path analysis

5/8/2018 Path Analysis - slidepdf.com

http://slidepdf.com/reader/full/path-analysis-559ac01cbeea2 1/22

PATH ANALYSIS

ANALISIS JALUR



ILUSTRASI 1

T IN G K A T

D E N D A

S IK A P

P E N O L A K A N

P E R I L A K U

P E N O L A K A N

K E P A T U H A N

Variabel yang mempengaruhi kepatuhan pengemudi kendaraan

bermotor terhadap peraturan lalulintas



Analisis korelasi

� Analisis korelasi dapat digunakan untuk mengetahui

tingkat keeratan hubungan antar variabel, tidak ada

yang mempengaruhi ( penjelas) & tidak ada yang

dipengaruhi (dependen)

� Dapat juga diterapkan pada penjelas dependen

Sikap

penolakanSikap

acuh



Analisis regresi

� Regresi: upaya mempelajari hubungan antar variabel, dan tidak pernah mempermasalahkan mengapa hubungan tersebut ada(atau tidak ada) dan juga apakah hubungan antara Y dengan Xdikarenakan oleh X-nya itu sendiri atau faktor-faktor lain.

± Bilamana variabel yang terlibat lebih dari dua (banyak variabel), didalam analisis regresi juga tidak pernah dipermasalahkan struktur

hubungannya, dimana semua variabel penjelas dianggap berpengaruh langsung terhadap variabel tergantung.

T IN G K A T

D E N D A

S IK A P

P E N O L A K A N

P E R I L A K U

P E N O L A K A N

K E P A T U H A N



ILUSTR ASI II

No SIZE ED EXP EARNS INCOME SAVING

1 4 2 33 1.92 1.92 .03

2 4 9 19 3.00 12.40 .87

3 2 17 9 5.93 6.40 .37

4 3 9 36 7.00 7.01 1.20

5 4 12 11 6.99 6.99 .28

6 4 13 15 6.50 6.50 1.40

7 5 17 14 26.00 26.01 11.60

8 5 16 23 15.00 15.36 1.77

9 5 9 34 5.70 15.00 3.98

10 5 16 10 8.82 9.19 1.02

11 10 9 27 7.00 10.60 1.00

12 4 10 26 6.18 12.09 .69

13 7 11 20 6.20 6.25 -.03

14 5 14 12 5.80 9.01 -1.39

15 5 7 15 6.22 6.22 1.00

16 5 8 29 5.50 5.91 1.83

17 4 12 11 4.80 4.80 .61

18 2 6 35 1.82 2.34 .05

19 3 12 30 4.56 7.83 .01

20 7 8 22 7.47 9.56 1.39

Suatu penelitian berbentuk survey (observasional) bertujuan ingin mengetahui faktor-

faktor yang berpengaruh terhadap jumlah uang yang ditabung (saving) oleh suatu

keluarga. Observasi dilakukan secara bersamaan terhadap 45 keluarga, sehingga

diperoleh data cross sectional



No SIZE ED EXP EARNS INCOME SAVING

21 3 9 27 6.60 7.60 .60

22 4 17 8 12.85 13.86 2.22

23 6 12 21 5.80 5.80 1.59

24 3 11 32 7.48 19.36 5.08

25 3 10 21 5.70 8.00 1.85

26 3 12 28 12.00 17.20 .91

27 6 8 31 3.58 1.09 2.48

28 4 10 29 9.60 9.60 .84

29 3 3 38 3.69 10.43 1.27

30 4 12 9 6.48 6.51 -.28

31 5 12 33 6.38 7.68 1.09

32 4 8 33 5.61 12.42 1.16

33 5 8 20 6.00 6.08 .34

34 4 12 24 6.30 6.98 .37

35 5 17 11 10.51 10.52 3.31

36 4 12 24 30.00 31.00 10.67

37 3 12 12 3.43 5.28 1.11

38 9 11 11 8.50 8.51 3.50

39 5 12 25 11.30 12.70 .54

40 5 16 18 16.96 16.77 3.02

41 6 12 19 8.30 8.30 .65

42 4 8 21 6.38 5.38 .99

43 4 12 23 4.77 6.27 2.53

44 4 12 20 4.32 8.52 6.12

45 5 17 22 10.72 24.23 -2.75



Penjelasan:

SIZE = the number of persons in the family

ED = the number of years of education received by the head, in

year

EXP = the labor marked experience of the head, in year, calc.

EXP=AGE-ED-5

EARNS = the wage or salary earning of the head, in thousands dollarsINCOME = the total income of the family, in thousands dollars

SAVING = the saving (flow) of the family, in thousand dollars

Penelitian dilakukan pada suatu daerah dengan kondisi penduduk relatif homogen, yaitu golongan menengah & atas



Dilakukan ANALISIS dengan REGRESI

SAVING = 1.243 + 0.365 EARNS ± 0.187 ED ± 0.012 EXP

+ 0.02 INCOME ± 0.056 SIZE

ANOVAb

145.737 5 29.147 8.027 .000a

141.622 39 3.631

287.359 44

Regressi

Resid al

T tal

M del1

Sum of

Squares df Mean Square F Sig.

Predictors: (Constant), INCOME, EXP, SIZE, ED, EARNSa.

Dependent Var iable: S AVINGb.

Coefficientsa

1.243 2.361 .526 .602

-.187 .128 -.257 -1.457 .153

-.057 .189 -.035 -.301 .765

-.013 .049 -.043 -.262 .795

.365 .102 .771 3.580 .001

.020 .091 .048 .223 .825

(Constant)

ED

SIZE

EXP

EARNS

INCOME

Model

1

B Std. Error

Unstandar dized

Coeff icients

Beta

Standar dized

Coeff icients

t Sig.

Dependent Var iable: S AVINGa.



Langkah pertama : merancang model berdasarkan konsep dan teoriMisal, secara teoritis :

Variabel ED dan EXP berpengaruh terhadap EARN.

INCOME dipengaruhi oleh ED, EXP dan EARNS.

Variabel EARN, INCOME dan SIZE berpengaruh ke SAVING.

EARNS

E3

INCOME

SIZE

SAVING

P6

P8

P7

Pe3

EXP

ED

P2

P1

P3

P4

P5

E2

E1

Pe1

Pe2

EARN = E0 +E1 ED + E2 EXP + I1

INCOME = F0

+ F1

ED + F2

EXP + F3

EARNS + I2 SAVING = K0 + K1 EARN + K2 INCOME + K3 SIZE + I3

Diagram Path

Persamaan

LA NGK AH-LA NGK AH A NALISIS PATH

(1)



Langkah kedua : Periksa ASUMSI

A. Hubungan antar variabel : linier (time series tdk bisa) dan aditif B. Model rekursif

C. Variabel endogen minimal dalam skala interval

D. Variabel diukur tanpa kesalahan (instrumen valid dan reliabel)

E. Model dispesifikasikan dengan benar (berdasarkan teori dan konsep)


(2)



Model R ekursif

Y1

Y2

Y3

X1 , X2

I1

I2

I3

Antar Ii saling bebas (independen)

Antara I1, I2, dan I3 dengan X1 dan X2

saling bebas



Langkah kedua: PerhitunganK oefisien Jalur

� Metode perhitungan koefisien jalur terdapat tiga cara:

± Pendekatan matriks korelasi; bila model tidak berjenjang (p = R x -1 Ry ) ± K oefisien regresi dilanjutkan dengan suatu perhitungan matematik { pi =

bi (S xi / S y )}

± K oefisien regresi standardize

� Pada tulisan ini dipilih metode yang terakhir, yaitu regresi standardize,hal ini mengingat metode ini yang dipandang paling sederhana.

� Di samping itu, perhitungan goodness of fit berupa K oefisienDeterminasi Total dapat dilakukan secara sederhana, dan pelaksanaanTheory Triming dapat dilakukan dengan mudah.


(3)



± Perhitungan koefisien path: Regresi Standardize

� Untuk anak panah bolak-balik m, koefisiennya merupakan

koefisien korelasi, r dihitung seperti biasanya)� Untuk anak panah satu arahp digunakan perhitungan regresi

variabel dibakukan, secara parsiil pada masing-masing

persamaan. Metode yang digunakan adalah OLS, yaitu metode

kuadrat terkecil biasa. Hal ini dapat dilakukan mengingat

modelnya rekursif. Dari perhitungan ini diperoleh koefisien path pengaruh langsung.


(3)



� K oefisien tersebut diambil dari Standardize Coeficients Beta, dandalam hal ini berlaku sebagai berikut :

± dengan merubah setiap data pengamatan ke dalam data standardize,maka semua unit satuan dari setiap variabel adalah hilang (Z tidak mempunyai satuan) dan skalanya juga menjadi seragam ( ±3,5 s/d+3,5, seberapapun nilai minimal dan maksimal dari data asli).

± Di dalam model regresi dengan variabel dibakukan, dapat dilihat bahwa konstanta (intercept) tidak ada ( = 0 ), secara teoritis memangdemikian. Besarnya sokongan pengaruh setiap variabel X terhadap Yadalah kuadrat dari koefisien regresi variabel standardize.

x1

_

1i1

1

_

S

XX ,

!

! Z

S

y y Z

y

i

yi


(3)



Perhitungan koefisien pada gambar :

- pengaruh langsung EARN ke SAVING = P 6

- pengaruh tidak langsung ED ke SAVING melalui EARN = P 1 x P 6

- pengaruh tidak langsung ED ke SAVING melalui INCOME = P 3 x P 7

- pengaruh total : penjumlahan pengaruh langsung dan seluruh pengaruh tdk langsung


(3)



Unstan ardizedoeff icients

Standardizedoeff icientsModel

Var iable

B Std. Err or Beta

t Sig.

(Constant) - . . - . .ED . . . . .EX . . . . .

Model R RSquar e

AdjustedRSquar e

Std. Err or of t eEstimate

1 . . . .

Dependent Variable: EARN

Model R RSquar e

AdjustedRSquar e

Std. Err or of t eEstimate

1 . . . 13 3.

Dependent Variable: SAVING

Dependent Variable: INCOME

Unstandardized

oeff icientsModel Var iable

B Std. Err or

Standardized

oeff icientsBeta

t Sig.

1 ( onstant) - . 3. 3 -1. .ED .392 .209 .226 1. 1 .068EX .216 .076 .301 2.842 .007

E AR .869 .108 .768 8.022 .000

Model R R

Squar e

Adjusted

RSquar e

Std. Err or of t e

Estimate

1 .685 .469 .430 1.9299

Unstandardized

oeff icientsModel Var iable

B Std. Err or

Standardized

oeff icientsBeta

t Sig.

1 ( onstant) -.707 1.009 -.701 .487E AR .317 .097 .669 3.279 .002

I ME 9.137E-03 .085 .022 .108 .915

SI E -4.001E-02 .189 -.024 -.212 .833


(3)



EARNS

E3

INCOME

SIZE

SAVING

0.669

-0.024

0.022

0.729

EXP

ED

0.21

0.64

0.23

0.30

0.77

E1

E2

0.518

0.844


(3)



Langkah keempat : pemeriksaan validitas model

Koefisien Determinasi T otal :

= 1 ± (0.844)2 (0.518)2 (0.729)2

= 0.8984

Model dapat menjelaskan 89.84 % informasi yang terkandung dalam data

atau kontribusi pengaruh variabel-variabel exogen (endogen) terhadap

variabel endogen (lainnya) sebesar 89.84 %, sedangkan sisanya 10.16 %

dipengaruhi oleh variabel lain di luar model dan error

2

ep2

2e2

1e2

m P ... P P 1!

2 R

Theory triming

U ji validasi koefisien path pada setiap jalur untuk pengaruh langsung : nilai p

dari uji t, yaitu pengujian koefisien regresi variabel dibakukan secara parsiil.


(4)



EARNS

INCOME

SIZE

SAVING

0.669

(0.002)

-0.024

(0.833)

0.022

(0.915)EXP

ED

0.21

(0.222)

0.64

(0.000)

0.23

(0.068)

0.30

(0.007)

0.77

(0.000)


(4)



Theory triming

EARNS

INCOME

SAVING

0.669

(0.002)

EXP

ED

0.64

(0.000)

0.23

(0.068)

0.30(0.007)

0.77

(0.000)


(4)



Langkah kelima : interpretasi hasil analisis

Validitas model

K oefisien determinasi total : informasi yang dapat dijelaskan oleh

model sebesar 89.84 %. Angka ini cukup besar, sehingga model

layak digunakan dan dapat dilakukan interpretasi lebih lanjut.Pengujian lintasan pengaruh: theory triming

Buang jalur yang nonsignifikan, sehingga dengan mudah diketahui jalur-

jalur yang signifikan

Salah satu lintasan pengaruh yang signifikan: ED ke SAVING

melalui EARN; koefisien jalur pengaruh tidak langsung:

ED EARN SAVING = 0.64 x 0.667 = 0.43 ( positif ; signifikan )

Regresi ( ED SAVING) = ± 0.19 ED ( negatif ; nonsignifikan )

Secara teoritis mana yang sesuai?


(5)



K ontribusi Pengaruh:

K ontribusi Relatif: koefisien pengaruh langsung dikuadratkan

K ontribusi relatif pengaruh ED thdp ER A NS = (0,64)2 = 0,4096

= 40,96 %

K ontribusi Mutlak = koefisien pengeruh total dikuadratkan

Pengaruh Dominan : hitung koefisien pengaruh total dari setiap

variabel yang mempunyai pengaruh kausal (signifikan) kevariabel endogen

Variabel dengan koefisien pengaruh total terbesar adalah yang

berpengaruh DOMINA N


(5)

path analysis

Documents