ANALISIS JALUR (PATH ANALYSIS)
DENGAN SPSS 16
Malam
nih sobat semua hehehe,, Pa kabarnya nih? Moga sehat aja yak hehehe.. Kali ini
bahasan kita cukup menarik nih #biar gak down dulu hehehe..
Yap,
malam ini saya mau bahas tentang analisis jalur dan langsung disertai dengan
data yang akan kita eksekusi menggunakan SPSS 16.
Ingat
kan ya kalau sebelumnya saya sudah pernah bahas tentang analisis multiple
regression.. Kalo sobat semua dah paham konsepnya, bagus deh karena sebagian
pola pikir itu dipakai dalam analisis jalur.
Ingat:
Dalam analisis jalur, kita akan mengenal yang namanya pengaruh langsung (direct
effect), pengaruh tidak langsung (indirect effect) dan total pengaruh (total
effect)
Agar
mudah memahami “effect” ini, saya berikan ilustrasi seperti ini:
Kasus Melihat Besarnya Pengaruh
Langsung Dan Tidak Langsung Variabel A,B,C Terhadap Variabel E dengan Variabel
D Sebagai Variabel Perantara
Misalnya
kita memiliki variabel bebas A,B dan C yang akan kita lihat berapa besar
pengaruhnya masing-masing terhadap variabel terikat E. Nah, dalam hal ini kita
menggunakan variabel perantara, katakanlah D. Mengapa pakai perantara? Ini
adalah kasus bilamana nanti sobat dihadapkan pada keadaan dimana beberapa
variabel bebas tidak hanya secara langsung memengaruhi variabel terikat tetapi
bisa juga melalui/diperantarai oleh variabel lain.
Ada lagi kasus dimana
variabel bebas tidak punya pengaruh langsung tetapi hanya memiliki variabel
tidak langsung saja. Jadi, kalau sobat yang mau pakai analisis jalur, saya sangat
sangat menyarankan gali dan dalami dulu teori tentang variabel yang mau sobat
pakai agar tahu apakah variabel bebas itu bisa langsung memengaruhi variabel
terikat atau hanya bisa memberikan pengaruh tidak langsung. Kita
lihat kembali ilustrasi di atas
Disini
kita akan susun dua buah persamaan sub strukturalnya:
Pertama:
Variabel A, B, dan C secara langsung memengaruhi variabel D sehingga nanti
dalam pengerjaan dengan SPSS, kita regresikan saja variabel bebas A,B dan C
dengan variabel D. Persamaan sub strukturalnya menjadi seperti ini:
D = ρ DA
+ ρ DB + ρ DC + Є1
Kedua: Variabel A,C dan D secara langsung
memengaruhi variabel E sedangkan variabel B tidak (perhatikan tanda panah dalam
ilustrasi) sehingga dengan demikian kita bentuk persamaan sub strukturalnya
seperti ini:
E = ρ EA + ρ EC + ρ ED + Є2
Biar gak
buang-buang waktu nih sob, saya berikan contoh tetapi dengan data fiktif ya..
Yang penting kan sobat sudah paham alur pikirnya.. Oke deh, langsung aja unduh
datanya kalau mau praktek disini
Oops
sebelumnya dalam analisis jalur ini, uji asumsi seperti dalam analisis regresi
tetap dibutuhkan. Untuk uji asumsi tidak saya bahas disini karena sudah ada
lengkap dalam postingan lawas dan data yang kita gunakan interval atau rasio.
Berikut data viewnya pada SPSS:
Langkah
awal, regresikan variabel A,B dan C terhadap variabel D, caranya klik Analyze,
Regression, Linier dan masukkan variabel A,B dan C ke dalam bagian Independent
sedangkan variabel D ke dalam bagian Dependent.
Berikut
output yang dihasilkan:
Secara simultan variabel A,B dan C memiliki kontribusi sebesar 73,1 persen dalam menjelaskan perubahan yang terjadi pada variabel D sedangkan sisanya sebesar 16,9 persen dijelaskan oleh variabel lain di luar model.
Pada bagian
Anova (uji F) terlihat bahwa secara simultan variabel-variabel bebas memiliki
pengaruh yang signifikan terhadap variabel D yang ditunjukkan dari nilai Sig.
0,000 < Alpha 5% (tolak hipotesis nol dan terima hipotesis alternatif atau
uji statistik F sudah signifikan).
Pada
Coefficients, uji t/parsial terlihat bahwa variabel B dan C secara statistik
memiliki pengaruh yang signifikan terhadap variabel D yang ditunjukkan oleh
nilai Sig masing-masing lebih kecil dari Alpha 5% yaitu 0,048 dan 0,000.
Variabel A secara statistik tidak signifikan memengaruhi variabel D yang
terlihat dari nilai Sig. sebesar 0,615 > Alpha 5% sehingga untuk variabel A,
kita eliminasi dari model.
Persamaan
strukturalnya menjadi seperti berikut (pakai yang Standardized Beta) ya sob..
Jangan lupa..
D= 0,320B +
0,640C + Є1
Dari tanda
nilai koefisien (+), variabel B dan C memiliki pengaruh yang positif terhadap
variabel D.
Interpretasi
variabel B: Peningkatan sebesar 1 satuan variabel B akan meningkatkan variabel D sebesar 0,320 satuan dengan asumsi variabel bebas lain dianggap konstan.
Interpretasi
variabel C: Peningkatan sebesar 1 satuan variabel C akan meningkatkan variabel D sebesar 0,640 satuan dengan asumsi variabel bebas lain dianggap konstan.
Selanjutnya,
kita masuk nih sob ke sub struktural kedua. Regresikan variabel A,C,D terhadap
variabel E. Caranya sama dengan yang di atas.. Nanti, hasilnya seperti berikut:
Hasilnya
ternyata variabel A,C dan D hanya mampu menjelaskan keragaman pada variabel E
sebesar 34,4 persen sedangkan sisanya 65,6 persen dijelaskan oleh variabel lain
di luar model. Nah, kalo uji simultannya masih lolos nih alias masih
signifikan, terlihat dari nilai Sig sebesar 0,011 < 0,05. Pada uji
parsialnya, ternyata hanya variabel D yang secara signifikan memengaruhi
variabel E secara statistik (Nilai Sig sebesar 0,005 < Alpha 5%). Model
strukturalnya sebagai berikut:
E= 0,868D +
Є2
Untuk
variabel A ternyata tidak memiliki pengaruh langsung terhadap variabel E secara
statistik karena saat pengujian variabel A tidak signifikan memengaruhi
variabel E. Untuk pengaruh tidak langsung variabel A juga tidak dihitung karena
saat pengujian sub struktural pertama (menjadikan D sebagai variabel dependen),
terlihat bahwa variabel A juga tidak signifikan sehingga variabel A kita
eliminasi dari model.
Pengaruh
tidak langsung variabel B terhadap variabel E yang melalui variabel D adalah
sebesar 0,320 x 0,868 = 0,27776 atau 0,28. Untuk pengaruh langsung memang
sesuai dengan ilustrasi awal (kalau dalam penelitian asli harus dilandaskan
pada teori yang ada yaaa hehehe), variabel B ini tidak punya tanda panah
langsung ke E alias variabel B hanya punya pengaruh tidak langsung saja ke E yaitu
melalui variabel perantara D.
Untuk
variabel C, kita hitung bahwa pengaruh tidak langsungnya adalah 0,640 x 0,868 =
0,5552 atau 0,56. Nah, untuk pangaruh langsungnya, kita lihat dari uji sub
struktural kedua dimana kita menempatkan variabel E sebagai dependen. Yang
signifikan memengaruhi variabel E dari antara variabel bebas A,C,D itu hanya
variabel D saja..
Nah, bisa
gak bayangkan kalau variabel D nya gak signifikan? Ada atau nggak pengaruh
tidak langsungnya hayoooo.. Direnung-renungkan dulu aja ya hehehe.. Nah, dalam
kasus data fiktif ini untunglah variabel D (perantaranya) signifikan. Makanya,
nanti saat penelitian, sobat harus benar-benar hati-hati dalam menentukan
variabel perantaranya, yah banyak baca-baca bukulah, gak mesti beli kan karena
yang e-book juga sudah banyak beredar dan gratis pula hahaha..
Jadi, untuk
total pengaruhnya (total effect), tinggal jumlahkan saja pengaruh tidak
langsung dengan pengaruh langsungnya.. Oleh karena dalam kasus kita ini (yah
mungkin karena kita pakai data fiktif), pengaruh langsungnya tidak signifikan,
jadi untuk totalnya kita pakai yang pengaruh tidak langsungnya saja yaaa..
So,
total effect untuk variabel B terhadap variabel E adalah 0,28 sedangkan total
effect untuk variabel C terhadap variabel E adalah 0,56. Interpretasinya sudah
saya jelaskan panjang kali lebar sama dengan luas di atas yaa hahaha..
Oke deh
sobat, itu saja yang bisa saya bagikan dulu malam ini.. Kurang lebihnya, ampun
booos hehehe.. Tetap semangat dan salam sukses :-)