Konsultasi Statistik Uji Path Analisis (Analisis Jalur)

Analisis jalur (path analysis) merupakan suatu teknik analisis statistika yang dikembangkan dari analisis regresi berganda. Dalam literatur berbahasa Indonesia, teknik ini dikenal juga sebagai analisis lintas atau analisis lintasan. Secara matematis, path analisis ini tidak lain adalah analisis regresi berganda terhadap data yang dibakukan. Dengan demikian, perangkat lunak statistika yang mampu melakukan analisis regresi berganda dapat pula dipakai untuk analisis jalur. Subjek utama path analisis ini adalah variabel-variabel yang saling berkorelasi. Analisis ini mendasarkan diri pada model hubungan antar variabel yang ditentukan sebelumnya oleh peneliti.

Merumuskan hipotesis dan persamaan struktural

Hipotesis: X1, X2, X3 secara simultan berkontribusi secara signifikan terhadap X4.

Struktur: X4 = a + b1X1 + b2X2 + b3X3 

Menghitung koefisien jalur yang didasarkan pada koefisien regresi

Diagram jalur lengkap.

a. Persamaan Pertama (Pengaruh Tidak Langsung)

Berikut ini akan dibahas mengenai analisis jalur berkaitan dengan variabel (X1), (X2), dan (X3) secara simultan terhadap (X4).

Contoh kasus misalnya kita sudah mempunyai hasil data tabulasi jumlah total masing-masing variabel dalam hal ini variabel X1, X2, X3, X4 dan Y, berikut tabel yang telah di olah pada lembar kerja SPSS.

Untuk melakukan uji path analisis tidak langsung dalam hal ini variabel X1, X2, X3 ke X4 (pengaruh tidak langsung melalui X4 tehadap Y) langkahnya pilih menu Analyze > Regression > Linear seperti pada gambar berikut :

Langkah selanjutnya akan tampil gambar sebagai berikut :

Pindahkan variabel X4 ke bagian Dependent dan variabel X1, X2 dan X3 ke bagian Independent(s), kemudian pilih tombol Statistics dan akan tampil sebagai berikut :

Kita lakukan ceklis pada R squared change kemudian klik tombol Continue dan klik tombol OK, maka akan tampil output sebagai berikut :

Terlihat bahwa pada kolom Sig. pada table ANOVA nilai Sig. adalah sebesar 0.000 atau lebih kecil dari nilai probabilitas 0.05 (sig 0.000 < 0.050), maka Ho ditolak dan Ha diterima. Artinya koefisien regresi ganda adalah signifikan. Jadi variabel X1, X2 dan X3 berpengaruh secara simultan dan signifikan terhadap X4.

Secara simultan variabel X1, X2 dan X3 memiliki kontribusi sebesar 86,3 % (lihat nilai R square pada tabel Model Summary) dalam menjelaskan perubahan yang terjadi pada variabel X4 sedangkan sisanya sebesar 13,7 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 X4 yang ditunjukkan dari nilai Sig. 0,000 < Alpha 5% (tolak hipotesis nol dan terima hipotesis alternatif atau uji statistik F sudah signifikan).

Pada tabel coefficients variabel (X1), (X2), (X3) secara simultan terhadap (X4) dimaksudkan untuk menguji signifikansi konstanta dan variabel dependen.

Hipotesis: 

Ha =   Variabel X1, X2 dan X3 berpengaruh secara simultan dan signifikan terhadap X4

Pada koefisien, uji t/parsial terlihat bahwa variabel X1, X2 dan X3 secara statistik memiliki pengaruh yang signifikan terhadap variabel X4 yang ditunjukkan oleh nilai Sig masing-masing lebih kecil dari Alpha 5% yaitu 0,030, 0,000 dan 0,000.

Persamaan strukturalnya menjadi seperti berikut : 

X4 = a + b1X1 + b2X2 + b3X3 

      = -2,462 + 0,079 X1 + 0,220 X2 + 0,447 X3

B. Persamaan Kedua (Pengaruh Langsung)

Berikut ini akan dibahas mengenai analisis jalur berkaitan dengan variabel (X1), (X3), dan (X4) secara simultan terhadap (Y).

Masih dengan pengolahan data tabulasi yang sebelumnya namun disini kita memasukan variabel yang berbeda sesuai dengan data yang diatas, berikut langkahnya.

Kita pilih menu Analyze > Regression > Linear kemudian akan tampil seperti berikut :

Pindahkan variabel Y ke bagian Dependent dan variabel X1, X3 dan X4 ke bagian Independent(s), kemudian pilih tombol Statistics dan akan tampil sebagai berikut :

Setelah itu kita klik tombol Continue dan klik tombol OK maka akan tampil output sebagai berikut :

Terlihat bahwa pada kolom Sig. pada table ANOVA nilai Sig. adalah sebesar 0.000 atau lebih kecil dari nilai probabilitas 0.05 (sig 0.000 < 0.050), maka Ho ditolak dan Ha diterima. Artinya koefisien regresi ganda adalah signifikan. Jadi variabel X1, X3 dan X4 berpengaruh secara simultan dan signifikan terhadap variabel Y.
Secara simultan variabel X1, X3 dan X4 memiliki kontribusi sebesar 90,44 % dalam menjelaskan perubahan yang terjadi pada variabel Y sedangkan sisanya sebesar 9,56 % 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 Y yang ditunjukkan dari nilai Sig. 0,000 < Alpha 5% (tolak hipotesis nol dan terima hipotesis alternatif atau uji statistik F sudah signifikan).

Pada Tabel coefficients variabel (X1), (X3) dan (X4) secara simultan terhadap (Y) dimaksudkan untuk menguji signifikansi konstanta dan variabel dependen.
Hipotesis:
Ha =   Variabel X1, X2, X3 dan X4 berpengaruh secara simultan dan signifikan terhadap Y
Pada koefisien, uji t/parsial terlihat bahwa variabel X1, X2, X3 dan X4 secara statistik memiliki pengaruh yang signifikan terhadap variabel Y yang ditunjukkan oleh nilai Sig masing-masing lebih kecil dari Alpha 5% yaitu 0,000, 0,000, 0,010 dan 0.000.
Persamaan strukturalnya menjadi seperti berikut :
Y   = a + b1X1 + b3X3 + b4X4
      = 3,952 + 0,227 X1 + 1,034 X2 + 0,307 X3 + 0,492 X4

Dari pembahasan diatas, Hasilnya ternyata variabel X1, X2, X3 dan X4 mampu menjelaskan keragaman pada variabel Y sebesar 90,44 % sedangkan sisanya 9,56 % persen dijelaskan oleh variabel lain di luar model. Terlihat dari nilai Sig sebesar 0,000 < 0,05. Pada uji parsialnya, ternyata variabel X1, X2, X3 dan X4 yang secara signifikan memengaruhi variabel Y secara statistik (Nilai Sig sebesar 0,005 < Alpha 5%).

Rekafitulasi Hasil Uji Analisis Path (Analisis Jalur)

Dari perhitungan diatas yang signifikan mempengaruhi variabel Y adalah variabel X1, X2, X3, dan X4.

Pengujian signifikan atau tidak pengaruh mediasi dapat diuji dengan sobel test sebagai berikut :

Hasil output SPSS memberikan nilai standardized beta pada persamaan (1) untuk (X1) 0,079 dengan nilai signifikan 0,030 (X2) 0,220 dengan nilai signifikan 0,000 dan (X3) 0,447 dengan nilai signifikan 0,000 yang berarti X1, X2 dan X3 mempengaruhi X4. 

Pada output SPSS persamaan regresi (2) nilai unstandardized untuk (X1) 0,227, (X2) 1,034, (X3) 0,307 dan (X4) 0,492 semuanya signifikan. Nilai unstandardized beta X1 0,227 merupakan nilai jalur P1 dan nilai unstandardized X2 1,034 merupakan nilai jalur P3 nilai unstandardized X3 0,307 merupakan nilai jalur P5 dan nilai unstandardized X4 0,492 merupakan nilai jalur P7. Besarnya nilai e1 = √(1-0,863)= 0,370 dan besarnya nilai e2 = √(1-0,904)=0,309 akan dibahas pada materi berikutnya yaitu mengenai sobel test.

Semoga catatan kecil ini dapat bermanfaat bagi mahasiswa yang sedang melakukan penelitian berkaitan dengan Skripsi dan Tesis.