Model Dalam Analisis Jalur (skripsi dan tesis)

1.Model Persamaan Satu Jalur
Model Persamaan satu jalur merupakan hubungan sebenarnya sama dengan
regresi berganda, yaitu variabel bebas terdiri dari satu variabel dan variabel
tergantungnya hanya satu.
2. Model Persamaan Dua Jalur
Model ini terdiri dari tiga variabel bebas dan mempunyai dua variabel
tergantung.
3. Model Persamaan Tiga Jalur
Model ini terdiri dari tiga variabel bebas, salah satu variabel bebas menjadi
variabel perantara dan mempunyai dua variabel tergantung

Model Hubungan Antar Variabel (skripsi dan tesis)

a. Analisis Jalur Model Trimming
Model Trimming adalah model yang digunakan untuk memperbaiki suatu
model struktur analisis jalur dengan cara mengeluarkan dari model variabel
eksogen yang koefisien jalur diuji secara keseluruhan apabila ternyata ada
variabel yang tidak signifikan. Walaupun ada satu, dua, atau lebih variabel
yang tidak signifikan, perlu memperbaiki model struktur analisis jalur yang
telah dihipotesiskan.
b. Analisis Jalur Model Dekomposisi
Model dekomposisi adalah model yang menekankan pada pengaruh yang
bersifat kausalitas antar variabel, baik pengaruh langsung ataupun tidak
langsung dalam kerangka analisis jalur, sedangkan hubungan yang sifatnya
nonkausalitas atau hubungan korelasional yang terjadi antar variabel eksogen
tidak termasuk dalam perhitungan ini.
Perhitungan menggunakan analisis jalur dengan menggunakan model
dekomposisi pengaruh kausal antar variabel dapat dibedakan menjadi tiga
yaitu:
1. Direct causal effects (Pengaruh Kausal Langsung) adalah pengaruh satu
variabel eksogen terhadap variabel endogen yang terjadi tanpa melalui
variabel endogen lain.
2. Indirect causal effects (Pengaruh Kausal Tidak Langsung) adalah
pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi
melalui variabel endogen lain terdapat dalam satu model kausalitas yang
sedang dianalisis.
3. Total causal effects (Pengaruh Kausal Total) adalah jumlah dari pengaruh
kausal langsung dan pengaruh kausal tidak langsung.
c. Model Regresi Berganda
Model ini merupakan pengembangan regresi berganda dengan menggunakan
dua variabel exogenous, yaitu X1 dan X2 dengan satu variabel endogenous Y.
d. Model Mediasi
Model mediasi atau perantara ialah di mana variabel Y memodifikasi
pengaruh variabel X terhadap variabel Z.
e. Model Kombinasi Regresi Berganda dan Mediasi
Model ini merupakan kombinasi antara model pertama dan kedua, yaitu
variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak
langsung mempengaruhi variabel Z melalui variabel Y. Model digambarkan
sebagai berikut:
Gambar 2.3 Model Kombinasi
f. Model Kompleks
Model ini merupakan model yang lebih kompleks, yaitu variabel X1 secara
langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak langsung
mempengaruhi Y2, sementara variabel Y2 juga dipengaruhi oleh variabel Y1.
g. Model Rekursif dan Non Rekursif

Lambang Dalam Analisis Jalur (skripsi dan tesis)

(1) Dalam Analisis Jalur, kita hanya menggunakan sebuah lambung variabel, yaitu X. Untuk membedakan X yang satu dengan X yang lainnya, kita menggunakan subscript (indeks). Contoh: X1, X2, X3, ..... , Xk. (2) Kita membedakan dua jenis variabel, yaitu variabel variabel yang menjadi pengaruh (exogenous variable), dan variabel yang dipengaruhi (endogenous variable). (3) Lambang hubungan langsung dari eksogen ke endogen adalah panah bermata satu, yang bersifat recursive atau arah hubungan yang tidak berbalik/satu arah. (4) Diagram jalur merupakan diagram atau gambar yang mensyaratkan hubungan terstruktur antar variabel (Harun Al Rasyid, 2005).

Istilah-istilah dalam Analisis Jalur (skripsi dan tesis)

Menurut Sarwono (2007), ada beberapa istilah yang digunakan dalam
analisis jalur yaitu sebagai berikut:
1. Model Jalur
Adalah suatu diagram yang menghubungkan antara variabel bebas, perantara
dan tergantung. Pola hubungannya menggunakan anak panah. Anak panah
tunggal menunjukkan hubungan sebab-akibat antara variabel exogenous
dengan satu variabel tergantung atau lebih. Anak panah-anak panah juga
menghubungkan kesalahan (variabel residue) dengan semua variabel
endogenous masing-masing. Anak panah ganda menunjukkan korelasi antara
pasangan variabel-variabel exogenous.
2. Jalur penyebab untuk suatu variabel yang diberikan
Meliputi pertama, jalur-jalur arah dari anak panah menuju ke variabel tersebut
dan kedua, jalur-jalur korelasi dari semua variabel endogenous yang
dikorelasikan dengan variabel-variabel lain yang mempunyai anak panahanak panah menuju ke variabel yang sudah ada tersebut.
3. Variabel exogenous
Adalah semua variabel yang tidak ada penyebab–penyebab eksplisitnya atau
dalam diagram tidak ada anak-anak panah yang menuju ke arahnya, selain
pada bagian kesalahan pengukuran. Jika antara variabel ini dikorelasikan
maka korelasi ditunjukkan dengan anak panah berkepala dua yang
menghubungkan variabel-variabel tersebut. Variabel ini disebut pula
independen variabel.
4. Variabel endogenous
Adalah variabel yang mempunyai anak panah-anak panah menuju ke arahnya.
Variabel yang termasuk di dalamnya mencakup semua variabel perantara dan
tergantung. Variabel perantara endogenous mempunyai anak panah yang
menuju ke arahnya dan dari arah variabel tersebut dalam suatu model.
Adapun variabel tergantung hanya mempunyai anak panah yang menuju ke
arahnya. Variabel ini disebut pula dependen variabel.
5. Koefisien jalur atau pembobotan jalur
Adalah koefisien regresi standar atau disebut ‘beta’ yang menunjukkan
pengaruh langsung dari suatu variabel bebas terhadap variabel tergantung
dalam suatu model tertentu.
6. Variabel-variabel exogenous yang dikorelasikan
Jika semua variabel exogenous dikorelasikan maka sebagai penanda
hubungannya ialah anak panah dengan dua kepala yang dihubungkan di
antara variabel-variabel dengan koefisien korelasinya.
7. Istilah gangguan
Gangguan atau residue mencerminkan adanya varian yang tidak dapat
diterangkan atau pengaruh dari semua variabel yang tidak terukur ditambah
dengan kesalahan pengukuran.
8. Dekomposisi pengaruh
Koefisien-koefisien jalur dapat digunakan untuk mengurai korelasi-korelasi
dalam suatu model ke dalam pengaruh langsung dan tidak langsung yang
berhubungan dengan jalur langsung dan tidak langsung yang direfleksikan
dengan anak panah-anak panah dalam suatu model tertentu.
9. Model Recursive
Model penyebab mempunyai satu arah dan tidak ada pengaruh sebab akibat
(reciprocal). Dalam model ini, satu variabel tidak dapat berfungsi sebagai
penyebab dan akibat dalam waktu yang bersamaan.
10. Model Non-Recursive
Model penyebab mempunyai arah yang membalik (feed back loop) dan ada
pengaruh sebab akibat (reciprocal).

Asumsi dalam Analisis Jalur (skripsi dan tesis)

Asumsi yang melandasi analisis jalur diantaranya adalah (Solimun 2002,
Riduan dan Kuncoro 2011 dikutip oleh Sunjoyo dkk, 2013):
1. Hubungan antar variabel haruslah linear dan aditif.
2. Ukuran sampel yang memadai sebaiknya diatas 100.
3. Pola hubungan antara variabel adalah rekursif (satu arah).
4. Data berskala interval

Manfaat Analisis Jalur (skripsi dan tesis)

Menurut Saparina (2013), ada beberapa manfaat analisis jalur diantaranya
adalah:
1. Sebagai penjelas terhadap fenomena yang dipelajari atau permasalahan yang diteliti.
2. Untuk prediksi nilai variabel endogenous (Y) berdasarkan nilai variabel
eksogenous (X).
3. Sebagai faktor determinan yaitu penentuan variabel eksogenous (X) mana
yang berpengaruh dominan terhadap variabel endogenous (Y), juga untuk
menelusuri mekanisme (jalur-jalur) pengaruh variabel eksogenous (X)
terhadap variabel endogenous (Y).
4. Pengujian model, menggunakan theory triming, baik untuk uji reabilitas
konsep yang sudah ada ataupun uji pengembang konsep baru.

Pengertian Analisis Jalur (skripsi dan tesis)

Analisis jalur ini merupakan perluasan atau kepanjangan dari regresi
berganda yang digunakan untuk menaksir hubungan kausalitas (sebab-akibat)
antar variabel yang telah ditetapkan sebelumnya, serta menguji besarnya
sumbangan atau kontribusi masing-masing variabel eksogen terhadap variabel endogen (Ghozali 2006, Riduan dan Kuncoro 2011 dikutip oleh Sunjoyo dkk, 2013).
Dalam pengujian hubungan kausal tersebut yang didasarkan pada teori
yang memang menyatakan bahwa variabel yang dikaji memiliki hubungan secara kausal. Analisis jalur bukan ditujukan untuk menurunkan teori kausal, melainkan dalam penggunaannya harus didasarkan pada teori yang menyatakan bahwa hubungan antar variabel tersebut bersifat kausal. Dengan demikian, kuat lemahnya teori yang digunakan dalam menggambarkan hubungan kausal tersebut menentukan dalam penyusunan diagram jalur dan mempengaruhi hasil dari analisis serta pengimplementasian secara keilmuan (Widiyanto, 2013). Menurut Pedhazur dalam Kerlinger (1983) dikutip oleh Widiyanto (2013), analisis jalur merupakan suatu bentuk terapan dari analisis multiregresi. Dalam analisis ini digunakan diagram jalur untuk membantu konseptualisasi masalah atau menguji hipotesis yang kompleks dan juga untuk mengetahui pengaruh langsung dan tidak langsung dari variabel-variabel bebas terhadap variabel terikat.
Analisis jalur ialah suatu tehnik untuk menganalisis hubungan sebab akibat
yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung (Robert D. Rutherford 1993 dikutip oleh Sarwono, 2007).
Defenisi lain mengatakan “Analisis jalur merupakan pengembangan
langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi
tingkat kepentingan (magnitude) dan signifikasi (significance) hubungan sebab
akibat hipotetikal dalam seperangkat variabel” (Paul Webley 1997 dikutip oleh
Sarwono, 2007).
David Garson dari North Carolina State University mendefenisikan
analisis jalur sebagai model perluasan regresi yang digunakan untuk menguji
keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang dibandingkan oleh peneliti. Modelnya digambarkan dalam bentuk gambar lingkaran dan panah dimana anak panah tunggal menunjukkan sebagai penyebab. Regresi dikenakan pada masing-masing variabel dalam suatu model sebagai variabel tergantung (pemberi respons) sedang yang lain sebagai penyebab. Pembobotan regresi diprediksikan dalam suatu model yang dibandingkan dengan  matriks korelasi yang diobservasi untuk semua variabel dan dilakukan juga penghitungan uji keselarasan statistik (David Garson 2003 dikutip oleh Sarwono, 2007).