ANALISIS JALUR (PATH ANALYSIS) DENGAN SPSS 16

ANALISIS JALUR (PATH ANALYSIS) DENGAN  SPSS 16

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 = ρ DA +  ρ DB + ρ DC + Є₁

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 = ρ EA +  ρ EC + ρ ED + Є₂

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 + Є₁

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 + Є₂

  

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 :-)

source