Professional Documents
Culture Documents
Sedangkan analisis jalur adalah statistik yang berfungsi atau digunakan untuk :
1. Mengetahui besarnya pengaruh langsung,pengaruh tidak langsung, dan pengaruh total
dari variabel endogen terhadap variabel eksogen.
2. Marefatzadeh dalam jurnalnya African Journal of Agricultural Research Vol. 7(48),
pp. 6437-6446, 20 December 2012 menuliskan bahwa Path analysis is used to
determine the amount of direct effect (path coefficient); indirect effects (effects
exerted through other independent variables) of the causal components on the
dependent variable (Li, 1975; Amjad et al., 2009)
3. Madu, B. C. PhD dalam jurnalnya A Path Analysis of Parental Socio-Economic Status
and Home Education Environment on Students Academic Achievement in the
Secondary Schools in Benue State, Nigeria menuliskan bahwa The path analytic
method was intended to measure the direct effect along each separate path in such a
system and finding the degree to which variation of a given effect is determined by
each particular cause
Jadi dapat disimpulkan bahwa analisis jalur digunakan untuk mengetahui
besarnya pengaruh langsung, pengaruh tidak langsung, dan pengaruh total dari
variabel endogen terhadap variabel eksogen. Beberapa asumsi yang harus
diperhatikan pada analisis jalur adalah :
1. Hubungan antar variabel linear dan kausal.
2. Variabel residual tidak berkorelasi dengan variabel yang mendahuluinya,
dan juga tidak berkorelasi dengan variabel lain.
3. Dalam model hubungan variabel hanya terdapat jalur kausal/sebab
akibat searah.
4. Data yang dianalisis adalah data interval dan berasal dari sumber yang
sama.
B. Penyajian Data
1. Diagram jalur sederhana
X1
X3
X2
Pada gambar 1.2 ditunjukkan diagram jalur sederhana. Pada gambar 1.2
ditunjukkan X1 merupakan variabel independen (eksogen) dari X2 dan X3. X1
mempunyai jalur hubungan langsung dengan X3, tetapi juga mempunyai jalur
hubungan tidak langsung dengan X3, karena harus melewati X2. Dalam hal ini X2 dan
X3 merupakan variabel endogen.
Teknik Path Analysis yang dikembangkan oleh Sewal Wright di tahun 1934,
sebenarnya merupakan pengembangan korelasi yang diurai menjadi beberapa
interpretasi akibat yang ditimbulkannya. Wright mengembangkan Path Analysis
untuk membuat kajian hipotesis hubungan sebab akibat dengan menggunakan
korelasi. Teknik ini juga dikenal sebagai model sebab akibat (causing modelling).
Istilah-istilah analisis jalur menurut Sarwono (2012), adalah sebagai berikut:
a. Model jalur: suatu diagram yang menghubungkan antara variabel bebas, perantara
dan tergantung yang ditunjukkan dengan menggunakan anak panah.
b. Variabel exogenous merupakan semua variabel yang dalam diagram tidak ada
anak-anak panah yang menuju ke arahnya.
c. Variabel endogenous merupakan variabel yang mempunyai anak panah yang
menuju ke arahnya.
d. Koefisien jalur () adalah koefisien regresi standar yang menunjukkan pengaruh
langsung dari suatu variabel bebas terhadap variabel tergantung dalam suatu model
jalur tertentu.
e. Direct Effect (DE) adalah pengaruh langsung yang dapat dilihat dari koefisien jalur
dari variabel eksogen ke variabel endogen.
f. Indirect Effect (IE) adalah urutan jalur melalui satu atau lebih variabel perantara.
g. Gangguan atau residue mencerminkan adanya varian yang tidak dapat diterangkan
atau pengaruh dari semua variabel yang tidak terukur ditambah dengan kesalahan
pengukuran yang merefleksikan penyebab variabilitas yang tidak diketahui pada hasil
analisis.
C. Koefisien Jalur
Dalam analisis jalur terdapat koefisien jalur. Koefisien jalur menunjukkan kuatnya
pengaruh variabel independen terhadap dependen. Bila koefisien jalur rendah dan
angkanya di bawah 0,05, maka pengaruh jalur tersebut dianggap rendah sehingga
dihilangkan. Dalam hal ini sudjana (2002) menyatakan beberapa studi empirik telah
banyak menyarankan untuk menggunakan pegangan bahwa koefisien jalur kurang dari
0,05 dapat dianggap tidak berarti.
C. Contoh
1. Judul Penelitian
Analisis Jalur Kepemimpinan Kepala Sekolah, Profesionalisme Guru,
Kelengkapan Laboratorium Terhadap Motivasi Belajar Fisika Siswa dan
Pengaruh Selanjutnya Terhadap Hasil Belajar Fisika Siswa.
2. Hipotesis Analisis
a. Ho :Tidak terdapat hubungan langsung dan tidak langsung yang significant
antara kepemimpinan kepala sekolah dengan hasil belajar fisika siswa
Ha :Terdapat hubungan langsung dan tidak langsung yang significant
antara kepemimpinan kepala sekolah dengan hasil belajar fisika siswa
b. Ho :Tidak terdapat hubungan langsung dan tidak langsung yang significant
antara Profesionalisme Guru dengan hasil belajar fisika siswa
Ha :Terdapat hubungan langsung dan tidak langsung yang significant
antara Profesionalisme Guru dengan hasil belajar fisika siswa
c. Ho :Tidak terdapat hubungan langsung dan tidak langsung yang significant
antara Kelengkapan Laboratorium dengan hasil belajar fisika siswa
Ha :Terdapat hubungan langsung dan tidak langsung yang significant
antara Kelengkapan Laboratorium dengan hasil belajar fisika siswa.
3. Hipotesis Statistik
H 0 : 0 0
H 1 : 1 0
a.
4. Variabel Eksogen
X1: Kepemimpinan Kepala Sekolah
X2: Profesionalisme Guru
X3:Kelengkapan Laboratorium
Variabel Endogen
X4: Motivasi Belajar Fisika
Y: Hasil Belajar Fisika
5. Diagram Jalur
X1
X4 Y
X2
X3
Asumsi yang diperoleh dari diagram diatas adalah:
X1 dan X3 memiliki hubungan resiprocal atau interaktif jadi tidak memiliki
koefisien jalur.
X1 dan X2 memiliki hubungan resiprocal atau interaktif jadi tidak memiliki
koefisien jalur
X2 dan X3 memiliki hubungan resiprocal atau interaktif jadi tidak memiliki
koefisien jalur
X1 dan Y memiliki hubungan kausal yang ditandakan dengan anak panah satu arah.
X1 dan X4 memiliki hubungan kausal yang ditandakan dengan anak panah satu
arah.
X2 dan X4 memiliki hubungan kausal yang ditandakan dengan anak panah satu
arah.
X2 dan Y memiliki hubungan kausal yang ditandakan dengan anak panah satu arah
X3 dan X4 memiliki hubungan kausal yang ditandakan dengan anak panah satu
arah.
X3 dan Y memiliki hubungan kausal yang ditandakan dengan anak panah satu arah.
X4 dan Y memiliki hubungan kausal yang ditandakan dengan anak panah satu arah.
X1 memiliki pengaruh langsung ke Y dan pengaruh tidak langsung ke Y melalui X4
X2 memiliki pengaruh langsung ke Y dan pengaruh tidak langsung ke Y melalui X4
X3 memiliki pengaruh langsung ke Y dan pengaruh tidak langsung ke Y melalui X4
6. Data
X1 X2 X3 X4 Y
62.0 71.0 75.0 76.0 76.0
50.0 59.0 64.0 67.0 67.0
66.0 68.0 68.0 68.0 68.0
77.0 74.0 73.0 77.0 77.0
77.0 80.0 79.0 79.0 79.0
67.0 72.0 76.0 79.0 79.0
77.0 70.0 65.0 71.0 71.0
75.0 80.0 76.0 79.0 79.0
78.0 75.0 76.0 74.0 74.0
78.0 77.0 72.0 78.0 78.0
73.0 72.0 80.0 78.0 78.0
79.0 69.0 71.0 72.0 72.0
64.0 78.0 78.0 78.0 78.0
79.0 82.0 73.0 78.0 78.0
69.0 63.0 63.0 66.0 66.0
72.0 80.0 81.0 78.0 78.0
75.0 78.0 70.0 79.0 79.0
76.0 74.0 74.0 72.0 72.0
76.0 65.0 77.0 76.0 76.0
77.0 80.0 80.0 80.0 80.0
77.0 76.0 73.0 72.0 72.0
72.0 77.0 71.0 73.0 71.0
70.0 68.0 70.0 72.0 80.0
78.0 80.0 77.0 79.0 73.0
72.0 73.0 73.0 74.0 72.0
69.0 67.0 68.0 69.0 79.0
66.0 69.0 65.0 64.0 74.0
72.0 70.0 64.0 61.0 69.0
78.0 80.0 79.0 78.0 64.0
84.0 76.0 79.0 74.0 61.0
5. Menghitung nilai Korelasi masing masing variabel dengan korelasi Product Moment
Pearseon dengan membuat tabel penolong.
N X 1 . X 2 ( X 1 )( X 2 )
rx1x 2
N X 1
2
( X 1 ) 2 . N X 2 ( X 2 ) 2
72,83333 73,43333
N X 1 . X 2 ( X 1 )( X 2 )
rx1x 2
N X 1
2
( X 1 ) 2 . N X 2 ( X 2 ) 2
30.161119 (2185).( 2203)
30.160449
(2185) 2 . 30.162751 (2203) 2
4833570 4813555
4813470 4774225. 4882530 4853209
20015
39245. 29321
20015
33922,0082
0,59002
r12 menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 1 terhadap variabel 2, r 12
= 0,590 artinya variabel 1 terhadap variabel 2 memiliki arah yang positif, jadi apabila nilai
variabel 1 ditingkatkan maka akan meningkatkan nilai variabel 2 juga. Kemudian angka 0,
590 memiliki arti kekuatan hubungan antara variabel 1 terhadap variabel 2 dalam kategori
sedang, dalam contoh penelitian x1 : Kepemimpinan kepala sekolah , x2 : Profesionalisme
Guru, maka dapat diartikan bahwa apabila kepemimpinan kepala sekolah ditingkatkan
sebesar 0,590 satuan kali maka profesionalisme akan meningkat sebesar 0,590 satuan kali
juga. Karena ada hubungan resiprocal maka berlaku sebaliknya apabila profesionalisme guru
ditingkatkan sebesar 0,590 satuan kali maka kepemimpinan kepala sekolah akan meningkat
sebesar 0,590 satuan kali juga.
N X 1 . X 3 ( X 1 )( X 3 )
rx1x 3
N X 1
2
( X 1 ) 2 . N X 3 ( X 3 ) 2
30.159939 (2185).( 2190)
30.160449
(2185) 2 . 30.160696 (2190) 2
4798170 4785150
4813470 4774225. 4820880 4796100
13020
39245. 24780
13020
31184,7895
0,41751
r13 menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 1 terhadap variabel 3, r 13
= 0,41751 artinya variabel 1 terhadap variabel 3 memiliki arah yang positif, jadi apabila nilai
variabel 1 ditingkatkan maka akan meningkatkan nilai variabel 3 juga. Kemudian angka
0,41751 memiliki arti kekuatan hubungan antara variabel 1 terhadap variabel 3 dalam
kategori sedang, dalam contoh penelitian x1 : Kepemimpinan kepala sekolah , x3 :
Kelengkapan Laboratorium, maka dapat diartikan bahwa apabila kepemimpinan kepala
sekolah ditingkatkan sebesar 0,41751 satuan kali maka Kelengkapan laboratorium akan
meningkat sebesar 0,590 satuan kali juga. Karena ada hubungan resiprocal maka berlaku
sebaliknya apabila Kelengkapan laboratorium ditingkatkan sebesar 0,590 satuan kali maka
Kepemimpinan kepala sekolah akan meningkat sebesar 0,590 satuan kali juga.
Menghitung Korelasi X1 dan X4
r14 menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 1 terhadap variabel 4, r 14
= 0,391 artinya variabel 1 terhadap variabel 4 memiliki arah yang positif, jadi apabila nilai
variabel 1 ditingkatkan maka akan meningkatkan nilai variabel 4 juga. Kemudian angka 0,
391 memiliki arti kekuatan hubungan antara variabel 1 terhadap variabel 4 dalam kategori
rendah, dalam contoh penelitian x1 : Kepemimpinan kepala sekolah , x4 : Motivasi belajar
fisika, maka dapat diartikan bahwa apabila kepemimpinan kepala sekolah ditingkatkan
sebesar 0,391 satuan kali maka Motivasi belajar fisika siswa akan meningkat sebesar 0,391
satuan kali juga.
Menghitung Korelasi X1 dan Y
N X 1. X y ( X 1 )( X y )
rx1xy
N X 1
2
( X 1 ) 2 . N X y ( X y ) 2
30.161695 (2185).( 2220)
30.160449
(2185) 2 . 30.165052 (2220) 2
4850850 4850700
4813470 4774225. 4951560 4928400
150
39245. 23160
150
30148,2039
0,005
r1y menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 1 terhadap variabel Y, r 1y
= 0,005 artinya variabel 1 terhadap variabel Y memiliki arah yang positif, jadi apabila nilai
variabel 1 ditingkatkan maka akan meningkatkan nilai variabel Y juga. Kemudian angka
0,005 memiliki arti kekuatan hubungan antara variabel 1 terhadap variabel Y dalam kategori
sangat rendah, dalam contoh penelitian X1 : Kepemimpinan kepala sekolah , Y : Hasil
Belajar Fisika Siswa, maka dapat diartikan bahwa apabila kepemimpinan kepala sekolah
ditingkatkan sebesar 0,005 satuan kali maka Hasil belajar Fisika Siswa akan meningkat
sebesar 0,005 satuan kali juga. Hubungannya sangat kecil tetapi Kepemimpinan kepala
sekolah tetap masih memiliki hubungan dengan Hasil Belajar Fisika Siswa.
N X 2 . X 3 ( X 2 )( X 3 )
rx 2 x 3
N X 2
2
( X 2 ) 2 . N X 3 ( X 3 ) 2
30.161421 (2190).( 2203)
30.162751
(2203) 2 . 30.160696 (2203) 2
4842630 4824570
4882530 4853209. 4820880 4796100
18060
29321. 24780
18060
26955,043
0,670
R23 menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 2 terhadap variabel 3,
r23 = 0,670 artinya variabel 2 terhadap variabel 3 memiliki arah yang positif, jadi apabila nilai
variabel 2 ditingkatkan maka akan meningkatkan nilai variabel 3 juga. Kemudian angka
0,670 memiliki arti kekuatan hubungan antara variabel 2 terhadap variabel 3 dalam kategori
kuat, dalam contoh penelitian x2 : Profesionalisme Guru , x3 : Kelengkapan Laboratorium,
maka dapat diartikan bahwa apabila Profesionalisme Guru ditingkatkan sebesar 0,670 satuan
kali maka Kelengkapan laboratorium akan meningkat sebesar 0,670 satuan kali juga. Karena
ada hubungan resiprocal maka berlaku sebaliknya apabila Kelengkapan laboratorium
ditingkatkan sebesar 0,670 satuan kali maka Profesionalisme guru akan meningkat sebesar
0,670 satuan kali juga.
4911030 4892863
4882530 4853209. 4955130 4932841
18167
29321. 22289
18167
25564,345
0,710638
r24 menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 2 terhadap variabel 4, r 24
= 0,710638 artinya variabel 2 terhadap variabel 4 memiliki arah yang positif, jadi apabila
nilai variabel 2 ditingkatkan maka akan meningkatkan nilai variabel 4 juga. Kemudian angka
0,710638 memiliki arti kekuatan hubungan antara variabel 2 terhadap variabel 4 dalam
kategori kuat, dalam contoh penelitian x2 : Profesionalisme Guru , x4 : Motivasi Belajar
Fisika, maka dapat diartikan bahwa apabila Profesionalisme Guru ditingkatkan sebesar
0,710638 satuan kali maka Motivasi Belajar Fisika akan meningkat sebesar 0,710638 satuan
kali juga.
Menghitung Korelasi X2 dan Y
r2y menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 2 terhadap variabel Y, r 2y
: 0,293 artinya variabel 2 terhadap variabel Y memiliki arah yang positif, jadi apabila nilai
variabel 2 ditingkatkan maka akan meningkatkan nilai variabel Y juga. Kemudian angka
0,293 memiliki arti kekuatan hubungan antara variabel 2 terhadap variabel Y dalam kategori
rendah, dalam contoh penelitian x2 : Profesionalisme Guru , Y : Hasil Belajar Fisika Siswa,
maka dapat diartikan bahwa apabila Profesionalisme Guru ditingkatkan sebesar 0,293 satuan
kali maka Hasil Belajar Fisika akan meningkat sebesar 0,293 satuan kali juga.
N X 3 . X 4 ( X 3 )( X 4 )
rx 3 X 4
N X 3
2
( X 3 ) 2 . N X 3 ( X 4 ) 2
30.162781 (2190).( 2221)
30.160696
(2190) 2 . 30.165171 (2221) 2
4883430 4863990
4820880 4796100. 4955130 4932841
19440
24780. 22289
19440
23501,5195
0,8271
r34 menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 3 terhadap variabel 4,
r34 : 0,8271 artinya variabel 3 terhadap variabel 4 memiliki arah yang positif, jadi apabila nilai
variabel 3 ditingkatkan maka akan meningkatkan nilai variabel 4 juga. Kemudian angka
0,8271 memiliki arti kekuatan hubungan antara variabel 3 terhadap variabel 4 dalam kategori
sangat kuat, dalam contoh penelitian x3 : Kelengkapan Laboratorium , 4 : Motivasi Belajar
Fisika Siswa, maka dapat diartikan bahwa apabila kelengkapan Laboratorium ditingkatkan
sebesar 0,8271 satuan kali maka Motivasi Belajar Fisika akan meningkat sebesar 0,8271
satuan kali juga.
r3y menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 3 terhadap variabel Y, r 3y
: 0,30054 artinya variabel 3 terhadap variabel Y memiliki arah yang positif, jadi apabila nilai
variabel 3 ditingkatkan maka akan meningkatkan nilai variabel Y juga. Kemudian angka
0,30054 memiliki arti kekuatan hubungan antara variabel 3 terhadap variabel Y dalam
kategori rendah, dalam contoh penelitian x3 : Kelengkapan Laboratorium , Variabel Y : Hasil
Belajar Fisika Siswa, maka dapat diartikan bahwa apabila kelengkapan Laboratorium
ditingkatkan sebesar 0,30054 satuan kali maka Hasil Belajar Fisika akan meningkat sebesar
0,30054 satuan kali juga.
Menghitung Korelasi X4 dan Y
N X 4 .Y ( X 4 )( Y )
rx 4 y
N X 4
2
( X 4 ) 2 . N Y ( Y ) 2
30.164743 (2221).( 2220)
30.165171 (2221) . 30.165052 (2220)
2 2
4942290 4930620
4955130 4932841. 4951560 4928400
11670
22289. 23160
11670
22720,3265
0,5136
r4y menunjukkan pengaruh (arah dan kuat hubungan) antara variabel 4 terhadap variabel Y, r 4y
: 0,5136 artinya variabel 4 terhadap variabel Y memiliki arah yang positif, jadi apabila nilai
variabel 4 ditingkatkan maka akan meningkatkan nilai variabel Y juga. Kemudian angka
0,5136 memiliki arti kekuatan hubungan antara variabel 4 terhadap variabel Y dalam kategori
sedang, dalam contoh penelitian x4 : Motivasi belajar Fisika siswa , Variabel Y : Hasil Belajar
Fisika Siswa, maka dapat diartikan bahwa apabila Motivasi Belajar Fisika Siswa ditingkatkan
sebesar 0,5136 satuan kali maka Hasil Belajar Fisika akan meningkat sebesar 0,5136 satuan
kali juga.
1. Buka SPSS
2. Masukkan Data dengan klik Data View terlebih dahulu
3. Ganti nama variabel dengan klik Variable view, Variabel 1 dengan
Kepemimpinan Kepala Sekolah, Variabel 2 dengan Profesionalisme Guru,
Variabel 3 dengan Kelengkapan Laboratorium, Variabel 4 Motivasi Belajar Fisika
Siswa ,dan Variabel ke 5 dengan Hasil Belajar Fisika Siswa.
4. Kembali ke data view tampilannya sebagai berikut :
5. Klik Analize, Correlate, r12 Bivariate, kemudian masukkan semua variabel dalam kolo
Varables, klik Pearson, dan two tailed. Tampilannya sebagai berikut :
6. Klik Ok dan tampilannya sebagai berikut :
Correlations
KepemimpinanKe ProfesionalismeGur MotivasiBelajarF HasilBelajarFi
psek u Laboratorium isika sika
Kep Pearson Correlation 1 .590** .418* .392* .005
emi
Sig. (2-tailed) .001 .022 .032 .979
mpin
anK N 30 30 30 30 30
epse
k
Prof Pearson Correlation .590** 1 .670** .711** .294
esio Sig. (2-tailed) .001 .000 .000 .115
nalis
meG N 30 30 30 30 30
uru
Labo Pearson Correlation .418* .670** 1 .827** .301
rator Sig. (2-tailed) .022 .000 .000 .107
ium
N 30 30 30 30 30
* ** **
Moti Pearson Correlation .392 .711 .827 1 .514**
vasi Sig. (2-tailed) .032 .000 .000 .004
Belaj
arFis N 30 30 30 30 30
ika
Hasil Pearson Correlation .005 .294 .301 .514** 1
Belaj
Sig. (2-tailed) .979 .115 .107 .004
arFis
ika N 30 30 30 30 30
Sugyono dalam bukunya statistika untuk penelitian hal : 302 menyatakan bahwa
koefisien jalur menunjukkan kuatnya pengaruh variabel independen terhadap dependen. Bila
koefisien jalur rendah dan angkanya dibawah 0,05 maka pengaruh jalur tersebut dianggap
rendah sehingga dapat dihilangkan. Dalam hal ini Sudjana (2002) menyatakan beberapa studi
empirik telah banyak menyarankan untuk menggunakan pegangan bahwa koefisien jalur
kurang dari 0,05 dapat dianggap tidak berarti.
Hubungan antar variabel dalam diagram jalur adalah hubungan korelasi, oleh karena
tu perhitungan angka koefisien jalur menggunakan standar Z.
e1
X1 0,005
0,391
0,590 0,513
0,716 X4 6 Y
0,417 X2 0,293
0,670
0,827 0,301
X3 ey
e4
e2
e3
Gambar 1.6. Model Diagram Jalur Koefisien Korelasi
Z 4 41 Z 1 42 Z 2 B 43 Z 3 e 4
Z y y1 Z 1 y 4 Z 4 y 3 Z 3 B y 2 Z 2 e y
1
rij ZiZj
n
Selanjutnya untuk menghitung harga beta/koefisien jalur dapat dihitung dengan
rumus berikut :
1 1
r14 Z 1 Z 4 Z 1 41 Z 1 42 Z 2 43 Z 3 e 4
n n
1 1 1 1
Z 1 41 Z 1 Z 2 42 Z 1 Z 3 43 Z 1 e 4
2
n n n n
41 42 r12 43 r13 ......................Persamaan 1
1 2 1
Cat : Z 1 1 dan Z 1 e 4 0
n n
1 1
r1 y Z 1 Z y Z 1 ( y1 Z 1 y 4 Z 4 y 3 Z 3 B y 2 Z 2 e y )
n n
1 1 1 1 1
Z 1 y1 Z 1 Z 4 y 4 Z 1 Z 3 y 3 Z 1 Z 2 y 2 Z 1 e y
2
n n n n n
y1 y 4 r14 y 3 r13 y 2 r12 ......................Persamaan 2
1 2 1
Cat : Z 1 1 dan Z 1 e y 0
n n
1 1
r24 Z 2 Z 4 Z 2 41 Z 1 42 Z 2 43 Z 3 e4
n n
1 1 1 1
Z 2 Z 1 41 Z 2 42 Z 2 Z 3 43 Z 2 e4
2
n n n n
41r12 42 43 r23 ......................Persamaan 3
1 2 1
Cat : Z 2 1 dan Z 2 e4 0
n n
1 1
r2 y Z 2 Z y Z 2 ( y1 Z 1 y 4 Z 4 y 3 Z 3 B y 2 Z 2 e y )
n n
1 1 1 1 1
Z 1 y1 Z 1 Z 4 y 4 Z 1 Z 3 y 3 Z 1 Z 2 y 2 Z 1 e y
2
n n n n n
y1 r12 y 4 r24 y 3 r23 y 2 ......................Persamaan 4
1 2 1
Cat : Z 2 1 dan Z 2 e y 0
n n
1 1
r34 Z 3 Z 4 Z 3 41 Z 1 42 Z 2 43 Z 3 e 4
n n
1 1 1 1
Z 3 Z 1 41 Z 2 Z 3 42 Z 3 Z 3 43 Z 3 e 4
n n n n
41r13 42 r23 43 ......................Persamaan 5
1 2 1
Cat : Z 3 1 dan Z 3 e 4 0
n n
1 1
r3 y Z 3 Z y Z 3 ( y1 Z 1 y 4 Z 4 y 3 Z 3 B y 2 Z 2 e y )
n n
1 1 1 1 1
Z 3 Z 1 y1 Z 3 Z 4 y 4 Z 3 Z 3 y 3 Z 3 Z 2 y 2 Z 3 e y
n n n n n
y1 r13 y 4 r34 y 2 r23 y 3 ......................Persamaan 6
1 2 1
Cat : Z 3 1 dan Z 3 e y 0
n n
1 1
r4 y Z 4 Z y Z 4 ( y1 Z 1 y 4 Z 4 y 3 Z 3 B y 2 Z 2 e y )
n n
1 1 1 1 1
Z 4 Z 1 y1 Z 4 Z 4 y 4 Z 3 Z 4 y 3 Z 4 Z 2 y 2 Z 4 e y
n n n n n
y1 r14 y 4 y 3 r34 y 2 r24 ......................Persamaan 7
1 2 1
Cat : Z 4 1 dan Z 4 e y 0
n n
41 , 42 dan 43 41
Mencari dapat dilakukan dengan metode eliminasi
melalui persamaan 1 dan 3 terlebih dahulu.
0,392 41 0,90 42 0,418 43 x0,590
0,711 0,590 41 42 0,670 43
41
Kemudian eliminasi melalui persamaan 1 dan 5.
41 , 42 , dan 43
Kemudian Persaman 8 dan 9 dieliminasi untuk memperoleh nilai
maka dipeoleh :
0,47972 0,6519 42 0,42338 43 x0 ,42338
0,663144 0,42338 42 0,825276 43 x0,6519
43 0,638
Substitusikan nilai ke persamaan 8
5. Klik plot ceklis Histogram dan Normal Probability plot, kemudian continue
6. Klik OK, maka tampilannya sebagai berikut :
Descriptive Statistics
N VAR00004 30 30 30 30
VAR00001 30 30 30 30
VAR00002 30 30 30 30
VAR00003 30 30 30 30
Model Summaryb
Change Statistics
Sig.
F
Adjusted R Std. Error of the R Square Cha
Model R R Square Square Estimate Change F Change df1 df2 nge
Total 742.967 29
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Descriptive Statistics
Correlations
N VAR00005 30 30 30 30 30
VAR00001 30 30 30 30 30
VAR00002 30 30 30 30 30
VAR00003 30 30 30 30 30
VAR00004 30 30 30 30 30
Model Summaryb
Change Statistics
ANOVAb
Total 772.000 29
Standardized
Unstandardized Coefficients Coefficients
Dalam analisis jalur terdapat koefisien jalur. Koefisien jalur menunjukkan kuatnya
pengaruh variabel independen terhadap dependen. Bila koefisien jalur rendah dan angkanya
di bawah 0,05, maka pengaruh jalur tersebut dianggap rendah sehingga dihilangkan. Dalam
hal ini sudjana (2002) menyatakan beberapa studi empirik telah banyak menyarankan untuk
menggunakan pegangan bahwa koefisien jalur kurang dari 0,05 dapat dianggap tidak berarti.
43 0,638
42 0,3214
y 4 0,848
X1
e1
0,005(-0,211)
0,391(-0,06)
0,590 0,5136(0,848)
0,716(0,3214) X4 Y
0,417 X2 0,293(0,045)
0,827(0,638)
0,670 0,301(-0,343)
X3 ey
e4
e2
e3
X1
42 0,3214 42 0,848
X2 X4 Y
42 0,638
X3
Tetapi menurut analisis, perhitungan tersebut tidak sesuai, karena total pengaruh lebih
kecil daripada pengaruh tidak langsung. Jadi pengaruh langsung -0.06 dianggap tidak
ada atau nol.
Jadi Pengaruh langsung :0
Pengaruh tidak langsung:0,391
r1 y y1 y 4 r14 y 3 r13 y 2 r12
y1 PengaruhLangsung
y 4 r14 y 3 r13 y 2 r12 PengaruhTi daklangsung
y 4 r14 y 3 r13 y 2 r12 r1 y y1
0,005 - (-0,211)
0,005
Tetapi menurut analisis, perhitungan tersebut tidak sesuai, karena total pengaruh lebih
kecil daripada pengaruh tidak langsung. Jadi pengaruh langsung -0.211 dianggap tidak
ada atau nol.
Jadi Pengaruh langsung :0
Pengaruh tidak langsung:0,005
Tetapi menurut analisis, perhitungan tersebut tidak sesuai, karena 0,045<0,05 dianggap
tidak berarti. Jadi pengaruh langsung 0, 0,045 dianggap tidak ada atau nol.
Jadi Pengaruh langsung :0
Pengaruh tidak langsung:0,294
Tetapi menurut analisis, perhitungan tersebut tidak sesuai, karena total pengaruh lebih
kecil dari pengaruh tidak langsung . Jadi pengaruh langsung -0,343 dianggap tidak ada
atau nol.
Jadi Pengaruh langsung :0
Pengaruh tidak langsung:0,301