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.
- 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.
- 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.
- 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.
- 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.
wah, ternyata bg Randy punya blog juga, semanga menulis ...
BalasHapusoy, visit blog RN juga ya .. :)