3 path analysis
Post on 18-Jul-2015
195 Views
Preview:
TRANSCRIPT
PATH ANALYSIS
ANALISIS JALUR
ILUSTRASI 1
TINGKATDENDA
SIKAPPENOLAKAN
PERILAKUPENOLAKAN
KEPATUHAN
Variabel yang mempengaruhi kepatuhan pengemudi kendaraan bermotor terhadap peraturan lalulintas
Analisis korelasi
• Analisis korelasi dapat digunakan untuk mengetahui tingkat keeratan hubungan antar variabel, tidak ada yang mempengaruhi (penjelas) & tidak ada yang dipengaruhi (dependen)
• Dapat juga diterapkan pada penjelas dependen
Sikappenolakan
Sikapacuh
Analisis regresi• Regresi: upaya mempelajari hubungan antar variabel, dan tidak
pernah mempermasalahkan mengapa hubungan tersebut ada (atau tidak ada) dan juga apakah hubungan antara Y dengan X dikarenakan oleh X-nya itu sendiri atau faktor-faktor lain. – Bilamana variabel yang terlibat lebih dari dua (banyak variabel), di
dalam analisis regresi juga tidak pernah dipermasalahkan struktur hubungannya, dimana semua variabel penjelas dianggap berpengaruh langsung terhadap variabel tergantung.
TINGKATDENDA
SIKAPPENOLAKAN
PERILAKUPENOLAKAN
KEPATUHAN
ILUSTRASI II
No SIZE ED EXP EARNS INCOME SAVING
1 4 2 33 1.92 1.92 .03
2 4 9 19 3.00 12.40 .87
3 2 17 9 5.93 6.40 .37
4 3 9 36 7.00 7.01 1.20
5 4 12 11 6.99 6.99 .28
6 4 13 15 6.50 6.50 1.40
7 5 17 14 26.00 26.01 11.60
8 5 16 23 15.00 15.36 1.77
9 5 9 34 5.70 15.00 3.98
10 5 16 10 8.82 9.19 1.02
11 10 9 27 7.00 10.60 1.00
12 4 10 26 6.18 12.09 .69
13 7 11 20 6.20 6.25 -.03
14 5 14 12 5.80 9.01 -1.39
15 5 7 15 6.22 6.22 1.00
16 5 8 29 5.50 5.91 1.83
17 4 12 11 4.80 4.80 .61
18 2 6 35 1.82 2.34 .05
19 3 12 30 4.56 7.83 .01
20 7 8 22 7.47 9.56 1.39
Suatu penelitian berbentuk survey (observasional) bertujuan ingin mengetahui faktor-faktor yang berpengaruh terhadap jumlah uang yang ditabung (saving) oleh suatu keluarga. Observasi dilakukan secara bersamaan terhadap 45 keluarga, sehingga diperoleh data cross sectional
No SIZE ED EXP EARNS INCOME SAVING
21 3 9 27 6.60 7.60 .60
22 4 17 8 12.85 13.86 2.22
23 6 12 21 5.80 5.80 1.59
24 3 11 32 7.48 19.36 5.08
25 3 10 21 5.70 8.00 1.85
26 3 12 28 12.00 17.20 .91
27 6 8 31 3.58 1.09 2.48
28 4 10 29 9.60 9.60 .84
29 3 3 38 3.69 10.43 1.27
30 4 12 9 6.48 6.51 -.28
31 5 12 33 6.38 7.68 1.09
32 4 8 33 5.61 12.42 1.16
33 5 8 20 6.00 6.08 .34
34 4 12 24 6.30 6.98 .37
35 5 17 11 10.51 10.52 3.31
36 4 12 24 30.00 31.00 10.67
37 3 12 12 3.43 5.28 1.11
38 9 11 11 8.50 8.51 3.50
39 5 12 25 11.30 12.70 .54
40 5 16 18 16.96 16.77 3.02
41 6 12 19 8.30 8.30 .65
42 4 8 21 6.38 5.38 .99
43 4 12 23 4.77 6.27 2.53
44 4 12 20 4.32 8.52 6.12
45 5 17 22 10.72 24.23 -2.75
Penjelasan:
SIZE = the number of persons in the familyED = the number of years of education received by the head, in yearEXP = the labor marked experience of the head, in year, calc.
EXP=AGE-ED-5EARNS= the wage or salary earning of the head, in thousands dollarsINCOME = the total income of the family, in thousands dollarsSAVING = the saving (flow) of the family, in thousand dollars
Penelitian dilakukan pada suatu daerah dengan kondisi penduduk relatif homogen, yaitu golongan menengah & atas
Dilakukan ANALISIS dengan REGRESI
SAVING = 1.243 + 0.365 EARNS – 0.187 ED – 0.012 EXP + 0.02 INCOME – 0.056 SIZE
ANOVAb
145.737 5 29.147 8.027 .000a
141.622 39 3.631
287.359 44
Regression
Residual
Total
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), INCOME, EXP, SIZE, ED, EARNSa.
Dependent Variable: SAVINGb.
Coefficientsa
1.243 2.361 .526 .602
-.187 .128 -.257 -1.457 .153
-.057 .189 -.035 -.301 .765
-.013 .049 -.043 -.262 .795
.365 .102 .771 3.580 .001
.020 .091 .048 .223 .825
(Constant)
ED
SIZE
EXP
EARNS
INCOME
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: SAVINGa.
Langkah pertama : merancang model berdasarkan konsep dan teori Misal, secara teoritis :
Variabel ED dan EXP berpengaruh terhadap EARN.INCOME dipengaruhi oleh ED, EXP dan EARNS.Variabel EARN, INCOME dan SIZE berpengaruh ke SAVING.
EARNSE3
INCOME
SIZE
SAVING
P6
P8
P7
Pe3
EXP
ED
P2
P1
P3
P4
P5
E2
E1
Pe1
Pe2
EARN = α0 + α 1 ED + α 2 EXP + ε 1 INCOME = β 0 + β 1 ED + β 2 EXP + β 3 EARNS + ε 2
SAVING = γ 0 + γ 1 EARN + γ 2 INCOME + γ 3 SIZE + ε 3
Diagram Path
Persamaan
LANGKAH-LANGKAH ANALISIS PATH (1)
Langkah kedua : Periksa ASUMSI
A. Hubungan antar variabel : linier (time series tdk bisa) dan aditifB. Model rekursif C. Variabel endogen minimal dalam skala intervalD. Variabel diukur tanpa kesalahan (instrumen valid dan reliabel)E. Model dispesifikasikan dengan benar (berdasarkan teori dan konsep)
LANGKAH-LANGKAH ANALISIS PATH (2)
Model Rekursif
Y1
Y2
Y3
X1 , X2
ε1
ε2
ε3
Antar ε i saling bebas (independen)Antara ε1, ε2, dan ε3 dengan X1 dan X2 saling bebas
Langkah kedua: Perhitungan Koefisien Jalur
• Metode perhitungan koefisien jalur terdapat tiga cara:– Pendekatan matriks korelasi; bila model tidak berjenjang (p = Rx
-1 Ry)
– Koefisien regresi dilanjutkan dengan suatu perhitungan matematik { pi = bi (Sxi / Sy)}
– Koefisien regresi standardize
• Pada tulisan ini dipilih metode yang terakhir, yaitu regresi standardize, hal ini mengingat metode ini yang dipandang paling sederhana.
• Di samping itu, perhitungan goodness of fit berupa Koefisien Determinasi Total dapat dilakukan secara sederhana, dan pelaksanaan Theory Triming dapat dilakukan dengan mudah.
LANGKAH-LANGKAH ANALISIS PATH (3)
– Perhitungan koefisien path: Regresi Standardize• Untuk anak panah bolak-balik ↔, koefisiennya merupakan
koefisien korelasi, r dihitung seperti biasanya) • Untuk anak panah satu arah → digunakan perhitungan regresi
variabel dibakukan, secara parsiil pada masing-masing persamaan. Metode yang digunakan adalah OLS, yaitu metode kuadrat terkecil biasa. Hal ini dapat dilakukan mengingat modelnya rekursif. Dari perhitungan ini diperoleh koefisien path pengaruh langsung.
LANGKAH-LANGKAH ANALISIS PATH (3)
• Koefisien tersebut diambil dari Standardize Coeficients Beta, dan dalam hal ini berlaku sebagai berikut :
– dengan merubah setiap data pengamatan ke dalam data standardize, maka semua unit satuan dari setiap variabel adalah hilang (Z tidak mempunyai satuan) dan skalanya juga menjadi seragam ( –3,5 s/d +3,5, seberapapun nilai minimal dan maksimal dari data asli).
– Di dalam model regresi dengan variabel dibakukan, dapat dilihat bahwa konstanta (intercept) tidak ada ( = 0 ), secara teoritis memang demikian. Besarnya sokongan pengaruh setiap variabel X terhadap Y adalah kuadrat dari koefisien regresi variabel standardize.
x1
_
1 i11
_
S
X X ,
−=
−= Z
S
yyZ
y
iyi
LANGKAH-LANGKAH ANALISIS PATH (3)
Perhitungan koefisien pada gambar :
- pengaruh langsung EARN ke SAVING = P6
- pengaruh tidak langsung ED ke SAVING melalui EARN = P1 x P6 - pengaruh tidak langsung ED ke SAVING melalui INCOME = P3 x P7
- pengaruh total : penjumlahan pengaruh langsung dan seluruh pengaruh tdk langsung
LANGKAH-LANGKAH ANALISIS PATH (3)
UnstandardizedCoefficients
StandardizedCoefficientsModel
Variable
B Std. Error Betat Sig.
1 (Constant) -5.979 4.759 -1.256 .216ED .984 .257 .642 3.829 .000
EXP .132 .106 .208 1.241 .222
Model R RSquare
AdjustedR Square
Std. Error of theEstimate
1 .536 .287 .253 4.6578
Dependent Variable: EARN
Model R RSquare
AdjustedR Square
Std. Error of theEstimate
1 .856 .732 .713 3.2696
Dependent Variable: SAVING
Dependent Variable: INCOME
UnstandardizedCoefficientsModel VariableB Std. Error
StandardizedCoefficients
Betat Sig.
1 (Constant) -5.970 3.403 -1.754 .087ED .392 .209 .226 1.871 .068
EXP .216 .076 .301 2.842 .007EARN .869 .108 .768 8.022 .000
Model R RSquare
AdjustedR Square
Std. Error of theEstimate
1 .685 .469 .430 1.9299
UnstandardizedCoefficientsModel VariableB Std. Error
StandardizedCoefficients
Betat Sig.
1 (Constant) -.707 1.009 -.701 .487EARN .317 .097 .669 3.279 .002
INCOME 9.137E-03 .085 .022 .108 .915SIZE -4.001E-02 .189 -.024 -.212 .833
LANGKAH-LANGKAH ANALISIS PATH (3)
EARNSE3
INCOME
SIZE
SAVING
0.669
-0.024
0.022
0.729
EXP
ED
0.21
0.64
0.23
0.30
0.77
E1
E2
0.518
0.844
LANGKAH-LANGKAH ANALISIS PATH (3)
Langkah keempat : pemeriksaan validitas model
Koefisien Determinasi Total :
= 1 – (0.844)2 (0.518)2 (0.729)2
= 0.8984
Model dapat menjelaskan 89.84 % informasi yang terkandung dalam data atau kontribusi pengaruh variabel-variabel exogen (endogen) terhadap variabel endogen (lainnya) sebesar 89.84 %, sedangkan sisanya 10.16 % dipengaruhi oleh variabel lain di luar model dan error
2ep
22e
21e
2m P . . . PP1R −=2mR
Theory trimingUji validasi koefisien path pada setiap jalur untuk pengaruh langsung : nilai p dari uji t, yaitu pengujian koefisien regresi variabel dibakukan secara parsiil.
LANGKAH-LANGKAH ANALISIS PATH (4)
EARNS
INCOME
SIZE
SAVING
0.669(0.002)
-0.024(0.833)
0.022(0.915)
EXP
ED
0.21(0.222)
0.64(0.000)
0.23(0.068)
0.30(0.007)
0.77(0.000)
LANGKAH-LANGKAH ANALISIS PATH (4)
Theory triming
EARNS
INCOME
SAVING
0.669(0.002)
EXP
ED0.64
(0.000)
0.23(0.068)
0.30(0.007)
0.77(0.000)
LANGKAH-LANGKAH ANALISIS PATH (4)
Langkah kelima : interpretasi hasil analisis
Validitas modelKoefisien determinasi total : informasi yang dapat dijelaskan oleh model sebesar 89.84 %. Angka ini cukup besar, sehingga model layak digunakan dan dapat dilakukan interpretasi lebih lanjut.
Pengujian lintasan pengaruh: theory triming
Buang jalur yang nonsignifikan, sehingga dengan mudah diketahui jalur-jalur yang signifikan
Salah satu lintasan pengaruh yang signifikan: ED ke SAVING melalui EARN; koefisien jalur pengaruh tidak langsung:
ED → EARN → SAVING = 0.64 x 0.667 = 0.43 (positif ; signifikan) Regresi (ED → SAVING) = – 0.19 ED (negatif ; nonsignifikan)
Secara teoritis mana yang sesuai?
LANGKAH-LANGKAH ANALISIS PATH (5)
Kontribusi Pengaruh: Kontribusi Relatif: koefisien pengaruh langsung dikuadratkan Kontribusi relatif pengaruh ED thdp ERANS = (0,64)2 = 0,4096
= 40,96 %
Kontribusi Mutlak = koefisien pengeruh total dikuadratkan
Pengaruh Dominan : hitung koefisien pengaruh total dari setiap variabel yang mempunyai pengaruh kausal (signifikan) ke variabel endogen
Variabel dengan koefisien pengaruh total terbesar adalah yang berpengaruh DOMINAN
LANGKAH-LANGKAH ANALISIS PATH (5)
top related