ANALISIS JALUR (PATH ANALYSIS)

Slides:



Advertisements
Presentasi serupa
STRUCTURAL EQUATION MODELING (SEM)
Advertisements

KONSEP DASAR STRUCTURAL EQUATION MODEL (SEM)
ANALISA BIVARIAT: KORELASI DAN REGRESI
STATISTIKA (TEKNIK ANALISIS DATA) oleh : Prof. Dr. R
ANALISIS JALUR (Path Analysis)
PATH ANALISIS (ANALISIS JALUR)
ANALISIS REGRESI (REGRESSION ANALYSIS)
Korelasi dan Regresi Ganda
UJI HIPOTESIS.
SEM (STRUCTURAL EQUATION MODELING) MAGISTER TEKNIK INDUSTRI
MODEL PERSAMAAN STRUKTURAL (STRUCTURAL EQUATION MODEL - SEM)
(Sumber: Dr Solimun, MS, 2003 )
William J. Stevenson Operations Management 8 th edition REGRESIBERGANDA Rosihan Asmara
Tugas 5 Berikut ini adalah ilmu yang yang berkaitan langsung dengan ilmu ekonometrika, kecuali: Matematika Ekonomi Statistika deskriptif Statistik Inferensi.
Analisis Regresi.
INVERS MATRIKS (dengan adjoint)
UJI PERBEDAAN (Differences analysis)
MODEL REGRESI LINIER GANDA
ANALISIS REGRESI DENGAN VARIABEL MODERATING
ANALISIS REGRESI DAN KORELASI
ANALISIS JALUR ( PATH ANALYSIS ).
Statistic Multivariate
APLIKASI KOMPUTER Dosen: Fenni Supriadi, SE.,MM
BAB VII ANALISIS KORELASI DAN REGRESI LINIER SEDERHANA
analisis KORELASIONAL Oleh: Septi Ariadi
BAB XI REGRESI LINEAR Regresi Linear.
Chapter 11 Sulidar Fitri, M.Sc
smno.statistika.agroekotek.fpub.2013
Korelasi ganda (Multiple Correlation) Oleh: Septi Ariadi
MULTIVARIATE ANALYSIS
SISTEM PERSAMAAN LINEAR
PENGUJIAN HIPOTESIS ASOSIATIF
Wahyu Widhiarso Fakultas Psikologi UGM
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 )
Regresi linier sederhana
Masalah Identifikasi.
Regresi linier sederhana
KORELASI DAN REGRESI LINEAR SEDERHANA
Analisis Data dengan SPSS
ANALISIS EKSPLORASI DATA
1 Pertemuan 25 Matakuliah: I0044 / Analisis Eksplorasi Data Tahun: 2007 Versi: V1 / R1 Analisis Regresi Ganda (I) : Pendugaan Model Regresi.
STRUCTURAL EQUATION MODELING
Analisis Regresi. ANALISIS REGRESI Melihat ‘pengaruh’ variable bebas/independet variabel/ thd variable terikat/dependent variabel. Berdasarkan jumlah.
Probabilitas dan Statistika
ANALISIS KORELASI.
Pengantar SEM Fauziyah, SE., M.Si.
Video II Regresi Linier dengan Variabel Laten dalam Konteks SEM oleh: Jonathan Sarwono
ANALISIS JALUR MODUL 12 Analisis Jalur.
KORELASI & REGRESI.
Analisis Korelasi dan Regresi linier
HUBUNGAN-HUBUNGAN DALAM PENELITIAN
ANALISIS REGRESI.
Pertemuan ke 14.
MODEL PERSAMAAN STRUKTURAL (STRUCTURAL EQUATION MODEL - SEM)
Pertemuan ke 14.
Operations Management
Membuat Kuesioner (Opersionalisasi Konsep)
ANALISIS KORELASI.
Metode Kuantitatif Untuk Manajemen
X bebas/ mempengaruhi / independent Y Terikat/ dipengaruhi / dependent
Analisis Jalur (Path Analysis).
Analisis Regresi.
ANALISIS JALUR (PATH ANALYSIS)
ANALISIS JALUR ( PATH ANALYSIS ).
Structural Equation Modeling
ANALISA JALUR (PATH ANALYSIS)
BAB VIII REGRESI &KORELASI BERGANDA
Tahapan Belajar Rumus yang Sistematis (Didasarkan frekuensi penggunaan dalam riset skripsi / tesis / disertasi)
PROGRAM MASTER UNIVERSITAS RIAU MASHADI
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) Penemu: Sewall Wright (Joreskog & Sorbom;1996)

Sejarah Konsep 1920 : Sewall (ahli genetika) 1966 : Otis D. Ducan (sosiolog) 1970 : Karl G. Joreskog & Dag Sorbon (ahli statistika) LISREL (LInier Structural RELationship) SEM (Structural Equation Modeling)

PENGERTIAN ANALISIS JALUR Konsep Suatu teknik untuk mengestimasi dampak dari serangkaian variabel bebas terhadap sebuah variabel bebas dari serangkaian hubungan (korelasi) yang teramati, dimana diduga terdapat hubungan sebab akibat asimetris diantara variabel tersebut A technique for estimating the effect’s a set of independent variables has on a dependent variable from a set of observed correlations, given a set of hypothesis causal asymmetric relation among the variables. Bohrnstedt;1974

TUJUAN ANALISIS JALUR Konsep Suatu metode untuk mengukur pengaruh langsung setiap jalur yang terpisah dalam suatu sistem dan kemudian menemukan tingkat dimana variasi dari dampak ditentukan oleh setiap penyebab particular . Metode ini tergantung pada kombinasi pengetahuan tingkat korelasi diantara variabel-variabel dalam suatu sistem dengan pengetahuan as may possessed dari hubungan sebab akibat A method of measuring the direct influence along each separate path in such a system and thus of finding the degree to which variation of a given effect is determined by each particular cause. The method depend on the combination of knowledge of the degree of correlation among the variables in a system with such knowledge as may possessed of the causal relations Maruyama 1998:16 dalam Riduwan & Engkos;2007

Pengertian Konsep Model Path Analysis digunakan untuk menjelaskan pola hubungan antar variabel dengan tujuan mengetahui pengaruh langsung maupun tidak langsung dari seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen)

Manfaat Konsep Penjelasan fenomena yang dipelajari. Prediksi nilai variabel terikat berdasarkan variabel bebas (bersifat kualitatif) Faktor determinan : Variabel bebas mana yang berpengaruh dominan terhadap varibel terikat Pengujian Model : baik konsep yang sudah ada maupun pengembangan konsep baru

Asumsi-Asumsi Konsep Hubungan antar variabel bersifat linier, adaptif, dan normal. Hubungan kausal satu arah. Variabel terikat berskala interval atau rasio. Menggunakan probability sampling Observed variables diukur dengan valid dan reliable Model dispesifikasikan dengan benar berdasar teori dan konsep yang relevan

Model Path Analysis Konsep Independent Correlated Mediated 1 1 3 3 2 2   1 31 1 31 3 r12 3 2 32 2 32 2 1 Independent Correlated 31 3 21 2 32 1 2 Mediated

Contoh Konsep Hipotesis : Diduga kemampuan berkoordinasi dan motivasi kerja pegawai berkontribusi secara simultas dan signifikan terhadap produktivitas kerja 1 KOORDINASI (X1) yx1 y PRODUKTIVITAS KERJA (Y) r12 MOTIVASI KERJA (X2) yx2

Model Struktural Konsep X1 X2 Y Z X3 Persamaannya : 1 2 YX1 r12 ZX1 r13 YX2 X2 ZY Y Z ZX3 YX3 r23 X3 Persamaannya : Y=PYX1X1+PYX2X2+PYX3X3+1 Z=PZX1X1+PZX3X3+PZYY+2

Sub Struktur 1 Konsep X1 X2 Y X3 Persamaannya : 1 YX1 r12 r13 YX2 X2 Y YX3 r23 X3 Persamaannya : Y=PYX1X1+PYX2X2+PYX3X3+1 Z=PZX1X1+PZX3X3+PZYY+2

Sub Struktur 2 Konsep X1 Y Z X3 Persamaannya : 1 2 YX1 ZX1 r13 ZY Y Z ZX3 YX3 X3 Persamaannya : Y=PYX1X1+PYX2X2+PYX3X3+1 Z=PZX1X1+PZX3X3+PZYY+2

Transformasi Data Ordinal menjadi Interval Contoh Tabulasi Data Ordinal

Contoh Analisis Jalur Penelitian : Kontribusi Kemampuan Pegawai dan Motivassi Kerja Pegawai terhadap Produktivitas Kerja

Langkah 1 : Hipotesis & Persamaan Struktural Analisis Jalur Hipotesis : Kemampuan pegawai dan motivasi kerja berkontribusi secara simultan dan signifikan terhadap produktivitas kerja Y=YX1X1+ YX2X2 + Y 1 Struktur :

Langkah 2 : Hitung koefisien jalur (1) Analisis Jalur a. Gambar Diagram Jalur Y=YX1X1+ YX2X2 + Y +1 1 KOORDINASI (X1) yx1 y PRODUKTIVITAS KERJA (Y) r12 MOTIVASI KERJA (X2) yx2

Langkah 2 : Hitung koefisien jalur (2) Analisis Jalur b. Hitung koefisien korelasi & regresi (SPSS)

Langkah 2 : Hitung koefisien jalur (3) Analisis Jalur

Langkah 3 : Hitung koefisien jalur scr simultan Analisis Jalur H0 : yx1= yx2=0 Ha : yx1= yx2≠0 H0 : Kemampuan pegawai dan motivasi kerja tidak berkontribusi secara simultan dan signifikan terhadap produktivitas kerja Ha : Kemampuan pegawai dan motivasi kerja berkontribusi secara simultan dan signifikan terhadap produktivitas kerja Nilai F = 22,151 sig. 0,00 <0,05 berarti H0 ditolak Ha diterima

Langkah 4 : Hitung koefisien jalur scr individu (1) Analisis Jalur H0 : yx1=0 Ha : yx1>0 H0 : Kemampuan pegawai tidak berkontribusi secara simultan dan signifikan terhadap produktivitas kerja Ha : Kemampuan pegawai berkontribusi secara simultan dan signifikan terhadap produktivitas kerja Nilai t = 2,845 sig. 0,019 <0,05 berarti H0 ditolak Ha diterima

Langkah 4 : Hitung koefisien jalur scr individu (2) Analisis Jalur H0 : yx2=0 Ha : yx2>0 H0 : Motivasi Pegawai tidak berkontribusi secara simultan dan signifikan terhadap produktivitas kerja Ha : Motivasi Pegawai berkontribusi secara simultan dan signifikan terhadap produktivitas kerja Nilai t = 2,763 sig. 0,022 <0,05 berarti H0 ditolak Ha diterima

Memaknai Hasil Analisis Jalur (1) Y=YX1X1+ YX2X2 + Y1 Y=0,510 X1+0,495X2+0,411 1 1 KOORDINASI (X1) yx1= 0,51 y =0,411 PRODUKTIVITAS KERJA (Y) r12= 0,645 MOTIVASI KERJA (X2) yx2=0,495

Memaknai Hasil Analisis Jalur (2) Kontribusi Kemampuan Pegawai (X1) yang secara langsung mempengaruhi produktivitas kerja (Y) = 0,512=0,2601 = 26,01 % Kontribusi Motivasi Pegawai (X2) yang secara langsung mempengaruhi produktivitas kerja (Y) = 0,4952=0,2450 = 24,50 % Kontribusi Kemampuan Pegawai (X1) dan Motivasi Pegawai (X2) secara simultan yang secara langsung mempengaruhi produktivitas kerja (Y) = 0,831=83,1 %. Sisanya 16,9% dipengaruhi faktor lain yang tidak dapat dijelaskan dalam penelitian ini.

ANALISIS JALUR MODEL TRIMMING

Contoh Model Trimming Penelitian : Kontribusi Kepemimpinan, Iklim Organisasi, dan Motivasi Kerja terhadap Prestasi Kerja

Hipotesis Model Trimming Kepemimpinan dan Iklim Organisasi berkontribusi secara simultan dan signifikan terhadap Motivasi Kerja Kepemimpinan, Iklim Organisasi, dan Motivasi Kerja berkontribusi secara simultan dan signifikan terhadap prestasi Kerja

Struktur X1 X3 Y X2 Persamaannya : X3=x3X1X1+  X3X2X2+ X31 Model Trimming X1 1 2 X3X1 YX1 r12 YX3 X3 Y X3X2 YX2 X2 Persamaannya : X3=x3X1X1+  X3X2X2+ X31 Y=  YX1X1+  YX2X2+  YX3X3+  Y2

Sub Struktur 1 X1 X3 X2 Persamaannya : X3=x3X1X1+  X3X2X2+ X31 1 Model Trimming X1 1 X3X1 r12 X3 X3X2 X2 Persamaannya : X3=x3X1X1+  X3X2X2+ X31

Pengujian Sub Struktur 1 Model Trimming Tidak signifikan

Trimming (X1 dikeluarkan) Model Trimming

Sub Struktur 1 (Baru) X3 X2 Persamaannya : X3= X3X2X2+ X31 Model Trimming 1=0,4615 X3 X3X2=0,887 X2 Persamaannya : X3= X3X2X2+ X31 X3=0,887 X2+0,4615 1

Sub Struktur 2 X1 X3 Y X2 Persamaannya : Model Trimming X1 2 YX1 r12 YX3 X3 Y YX2 X2 Persamaannya : Y=  YX1X1+  YX2X2+  YX3X3+  Y2

Pengujian Sub Struktur 2 Model Trimming Tidak signifikan

Trimming (X2 dikeluarkan) Model Trimming

Sub Struktur 2 (Baru) X1 X3 Y Persamaannya : Model Trimming X1 YX1=0,666 2=0,2098 YX3=0,367 X3 Y Persamaannya : Y=  YX1X1+  YX3X3+  Y2 Y=0,666 X1+0,367 X3+0,2098 2

Struktur (Baru) X1 X3 Y X2 X3= X3X2X2+ X31 X3=0,887 X2+0,4615 1 Model Trimming X1 YX1=0,666 2=0,2098 1=0,4615 YX3=0,367 X3 Y X3X2=0,887 X3= X3X2X2+ X31 X3=0,887 X2+0,4615 1 X2 Persamaannya : Y=  YX1X1+  YX3X3+  Y2 Y=0,666 X1+0,367 X3+0,2098 2

Memaknai Hasil Analisis Jalur Model Trimming Kontribusi Kepemimpinan (X1) yang secara langsung mempengaruhi prestasi kerja (Y) = 0,6662= 44,36 % Kontribusi Motivasi Kerja (X3) yang secara langsung mempengaruhi prestasi kerja (Y) = 0,3672=13,47 % Kontribusi Kepemimpinan (X1) dan Motivasi Kerja (X3) secara simultan yang secara langsung mempengaruhi prestasi kerja (Y) = 0,956=95,6 %. Sisanya 4,4 % dipengaruhi faktor lain yang tidak dapat dijelaskan dalam penelitian ini.

Goodness of Fit (1) Model Trimming

Goodness of Fit (2) Whitung = -(N-d) ln Q Model Trimming Whitung = -(N-d) ln Q Whitung = -(12-1) ln 0,556=6,457 Cari dari tabel chi kuadrat X2dk=1;=0,05= 3,841 Kesimpulan : Karena Whitung> X2, maka matrik korelasi sampel berbeda dengan matrik korelasi estimasi. Jadi kedua model tersebut signifikan, sehingga model yang terbentuk mampu mengeneralisasi fenomena

Buku Path Analysis Cara Menggunakan dan Memaknai ANALISIS JALUR (PATH ANALYSIS) Riduwan, Drs, MBA Engkos Achmad Kuncoro, SE, MM Analisis Jalur untuk Riset Bisnis dengan SPSS - Jonathan Sarwono

MULTIVARIATE DATA ANALYSIS Joseph E. Hair Ronald L William Printice Hall