pengaruh langsung sebesar 0,39 dan pengaruh tidak langsung sebesar 0,57897 yang berarti bahwa nilai pengaruh tidak langsung lebih besar dari pada nilai pengaruh langsung, hasil ini menunjukkan bahwa secara tidak langsung Remun melalui Motivasi mempunyai pengaruh signifikan terhadap Kinerja.

Pengaruh total = 0,39 + 0,2565 + 0,322478 = 0,964

Angka ini dapat di lihat pada output AMOS : Pada menu Analysis Properties centang pilihan Direct, indirect & total effects