3.6. Analisis Jalur
3.6.1. Pengertian
Analisis jalur path analysis dikembangkan oleh Sewall Wright 1934. Path analysis digunakan apabila secara teori kita yakin berhadapan dengan
masalah yang berhubungan sebab akibat. Tujuannya adalah menerangkan akibat langsung dan tidak langsung seperangkat variabel, sebagai variabel penyebab,
terhadap variabel lainnya yang merupakan variabel akibat Suwarno, 2007. Terdapat beberapa defenisi analisis jalur, diantaranya adalah sebagai berikut :
1. Analisis jalur adalah 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. Rutherford, 1993.
2. Analisis jalur merupakan pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan magnitude
dan signifikansi significance hubungan sebab akibat hipotetikal dalam seperangkat variabel Paul Webley, 1997.
3. Model perluasan regresi yang digunakan untuk menguji keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang
dibandingkan oleh peneliti David Garson, 2003.
3.6.2. Kegunaan Analisis Jalur
Kegunaan model analisis jalur Suwarno, 2007 adalah untuk : a. Penjelasan terhadap fenomena yang dipelajari atau permasalahan yang diteliti.
Universitas Sumatera Utara
b. Prediksi nilai variabel terikat Y berdasarkan nilai variabel bebas X, dan prediksi dengan path analysis ini bersifat kualitatif.
c. Faktor determinan yaitu penentuan variabel bebas X mana yang berpengaruh dominan terhadap variabel terikat Y, juga dapat digunakan untuk menelusuri
mekanisme pengaruh variabel bebas X terhadap variabel terikat Y. d. Pengujian model, menggunakan teori trimming, baik untuk uji reliabilitas
konsep yang sudah ada ataupun uji pengembangan konsep baru.
3.6.3. Prinsip-prinsip Dasar
Prinsip-prinsip dasar yang sebaiknya dipenuhi dalam analisis jalur Suwarno, 2007
diantaranya ialah : 1.
Adanya linearitas Linearity. Hubungan antar variabel bersifat linear. 2.
Adanya aditivitas Additivity. Tidak ada efek-efek interaksi. 3.
Data berskala interval. 4.
Semua variabel residual yang tidak diukur tidak berkorelasi dengan salah satu variabel-variabel dalam model.
5. Istilah gangguan disturbance terms atau variabel residual tidak boleh
berkorelasi dengan semua variabel endogenous. 6.
Sebaiknya hanya terdapat multikolinieritas yang rendah. Multikolinieritas maksudnya dua atau lebih variabel bebas mempunyai hubungan sangat tinggi.
7. Adanya rekursivitas. Semua anak panah mempunyai satu arah, tidak boleh
terjadi pemutaran kembali looping.
Universitas Sumatera Utara
8. Spesifikasi model benar diperlukan untuk menginterpretasi koefisien-
koefisien jalur. Kesalahan spesifikasi terjadi ketika variabel penyebab yang signifikan dikeluarkan dari model.
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 dikotomi berskala nominal; polyserial untuk satu variabel interval dan lainnya ordinal; dan biserial untuk
satu variabel berskala interval dan lainnya nominal. 10.
Asumsi analisi jalur mengikuti asumsi umum regresi linear, yaitu: a. Model regresi harus layak. Kelayakan ini diketahui jika angka signifikansi
pada ANOVA sebesar 0,05. b. Prediktor yang digunakan sebagai variabel bebas harus layak. Kelayakan
ini diketahui jika angka Standard Error of Estimate Standard Deviation. c. Koefisien regresi harus signifikan. Pengujian dilakukan dengan Uji t.
Koefisien regresi signifikan jika t hitung t tabel nilai kritis. d. Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi
yang sangat tinggi atau sangat rendah antar variabel bebas. e. Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Dubin dan Watson
sebesar 1 dan 3.
Universitas Sumatera Utara
3.6.4. Diagram jalur dan Persamaan Struktural
Kategori