ANALISA JALUR: PERHITUNGAN SECARA MANUAL1 Oleh DARMAWAN SOEGANDAR

KASUS PENELITIAN: Penelitian dampak dari pengabaian Good Educational Governance. Disampaikan oleh Darmawan dalam seminar internasional pendidikan di Universitas Negeri Surabaya, 8 September 2012. “CORRUPTION IN EDUCATIONAL INSTITUTIONS:AND ITS INFLUENCE ON THE FUNCTION OF PRINCIPAL IN AN EFFORT TOv aIMPROVE TEACHER PERPORMANCE”. A. Variabel Penelitian 1. X (Korupsi di Lembaga Pendidikan) 2. Y1 (Fungsi Manager Kepala Sekolah) 3. Y2 (Fungsi Motivator Kepala Sekolah) 4. Z (Kinerja Guru) B. Masalah Penelitian 1. Apakah Fungsi kepala sekolah sebagai Manager (Y1) dipengaruhi oleh Korupsi di lembaga pendidikan (X) ? 2. Apakah Fungsi kepala sekolah sebagai Motivator (Y2) dipengaruhi oleh Korupsi di lembaga pendidikan (X) dan Fungsi kepala sekolah sebagai Manajer (Y1)? 3. Apakah Kinerja guru (Z) dipengaruhi oleh Korupsi di lembaga pendidikan (X), Fungsi kepala sekolah sebagai Manajer (Y1) dan Fungsi kepala sekolah sebagai Motivator (Y2).

1

Disampaikan bagi mereka yang ingin mempelajari path Analisys secara matematis.

1|www.facebook.com/darmawan.soegandar

C. Kerangka Pemikiran

Y1 Manager H1 X Quality of educational service H3 Z Teacher Performance

H2 Y2 Motivator

D. Hipotesis Penjelasaan jika skor indikator korupsi tinggi hal itu menunjukkan tidak terjadinya tindak korupsi di lembaga pendidikan. Jika skor indikator korupsi rendah, hal itu menunjukkan terjadinya korupsi di lembaga pendidikan. Skor indikator korupsi = kualitas layanan pendidikan. Model Y1: Y1 = f (X) H1: semakin tinggi tingkat kualitas layanan (X), semakin tinggi tingkat berfungsinya kepala sekolah sebagai Manajer (Y1) Model Y2: Y2 = f (X, Y1) H2a: semakin tinggi tingkat kualitas layanan (X), semakin tinggi tingkat berfungsinya kepala sekolah sebagai Motivator (Y2) H2b: semakin tingkat berfungsinya kepala sekolah sebagai Manajer (Y1), semakin tinggi tingkat berfungsinya kepala sekolah sebagai Motivator (Y2) Model Z: Z = f (X, Y1, Y2) H3a: semakin tinggi tingkat kualitas layanan (X), semakin tinggi tingkat Kinerja guru (Z). H3b: semakin tinggi tingkat berfungsinya kepala sekolah sebagai Manajer (Y1), semakin tinggi tingkat Kinerja guru (Z). H3c: semakin tinggi tingkat berfungsinya kepala sekolah sebagai Motivator (Y2), semakin tinggi tingkat Kinerja guru (Z).

2|www.facebook.com/darmawan.soegandar

E. Diagram Jalur dan Persamaan Struktural
ε1

Y1 Manager ρY1X X Quality of educational service ρZX ρY2Y1 ρY2X ε2 ρZY2 ρZY1 Z Teacher Performance ε3

Y2 Motivator

Model Y1: Model Y2: Model Z :

Y1 Y2 Z

= ρY1X + ε1 = ρY2X + ρY2Y1 + ε2 = ρZY2 + ρZY1 + ρZX + ε3

F. Pengujian Hipotesis Langkah 1. Akan dihitung koefisien korelasi antar variabel penelitian:
rxy =

[N ∑ X

N ∑ XY − ( ∑ X ).( ∑ Y )
2

− (∑ X ) 2 . N ∑ Y 2 − (∑ Y ) 2

][

]

Berdasarkan pengolahan data dengan bantuan fungsi correl dalam Ms. Exel untuk mengurangi kesalahan perhitungan didapatkan matrik korelasi antarvariabel sebagai berikut:
1,000 0,874 0,827 0,545 X Y1 Y2 1,000 Z

R=

1,000 0,889 0,403

1,000 0,381

3|www.facebook.com/darmawan.soegandar

Langkah 2. Akan diidentifikasi model atau substruktur yang akan diestimasi koefisien jalurnya dan dirumuskan persamaan struktural sehingga jelas variabel penyebab dan variabel akibatnya. Dibuat 3 model atau substruktur yang akan diestimasi koefisien jalurnya. Sub-struktur 1. Model Y1

Model Y1: Y1 = ρY1X + ε1

Sub-struktur 2. Model Y2

Model Y2: Y2 = ρY2X + ρY2Y1 + ε2

4|www.facebook.com/darmawan.soegandar

Sub-struktur 3. Model Z

Model Z : Z = ρZY2 + ρZY1 + ρZX + ε3

Langkah 3. Mengidentifikasi matriks korelasi antar variabel penyebab yang sesuai sub-struktur atau model yang di uji. Sub-struktur 1: Model Y1 R1 = [ 1,000 ] X Sub-struktur 2: Model Y2 R2=
1,000 0,874 X 1,000 Y1

Sub-struktur 3: Model Z R3=
1,000 0,874 0,827 1,000 0,889 X Y1 1,000 Y2

Langkah 4. Akan dihitung matriks invers korelasi antar variabel penyebab untuk masing-masing sub-struktur atau model yang akan di uji. Matriks invers:
| |

.

Model Y1 R1 = [ 1,000 ] X

5|www.facebook.com/darmawan.soegandar

1 Model Y2 1,000 0,874 0,874 1,000 1

4,240 -3,707

-3,706 4,240

Model Z
1,000 0,874 0,827 0,874 1,000 0,889 0,827 X 0,889 Y1 1,000 Y2

R3=

4,469 -2,955 -1,072

-2,955 6,704 -3,512

-1,070 -3,513 5,007

Langkah 5. Akan dihitung koefisien jalur, koefisien determinasi, statistik uji F, dan statistik uji t untuk masing-masing sub-struktur atau model yang di uji Koefisien Jalur → 1− − −1

Koefisien determinasi → Koefisien jalur residual 1−

− −1 1−

Statistik

,

, F & Statistik t : Model Y1 ∑ [1][0,874] = 0,874 = (0,874) (0,874) = 0,764

Koefisien jalur Koefisien determinasi

Koefisien jalur residual 1− = √1 − 0,764 = 0,486 Akan diuji kebermaknaan koefisien determinasi dengan uji F. Dengan hipotesa statistik H0: 0: tidak mempengaruhi Y1
6|www.facebook.com/darmawan.soegandar

Akan diuji kebermaknaan koefisien jalur dengan uji t. Dengan hipotesa statistik H0: 0: tidak mempengaruhi Y1 0,874 → 12,48571 → < 0,0001 1 − 0,764 1 1− 47 − 1 − 1 − −1 H0 ditolak. Artinya, pada tingkat kepercayaan 95% atau kesalahan 5% hipotesis diterima. Dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y1 diterima.

,

,

,

,

145,67797 →

< 0,0001 →

ditolak

Statistik

,

, F & Statistik t : Model Y2 →

Koefisien jalur

(4,240)(0,827) + (-3,706)(0,889) = 0,212 (-3,707)(0,827) + (4,240)(0,889) = 0,704 ∑

4,240 −3,706 0,827 −3,707 4,240 0,889

Koefisien determinasi

= × × + = (0,212 x 0,827) + (0,704 x 0,889) = 0,801

Koefisien jalur residual 1− = √1 − 0,801 = 0,446 Akan diuji kebermaknaan koefisien determinasi dengan uji F. Dengan hipotesa statistik H0: 0: dan Y1 tidak mempengaruhi Y1 . H1 sekurang-kurangnya satu diantara X dan Y1 mempengaruhi Y2. Akan diuji kebermaknaan koefisien jalur dengan uji t. Dengan hipotesa statistik H0: 0: dan Y1 secara individual tidak mempengaruhi Y2 0,212 0,212 → 11,157895 → 1 − 0,801 4,240 0,019 1− 47 − 2 − 1 − −1 < 0,0001 0,704 0,704 → 37,052632 → 1 − 0,801 4,240 0,019 1− 47 − 2 − 1 − −1 < 0,0001 H0 ditolak. Artinya, pada tingkat kepercayaan 95% atau kesalahan 5% hipotesis diterima. Dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y2 diterima. Statistik , , F & Statistik t : Model Z
, , , ,

181,130653 →

< 0,0001 →

ditolak

7|www.facebook.com/darmawan.soegandar

4,469 −2,955 Koefisien jalur → −2,955 6,704 −1,072 −3,512 (4,469)(0,545) + (-2,955)(0,403) + (-1,070)(0,381) = 0,837 (-2,955)(0,545) + (6,704)(0,403) + (-3,513)(0,381) = -0,247 (-1,072)(0,545) + (-3,512)(0,403) + (5,007)(0,381) = -0,092

−1,070 0,545 −3,513 0,403 5,007 0,381

∑ = × + × + × = (0,837 x 0,545) + (-0,247 x 0,403) + (-0,092 x 0,381) = 0,322 Koefisien jalur residual 1− = √1 − 0,322 = 0,832 Akan diuji kebermaknaan koefisien determinasi dengan uji F. Dengan hipotesa statistik H0: 0: , Y1 dan Y2 tidak mempengaruhi Z . H1 sekurang-kurangnya satu diantara X, Y1 dan Y2 mempengaruhi Z. Koefisien determinasi Akan diuji kebermaknaan koefisien jalur dengan uji t. Dengan hipotesa statistik H0: 0: , Y1 dan Y2 secara individual tidak mempengaruhi Z 0,837 0,837 0,837 0,837 → 3,03 √0,07 0,265 1 − 0,322 4,469 1− 44 47 − 3 − 1 − −1 3,158491 → < 0,0001 -0,247 -0,247 -0,247 -0,247 → 4,545 √0,103 0,320 1 − 0,322 6,704 1− 44 47 − 3 − 1 − −1 -0,771875 → < 0,0001 -0,092 -0,092 -0,092 -0,092 → 3,395 √0,077 0,277 1 − 0,322 5,007 1− 44 47 − 3 − 1 − −1 -0,33213 → < 0,0001 H0 diterima. Artinya, pada tingkat kepercayaan 95% atau kesalahan 5% hipotesis ditolak. Dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Z pengaruh Y1 dan Y2 tidak signifikan sedangkan X signifikan terhadap Y.. TABEL Ringkasan Hasil Komputasi Statistik Model Studi Darmawan [stadardized, n = 47] Model Model Y1 Y1←X Model Y2 Y2←X Y2←Y1 Koefisien Jalur 0,874 0,212 0,704 t(cr) 12,48571 11,157895 37,052632 P-volume *** *** *** R2 0,764 0,801
, , , ,

21,37168 →

< 0,0001 →

ditolak

8|www.facebook.com/darmawan.soegandar

Model Z Z←X Z←Y1 Z←Y2

0,837 -0,247 -0,092

3,158491 -0,771875 -0,33213

*** *** ***

0,322

GAMBAR Full Path Diagram Model Studi Darmawan [stadardized, n = 47]

9|www.facebook.com/darmawan.soegandar

Sign up to vote on this title
UsefulNot useful