Upload
lephuc
View
216
Download
0
Embed Size (px)
Citation preview
Kata Pengantar
Teknik analisis jalur (path analysis) adalah salah
satu teknik analisis statistik yang digunakan di dalam
penelitian kuantitatif. Analisis jalur (path analysis)
biasanya menggunakan istilah pengaruh langsung dan
pengaruh tidak langsung, dikarenakan ada variabel
perantara / interverning / variabel mediasi.
A. Analisis JalurMenurut Kuncoro dan Riduan, analisis jalur (path
analysis) dikembangkan berdasarkan serangkaian
tulisan antara tahun 1920-an hingga 1960-an oleh
seorang ahli genetika yang sangat brilian Sewall
Wright1. Analisis jalur merupakan bentuk terapan dari
analisis multiregresi yang membantu memudahkan
pengujian hipotesis dari hubungan-hubungan antar
variabel yang cukup rumit. Dalam analisis jalur, korelasi
antar variabel dihubungkan dengan parameter dari
model yang dinyatakan dengan diagram jalur atau path
diagram.
Menurut Sarwono, teknik analisis jalur yang
dikembangkan oleh Sewal Wright sebenarnya
1 Engkos Achmad Kuncoro dan Riduan, 2007. Cara Menggunakan dan Memakai Analisis Jalur (Path Analysis), Penerbit: Alfabeta, Bandung, hlm. 1.
1
merupakan pengembangan teknik korelasi yang diurai
menjadi beberapa interpretasi akibat yang
ditimbulkannya2. Analisis jalur memiliki kedekatan
dengan regresi berganda, sehingga regresi berganda
adalah bentuk khusus analisis jalur. Teknik ini dikenal
sebagai model sebab-akibat (causing modeling).
Menurut Sarwono terdapat beberapa definisi analisis
jalur, diantaranya3:
1. Analisis jalur adalah suatu teknik untuk menganalisis
hubungan sebab akibat yang terjadi pada regresi
berganda jika variabel bebasnya mempengaruhi
variabel terikat tidak hanya secara langsung, tetapi
secara tidak langsung. (Robert D. Rutherford, 1993).
2. Analisis jalur adalah 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. Analisis jalur adalah model perluasan regresi yang
digunakan untuk menguji keselarasan matrik korelasi
dengan dua atau lebih model hubungan sebab 2 Jonathan Sarwono, 2007, Analisis Jalur untuk Riset Bisnis dengan SPSS, Penerbit: Andy, Yogyakarta, hlm. 1.3 Ibid.
2
akibat yang dibandingkan oleh peneliti (David
Garson, 2003).
Dari beberapa definisi diatas, path analysis
digunakan untuk menganalisis pola hubungan antar
variabel dengan tujuan untuk mengetahui pengaruh
langsung dan tidak langsung seperangkat variabel
bebas (exogen) terhadap variabel terikat (endogen).
Menurut Abdurahman dan Muhidin, model path
analysis digunakan apabila secara teori peneliti yakin
menganalisis memiliki pola hubungan sebab akibat
(causal effect)4.
Oleh karena itu rumusan masalah dalam kerangka
path analysis adalah:
1. Apakah variabel eksogen berpengaruh terhadap
variabel endogen..? (pengaruh secara parsial)
2. Berapa besar pengaruh kausal langsung, tidak
langsung, total dan,
3. Berapa besar pengaruh simultan seperangkat
variabel eksogen terhadap endogen.
Asumsi yang mendasari path analysis, diantaranya:
4 Maman Abdurahman dan Sambas Ali Muhidin, 2007, Analisis Korelasi, Regresi dan Jalur dalam penelitian dengan Aplikasi program SPSS, Penerbit: Pustaka Setia, Bandung, hlm.221.
3
1. Hubungan antar variabel bersifat linear dan normal
2. Aliran kausal hanya satu arah (rekursif) artinya tidak
ada arah kausalitas terbalik non-rekursif (reciprocal)
3. Untuk memperoleh hasil maksimal sebaiknya
digunakan sampel di atas 100.
4. Model yang dikaji atau diuji yang dibangun
berdasarkan kerangka teoritis harus mampu
menjelaskan hubungan kausalitas antar variabel.
Model umum path analysis menurut Schumaker dan
Lumox dalam Kuncoro dan Riduan terdiri dari:5
1. Correlated path model (Model korelasi)
2. Mediated path model (Model mediasi)
3. Independent path model (Model independen)
Contoh: Correlated Path Model (Model korelasi)
X1 : Kompensasi
X2 : Kepuasan Kerja
Y : Kinerja Karyawan
p : Koefisien jalur
Judul:
5 Engkos Achmad Kuncoro dan Riduan, op.cit, hlm.2.
4
Pengaruh Kompensasi dan Kepuasan Kerja Terhadap
Kinerja Karyawan PT. Guten Morgen Indonesia.
Gambar 1. Correlated Path Model
Contoh: Mediated Path Model (Model Mediasi)
X1 : Gaya Kepemimpinan
X2 : Disiplin Kerja
Y : Kinerja Karyawan
p : Koefisien jalur
Judul:
5
X1
X2
Y
pYX1
pYX2
r21
e1
Disebut “Residu”Pengaruh Langsung
Pengaruh Langsung
Disebut Korelasi
Pengaruh Gaya Kepemimpinan dan Disiplin Kerja
Terhadap Kinerja Karyawan PT. Guten Morgen
Indonesia.
Gambar 2. Mediated Path Model
Contoh: Independent Path Model (Model Independen)
X1 : Budaya Organisasi
X2 : Disiplin Kerja
Y : Kinerja Karyawan
Judul:
6
X1
X2
Y
pYX1
pYX2
r21
e2
e1
Disebut “Residu”Pengaruh Langsung
Pengaruh Langsung
Disebut “Residu”
Disebut Korelasi
Pengaruh Budaya Organisasi dan Disiplin Kerja
Terhadap Kinerja Karyawan PT. Guten Morgen
Indonesia.
Gambar 3. Independent Path Model
B. Analisis Jalur (Path Analysis) Model KorelasiMenurut Widarjono, selain analisis regresi, analisis
korelasi merupakan dasar dalam membentuk analisis
jalur (path analysis)6.
6 Agus Widarjono, 2010, Analisis Statistika Multivariate Terapan, Penerbit: UPP STIM YKPN, Yogyakarta, hlm. 261.
7
X1
X2
Y
pYX1
pYX2
e1
Disebut “Residu”
Pengaruh Parsial
Pengaruh Parsial
Korelasi adalah teknik mengukur derajat asosiasi
antar dua variabel. Kekuatan hubungan antara dua
variabel dalam suatu populasi biasanya diukur oleh
koefisien korelasi, yang dinotasikan dengan (p), yang
memiliki nilai -1 untuk korelasi negatif sempurna
(negative perfect correlation) sampai dengan +1 untuk
korelasi positif sempurna (positive perfect correlation).
Sedangkan koefisien korelasi 0 adalah tidak ada
korelasi.
Model korelasi terdiri dari korelasi sederhana (simple
correlation) dan korelasi ganda (multiple correlation).
Kedua jenis korelasi tersebut dapat dilihat dalam
gambar berikut ini:
Gambar 4. Model Korelasi Sederhana (Simple Correlation)
Judul:
Pengaruh Budaya Organisasi dan Disiplin Kerja
Terhadap Kinerja Karyawan PT. Guten Morgen
Indonesia
X1 : Budaya Organisasi
8
X1 YrYX1
X2 : Disiplin Kerja
Y : Kinerja Karyawan
Gambar 5. Model Korelasi Berganda(Multiple Correlation)
Kegunaan analisis korelasi ini untuk mengetahui
derajat hubungan antara variabel bebas (independen /
eksogen) dengan variabel terikat (dependen / endogen).
Analisis korelasi digunakan untuk mengukur kekuatan
asosiasi antar variabel.
C. Model Analisis Jalur (Path Analysis)Analisis jalur adalah bentuk terapan dari analisis
multi-regresi. Disini digunakan diagram jalur untuk
9
X1
X2
Y
rYX1
rX2X1
e1
RYX2X1
rYX2
membantu konseptualisasi masalah atau menguji
hipotesis yang kompleks. Meskipun model regresi dan
path analysis sama-sama merupakan bentuk analisis
regresi, tetapi penggunaan kedua model tersebut
berbeda.
Catatan:
a. Untuk keperluan prediksi atau peramalan dan
pendugaan nilai variabel endogen (Y) atas dasar
nilai-nilai variabel eksogen (X1, X2, .., Xn) pola
hubungan yang tepat adalah pola hubungan yang
mengikuti model regresi.
b. Sedangkan untuk tujuan hubungan sebab akibat
pola yang tepat adalah model struktural. Secara
matematik, analisis jalur mengikuti pola model
struktural.
Ghozali menjelaskan bahwa analisis jalur
merupakan pengembangan lebih lanjut dari analisis
regresi berganda dan bivariat7. Analisis jalur ingin
menguji persamaan regresi yang melibatkan beberapa
7 Imam Ghozali, 2008, Model Persamaan Struktural, Konsep dan Aplikasi dengan Program AMOS 16.0, Penerbit: Badan Penerbit Universitas Diponegoro, Semarang,hlm. 93.
10
variabel exogen dan endogen sekaligus sehingga
memungkinkan pengujian terhadap variabel mediating /
interverning atau variabel antara. Disamping itu analisis
jalur bisa mengukur hubungan langsung dan tidak
langsung antar variabel dalam model.
D. Menyusun Model Analisis Jalur (Path Analysis)Dalam analisis jalur, menurut Sarwono terdapat
beberapa konsep dan istilah dasar. Konsep-konsep dan
istilah-istilah dasar dalam analisis jalur sebagai berikut:
a. Model jalurModel jalur ialah suatu diagram yang
menghubungkan antara variabel bebas, perantara
dan tergantung. Pola hubungan ditunjukkan dengan
menggunakan anak panah. 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 (variabel residu) dengan
semua variabel endogenus masing-masing. Anak
panah ganda menunjukkan korelasi antara
pasangan variabel-variabel exogenous.
b. Variabel exogenus
11
Variabel-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 kesalah pengukuran. Jika antara
variabel exogenous dikorelasikan maka korelasi
tersebut ditunjukkan dengan anak panah berkepala
dua yan menghubungkan variabel tersebut.
c. Variabel endogenusIalah variabel yang mempunyai anak panah-anak
panah menuju kearah variabel tersebut. Variabel
yang termasuk di dalamnya mencakup semua
variabel perantara dan tergantung. Variabel
perantara endogenus 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.
d. Koefisien jalurAdalah koefisien regresi standar atau disebut “beta”
yang menunjukkan pengaruh langsung dari suatu
variabel bebas terhadap variabel tergantung dalam
suatu model jalur tertentu. Oleh karena itu, jika suau
model mempunyai dua atau lebih variabel-variabel
12
penyebab maka koefisien-koefisien jalurnya
merupakan koefisien-koefisien regresi parsial yang
mengukur besarnya pengurus suatu variabel
terhadap variabel lain dalam suatu model jalur
tertentu yang mengontrol dua variabel lain
sebelumnya dengan menggunakan data yang sudah
distandarkan.
e. Variabel-variabel exogenous yang dikorelasikanJika semua variabel exogenous dikorelasikan maka
sebagai penanda hubungannya ialah anak panah
dengan dua kepala yang dihubungkan diantara
variabel-variabel dengan koefisien korelasinya.
f. Istilah gangguanIstilah kesalahan residual yang secara teknis disebut
“gangguan” atau “residu” mencerminkan adanya
varian yang dapat diterangkan atau pengaruh dari
semua variabel yang tidak terukur ditambah dengan
kesalahan pengukuran.
g. Pola hubunganDalam analisis jalur tidak digunakan istilah variabel
bebas atau tergantung. Sebagai gantinya, kita
menggunakan istilah variabel exogenous dan
endogenus.
h. Model Recursive
13
Model penyebab yang mempunyai satu arah. Tidak
ada arah membalik (feed back loop) dan tidak ada
pengaruh sebab akibat (reciprocal). Dalam model ini
satu variabel tidak dapat berfungsi sebagai
penyebab dan akibat dalam waktu yang bersamaan.
i. Model Non-recursiveModel penyebab dengan disertai arah yang
membalik (feed back loop) atau adanya pengaruh
sebab akibat (reciprocal).
j. Direct Effect (Pengaruh langsung)Pengaruh langsung yang dapat dilihat dari koefisien
jalur dari satu variabel ke variabel lainnya.
k. Indirect Effect (Pengaruh tidak langsung)Urutan jalur melalui satu atau lebih variabel
perantara.
l. Anak panah dengan satu kepalaJika ingin menggambarkan penyebab maka kita
menggunakan anak panah dengan satu kepala yang
menunjukkan satu arah.
Contoh:
m. Anak panah dengan dua kepala
14
Adapun untuk menggambarkan korelasi, kita
menggunakan anak panah yang melengkung
dengan dua kepala yang menunjukkan dua arah.
contoh:
n. SignifikansiUntuk melakukan pengujian koefisien-koefisien jalur
secara individual (parsial), kita dapat menggunakan
Uji t standar atau Uji F dari angka-angka keluaran
regresi.
Sekarang kita coba masuk ke contoh penerapan /
penyusunan model analisis jalur (path analysis).
1. Model Analisis Jalur Regresi BergandaModel pertama ini sebenarnya merupakan
pengembangan regresi berganda dengan
menggunakan dua variabel exogenous, yaitu: X1, X2
dengan satu variabel endogenus Y.
X1 : Kompensasi
X2 : Kepuasan Kerja
Y : Kinerja
Perlu diingat dalam terminologi analisis jalur,
variabel Kompensasi (X1) dan Kepuasan Kerja (X2)
15
adalah variabel exogenous dan variabel Kinerja (Y)
adalah variabel endogenus.
Contoh:
Gambar 6. Analisis Jalur Model Regresi Berganda
2. Model MediasiModel kedua adalah model mediasi atau perantara
dimana variabel X2 memodifikasi pengaruh variabel
X1 terhadap variabel Y.
X1 : Gaya Kepemimpinan
16
X1
X2
Y
pYX1
r21
e1
pYX2
X2 : Disiplin Kerja
Y : Kinerja Karyawan
Variabel Gaya Kepemimpinan (X1) mempengaruhi
variabel Kinerja Karyawan (Y) melalui variabel
Disiplin Kerja (X2).
Contoh:
Gambar 7. Analisis Jalur Model Mediasi
3. Model Kombinasi Regresi Berganda dan MediasiModel ketiga ini merupakan kombinasi antara model
pertama (regresi berganda) dan model kedua
(mediasi). Variabel X1 berpengaruh terhadap
variabel Y melalui variabel X2.
X1 : Kompensasi
X2 : Motivasi Kerja
Y : Kinerja Karyawan
17
X1
X2
Y
Kompensasi (X1) secara langsung mempengaruhi
Kinerja Karyawan (Y), demikian pula Kompensasi
(X1) akan mempengaruhi Motivasi Kerja (X2) yang
kemudian akan berpengaruh terhadap Kinerja
Karyawan (Y).
X1 : Kompensasi
X2 : Motivasi Kerja
Y : Kinerja Karyawan
Gambar 8. Analisis Jalur Model Kombinasi Regresi
Berganda dan Mediasi
4. Model KompleksModel keempat ini merupakan model yang lebih
kompleks, yaitu variabel X1 secara langsung
mempengaruhi Y2 dan melalui variabel X2 secara
tidak langsung mempengaruhi Y2, sementara
variabel Y2 juga dipengaruhi oleh variabel Y1.
18
X1
X2
Y
pYX1
pYX2
r21
X1 : Kompensasi
X2 : Motivasi Kerja
Y1 : Kepuasan Kerja
Y2 : Kinerja Karyawan
Kompensasi (X1) secara langsung mempengaruhi
Kinerja Karyawan (Y2), dan variabel Motivasi Kerja (X2)
secara tidak langsung mempengaruhi Kinerja Karyawan
(Y2). Selanjutnya variabel Kinerja Karyawan (Y2)
dipengaruhi oleh variabel Kepuasan Kerja (Y1),
Gambar 9. Analisis Jalur Model Kompleks
Panah Hitam : Pengaruh langsung
Panah Merah : Pengaruh tidak langsung
5. Model Rekursif dan Non Rekursif
19
X1
Y1
X2
Y2
Dari sisi pandang arah sebab akibat, ada dua tipe
model jalur, yaitu rekursif dan non rekursif. Model
rekursif ialah jika semua anak panah menuju satu
arah.
Gambar 10. Analisis Jalur Model Rekursif
Model tersebut dijelaskan sebagai berikut:
X1 : Gaya Kepemimpinan
X2 : Motivasi Kerja
X3 : Disiplin Kerja
X4 : Kinerja Karyawan
20
X1
X2
X3 X4r21
p41
p43
p42
p32
p31 p21
e2
e3
e4
Anak panah menuju satu arah, yaitu dari X1 ke X2,
X3, dan X4. Selanjutnya dari X2 ke X3 dan dari X3
menuju ke X4.
Tidak ada arah yang terbalik, misalnya dari X4 ke X1.
Hanya terdapat satu variabel exogenus, yaitu X1 dan
tiga variabel endogenus, yaitu X2, X3, X4. Masing-
masing variabel endogenus diterangkan oleh
variabel X1 dan error (e2, e3, e4).
Satu variabel endogenus dapat menjadi penyebab
variabel endogenus lainnya, tetapi bukan ke variabel
exogenous.
Model non recursif terjadi jika arah anak panah tidak
searah atau terjadi arah yang terbalik (looping),
misalnya dari X4 ke X3 atau dari X3 ke X1 dan X2, atau
bersifat sebab akibat (reciprocal cause).
E. Uji Hipotesis Analisis JalurSetelah membahas beberapa jenis analisis jalur
(path analysis), maka kita sekarang akan menjelaskan
analisis jalur dengan menggunakan contoh hipotesis
analisis jalur. Ada empat variabel yaitu tiga variabel
independen (exogenous) yaitu:
21
X1 : Gaya Kepemimpinan
X2 : Motivasi Kerja
X3 : Disiplin Kerja
Y : Kinerja Karyawan
Kinerja karyawan (Y) dipengaruhi oleh Gaya
Kepemimpinan (X1), Motivasi Kerja (X2), dan Disiplin
Kerja (X3).
Gaya Kepemimpinan (X1) dan Disiplin Kerja (X3)
berpengaruh langsung terhadap Kinerja Karyawan (Y).
Selain itu, Gaya Kepemimpinan (X1) dan Disiplin Kerja
(X3) juga mempengaruhi secara tidak langsung melalui
Motivasi Kerja (X2). Begitu pula terdapat korelasi antara
Gaya kepemimpinan (X1) dan Disiplin Kerja (X3).
Koefisien analisis jalur tersebut kita cari dari dua
persamaan regresi dan satu koefisen korelasi. Dua
persamaan regresi tersebut diperoleh dari tanda anak
panah garis lurus satu arah.
Regresi pertama, yaitu regresi dari variabel X1 ke
variabel X2 , dan dari variabel X3 ke variabel X2.
22
Regresi pertama:
Gaya Kepemimpinan (X1) ke Motivasi Kerja (X2)
Disiplin Kerja (X3) ke Motivasi Kerja (X2)
Regresi kedua, yaitu regresi dari variabel X1 ke Y,
dan dari variabel X2 ke variabel Y, dan dari variabel X3
ke variabel Y.
Regresi kedua:
Gaya Kepemimpinan (X1) ke Kinerja Karyawan (Y)
Motivasi Kerja (X2) ke Kinerja Karyawan (Y)
Disiplin Kerja (X3) ke Kinerja Karyawan (Y)
Sedangkan satu koefisien korelasi diperoleh dari
koefisien korelasi hubungan antara X1 dan X3 yang
ditujukkan oleh tanda anak panah melengkung dua arah
(berwarna merah).
Dari dua persamaan regresi dan korelasi, dapat
ditulis dalam bentuk persamaan sebagai berikut:
Y = ɑ0 + ɑ1X1 + ɑ2X2 + ɑ3X3 + ɛ2
X2 = β0 + β1X1i + β2X3i + ɛ1
PX1X3 = rX1X3
Gambar 11. Model Hipotesis Analisis Jalur
23
Setelah kita mengetahui analisis jalur keempat
variabel tersebut, selanjutnya kita bisa mendapatkan
koefisien analisis jalur.
Misalnya: persamaan regresi pertama menghasilkan
nilai koefisien analisis jalur dari variabel Gaya
Kepemimpinan (X1) ke variabel Motivasi Kerja (X2)
sebesar 0,673, dan dari variabel Disiplin Kerja (X3) ke
variabel Motivasi Kerja (X2) menghasilkan koefisien
analisis jalur 0,081.
Koefisien Jalur (p) :
Gaya Kepemimpinan (X1) ke Motivasi Kerja (X2) = 0,673
Disiplin Kerja (X3) ke Motivasi Kerja (X2) = 0,081
Dari hasil regresi ini menghasilkan koefisien
determinasi R2 sebesar 0,36. Dengan demikian koefisien
24
X1
X3
X2 Y
ɛ1 ɛ2
analisis jalur yang menunjukkan error yang diberi
simbol/notasi (ɛ1) dapat dicari sebagai berikut:
ɛ1 = √1 - R2 X3.12 = √1 – 0,36 = √0,64 = 0,8
Cara praktis mencari akar dari √0,64 adalah:
Buka Program Microsoft Excel
Klik Formulas
Klik Math & Trig
Klik SQRT – Masukkan 0,64 dikolom – klik Ok = 0,8
Selanjutnya, misalnya persamaan regresi kedua
menghitung koefisien jalur dari variabel Gaya
Kepemimpinan (X1) ke variabel Kinerja Karyawan (Y)
sebesar 0,443, dari variabel Motivasi Kerja (X2) ke
variabel Kinerja Karyawan (Y) sebesar 0,038 dan dari
variabel Disiplin Kerja (X3) ke variabel Kinerja Karyawan
(Y) sebesar 0,462.
Koefisien Jalur (p) :
Gaya Kepemimpinan (X1) ke Kinerja Karyawan (Y) =
0,443
Motivasi Kerja (X2) ke Kinerja Karyawan (Y) = 0,038
Disiplin Kerja (X3) ke Kinerja Karyawan (Y) = 0,462
25
Dari hasil regresi ini menghasilkan koefisien
determinasi R2 sebesar 0,40. Koefisien jalur yang
menunjukkan error yaitu (ɛ2) dari hasil regresi ini bisa
dicari sebagai berikut:
ɛ2= √1 - R2 Y.123 = √1 – 0,51 = √0,49 = 0,7
Cara praktis mencari akar dari √0,49 adalah:
Buka Program Microsoft Excel
Klik Formulas
Klik Math & Trig
Klik SQRT – Masukkan 0,49 dikolom – klik Ok = 0,7
Gambar 12.Koefisien Analisis Jalur
26
X1
X2 Y
0,443
0,673
0,0380,214
Dari analisis jalur gambar 12 tersebut kita bisa
membagi hubungan antara variabel independen dan
dependen menjadi efek langsung (direct effect), dan
efek tidak langsung (indirect effect) dan korelasi
(correlation).
Efek langsung ditandai dengan tanda anak panah
langsung dari variabel independen (X) ke variabel
dependen (Y). Misalnya: efek langsung dari X1 ke Y (lihat panah warna biru), yaitu sebesar = 0,443.
Sedangkan efek tidak langsung ditandai dengan
adanya pengaruh melalui jalur mediasi. Misalnya dari X1
ke Y melalui jalur mediasi X2.
Sedangkan hubungan korelasi ditandai dengan anak
panah dua arah (lihat panah warna merah). Di dalam
gambar 12 tersebut hanya ada satu korelasi yaitu antara
27
X3
ɛ1ɛ2
0,081
0,462
0,8
0,7
Gaya Kepemimpinan (X1) dan Disiplin Kerja (X3), yaitu
sebesar = 0,214.
F. Model StrukturalPersamaan struktural atau disebut juga model
struktural atau lebih dikenal dengan Structural Equation
Modeling (SEM) yaitu apabila setiap variabel terikat
(endogen = Y) secara unik keadaannya ditentukan oleh
seperangkat variabel bebas (exogen = X).
Pada gambar 13, menjelaskan pola hubungan
kausal antar variabel yang disebut diagram jalur (path
diagram). Pada persamaan ini, Y = Fungsi (X1, X2, dan
X3) dan Z = fungsi (X1, X3, dan Y) merupakan
persamaan struktural karena setiap persamaan
menjelaskan pola hubungan kausal yaitu variabel X1, X2
dan X3 terhadap variabel endogen Y dan Z.
Persamaan struktural memiliki sub-sub struktur yang
jumlahnya tergantung dari model yang dikembangkan.
Persamaan struktur pada gambar 13, memiliki dua sub
struktur yaitu sub struktur satu dan dua. Persamaan sub
struktur satu terdiri dari variabel endogen Y dan
eksogen X1, X2 dan X3 (lihat gambar 14). Sedangkan sub
struktur dua memiliki variabel endogen Z dan eksogen
X1, X3, dan Y (lihat gambar 15).
28
Gambar 13.Diagram Jalur Hubungan kausal X1, X2, X3, ke
Y dan Z
Selanjutnya dapat dilihat Gambar 14, yang
merupakan skematik diagram sub strukur satu dengan
formulasi persamaan:
Y = Pyx1X1 + Pyx2X2 + Pyx3X3 + ɛ1
Gambar 14.Gambar Sub Struktur Satu
29
X1
X2
X3
Y Z
Pzx3
Pzx1
Pyz
Pyx3
Pyx2
Pyx1r12
r23
r13
ɛ1ɛ2
X1ɛ1
Sedangkan Gambar 15, merupakan skematik
diagram sub struktur dua dengan formulasi persamaan:
Z = Pzx1X1 + Pzx3X3 + PyzY + ɛ2
Gambar 15.
Gambar Sub Struktur Dua
Keterangan:
30
X2
X3
YPyx3
Pyx2
Pyx1r12
r23
r13
X1
X2
Y Z
Pzx3
Pzx1
Pyz
Pyx1
Pyx3
r13
ɛ1 ɛ2
p merupakan notasi / lambing dari koefisien jalur
(path coefficient) untuk setiap variabel eksogen8.
Koefisien jalur menunjukkan pengaruh langsung variabel
eksogen terhadap variabel variabel endogen.
Sedangkan ɛ1 menunjukkan faktor residual yang
fungsinya menjelaskan pengaruh variabel lain yang
telah teridentifikasi oleh teori, tetapi tidak diteliti atau
variabel lainnya yang belum teridentifikasi oleh teori,
atau muncul sebagai akibat dari kekeliruan pengukuran
variabel.
Sebuah diagram jalur, tanda panah yang berujung
ganda ( ) menunjukkan hubungan korelasional dan
tanda panah satu arah ( ) menunjukkan hubungan
kausal atau pengaruh langsung dari variabel eksogen
(X) terhadap variabel endogen (Y).
Jadi secara sistematik path analysis mengikuti pola
model struktural, sehingga langkah awal untuk
mengerjakan atau penerapan model path analysis yaitu
dengan merumuskan persamaan struktural dan diagram
jalur yang berdasarkan kajian teori tertentu yang telah
diuraikan diatas.
8 Siswono Haryono, Parwoto Wardoyo, 2012, Structural Equation Modeling Untuk Penelitian Manajemen Menggunakan Amos 18.00, Penerbit: PT. Intermedia Personalia Utama, Bekasi, hlm. 92.
31
Menurut Haryono dan Wardoyo, informasi diberikan
apabila tujuan penelitian ingin mendapatkan model
untuk kepentingan prediksi, maka yang tepat digunakan
adalah model struktural. Model ini mirip dengan path
analysis, yang membedakan adalah kalau di dalam path
analysis data yang dianalisis adalah data baku
(standardize), sedangkan di dalam model struktural
menggunakan data mentah (raw data). Dengan
demikian hasil analisis model struktural kurang tepat jika
disajikan dalam bentuk diagram path dan lebih cocok
disajikan dalam sistem persamaan.
Path analysis telah menjadi model analisis para
ilmuwan sosial. Bahkan pada tahun 1970-an Karl G.
Joreskog dan Dag Sorbom dari Departemen Statistika
Universitas Uppsala Swedia, telah mengembangkan
model path analysis menjadi model yang sekarang
dikenal sebagai LISREL (LI-near S-tructural Rel-ationship) atau sering disebut SEM (Structural Equation
Modeling).
G. Model (Path analysis) Persamaan Satu Jalur
32
Model analisis satu jalur sebenarnya sama dengan
model regresi berganda, hanya pada variabel bebas
saling berkorelasi9.
Gambar 16.Model (Path Analisis) Diagram Satu Jalur
H. Model (Path analysis) Persamaan Dua JalurMisalkan peneliti ingin meneliti dua variabel bebas
yang terdiri dari Kompensasi (X1) dan Motivasi Kerja
(X2). Dua variabel tergantung yaitu Kepuasan Kerja (X3)
dan Kinerja (X4).
Gambar 17.Model (Path Analisis) Diagram Dua Jalur
9 V. Wiratna Sujarweni, 2008, Belajar Mudah SPSS Untuk Penelitian Skripsi, Tesis, Disertasi & Umum, Penerbit: Global Media Informasi, Yogyakarta, hlm. 339.
33
X1
X2
Y
pYX1
pYX2
r21
ɛ1
DAFTAR PUSTAKA
Abdurahman Maman dan Muhidin Sambas Ali, 2007, Analisis Korelasi, Regresi dan Jalur dalam penelitian dengan Aplikasi program SPSS, Penerbit: Pustaka Setia, Bandung.
Ghozali, Imam, 2008, Model Persamaan Struktural, Konsep dan Aplikasi dengan Program AMOS 16.0, Penerbit: Badan Penerbit Universitas Diponegoro, Semarang.
Kuncoro, Engkos Achmad dan Riduan, 2007. Cara Menggunakan dan Memakai Analisis Jalur (Path Analysis), Penerbit: Alfabeta, Bandung.
Sarwono, Jonathan, 2007, Analisis Jalur untuk Riset Bisnis dengan SPSS, Penerbit: Andy, Yogyakarta.
Siswono Haryono, Parwoto Wardoyo, 2012, Structural Equation Modeling Untuk Penelitian Manajemen Menggunakan Amos 18.00, Penerbit: PT. Intermedia Personalia Utama, Bekasi.
34
X1
X2
X3X4
p42
p43
p41
p31
p32
r21
ɛ2ɛ1
Sujarweni, V. Wiratna, 2008, Belajar Mudah SPSS Untuk Penelitian Skripsi, Tesis, Disertasi & Umum, Penerbit: Global Media Informasi, Yogyakarta.
Widarjono, Agus, 2010, Analisis Statistika Multivariate Terapan, Penerbit: UPP STIM YKPN, Yogyakarta.
35