Analisis jalur: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
Kembangraps (bicara | kontrib) k memindahkan Analisis Jalur ke Analisis jalur |
k clean up, added orphan tag |
||
| (8 revisi perantara oleh 8 pengguna tidak ditampilkan) | |||
| Baris 1: | Baris 1: | ||
{{Orphan|date=Januari 2023}} |
|||
| ⚫ | Analisis jalur (''path analysis'') merupakan suatu teknik analisis [[statistika]] yang dikembangkan dari |
||
| ⚫ | '''Analisis jalur''' (''path analysis'') merupakan suatu teknik analisis [[statistika]] yang dikembangkan dari [[analisis regresi]] berganda. Dalam literatur berbahasa Indonesia, teknik ini dikenal juga sebagai '''analisis lintas''' atau '''analisis lintasan'''. Teknik ini pertama kali diperkenalkan oleh [[Sewall Wright]] pada tahun 1934 sebagai alat untuk mengkaji hubungan antar[[variabel]] dalam produksi [[ternak]], namun penerapannya sekarang meluas ke bidang-bidang lain, seperti [[genetika]] terapan dan [[ekonomi]]. |
||
Secara matematis, analisis ini tidak lain adalah analisis [[regresi]] berganda terhadap data yang di[[nilai baku (statistika)|bakukan]]. Dengan demikian, perangkat lunak statistika yang mampu melakukan analisis regresi berganda dapat pula dipakai untuk analisis jalur. Subjek utama analisis ini adalah variabel-variabel yang saling berkorelasi. Analisis ini mendasarkan diri pada model hubungan antarvariabel yang ditentukan sebelumnya oleh peneliti. Penentuan model didasarkan pada [[hipotesis]] mengenai berbagai variabel yang diamati. Dalam perkembangan saat ini |
Secara matematis, analisis ini tidak lain adalah analisis [[regresi]] berganda terhadap data yang di[[nilai baku (statistika)|bakukan]]. Dengan demikian, perangkat lunak statistika yang mampu melakukan analisis regresi berganda dapat pula dipakai untuk analisis jalur. Subjek utama analisis ini adalah variabel-variabel yang saling berkorelasi. Analisis ini mendasarkan diri pada model hubungan antarvariabel yang ditentukan sebelumnya oleh peneliti. Penentuan model didasarkan pada [[hipotesis]] mengenai berbagai variabel yang diamati. Dalam perkembangan saat ini |
||
teknik analisis jalur dapat dilakukan dalam kerangka [[model persamaan struktur|pemodelan persamaan struktur]] (''Structural Equation Modeling'' atau SEM), suatu teknik analisis yang menggabungkan [[analisis faktor]] dan analisis regresi, selain analisis jalur. |
teknik analisis jalur dapat dilakukan dalam kerangka [[model persamaan struktur|pemodelan persamaan struktur]] (''Structural Equation Modeling'' atau SEM), suatu teknik analisis yang menggabungkan [[analisis faktor]] dan analisis regresi, selain analisis jalur. |
||
== Permodelan jalur == |
|||
Pada model di bawah ini, dua variabel eksogen (Ex<sub>1</sub> and Ex<sub>2</sub>) pada model saling berkorelasi dan memiliki dampak langsung maupun tidak langsung (melalui En<sub>1</sub>) pada En<sub>2</sub> (dua variabel tergantung atau 'endogen'). Pada kebanyakan model sesungguhnya, variabel endogen juga dipengaruhi oleh faktor di luar model (termasuk kesalahan pengukuran). Pengaruh variabel eksternal tersebut dilambangkan dengan "e". |
|||
[[Berkas:Path example.JPG]] |
|||
Dengan menggunakan variabel yang sama, dimungkinkan model alternatif. Misalnya, dapat dilakukan hipotesis bahwa Ex<sub>1</sub> hanya memiliki pengaruh tidak langsung pada En<sub>2</sub>, sehingga panah dari Ex<sub>1</sub> ke En<sub>2</sub> dapat dihapus, dan kemungkinan "kesesuaian" kedua model ini dapat dibandingkan secara statistik. |
|||
<!-- |
<!-- |
||
| Baris 10: | Baris 19: | ||
• Model jalur. Model jalur ialah suatu diagram yang menghubungkan antara variabel bebas, perantara dan tergantung. Pola hubungan ditunjukkan dengan menggunakan anak panah. Anak panah-anak panah tunggal menunjukkan hubungan sebab–akibat antara variabel-variabel exogenous atau perantara dengan satu variabel tergantung atau lebih. Anak panah juga menghubungkan kesalahan (variabel residue) dengan semua variabel endogenous masing-masing. Anak panah ganda menunjukkan korelasi antara pasangan variabel-variabel exogenous. |
• Model jalur. Model jalur ialah suatu diagram yang menghubungkan antara variabel bebas, perantara dan tergantung. Pola hubungan ditunjukkan dengan menggunakan anak panah. Anak panah-anak panah tunggal menunjukkan hubungan sebab–akibat antara variabel-variabel exogenous atau perantara dengan satu variabel tergantung atau lebih. Anak panah juga menghubungkan kesalahan (variabel residue) dengan semua variabel endogenous masing-masing. Anak panah ganda menunjukkan korelasi antara pasangan variabel-variabel exogenous. |
||
• Variabel exogenous. Variabel – variabel exogenous dalam suatu model jalur ialah semua variabel yang tidak ada penyebab-penyebab eskplisitnya atau dalam diagram tidak ada anak-anak panah yang menuju kearahnya, selain pada bagian kesalahan pengukuran. Jika antara variabel exogenous dikorelasikan maka korelasi tersebut ditunjukkan dengan anak panah dengan kepala dua yang menghubungkan variabel-variabel tersebut. |
• Variabel exogenous. Variabel – variabel exogenous dalam suatu model jalur ialah semua variabel yang tidak ada penyebab-penyebab eskplisitnya atau dalam diagram tidak ada anak-anak panah yang menuju kearahnya, selain pada bagian kesalahan pengukuran. Jika antara variabel exogenous dikorelasikan maka korelasi tersebut ditunjukkan dengan anak panah dengan kepala dua yang menghubungkan variabel-variabel tersebut. |
||
• Variabel endogenous. Variabel endogenous ialah variabel yang mempunyai anak-anak panah menuju kearah variabel tersebut. Variabel yang termasuk didalamnya ialah mencakup semua variabel perantara dan tergantung. Variabel perantara endogenous mempunyai anak panah yang menuju kearahnya dan dari arah variabel tersebut dalam sutau model diagram jalur. Sedang variabel tergantung hanya mempunyai anak panah yang menuju kearahnya. |
• Variabel endogenous. Variabel endogenous ialah variabel yang mempunyai anak-anak panah menuju kearah variabel tersebut. Variabel yang termasuk didalamnya ialah mencakup semua variabel perantara dan tergantung. Variabel perantara endogenous mempunyai anak panah yang menuju kearahnya dan dari arah variabel tersebut dalam sutau model diagram jalur. Sedang variabel tergantung hanya mempunyai anak panah yang menuju kearahnya. |
||
• Koefesien jalur / pembobotan jalur. Koefesien jalur adalah koefesien regresi standar atau disebut ‘beta’ yang menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel tergantung dalam suatu model jalur tertentu. Oleh karena itu, jika suatu model mempunyai dua atau lebih variabel-variabel penyebab, maka koefesien-koefesien jalurnya merupakan koefesien-koefesien regresi parsial yang mengukur besarnya pengaruh satu variabel terhadap variabel lain dalam suatu model jalur tertentu yang mengontrol dua variabel lain sebelumnya dengan menggunakan data yang sudah distandarkan atau matriks korelasi sebagai masukan. |
• Koefesien jalur / pembobotan jalur. Koefesien jalur adalah koefesien regresi standar atau disebut ‘beta’ yang menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel tergantung dalam suatu model jalur tertentu. Oleh karena itu, jika suatu model mempunyai dua atau lebih variabel-variabel penyebab, maka koefesien-koefesien jalurnya merupakan koefesien-koefesien regresi parsial yang mengukur besarnya pengaruh satu variabel terhadap variabel lain dalam suatu model jalur tertentu yang mengontrol dua variabel lain sebelumnya dengan menggunakan data yang sudah distandarkan atau matriks korelasi sebagai masukan. |
||
• Istilah gangguan. Istilah kesalahan residual yang secara teknis disebut sebagai ‘gangguan’ atau “residue” mencerminkan adanya varian yang tidak dapat diterangkan atau pengaruh dari semua variabel yang tidak terukur ditambah dengan kesalahan pengukuran |
• Istilah gangguan. Istilah kesalahan residual yang secara teknis disebut sebagai ‘gangguan’ atau “residue” mencerminkan adanya varian yang tidak dapat diterangkan atau pengaruh dari semua variabel yang tidak terukur ditambah dengan kesalahan pengukuran |
||
• Anak panah dengan satu kepala dan dua kepala. Jika ingin menggambarkan penyebab, maka kita menggunakan anak panah dengan satu kepala. Sedang untuk menggambarkan korelasi, kita menggunakan anak panah yang melengkung dengan dua kepala. Ada kalanya hubungan sebab akibat menghasilkan angka negatif, untuk menggambarkan hasil yang negatif digunakan garis putus-putus. |
• Anak panah dengan satu kepala dan dua kepala. Jika ingin menggambarkan penyebab, maka kita menggunakan anak panah dengan satu kepala. Sedang untuk menggambarkan korelasi, kita menggunakan anak panah yang melengkung dengan dua kepala. Ada kalanya hubungan sebab akibat menghasilkan angka negatif, untuk menggambarkan hasil yang negatif digunakan garis putus-putus. |
||
• Pola hubungan. Dalam analisi jalur tidak digunakan istilah variabel bebas ataupun tergantung. Sebagai gantinya kita menggunakan istilah variabel exogenous dan endogenous. |
• Pola hubungan. Dalam analisi jalur tidak digunakan istilah variabel bebas ataupun tergantung. Sebagai gantinya kita menggunakan istilah variabel exogenous dan endogenous. |
||
| Baris 28: | Baris 37: | ||
• Direct Effect. Pengaruh langsung yang dapat dilihat dari koefesien jalur dari satu variable ke variable lainnya. |
• Direct Effect. Pengaruh langsung yang dapat dilihat dari koefesien jalur dari satu variable ke variable lainnya. |
||
• Indirect Effect. Urutan jalur melalui satu atau lebih variable perantara. |
• Indirect Effect. Urutan jalur melalui satu atau lebih variable perantara. |
||
| ⚫ | |||
| ⚫ | |||
Model-model jalur sbb: |
Model-model jalur sbb: |
||
| Baris 40: | Baris 48: | ||
c. Model Model kompleks |
c. Model Model kompleks |
||
Referensi: |
Referensi: |
||
| Baris 48: | Baris 54: | ||
Sarwono, Jonathan.(2007). Analisis Jalur Untuk Riset Bisnis:Aplikasi untuk Riset Pemasaran, Keuangan, MSDM dan Kewirausahaan. Yogyakarta: Penerbit Andi |
Sarwono, Jonathan.(2007). Analisis Jalur Untuk Riset Bisnis:Aplikasi untuk Riset Pemasaran, Keuangan, MSDM dan Kewirausahaan. Yogyakarta: Penerbit Andi |
||
--> |
--> |
||
| ⚫ | |||
[[Kategori:Statistika]] |
[[Kategori:Statistika]] |
||
[[en:Path analysis (statistics)]] |
|||
| ⚫ | |||
[[es:Análisis del camino]] |
|||
Revisi terkini sejak 8 Januari 2023 12.23
 | Artikel ini sebatang kara, artinya tidak ada artikel lain yang memiliki pranala balik ke halaman ini. Bantulah menambah pranala ke artikel ini dari artikel yang berhubungan atau coba peralatan pencari pranala. Tag ini diberikan pada Januari 2023. |
Analisis jalur (path analysis) merupakan suatu teknik analisis statistika yang dikembangkan dari analisis regresi berganda. Dalam literatur berbahasa Indonesia, teknik ini dikenal juga sebagai analisis lintas atau analisis lintasan. Teknik ini pertama kali diperkenalkan oleh Sewall Wright pada tahun 1934 sebagai alat untuk mengkaji hubungan antarvariabel dalam produksi ternak, namun penerapannya sekarang meluas ke bidang-bidang lain, seperti genetika terapan dan ekonomi.
Secara matematis, analisis ini tidak lain adalah analisis regresi berganda terhadap data yang dibakukan. Dengan demikian, perangkat lunak statistika yang mampu melakukan analisis regresi berganda dapat pula dipakai untuk analisis jalur. Subjek utama analisis ini adalah variabel-variabel yang saling berkorelasi. Analisis ini mendasarkan diri pada model hubungan antarvariabel yang ditentukan sebelumnya oleh peneliti. Penentuan model didasarkan pada hipotesis mengenai berbagai variabel yang diamati. Dalam perkembangan saat ini teknik analisis jalur dapat dilakukan dalam kerangka pemodelan persamaan struktur (Structural Equation Modeling atau SEM), suatu teknik analisis yang menggabungkan analisis faktor dan analisis regresi, selain analisis jalur.
Permodelan jalur
[sunting | sunting sumber]Pada model di bawah ini, dua variabel eksogen (Ex1 and Ex2) pada model saling berkorelasi dan memiliki dampak langsung maupun tidak langsung (melalui En1) pada En2 (dua variabel tergantung atau 'endogen'). Pada kebanyakan model sesungguhnya, variabel endogen juga dipengaruhi oleh faktor di luar model (termasuk kesalahan pengukuran). Pengaruh variabel eksternal tersebut dilambangkan dengan "e".
Dengan menggunakan variabel yang sama, dimungkinkan model alternatif. Misalnya, dapat dilakukan hipotesis bahwa Ex1 hanya memiliki pengaruh tidak langsung pada En2, sehingga panah dari Ex1 ke En2 dapat dihapus, dan kemungkinan "kesesuaian" kedua model ini dapat dibandingkan secara statistik.
 | Artikel bertopik statistika ini adalah sebuah rintisan. Anda dapat membantu Wikipedia dengan mengembangkannya. |