2. Sejarah
• Diperkenalkan oleh Sewall Wright
(1921) - ahli genetika
• Dipopulerkan oleh Otis Dudley
Duncan (1966) - ahli sosiologi
• Land (1968) membahas secara
teoritis dan prosedur analisis jalur
3. Analisis Jalur
• Berkaitan dengan Korelasi dan Regresi
Korelasi :
– kuat hubungan antar variabel
– secara tidak langsung : dapat meramalkan apa
yang akan terjadi pada satu variabel, jika
variabel yang lain mempunyai nilai tertentu
Regresi :dapat melakukan peramalan
terhadap variabel dependen jika variabel
independen dikendalikan
4. Korelasi dan Regresi
• Tidak mempermasalahkan mengapa
(why) hubungan tersebut terjadi
• Tidak mempermasalahkan apakah
hubungan antar variabel disebabkan
oleh variabel itu sendiri atau mungkin
dipengaruhi oleh variabel lain
5. Analisis Jalur
• Mempelajari apakah hubungan yang terjadi
disebabkan oleh pengaruh langsung dan
tidak langsung dari variabel independen
terhadap variabel dependen
• Mempelajari ketergantungan sejumlah
variabel dalam suatu model (model kausal)
• Menganalisis hubungan antar variabel dari
model kausal yang telah dirumuskan oleh
peneliti atas dasar pertimbangan teoritis
6. Analisis Jalur
• Menguji seperangkat hipotesis kausal
dan menginterpretasikan hubungan
tersebut (langsung atau tidak langsung)
• Penting : Cara berpikir kausal !!!!
9. 9
HUBUNGAN-HUBUNGAN DALAM PENELITIAN
• Hubungan langsung dan tidak langsung
X
Y
Z
Hubungan langsung Z ke Y
Hubungan tidak
langsung Z ke Y
melalui X
V
Hubungan
tidak langsung
Z ke Y melalui X
dan V
Contoh hubungan Z ke Y
11. Asumsi dalam Analisis Jalur
1. Hubungan antar variabel linier
2. Sifat aditif
3. Skala pengukuran minimal interval
4. Hubungan sebab akibat (landasan
teoritis)
5. Syarat lain ~ multiple regression
13. Analisis Jalur sebagai alat
penguji model
• Analisis jalur dikembangkan sebagai metode untuk
mempelajari pengaruh (efek) secara langsung dan secara
tidak langsung dari variable bebas terhadap variable
terikat. Analisis ini merupakan salah satu pilihan dalam
rangka mempelajari ketergantungan sejumlah variable di
dalam model.
• Analisis jalur digunakan untuk menelaah hubungan
antara model kausal yang telah dirumuskan peneliti atas
dasar pertimbangan teoritis dan pengetahuan tertentu.
Hubungan kausal selain didasarkan pada data, juga
didasarkan pada pengetahuan, perumusan hipotesis dan
analisis logis, sehingga dapat dikatakan analisis jalur
dapat digunakan untuk menguji seperangkat hipotesis
kausal serta untuk menafsirkan hubungan
14. • Model kausal dibedakan antara variabel eksogenus
dan variabel endogenus. Variabel eksogenus atau
variabel bebas adalah variabel yang keragamannya
tidak dipengaruhi oleh penyebab di dalam sistim.
Variabel endogenus/ tidak bebas/dependent/antara
adalah variabel yang keragamannya terjelaskan oleh
variabel eksogenus dan variabel endogenus lainnya di
dalam model.
• Cara yang digunakan untuk menguji model adalah
menghitung semua koefisien jalur dalam model,
kemudian dilakukan penyaringan berdasar uji statistik
dengan menghitung koefisien arah β menggunakan
regresi. Jika bermakna maka koefisien jalur signifikan,
jika tidak bermakna maka koefisien tersebut
dihilangkan.
15. Analisis regresi bermanfaat menggambarkan
hubungan sebab akibat antara variable sehingga
diperoleh model terbaik yang menggambarkan
hubungan antara kedua jenis variable tersebut.
Beberapa macam analisis regresi: regresi
linier, ordinal, logistik, pohon regresi dll. Analisis
regresi dan analisis jalur dapat dikerjakan dengan
menggunakan SPSS.
16. PATH ANALYSIS
• Merupakan perluasan dr analisis regresi yg digunakan
untuk menerangkan akibat langsung dan tidak
langsung seperangkat variabel, sbg variabel penyebab
terhadap seperangkat variabel lain yg merupakan
variabel akibat.
• Bertujuan utk menguji apakah model yg diusulkan
didukung oleh data, dg cara membandingkan matriks
korelasi teoritis dan matriks korelasi empiris. Jika
kedua matriks relatif sama, maka model dikatakan
cocok.
• Pengujian dilakukan dg menggunakan koefisien
determinasi ganda (multiple determination) -
(Pedhazur, 1982).
17. 17
JENIS-JENIS MODEL STRUKTURAL
X
Z
V
Path Analysis Models
• Hanya melibatkan variabel-variabel indikator tanpa
melibatkan analisis terhadap konstruk atau konsep
yang ingin diukur
• Ini berarti semua variabel yang dilihat adalah terukur
atau terobservasi
Y
18. 18
JENIS-JENIS MODEL STRUKTURAL
Z1
Confirmatory factor analysis models
Z2
Z3
X1
X2
X3
Y1
Y2
• Bertujuan untuk mengevaluasi
pola-pola hubungan antara
beberapa konstruk
• Dalam model tidak diasumsikan
adanya arah hubungan antara
konstruk, tetapi hanya ada
hubungan korelatif
• Variabel konstruk merupakan
variabel yang tidak terobservasi
• Setiap konstruk dibangun oleh
beberapa indikator
19. 19
JENIS-JENIS MODEL STRUKTURAL
Structural Equation Modeling
Z1
Z2
Z3
Z4
X1
X3
Y2
Y3
V2
V1
Y1
• Menganalisis sekaligus variabel
indikator, variabel
laten/konstruk,dan kekeliruan
pengukuran
• Menganalisis hubungan antara
indikator dengan konstruk yang
dikenal dengan nama
measurement equation
• Menganalisis hubungan antara
variabel laten satu dengan
variabel laten yang lain yang
dikenal dengan nama structural
equation
X2
20. • Estimasi jalur dapat dilakukan dengan regresi OLS atau
MLE (antar software bisa berbeda metode estimasi)
• Model Jalur (Path Model), mpk diagram yg mengaitkan
variabel bebas, variabel antara, dan variabel terikat.
– Panah tunggal menunjukkan hubungan antara
variabel bebas (eksogen)/variabel antara dan
variabel endogen (terikat).
– Panah ganda menunjukkan hubungan sepasang
variabel eksogen.
– Terkadang panjang panah dalam model jalur
menunjukkan proporsi besarnya koefisien jalur.
KONSEP PENTING (1)
21. • Causal Path, untuk suatu variabel meliputi (1) jalur
langsung yg mengarah ke variabel tsb, dan (2) korelasi
jalur (variabel endogen berkorelasi dg variabel lain yg
memiliki jalur (panah) menuju ke variabel tertentu.
• Contoh model jalur:
– Model diatas memiliki variabel eksogen A, B, dan C yg
saling berkorelasi dan variabel endogen D dan E.
– Suku error tidak dimunculkan.
– Jalur yg menyatakan variabel yg mempengaruhi D
adalah A ke D, B ke D, dan jalur yg menyatakan
pengaruh tdk langsung thd D adalah dari B ke A ke D,
dari C ke A ke D, dan dari C ke B ke D.
KONSEP PENTING (2)
A B C
D E
22. • Variabel eksogen dan endogen.
– Variabel eksogen = variabel yg tdk dipengaruhi variabel lain (tdk
ada panah yg mengarah ke variabel tsb).
Jika 2 variabel eksogen saling berkorelasi, hal ini diindikasikan oleh
panah 2 arah yg menghubungkan variabel tsb.
– Variabel endogen = variabel yang dipengaruhi oleh variabel lain
(ada panah yg mengarah ke variabel tsb).
Variabel endogen terdiri atas variabel antara (intervening
variables) dan variabel terikat (dependent variables).
– Variabel antara memiliki panah yg mengarah dan yg
meninggalkan variabel tsb, sedangkan variabel terikat hanya
memiliki panah yg mengarah ke variabel tsb.
KONSEP PENTING (3)
23. • Koefisien Jalur (path coefficient), mpk koefisien regresi
yg distandarisasi (beta) yg menunjukkan pengaruh
langsung dr suatu variabel bebas thd variabel terikat
pada suatu model jalur.
Misal pada model regresi dg satu variabel bebas,
koefisien beta (koefisien b untuk data yg dibakukan)
akan sama dg koefisien korelasi, shg pada kasus model
jalur dg satu variabel terikat dan satu variabel eksogen,
koefisien jalur dlm kasus tsb merupakan koefisien
korelasi ordo nol.
KONSEP PENTING (4)
24. • Misal model berikut (Bryman, A. and D. Cramer, 1990):
• Model tsb dpt dituliskan sbb:
1. Mutu Pendidikan = b11kepemimpinan +b12Ikl Org+b13kinerja+e1
2. Income = b21age+b22ikl org+e2
3. Ikl Org = b31Kepemimpinan+e3
• Koefisien jalur (b) dlm persamaan tsb mpk koef. regresi parsial yg
dibakukan. Koef. jalur disebut jg koefisien p atau pembobot beta
sederhana, yg didasarkan pd kegunaan dlm model regresi berganda.
KONSEP PENTING (5)
kepemimpinan
Ikl Org
Mutu pendidikan
Kinerja
25. • Unsur gangguan (disturbance term). Suku sisaan/
kesalahan, disebut juga unsur gangguan,
merefleksikan keragaman yg tidak dapat dijelaskan
(pengaruh dari variabel yg tidak terukur) dan
kesalahan pengukuran.
• Besarnya pengaruh unsur gangguan untuk suatu
variabel endogen adalah (1 – R2).
• Besarnya nilai koefisien jalur adalah
KONSEP PENTING (6)
2
R
1
26. • Signifikansi dan goodness of fit dalam model jalur.
– Untuk menguji koefisien jalur secara individual dpt
digunakan nilai uji t atau F dari output regresi.
– Untuk menguji model jalur digunakan uji goodness
of fit.
– Uji goodness of fit dpt dilakukan dg memasukkan
model beserta data yg digunakan ke dlm program
model persamaan struktural (structural equation
modeling) spt LISREL dan AMOS.
KONSEP PENTING (7)
27. Asumsi-asumsi melandasi Analisis Path adalah :
a) Di dalam model analisis path hubungan antar variabel
adalah linier dan aditif,
b) Hanya model rekrusif dapat dipertimbangkan, yaitu
hanya sistem aliran kausal satu arah, sedangkan pada
model yang mengandung kausal resiprokal tidak dapat
dilakukan analisis path,
c) Variabel endongen minimal dalam skala ukuran interval,
d) Observe variabel diukur tanpa kesalahan (instrumen
pengukuran valid dan reliabel)
e) Model yang dianalisis dispesifikasikan (diindentifikasi)
dengan benar berdasarkan teori-teori dan konsep-
konsep yang relevan (Solimun, 2002).
29. 29
ILUSTRASI
• Suatu penelitian berbentuk survey (observasional)
bertujuan ingin menguji model pengaruh beberapa
variabel terhadap variabel kinerja karyawan (telah
dibahas pada analisis faktor)
• Sistem hubungan sbb:
Kepuasan
Loyalitas
Kinerja
Motivasi
30. 30
LANGKAH-LANGKAH ANALISIS PATH (1)
• PERTAMA (PERANCANGAN MODEL)
– Merancang model berdasarkan konsep dan teori.
Misal, secara teoritis :
• Variabel Motivasi berpengaruh terhadap Kepuasan
dan Loyalitas.
• Loyalitas dipengaruhi oleh Kepuasan.
• Variabel Kepuasan dan Loyalitas berpengaruh
terhadap Kinerja.
– Berdasarkan hubung-hubungan antar variabel
secara teoritis tersebut, dapat dibuat model
HIPOTETIK
32. 32
LANGKAH-LANGKAH ANALISIS PATH (1)
• Model tersebut juga dapat dinyatakan dalam
bentuk persamaan, sehingga membentuk sistem
persamaan / sistem persamaan simultan / model
struktural.
(1) Kepuasan = 1 Motivasi + 1
(2) Loyalitas = 1 Motivasi + 2 Kepuasan + 2
(3) Kinerja = 1 Kepuasan + 2 Loyalitas + 3
KONVERSI DIAGRAM JALUR KE PERSAMAAN
33. 33
LANGKAH-LANGKAH ANALISIS PATH (1)
• Atau bilamana sudah dibakukan :
(1) ZKepuasan = 1 ZMotivasi + 1
(2) ZLoyalitas = 1 ZMotivasi + 2 ZKepuasan + 2
(3) ZKinerja = 1 ZKepuasan + 2 ZLoyalitas + 3
• Mengingat model tersebut dikembangkan untuk menjawab
permasalahan penelitian dan berbasis teori dan konsep,
maka dinamakan model hipotetik.
35. 35
Graphical Decomposition of Effects
X
Y
ŷ a bx
X
Y
i
Y
ˆ
i i
y y error
ŷ y regression effect
i
y y T
otal E
ffect
Decomposition of Effects
36. 36
Decomposition of the sum of squares
ˆ ˆ
( )
ˆ ˆ
ˆ ˆ
( ) ( ) ( )
ˆ ˆ
( ) ( ) ( )
i i i i
i i i i
n n n
i i i i
i i i
Y Y Y Y Y Y
total effect error effects regression model effect
Y Y Y Y Y Y per case i
Y Y Y Y Y Y per case i
Y Y Y Y Y Y for data set
2 2 2
2 2 2
1 1 1
37. 37
Decomposition of the sum of squares
• Total SS = model SS + error SS
and if we divide by df
• This yields the Variance Decomposition: We have the total
variance= model variance + error variance
ˆ ˆ
( ) ( ) ( )
n n n
i i i i
i i i
Y Y Y Y Y Y
n n k k
2 2 2
1 1 1
1 1
38. 38
F test for significance and R2 for magnitude
of effect
• R2 = Model var/total var
( , )
k n k
R
k
F
R
n k
2
1 2
1
1
ˆ
( )
ˆ
( )
n
i
i
n
i i
i
Y Y
k
R
Y Y
n k
2
1
2
2
1
1
•F test for model significance = Model Var/Error Var
39. 39
The Multiple Regression Equation
• We proceed to the derivation of its components:
– The intercept: a
– The regression parameters, b1 and b2
i i
Y a b x b x e
1 1 2 2
40. 40
Derivation of the Intercept
n n n
i i i
i i i
n n n n
i i i i
i i i i
n
i
i
n n n
i i i
i i i
a y b x
n n
i i
i i
y a bx e
e y a bx
e y a b x
Because by definition e
y a b x
na y b x
a y bx
1 1 1
1 1 1 1
1
1 1 1
1 1
0
0
41. 41
Derivation of the Regression Coefficient
:
( )
( )
( )
( )
i i i
i i i
n n
i i i
i i
n n
i i i
i i
n
i n n
i
i i i i
i i
n n
i i i i
i i
n
i i
i
n
i
i
Given y a b x e
e y a b x
e y a b x
e y a b x
e
x y b x x
b
x y b x x
x y
b
x
1 1
2 2
1 1
2
1
1 1
1 1
1
2
1
2 2
0 2 2
42. 42
n
i i
i 1
n n
2 2
i i
i 1 i 1
i
i
x y
r
x y
where
x x x
y y y
n
i i
i 1
j n
2
i 1
x y
b
x
48. PERTAMA-TAMA RUMUSKAN HIPOTESIS
Hipotesis :
Kemampuan pegawai dalam berkoordinasi dan motivasi
kerja pegawai berkontribusi secara simultan dan
signifikan terhadap produktivitas kerja
Hitung koefisien regresi
Diagram jalurnya adalah
52. yx1= 0.510
yx2= 0.495
Nilai t hitung untuk individual ini dibandingkan
dengan nilai t tabel atau cukup lihat nilai signya
53. Hipotesa simultan
H0 : yx1 = yx2 0
Kemampuan pegawai dan motivasi kerja berkontribusi
secara simultan dan signifikan terhadap produktivitas
kerja
Lihat tabel anova, berarti hipotesa diterima
54. Hipotesa Individual
H0 = yx1 > 0
Kemampuan pegawai berkontribusi secara signifikan
terhadap Produktivitas kerja
Hipotesa Individual
H0 = yx2 > 0
Motivasi kerja berkontribusi secara signifikan terhadap
Produktivitas kerja
Lihat tabel koefisien, sig < 0.05 maka hipotesa diterima
Lihat tabel koefisien, sig < 0.05 maka hipotesa ditolak
56. Diagram jalurnya adalah
X1
X2
Y
r12 =0.645
yx1=0.510
yx2=0.495
y=0.169
=0.831
Silakan diberi interpretasi/makna dari hasil yang dipreoleh
57.
58. 58
LANGKAH-LANGKAH ANALISIS PATH (2)
• KEDUA (ASUMSI)
– Asumsi yang melandasi analisis path adalah :
• Di dalam model analisis path, hubungan antar
variabel adalah linier dan aditif
• Hanya model rekursif dapat dipertimbangkan, yaitu
hanya sistem aliran causal ke satu arah. Sedangkan
pada model yang mengandung causal bolak-balik
tidak dapat dilakukan analisis path.
• Data variabel endogen minimal dalam skala interval
• Observed variables diukur tanpa kesalahan
(instrumen pengukuran valid dan reliabel).
• Model yang dianalisis dispesifikasikan (diidentifikasi)
dengan benar berdasarkan teori-teori dan konsep-
konsep yang relevan.
59. 59
Pendugaan Parameter (Perhitungan Koefisien Jalur)
• Metode perhitungan koefisien jalur terdapat tiga cara:
– Pendekatan matriks korelasi; bila model tidak berjenjang (p
= Rx
-1 Ry)
– Koefisien regresi dilanjutkan dengan suatu perhitungan
matematik { pi = bi (Sxi / Sy)}
– Koefisien regresi standardize
• Pada tulisan ini dipilih metode yang terakhir, yaitu regresi
standardize, hal ini mengingat metode ini yang dipandang
paling sederhana.
• Di samping itu, perhitungan goodness of fit berupa
Koefisien Determinasi Total dapat dilakukan secara
sederhana, dan pelaksanaan Theory Triming dapat
dilakukan dengan mudah.
KETIGA
LANGKAH-LANGKAH ANALISIS
PATH (3)
60. 60
LANGKAH-LANGKAH ANALISIS PATH (3)
• KETIGA
– Pendugaan parameter: Koefisien regresi standardize
• Untuk anak panah bolak-balik , koefisiennya
merupakan koefisien korelasi, r dihitung seperti
biasanya)
• Untuk anak panah satu arah digunakan perhitungan
regresi data standardize, secara parsiil pada masing-
masing persamaan.
• Metode yang digunakan adalah OLS, yaitu metode
kuadrat terkecil biasa. Hal ini dapat dilakukan
mengingat modelnya rekursif.
61. 61
PENGARUH LANGSUNG DAN TIDAK
LANGSUNG (3)
Koefisien pi dinamakan koefisien path pengaruh langsung
Sedangkan pengaruh tidak langsung dan pengaruh total
dihitung dengan cara :
Pengaruh langsung Motivasi ke Kepuasan = p1
Pengaruh tidak langsung Motivasi ke Kinerja melalui
Kepuasan = p1 x p4
Pengaruh tidak langsung Kepuasan ke Kinerja melalui
Loyalitas = p3 x p5
Pengaruh total adalah penjumlahan dari pengaruh
langsung dan seluruh pengaruh tidak langsung. Pengaruh
total Kepuasan ke kinerja = p4 + (p3 x p5)
= Pengaruh langsung + Pengaruh tidak langsung
62. 62
ANALISIS PATH -
Pendugaan Parameter (3)
• Pendugaan parameter dengan Metode OLS,
dimana di dalam software SPSS dihitung
melalui analisis regresi, yaitu dilakukan
pada masing-masing persamaan secara
sendiri-sendiri.
• Pertama, Regresi untuk persamaan :
Kepuasan = 0 + 1 Motivasi + 1
• Atau bilamana sudah dibakukan :
ZKepuasan = 0 + 1 ZMotivasi + 1
68. 68
ANALISIS PATH -
Pendugaan Parameter (3)
• Dengan demikian, diperoleh model sebagai berikut.
Kinerja = -0.353 + 0.212 Kepuasan + 0.383 Loyalitas + 3
• Atau bilamana sudah dibakukan :
ZKinerja = 0.181 ZKepuasan + 0.313 ZLoyalitas + 3
• Berdasarkan model-model pengaruh tersebut, dapat disusun model lintasan
pengaruh sebagai berikut. Model lintasan ini disebut dengan analisis path,
dimana pengruh error ditentukan sebagai berikut :
71. 71
LANGKAH-LANGKAH ANALISIS PATH (4)
• KEEMPAT (VALIDITAS MODEL)
Koefisien Determinasi Total
• Total keragaman data yang dapat dijelaskan oleh model di ukur
dengan :
• interpretasiya, mirip dengan interpretasi koefisien determinasi
(R2) pada analisis regresi.
• Untuk data ilustrasi diperoleh:
koefisien determinasi total = 1 – (0.859)2 (0.769)2 (0.942)2
= 0.6128
• keragaman data yang dapat dijelaskan oleh model tersebut adalah
sebesar 61.28 %
• model hasil analisis dapat menjelaskan sebesar 61.28 % thdp
fenomena yg dikaji, sedangkan sisanya 38.72 % dijelaskan oleh
variabel lain (yang belum terdapat di dalam model) dan error.
2
ep
2
2
e
2
1
e
2
m P
.
.
.
P
P
1
R
72. 72
VALIDITAS MODEL (4)
• Theory Triming
– Uji validasi koefisien path pada setiap jalur untuk pengaruh
langsung adalah sama dengan pada regresi, menggunakan nilai p
dari uji t, yaitu pengujian koefisien regresi variabel dibakukan
secara parsiil.
– Berdasarkan theory triming, maka jalur-jalur yang nonsignifikan
dabuang, sehingga diperoleh model yang didukung (konfirmasi)
oleh data empirik.
– Motivasi berpengaruh ke Kinerja bersifat tidak langsung (indirect)
yaitu melalui Loyalitas, dengan koefisien path pengaruh tidak
langsung = 0.546 x 0.313 = 0.171.
74. 74
LANGKAH-LANGKAH ANALISIS PATH (5)
• KELIMA (INTERPRETASI)
– Langkah terakhir di dalam analisis path adalah
melakukan interpretasi hasil analisis.
– Pertama dengan memperhatikan hasil validitas
model. Untuk data ilustrasi, diperoleh
informasi sebagai berikut :
• Berdasarkan koefisien determinasi total, diperoleh
bahwa model dapat menjelaskan informasi yang
terkandung di dalam data, sebesar 61.28%. Angka
ini cukup besar, sehingga layak dilakukan
interpretasi lebih lanjut.
• Lintasan pengaruh yang signifikan adalah dari
Motivasi ke Kinerja melalui Loyalitas.
75. 75
INTERPRETASI (4)
• Kedua, hitung pengaruh total dari setiap variabel yang
mempunyai pengaruh kausal ke variabel endogen. Di dalam
ilustrasi, seandainya seluruh lintasan signifikan, maka harus
dihitung pengaruh total dari Motivasi, Kepuasan dan Loyalitas
terhadap Kinerja. Variabel dengan pengaruh total terbesar
adalah yang memiliki pengaruh terkuat.
• Untuk data ILUSTRASI dapat dihasilkan informasi bahwa upaya
meningkatkan kinerja karyawan harus dilakukan dengan cara
meningkatkan Motivasi dan diikuti dengan upaya agar karyawan
lebih bersifat Loyal.
• Pada keadaan demikian variabel Loyalitas berfungsi sebagai
variabel intervening atau mediating.
• Pengaruh tidak langsung Motivasi ke Kinerja melalui Loyalitas =
0.546 x 0.313 = 0.171
76. 76
MANFAAT ANALISIS PATH
• Bilamana analisis path telah dilakukan
(berdasarkan sampel), maka dapat
dimanfaatkan untuk :
– Penjelasan (explanation) terhadap fenomena
yang dipelajari atau permasalahan yang diteliti.
– Prediksi nilai variabel tergantung berdasarkan
nilai variabel bebas, yang mana prediksi
dengan analisis path ini bersifat kualitatif.
77. 77
MANFAAT ANALISIS PATH
– Faktor determinan, yaitu penentuan variabel
bebas mana yang berpengaruh dominan terhadap
variabel tergantung. Dan juga dapat digunakan
untuk menelusuri mekanisme (jalur-jalur)
pengaruh variabel bebas terhadap variabel
tergantung.
– Pengujian model, menggunakan theory triming,
baik untuk uji keajegan konsep yang sudah ada
ataupun uji pengembangan konsep baru.