2. Analisis Jalur

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:
1|Page
a.
b.
c.
d.
e.
f.
g.
h.
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 variabelvariabel exogenous atau perantara dengan satu 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.
Variabel exogenous. Variabel – variabel exogenous dalam suatu model jalur ialah
variabel pengaruh.
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.
Koefesien jalur / bobot jalur. Koefesien jalur adalah koefesien regresi
standardized (‘beta’) yang menunjukkan pengaruh langsung dari suatu variabel
eksogen terhadap var endogen.
Error. Istilah kesalahan atau residual yang secara teknis disebut sebagai ‘gangguan’
atau “residual” mencerminkan adanya varian yang tidak dapat diterangkan.
Aturan multiplikasi jalur. Nilai dari suatu jalur gabungan adalah hasil semua
koefesien jalurnya.
Decomposisi pengaruh. Koefisien-koefisien jalur dapat digunakan untuk mengurai
korelasi-korelasi dalam suatu model ke dalam pengaruh langsung dan tidak langsung.
Signifikansi dan Model keselarasan dalam jalur. Untuk melakukan pengujian
koefesien – koefesien jalur secara individual, kita dapat menggunakan stat t standard
atau pengujian F.
2|Page
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)
Py1 (InsentifKinerja)
Py2 (MotivasiKinerja)
= 0,67 ;
= 0,60 ;
= 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)
pXu Xi
0,67
ti 
~ tn  k 1 
 2,55
2
2
1  0 ,67
1  pXu Xi




10  1  1
n  k 1
H0 ditolak, Kesimpulan : Insentif berpengaruh langsung positif  Motivasi.
2. Pengaruh parsial
Insentif  Kinerja
H0 : Koefisien jalur = 0 ( tidak ada pengaruh)
pXu Xi
0,6
ti 
~ tn  k 1 
 3,82
2
1  0,9056 1,813306
1  R Cii
n  2 1
n  k 1


R2 dicari dengan meregresikan Insentif + Motivasi  Kinerja menggunakan
SPSS, diperoleh R2 = 0,905. Selanjutnya nilai C11 diperoleh dari elemen baris dan
3|Page
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
4|Page
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-SuasanaKinerja.sav).
Diperoleh koefisien jalur (pengaruh langsung) yang dapat dilihat pada output AMOS di
Standardized Regression Weights: (Group number 1 - Default model)
P21 (RemunMotivasi)
P31 (RemunSuasana)
Py1 (Remun Kinerja)
P32 (MotivasiSuasana)
Py2 (MotivasiKinerja)
Py3 (MotivasiKinerja)
= 0,951 ;
= 0,276
= 0,385 ;
= 0,668 ;
= 0,265;
= 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)
ti 

pXu Xi
1  pXu Xi 2

~ tn  k 1 
0,951
1  0,951 
 13,115
2
20  1  1
n  k 1
H0 ditolak, Kesimpulan : Remun berpengaruh langsung positif  Motivasi.
2. Pengaruh parsial (Model Struktural II)
Remun  Suasana
H0 : Koefisien jalur = 0 ( tidak ada pengaruh)
pXu Xi
0 , 276
ti 
~ tn  k 1 
 0,985
1  0,874 10,555
1  R 2 Cii
20  2  1
n  k 1


R2 dicari dengan meregresikan Remun + Motivasi  Suasana menggunakan
SPSS, diperoleh hasil R2 = 0,874. Selanjutnya nilai C11 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
10.46036
-9.9478
0.951
1
-9.9478 10.46036
H0 ditolak, Kesimpulan : Remun belum berpengaruh langsung secara positif
terhadap Suasana Kerja.
5|Page
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
ti 
 3,315
1  0,98124511,157
20  3  1
Remun signifikan terhadap Kinerja
Motivasi  Kinerja
0, 265
ti 
 2, 03
1  0,98124514,0872
20  3  1
Motivasi signifikan terhadap Kinerja
Suasana  Kinerja
0 ,365
ti 
 3, 736
1  0,981245 7 ,90871
20  3  1
Suasana signifikan terhadap Kinerja
R2 dicari dengan meregresikan Remun + Motivasi +
menggunakan SPSS
Suasana  Kinerja
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)
Motivasi
Suasana
Suasana
Kinerja
Kinerja
Kinerja
<--<--<--<--<--<---
Remun
Remun
Motivasi
Suasana
Motivasi
Remun
Estimate
.968
.300
.714
.346
.268
.396
S.E.
.072
.288
.283
.085
.121
.110
C.R.
13.474
1.041
2.521
4.071
2.211
3.613
P
***
.298
.012
***
.027
***
Terlihat hubungan Remun  Suasana tidak signifikan secara statistik.
Diperoleh hasil perbaikan model sebagai berikut :
6|Page
Diperoleh koefisien jalur (pengaruh langsung) model baru sebagai berikut :
P21 (RemunMotivasi)
Py1 (Remun Kinerja)
P32 (MotivasiSuasana)
Py2 (MotivasiKinerja)
Py3 (MotivasiKinerja)
= 0,951 ;
= 0,385 ;
= 0,931 ;
= 0,265;
= 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
7|Page