ANALISIS JALUR (Path Analysis)

Slides:



Advertisements
Presentasi serupa
STRUCTURAL EQUATION MODELING (SEM)
Advertisements

Evaluasi Model Regresi
KONSEP DASAR STRUCTURAL EQUATION MODEL (SEM)
ANALISA BIVARIAT: KORELASI DAN REGRESI
STATISTIKA (TEKNIK ANALISIS DATA) oleh : Prof. Dr. R
Korelasi dan Regresi Ganda
UJI HIPOTESIS.
REGRESI LINIER BERGANDA
TEKNIK ANALISIS MULTIVARIAT
Modul 7 : Uji Hipotesis.
Menentukan Perilaku Biaya
SEM (STRUCTURAL EQUATION MODELING) MAGISTER TEKNIK INDUSTRI
MODEL PERSAMAAN STRUKTURAL (STRUCTURAL EQUATION MODEL - SEM)
(Sumber: Dr Solimun, MS, 2003 )
MODEL REGRESI LINIER GANDA
ANALISIS REGRESI DAN KORELASI
ANALISIS JALUR ( PATH ANALYSIS ).
SISTEM PERSAMAAN LINEAR
Structural Equation Modeling (SEM)
Structural Equation Modelling – Partial Least Square
ANALISIS REGRESI DAN KORELASI
REGRESI LINEAR SEDERHANA
Uji Korelasi dan Regresi
MULTIVARIATE ANALYSIS
METODE PENELITIAN KUANTITATIF
Operations Management
PENGUJIAN HIPOTESIS ASOSIATIF
Erni Tri Astuti Sekolah Tinggi Ilmu Statistik
ANALISIS JALUR (PATH ANALYSIS)
A N A L I S I S J A L U R ( P a t h A n a l y s i s )
Korelasi dan Regresi Ganda
Analisis Data: Memeriksa Perbedaan
Masalah Identifikasi.
Regresi Linier Fungsi : Jenis :
KORELASI DAN REGRESI LINEAR SEDERHANA
BAB XIII REGRESI BERGANDA.
STRUCTURAL EQUATION MODELLING
STRUCTURAL EQUATION MODELING
ANALISIS REGRESI SEDERHANA
LOGISTIC REGRESSION Logistic regression adalah regressi dengan binary untuk variabel dependen. Variabel dependen bersifat dikotomi dengan mengambil nilai.
Anas Tamsuri UJI STATISTIK UJI STATISTIK.
Pengantar SEM Fauziyah, SE., M.Si.
MODEL PERSAMAAN STRUKTURAL Program Studi Statistika
ANALISIS JALUR MODUL 12 Analisis Jalur.
Analisis Korelasi dan Regresi linier
HUBUNGAN-HUBUNGAN DALAM PENELITIAN
MODEL PERSAMAAN STRUKTURAL Program Studi Statistika
ANALISIS REGRESI DAN KORELASI
Program Studi Statistika Semester Ganjil 2012
MODEL PERSAMAAN STRUKTURAL (STRUCTURAL EQUATION MODEL - SEM)
MODEL PERSAMAAN STRUKTURAL Program Studi Statistika
ANALISIS REGRESI & KORELASI
Analisis REGRESI.
Program Studi Statistika Semester Ganjil 2012
Regresi Sederhana : Estimasi
ANALISIS REGRESI LINIER BERGANDA
Analisis Jalur (Path Analysis).
Anatomi Desertasi (Virgana).
CHI SQUARE DAN UJI PERSYARATAN ANALISIS
Generalized Linear Model pada Data Berdistribusi Poisson (Studi kasus : Banyaknya Jumlah kecelakaan lalu lintas berdasarkan faktor jumlah pelanggaran.
ANALISIS JALUR (PATH ANALYSIS)
ANALISIS REGRESI & KORELASI
Pasca Sarjana Unikom Model Regresi Pasca Sarjana Unikom
Pasca Sarjana Unikom Model Regresi Pasca Sarjana Unikom
ANALISIS REGRESI LINIER
ANALISIS JALUR ( PATH ANALYSIS ).
Structural Equation Modeling
ANALISA JALUR (PATH ANALYSIS)
ANALISIS REGRESI DAN KORELASI
PATH ANALYSIS. Analisa Jalur adalah suatu perluasan dari model regresi, yang digunakan untuk menguji cocok matriks korelasi terhadap dua atau lebih yang.
Transcript presentasi:

ANALISIS JALUR (Path Analysis) Oleh: Dr. K a d i r, M.Pd. Workshop Percepatan Studi S2 dan S3 12 Desember 2013

Analisis jalur (Path Analyis) Linear Regresi Nonlinear nonkausal Korelasi Analisis Asosiatif Analisis jalur (Path Analyis) Kausal SEM

PENGERTIAN Analisis jalur merupakan teknik statistik yang digunakan untuk menguji hubungan kausal antara dua atau lebih variabel Pengaruh variabel bebas terhadap variabel terikat dalam analisis jalur dapat berupa pengaruh langsung maupun tak langsung. Pengaruh tidak langsung suatu variabel bebas terhadap variabel terikat adalah melalui variabel lain yang disebut variabel antara (intervening variabel). Contoh: pengaruh variabel insentif (X1) terhadap kinerja pegawai (Y) bukan hanya secara langsung tetapi juga secara tidak langsung melalui variabel motivasi kerja (X2).

Lanjutan Dalam analisis jalur dikenal istilah variabel eksogen dan variabel endogen. Variabel eksogen (variabel yg mempengaruhi) adl variabel yg variasinya diasumsikan terjadi bukan karena sebab-sebab dlm model. Sedangkan variabel endogen (variabel yg dipengaruhi ) adl variabel yg variasinya terjelaskan oleh var-eksogen pun variabel endogen lain dalam sistem.

PENGERTIAN HUBUNGAN KAUSAL Hubungan kausal yg dibangun dari korelasi atau kovarians dlm analisis jalur tidaklah didasarkan pada data melainkan pd subtansi keilmuwan (pengetahuan, teori, pengalaman, dan analisis logis). Jadi kerangka pikir yg diturunkan dari teori yg menunjukan hubungan kausal. Fungsi data adl mendukung atau tdk mendukung model teoretis (hipotetis) yg dibangun peneliti. Sangat mungkin terjadi bahwa utk data yg sama dpt cocok/konsisten dgn lebih dari satu model. Penentuan model mana yg tepat tidak didasarkan pada data tetapi pada pertimbangan teoretis yang dibangun peneliti ataupun pertimbangan yg melibatkan pakar bidang tertentu (Professional Judgment).

Model Regresi dan Model Analisis Jalur Aspek Model Regresi Model Analisis Jalur Tujuan Memprediksi nilai Y atas X1, X2, X3 ... Menganalisis pola hubungan kausal, pengaruh langsung-tak langsung Terminologi Variabel Independen (IV) & Variabel Dependen (DV) Var penyebab (eksogen) & Var akibat (endogen) Rumusan Masalah Apakah var X1, X2, X3,... berpengaruh thd Y Berapa besar variasi perubahan Y baik simultan/parsial dpt dijelaskan oleh X1, X2, X3, X4,... Apakah var X1, X2, X3 ... Berpengaruh langsung & tak langsung thd Y Berapa besar pengaruh langsung & tak langsung

Lanjutan Aspek Model Regresi Model Analisis Jalur Skala pengukuran & input data Matriks dlm skala interval, data mentah Matriks dalam skala interval dalam skor baku Persyaratan analisis Data Galat taksiran Y atas X berdistribusi normal dan homogen Hubungan IV & DV linear Tdk terjadi multikolineritas antar IV Tidak ada autokorelasi (residual bersifat independen) Idem dgn regresi: + Tidak ada arah kausalitas yang berbalik atau bersifat rekursif Model yang akan diuji memiliki kerangka teoretis yang kuat

DIAGRAM JALUR Diagram jalur adl alat utk melukiskan secara grafis struktur hubungan sebab-akibat antar var-bebas, intervening, dan var-terikat. Untuk merepsentasikan hubungan tsb diagram jalur menggunakan simbol anak panah berarah/berkepala satu (single-headed arrow) yg memberi makna adanya pengaruh langsung antara var- eksogen, intervening, dan var-endogen. Disamping itu anak panah juga menghubungkan error dgn var-tak bebas dan untuk anak panah berkepala dua (double- headed arrow) merepresentasikan hubungan antara dua variabel.

Lanjutan Model diagram jalur sederhana melibatkan 3 variabel (X1, X2, dan Y) Model diagram jalur melibatkan 4 variabel (X1, X2, X3, dan Y)

Lanjutan Model diagram jalur melibatkan 4 variabel (X1, X2, X3, dan Y)

Koefisien Jalur Besarnya pengaruh langsung var-eksogen thd var- endogen dinyatakan dlm koefisien jalur. Notasi atau simbol dari koefisien jalur dituliskan sebagai pij dimana i menyatakan akibat (DV) dan j menyatakan sebab (IV). Koefisien jalur ekivalen dgn koefisien regresi (). Koefisien jalur var- eksogen (X1) thd var-endogen (X2) dpt diestimasi dgn korelasi sederhana (r12) = p21 Jika var-endogen (Y) dipengaruhi oleh vari-eksogen (X1) dan (X2), maka koefisien jalur utk X1 thd Y dan X2 thd Y diestimasi oleh koefisien beta regresi, yaitu py1 = bx1y dan py2 = bx2y.

NOTASI ANALISIS JALUR VERSI LISREL KETERANGAN ξ (ksi) Variabel eksogen (independen) η (eta) Variabel endogen (dependen) γ(gamma) Koefisien jalur variabel eksogen terhadap variabel endogen β (beta) Koefisien jalur antara variabel endogen φ (phi) Kovariansi/korelasi antara variabel eksogen δ (delta) Kesalahan pengukuran (measurement error) dari indikator var. eksogen ε (epsilon) Kesalahan pengukuran (measurement error) dari indikator var. endogen ζ (zeta) Kesalahan dlm persamaan yaitu antara variabel eksogen dan atau endogen terhadap variabel endogen Ψ (psi) Matriks kovarians antara residual struktural

Persamaan Koefisien Jalur (Struktural) r12 = p21 r13 = p31 + p32.r12 r23 = p31r12 + p32 r14 = p41 + p42 r12 + p43 r13 r24 = p42 + p41r12 + p43r23 r34 = p43 + p41r13 + p42r23

Lanjutan p21 = r12 p31 + p32.r12 = r13 p31r12 + p32 = r23 p41 + p42 r12 + p43 r13 = r14 p41r12 + p42 + p43r23 = r24 p41r13 + p42r23 +p43 = r34 atau  untuk variabel X4 = Y py1 + py2 r12 + py3 r13 = r1y py1r12 + py2 + py3r23 = r2y py1r13 + py2r23 + py3 = r3y

JUDUL,RUMUSAN MASALAH KAUSAL Judul: Pengaruh Remunerasi, Suasana Kerja, dan Motivasi Kerja Terhadap Kinerja Pegawai Rumusan Masalah: Apakah remunerasi mempunyai pengaruh langsung thd kinerja Pegawai? Apakah suasana kerja mempunyai pengaruh langsung thd kinerja Pegawai? Apakah motivasi kerja mempunyai pengaruh langsung thd kinerja pegawai? Apakah remunerasi mempunyai pengaruh langsung thd motivasi kerja Apakah suasana kerja mempunyai pengaruh langsung thd motivasi kerja Apakah remunerasi mempunyai pengaruh langsung thd suasana kerja

HIPOTESIS KAUSAL Remunerasi mempunyai pengaruh positif secara langsung thd kinerja pegawai Suasana kerja mempunyai pengaruh positif secara langsung thd kinerja pegawai Motivasi kerja mempunyai pengaruh positif secara langsung thd kinerja pegawai Remunerasi mempunyai pengaruh positif secara langsung thd motivasi kerja pegawai Suasana kerja mempunyai pengaruh positif secara langsung thd motivasi kerja pegawai Remunerasi mempunyai pengaruh positif secara langsung thd suasana kerja pegawai

DESAIN PENELITIAN X Y Y X3 Y = Kinerja Pegawai X1 = Remunerasi 2 3 Y X3 Y = Kinerja Pegawai Y X1 = Remunerasi X2 = Motivasi X3 = Suasana Kerja

Data Penelitian

Langkah-langkah Perhitungan

Struktural 1

Struktural 2

Struktural 3

Uji Signifikansi Koefisien Jalur

Lanjutan

Lanjutan

Lanjutan

Lanjutan

Lanjutan

Lanjutan

Pengujian Kecocokan Model (Model Fit)

Lanjutan

Lanjutan

UKURAN UJI KESESUAIAN MODEL (Goodness Of Fit = GOF) Ukuran GOF Rumus KETERANGAN Chi- Square (χ2) χ2= (N- 1) Fml Fml = tr(S-1 ) – (p + q)+ln ()- S = matriks korelesai estimasi S = matriks korelasi original N = ukuran sampel (p+q) = jml variabel manifes Model berbasis maximum likelihood (ML). Nilai diharapkan kecil sehingga diperoleh probability (p) yang lebih besar melebihi 0,05 atau Model dikatakan “fit” jika p > 0,05 Goodness of Fit Index (GFI) GFI = 1 – 1/2r (S - ) Model dikatakan “fit” jika GFI > 0,90 Root Mean Square Error of Approximation (RMSEA) Nilai approksimasi akar rata-rata kuadrat error. Nilai diharapkan kecil atau Model dikatakan “fit” jika RMSEA < 0,05