Metodologi

Analisis Jalur

Jawaban singkat

Analisis jalur menguji pola hubungan sebab-akibat yang diduga antara beberapa variabel, termasuk pengaruh tidak langsung melalui variabel perantara (intervening). Koefisien jalur sama dengan koefisien regresi terstandar (Beta). Pengaruh tidak langsung dihitung dengan mengalikan koefisien jalur yang dilalui, dan pengaruh total adalah jumlah pengaruh langsung dan tidak langsung.

Diperbarui 12 Oktober 2026Tim Metodologi
Daftar isi
  1. Kapan analisis jalur dipakai
  2. Diagram dan persamaan struktural
  3. Pengaruh langsung, tidak langsung, dan total
  4. Asumsi
  5. Langkah di SPSS
  6. Analisis jalur, uji Sobel, dan SEM-PLS
  7. Menuliskan hasilnya
  8. Pertanyaan umum

Analisis jalur (path analysis) adalah teknik untuk menguji pola hubungan sebab-akibat yang diduga antara beberapa variabel sekaligus, termasuk pengaruh yang melewati variabel perantara. Teknik ini diperkenalkan ahli genetika Sewall Wright (1921), dan kini banyak dipakai dalam skripsi manajemen, pendidikan, dan kesehatan untuk model dengan variabel intervening.

Kapan analisis jalur dipakai

Misalnya teori menduga bahwa motivasi belajar (X1) memengaruhi prestasi (Y) secara langsung, tetapi juga lewat kebiasaan belajar (X2): siswa yang termotivasi belajar lebih teratur, dan belajar teratur menaikkan prestasi. Regresi berganda biasa hanya memberi pengaruh langsung X1 dan X2 terhadap Y. Analisis jalur memisahkan pengaruh langsung, tidak langsung, dan total.

Diagram dan persamaan struktural

Model di atas digambar dengan panah X1 → X2, X1 → Y, dan X2 → Y, lalu diterjemahkan menjadi dua persamaan:

X2=p21X1+e1X_2 = p_{21} X_1 + e_1 Y=pY1X1+pY2X2+e2Y = p_{Y1} X_1 + p_{Y2} X_2 + e_2

dengan pp = koefisien jalur dan ee = residu (bagian yang tidak dijelaskan model). Setiap persamaan dihitung dengan regresi, dan koefisien jalurnya adalah koefisien terstandar (Beta).

Pengaruh langsung, tidak langsung, dan total

  • Langsung: koefisien jalur dari satu variabel ke variabel lain, misalnya pY1p_{Y1}.
  • Tidak langsung: hasil kali koefisien jalur yang dilalui, misalnya X1 → X2 → Y = p21×pY2p_{21} \times p_{Y2}.
  • Total: langsung + tidak langsung.

Contoh hitung (angka rekaan)

Korelasi antarvariabel: X1 dengan X2 = 0,45; X1 dengan Y = 0,52; X2 dengan Y = 0,61.

  1. Persamaan pertama hanya punya satu variabel bebas, jadi p21p_{21} = korelasinya = 0,45.
  2. Persamaan kedua (regresi Y pada X1 dan X2 terstandar) menghasilkan pY1p_{Y1} = 0,308 dan pY2p_{Y2} = 0,471.
  3. Pengaruh tidak langsung X1 terhadap Y lewat X2 = 0,45 × 0,471 = 0,212.
  4. Pengaruh total X1 terhadap Y = 0,308 + 0,212 = 0,520.
  5. R² persamaan kedua = 0,448, sehingga koefisien residu e2=1−0,448e_2 = \sqrt{1 - 0{,}448} = 0,743. Untuk persamaan pertama, e1=1−0,452e_1 = \sqrt{1 - 0{,}45^2} = 0,893.

Artinya, sekitar 41% pengaruh total motivasi terhadap prestasi (0,212 dari 0,520) berjalan lewat kebiasaan belajar. Angka ini rekaan untuk latihan; hasilnya sudah dicocokkan dengan R.

Pada model ini, pengaruh total sama dengan korelasi X1 dan Y (0,52), karena semua kemungkinan jalur dimasukkan ke model. Pada model yang membuang jalur tertentu, keduanya bisa berbeda.

Asumsi

  • Hubungan antarvariabel linear dan aditif. Periksa dengan uji linearitas.
  • Model rekursif: panah berjalan satu arah, tanpa hubungan timbal balik.
  • Variabel diukur dengan skala interval atau rasio, dan instrumennya valid serta reliabel.
  • Residu setiap persamaan memenuhi uji asumsi klasik, termasuk tidak ada multikolinearitas yang berat.
  • Arah panah didukung teori. Analisis tidak bisa menentukan arah sendiri.

Langkah di SPSS

  1. Gambar diagram jalur dan tuliskan persamaan struktural sesuai teori.
  2. Jalankan regresi untuk setiap persamaan: Analyze → Regression → Linear. Pada contoh: regresi X2 pada X1, lalu regresi Y pada X1 dan X2.
  3. Ambil Standardized Coefficients Beta sebagai koefisien jalur, dan Sig. sebagai uji pengaruh langsung.
  4. Hitung pengaruh tidak langsung dan total secara manual seperti contoh di atas.
  5. Uji pengaruh tidak langsung dengan uji Sobel (memakai koefisien tidak terstandar B dan galat bakunya) atau bootstrap.

Regresi untuk setiap persamaan bisa juga dijalankan di olah data, yang menampilkan Beta, Sig., dan uji asumsi klasiknya.

Analisis jalur, uji Sobel, dan SEM-PLS

  • Uji Sobel hanya menguji satu pengaruh tidak langsung. Analisis jalur menyusun seluruh model.
  • SEM-PLS memperluas gagasan analisis jalur ke variabel laten yang diukur banyak indikator, dan menguji pengaruh tidak langsung dengan bootstrap. Bila variabelmu berupa konstruk dengan banyak indikator dan modelnya rumit, SEM-PLS biasanya lebih tepat.

Hasil analisis jalur menunjukkan bahwa motivasi belajar berpengaruh langsung terhadap prestasi (β = 0,308) dan berpengaruh tidak langsung melalui kebiasaan belajar (0,45 × 0,471 = 0,212), sehingga pengaruh totalnya 0,520. Model menjelaskan 44,8% variasi prestasi.

Tambahkan nilai Sig. setiap jalur dan hasil uji pengaruh tidak langsung dari penelitianmu sendiri.

Pertanyaan umum

Apa beda analisis jalur dan regresi berganda?

Regresi berganda punya satu variabel terikat. Analisis jalur menyusun beberapa persamaan regresi sekaligus sesuai diagram, sehingga satu variabel bisa menjadi variabel terikat di satu persamaan dan variabel bebas di persamaan lain. Dengan begitu, pengaruh tidak langsung bisa dihitung.

Apakah analisis jalur membuktikan sebab-akibat?

Tidak. Analisis jalur menguji apakah data cocok dengan pola sebab-akibat yang disusun dari teori. Arah panah ditentukan oleh teori dan desain penelitian, bukan oleh analisisnya.

Bagaimana menguji signifikansi pengaruh tidak langsung?

Cara yang sederhana adalah uji Sobel dari koefisien tidak terstandar dan galat bakunya. Cara yang kini lebih dianjurkan adalah bootstrap, yang tersedia di SmartPLS, jamovi, atau R. Kalkulator Sobel ada di situs ini.

Alat terkait

Panduan terkait