1. Direct causal effects Pengaruh Kausal Langsung adalah pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi tanpa melalui variabel
endogen lain.
2. Indirect causal effects Pengaruh Kausal Tidak Langsung adalah pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi melalui variabel endogen
lain terdapat dalam satu model kausalitas yang sedang dianalisis. 3. Total causal effects Pengaruh Kausal Total adalah jumlah dari pengaruh
kausal langsung dan pengaruh kausal tidak langsung.
c. Model Regresi Berganda
Model ini merupakan pengembangan regresi berganda dengan menggunakan dua variabel eksogenous, yaitu X
1
dan X
2
dengan satu variabel endogenous Y.
d. Model Mediasi
Model mediasi atau perantara dimana variabel Y memodifikasi pengaruh variabel X terhadap variabel Z. Model digambarkan sebagai berikut:
Universitas Sumatera Utara
Gambar 2.1 Model Mediasi
e. Model Kombinasi Regresi Berganda Dan Mediasi
Model ini merupakan kombinasi antara model regresi berganda dan mediasi, yaitu variabel X berpengaruh terhadap variabel Z secara langsung dan tidak langsung
mempengaruhi variabel Z melalui variabel Y . Model digambarkan sebagai berikut:
Gambar 2.2 Model kombinasi regresi berganda dan mediasi
f. Model Kompleks
Model ini merupakan model yang lebih kompleks, yaitu variabel X
1
secara langsung mempengaruhi Y
2
dan melalui variabel X
2
secara tidak langsung mempengaruhi Y
2
, sementara variabel Y
2
juga dipengaruhi oleh variabel Y
1
. Model digambarkan sebagai berikut:
Universitas Sumatera Utara
Gambar 2.3 Model Kompleks g. Model Rekursif dan Model Non Rekursif
Dari sisi pandang arah sebab dan akibat, ada dua tipe model jalur, yaitu jalur rekursif dan non rekursif. Model rekursif ialah jika semua anak panah menuju satu
arah.
Pada bagian berikut untuk mempermudah kita dalam memahami analisis jalur, maka kita bisa menggunakan model-model jalur berikut:
1. Model Persamaan Satu Jalur
Model persamaan satu jalur merupakan hubungan sebenarnya sama dengan regresi berganda, yaitu variabel bebas terdiri lebih dari satu
variabel dan variabel tergantungnya hanya satu. 2.
Model Persamaan Dua Jalur Model ini terdiri dari tiga variabel bebas dan mempunyai dua variabel
tergantung. 3.
Model Persamaan Tiga jalur
Universitas Sumatera Utara
Model ini terdiri dari tiga variabel bebas, salah satu variabel bebas menjadi variabel perantara dan mempunyai dua variabel tergantung.
2.7 Diagram Jalur dan Persamaan Struktural
Pada saat akan melakukan analisis jalur, disarankan untuk terlebih dahulu
menggambarkan secara diagramatik struktur hubungan kausal antara variabel penyebab dengan variabel akibat. Diagram ini disebut diagram jalur Path
Diagram, dan bentuknya ditentukan oleh proposisi teoritik yang berasal dari
kerangka pikir tertentu.
Gambar 2.4 Diagram Jalur Yang Menyatakan Hubungan Kausal Dari X1 Sebagai Penyebab Ke X2 Sebagai Akibat
Keterangan: X
1
adalah variabel eksogenus exogenous variable, untuk itu selanjutnya variabel penyebab akan kita sebut sebagai variabel eksogenus. X
2
adalah variabel endogenus endogenous variable
, sebagai akibat, dan ε adalah variabel residu
Universitas Sumatera Utara
residual variable, yang merupakan gabungan dari: 1 Variabel lain, di luar X
1
, yang mungkin mempengaruhi X
2
dan telah teridentifikasi oleh teori, tetapi tidak dimasukkan dalam model. 2 Variabel lain, di luar X
1
, yang mungkin mempengaruhi X
2
tetapi belum teridentifikasi oleh teori. 3 Kekeliruan pengukuran error of measurement, dan 4 Komponen yang sifatnya tidak
menentu random component.
Langkah kerja yang dilakukan untuk menghitung koefisien jalur adalah: 1.
Gambarkan dengan jelas diagram jalur yang mencerminkan proposisi hipotetikyang diajukan, lengkap dengan persamaan strukturalnya. Di sini
kita harus bisa menterjemahkan hipotesis penelitian yang kita ajukan ke dalam diagram jalur, sehingga bisa tampak jelas variabel apa saja yang
merupakan variabel eksogenus dan apa yang menjadi variabel endogenusnya.
2. Menghitung matriks korelasi antar variabel formula untuk menghitung
koefisien korelasi yang dicari adalah menggunakan Product Moment Coeffisient dari Karl Pearson. Alasan penggunaan teknik koefisien korelasi
dari Karl Pearson adalah karena variabel-variabel yang hendak dicari korelasinya memiliki skala pengukuran interval.
3. Identifikasikan sub-struktur dan persamaan yang akan dihitung koefisien
jalurnya. Misalkan saja dalam sub-struktur yang telah kita identifikasi terdapat k buah variabel eksogenus, dan sebuah selalu hanya sebuah
variabel endogenus X
u
yang dinyatakan oleh persamaan:
Universitas Sumatera Utara
�
�
= �
�
�
�
1
�
1
+ �
�
�
�
2
�
2
+ … + �
�
�
�
�
�
�
Kemudian hitung matriks korelasi antar variabel eksogenus yang menyusun substruktur tersebut.
4. Menghitung matriks invers korelasi eksogenus 5. Menghitung semua koefisien jalur
�
�
�
�
�
, dimana i = 1, 2, …, k
2.8 Besarnya Pengaruh Variabel Eksogen Terhadap Variabel Endogen
