Daya Beli Menurun? Biarkan Data yang berbicara.

Pertumbuhan ekonomi suatu wilayah dapat menunjukkan perkembangan pembangunan yang telah terjadi di wilayah tersebut. Berbagai faktor dapat memengaruhi pertumbuhan ekonomi, salah satunya adalah daya beli masyarakat yang mempunyai pengaruh langsung terhadap berbagai indikator yang menjadi tolak ukur perekonomian suatu wilayah.

Isu daya beli masyarakat menurun sedang marak-maraknya saat ini. hal ini sesuai dengan pernyataan dari tim ahli Asosiasi Pengusaha Indonesia (APINDO), secara riil, ada indikasi pelemahan daya beli. Sejalan dengan pernyataan tersebut, Menteri Keuangan menyatakan Melemahnya daya beli terlihat dari rendahnya laju inflasi. Banyaknya pengusaha-pengusaha yang mengeluhkan kondisi saat ini membuat kondisi investasi di Indonesia tidak stabil karena penerapan wait and see dari para investor.

Pentingnya menjaga daya beli merupakan fokus dari pemerintah saat ini agar pertumbuhan ekonomi tetap stabil dan kesejahteraan dari produsen maupun konsumen terjaga. Hal ini tidak lepas juga dari fokus pemerintah Sulawesi Utara dalam Mewujudkan Misi yaitu pemerataan kesejahteraan masyarakat yang tinggi, maju dan mandiri dan meningkatkan daya saing.

Apakah daya beli masyarakat Sulawesi Utara menurun? Dengan motto, “lebih baik kalah nasi daripada kalah aksi” , hal ini diragukan terjadi. Fakta atau Isu?

Indeks Pembangunan Manusia (IPM) penduduk Sulawesi Utara berada di level tinggi secara nasional dengan nilai 71,05, hal ini tidak lepas dari indikator daya beli masyarakat Sulawesi Utara sebagai salah satu faktor pembentuk Nilai IPM. Nilai Indikator Pengeluaran Daya Beli Paritas mengalami peningkatan dari tahun 2015 ke 2016 dengan nilai 9,7 menjadi 10,148. IPM Sulawesi Utara konsisten di level tinggi selama 2 tahun terakhir menunjukkan daya beli masyarakat terjaga stabil.

Hanya itu saja fakta yang terjadi? Konsumsi Makanan dan Non Makanan Propinsi Sulawesi Utara yang didapatkan dari Data BPS menunjukkan pertumbuhan Konsumsi dari tahun 2015 ke 2016 yaitu sebesar 16,7%. Hal ini sejalan dengan kontribusi dari Konsumsi Rumah Tangga terhadap PDRB Pengeluaran yaitu sebesar 45,33 % pada tahun 2016. Hal ini menunjukkan pengeluaran atau konsumsi masyarakat tetap tinggi bahkan meningkat dan mempunyai andil penting dalam perekonomian Sulawesi Utara.

Fakta menunjukkan Kenyataan, Data menunjukkan Fakta, So, Propinsi Sulawesi Utara tidak perlu kuatir dengan isu melemahnya daya beli masyarakat karena Data Sudah berbicara.

SELAMAT HARI STATISTIK NASIONAL 26 SEPTEMBER 2016

DATA MENCERDASKAN BANGSA

Slogan yang tak asing di kalangan instansi yang selalu bergelut dengan data.  Slogan tersebut akan selalu ada di setiap sudut lingkup kerja para statistisi. keyword yang mungkin langsung menyita perhatian dari pembaca yaitu data dan cerdas.  Penulis akan menjelaskan apa itu data dan hubungannya dengan cerdas dengan gaya khas penulis dan jika khilaf, mohon saran dan kritik yang membangun :) . 

Data, empat huruf yang terkadang terlupakan dalam kehidupan sehari-hari tetapi mempunyai peran penting dalam kehidupan kita. Data merupakan catatan atas kumpulan fakta hasil pengukuran atau pengamatan suatu variabel yang bentuknya dapat berupa angka, kata-kata, atau citra dan dapat diterima secara apa adanya (wikipedia). Sedangkan menurut Kamus Besar Bahasa Indonesia (KBBI), data adalah keterangan yang benar dam nyata dan dapat dijadikan dasar kajian (analisis atau kesimpulan). Arikunto berpendapat, Data merupakan fakta dan angka-angka yang dapat dijadikan bahan sebagai penyusun sebuah informasi.

Dan masih banyak lagi definisi dari Data menurut para ahli. Yah, walaupun penulis bukan ahli, tetapi penulis mencoba merangkai kata demi kata dari arti data menurut hati sanubari penulis sendiri walaupun hati penulis tidak berada di dalam tulisan ini karena lagi menunggu buah hati :P. 

Data adalah fakta apa yang telah terjadi, sedang terjadi, dan akan terjadi. Data mempunyai peran dalam kehidupan sehari-hari seperti halnya dalam penentuan sikap/kebijakan.

Contoh seriusnya gini, jumlah penduduk. Hal tersebut merupakan data, kenapa disebut dengan data, karena jumlah penduduk merupakan fakta dari keadaan yang sedang terjadi jika kita merujuk terhadap waktu atau keadaan sekarang. Time reference (waktu referensi) juga bisa diubah misal jumlah penduduk setahun yang lalu, merupakan fakta yang telah terjadi tahun lalu dan jumlah penduduk 5 tahun yang akan datang, merupakan fakta yang akan terjadi 5 tahun yang akan datang. WOW, data bisa meramal apa yang akan terjadi? Yupz, tentu bisa, dengan metode-metode yang sesuai tentunya. 

Nah, sekarang contoh gampangnya, yang mungkin mengikuti gaya anak muda sesuai dengan jiwa penulis ^,^.  Anda mempunyai uang Rp. 100.000 di dompet, dan anda ingin mentraktir makan pasangan anda, ternyata setelah melihat menu makanan di suatu restoran, harga 1 porsi saja melebihi budget anggaran yang ada di dompet. Apa yang akan anda lakukan? Meminta diskon kepada penjual? Memalak pasangan anda? Atau Pura-pura lupa ingatan? Yupz, jawabannya tidak usah diperhitungkan karena yang ingin penulis tekankan adalah anda baru saja menggunakan data dalam penentuan sikap. Anda mempunyai data bahwa faktanya anda mempunyai uang Rp. 100.000 , dan data menu harga makanan. Fakta yang telah terjadi dan sedang terjadi anda hanya mempunyai uang Rp. 100.000, dan fakta yang akan terjadi, anda tidak bisa membayar harga makanan 1 porsi dengan budget yang ada sekarang. Secara tidak langsung, data tersebut akan memengaruhi sikap kita kedepan. 

Data bisa berupa apapun bentuknya, bisa berupa angka seperti contoh yang sudah digambarkan diatas, dan bisa berupa kata-kata seperti, I Love You My Wife. Yupz,Itu adalah data bagi orang yang lagi mabuk cinta :P.  Contoh yang baru saja disebutkan merupakan contoh kecil dari berbagai jenis data. Data bisa ada dimana saja, tengok depan, ada data, tengok belakang pun ada data, tinggal tergantung pemanfaatan data tersebut untuk apa dan ketepatan sasaran guna meningkatkan dampak positifnya.

Lalu hubungan dengan mencerdaskan bangsa apa?

Seperti yang sudah dijelaskan, data merupakan fakta, dengan mengetahui fakta tersebut kita bisa mengetahui langkah apa yang harus kita tentukan. Langkah yang kita ambil juga akan semakin terarah dan mempunyai dampak positif bagi kita sendiri. Itu merupakan lingkup kecil dimana dampaknya hanya ke masing-masing individu. Bayangkan jika lingkupnya besar, bahkan nasional. Dengan data yang akurat, dengan fakta yang tepat, pemangku kebijakan akan bisa mengambil suatu kebijakan yang nantinya akan berdampak positif bagi khalayak banyak. Satu kebijakan yang tepat sasaran dari suatu data, akan bermanfaat bagi bangsa dan negara ini. Secara tidak langsung bangsa tersebut akan naik derajatnya dan bisa dikatakan dengan bangsa yang cerdas karena bertindak berdasarkan data, bukan berdasarkan feeling atau perasaan semata yang terkadang perasaan pun bisa terombang-ambing seperti kapal yang sedang berlayar dan ditengah laut, mesinnya mati, Pusing dah terombang-ambing ombak, haha... 

Contoh nyatanya, dengan mengetahui jumlah penduduk suatu wilayah, maka kebijakan terkait dana alokasi umum bisa diperkirakan nilainya, kebijakan terkait bantuan bisa tepat sasaran tanpa adanya pemborosan maupun kekurangan, dan lebih hebatnya lagi, dengan mengetahui jumlah penduduk sekarang, maka bisa diprediksi jumlah penduduk satu tahun, dua tahun bahkan lima tahun yang akan datang. Bandingkan dengan kebijakan yang diambil jika berdasarkan kasat mata, berdasarkan perasaan, nilai DAU dasarnya apa? Perkiraan jumlah bantuan berapa? Tidak mungkin semua nilai tersebut tiba-tiba turun dari langit. 

Hebat bukan arti dan peran dari suatu data? Yupz, Data Mencerdaskan Bangsa.

SELAMAT HARI STATISTIK NASIONAL 26 SEPTEMBER 2016

lebih dalam mengenai Path Analysis (part 2)

Analisis Jalur

Pada tulisan saya sebelumnya “Mengenal lebih dekat dengan Path Analysis” ,saya menjelaskan mengenai variabel yang digunakan, diagram jalur, persamaan struktural serta asumsi-asumsi  yang digunakan. Kali ini saya akan mencoba menjelaskan lebih dalam lagi mengenai analisis jalur. Penjelasan mengenai jalur akan lebih terasa jika dilengkapi dengan bagannya. Maka saya ilustrasikan secara sederhana diagram jalur dibawah ini.

Diagram jalur tersebut dibentuk berdasarkan teori-teori/penelitian terdahulu. Dari diagram tersebut bisa dibentuk persamaan struktural yang terdiri dari koefisien jalur. Persamaan struktural yang terbentuk adalah sebagai berikut.

Dimana Px1y1 adalah koefisien jalur variabel X1 ke variabel Y1 dan seterusnya. Koefisien jalur yang terbentuk tergantung berapa banyak variabel eksogen yang ada dalam model dalam mempengaruhi variabel endogen. Koefisien jalur digunakan untuk menjelaskan besarnya pengaruh variabel eksogen terhadap variabel endogen. Selain itu dari Koefisien jalur juga berfungsi untuk mengukur jalur yang paling berpengaruh (pengaruhnya signifikan)  dari variabel penyebab (eksogen) kepada variabel akibat (endogen). Oleh karena itu,  koefisien jalur ini harus diuji baik secara simultan (dengan uji F) maupun secara parsial (dengan uji t-student). Koefisien jalur yang tidak signifikan artinya arah/jalur tersebut tidak mempunyai arti yang penting.

Koefisien jalur ini merupakan koefisien regresi baku, sehingga untuk mendapatkan koefisien jalur, variabel-variabel tersebut harus dibakukan (standarisasi). Kenapa perlu distandarisasi? Hal ini tidak lepas dari tujuan utama standarisasi,  yaitu menghilangkan pengaruh perbedaan satuan dalam variabel sehingga variabel tersebut mempunyai satuan nilai yang sama.  Misalkan variabel prestasi belajar dan sikap orang tua,  satuan antara kedua variabel tersebut berbeda sehingga sulit untuk melakukan penghitungan/operasi dari kedua variabel tersebut maka solusinya adalah standarisasi. Selain itu, standarisasi bertujuan juga untuk menghilangkan multikolinearitas. Seperti yang kita ketahui, variabel-variabel dalam analisis jalur saling terkait satu sama lain sehingga agar dampak negative dari multikolinearitas  (ada dalam tulisan sebelumnya) bisa diminimalisir. 

Kembali ke persamaan struktural yang terbentuk. Apateman- teman melihat kesamaan dan perbedaan dari persamaan/model yang ada dalam analisis jalur dan analisis regresi? Dalam model analisis regresi, terdapat Intercept dan error nya, sedangkan dalam model analisis jalur, tidak terdapat intercept, yang ada hanyalah slope dan errornya. Dalam persamaan struktural/model jalur diatas, saya tidak menyertakan errornya karena error dalam jalur mempunyai arti yang berbeda dengan error dalam regresi. Error dalam regresi artinya selisih dari nilai observasi dengan nilai dari hasil estimasi kita, sedangkan error  dalam jalur artinya besar pengaruh variabel diluar model. Setiap variabel endogen mempunyai koefisien error yang nilainya bisa didapatkan dari akar dari selisih 1 dikurang koefisien determinasinya endogen tersebut. Dalam analisis jalur, interceptnya hilang karena variabel-variabel tersebut distandarisasikan (penjelasan secara statistiknya harus secara langsung, makanya saya agak susah jelasinnya di dalam tulisan ini, hehe). 

Setelah penjelasan singkat mengenai komponen-komponen, saya akan menjelaskan tahapan mengerjakan analisis jalur.

1. Setelah menyusun diagram jalur berdasarkan teori-teori, susun persamaan strukturalnya dan rumuskan hipotesis per persamaan strukturalnya. Jika terdapat dua persamaan struktural, maka pengujian hipotesis dan koefisien jalurnyadilakukan dua kali.
2. Menghitung koefisien jalur dari persamaan struktural yang telah dibentuk. Jika menggunakan LISREL atau AMOS, menghitung koefisien jalur dan pengujian hipotesisnya cukup sekali RUN maka akan keluar hasilnya baik koefisien maupun tingkat signifikansinya. Jika menggunakan SPSS, maka untuk mendapatkan koefisien jalur dan tingkat signifikansinya harus melihatnya per persamaan strukturalnya yang dihitung dan diujikan. Caranya seperti mengujikan analisis regresi berganda yang dilakukan berkali-kali tergantung banyaknya variabel endogen. Data yang digunakan minimal skala interval.
   
   
3. Menguji koefisien jalur secara simultan.  Pengujian hipotesis ini menggunakan uji F. jika tolak H0 maka sekurang-kurangnya terdapat satu variabel eksogen yang memengaruhi secara signifikan variabel endogen. Jika menggunakan SPSS, bisa dilihat dari table Anova apakah tolak H0 atau tidak.
4. Jika tolak H0, maka kita bisa melanjutkan pengujian hipotesis secara parsial dengan menggunakan uji t-student untuk mencari tahu variabel eksogen mana yang berpengaruh signifikan terhadap variabel endogen (jalur yang signifikan). Dengan SPSS, bisa melihat di tabel coefficient variabel eksogen yang mana yang berpengaruh signifikan terhadap variabel endogen.

[Jika kita menggunakan LISREL, akan lebih mudah untuk menganalisisnya karena hasilnya langsung keluar. Tetapi kita tidak akan mengerti jalan cerita kita mendapatkan jalur yang signifikan tersebut, oleh karena itu, penjelasan tahapan diatas merupakan singkat ceritanya].

  

5. Setelah mendapatkan koefisien yang signifikan atau jalur yang signifikan. Kita susun kembali diagram jalur dimanajalur-jalur yang tidak signifikan dihilangkan dari diagram jalur yang baru. 

6. Hitung koefisien jalurnya dan ujikan kembali seperti tahapan 2, 3, dan 4. Pengujian kelayakan model dilakukan setiap diagram baru dibentuk. Perlu diinget, setiap diagram baru terbentuk diujikan kelayakan modelnya, bukan persamaan struktural. Karena pengujian kelayakan model untuk model jalur secara keseluruhan.

7. Tahapan 5 dan 6 dilakukan terus sampai semua jalur yang ada dalam model telah signifikan atau uji kelayakan modelnya telah menunjukkan hasil yang layak atau FIT. Tahapan ini biasanya untuk mendapatkan model trimming. Model trimming adalah model yang semua koefisien jalurnya telah signifikan / kelayakan modelnya FIT.

    8. Setelah mendapatkan model yang FIT. Kita bentuk model dekomposisinya (merangkum hasilnya). Model dekomposisi adalah model yang merangkum pengaruh langsung dan pengaruh tidak langsung serta pengaruh total dari diagram jalur yang ada. Semua rangkuman dituangkan dalam table dekomposisi. Saya mendapatkan referensi bahwa dalam model dekomposisi tidak harus dilakukan penghitungan dan pengujian koefisien jalur berkali-kali sampai semua signifikan, akan tetapi lebih baik jika model dekomposisi yang terbentuk berasal dari diagram jalur yang semua koefisienj alurnya signifikan atau kelayakan modelnya telah FIT. Kita berpatokan kembali ketujuan awal analisis jalur, yaitu mencari jalur yang signifikan. Kesimpulannya, lakukan model trimming terlebih dahulu sebelum membentuk model dekomposisi agar hasil dari analisisj alur mempunyai arti.

     Langkah terakhir adalah Intepretasikan pengaruh langsung, tidak langsung, dan pengaruh total, tingkat signifikansinya, dan kelayakan model dari model yang terbentuk. Buat kesimpulan dari hasil yang didapatkan.

Tahapan-tahapan diatas selain menjelaskan bagaimana proses analisis jalur, sekaligus menjelaskan model dekomposisi dan model trimming yang ada dalam analisis jalur. Sederhananya, model dekomposisi adalah model yang menekankan pada pengaruh yang bersifat kausalitas antar variabel, yaitu pengaruh langsung, tidak langsung, dan total dalam diagram jalur. Sedangkan model trimming adalah model yang digunakan untuk memperbaiki suatu model structural analisis jalur dengan cara mengeluarkan koefisien jalur yang tidak signifikan dari model dan diujikan berulang-ulang sampai modelnya baik.

Perbedaan Path Analysis dengan Structural Equation Model?

Kedua analisis ini sejenis tapi tak sama. Anggap aja satu keluarga tapi beda bapak atau ibu. Ngaco,hehe… kedua analisis ini sama-sama menekankan terhadap model struktural. Hanya proses analisis dan komponen-komponennya agak berbeda. Analisis jalur lebih sederhana dari SEM. Saya akan jelaskan perbedaan yang sangat sederhana dan mendasar yang ada dalam SEM dan Path Analysis.

Dalam SEM terdapat variabel laten dan manifest. Variabel laten adalah variabel yang tidak bisa teramati nilainya secara langsung, membutuhkan variabel indikator untuk membentuk nilai dari variabel ini. Sedangkan variabel manifest adalah variabel yang nilainya bisa diamati atau dibentuk secara langsung tanpa membutuhkan variabel indikator yang lain. Nilai dari variabel manifest biasanya bisa didapatkan langsung dari kuesioner dan dari satu variabel manifest atau lebih bisa digunakan untuk membentuk variabel laten.  

Sedangkan dalam Analisis Jalur, variabel yang ada adalah variabel endogen dan eksogen. Kedua variabel ini dimata SEM hanyalah merupakan variabel manifest/observed variabel. Variabel endogen dan eksogen yang digunakan dalam jalur biasanya langsung didapatkan dengan menggunakan kuesioner ataupun data sekunder yang berskala minimal interval. Jadi sesuai konsepnya, variabel endogen dan eksogen ini bisa diamati secara langsung. 

Perbedaan yang lain dalam proses analisisnya. Dalam analisis jalur, konsep analisis yang ada berdasarkan pada analisis regresi sedangkan dalam SEM, gabungan dari analisis faktor dan regresi. Selain perbedaan tersebut, masih banyak perbedaan yang lain. Semoga dengan penjelasan sederhana mengenai perbedaan SEM dan Path diatas  bisa membantu teman-teman dalam mendefinisikan variabel dan menentukan analisis mana yang mau digunakan sesuai dengan tujuan penelitian.

Mengenal lebih dekat dengan Path Analysis (part 1)

Mengenal lebih dekat dengan Path Analysis

Saya tertarik untuk menulis gambaran sederhana mengenai path analysis atau lebih akrab dengan sebutan analisis jalur karena analisis ini banyak digunakan untuk pembuatan skripsi atau penelitian adek-adek tingkat. Mungkin aja sedikit membantu, hehe.

Analisis jalur ini merupakan perluasan dari analisis regresi berganda sehingga banyak kesamaan-kesamaan diantara kedua analisis ini. Tujuan utama dari analisis jalur adalah mempelajari pengaruh langsung maupun tak langsung serta pengaruh total dari suatu variabel eksogen ke variabel endogen yang lain dan mencari jalur yang paling berpengaruh/signifikan dalam mempengaruhi variabel endogen. Sebelumnya pada tahu belum perbedaan variabel endogen dan eksogen? Hubungannya dengan variabel independen dan dependen? Kita perlu mengetahui konsep dari variabel endogen dan eksogen karena variabel ini yang sering kita gunakan istilahnya jika menggunakan analisis jalur.

Pertama-tama, kita definisikan dulu variabel dependen dan independen. Variabel dependen/terikat ini adalah variabel yang nilainya ditentukan/dipengaruhi oleh variabel independen/bebas dalam model. Sedangkan variabel independen/bebas ini nilainya tidak dipengaruhi oleh variabel yang lain dalam model. Hubungannya dengan eksogen dan endogen? Variabel eksogen ini konsepnya sama dengan variabel independen, variabel eksogen tidak dipengaruhi tetapi bertugas mempengaruhi variabel lain dalam model yang disebut variabel endogen. Jadi konsep variabel endogen adalah variabel yang dipengaruhi oleh variabel lain dalam model. Dalam analisis jalur, variabel eksogen bisa menjadi variabel endogen ataupun variabel endogen bisa menjadi eksogen. Contoh sederhannya bisa dilihat dari diagram dibawah ini.

Dari diagram jalur sederhana diatas, dapat dilihat variabel endogen adalah X3 dan X4 karena variabel tersebut dipengaruhi oleh variabel eksogen X1 dan X2. Sekarang kita liat per persamaan strukturalnya. Dalam diagram jalur tersebut dapat dibentuk 2 persamaan struktural, yang pertama persamaan dengan X4 sebagai variabel endogen dan X1, X2, X3 sebagai variabel eksogen. Dan persamaan struktural kedua dengan X3 sebagai variabel endogen dan X1, X2  sebagai variabel eksogen. Bisa dilihat bahwa X3 bisa menjadi variabel endogen ataupun eksogen tergantung kondisi persamaan strukturalnya.  Jadi sebelum kita mengolah data, kita harus tentukan dulu diagram jalur, persamaan strukturalnya dan variabel endogen eksogennya. Semua pembentukan tersebut membutuhkan dasar yang kuat, seperti teori-teori, penelitian terdahulu, maupun hasil pengujian para ahli.

Ada berbagai referensi yang menyatakan asumsi-asumsi yang harus dipenuhi dalam menggunakan analisis jalur. Saya akan merangkumnya menjadi satu. Asumsi-asumsi yang saya jelaskan adalah asumsi-asumsi umum yang sering digunakan dalam berbagai referensi.

• Hubungannya bersifat liner dan satu arah, tidak bolak balik.

• Variabel endogen minimal dalam skala interval. (jika menggunakan kuesioner dengan skala likert, penjelasan untuk mendapatkan data skala interval bisa dilihat dalam tulisan “memahami skala likert”)

• Menggunakan probability sampling

• Variabel diukur tanpa kesalahan, maksudnya adalah menguji variabel tersebut dengan uji validitas dan reliabilitas.

• Model jalur yang dibuat berdasarkan teori-teori dan landasan yang kuat dan telah dikaji.

Kelima asumsi tersebut ada dari referensi yang saya baca, tetapi ada juga asumsi yang menurut saya penting tetapi tidak semua referensi menggunakannya. Misalkan asumsi regresi klasik. Kenapa penting? Seperti yang kita ketahui, analisis jalur ini perluasan dari analisis regresi berganda. Jadi asumsi regresi klasik harusnya dipenuhi. Saya akan membahasnya satu-persatu.

• Non Multikolinearitas, dalam jalur diusahakan kecil korelasi antara variabel eksogen. Hal ini akan berpengaruh terhadap ujinya nanti. Dengan nilai multikolinearitas yang tinggi, maka uji F dan uji t-student yang digunakan dalam uji hipotesis tidak layak lagi untuk digunakan. Bisa saja uji F nya tolak H0 (signifikan), yang artinya minimal ada satu variabel eksogen yang signifikan berpengaruh terhadap variabel endogen. Nyatanya dengan adanya multikolinearitas, uji t-studentnya semua variabel eksogen terhadap variabel endogen tidak tolak H0 (tidak signifikan), artinya tidak ada variabel eksogen yang berpengaruh terhadap variabel endogen. Selain itu, perbedaan tanda antara koefisien jalur dengan korelasi bisa saja terjadi karena multikolinearitas yang tinggi. Untuk mendeteksi adanya multikolinearitas bisa dilihat dari VIF (VIF>5 artinya adanya multikolinearitas) dan bisa juga dilihat dari koefisien determinasi yang sangat tinggi / mendekati sempurna. Pengujian multikolinearitas ini dilakukan setiap persamaan strukturalnya karena uji F dan uji t-studentnya dilihat per persamaan strukturalnya.

• Non-autokorelasi, diusahakan korelasi antara erorrnya tidak ada. Ini akan berdampak terhadap penduga yang dihasilkan. Penduga yang akan dihasilkan tidak memenuhi syarat BEST lagi dari syarat penduga yang baik, BLUE. Varians dari estimator akan underestimate sehingga uji F dan uji t-student nya akan sulit dipastikan kevalidannya (sulit dipercaya). Autokorelasi bisa dideteksi dengan uji durbi-watson. Sama seperti multikolinearitas, autokorelasi juga diujikan per persamaan strukturalnya.

• Homoskedastisitas, dalam analisis jalur diusahakan variansnya sama dari error nya. Dampak dari heteroskedastisitas adalah varians minimum sulit untuk ditetapkan sehingga syarat penduga yang baik dari BLUE, yaitu BEST tidak bisa dipenuhi dan akan berdampak terhadap uji F dan t-studentnya. Cara mendeteksi nya dengan scatter plot atau uji park. Pengujian homoskedastisitas dilakukan per persamaan struktural.

• Normalitas, untuk mendapatkan penduga/estimatornya harus memenuhi syarat normalitas, jadi jika syarat ini tidak terpenuhi maka penduganya tidak bisa didapatkan. Selain itu, untuk uji hipotesis simultan dan parsialnya, menggunakan uji F dan t-student yang berasal dari keluarga distribusi normal. Jadi agar uji hipotesisnya layak untuk digunakan maka normalitas harus dipenuhi. Pengujiannya juga dilakukan per persamaan strukturalnya.

Jika dilihat secara keseluruhan, uji asumsi klasik ini mempunyai pengaruh terhadap penduga dan uji hipotesisnya. Dalam analisis jalur, penduga nya itu merupakan koefisien jalur atau Beta (β) dalam tabel anova dan untuk menguji jalur yang signifikan (pengaruh yang signifikan) menggunakan uji F dan t-student, sehingga menurut saya asumsi regresi klasik sangat penting untuk pengujian menggunakan analisis jalur. Asumsi-asumsi ini saya kaitkan antara analisis jalur dengan dasar-dasar dalam analisis regresi sehingga penjelasan diatas merupakan penjelasan secara statistik. Jadi untuk penelitian yang menggunakan analisis jalur, sebaiknya mencari referensi dan literatur sebanyak-banyaknya mengenai asumsi-asumsi yang dibutuhkan dalam analisis jalur agar mempunyai dasar yang kuat secara teori dan statistik. 

Mungkin itu dulu penjelasan singkat mengenai analisis jalur. Ini mungkin baru kulitnya analisis jalur. Di tulisan berikutnya saya akan menjelaskan tentang dalamnya jalur itu bagaimana, perbedaan jalur dengan SEM (structural equation model), cara pengolahan dan intepretasi. Mohon maaf jika ada kekeliruan dan Semoga bermanfaat.

Masa Depan Pria Yang Harus Dijaga

Masa Depan Pria Yang Harus Dijaga

Impotensi atau disfungsi ereksi, suatu istilah yang belum populer di masyarakat sekarang, mungkin istilah yang sering didengar oleh banyak orang adalah impoten. Impoten ini merupakan gangguan seksual yang sangat ditakuti oleh para kaum adam. Karena gangguan seksual ini sangat berpengaruh terhadap hubungan antara suami istri, yaitu hubungan seksual. Jika hubungan seksual antara suami istri tidak berjalan lancar, maka bisa saja terjadi ketidakharmonisan antara suami istri tersebut, dan keutuhan keluarga terancam. 

Gangguan seksual impoten ini walaupun merupakan momok yang ditakuti oleh para pria, tapi sayangnya masih saja banyak cuek ato tidak perduli dengan gangguan seksual ini, setelah terkena impoten, baru perduli dan kalang kabut bingung bagaimana mengobatinya. Seharusnya impoten ini harus dicegah dari awal sewaktu kondisi dan fungsi organ reproduksi masih normal, oleh karena itu, kita harus mengetahui apa itu sebenarnya itu impoten atau disfungsi ereksi ini, apa penyebabnya dan bagaimana cara mencegahnya, mengingat organ reproduksi yang terkena impoten merupakan masa depan dan harta bagi para pria.

Impoten adalah suatu gangguan seksual yang ditandai dengan gejala ketidakmampuan penderita dalam memulai mempertahankan tingkat ereksi penis untuk berlangsungnya hubungan seksual suami istri. Bisa dikatakan pria yang terkena impoten lemah syahwatnya. Pria yang terkena impotensi tidak dapat mempertahankan penis dari awal kegiatan hubungan seks suami istri sampai selesai sehingga sang istri pun tidak puas dengan keadaan ini. Sangat menyedihkan bagi pria jika terkena penyakit ini, sudah tidak bisa berhubungan seksual secara wajar, pasangan tidak puas sehingga secara psikis dan mental mengganggu, dan tidak jarang juga karena keadaan ini penyebab hancurnya perkawinan.

Ciri-ciri dari penyakit impotensi ini , penis tidak dapat mengeluarkan potensinya atau kemampuan terbaiknya dalam berereksi, walaupun ada rangsangan dari pasangan. Sedangkan proses ereksi pada penis adalah pemompaan darah menuju rongga-rongga penis oleh jantung. Maka gambarannya adalah seperti pompa air dirumah kita. Semakin kuat tekanan pompa air, maka selang akan semakin mengeras, begitu juga dengan penis para pria, jika pemompaan darah oleh jantung dapat bekerja dengan baik, ereksi pun akan terjadi dengan baik. 

Pada umumnya, penyakit impoten ini terjadi pada orang-orang lanjut usia. Sekitar 50% pria berusia 65 tahun dan 75% pria berusia 80 tahun mengalami impoten. semakin bertambah umur seorang pria, maka impoten semakin sering terjadi, meskipun impoten bukan merupakan bagian dari proses penuaan tetapi merupakan akibat dari penyakit yang sering ditemukan pada usia lanjut. Hal ini dikarenakan dengan semakin bertambah usia , sel-sel dalam tubuh akan semakin lambat laun dalam proses kerjanya, sehingga kerja jantung tidak bias secepat dan seoptimal masih muda dalam memompa darah menuju rongga-rongga penis. Selain itu, karena pada saat lanjut usia, pada umumnya sudah sering terkena berbagai penyakit, sehingga berpengaruh juga terhadap kerja organ-organ tubuh.

Penyakit impoten juga bisa menyerang para pria muda, hal ini dikarenakan faktor-faktor psikis yang pada umumnya terjadi pada pria-pria muda. Selain terjadi pada usia lanjut dan muda, pada umumya, Ciri-ciri impotensi pada pria banyak terlihat pada penderita diabetes (gula darah),  orang dengan penderita gula darah ibarat orang dengan unsur utama yang rusak. Darah adalah cairan unsur utama pada manusia. Orang dengan penyakit gula darah/diabetes ini adalah orang yang sudah lemah secara fisik.  Secara kasat mata, ciri-ciri dari impoten tidak bisa dilihat.

Secara keseluruhan, penyebab terjadinya gangguan seksual impoten adalah kelainan pembuluh darah, kelainan saraf, obat-obatan yang digunakan, kelainan pada penis, dan masalah psikis yang mempengaruhi gairah seksual. Penis agar bisa tegak, memerlukan aliran darah yang cukup, Karena itu penyakit pembuluh darah, misalnya aterosklerosis, bisa menyebabkan impotensi. Impotensi juga bisa terjadi akibat adanya bekuan darah atau akibat pembedahan pembuluh darah yang menyebabkan terganggunya aliran darah arteri ke penis. Sedangkan kelainan saraf yang bisa menyebabkan impoten adalah kerusakan saraf menuju dan meninggalkan penis, kerusakan ini bisa terjadi karena cedera, stroke, alkohol, obat-obatan, pembedahan rektum atau prostat , dan penyakit tulang belakang. 

Obat-obatan juga mempengaruhi terjadinya impoten, sekitar 25 % kasus impotensi disebabkan karena konsumsi obat-obatan. Antara lain, obat penenang, simetidin, litium, obat anti depresi, anti hipertensi, anti psikosa. Tidak jarang juga, impoten terjadi karena rendahnya kadar hormon testosterone, selain menurunkan gairah seksual tentunya. Sedangkan faktor-faktor masalah psikis yang dapat terjadi adalah depresi, kecemasan, perasaan bersalah, perasaan takut akan keintiman, kebimbangan tentang jenis kelamin dan masalah-masalah pribadi yang dapat mempengaruhi psikis dan mental pria. Selain hal-hal tersebut, kegiatan sehari-hari juga bisa menyebabkan impoten, contohnya saja, kelelahan yang sering dan kontinu, merokok, karena rokok mengurangi aliran darah, sesuai dengan studi yang pernah dilakukan , kecenderungan perokok mengalami impoten sebesar 40% dibandingkan dengan bukan perokok. Minuman beralkohol juga berpotensi menyebabkan impoten. 

Walaupun banyak yang bisa menyebabkan terjadinya impoten, tapi gangguan seksual ini masih bisa dicegah dan diobati. beberapa diantaranya adalah menjalani gaya hidup sehat , saran dokter untuk obat-obatan dan suntikan, menggunakan pompa vakum, operasi pengalihan pembuluh darah dan implantasi Protese Silikon, psikoterapi, pemeriksaan fisik rutin dan secara psikis, teknik pemusatan sensasi. 

Melihat segala aktivitas dalam keseharian yang cenderung bisa menyebabkan impoten, bukan berarti kita pasrah begitu saja dengan keadaan dan nasib nantinya akan terkena atau tidak,baru perduli. Biasakan mulai sekarang perhatikan hal-hal sekecil mungkin yang berpotensi menyebabkan impoten, dan lakukan hal-hal kecil tersebut karena dari hal-hal kecil tersebut akan lahirlah hal-hal yang besar dan menimbulkan masalah nantinya dan semuanya itu kembali ke diri kita sendiri, kesadaran akan hidup sehat.