Pengujian Hipotesis Asosiatif A. Penger Pengertia tian n Pengujian Pengujian Hipotesi Hipotesiss Asosia Asosiatif tif
Hipotesis Hipotesis asosiatif asosiatif merupakan merupakan dugaan tentang adanya hubungan antar variable dalam populasi yang akan diuji melalui hubungan antar variable dalam sampel yang diam diambi bill dari dari popul populas asii ters terseb ebut ut.. Jadi Jadi mengu menguji ji hipo hipote tesi siss asos asosia iati tiff adal adalah ah mengu menguji ji koefisiensi korelasi yang ada pada sampel untuk diberlakukan pada seluruh populasi dimana sampel diambil. Bila penelitian dilakuakan pada seluruh populasi maka tidak diperlukanpengujian signifikansi terhadap koefisien korelasi yang ditemukan. Hal ini berarti peneliti tidak merumuskan dan menguji instrument statistic. statistic. Terdapat tiga macam bentuk hubungan antar variable, yaitu hubunagn simetris, hubungan sebab akibat (kausal) dan hubungan interaktif (saling mempengaruhi). ntuk mencari hubuangan antara dua variable atau lebih dilakuakn dengan menghitung korelasi anta antarr vari variab able le yang yang akan akan dica dicari ri hubun hubungan ganny nya. a. !ore !orela lasi si meru merupa pakan kan angka angka yang yang menunjukkan arah dan kuatnya hubungan antar dua variable atau lebih. "rah dinyatakan dalam bentuk hubungan positif positif atau negative, sedangkan kuatnya kuatnya hubungan hubungan dinyatakan dinyatakan dalam besarnya koefisien korelasi. Hubungan dua variable atau lebih dikatakan hubungan positif, bila nilai suatu variable ditingkatkan, maka akan meningkatkan nilai variable yang lain, dan sebaliknya nila satu variable diturunkan maka akan menurunkan nilai variable yang lain. Hubungan dua variable atau lebih dikatakan hubungan negative, bila nilai satu variable dinaikkan maka akan menurunkan nilai variable yang lain, dan juga sebaliknya bila nilai satu variable diturunkan, maka akan menaikkan nilai variable yang lain. !uatnya hubungan antar variable dinyatakan dalam koefisien korelasi. !oefisien korelasi positif terbesar # $ dan koefisien korelasi negative terbesar # %$, sedangkan yang terkeceil adalah &. Bila hubungan antar dua variable atau lebih itu mempunyai koefisien koefisien korelasi korelasi # $ atau %$, maka hubungan hubungan tersebut tersebut sempurna. sempurna. 'alam arti kejadian% kejadian pada variable yang satu akan dapat dijelaskan atau diprediksikan oleh variable yang lain tanpa terjadi kesalahan (error). emakin kecil koefisien korelasi, maka akan semakin besar error untuk membuat prediksi. ebagai contoh, bila hubungan bunyinya burung renjak mempunyai koefisien korelasi sebesar $, maka akan dapat diramalkan setiap ada bunyi burung renjak maka akan dipastikan aka nada tamu. tetapi kalau koefisien korelasinya kurang dari satu, setiap ada bunyi burung renjak belum tentu ada tamu, apalagi koefisien korelasinya mendekati &. Terdapat bermacam%macam teknik tatistik !orelasi yang dapat digunakan untuk menguji hipotesis asosiatif. !oefisien mana yang akan dipakai tergantung pada jenis data yang akan dianalisis. Berikut ini dikemukakan berbagai teknik statistic korelasi yang digunakan untuk menguji hipotesis asosiatif. ntuk data nominal dan ordinal digunakan statistic nonparametris dan untuk data interval dan ratio digunakan statistic parametris.
KORELASI PARSIAL DAN KAUSALITAS
'isini akan dipelajari bagaimana mengukur keeratan hubungan antara * dengan + sedangkan +$ dikontrol, atau korelasi parsial. engaruh variable yang dikontrol, disini +$, dikeluarkan. *aitu, hitung +- # + (b+$ / a) dan *- # * (b$+$ / a$), tetapi harga% harga%har harga ga a dan b disini disini dicari dicari melalu melaluii regres regresii linear linear.. etela etelah h hasiln hasilnya ya dipero diperoleh leh diperlukan regresi +- dengan *- 0 *- # b1+- / a1 !orela !orelasi si yang yang sejala sejalan n dengan dengan kecocoka kecocokan n ini adalah adalah korela korelasi si parsia parsiall + deng dengan an * sedangkan +$ dibuat konstan. A. Suatu Suatu Cont Contoh oh Kore Koreas asii Parsi Parsia a
erhatikan kembali kaitan antara heterogenitas dan mobilitas, sementara integrasi dibuat konstan. konstan. 2angkah pertama ialah mengeluarkan mengeluarkan pengaruh linear integrasi integrasi dari mobilitas dan heterogenitas, dimana kecocokan regresi linear adalah 0 * # %$,31$+$ / 45,63
atau
7obilitas # %$,31$ (integrasi) / 45,63
isa dari kecocokan ini, atau *- # * (%$,31$+$ / 45,63) disajikan pada table .$. Juga kita keluarkan pengaruh linear integrasi dari log heterogenitas. TA!EL ". !iangan #ang $iperu%an untu% &enghitung %oreasi parsia
+$ $6.& $9.4 $5.3 $5. $4. $4.9 $1.3 $1.& $.: $.& $$.1 $&.6 6 .9 3 .3 : .
+$ # 8ntegrasi, + # 2og Heterogenitas, * # 7obilitas * *- # * b+$ a + +- # + % b+$ % a $ 5 .& 1.3&6 $ .1 $ %&.&&& $ 1 .9 %.15 $.1 4 &.&13 $ : .9 &.55& $ . 4 %&.&995 $ 4 .: %1.446 $.1 5 &.&44 $ 6 .4 %&.53& $.& 1 %&.:49 $ 3 .9 %$.:49 $.9 & &.659 1 5 .$ $4.133 $ .& 1 %&.:4$ $ 5 .3 %9.1:: $.1 : &.&993 $ .9 %$.$9 $. 3 %&.&6 $ .$ %$$.6&3 $ .9 9 &.153& .$ %1.$6& $.1 $ &.&&33 1 $ . 5.$:3 $ . 5 %&.&5&3 1 3 .6 $&.463 $ .& 6 %&.&6 1 .$ %9.:9: $. 4 : &.$:$: 1 5 .3 1.&&1 $ . $ %&.&394 Y ; X ; = − &.&&93 # %&.&96
∑
∑ (Y ; )
.1:35 = 93
∑
∑ ( X ; )
= & .49$339
∑ X Y ; ; = −$1 .$164 < r
# &.&< r =$y # %&.94< r =y # %&.9&
=$=
'engan menggunakan rumus%rumus regresi linear baku, diperoleh 0 + # &.&&$$:+$ / $.33 Heterogenitas # &.&&$$: (8ntegrasi) / $.33 isanya, +- # + &.&&$$:+$ $.33, diterakan pada table di atas. eterusnya kita gambarkan *- dan +- pada table diba>ah, yang menunjukkan kaitan antara heterogenitas dan mobilitas bila integrasi dibuat konstan. TA!EL '. Heterogenitas $an (o)iitas* Integrasi Di%ontro 20
15
10
5
0
-5
-10 -0.3
-0.2
-0.1
0
0.1
0.2
0.3
?ambar ini mirip sekali dengan gambar cara eksplorasi yang sejajar, table $.:. !edua gambar dihasilkan dengan cara yang sama 0 pengaruh linear dalam * dan + dicari lalu dikeluarkan, kemudian sisa digambarkan untuk menunjukkan bagaimana kemungkinan kaitan * dan + dengan keluarnya +$. !ita teruskan dengan analisa konfirmasi dan mengukur eratnya kecocokan antara heterogenitas dan mobilitas, sedangkan integrasi dikontrol, dengan menghitung korelasi +- dan *- 0
∑ X ;Y ; − (∑ X ; )(∑ Y ; ) A N ∑ ( X ; ) − (∑ X ; ) @A N ∑ (Y ; ) − (∑ Y ; ) @ N
r*-+ - #
$5(−$1.$164) − (−&.&&93)(−&.&96) #
A$5(&.49$339) − &.&&&&494 @A$5(93.1:35) − &.&&4:9$@
# %&.:: 'engan membuat integrasi konstan dinamakan korelasi parsial mobilitas dan heterogenitas. 2ebih mudah menyatakan eratnya korelasi parsial ini dalam r , kuadrat korelasi, disini (%&.::) # &.56, yang berarti bah>a heterogenitas menyebabkan 56 dari variable pada mobilitas bila integrasi dikontrol. Bagian yang tidak dijelaskan, yaitu $ &.56 # &.4$, berkorespondensi dengan nisbah dC pada cara eksplorasi sebesar 0 dq Y ; ; dq Y ;
=
&.9&
!edua pendekatan menunjukkan bah>a sesudah pengaruh integrasi dikeluarkan, heterogenitas banyak menambah pengertian kita tentang mobilitas. erlu dicatat bah>a juga pada analisa konfirmasi, kaitan antara heterogenitas dan mobilitas lebih erat sesudah integrasi dikontrol. Tanpa pengontrolan, korelasi DordonolE log heterogenitas dan mobilitas adalah %&.9&. Jadi, heterogenitas hanya menjelaskan 19 variasi mobilitas, sesudah pengontrolan integrasi heterogenitas menjelaskan 56 variasi pada mobilitas, jadi lebih dari setengahn ya. erlu ditegaskan kembali bah>a pengontrolan suatu variable tidak selalu mempererat kaitan antara variabel. !adang%kadang akan melemahkan, menghilangkan kaitan lainnya, atau tak mempengaruhinya, atau membalikkan arah kaitannya 0 setiap hal dapat terjadi. atu%satunya jalan ialah mencoba serta melihatnya sendiri, control +$ dan ambillah +- dan *-. !. (enghitung Langsung Koreasi Parsia
7engontrol suatu
variable sangat
berguna
karena
itu
sebaiknya
kita
dapat
mengerjakannya dengan cepat. Fumus sederhana untuk menghitung korelasi parsial 0 rX ,Y ( rX , X $ )(rYX $ ) −
!orelasi parsial # r+*.+$ # Gotasi 0
r +*.+$
$ r , X , X $ −
$ r ,YX $ −
0 korelasi parsial + dengan * sedangkan +$ dikontrol
r +* (r ++$)(r *+$) 0 7enggabungkan korelasi korelasi sederhana, dimulai dengan r untuk + dan *, korelasi sebelum +$ dikontrol< kemudian dikeluarkan (dikurangi) korelasi +$ dengan * dan + (r ++$ dan r *+$). ($ r , X , X $ ) ($ r ,YX $ ) 0 −
−
$ r menyatakan bagian variable terikat yang tak diterangkan 0 jadi disini terdapat bagian + dab * yang tak diterangkan oleh +$. 'alam contoh diatas,
r +*.+$
#
− &.9& − (&.&)(−&.94) $ − &.&&&4 $− &.4$ −
&.56
# ($)(&.::) # %&.:: Harganya sama dengan harga korelasi +- dan *- yang perhitungannya lebih panjang, tetapi secara numerik identik. C. Pengujian Kesignifi%anan Koreasi Parsia
$, G%1 #
r , X ,Y . X $ $− r , X ,Y . X $ ( N − 1)
'ihitung hasil bagi (nisbah) variansi yang dijelaskan dengan yang tak dijelaskan (parsial r kuadrat dibagi $ kurang parsial r kuadrat) dan dikalikan dengan derajat kebebasan (G% 1). 'erajat kebebasannya menjadi $ dan G%1 bukan $ dan G% (korelasi sederhana), karena digunakan satu variable lagi (kita control +$). ada contoh tadi, kuadrat korelasi parsial antara heterogenitas dan mobilitas bila integrasi dikontrol adalah 0
r +*.+$ # &.56 jadi
&.56 − $ $ . 56 ($) $, $ # # $:.93
*ang signifikan melampaui taraf $. Jadi pengaruh heterogenitas nyata atas mobilitas, integrasi dikontrol. eperti korelasi sederhana, korelasi parsial simetris 0 tak dapat ditentukan apakah heterogenitas yang variable bebas dan mobilitas variable tak bebas, ataupun sebaliknya. ering diamati bah>a korelasi yang besar antara + dan * tidak berarti bah>a + penyebab *. D. +aria)e ,ang !er%aitan $an Hu)ungan Kausa
"pakah "nda tahu bah>a kecepatan membaca dan panjang jempol berkorelasi positif dalam populasi dan korelasinya pun cukup eratI "pakah itu berarti bah>a keduanya berkaitan secara kausalI "da kaitan antara kedua variable tadi, tapi
bukan kausal. rang%orang yang bertubuh kecil biasanya bertubuh kecil pula, umumnya anak%anak, dan anak%anak biasanya membaca lebih lambat daripada orang de>asa. 'engan meningkatnya umur, jempol pun bertambah panjang begitupun kecepatan membaca. !arena itu, bila umur dikontrol mka korelasi antara panjang jempol dan kecepatan membaca akan hilang. ituasi ini digambarkan dengan diagram kecil dimana hubungan kausal dinyatakan dengan anak panah. Tanda plus pada anak panah menunjukkan hubungannya positif dan tanda minus bila negatif., /
anjang Jempol
mur /
!ecepatan 7embaca
mur berkaitan secara kausal baik dengan panjang jempol maupun kecepatan membaca. anjang jempol tidaklah mempunyai kaitan kausal dengan kecepatan membaca (tidak ada anak panah di antaranya). "kan tetapi panjang jempol dan kecepatan membaca berkorelasi positif karena keduanya berkaitan dengan umur. !orelasi seperti ini disebut Dkorelasi mayaE 0 suatu korelasi antara dua variable dimana yang satu tidak punya pengaruh atas yang lainnya, tetapi berkaitan akibat pengaruh yang dialami bersama dari variable dan variable%variabel lainnya. Hubungan maya ini dapat dikenali bila punya informasi mengenai variabel yang maya itu< kontrollah variable tersebut dan lihat apakah korelasinya menjadi kecil. Kontoh lain 0 engeluaran perkapita untuk minuman keras menurut >aktu berkaitan erat secara positif dengan rata%rata gaji pendeta. eolah%olah jalan mencegah agar orang%orang tidak mabuk ialah dengan membiarkan para pendeta miskin. Fasanya ini tidak benar, karena itu kita anggap bah>a penghasilan pendeta tak berkaitan secara kausal dengan pengeluaran untuk alkohol. Tetapi, mungkin ada hubungan kausal dalam arah yang berla>anan 0 kenaikan pengeluaran untuk alkohol mungkin menimbulkan masalah sosial yang lebih besar sehingga permintaan bantuan pendeta bertambah besar pula. Tetapi kemungkinan yang terbesar ialah inipun merupakan korelasi maya. Barangkali hubungannya sebagai berikut 0
/
engeluaran per ji>a untuk alkohol
GB per ji>a /
?aji pendeta
Bila GB per ji>a dikontrol maka korelasi antara gaji pendeta dan pengeluaran untuk alkohol mestinya menjadi kecil. E. Koreasi Parsia $an Kausaitas- Suatu Contoh
2ihat contoh dari Lorld Handbook, diperoleh tingkat kematian per $&&& penduduk berkaitan terbalik dengan urbanisasi (r # %&.11). rbanisasi didefinisikan sebagai persentase penduduk yang tinggal di suatu kemungkinan yang penduduknya lebih dari &&&& orang. Banyak cara korelasi yang kausal mempunyai arti, misalnya biasanya di daerah perkotaaan lebih banyak dokter dan rumah sakit, kebersihan lebih baik, dll, tetapi inipun aspek variable lainnya, kekayaan umum. Bagaimana korelasi GB per ji>a dengan variable lainnya.
GB per ji>a
GB
Tingkat kematian
per ji>a
(per $&&&)
rbanisasi
$,&
Tingkat kematian %&,4$ rbanisasi
$,& &,:$
%&,11
$,&
Kara penulisan dalam bentuk matriks korelasi ini menyatakan korelasi antar variable, memudahkan bila banyak variable yang terlibat. uatu model dimana kekayaan umum merupakan penyebab meningkatnya urbanisasi dan turunnya tingkat kematian, yaitu 0 /
rbanisasi ()
%
Tingkat kematian (!)
GB per ji>a ()
Bila model ini benar, maka korelasi antara urbanisasi dengan tingkat kematian haruslah nol bila GB per ji>a dikontrol. 'engan memasukkan harga%harganya diperoleh 0
r !. #
− &.11 − (−&.4$)(&.:$) $− (−&,4$) $− (&,:$) # %&.&9
Harganya kecil sekali, mendukung kuat bagi model di atas. "kan tetapi, dari segi konsepsi masih mungkin model alternatifnya yang berlaku< kekayaan dapat menjadi penyebab urbanisasi seperti pada model sebelumnya, tetapi kesehatan mungkin lebih terjamin di kota. 7aka modelnya akan menjadi 0 / G? per ji>a
r !. #
% rbanisasi
Tingkat kematian
− &.4$− (&.:$)(−&.11) $− &.:$ $− (−&.11) # %&.:
Jelas terlihat bah>a model yang pertama lebih dapa t diterima daripada yang kedua. .
Cara E%sporasi $an Konfir&asi
engontrolan +$ pada * dan + membersihkan kotoran%kotorannya sehingga hubungan + dengan * bertambah jelas. Kara eksplorasi dan konfirmasi persis sama, kecuali macam kecocokan liniernya (eksplorasi atau konfirmasi) yang dipakai. Bila kaitan yang dikontrol antara *- dan +- tersebut diperiksa, maka kelihatan bah>a bagian dari *- yang tak diterangkan oleh +- adalah 0 dq Y M dq Y ;
dalam analisa eksplorasi, dan adalah 0 $ r +*.+$ dalam analisa konfirmasi.
ANALISIS /ALUR 0PATH ANAL,SIS1 A. Anaisis /aur
"nalisis Jalur (ath "nalysis) dikembangkan oleh e>all Lright ($614) dengan tujuan menerangkan akibat langsung dan tidak langsung seperangkat variabel, sebagai variabel penyebab, terhadap seperangkat variabel lainnya yang merupakan variabel akibat. ecara matematik "nalisis Jalur mengikuti pola 7odel truktural. ". Diagra& /aur $an Persa&aan Stru%tura
ada saat akan melakukan "nalisis Jalur, disarankan untuk terlebih dahulu menggambarkan
secara diagramatik struktur hubungan kausal antara variabel%
penyebab dengan variabel%akibat. 'iagram ini disebut 'iagram Jalur (ath "nalysis), dan bentuknya ditentukan oleh proposisi teoritik yang berasal dari kerangka pikir tertentu. 'alam pembicaraan kita selanjutnya, kita akan menggunakan sebuah lambang saja, yaitu +, baik sebagai variabel%penyebab maupun variabel%akibat, yang dibedakan oleh indeksnya (subscript).
?ambar $. 'iagram Jalur yang menyatakan hubungan kausal dari +$, sebagai penyebab, ke +, sebagai akibat +$ 0 Nariabel Oksogenus (O=ogenous Nariable) ntuk selanjutnya variabel%penyebab akan kita sebut sebagai Nariabel Oksogenus. + 0 Naribel Ondogenus (Ondogenous Nariable)
P
0 Nariabel Fesidu (Fesidual Nariable), yang merupakan gabungan dari
$) Nariabel
lain,
diluar
+$,
yang
mungkin mempengaruhi + dan telah
terindentifikasi oleh teori, tetapi tidak dimasukkan ke dalam model. ) Nariabel lain, diluar +$, yang mungkin mempengaruhi +, tetapi belum terindentifikasi oleh teori 1) !ekeliruan pengukuran (error of measurement) 4) !omponen yang sifatnya tak menentu (random component) ?ambar $. menyatakan bah>a + dipengaruhi secara langsung
oleh
+$,
tetapi
diluar +$ masih banyak penyebab%penyebab lain itu dinyatakan oleh P. ?ambar $. merupakan diagram jalur yang p aling sederhana, yang dinyatakan oleh persamaan 0 2' 3 p2'2" 4" 5 6
(anak satu arah) menggambarkan pengaruh langsung dari variabel eksogenus terhadap variapanah bel endogenus. erhatikan bah>a panah yang kita gunakan menunjukkan satu arah dari eksogenus ke endogenus.
?ambar . 'iagram jalur yang menyatakan hubungan kausal dari +$, +, +1, ke +4 ?ambar . mengisyaratkan bah>a hubungan antara +$ dengan
+4, + dengan
+4, dan +1 dengan +4, adalah hubungan kausal, sedangkan hubungan antara +$ dengan +, +$ dengan +1, dan + dengan +1 masing%masing adalah hubungan korelasional.
perhatikan bah>a panah dua arah
menyatakan hubungan korelasional.
erhatikan pula bah>a pada diagram jalur di atas terdapat tiga buah variabel eksogenus, yaitu +$, +, dan +1, sebuah variabel endogenus, +4, dan sebuah variabel residu 6.
?ambar 1. Hubungan kausal dari +$ dan + ke +1 dan dari +1 ke +4 erhatikan bah>a pada gambar 1. terdapat dua buah sub%struktur. ertama sub% strktur yang menyatakan hubungan kausal dari +$ dan + ke +1 dan sub%struktur kedua mengisyaratkan hubungan kausal dari +1 ke +4. persamaan untuk gambar 1.
pada sub%struktur pertama, +$ dan + merupakan variabel eksogenus, +1 sebagai endogenus dan 6 $, sebagai variabel residu. ada sub%struktur kedua, +1 merupakan eksogenus, +4 endogenus dan 6 sebagai residu. 7akin kompleks sebuah hubungan struktural, makin kompleks diagram jalurnya, dan makin banyak pula sub% struktur yang membangun diagram jalur tersebut. '. Koefisien /aur 0Path Coeffi7ient1
Besarnya pengaruh langsung (relative) dari suatu variabel eksogenus ke variabel endogenus tertentu, dinyatakan oleh besarnya nilai nomerik !oefisien Jalur (ath Koefficient) dari eksogenus tersebut ke endogenusnya.
?ambar 4. Hubungan kausal dari +$ dan + ke +1
Hubungan antara +$ dan + adalah hubungan korelasional. 8ntensitas keeratan hubungan tersebut dinyatakan oleh besarnya koefisien korelasi =$= Hubungan +$ dan + ke +1 adalah hubungan kausal. Besarnya pengaruh langsung (relatif) dari +$ ke +1 dan + ke +1, masing%masing, dinyatakan oleh besarnya nilai numerik koefisien jalur =1=$ dan =1=. !oefisien jalur =$ 6 menggambarkan besarnya pengaruh langsung (relatif) variabel
residu P (terhadap +1 8. (enghitung Koefisien /aur.
ntuk model truktur Fekursit (model yang tidak melibatkan arah pengaruh yang timbal%balik). enghitungan
koefisien
jalur
bisa
dilakukan
melalui metode
kuadrat terkecil (2east Cuares) yang telah kita ketahui dalam analisis regresi. 2angkah%langkah yang disarankan untuk diikuti adalah sebagai berikut, $) ?ambarkan
dengan
jelas
diagram
jalur
yang mencerminkan proposisi
hipotetik yang diajukan, lengkap dengan persamaan strukturalnya. 'isini kita harus bisa menterjemahkan hipotesis penelitian yang kita ajukan ke dalam diagram jalur, sehingga bisa tampak jelas variabel apa saja yang merupakan variabel eksogenus dan apa yang menjadi variabel endogenusnya. ) Hitung 7atriks !orelasi antar variabel
… 1) 8dentifikasikan
sub%struktur
dan
persamaan
yang akan dihitung koefisien
jalurnya. 7isalkan saja dalam sub%struktur yang telah kita identifikasi terdapat k buah variabel eksogenus, dan sebuah (selalu hanya sebuah) variabel endogenus +u yang dinayatakan oleh persamaan,
9. Theor# Tri&&ing
leh karena data yang kita gunakan untuk menguji proposisi hipotetik yang kita kemukakan dalam penelitian dasarnya adalah sampel berukuran n, maka sebelum kita menarik kesimpulan mengenai hubungan kausal yang digambarkan oleh diagram jalur, kita perlu menguji kebermaknaan (test of significance) setiap koefisien jalur yang telah kita hitung. engujian seperti ini disebut Theory Trimming. Lang%ah %erja pengujian
$) Gyatakan Hipotesis tatistik (Hipotesis perasional) yang akan diuji. u i
erhatikan bah>a arah pengujian secara statistik (satu arah, atau dua arah) tergantung kepada proposisi hipotetik yang diajukan. ) ?unakan tatistik ji
i # $, , ..., k k # banyaknya variabel eksogenus dalam sub struktur yang sedang diuji ti # menguji distribusi t%student, dengan drajat bebas n%k%. 1) Hitung nilai%p (p%value) 4) "mbil kesimpulan, apakah perlu trimming atau tidak. "pabila terjadi trimming, maka penghitungan harus diulang dengan menghilangkan jalur yang menurut pengujian tidak bermakna (nonsignificant). :. (enguji
Per)e$aan
!esarn#a
Koefisien
/aur Daa& Se)uah Su)
Stru%tur.
7ungkin pada suatu saat kita ingin memperoleh keterangan mana yang lebih besar pengaruhnya terhadap +u , apakah +i , atau + j , untuk i Q j. engujian seperti ini biasanya post hoc. 2angkah !erja
$) Tentukan
koefisien
jalur
yang
akan
diuji perbedaannya. Tentukan
Hipotesis tatistik yang akan diuji
erhatikan bah>a arah pengujian ditentukan oleh kerangka pikir tertentu mengenai keadaan besarnya pengaruh masing%masing variabel eksogenus terhadap endogenus.
) ?unakan tatistik ji
t mengikuti distribusi t%tudent dengan derajat bebas n%k%$ 1) Hitung nilai%p (p%value) 4) "mbil kesimpulan ;. Pengaruh Langsung $an Pengaruh Ta%angsung
Hubungan
antara
variabel
yang
digambarkan
oleh diagram jalur bisa
mengisyaratkan beberapa keadaan. Pengaruh Langsung
engaruh langsung +i ke +u ditujukkan oleh panah satu arah dari +i ke +u. pada gambar 5 panah satu arah dari +$ ke +1 pengaruh langsung +$ ke +1
(atau dari +
(atau +
ke +1) menggambarkan
ke +1). ada gambar 4 pengaruh
langsung +$ ke +1 ditunjukkan oleh =1=$ dan pengaruh langsung dari + ke +1 dinyatakan oleh =1= Pengaruh Ta%angsung
engaruh tak langsung dari +i ke +u ditunjukkan oleh panah satu arah dari +i ke + t 1 $ dan panah satu arah dari +t ke +u. ada gambar 1 pengaruh taklangsung dari +$ ke +4 adalah panah satu arah dari +$ ke +1 dan dari +1 ke +4. engaruh taklangsung dari +$ ke +4 ditunjukkan dari +$ ke +4 ditunjukkan oleh (=1=$ + =4=1)
<. Asu&si #ang (en$asari Anaisis /aur
ada saat melakukan analisis jalur seperti yang kita bicarakan di atas, hendaknya diperhatikan beberapa asumsi di ba>ah ini. $) Hubungan antara variabel haruslah linear dan aditif. ) emua variabel residu tak punya korelasi satu sama lain 1) ola hubungan antar variabel adalah rekursif. 4) Tingkat pengukuran semua variabel sekurang% kurangnya interval. !. APLIKASI ANALISIS /ALUR F88 0 •
"ntara "chievement 7otivation, elf Osteem, dan Nerbal 8ntelligent terhadap
•
hubungan korelatif. "chievement 7otivation,
•
elf
Osteem,
dan
Nerbal 8ntelligent secara
bersama%sama mempengaruhi erformance. "chievement 7otivation, Nerbal 8ntelligent,
dan erformance secara
bersama%sama mempengaruhi Job atisfaction. '"T" 0 +$ # "chievement 7otivation + # elf Osteem +1 # Nerbal 8ntelligent +4 # erformance +5 # Job atisfaction
G # &4 umber 0 'illon, L.F., and ?oldstein, 7. ($634) 7ultivariate "nalysis. 7ethods and "pplications John Liley R ons. Ge> *ork. 419 "G"288 0
$. 'iagram Jalur
?ambar . Hubungan truktur "ntara +$, +, +1, +4 dan +5
'iagram Jalur tersebut terdiri dari dua buah sub%struktur dengan persamaan struktural0
'. Su)=Stru%tur "
ersamaan struktur untuk sub%struktur%$ dinyatakan oleh
ada sub%struktur%$ terdapat tiga buah variabel eksogen +$, +, dan +1, dan sebuah variabel endogen +4. $) 7atrik korelasi antar variabel eksogen 0
) 7atrik 8nvers untuk F $
1) 7enghitung !oefisien Jalur
4) 7enghitung !oefisien 'eterminasi Total dari +$, +, +1, terhadap +4 dan koefisien jalur dari variabel residu ke +4.
engujian !oefisien Jalur ntuk ub%truktur%$
5) "da Theoty Trimming Nariabel +$ dikeluarkan dari model. ersamaan struktur untuk sub%struktur%$ menjadi
erhitungan diulang
1. ub%truktur% ntuk sub%struktur% persamaan strukturnya adalah,
'alam persamaan ini terdapat tiga buah variabel eksogen +$, +1, dan +4, dan sebuah variabel endogen +5 $) 7atriks korelasi antar eksogen
) 8nversi untuk F 1
1) !oefisien Jalur
4) !oefisien 'eterminasi Total
5) engujian !oefisien Jalur ntuk ub%truktur%
9) "da Theoty Trimming Nariabel +1 dihilangkan dari model. ersamaan struktural untuk sub%struktur% menjadi
erhitungan diulang
4. roposisi yang diterima diperhatikan oleh diagram jalur sebagai berikut
5. 7enguji erbedaan Besarnya engaruh 2angsung dari +$ ke +5 dan dari +4 ke +5 engujian ini sifatnya ost Hoc
