ANALISIS JALUR dalam Riset Pemasaran Teknik Pengolahan Data SPSS & LISREL
Dr. Juanim, SE.,MSi
ANALISIS JALUR dalam Riset Pemasaran Teknik Pengolahan Data SPSS & LISREL oleh JUANIM ISBN 979-9406-21-8 Diterbitkan Oleh : © 2004, Fakultas Ekonomi Universitas Pasundan Bandung Hak cipta dilindungi oleh Undang-Undang dilarang mengutip atau memperbanyak sebagian atau seluruh isi buku ini tanpa izin tertulis dari penulis.
1
PENDAHULUAN 1.1. Riset Pemasaran Kita mengetahui bahwa dalam riset pemasaran beberapa pakar pemasaran telah banyak melahirkan berbagai macam konsep seperti customer satisfaction, customer loyalty, brand image, customer value, customer profitability dan masih banyak lagi variabel-variabel pemasaran yang lainnya. Ini menimbulkan ketertarikan para peneliti terhadap berbagai macam konsep tersebut., seringkali yang menjadi pertanyaan para peneliti adalah
2
bagaimana hubungan antar variabel tersebut sebagai contoh pertanyaan tentang mengapa konsumen loyal, atau apa yang menyebabkan konsumen puas dan seterusnya. Pada saat ini para peneliti tidak hanya tertarik pada penelitian yang sifatnya sederhana hanya antar dua variabel, tetapi tertarik pada model-model hubungan kausal yang kompleks atau rumit yang melibatkan banyak variabel. Hubungan kausal yang komplek adalah hubungan kausal yang bukan hanya langsung tetapi juga tidak langsung. Sebagai contoh dalam riset pemasaran adalah pengaruh variabel service quality terhadap customer loyalty bukan hanya langsung tetapi juga tidak langsung melalui variabel-variabel lain seperti customer satisfaction, customer value dan lain-lain. Berikut ini adalah model dalam riset pemasaran yang dikembangkan oleh Zeithaml dkk. (1996)
Sumber : Zeithaml et.al (1996) Gambar 1.1 : Model Penelitian Zeithaml dkk
Untuk menganalisis hubungan kausal yang bersifat struktural atau berjenjang seperti ini, dalam riset pemasaran dibutuhkan
3
metode analisis yang juga mampu memperhitungkan sifat-sifat hubungan tersebut. salah satu metode yang dapat digunakan untuk menganalisis hubungan kausal yang rumit yang bukan hanya langsung tetapi juga tidak langsung adalah Analisis Jalur (Path Analysis). Buku ini akan membahas analisis jalur dalam riset pemasaran, yang menyertakan contoh-contoh penelitian yang dianggap rumit dan buku ini juga memberikan teknik pengolahan datanya dengan mengunkan program komuputer. Sebelum membahas tentang analisis jalur dan bagaimana aplikasnya, memahami konsep tentang hubungan antar variabel, Model penelitian, definisi konsep, konstruk, variabel dan hal-hal mengenai ragam data, validitas dan relibilitas instrumen, serta beberapa konsep dasar statistiak akan menjadi pendukung dan memperkaya pemahaman pengunaan analisis jalur. 1.2. Hubungan Antar Variabel Isu hubungan sebab akibat atau kausalitas memainkan peran penting di dalam aplikasi analisa jalur, untuk memahami apa yang dimaksud dengan kausalitas kita harus memahami inti dari penelitaian. Pada dasarnya inti penelitian adalah lebih banyak untuk menjawab persolan yang melibatkan antar dua variabel atau lebih yang diduga ada dalam suatu hubungan tertentu. Misalnya dalam penelitian pemasaran menduga kepuasan pelanggan berdasarkan kualitas pelayanan dan kualitas produknya, atau contoh lain volume penjualan berdasarkan harga dan promosinya.
4
Hubungan-hubungan antar dua variabel atau lebih tersebut terdapat tiga betuk hubungan yang mungkin yaitu bisa berbentuk hubungan simetris, hubungan asimetris dan hubungan timbal balik. Hubungan simetris terjadi apabila variabel yang satu tidak disebabkan atau dipengaruhi oleh yang lainya. Hubungan asimetris apabila antar dua variabel atau lebih yang satu menyebabkan variabel yang lainya. Sedangkan hubungan timbal balik apabila variabel yang satu dapat menjadi sebab dan juga bisa merupakan akibat dari variabel lainya. Dalam penelitian survai umumnya lebih banyak diarahkan kepada hubungan asimetris. Hubungan asimetris dan hubungan timbal balik disebut juga model hubungan kausal (sebab akibat). Dalam hubungan sebab akibat terdapat dua buah variabel yaitu variabel independen dan variabel dependen, sedangkan hubungan yang bukan kausal tidak didefinisikan yang mana dependen dan yang mana independen atau disebut interdependensi. Pada saat ini model hubungan kausal yang ingin diungkap oleh para peneliti tidak hanya model hubungan yang sedarhana, tetapi model-model hubungan yang lebih kompleks atau rumit, yaitu model-model simultan yang dibentuk melaui lebih dari satu variabel dependen dan dipengaruhi oleh satu atau beberapa variabel independen, dimana variabel dependen pada saat yang sama berperan sebagai variabel independent bagi variabel lainya atau merupakan hubungan yang bertahap atau berjenjang.
5
1.3. Model Penelitian Biasanya untuk menerangakan hubungan antar variabel, peneliti mengunakan persamaan matematis yang juga disebut persamaan struktural, selain itu juga untuk lebih memperjelas, peneliti lebih sering menerangkan model penelitianya dalam bentuk grafis atau diagram yang lebih dikenal sebagai paradigma penelitian. Pada dasarnya baik model matematis atau grafis digunakan untuk menyederhanakan persoalan agar peneliti mudah memahami bagaimana keterkaitan antar variabel tersebut. Berikut ini beberapa model penelitian hubungan kausal antar variabel yang digambarkan secara grafis atau paradigma penelitian : 1. Model Satu Persamaan Struktural (A Single Equation Path Model /A Single Regression Equation).
X1
X2
Y
X3 Gambar 1.2. : Paradigma atau Model Satu Persamaan Struktural dengan tiga variabel independen dan satu variabel dependen
6
model
ini
merupakan
model
yang
sederhana
yang
mengambarkan hubungan kausal antara X1, X2, X3 terhadap Y. Biasanya dengan bentuk model ini, peneliti hanya ingin melihat pengaruh langsung variabel independent (X1, X2,X3) terhadap
variabel
pengaruhnya
dependent,
secara
disamping
bersama-sama
dan
melihat
juga
ingin
mengetahui variabel mana yang dominan peranannya. 2. Model Dua Persamaan Struktural (Two Equation Path Model)
X1
X2
Y1
Y2
X3 Gambar 1.3 : Paradigma atau Model Dua Persamaan Struktural (Paradigma Jalur) dengan hubungan tiga variabel independent dan dua variabel dependen.
model ke dua merupakan model yang lebih rumit dibandingkan
dengan
model
sebelumnya
yang
menggambarkan hubungan kausal antara X1, X2, X3 terhadap Y1 dan Y2. Biasanya bentuk model ini, peneliti ingin melihat baik pengaruh langsung maupun tidak langsung variabel independent (X1, X2,X3) terhadap variabel dependent (Y1 dan Y2). Model seperti ini merupakan model yang disebut
7
model berjenjang, sebagai contoh hubungan antara X1, Y1 dan Y2 kita melihat pengaruh dari X1 terhadap Y2 bukan hanya secara langsung, tetapi ada pengaruh yang berjenjang atau pengaruh tidak langsung yaitu melalui Y1. (X1Y1Y2) 3. Model Tiga Persamaan Struktural (Tree Equation Path Model)
Y1 X1 X2 X3 Y2 Gambar 1.4 : Paradigma atau Model Tiga Persamaan Struktural (Paradigma Jalur) dengan hubungan dua variabel independent dan tiga variabel dependen.
Model ini mungkin lebih rumit dibandungkan dangan kedua model tadi, model ini pada dasarnya sama dengan model 2 yaitu memperhitungkan pengaruh langsung dan tidak langsung, namun pada model ketiga ini pengaruh tidak langsungnya lebih panjang, seperti dari X1 Ke Y2 pengaruh tidak langsungnya melalui X2 dan Y1 (X1 X2 Y1 Y2).
8
Berikut ini juga disajikan beberapa model penelitian dalam riset pemasaran yang dimuat dalam beberapa jurnal internasional : 1. Model penelitian : Francis Farrelly & Pascale Quester Judul : The effects of market orientation on trust and commitment The case of the sponsorship business-to-business relationship Jurnal : European Journal of Marketing Vol. 37 No. 3/4, 2003 pp. 530-553
Gambar 1.5 : Model & data penelitian : Francis Farrelly & Pascale Quester
2. Model Penelitian : Jay Weerawardena Judul : Exploring the role of market learning capability in competitive strategy Jurnal : European Journal of Marketing Vol. 37 No. 3/4, 2003 pp. 407-429
9
Gambar 1.6 : Model Penelitian : Jay Weerawardena
3. Model Penelitian : Cengiz Yilmaz Judul : Salesperson performance and job attitudes revisitedAn extended model and effects of potential moderators. Jurnal: European Journal of Marketing, Vol. 36 No. 11/12, 2002, pp. 13891414.
Gambar 1.7 : Model & data penelitian : Cengiz Yilmaz
10
4. Model Penelitian : Sergio RomaÂn, Salvador Ruiz and Jose Luis Munuera Judul : The effects of sales training on sales force activity Jurnal : European Journal of Marketing, Vol. 36 No. 11/12, 2002, pp. 1344-1366.
Gambar 1.8 : Model Penelitian : Sergio RomaÂn, Salvador Ruiz and Jose Luis Munuera
5. Model penelitian : Tor Wallin Andreassen dan Bodil Lindestad Judul : Customer Loyalty & Compleks Service : The Impect of Corporate Image on Quality, Customer Satisfaction & Loyalty for Customer with Varying Degrees of Service Expertise. Jurnal : Internation Journal Of Service Industry Management Vol 9 No. 1 1998 pp 7-23
Gambar 1.8 : Model penelitian : Tor Wallin Andreassen dan Bodil Lindestad
6. Model penelitian : Nha Nguyen & Gaston Le Blanc
11 Judul :The Mediating Role of Corporate Image on Customers retention Decisions: An Investigation in Financial Service.. Jurnal : Internation Journal Bank Marketing Vol 16/2 No. 1 1998 pp 52-65 Percieved Quality
Percieved Value of Service
Corporate Image
Customer Loyalty
Customer Satisfaction
Gambar 1.8 : Model penelitian : Nha Nguyen & Gaston Le Blanc
2. Model penelitian : Leanne H. Y Too, Anne Lsouchon & Peter C. Thirkell Judul : Relationship Marketing and Costomer Loaylty in Retail Setting. A Dyadic Exploration. Jurnal : Aston Business School Research Institut, Aston University Birmingham
Store Size
Relationship Marketing Implementation
Perception of Realationship marketing
Customer Trust in The Store
Customer Commitment to The Realtionship
Gambar 1.9 : Model penelitian : Leanne H. Y Too, Anne Lsouchon & Peter C. Thirkell
Customer Loyalty
12
1.3.
Jenis-Jenis Variabel
Beberapa pakar mendefinisikan variabel penelitian sebagai objek penelitian, atau apa yang menjadi titik perhatian suatu penelitian. Pada dasarnya Variabel penelitian adalah segala sesuatu yang diselidiki dan dipelajari, untuk memperoleh informasi mengenai hal tersebut, sehingga ditarik kesimpulannya. Pada dasarnya variabel adalah konsep yang mempunyai bermacammacam nilai. pendapat Sutrisno Hadi (1982:437) Ada
banyak
jenis
variabel
penelitian,
misalnya
variabel,
independen/variabel bebas, variabel dependen/variabel terikat, variabel moderator, variabel intervening, dan variabel kontrol. Dalam riset pemasaran minimal terdapat empat jenis variabel yang wajib dipahami adalah: a. Variabel Independen adalah variabel yang dipelajari pengaruhnya terhadap variabel yang lain atau variabel yang mempengaruhi atau yang menjadi sebab variabel lain. variabel ini disebut juga variabel bebas. b. Variabel dependen adalah variabel yang kondisinya dipengaruhi oleh variabel yang lain atau yang menjadi akibat. variabel ini disebut juga variabel terikat atau tergantung. Pengaruh Variabel Independen
Variabel Dependen
13 Gambar 1.10 : Pengaruh Variabel independen terhadap variabel dependen
Selain jenis variabel diatas yang sering muncul dalam riset pemasaran adalah : a. Variabel Intervening adalah variabel yang secara teoritis mempengaruhi hubungan independen dengan dependen, yang tadinya hubungan langsung menjadi tidak langsung karena
secara
teoritis
bahwa
hubungan
antara
independen dan dependen sebenarnya tidak langsung. Sebagai contoh pengaruh kualitas pelayanan terhadap loyalitas pelanggan, hubungan ini sebenarnya secara teoritis tidak langsung karena sebelum pelangan loyal, akan melalui rasa kepuasan terlebih dahulu, sehingga variabel ini secara teoritis akan memperlemah hubungan antara kualitas pelayanan dan loyalitas pelanggan. Variabel Independen (Kualitas Pelayanan)
Variabel Dependen (Loyalitas Pelanggan) Variabel Intervening (Kepuasan Pelanggan)
Gambar 1.11 : Pengaruh Variabel independen terhadap variabel intervening dan variabel dependen
14
gambar 1.2 melukiskan pengaruh kualitas pelayanan terhadap kepuasan pelanggan dan kepuasan pelanggan terhadap loyalitas, lebih kuat dari pada kualitas pelayanan terhadap loyalitas pelanggan. b. Variabel Moderating adalah variabel yang mempengaruhi hubungan antara variabel independen dengan dependen, variabel ini dapat memperkuat atau memperlemah hubungan antara variabel independen dengan dependen. Variabel
moderator
sering
juga
disebut
variabel
independen kedua, yang diduga mempuyai dampak yang berarti terhadap hubungan variabel independen dan dependen yang semula dinyatakan.
Sebagai contoh
hubungan antara kualitas produk dengan kepuasan akan semakin kuat jika kualitas pelayanan dilakukan dengan biak, contoh lain hubungan motivasi karyawan dengan produktivitas kerja akan lebih kuat jika diberi bonus. Variabel Independen (Kualitas Produk)
Variabel Dependen (Kepuasan pelanggan)
Variabel Moderating (Kualitas Pelayanan) Gambar 1.12 : Pengaruh Variabel independen terhadap variabel dependen yang dimoderasi oleh variabel moderating
15
1.5. Skala Pengukuran Skala pengukuran dikembangkan oleh oleh seorang psikolog bernama Stanley Smith Stevens tahun 1946, artikel dengan judul On the theory of scales of measurements yang diterbitkan di majalah Science. Skala pengukuran merupakan perbandingan antar kategori dimana masing-masing kategori diberi bobot nilai yang berbeda. Stevens mengemukakan bahwa dalam sains dikenal empat tipe skala pengukuran yang masing-masing disebutnya sebagai skala nominal, ordinal, interval, dan rasio. Berikut adalah penjelasan mengenai skala pengukuran : c. Skala Nominal merupakan skala yang paling lemah , dalam skala ini tidak ada asumsi tentang jarak maupun urutan antar katagori-katagori. Tetapi hanyalah sekedar label atau kode. Skala ini membedakan suatu peristiwa dengan peristiwa yang lain berdasarkan nama atau label. Misalnya untuk variabel jenis kelamin kita membarikan kode 1 untuk pria dan 2 untuk wanita. Contoh lain variabel jenis ini adalah adalah jenis pekerjaan, agama, status perkawinan. d. Skala Ordinal merupakan skala yang mencakup skala nominal ditambah suatu urutan atau jenjang, yang mengikuti suatu kategori tertentu, sehingga diperoleh peringkat atau rangking. Dalam skala ini tidak diketahui perbandingan nilai antara tingkatan atau jarak satu data dengan data yang lain tidak sama, hanya diketahui bahwa tingkatan yang satu lebih tinggi atau rendah dari tingkatan yang lain. Misalnya
16
Kepuasan konsumen, dapat dikategorikan dari sangat puas sampai sangat tidak puas, sehingga dari keadaan tersebut dapat diperingkatkan dengan menggunakan angka-angka misalnya 1 untuk sangat tidak puas, 2 untuk tidak puas, 3 untuk cukup puas, 4 untuk puas, dan 5 untuk sangat puas. e. Skala Interval sama dengan skala ordinal namun peringkat antara satu kategori dengan kategori yang lainya mempunyai arti. Dalam skala ini perbandingan nilai antara jarak satu data dengan data yang lain adalah sama (jarak antara 1 dan 2 adalah sama dengan jarak antara 2 dan 3), contohnya nilai mahasiswa misalnya 100 sampai dengan 81 sama dengan A, 80 sampai dengan 61 sama dengan B, 60 sampai dengan 41 sama dengan C, 40 sampai dengan 21 sama dengan D, dan E dari 20 sampai dengan 0. f. Skala Rasio merupakan pengukuran yang paling tinggi, skala ini mencerminkan jumlah-jumlah yang sebenarnya dari suatu variabel. Contohnya adalah ukuran dimensi-dimensi fisik seperti berat, tinggi, jarak, dan luas. Dalam riset pemasaran misalnya volume penjualan, jumlah biaya promosi,
dan
jumlah pengujung. 1.6. Validitas & Reliabilitas Data Validitas dan reliabilitas data sangat penting dibahas sehubungan pengunaan analisis jalur karena berdasarkan asumsi penggunaan analisis jalur menyebutkan bahwa variabel yang dianalisis merupakan variabel yang dapat diukur secara langsung
17
padahal dalam kenyataan bahwa variabel tidak diukur secara langsung yang diukur secara langsung adalah instrumen penelitian yang merupakan penjabaran dari indikator-indikator variabel tersebut. Dalam analisis jalur data
yang digunakan
adalah
rata-rata
berupa
skor
total
atau
skor
yang
mengasumsikan tidak terdapat kesalahan dalam pengukuran, sehingga jika akan mengunakan analisis jalur harus mengunakan instrumen-instrumen yang benar-benar telah di uji validitas dan reliabelitasnya. Uji Validitas dimaksudkan untuk mengukur kualitas alat ukur. Suatu tes alat ukur perlu diketahui sejauhmana ketepatan dan kecermatannya. Pengujian ini dilakukan untuk mengetahui instrumen penelitian dalam mengukur apa yang diukur, sehingga instrumen dikatakan mempunyai validitas yang tinggi bila dapat menjalankan fungsi ukurnya. Uji Reliabilitas adalah ukuran konsistensi instrumen penelitian. Instrumen dikatakan reliabel jika alat ukur tersebut menunjukan hasil yang konsisten, sehingga instrumen ini dapat digunakan dengan aman karena dapat bekerja dengan baik pada waktu dan kondisi yang berbeda (Cooper dan Emory, 1999 ). Gambar dibawah ini untuk menjelaskan konsep relibilitas :
18
Sumber : William M.K. Trochim (2002) Gambar 1.13 : Konsep Relibilitas Data
Menurut
William M.K. Trochim (2002),
tidak kalah
penting kita juga harus memahami hubungan validitas dan reliabilitas. Kita sering berpikir tentang validitas dan relibilitas sebagai gagasan terpisah tetapi, sesungguhnya, mereka adalah berhubungan satu sama lain. Salah satu cara untuk menjelaskan hubungan antara validitas dan relibilitas adalah dengan mengunakan suatu bidang target yang sering digunakan oleh para pemanah. misalkan kita sedang berusaha untuk mengukur suatu konsep maka pusat target adalah sebagai konsep itu sendiri. Jika kita mengukur konsep itu dengan sempurna, maka kita
sedang menembak pusat target itu. Jika tidak, kita
kehilangan pusat target itu. Berikut ini gambar target untuk mengambarkan hubungan validitas dan reliabilitas :
18
Analisis Jalur dalam Riset Pemasaran: Teknik Pengolahan Data SPSS & Lisrel Penulis : Juanim
ANALISIS JALUR 2.1. Konsep Dasar Analisis Jalur adalah bagian dari model Regresi yang dapat digunakan untuk menganalisis hubungan sebab akibat antar satu variable dengan variable lainya. Sistem hubungan sebab akibat tersebut menyangkut dua jenis variabel yaitu variabel bebas atau yang lebih dikenal dengan independen variabel yang biasa di simbolkan dengan huruf X1, X2,…. Xm, dan variabel terikat atau variabel yang dipengaruhi, yang dikenal dengan dependen variabel yang biasa disimbolkan dengan huruf Y1, Y2,…. Yn . Dalam Analisis Jalur pengaruh independen variabel terhadap dependen variabel dapat berupa pengaruh langsung dan tidak langsung
19
Analisis Jalur dalam Riset Pemasaran: Teknik SPSS Lisrel adanya pengaruhPengolahan langsung dan tidakData langsung. Berbeda & dengan model Penulis : Juanim regresi biasa dimana pengaruh independen variabel terhadap dependen (direct & indirect effect), atau dengan kata lain analisis jalur memperhitungkan
variabel hanya berbentuk pengaruh langsung. Pengaruh tidak langsung suatu independen variabel terhadap dependen variabel adalah melalui variabel lain yang disebut variabel antara (intervening variable). Sebagai contoh dalam riset pemasaran, pengaruh variabel kualitas produk atau jasa terhadap variabel loyalitas bukan hanya secara langsung tetapi secara tidak langsung melalui variabel lain seperti variabel kepuasan pelanggan Selain itu analisis jalur, merupakan suatu metode yang digunakan pada model kausal, yang telah dirumuskan peneliti atas dasar pertimbangan-pertimbangan teoritis dan pengetahuan tertentu atau dengan kata lain analisis jalur memiliki kegunaan untuk mencek atau menguji model kausal yang diteorikan dan bukan menurunkan terori kausal tersebut (Sujana, 2002; 293).
2.2. Path Diagram Biasanya untuk mengambarkan hubungan-hubungan kausalitas antar variabel yang akan diteliti, peneliti mengunakan model diagram yang biasa disebut paradigma penelitian, ini digunakan untuk lebih memudahkan melihat hubungan-hubungan kausalitas tersebut. Dalam analisis jalur model diagram yang digunakan biasanya disebut diagram jalur (path diagram). Diagram jalur adalah alat untuk melukiskan secara grafis, struktur hubungan kausalitas antar variabel independen, itervening (intermediary) dan dependen. Untuk merepesentasikan hubungan kausalitas diagram jalur mengunakan simbol anak panah berkepala satu (single-headed arrow), ini
20
Analisis Jalur dalam Riset Pemasaran: Teknik Data & Lisrel intervening dan Pengolahan variabel dependen, anak panahSPSS ini juga menguhubungkan Penulisdan: untuk Juanim error dengan variabel dependen, merepresentasikan hubungan mengindikasikan adanya pengaruh langsung antara variabel eksogen atau
korelasi atau kovarian diantara dua variabel mengunakan anak panah berkepala dua (two headed arrow). Setip variabel disimbolkan dalam bentuk kotak sedangankan variabel lain yang tidak dianalisis dalam model atau error digambarkan dalam bentuk lingkaran. Dalam Analisis jalur variabel-variabel yang di analisis kausalitasnya, dibedakan menjadi dua golongan ialah variabel eksogen dan endogen. Variabel eksogen adalah variabel yang variabelitasnya disumsikan terjadi oleh bukan karena penyebab-penyebab di dalam model, atau dengan kata lain variabel ini tidak ada yang mempengaruhi. Sedangkan variabel endogen adalah variabel yang variasinya terjelaskan oleh variabel eksogen atau pun variabel endogen lain dalam sistem. Sebagai contoh perhatikan diagram jalur berikut :
Product Quality (X1)
1 Py2x1
Pey2
Pey1 Customer Satisfaction (Y1)
rx1x2
2
Py2y1
Customer Loyalty (Y2)
Py2x2 Services Quality (X2)
Gambar 1 : Path diagram untuk studi pengaruh kualitas terhadap kepuasan dan loyalitas pelanggan.
21
Analisis Jalur dalam Riset Pemasaran: Teknik Data & Lisrel (product quality)Pengolahan dan X2 (Service Quality), dan SPSS variabel endogen yaitu Y1 : Juanim (Customer Satisfaction)Penulis dan Y2 (Customer Loyalty). Setiap variabel baik Model ini melukiskan adanya hubungan antara variabel eksogen yaitu X1
eksogen maupun endogen (X1, X2, Y1,Y2) digambarkan dalam bentuk persegi atau kotak sedangkan error (1, 2 ) atau variabel lain diluar sistem digambarkan dalam bentuk lingkaran. Hubungan antara X1 dan X2 mengambarkan hubungan korelasi, sedangkan hubungan antara X1, X2 terhadap Y1 dan dari Y1 terhadap Y2 menggambarkan hubungan pengaruh (Causal path). Pengaruh dari X1, X2 terhadap Y1 dan dari Y1 terhadap Y2 disebut pengaruh langsung (direct effect), sedangkan dari X1 terhadap Y2 melalui Y1 dan dari X2 terhadap Y2 melalui Y1 disebut pengaruh tidak langsung (inderect effect).
2.3. Koefisien Jalur Koefisien jalur mengindikasikan besarnya pengaruh langsung dari suatu variabel yang mempengaruhi terhadap variabel yang dipengaruhi atau dari suatu variabel eksogen terhadap variabel endogen. Simbol atau notasi konvensional untuk melambangkan koefisien jalur adalah pij (Dillon & Goldstein; 1984 ; 438), dimana i merepleksikan akibat (dependent variable) dan j merepleksikan sebab (independent variable). Jika model rekursive (model satu arah), koefisien jalur dapat di ekspersikan menggunakan korelasi sederhana atau multiple regresi. Seperti yang akan kita lihat., koefisien jalur adalah ekuivalen dengan bobot regresi. Koefisien-koefisien jalur biasanya dicantumkan
pada diagram jalur tepat pada setiap garis
jalurnya yang dinyatakan dalam nilai numerik.
22
Analisis Jalur dalam Riset Pemasaran: Pyx = rxy Teknik Pengolahan Data SPSS & Lisrel X Y Penulis : Juanim a) single causal antecendent X1
Pyx1 = byx1 Y
X2
Pyx2 = byx2
a) two causal antecendent. Sumber : Dillon & Goldstein “Multivariate Analysis” Method and Applications (1984;439)
Gambar 2 : Sistem kausal sederhana a) single causal antecendent b) two causal antecendent.
seperti telah dijelaskan diatas bahwa untuk mengestimasi koefisien jalur, jika hanya satu variabel eksogen X mempangaruhi secara langsung terhadap variabel endogen y, maka pyx di estimasi dengan korelasi sederhana (simple correlation) antara X dan Y; jadi Pyx = rxy lihat gambar 2 a). Jika variabel endogen y dipengaruhi oleh dua variabel eksogen X1 dan X2, maka keofisien jalur untuk X1 terhadap Y dan X2 terhadap Y adalah bobot atau koefisien beta dalam regresi, jadi masing-masing koefisen jalur adalah Pyx1 = byx1
dan
Pyx2 = byx2.
b). Untuk lebih jelasnya bagaimana cara
perhitungan koefisien jalur secara manual disarankan membaca buku : Dillon & Goldstein “Multivariate Analysis” Method
and Applications
(1984;439) Untuk lebih memperjelas setiap koefisien jalur pada sebuah path diagram yang komplit perhatikan kembali gambar 1, koefisien-koefisien jalur sebagai berikut:
dapat kita lihat
23
Analisis Jalur dalam Riset Pemasaran: Pengolahan Data SPSS & Lisrel Py1xTeknik 2 adalah koefisien jalur untuk pengaruh langsung X2 terhadap Y1 Penulis : Juanim Py2y1 adalah koefisien jalur untuk pengaruh langsung Y1 terhadap Y2 Py1x1 adalah koefisien jalur untuk pengaruh langsung X1 terhadap Y1
Pey1 adalah koefisien jalur untuk pengaruh langsung 1 terhadap Y1 Pey1 adalah koefisien jalur untuk pengaruh langsung 2 terhadap Y2, rx1x2 adalah koefisien korelasi antara X1 dan X2. Bagaimana cara perhitungannya pada buku ini tidak akan dijelaskan secara manual tetapi akan mengunakan sofware komputer dengan mengunakan dua program yaitu SPSS dan LISREL. 2.4. Persamaan Struktural Disamping mengunakan diagram jalur untuk menyatakan model yang dianalisis, dalam analisis jalur juga dapat ditampilkan dalam bentuk persamaan yang biasa disebut persamaan struktural. Persamaan struktural menggambarkan hubungan sebab kibat antar variabel yang diteliti yang dinyatakan dalam bentuk persamaan matematis. Perhatikan kembali diagram jalur pada gambar 1, ini dapat dibuat model persamaan struktural dengan dua buah persamaan matematis sebagai berikut : Y1 PY1 X 1 X 1 PY1 X 2 X 2 1 Y2 PY2Y1 Y2 2
Persamaan pertama menyatakan hubungan kausal dari X1 dan X2 ke Y1 dan persamaan kedua menyatakan hubungan kausal dari Y1 ke Y2 . Contoh lain perhatikan gambar 3 digaram jalur berikut :
24
Analisis Jalur dalam Riset Pemasaran: Teknik Pengolahan Data 1 SPSS & Lisrel Penulis : Juanim Pey1 X1
3
Y1 Py3y1
Py2x1
Pey3 Y3
rx1x2 Py2x2 X2
Py3y2 Y2 Pey2
2 Gambar 3 : Digaram jalur dengan tiga persamaan struktural (substruktur) digaram jalur diatas jika dibuat dalam bentuk persamaan struktural maka terdapat tiga buah persamaan struktural sebagai berikut : Y1 PY1 X 1 X 1 PY1 X 2 X 2 1
Y2 PY2 X1 X 1 PY2 X 2 X 2 PY2Y1 Y1 2 Y3 PY3Y1 Y1 PY3Y2 Y2 3
2.5. Asumsi-Asumsi Analisis Jalur Untuk efektifitas penggunaan analisis jalur diperlukan beberapa asumsi sebagai berikut : 1. Hubungan antar variabel dalam model adalah linear dan adatif . 2. seluruh error (residual) disumsikan tidak berkorelasi dengan yang lainya. 3. Variabel diasumsikan dapat diukur secara langsung
25
Analisis Jalur dalam Riset Pemasaran: Teknik Pengolahan Data SPSS & Lisrel 5. variabel-variabel diukur oleh skala interval. Penulis : Juanim 4. Model hanya berbentuk rekrusive atau serah
2.6. Pengaruh Langsung, Pengaruh Tidak Langsung dan Total Seperti
telah
dijelaskan
sebelumnya
bahwa
analisis
jalur
memperhitungkan pengaruh langsung dan tidak langsung. Berdasarkan digaram jalur kita dapat melihat bagaimana pengaruh langsung dan tidak langsung tersebut. Pengaruh langsung adalah pengaruh dari satu variabel independen ke variabel dependen, tanpa melalui variabel dependen lainya. Sedangkan pengaruh tidak langsung adalah situasi dimana variabel independen mempengaruhi variabel dependen melalui varibel lain yang disebut variabel intervening (intermediari). Adapun yang dimaksud pengaruh total adalah penjumlahan pengaruh langsung dan pengaruh tidak langsung. Sebagai contoh perhatikan Gambar 4 :
1
2
(X1) Py2x1 = 0.47
rx1x2 = 0.54
(X2)
Pey1 = 0.51
(Y1)
Py2y1=0.53
Pey2 = 0.72
(Y2)
Py2x2 = 0.33
Gambar 4: Estimasi Pengaruh X1 dan X2 terhadap Y1 dan Y2
Pengaruh langsung (direct effect (DI) )
Pengaruh dari X1, X2 terhadap Y1 dan dari Y1 terhadap Y2, atau lebih sederhana dapat disajikan sebagai berikut :
26
Analisis Jalur dalam Riset Pemasaran: X1 Y1 ; Py2x1 = 0.47 Teknik Pengolahan Data SPSS & Lisrel X2 Y1 ; Py2x2 = 0.33 : Juanim Y1 Y2 ; PyPenulis 2y1 = 0.53 Pengaruh tidak langsung (inderect effect (IE)) Sedangkan pengaruh tidak langsung (inderect effect) adalah dari X1 terhadap Y2 melalui Y1 dan dari X2 terhadap Y2 melalui Y1, atau lebih sederhana dapat disajikan sebagai berikut : X1 Y1 Y2 ; Py2x1 . Py2x2 = (0.47)(0.53)= 0.249 X2 Y1 Y2 ; Py2x2 . Py2y1 = (0.33)(0.53)=0.175
Pengaruh Total (Total effect (TE)) Pengaruh total adalah penjumlahan DE dan IE (DE +IE) sebagai berikut : Pengaruh langsung (direct effect)
DEy1x1
X1 Y1 ;
Py2x1 = 0.47
DEy1x2
X2 Y1 ;
Py2x2 = 0.33
DE y2y1
Y1 Y2 ;
Py2y1 = 0.53
Pengaruh tidak langsung (inderect effect)
IEy2y1x1 : X1 Y1 Y2 ; Py2x1 . Py2x2 = (0.47)(0.53)= 0.25 IE y2y1x2 : X2 Y1 Y2 ; Py2x2 . Py2y1 = (0.33)(0.53)=0.18 Pengaruh Total (Total effect (TE))
TE11 =
DEy1x1 + IEy2y1x1 (0.47) + (0.25)=0.72
TE12 DEy1x2
+ IE y2y1x2 (0.33) + (0.18)=0.52
TE21 = DE y2y1 = 0.53
27
Analisis Jalur dalam Riset Pemasaran: Teknik Data SPSS & Lisrel PengujianPengolahan model di perlukan untuk menentukan apakah model yang : Juanim diajukan sesuai (fit) atauPenulis konsisten dengan data atau tidak. Pengujian model 2.7. Pengujian Model (Pengujian Kesesuai Model)
dilakukan dengan cara membandingkan matrik korelasi teoritis dengan matrik korelasi empirisnya. Jika kedua martrik tersebut identik atau sesuai, maka model teoritis yang diajukan tersebut dapat disimpulkan diterima secara sempurna. (untuk perhitungan pengujian model lihat Dillon & Goldstein “Multivariate Analysis” Method and Applications (1984;439), dan Sujana “Teknik Analisis Regresi dan Korelasi” (2002;302). Dalam beberapa program komputer seperti Lisrel, disamping membandingkan matrik korelasi atau kovarian untuk uji kesesuaian (goodnes of fit) disediakan juga indeks-indeks kesesuaian, sehingga peneliti tinggal menganalisis apakah model yang diajukan dapat diterima atau tidak. Beberapa indeks kesesuaian dengan cut offnya diantaranya : 1. Chi-Square Statistic (2) diharapkan kecil 2. Significan Probabilty (p value) >= 0.05 3. The Root Mean Square Error of Approximation (RMSEA) 0.08 4. Goodness of Fit Index(GFI) 0.9 5. Adjusted Goodness of Fit Index (AGFI) 0.9
19
Reliabel tapi tidak Valid
Valid tapi tidak Reliabel
Tidak Reliabel juga tidak Valid
Valid dan Reliabel
Sumber : William M.K. Trochim (2002) Gambar 1.14: Hubungan Validitas & Relibilitas
gambar diatas menujukan empat situasi yang mungkin terjadi. Yang pertama kita menembak target secara konsisten, tetapi kita kehilangan pusat target atau salah sasaran. Ini mengambarkan kita secara konsisten dan sistematik mengukur nilai yang salah untuk semua responden. Ukuran ini adalah dapat dipercaya, tetapi tidak sah (konsisten tetapi salah). Yang kedua, menujukan kita menembak secara acak tersebar diluar target. Kita jarang menembak pusat target. Dalam hal ini, kita mengukur secara sah, tetapi kita plin-plan (sah tapi tidak konsisten atau valid tapi tidak reliabel). Di sini,kita dapat dengan jelas melihat validitas itu secara langsung dihubungkan dengan variabilitas ukuran kita. gambar yang ketiga menunjukkan di mana yang ditembak tersebar diluar target dan kita secara konsisten kehilang pusat target. Ini menjelaskan ukuran kita dalam hal ini tidak sah maupun dapat dipercaya (tidak valid dan tidak konsisten). Akhirnya, kita lihat gambar yang keempat secara konsisten menembak pusat target. Ini menjelaskan bahwa ukuran kita adalah sah dan dapat dipercaya (valid dan reliabel).
