ANALISIS JALUR (PATH ANALYSIS)

Presentasi berjudul: "ANALISIS JALUR (PATH ANALYSIS)"— Transcript presentasi:

1 ANALISIS JALUR (PATH ANALYSIS)
Penemu: Sewall Wright (Joreskog & Sorbom;1996)

2 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)

3 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

4 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

5 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)

6 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

7 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

8 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

9 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

10 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

11 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

12 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

13 Transformasi Data Ordinal menjadi Interval
Contoh Tabulasi Data Ordinal

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

15 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 :

16 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

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

18 Langkah 2 : Hitung koefisien jalur (3)
Analisis Jalur

19 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

20 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

21 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

22 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

23 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.

24 ANALISIS JALUR MODEL TRIMMING

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

26 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

27 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

28 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

29 Pengujian Sub Struktur 1
Model Trimming Tidak signifikan

30 Trimming (X1 dikeluarkan)
Model Trimming

31 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

32 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

33 Pengujian Sub Struktur 2
Model Trimming Tidak signifikan

34 Trimming (X2 dikeluarkan)
Model Trimming

35 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

36 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

37 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.

38 Goodness of Fit (1) Model Trimming

39 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

40 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

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