Makalah Statistika Dasar

Path Analysis (Analisis Jalur)

Dosen Pengampu : Apit Faturrohman

Kelompok Khi Kuadrat :

Fitria Adi Mustika
Innas Amalia Utami
Ricky Azrofi Samara
Rizky Nur Hidayah
Veronika Aprilia
Yeti Haryani

Pendidikan Fisika
Fakultas Keguruan dan Ilmu Pendidikan
Universitas Sriwijaya
2014/2015

Daftar Isi

Daftar Isi
BAB I
PENDAHULUAN
A.Latar Belakang
B.Tujuan
BAB II
PEMBAHASAN
1.Path Analysis
A.Definisi Path Analysis
B. Prinsip-Prinsip Path Analysis
2. Diagram Jalur (Path Diagram)
3. Koefisien Jalur dan Perhitungan Koefisien Jalur
4. Pengujian model
BAB III
PENUTUP
Kesimpulan
Daftar Pustaka

BAB I

PENDAHULUAN
A.Latar Belakang
Analisis jalur (Path Analysis) merupakan pengembangan statistik regresi,
sehingga analisis regresi dapat dikatakan sebagai bentuk khusus analisis
jalur. Analisis jalur digunakan untuk melukiskan dan menguji model
hubungan antar variabel yang berbentuk sebab akibat (Sugiyono: 2009).
Bagaimana sejarah perkembangan analisis jalur? Teknik analisis jalur,
yang dikembangkan oleh Sewal Wright di tahun 1934, sebenarnya
merupakan pengembangan korelasi yang diuraikan menjadi beberapa
interpretasi akibat yang ditimbulkannya. Lebih lanjut, analisis jalur
mempunyai kedekatan dengan regresi berganda, atau dengan kata lain,
regresi berganda merupakan bentuk khusus dari analisis jalur. Teknik ini juga
dikenal sebagai modal sebab akibat (causing modeling).
Penamaan ini didasarkan pada alasan bahwa analisis jalur
memungkinkan penggunaan dapat menguji proposisi teoritis mengenai
hubungan sebab dan akibat tanpa memanipulasi variabel-variabel.
Memanipulasi variabel maksudnya memberi perlakuan (treatment) terhadap
variabel-variabel tertentu dalam pengukurannya. Asumsi dasar model ini
ialah beberapa variabel sebenarnya mempunyai hubungan yang sangat
dekat satu dengan yang lainnya.

B.Tujuan

1. Memahami populasi,sampel,dan pengujian normalitas data.

2. Mengerti dan memahami keseluruhan Teknik Sampling melalui contoh
soal dan latihan soal beserta penyelesaiannya.
3. Mengetahui dan memahami kaitan statistika dasar dalam bidang fisika.

BAB II

PEMBAHASAN
1.Path Analysis
A.Definisi Path Analysis
Path analysis (PA) atau analisis jalur adalah keterkaitan antara variable
independent, variable intermediate, dan variable dependen yang biasanya
disajikan dalam bentuk diagram. Didalam diagram ada panah panah yang
menunjukkan arah pengaruh antara variable-variabel exogenous,
intermediary, dan variabel dependent. Path analysis digunakan untuk
menganalisis pola hubungan antara variabel dengan tujuan untuk
mengetahui pengaruh langsung maupun tidak langsung seperangkat
variabel bebas (eksogen) terhadap variabel terikat (endogen). Teknik analisis
jalur ini akan digunakan dalam menguji besarnya sumbangan (kontribusi)
yang ditunjukkan oleh koefisien jalur pada setiap digram jalur dari hubungan
kausal antar variabel X , X , dan X terhadap Y serta dampaknya kepada Z.
1 2 3

Melalui analisis jalur ini akan dapat ditemukan jalur mana yang paling
tepat dan singkat suatu variabel eksogen menuju variabel endogen yang
terkait.Teknik ini dikembangkan sejak tahun 1939 oleh Sewall Wright.
Berbeda dengan korelasi dan regresi, analisis jalur mempelajari apakah
hubungan yang terjadi disebabkan oleh pengaruh langsung dan tidak
langsung dari variabel independen terhadap variabel dependen, mempelajari
ketergantungan sejumlah variabel dalam suatu model (model kausal), dan
menganalisis hubungan antar variabel dari model kausal yang telah
dirumuskan oleh peneliti atas dasar pertimbangan teoritis.

B. Prinsip-Prinsip Path Analysis

1. Pada model path analysis, hubungan antar variabel bersifat linear, adaptif
dan bersifat normal.

2. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas
yang terbalik.

3. Variabel terikat (endogen) minimal dalam skala ukuran interval dan ratio.

4. Menggunakan sampel probability sampling yaitu teknik pengambilan

sampel untuk memberikan peluang yang sama pada setiap anggota populasi
untuk dipilih menjadi anggota sampel.

5. Observed variables diukur tanpa kesalahan (instrumen pengukuran valid

dan reliable) artinya variabel yang diteliti dapat diobservasi secara langsung.

6. Model yang dianalisis dispesifikasikan (diidentifikasikan) dengan benar

berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori
yang dikaji atau yang diuji dibangun berdasarkan kerangka teoritis tertentu
yang mampu menjelaskan hubungan kausalitas antar variabel yang diteliti.

2. Diagram Jalur (Path Diagram)

Langkah pertama analisis jalur adalah menterjemahkan hipotesis
penelitian yang bentuknya proposisional ke dalam bentuk diagram yang
disebut diagram jalur.

Pada saat menggambarkan diagram jalur ada beberapa perjanjian :

1. Hubungan antar variabel digambarkan oleh anak panah yang bisa

berkepala tunggal () atau single headed arrow, dan berkepala dua (
)
atau double headed arrow.
2. Panah berkepala satu menunjukkan pengaruh dari sebuah variabel
eksogen terhadap sebuah variabel endogen. Misalkan :
X 1 X
2

3. Panah berkepala dua menggambarkan hubungan korelatif antar

variabel eksogen. Misalkan :
X 1 X 2

4. Tidak pernah seseorang bisa mengisolasi hubungan pengaruh secara

murni artinya bahwa sesuatu kejadian banyak sekali yang
mempengaruhinya, tetapi pada conceptual framework hanya dapat
digambarkan beberapa pengaruh yang bisa diamati. Variabel lainnya
yang tidak bisa digambarkan (tidak bisa diukur) diperlihatkan oleh
suatu variabel tertentu yang disebut residu dan diberi simbol dengan
.

Contoh :
1)

p 2

p 21

X 1 X
2

Diagram jalur ini adalah diagram jalur yang paling sederhana. Besarnya
pengaruh langsung dari X ke X diperlihatkan oleh koefisien jalur (path
1 2

coefficient, p). Apabila diagram jalur sederhana seperti ini yaitu variabel
eksogen hanya satu, maka p = r 21 21

2) Contoh diagram jalur yang melibatkan kaitan korelatif :

p 3

X 1 p 31

r 12 X 3

P 32

X 2

X dan X merupakan dua buah variabel eksogen yang satu dengan yang
1 2

lainnya mempunyai kaitan korelatif. Secara bersama-sama X dan X 1 2

mempengaruhi X . 3

3. Penelitian mengenai hubungan kausal melibatkan empat buah variabel

X , X , X , dan X . Menurut teori, hubungan struktural antara variabel-
1 2 3 4

variabel tersebut adalah :

a. X dipengaruhi oleh X dan X
3 1 2

b. antara X dan X terdapat hubungan korelatif

1 2

c. X dipengaruhi oleh X .
4 3
Diagram jalur dari hubungan variabel-variabel tersebut adalah :

1 2

p 3 1 p
4 2

X 1 p 31 p 43

r 12 P 32 X 3 X 4

X 2

Contoh diagram jalur yang tidak melibatkan kaitan korelatif :

4. Seorang peneliti mempunyai empat variabel X , X , X dan X yang 1 2 3 4

menurut kerangka konseptual terdapat hubungan sebagai berikut :

a. X dipengaruhi oleh X
2 1

b. X dipengaruhi oleh X dan X

3 1 2

c. X dipengaruhi oleh X dan X

4 3 2

Hubungan antar variabel dapat dinyatakan dalam diagram jalur

sebagai berikut.

p 3 2

p 31

X 1 X 3
 3

p 21 p 32 p 43

p 4 3

p 42

X 2 X 4

P
2 1

Langkah-langkah Path Analysis

Salah satu komponen penting dalam analisis path adalah diagram

path. Diagram path dibuat untuk mempresentasikan hubungan kausal antar
variabel ke dalam bentuk gambar sehingga semakin mudah terbaca (Dillon
dan Goldstein, 1984). Notasi anak panah Pada diagram jalur digunakan dua
macam anak panah, yaitu anak panah satu arah yang menyatakan pengaruh
langsung dari sebuah variabel eksogen variabel penyebab (X) terhadap
sebuah variabel endogen variabel akibat (Y), dan anak panah dua arah
menunjukkan hubungan korelasional antara variabel eksogen.

Menurut Ferdinand (2006), ada tujuh langkah yang harus dilakukan untuk
menyiapkan analisis jalur, yaitu:

1. Pengembangan Model Teoritis

Langkah pertama dalam pengembangan model adalah pencarian atau

pengembangan sebuah model yang mempunyai justifikasi teoritis yang kuat.
Model yang dirancang merupakan model-model yang bisa dinyatakan ke
dalam bentuk persamaan dan mengandung hubungan kausal di dalamnya.
Mengingat bahwa model hipotetik yang dibangun bisa lebih dari satu
terutama bila landasan konsepnya belum matang.

2. Pengembangan Path Diagram atau diagram alur

 Dalam langkah kedua ini, model teoritis yang telah dibangun pada
tahap pertama akan digambarkan dalam sebuah path diagram, yang akan
mempermudah untuk melihat hubungan-hubungan kausalitas yang ingin
diuji. Dalam diagram alur, hubungan antar konstruk akan dinyatakan melalui
anak panah. Anak panah yang lurus menunjukkan sebuah hubungan kausal
yang langsung antara satu konstrak dengan konstrak lainya. Sedangkan
garis-garis lengkung antar konstruk dengan anak panah pada setiap
ujungnya menunjukkan korelasi antar konstruk. Konstruk yang dibangun
dalam diagram alur dapat dibedakan dalam dua kelompok, yaitu:

Exogenous constructs atau konstruk eksogen Dikenal juga sebagai source

variables atau independent variables yang tidak diprediksi oleh variabel lain
dalam model. Konstruk eksogen adalah konstruk yang dituju oleh garis
dengan satu ujung panah.
Endogenous construct atau konstruk endogen Merupakan faktor-faktor yang
diprediksi oleh satu atau beberapa konstruk. Konstruk endogen dapat
memprediksi satu atau beberapa konstruk endogen lainnya, tetapi konstruk
endogen hanya dapat berhubungan kausal dengan konstruk endogen.

Setelah model teoritis dibangun pada langkah pertama, maka langkah

selanjutnya adalah mengembangkan model tersebut dalam diagram path.
Dengan diagram path tersebut dapat dilihat hubungan-hubungan
kausalitasyang ingin diuji. Konstruk yang dibangun dalam diagram alur dapat
dibedakan menjadi konstruk eksogen dan konstruk endogen. Konstruk
eksogen adalah yang tak dapat diprediksi oleh variabel lain dalam model.

Sedangkan konstruk endogen adalah faktor-faktor yang diprediksi oleh

satuatau beberapa konstruk-konstruk eksogen hanya dapat berhubungan
kausal dengan kontruk endogen. Setelah dituangkan dalam diagram path
maka model dapat mulai dikonversikan ke dalam persamaan struktural.

3. Konversi diagram alur ke dalam persamaan struktural dan model

pengukuran

Persamaan yang didapat dari diagram alur yang dikonversi terdiri dari
Structural Equation atau persamaan struktural. Dirumuskan untuk
menyatakan hubungan kausalitas antar berbagai konstruk. Rumus yang
dikembangkan adalah: Variabel endogen = variabel eksogen + variabel
endogen + error. Pemeriksaan asumsi model analisis path

Asumsi-asumsi yang harus dipenuhi pada pengujian model analisis path ini
adalah sebagai berikut

a. Ukuran sampel

Menurut Hair et al. (1998), ukuran sampel yang dibutuhkan untuk data
multivariat adalah antara 100-200 variabel.
b. Normalitas data

Sebaran data harus dianalisis untuk melihat asumsi normalitas

dipenuhi sehingga data dapat diolah lebih lanjut untuk pemodelan.
Normalitas data dapat diuji dengan melihat histrogam data atau uji-uji
normalitas lainnya. Dalam penelitian ini normalitas data dideteksi dengan
membandingkan nilai critical ratio yang diperoleh critical ratio sebesar +
2,58 yang didapat dari tabel distribusi normal standar pada tingkat
signifikansi 0,01 dengan sebesar + 2,58 yang didapat dari tabel distribusi
normal standar pada tingkat signifikansi 0,01.

c. Tidak ada data outlier

Outlier adalah observasi atau data yang memiliki karakteristik unik

yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan
muncul dalam bentuk nilai ekstrim. Uji terhadap outlier dilakukan dengan
menggunakan kriteria jarak Mahalanobis pada tingkat 0,01. Jarak
Mahalanobis tersebut dievaluasi dengan menggunakan 2 (q ; 0,01) dengan
q adalah derajat bebas sebesar jumlah variabel yang digunakan dalam
penelitian (Hair et al., 1998). Penanganan outlier dapat dilakukan dengan
mengeluarkan observasi atau data outlier tersebut.

d. Multikolinearitas variabel eksogen

Multikolenieritas dapat dideteksi melalui diagram korelasi antar

konstruk eksogen untuk mengecek tinggi rendahnya korelasi. Jika korelasi
antar variabel eksogennya tinggi maka model perlu dipertimbangkan lagi.
Dalam penelitian ini, multikolinearitas dideteksi dengan melihat apakah nilai
determinan matriks kovariansi sampel jauh dari nilai nol atau tidak. Jika nilai
determinan matriks kovariansi sampel jauh dari nol dapat disimpulkan bahwa
tidak terdapat multikolinearitas.

4. Memilih matrik input dan estimasi model.

Pada penelitian ini matrik inputnya adalah matrik kovarian atau matrik
korelasi. Hal ini dilakukan karena fokus SEM bukan pada data individual,
tetapi pola hubungan antar responden. Dalam hal ini ukuran sampel
memegang peranan penting untuk mengestimasi kesalahan sampling. Untuk
itu ukuran sampling jangan terlalu besar karena akan menjadi sangat sensitif
sehiungga akan sulit mendapatkan ukuran goodness of fit yang baik, setelah
model dibuat dan input data dipilih, maka dilakukan analisis model kausalitas
dengan teknik estimasi yaitu teknik estimasi model yang digunakan adalah
Maximum Likehood Estimation Method. Teknik ini dipilih karena ukuran
sampel yang digunakan dalam penelitian ini adalah kecil (100-200
responden).

5. Menganalisa kemungkinan munculnya masalah identifikasi

 Problem identifikasi pada prinsipnya adalah problem mengenai
ketidakmampuan model yang dikembangkan menghasilkan estimasi yang
unik. Bila setiap kali estimasi dilakukan muncul problem identifikasi, maka
sebaiknya model dipertimbangkan ulang dengan mengembangkan lebih
banyak konstruk. Disebutkan oleh Ferdinand (2006), beberapa indikasi
problem identifikasi:

a. Standard error untuk satu atau beberapa koefisien adalah sangat besar.

b. Program tidak mampu menghasilkan matrik informasi yang seharusnya

disajikan.

c. Munculnya angka-angka yang aneh seperti adanya varians error yang

negatif.

d. Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang

didapat (misalnya lebih dari 0,9)

6. Evaluasi kriteria goodness of fit

Pada tahap ini dilakukan pengujian terhadap kesesuaian model terhadap

berbagai kriteria goodness of fit. Disebutkan oleh Ferdinand (2006),
beberapa indeks kesesuaian dan cut of value untuk menguji apakah sebuah
model dapat diterima atau ditolak.

7. Interpretasi dan Modifikasi Model

Tahap akhir ini adalah melakukan interpretasi dan modifikasi bagi

model-model yang tidak memenuhi syarat-syarat pengujian. Hair et. al.
(dalam Ferdinand, 2006) memberikan pedoman untuk mempertimbangkan
perlu tidaknya modifikasi model dengan melihat jumlah residual yang
dihasilkan oleh model tersebut. Batas keamanan untuk jumlah residual
adalah 5%.

Bila jumlah residual lebih besar dari 2% dari semua residual kovarians
yang dihasilkan oleh model, maka sebuah modifikasi perlu dipertimbangkan.
Bila ditemukan bahwa nilai residual yang dihasilkan model cukup besar
(yaitu 2.58) maka cara lain dalam memodifikasi adalah dengan
mempertimbangkan untuk menambah sebuah alur baru terhadap model
yang diestimasi itu. Nilai residual value yang lebih besar atau sama dengan
2.58 diinterpretasikan sebagai signifikan secara statistik pada tingkat 5%.

3. Koefisien Jalur dan Perhitungan Koefisien Jalur

Dalam korelasi arah dan kuatnya hubungan antar variabel ditunjukkan
dengan koefisien korelasi. Arah hubungan adalah positif dan negatif,
sedangkan kuatnya hubungan ditunjukkan dengan besar kecilnya angka
korelasi. Koefisien korelasi yang mendekati angka 1 berarti kedua variabel
mempunyai hubungan kuat atau sempurna (Sugiyono: 2009).
 Dalam analisis jalur juga terdapat koefisien jalur. Koefisien jalur
menunjukkan kuatnya pengaruh variabel eksogen terhadap variabel
endogen. Koefisien jalur adalah koefisien regresi standar (standar z) yang
menunjukkan pengaruh variabel eksogen terhadap endogen yang telah
tersusun dalam diagram jalur. Hubungan jalur antar variabel dalam diagram
jalur adalah hubungan korelasi, oleh karena itu perhitungan angka koefisien
jalur menggunakan standar skor z. Pada setiap variabel eksogen tidak
dipengaruhi oleh variabel-variabel yang lain dalam diagram, sehingga yang
ada hanyalah suku resideunya yang diberi notasi e atau sering juga disebut
dengan variabel residual.

Langkah-langkah dalam menghitung koefisien path seperti yang

dikemukakan oleh Oktariani (2006) adalah

1. Setelah diagram path yang dikembangkan telah jelas kalau persamaan

struktural disusun sesuai dengan hubungan yang telah dihipotesiskan
sehingga maka akan tampak jelas kedudukan masing-masing variabel
tergolong dalam variabel eksogen atau variabel endogen.

2. Karena input data dalam analisis path berupa data korelasi atau
kovariansi, maka perlu dicari korelasi antara seluruh variabel yaitu dengan
menghitung matriks korelasi antar semua variabel yang ada, dengan
menggunakan rumus korelasi sesuai dengan persamaan (2.1), sehingga
diperoleh matriks korelasi R.

3. Mengidentifikasikan substrak dan persamaan yang akan dihitung koefisien

pathnya. Misal terdapat k buah variabel eksogen dan satu buah variabel
endogen.

4. Dihitung matriks korelasi antar variabel eksogen yaitu R1 yang menyusun

substruktur tersebut, kemudian dicari inversnya. Matriks korelasi antar
variabel eksogen digunakan untuk mengetahui sejauh mana pengaruh
variabel eksogen terhadap variabel endogennya.
5. Dihitung semua koefisien path yang ada dalam persamaan R xu( x1 x2 xk
yaitu koefisien yang menyatakan seberapa besar pengaruh variabel X1,
X2, ..., Xk terhadap variabel Xu.

4. Pengujian model
Analisis path merupakan pendekatan analisis yang penting dalam
menguji hipotesis kausal. Di sini ingin dihasilkan korelasi atau kovariansi
yang sesungguhnya. Jika hal ini bisa dipenuhi maka bisa dikatakan bahwa
struktur hipotesis kausal yang dibentuk berdasarkan korelasi atau kovariansi
adalah cocok dalam menguji kevalidan model. Pada perhitungan skala
besar, kevalidan model kausal ditentukan dari kemampuan untuk
menghasilkan nilai R yang paling tinggi mendekati aslinya (Oktariani, 2006).

Berikut ini beberapa pengujian yang akan dilakukan terhadap model.

a. Pengujian secara keseluruhan

Pengujian ini dilakukan pada model untuk melihat apakah model yang
terbentuk sudah cukup signifikan. Alat uji paling fundamental untuk
mengukur kesesuaian model adalah 2. Uji ini dapat digunakan karena 20
model statistik dalam penelitian ini menggunakan 75-200 sampel.

b. Teori Trimming

Sebelum dilakukan penarikan kesimpulan mengenai hubungan kausal

yang digambarkan dalam diagram path perlu diuji signifikansi dari setiap
koefisien path yang telah dihitung. Pengujian dilakukan dengan
menggunakan teori trimming yaitu suatu metode yang bekerja dengan
menghilangkan koefisien path yang tak signifikan dan tidak memenuhi
kriteria.

BAB III

PENUTUP
Kesimpulan
Path analysis (PA) atau analisis jalur adalah keterkaitan antara variable
independent, variable intermediate, dan variable dependen yang biasanya
disajikan dalam bentuk diagram. Didalam diagram ada panah panah yang
menunjukkan arah pengaruh antara variable-variabel exogenous,
intermediary, dan variabel dependent. Path analysis digunakan untuk
menganalisis pola hubungan antara variabel dengan tujuan untuk
mengetahui pengaruh langsung maupun tidak langsung seperangkat
variabel bebas (eksogen) terhadap variabel terikat (endogen). Teknik analisis
jalur ini akan digunakan dalam menguji besarnya sumbangan (kontribusi)
 yang ditunjukkan oleh koefisien jalur pada setiap digram jalur dari hubungan
kausal antar variabel X , X , dan X terhadap Y serta dampaknya kepada Z.
1 2 3

Berbeda dengan korelasi dan regresi, analisis jalur mempelajari apakah

hubungan yang terjadi disebabkan oleh pengaruh langsung dan tidak
langsung dari variabel independen terhadap variabel dependen, mempelajari
ketergantungan sejumlah variabel dalam suatu model (model kausal), dan
menganalisis hubungan antar variabel dari model kausal yang telah
dirumuskan oleh peneliti atas dasar pertimbangan teoritis.

Daftar Pustaka

Riduan dan Engkos. 2012. Cara Mudah Menggunakan dan Memakai Path Analysis
(Analisis Jalur). Bandung: Alfabeta.
Sugiyono. 2009. Statistik Untuk Penelitian. Bandung: Alfabeta.