Path analysis (analisis jalur)

Slides:



Advertisements
Presentasi serupa
Regresi linier berganda
Advertisements

Analisis Regresi.
Bab 11 Pendugaan dan Pengujian Hipotesis Regresi Linier Sederhana
TUGAS STATISTIK Hubungan dan Pengaruh
1. Validitas 1. Validitas Suatu ukuran untuk mengetahui apakah kuisoner yang disusun tersebut itu valid atau sah, maka perlu diuji dengan korelasi antara.
PRODUK SABUN BATANGAN LIFEBUOY
Dibuat oleh : Yessica ( ). Notes Output Created 23-MAY :54:51 Comments Input Active Dataset DataSet0 Filter Weight Split File N of Rows.
Terima kasih kepada Yth :
Analisis Regresi Linier
Analisis Regresi. ANALISIS REGRESI Melihat ‘pengaruh’ variable bebas/independet variabel/ thd variable terikat/dependent variabel. Berdasarkan jumlah.
Tenia Wahyuningrum ST3 Telkom Purwokerto
ANALISIS REGRESI SEDERHANA
ANALISIS RGRESI DENGAN MODERATING VARIABEL
Contoh Perhitungan Regresi Oleh Jonathan Sarwono.
MODUL 11 METODE PENELITIAN ANALISIS DATA (ANALISIS REGRESI)
FEB Univ. 17 Agustus 1945 Jakarta
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
MAGISTER MANAGEMENT PROGRAM UNIVERSITAS KOMPUTER INDONESIA
Analisis Regresi Linier Berganda dan Uji t
Oleh: Iman Rahmat Gunawan
KORELASI & REGRESI.
OLEH: TITIK TANTRI LESTARI
JURUSAN PENDIDIKAN EKONOMI FAKULTAS EKONOMI UNNES
Lilik Kustiani1 Ari Brihandhono2 Universitas Kanjuruhan Malang
Analisis Korelasi dan Regresi linier
VARIABEL INTERVENING Variabel intervening merupakan variabel antara atau mediating, berfungsi memdiasi hubungan antara varibal independen dengan variabel.
Assalamu’alaikum Warohmatullohi Wabarokatuh
PROGRAM PASCASARJANA MAGISTER MANAJEMEN
Pertemuan 11 Chow Test.
Oleh: Elia Muara Kasih –
ANALISIS MODERATING.
BAB IV Hasil Penelitian dan Pembahasan
PENGARUH STRUKTUR GOOD CORPORATE GORVERNANCE DAN INTERNAL AUDIT TERHADAP FEE AUDIT EKSTERNAL PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BEI PADA PERIODE.
JURUSAN PENDIDIKAN EKONOMI
Analisis data.
MODUL 10 ANALISIS REGRESI
Regresi linier satu variable Independent
ANALISIS DASAR DALAM STATISTIKA
DICKY ALAMSYAH PULUNGAN / ILMU TANAH Oleh:
STATISTIK DESKRIPTIF STATISTIK DESKRIPTIF ADALAH STATISTIK YANG DIGUNAKAN UNTUK MENGANALISIS DATA DENGAN CARA MENDESKRIPSIKAN ATAU MENGGAMBARKAN DATA YANG.
X bebas/ mempengaruhi / independent Y Terikat/ dipengaruhi / dependent
ANALISIS REGRESI PENDIDIKAN EKONMI FE
Regresi Ganda Pertemuan 21
Analisis Jalur (Path Analysis).
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
Analisis Regresi.
PENGARUH pengetahuan dan sanksi perpajakan terhadap kepatuhan pajak
ANALISIS PENGARUH KINERJA KEUANGAN , GOOD CORPORATE GOVERNANCE (GCG), DAN CORPORATE SOCIAL RESPONSIBILITY (CSR) TERHADAP NILAI PERUSAHAAN  
Regresi Linier Beberapa Variable Independent
Regresi Linier Beberapa Variable Independent
Regresi Berganda Dengan Variabel Dummy
METODOLOGI PENELITIAN
Pengantar Aplikasi Komputer II Analisis Regresi Linier Berganda
Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda
PENGARUH KUALITAS PELAYANAN TERHADAP KEPUASAN KONSUMEN DI PIZZA HUR DTC DEPOK DISUSUSUN OLEH : WISNU HENDARTO ( ) M.HASAN BASRI ( )
Apriza Putra Ramadhan B
Pengantar Aplikasi Komputer II Analisis Regresi Linier Sederhana
Analisis Regresi Linier Berganda
Pasca Sarjana Unikom Model Regresi Pasca Sarjana Unikom
TUGAS AKHIR PENGARUH BIAYA OPERASIONAL TERHADAP PROFITABILITAS BANK (studi kasus pada Bank Mandiri periode ) Bandung   Oleh : ZENI YULIA MASKAR.
Oleh: Muhammad Arif rahman
Pasca Sarjana Unikom Model Regresi Pasca Sarjana Unikom
BAB IV Hasil Penelitian dan Pembahasan
Assalamualaikum Wr.Wb..
REGRESI LINIER.
ANALISIS REGRESI LINIER
Latar Belakang Penelitian Perusahaan Go Public Pertumbuhan Ekonomi Pembayaran Dividen.
ANALISIS REGRESI DAN KORELASI
Analisis Regresi Regresi Linear Sederhana
UJI REGRESI LINIER SEDERHANA Arkhiadi Benauli Tarigan
Transcript presentasi:

Path analysis (analisis jalur) JURUSAN PENDIKAN EKONOMI FAKULTAS EKONOMI UNNES

Analisis jalur (path analysis Analisis jalur (Path Analysis) Lanjutan analisis regresi Perhitungan menggunakan program aplikasi statistik SPSS Analisis dilakuan terhadap data : Perhatian Orang tua (PO), Fasilias beljar (FB) besarnya uang saku (US) dan semangat belajar (SB) Diagram analisis disajikan dalam tayangan berikut

Diagram analisis P0 SB FB US

Hipotesis Perhatian orang tua (PO) mempunyai pengaruh langsung terhadap Semangat belajar (SB) PO mempunyai pengaruh tidak langsung thd SB PO  FB  SB (1) PO mempengaruhi SB lewat FB PO  FB  US  SB (2) PO mempengaruhi SB lewat FB dan US

Persamaan regresi Kita buat persamaan regresinya PO  FB (fasiltas belajar dipengaruhi oleh perhatian orang tua): FB = b1(PO) + e  Persamaan (1) PO + FB  US (uang saku dipengruhi oleh perhatian orang tua dan fasilitas beljar) US = b1(PO) + b2(FB)+ e  Persam aan (2)

lanjutan PO + FB + US  SB (semangat belajar dipengaruhi oleh perhatian orang tua, fasilitas belajar dan uang saku) SB = b1(PO) + b2(FB) + b3 + (US) + e  Persamaan (3)

Nilai koefisien Standardized Beta persamaan 1 menghasilkan nilai p1 Nilai koefisien Standardized Beta persamaan 2 menghasilkan nilai p2 dan p3 Nilai koefisien Standardized Beta persamaan 3 menghasilkan nilai p4, p5 dan p6

e1 = √ 1 – R square persamaan 1 e2 = √ 1 – R square persamaan 2 e3 = √ 1 – R square persamaan 3

e1 p4 P0 SB e1 p1 p5 FB p3 p6 p2 US e1

Langkah-langkah analisis Analisis regresi linier persamaan 1 untuk mengitung p1 dilihat dari Nilai koefisien Standardized Beta dan e1 dilihat dari R Square Persamaan 1 Analisis regresi linier persamaan 2 p2 dan p3 dilihat dari Nilai koefisien Standardized Beta dan e2 dilihat dari R Square Persamaan 2

Analisis regresi linier persamaan 3 untuk mengitung p4 , p5 dan p6 dilihat dari Nilai koefisien Standardized Beta dan e3 dilihat dari R Square Persamaan 3

0ut put r square persamaan (1) Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .417a .174 .156 3.995 a. Predictors: (Constant), PO

Out put standardized coefisien Coefficientsa Model Unstandardized Coefficients Standardized Coefficients (Constant) B Std. Error Beta t Sig. PO 25.923 3.850 6.733 .000 .679 .214 .417 3.176 .003 a. Dependent Variable: FB

Out put persamaan (1) Nilai koefisien Standardized Beta = .417 untuk mengisi p1 dan R Square = .174 Untuk mengisi e1 e1 = √ 1 – R2 = 0.826

a. Predictors: (Constant), FB, PO Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .438a .191 .157 2.417 a. Predictors: (Constant), FB, PO

a. Dependent Variable: US Coefficientsa Model Unstandardized Coefficients Standardized t Sig. Coefficients B Std. Error Beta 1 (Constant) 11.813 3.248 3.637 .001 PO .355 .142 .361 2.499 .016 FB .084 .087 .140 .968 .338 a. Dependent Variable: US

Out put persamaan (2) Nilai koefisien Standardized Beta persamaan (2) untuk mengisi p2 = 0.361 dan p3 = 0.140 dan R Square =0.191 Untuk mengisi e2 e2 = √ 1 – R2 = 0.809

a. Predictors: (Constant), US, FB, PO Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .721a .519 .488 2.670 a. Predictors: (Constant), US, FB, PO

a. Dependent Variable: SB Coefficientsa Model Unstandardized Coefficients Standardized t Sig. Coefficients B Std. Error Beta 1 (Constant) .981 4.062 .241 .810 PO .456 .167 .326 2.726 .009 FB .251 .097 .293 2.579 .013 US .458 .161 .323 2.841 .007 a. Dependent Variable: SB

Out put persamaan (3) Nilai koefisien Standardized Beta persamaan (3) untuk mengisi p4 = 0.326 , p5 = 0.293 dan p6 = 0.329 dan R Square = 0.519 Untuk mengisi e3 e3 = √ 1 – R2 = 0.481

e3 =√1 – 0.519 E1 = √ 1- 0.174 P4 =0.326 P0 SB P1 =0.417 P5 = 0.293 FB P3 = 0.140 P6 = 0.329 P2 = 0.361 US E2 =√ 1 – 0.191

intepretasi Pengaruh langsung: PO ke SB = 0,326 Pengaruh tdk langsung: PO ke FB ke SB = 0,417 X 0.293 = 0,122 PO ke FB ke US ke SB = 0,417 X 0,361 X 0,329 = 0,048 PO ke US ke SM 0,140 X 0,329 = 0,046 Total pengaruh perhatian orang tua ke semangat belajar = 0,326 + 0.216 = 0.542

Variables Entered/Removed Model Variables Entered Variables Removed Method 1 US, FB, POa . Enter a. All requested variables entered.

R square persamaan 3 Model Summary Model R R Square Adjusted Std. Error R Square of the Estimate 1 .721a .519 .488 2.670 a. Predictors: (Constant), US, FB, PO

ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 354.356 3 118.119 16.567 .000a Residual 327.964 46 7.130 Total 682.320 49 a. Predictors: (Constant), US, FB, PO b. Dependent Variable: SB

Coefficientsa Model Unstandardized Coefficients Standardized B Std. Error Beta t Sig 1 (Constant) .981 4.062 .241 .810 PO .456 .167 .326 2.726 .009 FB .251 .097 .293 2.579 .013 US .458 .161 .323 2.841 .007 a. Dependent Variable: SB

DATA EXEL GUNAKAN UNTUK LAITIHAN

SEKIAN, TERIMA KASIH SEMOGA BERMANFAAT