Analisis jalur (path analysis) merupakan suatu teknik analisis statistika yang dikembangkan dari analisis regresi berganda. Dalam literatur berbahasa Indonesia, teknik ini dikenal juga sebagai analisis lintas atau analisis lintasan. Teknik ini pertama kali diperkenalkan oleh Sewall Wright pada tahun 1934 sebagai alat untuk mengkaji hubungan antarvariabel dalam produksi ternak, namun penerapannya sekarang meluas ke bidang-bidang lain, seperti genetika terapan dan ekonomi.
Secara matematis, analisis ini tidak lain adalah analisis regresi berganda terhadap data yang dibakukan.
Dengan demikian, perangkat lunak statistika yang mampu melakukan
analisis regresi berganda dapat pula dipakai untuk analisis jalur.
Subjek utama analisis ini adalah variabel-variabel yang saling
berkorelasi. Analisis ini mendasarkan diri pada model hubungan
antarvariabel yang ditentukan sebelumnya oleh peneliti. Penentuan model
didasarkan pada hipotesis mengenai berbagai variabel yang diamati. Dalam perkembangan saat ini teknik analisis jalur dapat dilakukan dalam kerangka pemodelan persamaan struktur (Structural Equation Modeling atau SEM), suatu teknik analisis yang menggabungkan analisis faktor dan analisis regresi, selain analisis jalur.
David Garson dari North Carolina State University mendefinisikan analisis jalur sebagai “Model perluasan regresi yang digunakan untuk menguji keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang dibandingkan oleh peneliti.
Modelnya digambarkan dalam bentuk gambar lingkaran dan panah dimana anak panah tunggal menunjukkan sebagai penyebab. Regresi dikenakan pada masing-masing variabel dalam suatu model sebagai variabel tergantung (pemberi respon) sedang yang lain sebagai penyebab. Pembobotan regresi diprediksikan dalam suatu model yang dibandingkan dengan matriks korelasi yang diobservasi untuk semua variabel dan dilakukan juga penghitungan uji keselarasan statistik. Dari definisi-definisi di atas dapat dsimpulkan bahwa sebenarnya analisis jalur merupakan kepanjangan dari analisis regresi berganda.
Pada model di bawah ini, dua variabel eksogen (Ex1 and Ex2) pada model saling berkorelasi dan memiliki dampak langsung maupun tidak langsung (melalui En1) pada En2 (dua variabel tergantung atau 'endogen'). Pada kebanyakan model sesungguhnya, variabel endogen juga dipengaruhi oleh faktor di luar model (termasuk kesalahan pengukuran). Pengaruh variabel eksternal tersebut dilambangkan dengan "e".
Dengan menggunakan variabel yang sama, dimungkinkan model alternatif. Misalnya, dapat dilakukan hipotesis bahwa Ex1 hanya memiliki pengaruh tidak langsung pada En2, sehingga panah dari Ex1 ke En2 dapat dihapus, dan kemungkinan "kesesuaian" kedua model ini dapat dibandingkan secara statistik.
Dalam analisis jalur dikenal beberapa konsep dan istilah dasar. Dengan
gambar model di bawah ini akan diterangkan konsep- konsep dan istilah
dasar tersebut:
• model jalur. Model jalur ialah suatu diagram yang menghubungkan antara variabel bebas, perantara dan tergantung. Pola hubungan ditunjukkan dengan menggunakan anak panah tunggal menunjukkan hubungan sebab–akibat antara variabel-variabel exogenous atau perantara dengan satu variabel tergantung atau lebih dan menghubungkan kesalahan (variabel residue) dengan semua variabel endogenous masing-masing. Anak panah ganda menunjukkan korelasi antara pasangan variabel-variabel exogenous.
• Jalur penyebab untuk suatu variabel yang diberikan meliputi jalur-jalur arah dari anak-anak panah menuju ke variabel tersebut dan jalur-jalur korelasi dari semua variabel endogenous yang dikorelasikan dengan variabel-variabel yang lain yang mempunyai anak panah-anak panah menuju ke variabel yang sudah ada tersebut.
• Variabel exogenous. Variabel – variabel exogenous dalam suatu model jalur ialah semua variabel yang tidak ada penyebab-penyebab eskplisitnya atau dalam diagram tidak ada anak-anak panah yang menuju kearahnya, selain pada bagian kesalahan pengukuran. Jika antara variabel exogenous dikorelasikan maka korelasi tersebut ditunjukkan dengan anak panah dengan kepala dua yang menghubungkan variabel-variabel tersebut.
• Variabel endogenous. Variabel endogenous ialah variabel yang mempunyai anak-anak panah menuju kearah variabel tersebut mencakup semua variabel perantara dan tergantung. Variabel perantara endogenous mempunyai anak panah yang menuju kearahnya dan dari arah variabel tersebut dalam sutau model diagram jalur. Sedang variabel tergantung hanya mempunyai anak panah yang menuju kearahnya.
• Koefesien jalur / pembobotan jalur. Koefesien jalur adalah koefesien regresi standar atau disebut ‘beta’ yang menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel tergantung dalam suatu model jalur tertentu. Oleh karena itu, jika suatu model mempunyai dua atau lebih variabel-variabel penyebab, maka koefesien-koefesien jalurnya merupakan koefesien-koefesien regresi parsial yang mengukur besarnya pengaruh satu variabel terhadap variabel lain dalam suatu model jalur tertentu yang mengontrol dua variabel lain sebelumnya dengan menggunakan data yang sudah distandarkan atau matriks korelasi sebagai masukan.
• Variabel-variabel exogenous yang dikorelasikan. Jika semua variabel exogenous dikorelasikan, maka sebagai penanda hubungannya ialah anak panah dengan dua kepala yang dihubungkan diantara variabel-variabel dengan koefesien korelasinya.
• Decomposisi pengaruh. Koefesien-koefesien jalur dapat digunakan untuk mengurai korelasi-korelasi dalam suatu model kedalam pengaruh langsung dan tidak langsung yang berhubungan dengan jalur langsung dan tidak langsung yang direfleksikan dengan anak panah – anak panah dalam suatu model tertentu. Ini didasarkan pada aturan bahwa dalam suatu sistem linear, maka pengaruh penyebab total suatu variabel ‘i’ terhadap variabel ‘j’ adalah jumlah semua nilai jalur dari “i” ke “j”.
• Signifikansi dan Model keselarasan dalam jalur. Untuk melakukan pengujian koefesien – koefesien jalur secara individual, kita dapat menggunakan t standar atau pengujian F dari angka-angka keluaran regresi. Sedang untuk melakukan pengujian model dengan semua jalurnya, kita dapat menggunakan uji keselarasan dari program. Jika suatu model sudah benar, diantaranya mencakup semua variabel yang sesuai dan mengeluarkan semua variabel yang tidak sesuai; maka jumlah nilai-nila jalur dari I ke j akan sama dengan koefesien regresi untuk j yang diprediksi didasarkan pada I, yaitu untuk data yang sudah distandarisasi dimana koefesien regresi sederhana sama dengan kefesien korelasi; maka jumlah semua koefesien (standar) akan sama dengan koefesien korelasi.
• Model Recursive. Model penyebab yang mempunyai satu arah. Tidak ada arah membalik (feed back loop) dan tidak ada pengaruh sebab akibat (reciprocal). Dalam model ini satu variabel tidak dapat berfungsi sebagai penyebab dan akibat dalam waktu yang bersamaan.
• Model Non-recursive. Model penyebab dengan disertai arah yang membalik (feed back loop) atau adanya pengaruh sebab akibat (reciprocal).
• Direct Effect. Pengaruh langsung yang dapat dilihat dari koefesien jalur dari satu variable ke variable lainnya.
• Indirect Effect. Urutan jalur melalui satu atau lebih variable perantara.
Download file lengkapnya disini
• model jalur. Model jalur ialah suatu diagram yang menghubungkan antara variabel bebas, perantara dan tergantung. Pola hubungan ditunjukkan dengan menggunakan anak panah tunggal menunjukkan hubungan sebab–akibat antara variabel-variabel exogenous atau perantara dengan satu variabel tergantung atau lebih dan menghubungkan kesalahan (variabel residue) dengan semua variabel endogenous masing-masing. Anak panah ganda menunjukkan korelasi antara pasangan variabel-variabel exogenous.
• Jalur penyebab untuk suatu variabel yang diberikan meliputi jalur-jalur arah dari anak-anak panah menuju ke variabel tersebut dan jalur-jalur korelasi dari semua variabel endogenous yang dikorelasikan dengan variabel-variabel yang lain yang mempunyai anak panah-anak panah menuju ke variabel yang sudah ada tersebut.
• Variabel exogenous. Variabel – variabel exogenous dalam suatu model jalur ialah semua variabel yang tidak ada penyebab-penyebab eskplisitnya atau dalam diagram tidak ada anak-anak panah yang menuju kearahnya, selain pada bagian kesalahan pengukuran. Jika antara variabel exogenous dikorelasikan maka korelasi tersebut ditunjukkan dengan anak panah dengan kepala dua yang menghubungkan variabel-variabel tersebut.
• Variabel endogenous. Variabel endogenous ialah variabel yang mempunyai anak-anak panah menuju kearah variabel tersebut mencakup semua variabel perantara dan tergantung. Variabel perantara endogenous mempunyai anak panah yang menuju kearahnya dan dari arah variabel tersebut dalam sutau model diagram jalur. Sedang variabel tergantung hanya mempunyai anak panah yang menuju kearahnya.
• Koefesien jalur / pembobotan jalur. Koefesien jalur adalah koefesien regresi standar atau disebut ‘beta’ yang menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel tergantung dalam suatu model jalur tertentu. Oleh karena itu, jika suatu model mempunyai dua atau lebih variabel-variabel penyebab, maka koefesien-koefesien jalurnya merupakan koefesien-koefesien regresi parsial yang mengukur besarnya pengaruh satu variabel terhadap variabel lain dalam suatu model jalur tertentu yang mengontrol dua variabel lain sebelumnya dengan menggunakan data yang sudah distandarkan atau matriks korelasi sebagai masukan.
• Variabel-variabel exogenous yang dikorelasikan. Jika semua variabel exogenous dikorelasikan, maka sebagai penanda hubungannya ialah anak panah dengan dua kepala yang dihubungkan diantara variabel-variabel dengan koefesien korelasinya.
• Decomposisi pengaruh. Koefesien-koefesien jalur dapat digunakan untuk mengurai korelasi-korelasi dalam suatu model kedalam pengaruh langsung dan tidak langsung yang berhubungan dengan jalur langsung dan tidak langsung yang direfleksikan dengan anak panah – anak panah dalam suatu model tertentu. Ini didasarkan pada aturan bahwa dalam suatu sistem linear, maka pengaruh penyebab total suatu variabel ‘i’ terhadap variabel ‘j’ adalah jumlah semua nilai jalur dari “i” ke “j”.
• Signifikansi dan Model keselarasan dalam jalur. Untuk melakukan pengujian koefesien – koefesien jalur secara individual, kita dapat menggunakan t standar atau pengujian F dari angka-angka keluaran regresi. Sedang untuk melakukan pengujian model dengan semua jalurnya, kita dapat menggunakan uji keselarasan dari program. Jika suatu model sudah benar, diantaranya mencakup semua variabel yang sesuai dan mengeluarkan semua variabel yang tidak sesuai; maka jumlah nilai-nila jalur dari I ke j akan sama dengan koefesien regresi untuk j yang diprediksi didasarkan pada I, yaitu untuk data yang sudah distandarisasi dimana koefesien regresi sederhana sama dengan kefesien korelasi; maka jumlah semua koefesien (standar) akan sama dengan koefesien korelasi.
• Model Recursive. Model penyebab yang mempunyai satu arah. Tidak ada arah membalik (feed back loop) dan tidak ada pengaruh sebab akibat (reciprocal). Dalam model ini satu variabel tidak dapat berfungsi sebagai penyebab dan akibat dalam waktu yang bersamaan.
• Model Non-recursive. Model penyebab dengan disertai arah yang membalik (feed back loop) atau adanya pengaruh sebab akibat (reciprocal).
• Direct Effect. Pengaruh langsung yang dapat dilihat dari koefesien jalur dari satu variable ke variable lainnya.
• Indirect Effect. Urutan jalur melalui satu atau lebih variable perantara.
Download file lengkapnya disini
No comments:
Post a Comment