Pada Tabel 4.25, nilai sig. l adalah 0,292. Ternyata nilai sig. 0,292 lebih
besar dari nilai m 0,05, maka n
V
diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Penduduk yang Mengalami Keluhan Kesehatan
terhadap Angka Harapan Hidup.
4.4.4 Analisis Jalur Model Trimming
Model trimming adalah model yang digunakan untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model variabel eksogen
yang koefisien jalurnya tidak signifikan Heise, 1969:59; Al-Rasyid Sitepu, 1994:12; Kusnendi, 2005:12. Jadi, model trimming terjadi ketika koefisien jalur
diuji secara keseluruhan ternyata ada variabel yang tidak signifikan. Walaupun ada satu, dua, atau lebih variabel yang tidak signifikan, peneliti perlu
memperbaiki model struktur analisis jalur yang telah dihipotesiskan. Cara menggunakan model trimming yaitu menghitung ulang koefisien
jalur tanpa menyertakan variabel eksogen yang koefisien jalurnya tidak signifikan. Pada Tabel 4.23 dan Tabel 4.25, variabel eksogen yang memiliki koefisien
korelasi dan koefisien jalur yang tidak signifikan akan dikeluarkan dari model nilai sig.
l lebih besar dari nilai m 0,05, sehingga model analisis jalur yang baru dapat dilihat pada gambar di bawah ini.
Universitas Sumatera Utara
Gambar 4.2 Model Diagram Jalur Setelah Trimming Tahap II Pada Gambar 4.2, variabel-variabel yang keluar dari model adalah
variabel ΒΈ
, , dan
[
. Pada model awal keempat variabel ini tidak memberikan pengaruh yang signifikan terhadap variabel endogennya sehingga
variabel ini dikeluarkan dari model. Namun pada Gambar 4.2 ada beberapa variabel yang tidak memberikan pengaruh apapun terhadap variabel
V
Angka Harapan Hidup. Untuk itu variabel-variabel ini juga harus dikeluarkan dari model
sehingga didapat model baru, yaitu model terakhir di mana semua variabel- variabel yang mempengaruhi variabel
V
baik secara langsung maupun tidak langsung.
\
Universitas Sumatera Utara
Gambar 4.3 Model Diagram Jalur Tahap III
Untuk memastikan apakah koefisien korelasi dan koefisien jalur pada Gambar 4.3 sudah signifikan maka perhitungan akan diulangi dan diuji kembali.
Hasil pengolahan program Amos Versi 18 ditampilkan sebagai berikut. Tabel 4.27 Covariances: Group number 1 - Default model
Estimate S.E.
C.R. P
Label X
16
X
18
8349,181 3874,024
2,155 0,031 par_7
X
17
X
18
35271,646 8972,893
3,931 par_6
Universitas Sumatera Utara
Pada tabel 4.27, koefisien korelasi antara 2 variabel eksogen kovarian sudah signifikan. Semua nilai sig.
l lebih kecil dari nilai m 0,05.
Tabel 4.28 Regression Weights: Group number 1 - Default model Estimate
S.E. C.R.
P Label
\
55325,030 19268,158 2,871
0,004 par_4
[
-1,169 0,180
-6,487 par_5
\
12057,023 6065,041 1,988
0,047 par_6
[
-1,508 0,616
-2,447 0,014 par_1
\
0,000 0,000
3,169 0,002 par_3
V
0,039 0,009
4,263 par_2
V ]
-0,014 0,007
-1,979 0,048 par_12
V \
-0,005 0,001
-4,727 par_13
V
0,007 0,003
2,592 0,010 par_14
Pada tabel di atas koefisien jalur variabel eksogen terhadap variabel endogen sudah signifikan. Semua nilai sig.
l lebih kecil dari nilai m 0,05.
4.4.5 Analisis Jalur Model Building
