Analisis Jalur / Path Analysis

dokumen-dokumen yang mirip
Created by Simpo PDF Creator Pro (unregistered version)

PERBAIKAN ASUMSI KLASIK

BAB III THREE STAGE LEAST SQUARE. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length

BAB I PENDAHULUAN FASILKOM-UDINUS T.SUTOJO RANGKAIAN LISTRIK HAL 1

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB II TINJAUAN PUSTAKA. Data panel adalah gabungan dari data cross sectional dan data time series, dimana

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

Peramalan Dengan Model SVAR Pada Data Inflasi Indonesia Dan Nilai Tukar Rupiah Terhadap Dolar Amerika Dengan Menggunakan Metode Bootstrap

Independent Var. Dependent Var. Test. Nominal Interval Independent t-test, ANOVA. Nominal Nominal Cross Tabs, Chi Square, dan Koefisien Kontingensi

APLIKASI INVERSI NON LINIER DENGAN PENDEKATAN LINIER UNTUK MENENTUKAN HIPOSENTER (CONTOH KASUS DI G. KELUD)

Analisis Regresi Linear Sederhana

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

Analisis Pengendalian Kualitas Tetes PG Kremboong Sidoarjo Menggunakan Diagram Kontrol MEWMA dan MEWMV

Analisis Penyaluran Kredit kendaraan bermotor Roda Dua Jenis Baru dan Bekas di PT X dengan Metode Vector Autoregressive

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

ANALISIS DATA DERET BERKALA DENGAN METODE TREND SEKULER UNTUK MENENTUKAN MODEL PERTUMBUHAN PENDUDUK MISKIN JAWA BARAT

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda

PERAMALAN JUMLAH WISATAWAN MANCANEGARA YANG MASUK MELALUI PINTU KEDATANGAN BANDARA SOEKARNO HATTA DAN BANDARA JUANDA

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Ir. A.Rachman Hasibuan dan Naemah Mubarakah, ST

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB 2 LANDASAN TEORI

BAB I PENDAHULUAN 1.1 Latar Belakang

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Analisis Survival pada Pasien Penderita Sindrom Koroner Akut di RSUD Dr. Soetomo Surabaya Tahun 2013 Menggunakan Regresi Cox Proportional Hazard

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

Analisis Regresi 2. Mendeteksi pencilan dan penanganannya

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR

PENGUKURAN VALUE AT RISK PADA ASET TUNGGAL DAN PORTOFOLIO DENGAN SIMULASI MONTE CARLO. Di Asih I Maruddani 1, Ari Purbowati 2

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

III. METODE PENELITIAN

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 2 LANDASAN TEORI

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

BAB III MINIMUM COVARIANCE DETERMINANT. Sebagaimana telah disinggung pada bab sebelumnya, salah satu metode

ANALISIS REGRESI. Catatan Freddy

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

V ANALISIS VARIABEL MODERASI DAN MEDIASI

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

USING THE PAST TO PREDICT THE FUTURE WORKSHOP ANALISIS RESIKO UNTUK BISNIS

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

STATISTICAL STUDENT OF IST AKPRIND

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR

Analysis of Covariance (ANACOVA)

Kresnanto NC. Model Sebaran Pergerakan

Uji Park Dan Uji Breusch Pagan Godfrey Dalam Pendeteksian Heteroskedastisitas Pada Analisis Regresi

\ DANA ALOKASI DESA DENGAN RAHMAT TUHAN YANG MAHA ESA

BAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB III OBJEK DAN METODE PENELITIAN. Dalam penelitian ini, objek yang dianalisis adalah data-data sekunder dari Non

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

NILAI TOTAL TAK TERATUR TOTAL DARI GABUNGAN TERPISAH GRAF RODA DAN GRAF BUKU SEGITIGA

APLIKASI STRUKTUR GRUP YANG TERKAIT DENGAN KOMPOSISI TRANSFORMASI PADA BANGUN GEOMETRI. Mujiasih a

ANaLISIS - TRANSIEN. A B A B A B A B V s V s V s V s. (a) (b) (c) (d) Gambar 1. Proses pemuatan kapasitor

METODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang

BAB 2 LANDASAN TEORI

BAB III METODOLOGI PENELITIAN

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

! BUPATI PACriAN j PERATURAN BUPATI PACITAN NOMOR 18 TAHUN 2013

9. TEKNIK PENGINTEGRALAN

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

Bab 3 Beberapa Skema Pembagian Rahasia

PENGEMBANGAN MODEL MATEMATIS UNTUK OPTIMASI PERENCANAAN PRODUKSI MINUMAN MARIMAS

Pemodelan Penyerapan Tenaga Kerja Sektor Industri di Indonesia Dengan Pendekatan Regresi Data Panel Dinamis

Sub Kompetensi. satuan sintetik berdasarkan ketersediaan data karakteristik DAS

ANALISIS KOVARIANSI part 2

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI)

BAB III METODOLOGI PENELITIAN

Transkripsi:

Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan analss regres lnear basa dengan varabel ndeenden dan deendennya dsandarsas. Analss Jalur (Pah Analyss) Analss jalur dkembangkan oleh Sewall Wrgh (1934). Tujuan dar analss jalur adalah unuk menerangkan akba langsung dan dak langsung dar beberaa varabel sebaga varabel enyebab erhada beberaa varabel lannya sebaga varabel akba. Hubungan anar varabel dalam analss jalur ada yau : 1. Pengaruh Langsung basanya dgambarkan dengan anah sau arah dar sau varabel ke varabel lannya.. Pengaruh Tdak Langsung dgambarkan dengan anah sau arah ada sau varabel ada varabel lan kemudan dar varabel lan anah sau arah ke varabel berkunya. Asums yang mendasar Analss Jalur. Ada beberaa asums yang harus derhakan dalam menggunakan analss jalur yau : 1. Hubungan anara varabel haruslah lnear dan adf.. Anar varabel resdu dak berkorelas. 3. Pola hubungan anar varabel adalah rekursf (dak mbal-balk). 4. Skala engukuran semua varabel nerval. 1. Pengeran Aa sebenarnya analss jalur u? Terdaa beberaa defns mengena analss jalur n danaranya: Analss jalur alah suau eknk unuk menganalss hubungan sebab akba yang erjad ada regres berganda jka varabel bebasnya memengaruh varabel erganung dak hanya secara langsung ea juga secara dak langsung (Rober D. Reherford 1993). 1.3 Prns-Prns Dasar Prns-rns dasar dalam analss jalur danaranya alah: 1. Adanya lnearas (Lneary). Hubungan anar varabel bersfa lnear. Daa berskala nerval. 3. Semua varabel resdual (yang dak dukur) dak berkorelas dengan salah sau varabel-varabel dalam model. 4. Varabel resdual dak boleh berkorelas dengan semua varabel endogenous dalam model. 5. Sebaknya hanya erdaa mulkolnearas yang rendah. 6. Adanya recursvas. Semua anak anah memunya sau arah dak boleh erjad emuaran kembal (loong). 7. Terdaa ukuran samel yang memada. Jka dalam conoh n hanya dberkan 10 samel maka sebaknya unuk rse yang sebenarnya gunakan samle mnmal 100 unuk memeroleh hasl analss yang lebh akura. 1.4 Konse-Konse dan Islah Dasar Dalam analss jalur dkenal beberaa konse dan slah dasar. Dengan gambar model d bawah n akan derangkan konse- konse dan slah dasar ersebu: 1 P a g e

a. Model jalur. Model jalur alah suau dagram yang menghubungkan anara varabel eksogen eranara dan varabel endogen. Pola hubungan dunjukkan dengan menggunakan anak anah. Anak anah unggal menunjukkan hubungan sebab akba anara varabelvarabel exogenous aau eranara dengan sau varabel endogenus aau lebh. Anak anah juga menghubungkan varabel resdu dengan semua varabel endogenous masng-masng. Anak anah ganda menunjukkan korelas anara asangan varabel-varabel exogenous. b. Varabel exogenous. Varabel varabel exogenous dalam suau model jalur alah varabel engaruh. c. Varabel endogenous. Termasuk dalam varabel n alah varabel eranara dan erganung. Varabel eranara memunya anak anah yang menuju ke arahnya dan dar arah varabel ersebu ada anak anah yang menuju ke varabel endogenus sedang varabel erganung hanya memunya anak anah yang menuju ke arahnya. d. Koefesen jalur / bobo jalur. Koefesen jalur adalah koefesen regres sandardzed ( bea ) yang menunjukkan engaruh langsung dar suau varabel eksogen erhada var endogen. e. Error. Islah kesalahan aau resdual yang secara ekns dsebu sebaga gangguan aau resdual mencermnkan adanya varan yang dak daa derangkan. f. Auran mullkas jalur. Nla dar suau jalur gabungan adalah hasl semua koefesen jalurnya. g. Decomoss engaruh. Koefsen-koefsen jalur daa dgunakan unuk mengura korelas-korelas dalam suau model ke dalam engaruh langsung dan dak langsung. h. Sgnfkans dan Model keselarasan dalam jalur. Unuk melakukan engujan koefesen koefesen jalur secara ndvdual ka daa menggunakan sa sandard aau engujan F. P a g e

Conoh 1 : Penelan enang hubungan anara Insenf dan Movas Kerja dengan Knerja Pegawa. Gambar hubungan kega varabel ersaj d aas. Daa daa dlha ada fle d SPSS (Analss Jalur Sederhana Insen-Movas-Knerja.Sav). Koefsen jalur (engaruh langsung) masng-masng adalah sebaga berku : P1 (InsenfMovas) = 67 ; Py1 (InsenfKnerja) = 60 ; Py (MovasKnerja) = 44 AMOS : lh aau klk Sandardzed esmaes Uj sgnfkans Koefsen Jalur 1. Pengaruh sederhana (regres I) Insenf Movas H0 : Koefsen jalur = 0 ( dak ada engaruh) X 0 67 ~ nk 1 55 1 1 67 X X u nk1 10 11 H0 dolak Kesmulan : Insenf berengaruh langsung osf Movas.. Pengaruh arsal Insenf Knerja H0 : Koefsen jalur = 0 ( dak ada engaruh) X 06 ~ nk 1 3 8 1 R C 1 90561 813306 nk1 n 1 R dcar dengan meregreskan Insenf + Movas Knerja menggunakan SPSS deroleh R = 905. Selanjunya nla C11 deroleh dar elemen bars dan 3 P a g e

kolom ke- dar dagonal uama mark nvers varabel eksogen. Deroleh C11 = 1813306. Caaan : Marks Invers bsa dcar d Sofware Excell (Mnverse Crl+Shf+Ener.) 1 0.67 0.67 1 1.814553-1.1575-1.1575 1.814553 H0 dolak Kesmulan : Insenf berengaruh langsung osf erhada Knerja. 3. Movas Knerja Deroleh h = 81 sehngga daa dsmulkan bahwa Movas juga berengaruh langsung secara osf erhada Knerja. Pengaruh ak langsung Insen erhada Knerja melalu Movas (67)(44) = 95 Pengaruh oal = 60 + 95 = 895 Angka n daa d lha ada ouu AMOS : Pada menu Analyss Proeres cenang lhan Drec ndrec & oal effecs Berdasarkan hasl erhungan d aas deroleh nla engaruh langsung sebesar 6 dan engaruh dak langsung sebesar 95 lebh kecl dar ada nla engaruh langsung hasl n menunjukkan bahwa secara dak langsung Insenf melalu Movas belum memunya engaruh sgnfkan erhada Knerja. Kesmulan : Insenf berengaruh erhada Movas Insenf berengaruh erhada Knerja Movas berengaruh erhada Knerja 4 P a g e

Conoh. Penelan enang hubungan anara Remuneras Movas dan Suasana Kerja erhada Knerja Pegawa. Gambar hubungan kega varabel ersaj d bawah. Daa daa dlha ada fle d SPSS (Analss Jalur Sederhana Remun-Movas-Suasana- Knerja.sav). Deroleh koefsen jalur (engaruh langsung) yang daa dlha ada ouu AMOS d Sandardzed Regresson Weghs: (Grou number 1 - Defaul model) P1 (RemunMovas) = 951 ; P31 (RemunSuasana) = 76 Py1 (Remun Knerja) = 385 ; P3 (MovasSuasana) = 668 ; Py (MovasKnerja) = 65; Py3 (MovasKnerja) = 365; aau klk Sandardzed esmaes ada ss kr gambar Uj sgnfkans Koefsen Jalur 1. Pengaruh sederhana (Model Srukural I) Remun Movas H0 : Koefsen jalur = 0 ( dak ada engaruh) X 0 951 ~ 13 115 nk 1 1 X X 1 951 u nk1 0 11 H0 dolak Kesmulan : Remun berengaruh langsung osf Movas.. Pengaruh arsal (Model Srukural II) Remun Suasana H0 : Koefsen jalur = 0 ( dak ada engaruh) X 0 76 ~ nk 1 985 1 R C 1 8741 555 nk1 0 1 R dcar dengan meregreskan Remun + Movas Suasana menggunakan SPSS deroleh hasl R = 874. Selanjunya nla C11 deroleh dar elemen bars dan kolom ke- dar dagonal uama mark nvers varabel eksogen C11 = 1555. Caaan : Marks Invers bsa dcar d Sofware Excell 1 0.951 10.46036-9.9478 0.951 1-9.9478 10.46036 H0 dolak Kesmulan : Remun belum berengaruh langsung secara osf erhada Suasana Kerja. 5 P a g e

Movas Suasana Deroleh h = 385 sehngga daa dsmulkan bahwa Movas berengaruh langsung secara osf erhada Suasana Kerja. 3. Model Srukural III Remun Knerja 385 3 315 1 98145 11 157 0 31 Remun sgnfkan erhada Knerja Movas Knerja 65 03 1 98145 14 087 0 31 Movas sgnfkan erhada Knerja Suasana Knerja 365 3 736 1 98145 7 90871 0 3 1 Suasana sgnfkan erhada Knerja R dcar dengan meregreskan Remun + Movas + menggunakan SPSS Suasana Knerja Dar hasl analss d aas koefsen jalur Remun Suasana dak sgnfkan. Model erlu derbak dengan cara menghlangkan jalur hubungan ersebu. Coba lha ouu AMOS bobo regres unsandardzed unuk sbb : Regresson Weghs: (Grou number 1 - Defaul model) Esmae S.E. C.R. P Movas <--- Remun.968.07 13.474 *** Suasana <--- Remun.300.88 1.041.98 Suasana <--- Movas.714.83.51.01 Knerja <--- Suasana.346.085 4.071 *** Knerja <--- Movas.68.11.11.07 Knerja <--- Remun.396.110 3.613 *** Terlha hubungan Remun Suasana dak sgnfkan secara sask. Deroleh hasl erbakan model sebaga berku : 6 P a g e

Deroleh koefsen jalur (engaruh langsung) model baru sebaga berku : P1 (RemunMovas) = 951 ; Py1 (Remun Knerja) = 385 ; P3 (MovasSuasana) = 931 ; Py (MovasKnerja) = 65; Py3 (MovasKnerja) = 365; Uj Kecocokan Model Perbakan : Uj kecocokan model adalah ujuan uama embenukan model Analss Jalur dengan H0 : Marks korelas eors = Marks korelas Emrk (Marks korelas model = Marks korelas samel) aau Model ddukung daa. Dengan menggunakan sofware AMOS uj n dengan mudah daa dlakukan dengan ouu seer d aas. 1. Nla sask uj Ch-square model d aas 1054 relave kecl dbandngkan dengan nla krs 5% (384). Nla n daa djadkan ndkas awal bahwa model ddukung oleh daa.. Nla -value 305 > nla alha 5% (nla n berkaan dengan on 1). Hal n menunjukkan bahwa model analss jalur d aas secara sask sgnfkan Model ddukung oleh daa. Sask d aas djadkan sebaga dasar uama engamblan keuusan cocok aau daknya model dengan daa. Sedangkan sask berkunya adalah ambahan unuk engamblan keuusan. 3. Error RMSEA 053 < 08. Model n memunya error yang relave kecl 4. GFI 974% Daa memunya kecocokan dengan model 974% sanga besar. Pengaruh ak langsung Remun erhada Knerja melalu Movas (95)(7) = 565 Pengaruh ak langsung Remun erhada Knerja melalu Movas dan Suasana = (95)(93)(37) = 3478 Toal engaruh ak langsung adalah 565 + 347 = 57897 Berdasarkan hasl erhungan d aas deroleh nla engaruh langsung sebesar 39 dan engaruh dak langsung sebesar 57897 yang berar bahwa nla engaruh dak langsung lebh besar dar ada nla engaruh langsung hasl n menunjukkan bahwa secara dak langsung Remun melalu Movas memunya engaruh sgnfkan erhada Knerja. Pengaruh oal = 39 + 565 + 3478 = 964 Angka n daa d lha ada ouu AMOS : Pada menu Analyss Proeres cenang lhan Drec ndrec & oal effecs 7 P a g e