Welcome to Wajibstat Analysis Jibvela17...

NEW WAJIBSTAT ANALYSIS IS COMING***

Minggu, 31 Maret 2013

ANALISIS JALUR (PATH ANALYSIS) DENGAN SPSS 16



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 = Ļ DA +  Ļ DB + Ļ DC + Š„1



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 = Ļ EA +  Ļ EC + Ļ ED + Š„2



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 + Š„1
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 + Š„2
  
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 :-)











40 komentar:

  1. Terima kasih ya, Pembahasannya sudah Ok, hanya sedikit kekeliruan yang perlu dikoreksi. Dalam pemahasan tertulis sbb: "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". Sisanya bukan 16,9%, seharusnya 26,9%, sehingga ditotalkan dengan 73,1% menjadi 100%, bukan begitu?

    BalasHapus
  2. terima kasih saya sangat terbantu dengan tutorial ini :D.
    tapi menambahkan koreksi sedikit, "Jadi, untuk total pengaruhnya (total effect), tinggal jumlahkan saja pengaruh tidak langsung dengan pengaruh langsungnya".
    bukan dijumlahkan tapi dikalikan. total effect = pengaruh langsung x pengaruh tak langsung.
    CMIIW
    :D

    BalasHapus
  3. Anonim2: kembali kasih juga.. Ya saya berharap sobat bisa mencantumkan identitasnya ya agar bisa saling kenal. Nah, untuk pengaruh total itu memang kita menambahkan total effect dengan indirect effectnya ya (TE=DE+IE). Untuk yang perkalian berlakunya saat kita menghitung jalur untuk pengaruh indirectnya. Demikian. Salam damai. Sukses sll

    BalasHapus
  4. Anonim1: kembali kasih sobat anonim1. Ada baiknya jika memberikan komentar dicantumkan namanya yaa agar kita bisa lebih kenal. ya betul bahwa sisanya seharusnya adalah 1-0,731=0,269 atau 26,9%. Terimakasih buat koreksi dan kejeliannya. Akan segera saya perbaiki ya.. Salam damai sukses sll

    BalasHapus
  5. terimakasih bapak atas info nya.. iya saya mau tanya kembali kenapa dalam melihat besarnya pengaruh dilihat di standardized coeffisients beta. bukan unstandardized cooficients. saya kebingungan dalam hal ini terimakasih atas bantuannya ya

    BalasHapus
  6. kembali kasih mbak Widya. Salam kenal sebelumnya.
    Nah, dalam path, kita interpretasikan nilai koefisien beta yang sudah distandarkan terhadap nilai Z normal standar (mean=0, varians=1) karena sebenarnya dalam path, kita memakai penggunaan matriks korelasi (rho) untuk menyatakan besarnya slope/nilai koefisien variabel mbak.
    Semoga membantu. Salam damai sukses sll.

    BalasHapus
  7. boleh tau teori yang dipakai teori nya siapa mas.. terimakasih.. iya kmrn saya kirim email ke alamat anda mas

    BalasHapus
  8. boleh tau Pak cara uji simultan seluruh variabelnya?? Terimakasih ^^

    BalasHapus
  9. Lho itu sudah ada output Anova-nya mas/mb. Anova itu kan uji simultan/uji F mas/mb hehe

    BalasHapus
  10. jadi kalau misalnya persamaannya adalah (y = a + bx + e) menggunakan unstandardized coe g bisa ya mas? brarti harus (y = betax =e) menggunakan standardized coe begitu ya?

    BalasHapus
  11. jadi kalau misalnya persamaannya adalah (y = a + bx + e) menggunakan unstandardized coe g bisa ya mas? brarti harus (y = betax + e) menggunakan standardized coe begitu ya

    BalasHapus
  12. @iqbal: betul mas pakai nilai beta yg sudah distandarkan krn dalam analisis jalur nilai koefisien model dhitung dari nilai korelasi bivariatnya. Trims

    BalasHapus
  13. selamat pagi mas. tutorialnya sangat membantu mas. cuman saya mau tanya, itu mas merujuk kepada siapa ya. saya ingin tahu referensi asli yang bisa saya baca dan pelajari sendiri. trimakasih

    BalasHapus
  14. @david: pg juga mas david. Mas bs pakai buku Joseph F. Hair, Multivariate Analysis. Kmbli kasih

    BalasHapus
  15. Pak, saya mau tanya. Untuk hubungan tidak langsung dinyatakan signifikan/positif tidaknya darimana pengujiannya?

    BalasHapus
  16. mas kl gambarnya seperti ini A, B, C mempengaruhi D dan D berpengaruh terhadap E,, itu gimana ya??

    BalasHapus
  17. Selamat Pagi Mas, dalam analisis jalur apabila koefisien tidak langsung lebih besar dari koefisien langsung maka variabel tersebut mampu memediasi hub x ke y. Yang jadi pertanyaan saya, apabila nilai koefisien langsung dan tidak langsungnya sama-sama bernilai negatif apa bisa dikatakan sebagai variabel mediasi?

    Misalnya : Pngaruh tdk langsung = -0.5, dan pengaruh langsung = -0.10
    Jadi -0.5 > -0.10

    Bagaimana interpretasinya? Mohon penjelesannya. Terima kasih.

    BalasHapus
  18. maksih ya infonya, ini sangat membantu saya dalam penelitian

    BalasHapus
  19. Salam hangat mas salam kenal. Semoga selalu dalam lindungan. Artikel ini sangat membantu. Namun saya mengalami kehambatan mengenai hasil spss saya. Pengarung langsung. Iengarih tidak langsung dan total pengaruh tidak sama dengan yg ada dalam kolom r square. Kenapa ya mas? Mohon ikhlas untuk bantu jawab :) trerimaksih sebekumnya

    BalasHapus
  20. SALAM
    dari hasil output spss 16, pada tabel coefficient beta bernilai negati,akan tetapi hasil output yang lain menunjukan ada pengaruh yang signifikan x terhadap y. bagaimana pendapat anda tentang beta yang bernilai negatif? apa pendsarannya?apakah kesimpulannya ada pengaruh signifikan x terhadap y? terima kasih

    BalasHapus
  21. makasih ya. mudah dipahami dan dimengerti

    BalasHapus
  22. Terima kasih, sangat mencerahkan...
    Ada yang masih saya bingung. Asumsi variabel B kita abaikan.
    Kita bisa tarik simpulan A dan C secara serempak memiliki pengaruh langsung thd E.
    Nah apakah kita juga bisa tarik simpulan A dan C secara serempak punya pengaruh tidak langsung thd E melalui D.

    Terima kasih

    BalasHapus
  23. Selaamat malam pak, terimakasih banyak sudah sharing ilmunya, saya sangat terbantu.

    Ada yg mau saya tanyakan, kalau misal ada salah satu variabel yang tidak signifikan, jalur nya harus dibuang dan dihitung kembali?
    Lalu apakah Rsquare bisa dihitung manual? (sebelum jalur yg tidak signifikan dibuang) Karena saya sudah coba menghitung secara manual Rsquare (sebelum jalur yg tdk signifikan dibuang) selalu tidak sama dengan yang ada pada tabel. Mohon bantuannya pak, terimakasih

    BalasHapus
  24. Selamat pagi
    Terima kasih bapak blogny sangat mmbantu

    Bapak ada yg ingin saya tanyakan
    Bgaimna apabila kseluruhan variabel independent tdk signifikan dngan variabel dependent baik scara simultan maupun scara parsial padahal dlm pnelitian" trdahulu variabel" trsbut slalu signifikan,,
    Apa yg harus saya lakukan,, ??
    Mohon bantuannya

    BalasHapus
  25. Ada contoh data untuk kausalitas atau korelasi tidak pak?

    BalasHapus
  26. hai kak.. mau tanya. saya mau penelitian nah disini saya punya variabel bebas yaitu Profitabilitas dan Kepemilikan asing yang saya akanuji pengaruhnya terhadap pengungkapan CSR sebagai variabel terikat. nah bisa kah saya menjadikan variabel kepemilikan asing sebagai perantara antara profitabilitas dan Pengungkapan CSR?atau kah saya harus cari teori dulu untuk membuktikan bahwa profitabilitas dapat mempengaruhi csr melalui kepemilikan asing.?

    BalasHapus
  27. Video Uji Reliabilitas Cronbach Alpha Menggunakan EVIEWS
    https://www.youtube.com/watch?v=YiMBKcvzkE4
    WA 085227746673
    Analisis Data EVIEWS, LISREL, SPSS, AMOS, DLL

    BalasHapus
  28. Anda Kebingungan Dan Kesulitan Menyelesaikan Skripsi, Tesis, Disertasi
    Karena Pusing Mikirin Olah Data Analisis Statistika Dengan SPSS, AMOS
    LISREL, EVIEWS, SMARTPLS, DEA
    Serahkan Dan Percaya Kepada Kami.
    Kami Siap Bantu Anda.
    Olah Data Semarang (Timbul Widodo)
    WA : +62 852-2774-6673
    IG : olahdatasemarang

    BalasHapus
  29. terima kasih pembahasannya. mudah dipahami. :)

    BalasHapus
  30. Terima kasih pak... dapat gambaran untuk kerjakan tugas :)

    BalasHapus
  31. alamat malam Pak, untuk model path analysis Cara uji kelayakannya bagaimana ya Pak ?, kemudian kalau untuk 1 variable laten, 1 variable mediator Dan 1 variable dependent, koefisien beta yang digunakan apakah hasil regresi sederhana antara variable laten Dan dependent ataukah regresi bergandanya terima kasih

    BalasHapus
  32. untuk mengetahui besarnya pengaruh data pretest postest gimana yah pak ? dalam bentuk persen... makasih sebelumnya

    BalasHapus
  33. Untuk kasus sebelum dan sesudah, gunakan metode uji t berpasangan (paired sample t-test) mb karena sampelnya kan tidak independen alias sama.. Artinya, sampel yang kita gunakan adalah SAMA baik pada saat pre-test dan post-test..

    BalasHapus
  34. Komentar ini telah dihapus oleh pengarang.

    BalasHapus
  35. Pak saya mau tanya bagaimana rumus dasar dari regresi linier berganda? selain itu thesis sya menggunakan path analysis buat analisa data dengan 3 variabeel X, variabel intervening (y) dan variabel dependent (Z). bagaimana persamaan sub struktur yang bener ya pak ?
    hipotesa saya meliputi
    1. pengaruh langsung X1, X2, X3 terhadap Kepuasan (Y)
    2. pengaruh langsung X1, X2 dan X3 terhadap Z (kinerja)
    3. pengaruh langsung Y terhadap Z
    4. pengaruh tidak langsung X1 terhadap Z melalui Y
    5. pengaruh tidak langsung X2 terhadap Z mealui Y
    6. pengaruh tidak langsung X3 terhadap Z melalui Y

    BalasHapus
  36. terimakasih bapak atas info nya. semoga menjadi amal jari'ah

    BalasHapus
  37. TRIMS INFO NYA. PEMBAHASANNYA MENARIK.

    BalasHapus
  38. kak, mau tanya kasus ssalah satu variabel skripsiku seperti a. apakah pengaruh a thd e melalui d bisa dijelaskan menggunakan sobel test?. padahal aku taunya gak usah pake sobel tes kan enggak signifikan dan tidak bisa menjelaskan pengaruh a ke e melalui d tadi.
    Dosenku kekeh harus pake sobel soalnya. mohon bantuannya kak. terima kasih

    BalasHapus
  39. Terima kasih atas penjelasnnyanya mudah dimengerti :D
    Pak saya mau tanya, kalau analisis jalur ini diterapkan di data nominal/deret apa bisa?
    Contoh: Pengaruh suhu terhadap kejadian demam berdarah. Disini saya menggunakan data sekunder dan di dapatkan data jumlah kejadian demam berdarah. Lah itu apa bisa menggunakan metode ini? Soalnya persyaratan dari uji analisis jalur yaitu data yg digunakan ratio/interval. Kalau tidak bisa digunakan adakah solusinya? Mohon pencerahannya pak ^^ Terima kasih

    BalasHapus