bersama dengan semua variabel yang tidak diukur, dan tidak akan dapat diinterpretasi secara tepat dalam kaitannya dengan akibat langsung dan tidak
langsung. 9.
Terdapat masukan korelasi yang sesuai Artinya jika kita menggunakan matriks korelasi sebagai masukan maka
korelasi pearson digunakan untuk dua variabel berskala interval; korelasi polychoric untuk dua variabel berskala ordinal; tetrachoric untuk dua variabel
berskala nominal dikotomi; polyserial untuk satu variabel interval dan lainnya ordinal; dan biserial untuk satu berskala interval dan lainnya nominal.
10. Terdapat ukuran sampel yang memadai
Untuk hasil yang maksimal maka ukuran sampel dianjurkan 100 sampel. 13. Sampel sama dibutuhkan untuk perhitungan regresi dalam model jalur
3.3.4. Konsep dan Istilah
Dalam analisa jalur SEM dikenal beberapa konsep dan istilah yang timbul dalam model jalur
6
. Konsep dan istilah SEM dapat dilihat pada bentuk Gambar 3.10.
Gambar 3.10. Model Analisis Jalur SEM
Januar Muchtar : Penentuan Jalur Efektif Pola Data Flow Diagram DFD Dengan Metode Structural Equation Modeling Di PT.Anugrah Kurnia Pusaka, 2009
USURepository © 2008
1. Model Jalur
Merupakan suatu diagram yang menghubungkan antara variabel bebas, perantara dan tergantung. Pola hubungan ditunjukkan dengan menggunakan
anak panah. Anak panah tunggal menunjukkan hubungan sebab akibat antara variabel-variabel exogenous atau perantara dengan satu variabel tergantung
atau lebih. Anak panah juga menghubungkan kesalahan variable residue dengan semua variabel endogenous masing-masing. Anak panah ganda
menunjukkan korelasi antar pasangan variabel-variabel exogenous
5
. 2.
Jalur penyebab untuk satu variabel yang diberikan Pertama jalur-jalur arah dari anak panah menuju ke variabel tersebut dan
kedua jalur korelasi dari semua variabel endogenous dikorelasikan dengan variabel-variabel yang lain yang mempunyai anakpanah-anak panah menuju
ke variabel yang sudah ada tersebut. 3.
Variabel Exogenous Merupaka semua variabel yang tidak ada penyebab-penyebab explisitnya atau
dalam diagram tidak ada anak panah menuju ke arahnya selain pada bagian kesalahan pengukuran. Jika dikorelasikan antar variabel ini maka ditunjukkan
dengan anak panah berkepala dua pada gambar variabel 1
6
. 4.
Variabel endogenous Yaitu semua variabel yang arah anak panah menuju ke arah variabel, dimana
terdiri dari semua variabel tergantung dan perantara. Variabel perantara adalah adanya anak panah yang menuju variabel tersebut dan dari variabel kevariabel
6
Sarwono, Jonathan, 2003, Analisis Jalur untuk Riset Bisnis dengan SPSS, Penerbit ANDI, Yokyakarta, Indonesia.
Januar Muchtar : Penentuan Jalur Efektif Pola Data Flow Diagram DFD Dengan Metode Structural Equation Modeling Di PT.Anugrah Kurnia Pusaka, 2009
USURepository © 2008
tergantung. Variabel tergantung hanya memiliki anak panah yang menuju ke arah variabel pada gambar variabel 2, 3 dan 4
6
. 5.
Koefisien jalurpembobotan jalur Merpakan kefisien regresi srandar atau disebut “beta” yang menunjukkan
pengaruh langsung dari variabel bebas terhadap variabel tergantung dalam suatu model tertentu. Oleh karena itu, jika semua model mempunyai dua atau
lebih variabel-veriabel penyebab meka koefisien jalurnya merupakan koefisien regresi parsial yang mengukur besarnya pengaruh satu variabel dengan
variabel-variabel lainnya. Koefisien ini juga mengontrol dua variabel lain sebelumnya dengan menggunakan data yang sudah distandarkan atau matriks
korelasi sebagai masukan. 6.
Variabel-variabel exogenous yang dikorelasikan Apabila semua variabel exogenous dikorelasikan maka anak panah
penghubung dengan dua kepala, yang dihubungkan diantara variabel-variabel dengan koefisien korelasinya
6
. 7.
Istilah gangguan Istilah kesalahan risidual yang secara teknis disebut sebagai “gangguan” atau
“risidue” mencerminkan adanya varian yang tidak dapat diterangkan atau pengaruh dari semua variabel yang tidak teukur ditambah kesalahan
pengukuran
6
. 8.
Aturan multiplikasi jalur Merupakan nilai dari satu jalur gabungan adalah hasil koefisien jalurnya
Januar Muchtar : Penentuan Jalur Efektif Pola Data Flow Diagram DFD Dengan Metode Structural Equation Modeling Di PT.Anugrah Kurnia Pusaka, 2009
USURepository © 2008
9. Dekomposisi pengaruh
Koefisien-koefisien jalur dapat digunakan untuk mengurai korelasi-korelasi dalam suatu model kedalam pengaruh langsung dan tidak langsung yang
berhubungan dengan jalur langsung dan jalur tidak langsung, yang direfleksikan dengan anak panah. Ini didasarkan pada aturan bahwa dalam
suatu sistem linier, pengaruh penyebab total suatu variabel ‘i’ terhadap variabel ‘j’ adalah jumlah semua nilai jalur dari “i” ke “j”.
10. Signifikansi dan model keselarasan dalam jalur
Untuk melakukan pengujian koefisien-koefisien jalur secara individual, kita dapat menggunakan t standar atau pengujian F dari angka-angka keluaran
regresi. Sementara itu, untuk melakukan uji model dengan semua jalurnya, dapat digunakan uji keselarasan dari program. Kemudian jika semua model
sudah benar, diantaranya mencakup semua variabel yang sesuai dan mengeluarkan semua variabel yang tidak sesuai, maka jumlah nilai-nilai jalur
dari i ke j akan sama dengan koefisien regresi untuk j yang diprediksi didasarkan pada i, yaitu untuk data yang sudah distandarisasi dimana koefisien
regresi sederhana sama dengan koefisien korelasi. Dengan demikian jumlah semua koefisien standar akan sama dengan koefisien korelasi.
11. Anak panah satu kepala dan dua kepala
Jika ingin menggambarkan penyebab maka kita menggunakan anak panah dengan satu kepala yang menunjukkan satu arah. Adapun untuk
menggambarkan korelasi kita menggunakan anak panah yang melengkung
Januar Muchtar : Penentuan Jalur Efektif Pola Data Flow Diagram DFD Dengan Metode Structural Equation Modeling Di PT.Anugrah Kurnia Pusaka, 2009
USURepository © 2008
dengan dua kepala yang menunjukkan dua arah. Sementara untuk hasil yang negatif digunakan garis putus-putus
6
. 12.
Direct effect Pengaruh langsung yang dapan dilihat dari koefisien jalur dari satu variabel ke
variabel lainnya. 13.
Indirect effect Urutan jalur melalui satu atau lebih variabel perantara
3.3.5. Model Analisis dalam SEM 3.3.5.1. Model Regresi Berganda