STATISTIKA LANJUTAN 296 pearson korelasi antara variabel X1 dan Y sebesar 14,3% yang dikategorikan mempunyai hubungan yang lemah, korelasi antara variabel X2 dan Y sebesar 9,2% yang juga dikategorikan mempunyai hubungan yang sangat lemah dan korelasi antara variabel X1 dan X2 sebesar 80,7% yang dikategorikan mempunyai hubungan yang kuat. Sedangkan hasil dari uji F memperoleh F hitung sebesar 0,306 dan F tabel sebesar 3,35, karena hasil F hitung lebih kecil daripada F tabel yang artinya bahwa variabel pengunjung dan pembeli sama-sama tidak berpengaruh terhadap variabel nominal pembelian. Sedangkan hasil dari uji t untuk variabel X1 (pengunjung) memberi pengaruh hanya pada interval keyakinan 70%. Untuk variabel X2 (pembeli) memberi pengaruh hanya pada interval keyakinan 55%. Kata Kunci : Statistik, Regresi dan Korelasi, Pengunjung, Pembeli, Barang, Indomaret. 2. Penelitian selanjutnya yaitu dilakukan oleh Margaretha G. Mona, John S. Kekenusa dan Jantje D. Prang dengan judul penelitian Penggunaan Regresi Linear Berganda untuk Menganalisis Pendapatan Petani Kelapa Studi Kasus: Petani Kelapa Di Desa Beo, Kecamatan Beo Kabupaten Talaud. Desa Beo merupakan salah satu desa yang ada di Kabupaten Kepulauan Talaud dimana sebagian besar
STATISTIKA LANJUTAN 297 masyarakat Desa Beo adalah petani yang memiliki tanaman kelapa yang merupakan sumber pendapatan yang sangat penting. Tujuan penelitian ini adalah untuk mengetahui seberapa besar pengaruh variabel yang telah dipilih terhadap pendapatan petani kelapa di desa Beo dengan menggunakan analisis regresi linier berganda. Dalam penelitian ini digunakan data primer, dengan simple random sampling sebagai teknik pengambilan sampel. Pengujian hipotesis dengan menggunakan uji F diketahui bahwa jumlah produksi buah kelapa, biaya, luas lahan, jumlah pohon kelapa dan banyaknya anggota keluarga secara bersama-sama memiliki pengaruh terhadap pendapatan petani kelapa. Variabel yang memiliki pengaruh yang signifikan terhadap pendapatan petani kelapa yaitu jumlah produksi buah kelapa dan biaya dan nilai koefisien yang dihasilkan adalah 0,907 atau 90,7 persen. Kata kunci: Analisis Regresi Linear Berganda, Pendapatan Petani Kelapa. 3. Penelitian ketiga yaitu dilakukan oleh Taufiqur Rohman dengan judul peneltiian Kepemimpinan dan Motivasi Kerja Terhadap Kinerja Karyawan di BPR Artahuda Mandiri Margoyoso Pati. Penelitian yang dilakukan oleh Taufiqur tersebut dilakukan untuk membahas tentang pengaruh
STATISTIKA LANJUTAN 298 kepemimpinan dan motivasi kerja terhadap kinerja karyawan. Sampel pada penelitian tersebut yaitu 28 orang karyawan BPR Artahuda Mandiri Margoyoso Pati. Penelitian dianalisis menggunakan pendekatan kuantitatif yang meliputi uji validitas, uji realibilitas, uji asumsi klasik, uji koefisien determinasi, serta analisis regresi berganda, uji signifikansi F (uji statistik F), Uji Signifikansi Parameter Individual (Uji T). Data pada penelitian tersebut diolah menggunakan SPSS Versi 19. Dari hasil pengolahan data penelitian diperoleh dari regresi linier sederhana Ŷ = 6.382 + 0.408 X1 + 0.222 X2 + e. Hasil perhitungan secara simultan diperoleh hasil uji parsial untuk t hitung (2,835) > t tabel (2,059), signifikasi variabel kepemimpinan terhadap variabel terkait yaitu kinerja karyawan sebesar 0,009 atau lebih kecil dari nilai alpha 0,05. variabel kepemimpinan berpengaruh signifikan terhadap kinerja karyawan atau H1 diterima dan H2 ditolak. Sedangkan nilai koefisien regrasi variabel motivasi kerja adalah sebesar 0,239.atau lebih besar dari nilai alpha 0,05. Sehingga dapat dikatakan bahwa nilai t hitung ˂ t tabel dan signifikasi 0,239 ˃ 0,05 artinya variabel motivasi kerja tidak berpengaruh dan tidak signifikan terhadap kinerja karyawan atau H1 ditolak dan H0 diterima.
STATISTIKA LANJUTAN 299 D. Tahapan Analisis Data Regresi Linear Berganda Pada bagian ini penulis akan mengambil contoh tahapan analisis menggunakan regresi linear berganda dari penelitian yang dilakukan oleh Taufiqur Rohman dengan judul penelitian Kepemimpinan dan Motivasi Kerja Terhadap Kinerja Karyawan di BPR Artahuda Mandiri Margoyoso Pati. Penjelasan dari masing-masing tahapan analisis data yang dilakukan yaitu: 1. Uji Validitas Pada tahapan pertama yang dilakukan oleh peneliti tersebut yaitu menguji tingkat validitas dari instrumen (angket) yang telah dibuat. Hal tersebut merupakan salah satu langkah awal yang harus dilakukan agar pertanyaan tersebut bersifat valid dan kemudian baru dapat disebar kepada subjek penelitian. Pertanyaan dapat dikatakan valid apabila nilai r hitung lebih besar dari r tabel atau tingkat signifikansinya sebesar 0.05. Sedangkan, untuk mencari r tabel, peneliti melihat dari tabel dengan mengetahui terlebih dahulu derajat kebebasannya (Degree of Freedom). Derajat kebebasan dapat diukur dengan cara df = n-2. Jadi pada peneltiian tersebut responden penelitiannya sebanyak 28, jadi besaran derajat kebebasannya yaitu df = 28-2 dengan tingkat signifikansi sebesar 5% (0.05). Sehingga
STATISTIKA LANJUTAN 300 didapat r tabel sebesar 0,388. Hasil uji validitas pada penelitian yang dilakukan oleh Taufiqur yaitu: 2. Uji Multikolinearitas Tahapan uji analisis selanjutnya yang dilakukan oleh Taufiqur yaitu uji multikolnearltas. Uji ini merupakan bentuk pengujian asumsi dalam analisis regresi berganda. Dalam asumsi multikolnearltas menyatakan bahwa variabel independen harus terbebas dari gejala multikolnearltas, Untuk menguji ada tidaknya multikolinearitas, digunakan nilai Toleransi atau VIF (Variance Inflation Factor). Ketentuan yang digunakan adalah jika VIF lebih besar dari 0,05, maka multikolinearitas dapat dianggap signifikan secara statistik. Hasil dari uji multikolinearitas yang dilakukan yaitu:
STATISTIKA LANJUTAN 301 Berdasarkan hasil uji multikolinearitas di atas yang dilakukan oleh Taufiqur terlihat bahwa nilai VIF untuk variabel kepemimpinan dan motivasi sebesar 1,003. Sedangkan, nilai tolerance nya yaitu 0,997, karena nilai VIF dari kedua variabel tidak lebih besar dari 0,05. Maka dapat dikatakan tidak terjadi multi kolinearitas pada kedua variabel bebas tersebut. Berdasarkan asumsi klasik regresi linear, maka model regresi linear yang baik adalah terbebas dair multikolinearits. Maka dari itu hasil di atas telah menunjukan bahwa hal tersebut terbebas dari adanya multikolinearitas. 3. Uji Heterokedastisitas Langkah selanjutnya yang dilakukan yaitu dengan melakukan uji heterokedastisitas. Uji asumsi ini merupakan asumsi dalam regresi dimana varian dari residual tidak sama untuk satu pengamatan yang lain. Gejala varian residual yang sama dari satu pengamatan yang lain disebut
STATISTIKA LANJUTAN 302 homokedastisitas. Uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan varians dan residual satu pengamatan ke pengamatan yang lain. Model regresi dikatakan terjadi heteroskedastisitas jika data berpencari di sekitar angka 0 pada sumbu Y dan tidak membentuk pola atau trend tertentu. Hasil dari uji heterokedastisitas tersebut yaitu: Gambar di atas menunjukkan sebaran titik tidak membentuk suatu pola/alur tertentu, sehingga dapat disimpulkan tidak terjadi heteroskedastisitas atau dengan kata lain terjadi homoskedastisitas. 4. Uji Normalitas Langkah selanjutnya yang dilakukan oleh Taufiqur yaitu melakukan uji normalitas. Uji normalitas dilakukan untuk memastikan bahwa data yang dianalisis berdistribusi normal sebagai salah satu syarat dilakukan analisis. Uji normalitas dalam analisis ini dilakukan dengan program
STATISTIKA LANJUTAN 303 SPSS yang terdistribusi normal. Hasil ini sejalan dengan asumsi klasik dari regresi linier. menghasilkan gambar Normal P-P Plot. Gambar yang dihasilkan akan menunjukkan sebaran titik-titik. Apabila sebaran titik-titik tersebut mendekati atau rapat pada garis lurus (diagonal) maka dikatakan bahwa (data) residual terdistribusi normal, namun apabila sebaran titik-titik tersebut menjauhi garis maka tidak terdistribusi normal. Hasil uji normalitas yang dilakukan oleh Taufiqur tersebut yaitu: 5. Uji analisis regresi linear berganda Setelah mengetahui bahwa data berdistribusi normal dan siap untuk dianalisis. Maka langkah selanjutnya yang dilakukan oleh Taufiqur yaitu melakukan analisis regresi linear berganda. Analisis regresi linear berganda dilakukan dengan cara menetapkan persamaan Ŷ = a + b1X1 + b2X2+ e Hasil perhitungan nilai-nilai tersebut yaitu: Sebaran -titik dari gambar - garis lurus, sehingga
STATISTIKA LANJUTAN 304 Hasil persamaan regresi linear berganda ini : Ŷ = 6.382 + 0.408 X1 + 0.222 X2 + e Yang memiliki arti 1) Nilai konstanta a = 6.382 artinya jika variabel kepemimpinan dan motivasi kerja tidak dimasukkan dalam penelitian maka kinerja karyawan di BPR artha huda abadi masih meningkat 6.382%. 2) Nilai koefisien b1 = 0.408 artinya jika variabel kepemimpin ditingkatkan lebih baik lagi (seperti lebih bersifat adil, memberi sugesti, menciptakan rasa aman, bersikap menghargai, mendukung tujuan, katalisator, sebagai wakil organisasi, sumber inspirasi) maka kinerja karyawan di BPR artha huda abadi akan meningkat sebesar 0.408% dengan ansumsi variabel independent yang lain konstan. 3) Nilai kofisien b2 = 0.222 artinya jika variabel motivasi kerja ditingkatkan 1% lebih baik lagi maka (seperti memberikan motivasi rekan kerja dan atasan, lebih
STATISTIKA LANJUTAN 305 memberikan kesempatan kepada karyawan untuk mencari pengetahuan dan ketramilan, serta tunjangan dinaikan) kinerja karyawan di BPR arta huda abadi akan meningkat sebesar 0.222% dengan asumsi variabel independent yang lain konstan. 6. Uji T Uji t dalam regresi linier berganda dimaksudkan untuk menguji apakah parameter (koefisien regresi dan konstanta) yang diduga untuk mengestimasi persamaan/model regresi linier berganda sudah merupakan parameter yang tepat atau belum. Maksud tepat disini adalah parameter tersebut mampu menjelaskan perilaku variabel bebas dalam mempengaruhi variabel terikatnya. Parameter yang diestimasi dalam regresi linier meliputi intersep (konstanta) dan slope (koefisien dalam persamaan linier). Pada bagian ini, uji t difokuskan pada parameter slope (koefisien regresi) saja. Jadi uji t yang dimaksud adalah uji koefisien regresi. Ketentuan yang digunakan adalah apabila nilai probabilitas lebih kecil dari pada 0.05 maka H0 ditolak atau koefisien regresi signifikan, dan apabila nilai probabilitas lebih besar dari 0.05 maka H0 diterima atau koefisien regresi tidak signifikan.
STATISTIKA LANJUTAN 306 Hasil uji t tersebut dapat dilihat pada tabel 10. Nilai koefisien regresi variabel kepemimpinan (t hitung) adalah sebesar 2,835 dengan t tabel sebesar 2,059, signifikasi variabel kepemimpinan terhadap variabel terkait yaitu kinerja karyawan sebesar 0,009 atau lebih kecil dari nilai alpha 0,05. Kesimpulannya nilai t hitung ˃ t tabel dan signifikasi 0,009 ˂ 0,05 artinya variabel kepemimpinan berpengaruh signifikan terhadap kinerja karyawan atau H1 diterima dan H2 ditolak, sedangkan nilai koefisien regrasi variabel motivasi kerja adalah (t hitung) sebesar 1,206, dengan t tabel 2,059, signifikasi variabel motivasi kerja terhadap variabel terkait yaitu motivasi kerja sebesar 0,239.atau lebih besar dari nilai alpha 0,05. Sehingga dapat dikatakan bahwa nilai t hitung ˂ t tabel dan signifikasi 0,239 ˃ 0,05 artinya variabel motivasi kerja tidak berpengaruh dan tidak signifikan terhadap kinerja karyawan atau H1 ditolak dan H0 diterima. 7. Uji F (Uji regresi secara bersama) Uji ini bertujuan untuk mengetahui apakah terdapat pengaruh dari variabel independen secara bersama-sama dengan variabel dependen. Uji ini disebut juga sebagai uji kelayakan model atau simultan model. Pada uji ini mengidentifikasi model regresi yang diestimasi layak atau
STATISTIKA LANJUTAN 307 tidak. Kategori layak yang dimaksud yaitu model yang diestimasi dapat digunakan untuk menunjukan pengaruh variabel bebas terhadap variabel terikat. Ketentuan yang diberlakukan adalah apabila nilai prob. F hitung (ouput hasil ditunjukkan pada kolom sig.) lebih kecil dari tingkat kesalahan/error (alpha) 0,05 (yang telah ditentukan) maka Ho ditolak atau dapat dikatakan bahwa model regresi yang diestimasi layak, sedangkan apabila nilai prob. F hitung lebih besar dari tingkat kesalahan 0,05 maka dapat dikatakan H0 diterima jika nilai f hitung ≤ f tabel dan signifikasi ˃ 0,05. Dan H3 diterima jika variabel kepemimpinan dan motivasi kerja secara bersama-sama memiliki nilai f hitung ≥ f tabel dan signifikasi ˂ 0,05. Hasil pada uji F tersebut yaitu: Berdasarkan hasil dari tabel output SPSS di atas menunjukkan nilai F 4,950 ˃ nilai f tabel 3,385 dan signifikasi 0,015 ˂ 0,05 H3 diterima H0 ditolak dapat
STATISTIKA LANJUTAN 308 disimpulkan bersama bahwa variabel kepemimpinan dan motivasi kerja berpengaruh secara signifikan terhadap kinerja tabel karyawan. 8. Uji R2 (uji koefisien determinasi) Analisis data terakhir yang dilakukan oleh Taufiqur adalah melakukan uji koefisien determinasi atau uji R2 . Uji ini dimaksudkan untuk mengukur seberapa jauh variabel independen mempengaruhi variabel dependen. Hasil dari uji koefisien determinasi tersebut dapat terlihat pada tabel berikut. Berdasarkan tabel uji koefisien determinasi di atas dapat dilihat dari nilai R-Square yang besarnya 0,284 menunjukkan bahwa proporsi pengaruh variabel kepemimpinan dan motivasi terhadap variabel kinerja pegawai sebesar 28,4%. Artinya, kepemimpinan di BPR Artha Huda Abadi dan motivasi kerja pegawai, memiliki proporsi pengaruh terhadap kinerja pegawai di BPR Artha Huda mandiri sebesar 28,4% sedangkan sisanya, yaitu
STATISTIKA LANJUTAN 309 71,6% (100% - 28,4%) dipengaruhi oleh variabel lain yang tidak ada di dalam model regresi linier ini. Pengaruh yang ditimbulkan kepemimpinan dan motivasi kerja terhadap kinerja pegawai yang hanya 28,4% termasuk kecil. Menurut pengamatan peneliti (Taufiqur), bahwa kepemimpinan di BPR Artha Huda mandiri belum banyak berpengaruh terhadap kinerja karyawan bukan karena faktor kepemimpinan yang buruk, tetapi lebih pada faktor tanggung jawab karyawan. Hal yang sama juga tampak pada pengaruh yang ditimbulkan motivasi kerja terhadap kinerja. Motivasi kerja memang memiliki pengaruh terhadap kinerja karyawan tetapi tidak signifikan. Menurut pengamatan peneliti, hal ini juga dikarenakan faktor tanggung jawab karyawan yang baik. G. Kesimpulan Jadi, Analisis regresi ini banyak digunakan dalam bidang penulisan karya ilmiah yang menyangkut perhitungan hasil akhir yang mana akan menentukan bahwa, berhasil atau tidaknya suatu penelitian yang sedang dilakukan dengan melihat kesimpulan dari hasil perhitungan analisis regresinya. Analisis perhitungan tidak hanya melibatkan satu analisis saja, tetapi menyangkut beberapa penghitungan statistika agar
STATISTIKA LANJUTAN 310 menunjang hasil analisis regresi, seperti uji-t, uji-F, penggunaan anova dan pendugaan hipotesis. Hasil analisis regresi berupa persamaan regresi yang merupakan fungsi prediksi suatu variabel dengan menggunakan variabel lain.
STATISTIKA LANJUTAN 311 DAFTAR PUSTAKA Dedi, P.S. 2015. Analisis Regresi Dan Korelasi Antara Pengunjung Dan Pembeli Terhadap Nominal Pembelian Di Indomaret Kedungmundu Semarang Dengan Metode Kuadrat Terkecil. Mona, G, M., John S. Kekenusa., Jantje D.Prang. 2015. Analisis Regresi Linier Berganda Untuk Menganalisis Pendapatan Petani Kelapa Kasus: Petani Kelapa di Desa Beo, Kecamatan Beo Kabupaten Talaud. Jurnal Jdc. Vol 4 (2). Rohman, Taufiqur. 2018. Pengaruh Kepemimpinan dan Motivasi Kerja Terhadap Karyawan di BPR Artahuda Mandiri Margoyoso Pati. Skripsi: Fakultas Ekonomi dan Bisnis Islam. Universitas Islam Negeri Walisongo Semarang. Padilah, N,T & Riza Ibnu Adam. 2019 Analisis Regresi Linear Berganda Dalam Estimasi Produktivitas Tanaman Padi di Kabupaten Karawang. Jurnal Fibonacci: Jurnal Pendidikan matematika dan Matematika. E-ISSN: 2614- 8234. Paiman. 2019. Teknik Analisis Korelasi Dan Regresi Ilmu-Ilmu Pertanian. Yogyakarta: UPY Press Yuliara, I Made. 2016. Modul Regresi Linear Berganda. Fakultas Matematika dan Ilmu Pengetahuan Alam: Universitas Udaya.
STATISTIKA LANJUTAN 312 ANALISIS JALUR (PATH ANALYSIS) Fairus Sintawati Program Studi Doktor Linguistik Terapan Universitas Negeri Jakarta [email protected] A. Pendahuluan Analisis jalur (Path Analysis) merupakan salah satu teknik analisa dalam penelitian kuantitatif yang dikembangkan berdasarkan analisis statistik regresi yang digunakan untuk menggambarkan serta menguji hubungan antara variabel betbtuk sebab akibat. Seiring berkembangnya bidang ilmu pengetahuan saat ini, penelitian kuantitatif merupakan salah satu penelitian yang sangat dibutuhkan. Terlebih, ketika menggunakan penelitian kuantitatif sangat membutuhkan statistika. Dalam bidang ilmu sosial, pendidikan dan cabangcabang ilmu lainnya yang terdapat pengaruh antara suatu variabel yang tidak selamanya didomonasi oleh satu variabel bebas ataupun variabel terikat. Sehingga, salah satu teknik yang dapat membantu perhitungan tersebut yaitu dengan menggunakan analisis jalur (Path Analysis).
STATISTIKA LANJUTAN 313 Analisis jalur (Path Analysis) merupakan suatu teknik analisis yang dikembangkan pertama kali oleh Sewal Wright pada tahun 1920. Analisis ni merupakan salah satu pilihan yang dapat digunakan oleh peneliti untuk menelaah hubungan antara model kausal yang telah dirumuskan oleh peneliti atas dasar pertimbangan teoritis serta penngetahuan tertentu. Analisis jalur dapat juga digunakan untuk menguji hipotesis kausal serta menafsirkan hubungan antara hipotesis, data, serta pengetahuan yang dimiliki oleh peneliti. Terdapat beberapa tujuan ketika peneliti memilih menggunakan teknik analisis jalur ini dalam penelitiannya diantaranya yaitu untuk menerangkan kenapa variabel-variabel berkorelasi dengan menggunakan suatu model yang berurutan secara kontemporer, menggambarkan serta menguji suatu model matematis dengan persamaan yang mendasarinya, mengidentifikasi jalur penyebab suatu variabel tertentu terhadap variabel lain yang dipengaruhinya, dan menghitung besarnya pengaruh suatu variabel independen exogenous atau lebih terhadap variabel dependen endogenous lainnya.
STATISTIKA LANJUTAN 314 B. Landasan Teori 1. Statistik Statistik merupakan salah satu disiplin ilmu yang biasa digunakan untuk menganalisis sebuah data atau variabel dalam peneltiian menggunakan perhitungan secara angka serta pada praktiknya biasanya dibantu oleh perangkat lunak SPSS. Perkembangan ilmu statistika diawali sebagai suatu ilmu yang membahas cara-cara mengumpulkan angka sebagai hasil pengamatan menjadi sesuatu yang lebih mudah dipahami (Soni, et al, 2003). Lebih lanjut, menurutnya statistika merupakan salah satu cabang ilmu yang berkaitan dengan ilmu untuk angkaangka (keterangan) atas perintah raja suatu negara yang ingin mengetahui kekayaan negaranya, jumlah penduduk hewan piaraan, hasil pertanian, dan modal usaha. Sehingga, dari keperluan semacam itulah timbul teknik pencatatan angka-angka pengamatan dalam bentuk daftar dan grafik. Seiring berkembangya zaman, penggunaan statistik tidak hanya digunakan oleh raja-raja ataupun pemangku kepentingan di suatu negara saja. Lebih luas lagi, saat ini statistik digunakan oleh hampir seluruh orang khususnya seorang peneliti ketika menggunakan motode penelitian secara kuantitatif, karena dengan menggunakan angka-
STATISTIKA LANJUTAN 315 angka hasil yang didapatkan dalam penelitian tersebut lebih konkret dan objektif daripada menggunakan deskritif yang hanya bersifat subjektif dari pemikiran peneliti. Hal tersebut sejalan dengan pendapat yang digunakan oleh Sudjana (1992) menjelaskan bahwa statistik merupakan kumpulan fakta yang berbentuk angka yang disusun dalam daftar atau tabel dan diagram yang dapat menggambarkan suatu persoalan dalam penelitian. Selain dapat menggambarkan secara lebih konkret dan objektif terhadap hasil penelitian yang telah dilakukan terdapat beberapa fungsi lain ketika seorang peneliti menggunakan teknik analisis statistik dalam penelitiannya. Beberap fungsi dari menggunakan statistik dalam penelitian yaitu: 1) Statistik dapat menggambarkan data dalam bentuk tertentu. 2) Statistik dapat menyederhanakan data yang kompleks menjadi data yang mudah dimengerti. 3) Statistik merupakan teknik untuk membuat perbandingan. 4) Statistik dapat memperluas pengalaman individu. 5) Statistik dapat menentukan hubungan sebab akibat dalam penelitian.
STATISTIKA LANJUTAN 316 Dalam teknik analisis menggunakan statistik terdapat tiga ciri khas yang menjadikan statistik dapat digunakan dalam penelitian. Diantaranya yaitu: a) Statistik bekerja menggunakan angka. Artinya, ketika seorang peneliti memutuskan menggunakan statistik dalam metode penelitiannya. Hasil yang akan didapatkan oleh peneliti tersebut yaitu berupa angka yang menggambarkan keadaan sebenarnya ataupun ada perubahan atau tidak dalam treatment yang telah dilakukan dalam penelitiannya. b) Statistik bersifat objektif. Artinya, penelitian dengan teknik analisis menggunakan statistik hasil penelitian yang dilakukan akan bersifat lebih objektif dibandingkan dengan menggunakan metode analisis kualitatif deskriptif yang merupakan subjektif dari peneliti. c) Statistik bersifat universal. Artinya, penggunaan statistik dalam penelitian tidak hanya terpaku pada satu jenis pengamatan saja (sempit). Statistik, hampir dapat digunakan dalam semua kegiatan manusia yang diamati oleh peneliti. Seperti, penggunaan modul pembelajaran tertentu untuk melihat apakah ada peningkatan dalam keterampilan menulis siswa.
STATISTIKA LANJUTAN 317 Pada dunia penelitian, statistik biasa digunakan oleh peneliti yang memilih untuk menggunakan metode kuantitatif untuk mengambil data dalam penelitiannya. Lebih lanjut, menurut Sugiyono (2003), terdapat peranan statistika dalam penelitian yaitu: a. Alat untuk menghitung besarnya anggota sampel yang diambil dari suatu populasi. Sehingga, jumlah sampel yang terdapat pada penelitian tersebut akan lebih dapat dipertanggungjawabkan tingkat validitasnya. b. Alat untuk menguji validitas dan realibilitas instrumen penelitian sebelum instrumen tersebut digunakan dalam penelitian. c. Sebagai teknik yang digunakan oleh peneliti untuk mengkaji lebih dalam mengenai data yang akan diambil dalam penelitian melalui tabel, grafik, dan diagram. d. Merupakan alat untuk menguji serta menganalisis sebuah hipotesis dalam penelitian. 2. Analisis Jalur (Path Analysis) Analisis jalur merupakan analisis yang menghubungkan antara variabel independen, intervening dan dependen yang membentuk pola hubungan antar variabel ditunjukkan dengan anak panah dari variabel satu ke variabel yang lain (Widi, 2018). Pendapat tersebut
STATISTIKA LANJUTAN 318 sejalan dengan Afsah (2016/0, analisis jalur merupakan bagian dari analisis regresi yang dapat digunakan untuk menganalisis hubungan sebab akibat antar satu variabel dengan variabel yang lainnya. Analisis jalur adalah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda apabila peubah bebasnya mempengaruhi peubang tergantung, tidak hanya secara langsung tetapi juga secara tidak langsung (Erfan, Ddkk, 2018) Seorang peneliti, sebelum menganalisis jalur harus mempunyai hipotesis terlebih dahulu terhadap model atau diagram jalurnya. Ketika menyusun model, tentu saja perlu diperhatikan variabel mana yang termasuk variabel bebas dan variabel terikat. Heri (2017) menyatakan bahwa analisis jalur merupakan salah satu pilihan dalam rangka mempelajari ketergantungan sejumlah variabel dan digunakan untuk menelaah hubungan antara model kausal yang telah dirumuskan peneliti atas dasar pertimbangan teoretis dan pengetahuan tertentu. Hal itu sejalan dengan pendapat Rutherford, analisis jalur merupakan suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara
STATISTIKA LANJUTAN 319 langsung tetap juga secara tidak langsung (Malik, dkk, 2015). Analisis yang tepat untuk menganalisis hubungan variabel yang kompleks adalah analisis jalur (Ni Wayan & I Ketut, 2014). Menurut Riduwan & Sunarto (2011) Ketika seorang peneliti memutuskan untuk memilih teknik analisis menggunakan analisis jalur (Path Analysis) bisa dan tidaknya suatu penelitian menggunakan analisis jalur bila memenuhi beberapa asumsi berikut, diantaranya: 1) Hubungan antara variabel bersifat linear 2) Hubungan antara variabel bersifat aditif 3) Skala pengukuran minimal interval 4) Hubungan yang sudah ada adalah sebab akibat a. Jenis-jenis analisis jalur (Path Analysis) Terdapat beberapa jenis analisis jalur yang dapat dipilih dan digunakan oleh peneliti ketika ingin menggunakan teknik analisis jalur yaitu sebagai berikut. 1) Model Jalur Korelasi Model jalur korelasi ditandai dengan adanya model korelasi antara variabel bebas dan model regresi antara variabel bebas dengan variabel terikat. Sebagai contoh dapat terlihat pada gambar di bawah ini:
STATISTIKA LANJUTAN 320 2) Model Jalur Mediasi Model jalur mediasi dalam teknik analisis jalur ditandai dengan adanya hubungan yang tidak langsung dari variabel bebas dengan variabel terikat. Sebagai contoh terdapat pada gambar di bawah ini yaitu X1 berhubungan langsung dengan Y dan tidak langsung dengan Y melalui X2 (Agus, et al, 2013). 3) Model Jalur Independen Pada model jalur independen ditandai dengan adanya hubungan yang langsung dari variabel bebas dengan variabel terikat (tidak ada korelasi maupun pengaruh antara variabel bebasnya). Hal
STATISTIKA LANJUTAN 321 ini merupakan model regresi antara variabel bebas X dengan variabel terikat Y (Agus, et al, 2013). Sebagai contoh ilustrasi analisis jalur model independen ada pada gambar di bawah ini: C. Penelitian Terdahulu Analisis jalur (Path Analysis) telah mengalami perkembangan yang sangat pesan dan bukan hanya digunakan oleh sekelompok orang saja. Saat ini, teknik analisis jalur telah banyak digunakan dalam penelitian yang dilakukan peneliti. Pada makalah ini, penulis mengambil 3 contoh penelitian yang menggunakan teknik analisis jalur, sebagai berikut. 1. Penelitian yang dilakukan oleh Desy Setyorini dan Achmad Syahlani pada tahun 2019 dengan judul Analisis Jalur (Path Analysis) Pengaruh Kondisi Sosial Ekonomid an Motivasi Belajar Terhadap Prestasi Belajar Mahasiswa. Tujuan dari penelitian ini adalah untuk menguji pengaruh langsung kondisi sosial ekonomi dan motivasi belajar
STATISTIKA LANJUTAN 322 terhadap prestasi belajar mahasiswa, serta pengaruh langsung kondisi sosial ekonomi terhadap motivasi belajar mahasiswa. Penelitian dilakukan di Institut Sains dan Teknologi Al-Kamal Jakarta dengan populasi penelitian adalah seluruh mahasiswa Program Studi Teknik Informatika, Fakultas Teknologi Informasi & Komunikasi Visual. Dari populasi tersebut, diambil sampel sebanyak 70 mahasiswa yang diperoleh dengan menggunakan teknik pengambilan sampel acak sederhana. Penelitian ini menggunakan metode survei kausal. Data penelitian dijaring melalui instrumen penelitian berupa kuesioner dengan skala Likert, kemudian diolah dan dianalisis dengan teknik analisis jalur. Hasil penelitian ini menunjukkan bahwa: (1) Tidak terdapat pengaruh langsung kondisi sosial ekonomi terhadap prestasi belajar mahasiswa; (2) Terdapat pengaruh langsung motivasi belajar terhadap prestasi belajar mahasiswa; dan (3) Terdapat pengaruh langsung kondisi sosial ekonomi terhadap motivasi belajar mahasiswa. Kata kunci: prestasi belajar, motivasi belajar, kondisi sosial ekonomi. 2. Penelitian selanjutnya dilakukan oleh Rezzy Eko Caraka dan S. Sugiarto dengan judul penelitian Path Analysis Terhadap Faktor-Faktor yang mempengaruhi Prestasi
STATISTIKA LANJUTAN 323 Siswa. Pada penelitian ini digunakan analisis jalur yang merupakan bentuk modifikasi dari analisis regresi dimana variabel bebas yang diteliti tidak hanya mempengaruhi variabel terikat secara langsung, tetapi juga dapat mempengaruhi variabel tersebut secara tidak langsung. Variabel-variabel bebas tersebut memiliki pengaruh langsung dan pengaruh tak langsung terhadap variabel terikat. Berdasarkan hasil pembahasan, diperoleh kesimpulan bahwa untuk meningkatkan nilai rata-rata UN variable uang saku dan lama akses internet menjadi hal yang perlu diperhatikan oleh guru dan juga pihak lainnya yang terlibat pada pendidikan selain itu diketahui dari pengaruh tidak langsung. 3. Penelitian yang terakhir dilakukan oleh Wahidah Sanusi, S.Sukarna, dan Elma Selviana Darwis dengan judul penelitian Analisis Jalur dan Implikasinya dalam Menentukan Faktor yang mempengaruhi Derajat Kesehatan Balita di Sulawesi Selatan. Penelitian ini bertujuan untuk mengaplikasikan analisis jalur dan untuk mengetahui seberapa besar faktor-faktor yang berpengaruh terhadapd erajat kesehatan balita Di Sulawesi Selatan baiksecara pengaruh langsung maupun secara pengaruh tidak langsung Menganalisis model dan
STATISTIKA LANJUTAN 324 menginterpretasikan hasil. Data yang digunakan adalah data jumlah rekapitulasi derajat kesehatan balita di Provinsi Sulawesi Selatan tahun 2019. Variabel yang digunakan adalah Jumlahibuhamil 20-30 tahun (X1), Jumlahbalita yang mendapatkan ASI full 6 bulandari ibu yang tidak bekerja (X2), Kelainandalamkandungan (X3),Bayi yang terdampakgiziburuk pada ibuhamil yang usia 30-35 tahun(Y1), dan Bayi yang meninggaldalamkandungan (Y2). Penelitian ini menggunakan model dua persamaan jalur (two equation paths). Penelitian ini dimulai dari merumuskan persamaan model struktural, menghitung koefisien jalur secara simultan dan secara parsial, melakukan simulasi model menggunakan softwere SPSS 22, memaknai dan menyimpulkan. Hasil penelitian diperoleh model dua persamaan struktural;taraf signifikan (α)untuk hasil simulasi sebesar 5% atau 0,05; menjelaskan bahwa setiap model sub-struktur yang diuji secara simultan dan secara parsial memiliki pengaruh yang positif dan signifikan terhadapderajat kesehatan balita Di Sulawesi Selatan.
STATISTIKA LANJUTAN 325 D. Penerapan Aplikasi Jalur pada Penelitian Penerapan analisis jalur (Path Analysis) sudah banyak digunakan oleh beberapa peneliti terdahulu. Salah satu teknik analisis yang digunakan dalam penelitian digunakan oleh Desy Setyorini dan Achmad Syahlani dalam penelitiannya yang berjudul: Analisis Jalur (Path Analysis) . Analisis jalur pada penelitian tersebut yaitu sebagai berikut: Untuk mengetahui apakah ada pengaruh atau hubungan terhadap hal yang diteliti, pada penelitian tersebut terdapat langkah-langkah yang digunakan yaitu:
STATISTIKA LANJUTAN 326 Dalam penelitian penelitian di atas langkah-langkah yang dilakukan oleh peneliti yaitu meliputi Uji Normalitas Data, Uji Signifikansi Koefisien Korelasi, Uji Signifikasi Regresi, Uji Linieritaas Regresi, Uji Signifikansi Koefisien
STATISTIKA LANJUTAN 327 Jalur dengan bantuan SPSS versi 22. Untuk pengujian signnikansi koefisien jalur (Uji Hipotesis Penelitian) peneliti tersebut menggunaan program Amos sebagai alat bantunya.Berikut langkah-langkah dalam penelitian yang dilakukan oleh Desy Setyorini dan Achmad Syahlani. 1. Uji Normalitas Data Hasil uji normalitas data dapat dilihat pada tabel berikut. Dari hasil uji Kolmogorov-Smirnov pada Tabel IV.1, diperoleh nilai-nilai Asymp. Sig. (2-tailed) yang lebih besar dari 0,01 sehingga dapat disimpulkan bahwa data yang digunakan, baik data variabel X1, X2, maupun X3, ketiganya berdistribusi normal. 2. Uji Signifikansi Koefisien Korelasi Hasil uji signifikansi koefisien korelasi dapat dilihat pada tabel berikut.
STATISTIKA LANJUTAN 328 Dari hasil uji signifikansi koefisien korelasi (Pearson Correlation) pada tabel Tabel IV.2, diperoleh nilai-nilai Sig. (2-tailed) yang lebih kecil dari 0,01 sehingga dapat disimpulkan: a. Koefisien korelasi antara X1 dengan X2 sebesar 0,497 adalah signifikan. b. Koefisien korelasi antara X1 dengan X3 sebesar 0,307 adalah signifikan. c. Koefisien korelasi antara X2 dengan X3 sebesar 0,649 adalah signifikan. 3. Uji Signifikansi Regresi a. Variabel X3 atas X1 Hasil uji signifikansi Regresi variabel X3 atas X1 dapat dilihat pada tabel berikut.
STATISTIKA LANJUTAN 329 Dari hasil uji signifikansi regresi pada Tabel IV.3, diperoleh nilai Sig. = 0,009 < 0,01 sehingga dapat disimpulkan bahwa regresi variabel X3 atas X1 adalah signifikan. b. Variabel X3 atas X2 Hasil uji signifikansi regresi variabel X3 atas X2 dapat dilihat pada tabel berikut ini. Dari hasil uji signifikansi regresi pada Tabel IV.4, diperoleh nilai Sig. = 0,000 < 0,01 sehingga dapat disimpulkan bahwa regresi variabel X3 atas X2 adalah signifikan. c. Variabel X2 atas X1 Hasil uji signifikansi regresi variabel X2 atas X1 dapat dilihat pada tabel berikut ini.
STATISTIKA LANJUTAN 330 Dari hasil uji signifikansi regresi pada Tabel IV.5, diperoleh nilai Sig. = 0,000 < 0,01 sehingga dapat disimpulkan bahwa regresi variabel X2 atas X1 adalah signifikan. 4. Uji Linearitas Regresi a. Variabel X3 atas X1 Hasil uji linieritas regresi variabel X3 atas X1 dapat dilihat pada tabel berikut. Dari hasil uji linieritas regresi pada Tabel IV.6, diperoleh nilai Sig. (Deviation from Linearity) = 0,973 > 0,01 sehingga dapat disimpulkan bahwa regresi variabel X3 atas X1 adalah regresi linier.
STATISTIKA LANJUTAN 331 b. Variabel X3 atas X2 Hasil uji linieritas regresi variabel X3 atas X2 dapat dilihat pada tabel berikut. Dari hasil uji linieritas regresi pada Tabel IV.7, diperoleh nilai Sig. (Deviation from Linearity) = 0,020 > 0,01 sehingga dapat disimpulkan bahwa regresi variabel X3 atas X2 adalah regresi linier. c. Variabel X2 atas X1 Hasil uji linieritas regresi variabel X2 atas X1 dapat dilihat pada tabel berikut. Berikut ini hasil uji signifikansi koefisien jalur penelitian tersebut.
STATISTIKA LANJUTAN 332 Dari hasil uji linieritas regresi pada Tabel IV.8, diperoleh nilai Sig. (Deviation from Linearity) = 0,915 > 0,01 sehingga dapat disimpulkan bahwa regresi variabel X2 atas X1 adalah regresi linier. 5. Uji Signifikansi Koefisien Jalur (Uji Hipotesis Penelitian) Hasil perhitungan koefisien jalur dengan menggunakan program Amos dapat dilihat pada gambar berikut ini. Penjelasan : a. Uji Hipotensis Penelitian I Karena nilai koefisien jalur p31 = -0,02 < 0,05 (koefisien jalur tidak signifikan) maka keputusan yang diambil dalam pengujian hipotesis penelitian 1 adalah H0 diterima dan H1 ditolak, sehingga dapat dinyatakan bahwa tidak terdapat pengaruh langsung kondisi sosial ekonomi terhadap prestasi belajar mahasiswa.
STATISTIKA LANJUTAN 333 b. Uji hipotesis penelitian 2 Karena nilai koefisien jalur p32 = 0,66 > 0,05 (koefisien jalur signifikan) maka keputusan yang diambil dalam pengujian hiptoesis penelitian 2 adalah H0 ditolak dan H1 diterima, sehingga dapat dinyatakan bahwa terdapat pengaruh langsung motivasi belajar terhadap prestasi belajar mahasiswa. c. Uji hipotesis peneltian 3 Karena nilai koefisien jalur p21 = -,50 > 0,05 (koefisien jalur signifikan) maka keputusan yang diambil dalam pengujian hipotesis penelitian 3 adalah H0 ditolak dan H1 diterima, sehingga dapat dinyatakan bahwa terdapat pengaruh langsung kondisi sosial ekonomi terhadap motivasi belajar mahasiswa. Berdasarkan hasil analisis yang telah dilakukan oleh peneliti terkait penggunaan analisis jalur dengan menggunakan program Amos. Kesimpulan dari penelitian tersebut yaitu. 1. Kondisi sosial ekonomi berpengaruh langsung terhadap motivasi belajar mahasiswa Institut Sains dan Teknologi Al-Kamal Jakarta.
STATISTIKA LANJUTAN 334 2. Motivasi belajar berpengaruh langsung terhadap prestasi belajar mahasiswa Institut Sains dan Teknologi Al-Kamal Jakarta. 3. Kondisi sosial ekonomi berpengaruh secara tidak langsung terhadap prestasi belajar mahasiswa Institut Sains dan Teknologi Al-Kamal Jakarta, yaitu melalui jalur motivasi belajar. 4. Sivitas akademika Institut Sains dan Teknologi AlKamal Jakarta, khususnya dosen dan juga orang tua mahasiswa hendaknya menyadari akan pentingnya faktor motivasi belajar yang mempunyai pengaruh secara langsung serta faktor kondisi sosial ekonomi yang mempunyai pengaruh secara tidak langsung terhadap prestasi belajar mahasiswa. 5. Dosen dan orang tua mahasiswa Institut Sains dan Teknologi Al-Kamal Jakarta hendaknya secara bersama-sama untuk meningkatkan motivasi belajar mahasiswa agar prestasi belajarnya dapat meningkat seiring dengan meningkatnya motivasi belajarnya. 6. Orang tua mahasiswa hendaknya menyadari akan pentingnya faktor kondisi sosial ekonomi yang mempunyai pengaruh secara langsung terhadap motivasi belajar mahasiswa dan berupaya
STATISTIKA LANJUTAN 335 meningkatkan kondisi sosial ekonominya agar motivasi belajar mahasiswa dapat meningkat sehingga prestasi belajarnya dapat meningkat. E. Simpulan Analisis jalur adalah salah satu teknik analisis dalam ilmu statistik yang dapat membantu peneliti dalam menganalisis ketergantungan atau hubungan sebab akibat yang terjadi pada sebuah variabel. Dalam analisis jalur terdapat beberapa asumsi yang harus diperhatikan sebelum menggunakan teknik analisis ini diantaranya yaitu hubungan antara variabel bersifat linear, hubungan antara variabel bersifat aditif, skala pengukuran mininal interval, hubungan yang sudah ada adalah sebab akibat. Sehingga ketika penelitian tersebut sudah memenuhi beberap asumsi tersebut, maka penelitian itu dapat menggunakan teknik analisis jalur dalam penelitiannya. Analisis jalur yang dapat dipilih oleh peneliti diantaranya yaitu modul jalur korelasi, model jalur mediasi, dan model jalur independen. Jadi, peneliti memiliki kebebasan dalam memilih jenis teknik analisis jalur yang sesuai dengan kebutuhan penelitiannya. Selain itu, peneliti juga dapat menggunakan aplikasi sebagai alat bantu penelitiannya ketika menggunakan teknik analisis jalur seperti SPSS ataupun Amos.
STATISTIKA LANJUTAN 336 DAFTAR PUSTAKA Cahyani, Ni Wayan Wiwin., I Ketut Tangking Widarsa. (2014). Penerapan Analisis Jalur dalam Analisis Faktor Determinan Ekslusivitas Pemberian ASI di Wilayah Kerja Puskesmas Payangan, Gianyar. Jurnal: Community Health. Vol II (1). Ceraka, E,R., S.Sugiarto. 2017. Path Analysis Terhadap FaktorFaktor Yang Mempengaruhi Prestasi Siswa. Jurnal Akuntabilitas: Manajemen Pendidikan. Vol 5 (2). https://doi.org/10.21831/amp.v5i2.10910 Hakam, Malik., Sudarno., Abdul Hoyyi. (2015). Analisis Jalur terhadap Faktor-faktor yang mempengaruhi Indeks Prestasi Kumulatif (IPK) Mahasiswa Statistika Undip. Jurnal: Gaussian. Vol 4 (1). Hendrajat, Erfan Andi., Erna Ratnawati., Akhmad Mustafa. 2018. Penetuan Pengaruh Kualitas Tanah dan Air Terhadap Produksi Total Tambak Polikultur Udang Vaname dan Ikan Bandeng di Kabupaten Lamongan Provinsi Jawa Timur melalui Aplikasi Analisis Jalur. Jurnal: Ilmu dan Teknologi Kelautan Tropis. Vol 10 (1). Retnawati, Hri. (2017). Analisis Jalur, Analisis Faktor Konfirmatori dan Pemodelan Persamaan Strutural. Makalah Kegiatan Workshop. Fakultas Ekonomi dan Bisnis IAIN Batusangkar. Sari, Afsah Novita. 2016. Analisis Jalur Faktor-Faktor yang Mempengaruhi Angka Kematian Ibu di Jawa Timur. Jurnal: Matematika dan Pendidikan Matematika. Vo 1 (2).
STATISTIKA LANJUTAN 337 Setyorini, D., Achmad Syahlani. 2019. Analisis Jalur (Path Analysis) Pengaruh Kondisi Sosial Ekonomi Dan Motivasi Belajar Terhadap Prestasi Belajar Mahasiswa. Jurnal Akuntansi dan Manajemen. Vol 16 (2). Sudjana, (1992). Metoda Statistika (Edisi ke 5). Bandung: Tarsito Sugiyono (2003). Statistika untuk Penelitian. Bandung: Alfabeta Widi, Rina Angesti. 2018. Studi Kompensasi dan Lingkungan Kerja terhadap Loyalitas Karyawan Berdampak Pada Kinerja Karyawan. Jurnal: Upajiwa Dewantara. Vo 2 (1).
STATISTIKA LANJUTAN 338 PERHITUNGAN ANALISIS JALUR MELALUI PERANGKAT LUNAK SPSS Ahmad Khoiril Anam Program Studi Doktor Linguistik Terapan, Universitas Negeri Jakarta [email protected] A. Analisis Jalur Analisis jalur (Path Analysis) merupakan salah satu teknik analisa dalam penelitian kuantitatif yang dikembangkan berdasarkan analisis statistik regresi yang digunakan untuk menggambarkan serta menguji hubungan antara variabel sebab akibat. Seiring berkembangnya bidang ilmu pengetahuan saat ini, penelitian kuantitatif merupakan salah satu penelitian yang sangat dibutuhkan. Terlebih, ketika menggunakan penelitian kuantitatif sangat membutuhkan statistika. Terutama dalam bidang ilmu sosial, pendidikan dan cabang-cabang ilmu lainnya yang terdapat pengaruh antara suatu variabel yang tidak selamanya didominasi oleh satu variabel bebas ataupun variabel terikat. Dengan demikian, salah satu teknik yang dapat membantu perhitungan tersebut yaitu dengan menggunakan analisis jalur (Path Analysis). Analisis jalur (Path Analysis) merupakan suatu teknik analisis yang dikembangkan pertama kali oleh Sewal Wright
STATISTIKA LANJUTAN 339 pada tahun 1920. Analisis ni merupakan salah satu pilihan yang dapat digunakan oleh peneliti untuk menelaah hubungan antara model kausal yang telah dirumuskan oleh peneliti atas dasar pertimbangan teoritis serta penngetahuan tertentu. Analisis jalur dapat juga digunakan untuk menguji hipotesis kausal serta menafsirkan hubungan antara hipotesis, data, serta pengetahuan yang dimiliki oleh peneliti. Seorang peneliti, sebelum menganalisis jalur harus mempunyai hipotesis terlebih dahulu terhadap model atau diagram jalurnya. Ketika menyusun model, tentu saja perlu diperhatikan variabel mana yang termasuk variabel bebas dan variabel terikat. Heri (2017) menyatakan bahwa analisis jalur merupakan salah satu pilihan dalam rangka mempelajari ketergantungan sejumlah variabel dan digunakan untuk menelaah hubungan antara model kausal yang telah dirumuskan peneliti atas dasar pertimbangan teoretis dan pengetahuan tertentu. Hal itu sejalan dengan pendapat Rutherford, analisis jalur merupakan suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung tetap juga secara tidak langsung (Malik, dkk, 2015). Analisis yang tepat untuk
STATISTIKA LANJUTAN 340 menganalisis hubungan variabel yang kompleks adalah analisis jalur (Ni Wayan & I Ketut, 2014). B. Penerapan Aplikasi Analisis Jalur Hal yang harus kita pahami sebelum melakukan penelitian dengan “Analisis Jalur” adalah mengetahui perbedaannya dengan “Analisis Regresi”. Salah satu perbedaan antara Analisis Jalur dan Analisis Regresi adalah adanya “variable intervening”. Variable intervening adalah variable yang fungsinya sebagai penghubung antara variable dependen dan variable independent. Suatu variable dikatakan mediator/mediasi/intervening jika variable tersebut ikut memengaruhi hubungan antara variable independent dan variable dependen. Dengan demikian, judul yang terbentuk atas penelitian menggunakan analisis jalur harus memiliki variable tambahan, yaitu variable intervening. Berikut adalah bagan yang bisa menjelaskan contoh dari judul di analisis jalur. Gambar 1. Bagan Judul Penelitian Analisis Jalur Berdasarkan Gambar 1. di atas, kita dapat melihat bahwa kotak yang berwarna hijau itu adalah variable X1 dan X2. Variabel X1 merupakan variable independen pertama,
STATISTIKA LANJUTAN 341 sedangkan X2 adalah variable independen kedua. Dalam hal ini, posisi mereka sama-sama sebagai vaeriabel independent atau variable bebas. Selanjutnya kita dapat melihat variabel Y di bagian tengah. Variabel tersebut adalah yang kita sebut dengan variabel mediator/mediasi/intervening. Variabel inilah yang menjadi variabel penghubung atau jalur dari variabel X1 dan X2 sebelum ke variabel Z. Contoh Judul yang bisa menjelaskan penelitian dengan menggunakan “Analisis Jalir” adalah “Pengaruh Gaya Kepemimpinan (X1) dan Lingkungan Kerja (X2) terhadap Motivasi (Y) serta Dampaknya terhadap Kinerja Guru (Z)”. Gambar 2. Bagan Judul Judul Penelitian Analisis Jalur Dari Gambar 2. di atas, kita dapat mengetahui bahwa “Gaya Kepemimpinan” bertindak sebagai X1, sedangkan “Lingkungan Kerja” bertindak sebagai X2. Variabel “Kinerja Guru” bertindak sebagai variabel Z atau sebagai bariabel dependen/terikat dan yang bertindak sebagai variabel Y atau variabel intervening adalah “Motivasi”. Dengan demikian, ciri khas dalam judul ini yang membuatnya menjadi penelitian
STATISTIKA LANJUTAN 342 analisis jalur adalah adanya variabel intervening, dalam hal ini adalah “motivasi”. Di bawah ini penulis akan mencoba menguraikan Langkah-langkah perhitungan Analisis Jalur menggunakan aplikasi SPSS. 1. Penentuan Hipotesis Langkah penting yang harus dilakukan dalam sebuah penelitian kuantitatif adalah menentukan hipotesis. Hipotesis yang dapat dibuat dalam penelitian “Analisis Jalur” adalah sebagai berikut. 1. Pengaruh Gaya Kepemimpinan (X1) dan Lingkungan Kerja (X2) terhadap Motivasi (Y). 2. Pengaruh Gaya Kepemimpinan (X1), Lingkungan Kerja (X2), dan Motivasi (Y) terhadap Kinerja Guru (Z). 3. Pengaruh Gaya Kepemimpinan (X1) dan Lingkungan Kerja (X2) melalui Motivasi (Y) terhadap Kinerja Guru (Z). 2. Penyusunan Kuesioner Untuk dapat mengumpulkan data, peneliti harus memiliki sebuah instrument penelitian agar dapat melangkah ke tahap berikutnya. Salah satu instrument yang dapat digunakan adalah kuesioner. Untuk dapat menyusun
STATISTIKA LANJUTAN 343 kuesioner dengan baik, seorang peneliti harus berpijak pada teori-teori yang ada. Kita mengenal istilah definisi konseptual dan definisi operasional. Dalm hal ini, peneliti membutuhkan definisi operasional sebagai panduan penyusunan tiap-tiap butir pertanyaan atau pernyataan dalam kuesioner yang akan dibuat. Langkah pertama yang harus dilakukan adalah tentukan satu atau lebih definisi operasional yang akan digunakan sebagai acuan. Misalnya, berdasarkan judul yang dicontohkan diatas, salah satu variabelnya adalah “Gaya Kepemimpinan”, maka definisi operasional yang dibutuhkan adalah penjelasan operasional tentang “gaya kepemimpinan” tersebut, seperti pada teori di bawah ini. Menurut Kartono (2008), “Gaya kepemimpinan adalah sifat, kebiasaan, tempramen, watak dan kepribadian yang membedakan seorang pemimpin dalam berinteraksi dengan orang lain.” Di atas merupakan contoh definisi operasional yang menjelaskan tentang hal-hal yang bisa mengukur “gaya kemimpinan” melalui sebuah pemerian. Dalam pemerian tersebut, maka kita dapat mengklasifikasikan beberapa indicator. Indicator yang didapatkan dari definisi
STATISTIKA LANJUTAN 344 operasional di atas adalah: (1) sifat, (2) kebiasaan, (3) tempramen, (4) watak, dan (5) keperibadian. Setelah kita mengklasifikasikan indicator-indikator tersebut, selanjutnya kita membuat pertanyaan-pertanyaan sesuai dengan indicator tersebut. Misalnya, pada indicator “sifat” kita dapat membuat pertanyaan-pertanyaan atau pernyataan-pernyataan tentang “sifat” tersebut paling tidak sebanyak 7 pertanyaan. Setelah itu, dilanjutkan pada indicator-indikator yang lain dengan cara yang sama. Setelah semua indikator dibuatkan pertanyaan sebanyak 5 butir, misalnya, maka yang awalnya indicator dari definisi operasional mencapai 5 buah dikali dengan 7 pertanyaan/pernyataan yang telah disusun, stidaknya kita telah Menyusun sebanyak 35 pertanyaan/pernyataan kuesioner yang disusun secara acak. Berikut salah satu contoh kuesioner dari beberapa sumber.
STATISTIKA LANJUTAN 345 Gambar 3. Contoh Kuesioner 3. Uji Validitas Validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukam fungsi ukurannya (Azwar 1986). Selain itu validitas adalah suatu ukuran yang menunjukkan bahwa variabel yang diukur memang benar-benar variabel yang hendak diteliti oleh peneliti (Cooper dan Schindler, dalam Zulganef, 2006). Dengan demikian, validitas harus dilakukan untuk memastikan alat ukur atau instrument yang telah dibuat adalah instrument yang tepat/valid untuk digunakan.