BAB 2 TINJAUAN PUSTAKA 2.1 Pengertian Analisis Jalur - Penerapan Analisis Jalur dalam Menganalisis Faktor-faktor yang Mempengaruhi Angka Harapan Hidup di Sumatera Utara

BAB 2 TINJAUAN PUSTAKA

2.1 Pengertian Analisis Jalur

  Analisis jalur dikenal dengan path analysis dikembangkan pertama tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright. Analisis jalur sebenarnya sebuah teknik yang merupakan pengembangan korelasi yang diurai menjadi beberapa interpretasi akibat yang ditimbulkannya. Teknik ini juga dikenal sebagai model sebab-akibat (causing modeling). Definisi analisis jalur, di antaranya: “Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantungnya tidak hanya secara langsung, tetapi juga secara tidak langsung” (Robert D. Rutherford, 1993). Definisi lain mengatakan “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).

  Model analisis jalur digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen). Model analisis jalur yang dibicarakan adalah pola hubungan sebab akibat. Oleh karena itu rumusan masalah penelitian dalam kerangka analisis jalur hanya berkisar pada variabel bebas ( , , …, ) berpengaruh terhadap variabel terikat Y, atau berapa besar pengaruh kausal langsung, kausal tidak langsung, kausal total maupun simultan seperangkat variabel bebas ( , , …, ) terhadap variabel terikat Y.

2.2 Asumsi-asumsi Analisis Jalur

  Sebelum melakukan analisis, ada beberapa prinsip dasar atau asumsi yang mendasari analisis jalur, yaitu:

  1. Pada model analisis jalur, hubungan antar variabel adalah bersifat linier, adaptif, dan bersifat normal.

  2. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang berbalik.

  3. Variabel terikat (endogen) minimal dalam skala ukur interval dan ratio.

  4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel.

  5. Variabel observasi diukur tanpa kesalahan (instrumen pengukuran valid dan reliabel) artinya variabel yang diteliti dapat diobservasi secara langsung.

  6. Model yang dianalisis dispesifikasikan (diidentifikasi) dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel yang diteliti.

2.3 Manfaat Analisis Jalur

  Manfaat model analisis jalur di antaranya adalah:

  1. Untuk penjelasan terhadap fenomena yang dipelajari atau permasalahan yang diteliti.

  2. Prediksi nilai variabel terikat ( ) berdasarkan nilai variabel bebas ( ), dan prediksi dengan analisis jalur ini bersifat kualitatif.

  3. Faktor dominan terhadap variabel terikat ( ) dapat digunakan untuk menelusuri mekanisme pengaruh variabel bebas ( ) terhadap variabel ( ).

  4. Pengujian model mengggunakan teori trimming baik untuk uji reliabilitas konsep yang sudah ada ataupun uji pengembangan konsep baru.

2.4 Beberapa Istilah dalam Analisis Jalur

  Model jalur adalah ialah suatu diagram yang menghubungkan antara variabel bebas, perantara dan terikat. Pola hubungan ditunjukkan dengan menggunakan anak panah. Anak panah-anak panah tunggal menunjukkan hubungan sebab- akibat antara variabel-variabel bebas (exogenous) atau perantara dengan satu variabel dengan variabel terikat atau lebih. Anak panah juga menghubungkan kesalahan (variable residue) dengan semua variabel terikat (endogenous) masing- masing. Anak panah ganda menunjukkan korelasi antara pasangan variabel- variabel exogeneus.

  Variabel exogenous dalam suatu model jalur ialah semua variabel yang tidak ada penyebab-penyebab eksplisitnya atau dalam diagram tidak ada anak- anak panah yang menuju ke arahnya, 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 ialah variabel yang mempunyai anak-anak panah menuju ke arah variabel tersebut. Variabel yang termasuk di dalamnya ialah mencakup semua variabel perantara dan terikat. Variabel perantara endogenous mempunyai anak panah yang menuju ke arahnya dan dari arah variabel tersebut dalam suatu model diagram jalur. Adapun variabel tergantung hanya mempunyai anak panah yang menuju ke arahnya.

  Koefisien jalur adalah koefisien regresi standar atau disebut ‘beta’ yang menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel terikat dalam suatu model jalur tertentu. Oleh karena itu, jika suatu model mempunyai dua atau lebih variabel-variabel penyebab, maka koefisien-koefisien jalurnya merupakan koefisien-koefisien 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.

  Jenis pengaruh dalam analisis jalur yaitu Direct Effect (DE) dan Indirect

  

Effect (IE). DE adalah pengaruh langsung yang dapat dilihat dari koefisien dari

  satu variabel ke variabel lainnya, dan IE adalah urutan jalur melalui satu atau lebih variabel perantara.

2.5 Model Analisis Jalur

  Sebelum menghitung koefisien jalur yang didasarkan pada koefisien regresi, diagram jalur terlebih dahulu dibuatkan dengan lengkap. Adapun model diagram jalur dan persamaan struktural yang paling sederhana sampai dengan yang lebih rumit di antaranya:

  1. Model Regresi Berganda Model ini merupakan pengembangan regresi berganda dengan menggunakan dua variabel exogenous, yaitu dan dengan satu variabel endogenous . Model digambarkan sebagai berikut:

Gambar 2.1 Model Regresi Berganda

  2. Model Mediasi Model mediasi atau perantara di mana variabel Y memodifikasi pengaruh variabel X terhadap variabel Z. Model digambarkan sebagai berikut:

Gambar 2.2 Model Mediasi

  3. Model Kombinasi Model ini merupakan kombinasi model regresi berganda dan model mediasi, yaitu variabel berpengaruh terhadap variabel secara langsung dan secara tidak langsung mempengaruhi variabel melalui variabel . Model digambarkan sebagai berikut:

Gambar 2.3 Model Kombinasi

  4. Model Kompleks Model ini merupakan model yang lebih kompleks, yaitu variabel secara langsung mempengaruhi variabel Y

  2 dan melalui variabel X 2 secara tidak langsung mempengaruhi Y

  2 , sementara variabel Y 2 juga dipengaruhi oleh variabel

  Y . Model digambarkan sebagai berikut:

  1 Gambar 2.4 Model Kompleks

  2. Model Rekursif dan Model Non Rekursif

  1

   e ³

  4

  3

  2 Gambar 2.5 Model Rekursif dan Non Rekursif Dari sisi pandang arah sebab-akibat, ada dua tipe model jalur, yaitu rekursif dan

  non rekursif . Model tersebut dapat diterangkan sebagai berikut:

  1. Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2 ke 3 dan dari 3 menuju ke 4. Tidak ada arah yang terbalik, misalnya dari 4 ke 1.

  2. Hanya terdapat satu variabel exogenous, yaitu 1 dan tiga variabel

  endogenous , yaitu 2, 3, dan 4. Masing-masing variabel endogenous

  diterangkan oleh variabel 1 dan error (e

  1 , e 2 , e 3 ).

  3. Satu variabel endogenous dapat menjadi penyebab variabel endogenous lainnya, tetapi bukan ke variabel exogenous.

  Model non rekursif terjadi jika anak panah tidak searah atau terjadi arah yang terbalik (looping), misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat sebab- akibat (reciprocal cause). Ada tiga tipe model dalam model rekursif dan non

  rekursif , yaitu:

  a). Model persamaan satu jalur

Gambar 2.6 Model Persamaan Satu Jalur b). Model persamaan dua jalur

Gambar 2.7 Model Persamaan Dua Jalur

  c). Model persamaan tiga jalur

Gambar 2.8 Model Persamaan Tiga Jalur

2.6 Model Persamaan Struktural

  Persamaan struktural atau juga disebut model struktural yaitu apabila setiap variabel endogen (endogenous) secara unik keadaannya ditentukan oleh seperangkat variabel eksogen (exogenous). Selanjutnya gambar meragakan struktur hubungan kausal antar variabel disebut diagram jalur. Jadi, persamaan ini

  Y=F(X 1 ; X 2 ; X 3 ) dan Z=F(X 1 ; X 3 ;Y) merupakan persamaan struktural karena

  setiap persamaan menjelaskan hubungan kausal yaitu variabel eksogen , , dan terhadap variabel endogen dan . Diagram jalur untuk model struktural sebagai berikut: r ρ ρ

   r ρ ρ r ρ ρ

Gambar 2.9 Diagram Jalur

  Persamaan model struktural untuk diagram jalur, yaitu: = + + +

  ρ ρ ρ ɛ

  = + + +

  ρ ρ ρ ɛ

  Jadi, secara sistematik analisis jalur mengikuti pola model struktural, sehingga langkah awal untuk mengerjakan atau penerapan model analisis jalur yaitu dengan merumuskan persamaan struktural dan diagram jalur yang berdasarkan kajian teori tertentu yang telah diuraikan.

2.7 Koefisien Jalur

  Besarnya pengaruh langsung dari suatu variabel eksogen terhadap variabel endogen tertentu, dinyatakan oleh besarnya nilai numerik koefisien jalur (path

  coefficient ) dari eksogen ke endogen.

  X

  1

  ρ

   r

  X

  3 X

  ρ

  2 Gambar 2.10 Hubungan Kausal dari , , dan

  Hubungan antara dan X adalah hubungan korelasional. Intensitas

  2

  keeratan hubungan tersebut dinyatakan oleh besarnya koefisien korelasi

  X ¹ X ^{2 .} r

  Hubungan , , dan ke adalah hubungan kausal. Besarnya nilai numerik koefisien jalur ρ dan ρ . Koefisien jalur ρ menggambarkan besarnya

  ɛ

  pengaruh langsung variabel residu (implicit exogenous variable) terhadap X 3 .

• 1
• …

• ⋮ ⋮

• + +

• .

  − (0 ∑

  ) (∑

  #

  ) 5(0 ∑

  #

  − ( ∑

  #

  ) ) − (0 ∑

  #

  #

  ) − (∑

  ) ) di mana:

  / /

  = Koefisien korelasi

  #

  dan

  #

  n = banyaknya data

  #

  #

  # #

  Langkah kerja yang dilakukan untuk menghitung koefisien jalur adalah:

  2 ⋮

  1. Gambarkan dengan jelas diagram jalur yang mencerminkan proposisi hipotetik yang diajukan, lengkap dengan persamaan strukturalnya. Dengan demikian tampak jelas variabel apa saja yang merupakan variabel eksogen dan variabel endogennya.

  2. Menghitung matriks korelasi antar variabel.

  1

  2

  …

  !"#!$%&

  =

  1

  ( ) )

  = 0 ( ∑

  1 …

  1

  ⋮

  … 1 ,

  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. Formulanya:

  / /

  = Variabel eksogenus

• 8

  .

• . . . +
• di mana:

  / = 51 −

  #

  = Variabel endogenus

  7

  = Variabel eksogenus

  #

  di mana:

  ,…, + <

  8 ; ,

  8 :

  #

  = Variabel endogenus = error 6 = 1,2, … , dan untuk menghitung koefisien residunya ( ) dihitung dengan rumus:

  7

  = Variabel eksogenus

  #

  8 + .

  8 .

  7 =

  3. Identifikasikan sub-struktur dan persamaan yang akan dihitung koefisien jalurnya. Misalkan dalam substruktur yang telah diidentifikasi terdapat k buah variabel eksogen, dan sebuah variabel endogen X u yang dinyatakan oleh persamaan:

  = Variabel endogenus 6 = 1,2, … , 0

  = error 6 = 1,2, … , Kemudian hitung matriks korelasi antar variabel eksogen yang menyusun sub- struktur tersebut:

  X X

  X

  

1

2 k

  … …

  1

  1 1 2

  …

  1

  2

2 1

B

  % =>?%@ ⋮ ⋮ = ⋮ A

  1

  ⋮

  

1

2 … 1

  4. Menghitung matriks invers korelasi eksogen, dengan rumus berikut:

  X X

  X 1 k

  …

  D D … D D D … D C B

  ⋮ ⋮ ⋮ ⋮ = ⋮ A D D … D

  7 #

ρ

  5. Menghitung semua koefisien jalur , di mana 6 = 1, 2, … , ; melalui

  rumus:

  8 D … D

  8 D

  8 D D … D

  8 A B = A B A B

⋮ ⋮

⋮ ⋮ ⋮ ⋮

  D D … D 8 + 8 +

  di mana: koefisien jalur variabel dan

  = 7 # 8 /

  korelasi variabel

  = dengan 7 # 8 /

  kofaktor dari kolom ke-i baris ke-j

  D = #F

  6 = 1, 2, … , G = 1, 2, … ,

  Contoh di atas merupakan model analisis jalur kompleks, sehingga langkah-langkah perhitungan untuk mencari koefisien jalurnya dapat mengikuti pola di atas. Besarnya koefisien jalur untuk model analisis jalur sederhana, yang terdiri dari satu variabel eksogen dan satu variabel endogen, nilainya sama dengan besarnya koefisien korelasi antar kedua variabel tersebut ( ).

  =

  8

  8

2.7.1 Besarnya Pengaruh Variabel Eksogen Terhadap Variabel Endogen

  Pengaruh yang diterima oleh sebuah variabel endogen dari dua atau lebih variabel eksogen, dapat secara sendiri-sendiri maupun secara bersama-sama. Pengaruh secara sendiri-sendiri (parsial), bisa berupa pengaruh langsung, bisa juga berupa pengaruh tidak langsung, yaitu melalui variabel eksogen yang lainnya.

  Menghitung besarnya pengaruh langsung, pengaruh tidak langsung serta pengaruh total variabel bebas (eksogen) terhadap variabel terikat (endogen) secara parsial (berdasarkan Gambar 2.10), dapat dilakukan dengan rumus:

  1. Besarnya pengaruh langsung (Direct Effect) variabel bebas terhadap

  # variabel terikat .

  7

2 DE =

  ( ) H H

  8 /

  6 = 1,2, … , 0 I = 1,2, … , 0

  2. Besarnya pengaruh tidak langsung (Indirect Effect) variabel bebas melalui hubungan korelasi dari terhadap variabel terikat

  #

  7

  variable .

  JK = ( )( )( ) H H H H H H

  8 / / / + +

  6 = 1,2, … , 0 = 1,2, … , 0

  # .

  3. Besarnya pengaruh total (Total Effect) variabel terhadap variabel terikat

7 Pengaruh Total = DE + IE

  Selanjutnya pengaruh bersama-sama (simultan) variabel eksogen terhadap variabel endogen dapat dihitung dengan menggunakan rumus:

  8

  8 = ; … < L M

  ( , ,…, ) …

  8 +

  8

  8

  8 8 +

  di mana: 1. adalah koefisien determinasi total

  , , … terhadap

  7 ( , ,…, )

  I

  1

  2

  atau besarnya pengaruh variabel eksogen secara bersama-sama (gabungan) terhadap variabel endogen.

  2. adalah koefisien jalur.

  ,

  ; , … , <

  8

  8

  8

  3. adalah koefisien variabel eksogen , , …

  ; , , … , <

  8

  8

  8 dengan variabel endogen .

  7

2.7.2 Pengujian Koefisien Jalur

  Menguji kebermaknaan (test of significance) setiap koefisien jalur yang telah dihitung, baik secara sendiri-sendiri maupun secara bersama-sama, serta menguji perbedaan besarnya pengaruh masing-masing variabel eksogen terhadap variabel endogen, dapat dilakukan dengan langkah kerja sebagai berikut:

  1. Nyatakan hipotesis statistik (hipotesis operasional) yang akan diuji.

  H : artinya tidak terdapat pengaruh variabel endogen ( )

  = 0, #

  8 terhadap variabel endogen ( ).

  7 H 1 : artinya tidak terdapat pengaruh variabel endogen ( ) ≠ 0,

  #

  8 terhadap variabel endogen ( ).

  7

  2. Gunakan statistik uji yang tepat, yaitu:

  a. Untuk menguji setiap koefisien jalur:

  I 6 N =

  P QR ST// I( 1, 2,…, )

  O

UQ+Q

  di mana: 6 = 1,2, … , I = 1,2, … , = Banyaknya variabel eksogen dalam substruktur yang sedang diuji.

  N = Mengikuti tabel distribusi t, dengan derajat bebas = 0 − − 6 Kriteria pengujian: Ditolak H jika nilai t hitung lebih besar dari nilai t tabel.

  ;N > N <

  V X!$%& (@C C )

  b. Untuk menguji koefisien jalur secara keseluruhan/bersama-sama:

  

(0 − − 1)( )

( , ,… , )

• 8

  Y =

(1 − )

( , ,… , )

• 8

  di mana: 6 = 1,2, … , I = 1,2, … , = Banyaknya variabel eksogen dalam substruktur yang sedang diuji.

  N = Mengikuti tabel distribusi F Snedecor, dengan derajat bebas k dan 0 − − 6.

  Kriteria pengujian: Ditolak H jika nilai F hitung lebih besar dari nilai F tabel.

  .

  ;Y > Y <

  V X!$%& ( , @C C )

  c. Untuk menguji perbedaan besarnya pengaruh masing-masing variabel eksogen terhadap variabel endogen.

  −

8 /

  8 Z N = <;D + D − 2D <

  ## FF #F ( , ,… , )

8 O;1 −

• 0 − − 1

  Kriteria pengujian: Ditolak H jika nilai hitung

  N lebih besar dari nilai tabel N. ;N > N <

  V X!$%&(@C C )

  d. Apabila terjadi trimming, maka perhitungan harus diulang dengan menghilangkan jalur yang menurut pengujian tidak bermakna (nonsignificant).

2.8 Konsep Angka Harapan Hidup

  Keberhasilan program kesehatan dan program pembangunan sosial ekonomi pada umumnya dapat dilihat dari peningkatan usia harapan hidup penduduk dari suatu negara. Meningkatnya perawatan kesehatan melalui Puskesmas, meningkatnya daya beli masyarakat akan meningkatkan akses terhadap pelayanan kesehatan, mampu memenuhi kebutuhan gizi dan kalori, mampu mempunyai pendidikan yang lebih baik sehingga memperoleh pekerjaan dengan penghasilan yang memadai, yang pada gilirannya akan meningkatkan derajat kesehatan masyarakat dan memperpanjang usia harapan hidupnya.

  Angka Harapan Hidup pada suatu umur x adalah rata-rata tahun hidup yang masih akan dijalani oleh seseorang yang telah berhasil mencapai umur x, pada suatu tahun tertentu, dalam situasi mortalitas yang berlaku di lingkungan masyarakatnya. Angka Harapan Hidup Saat Lahir adalah rata-rata tahun hidup yang akan dijalani oleh bayi yang baru lahir pada suatu tahun tertentu.

  Angka Harapan Hidup merupakan alat untuk mengevaluasi kinerja pemerintah dalam meningkatkan kesejahteraan penduduk pada umumnya, dan meningkatkan derajat kesehatan pada khususnya. Angka Harapan Hidup yang rendah di suatu daerah harus diikuti dengan program pembangunan kesehatan, dan program sosial lainnya termasuk kesehatan lingkungan, kecukupan gisi dan kalori termasuk program pemberantasan kemiskinan.