Analisis jalur (path analysis) merupakan metode yang digunakan untuk menjelaskan pola hubungan antar variabel dengan tujuan mengetahui pengaruh langsung maupun tidak langsung dari variabel bebas terhadap variabel terikat. Metode ini dikembangkan oleh Sewall Wright pada tahun 1920 dan sekarang menjadi bagian dari pemodelan persamaan struktural.

1. ANALISIS JALUR
(PATH ANALYSIS)
Penemu: Sewall Wright (Joreskog & Sorbom;1996)

2. Sejarah
 1920 : Sewall (ahli genetika)
 1966 : Otis D. Ducan (sosiolog)
 1970 : Karl G. Joreskog & Dag Sorbon
(ahli statistika)
LISREL (LInier Structural RELationship)
SEM (Structural Equation Modeling)

3. Pengertian
 Model Path Analysis digunakan untuk
menjelaskan pola hubungan antar
variabel dengan tujuan mengetahui
pengaruh langsung maupun tidak
langsung dari seperangkat variabel
bebas (eksogen) terhadap variabel
terikat (endogen)

4. Manfaat
1. Penjelasan fenomena yang dipelajari.
2. Prediksi nilai variabel terikat berdasarkan
variabel bebas (bersifat kualitatif)
3. Faktor determinan : Variabel bebas mana
yang berpengaruh dominan terhadap
varibel terikat
4. Pengujian Model : baik konsep yang sudah
ada maupun pengembangan konsep baru

5. Asumsi-Asumsi
1. Hubungan antar variabel bersifat linier,
adaptif, dan normal.
2. Hubungan kausal satu arah.
3. Variabel terikat berskala interval atau rasio.
4. Menggunakan probability sampling
5. Observed variables diukur dengan valid dan
reliable
6. Model dispesifikasikan dengan benar
berdasar teori dan konsep yang relevan

6. Model Path Analysis
Correlated
1
2
3
r12
31
32

1
2
3
31
32

1
2
3
31
32
2
21
1
2
Mediated
Independent

7. Contoh
Diduga kemampuan berkoordinasi dan
motivasi kerja pegawai berkontribusi secara
simultas dan signifikan terhadap
produktivitas kerja
KOORDINASI
(X1)
MOTIVASI KERJA
(X2)
PRODUKTIVITAS
KERJA
(Y)
r12
yx1
yx2
1
y
Hipotesis :

8. Model Struktural
X1
X2 Y
r12 ZX1
YX1
2
X3
Z
1
YX2 ZY
YX3
ZX3
r23
r13
Y=PYX1X1+PYX2X2+PYX3X3+1
Z=PZX1X1+PZX3X3+PZYY+2
Persamaannya :

9. Sub Struktur 1
X1
X2 Y
r12
YX1
X3
1
YX2
YX3
r23
r13
Y=PYX1X1+PYX2X2+PYX3X3+1
Z=PZX1X1+PZX3X3+PZYY+2
Persamaannya :

10. Sub Struktur 2
X1
Y
ZX1
YX1
2
X3
Z
1
ZY
YX3
ZX3
r13
Y=PYX1X1+PYX2X2+PYX3X3+1
Z=PZX1X1+PZX3X3+PZYY+2
Persamaannya :

11. Contoh
Penelitian : Kontribusi Kemampuan Pegawai dan Motivassi Kerja
Pegawai terhadap Produktivitas Kerja
Kemampuan
Pegawai
Motivasi
Pegawai
Produktivitas
Kerja
X1 X2 Y
1 36 55 64
2 46 45 55
3 47 60 72
4 25 35 50
5 68 64 79
6 69 44 77
7 57 64 78
8 49 65 72
9 58 63 66
10 67 74 82
11 79 84 87
12 52 73 82
No.
Resp

12. Langkah 1 :
Hipotesis & Persamaan Struktural
Kemampuan pegawai dan motivasi
kerja berkontribusi secara simultan
dan signifikan terhadap produktivitas
kerja
Hipotesis :
Y=YX1X1+ YX2X2 + Y 1
Struktur :

13. Langkah 2 :
Hitung koefisien jalur (1)
Y=YX1X1+ YX2X2 + Y +1
KOORDINASI
(X1)
MOTIVASI KERJA
(X2)
PRODUKTIVITAS
KERJA
(Y)
r12
yx1
yx2
1
y
a. Gambar Diagram Jalur

14. Langkah 2 :
Hitung koefisien jalur (2)
b. Hitung koefisien korelasi & regresi (SPSS)
Correlations
1 ,645* ,829**
. ,024 ,001
12 12 12
,645* 1 ,824**
,024 . ,001
12 12 12
,829** ,824** 1
,001 ,001 .
12 12 12
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Kemampuan
Pegawai (X1)
Motivasi Kerja (X2)
Produktivitas Kerja (Y)
Kemampuan
Pegawai (X1)
Motivasi
Kerja (X2)
Produktivitas
Kerja (Y)
Correlation is significant at the 0.05 level (2-tailed).
*.
Correlation is significant at the 0.01 level (2-tailed).
**.

15. Langkah 2 :
Hitung koefisien jalur (3)
ANOVAb
1170,257 2 585,129 22,151 ,000a
237,743 9 26,416
1408,000 11
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Motivasi Kerja (X2), Kemampuan Pegawai (X1)
a.
Dependent Variable: Produktivitas Kerja (Y)
b.
Coefficientsa
27,026 7,069 3,823 ,004
,379 ,133 ,510 2,845 ,019
,402 ,146 ,495 2,763 ,022
(Constant)
Kemampuan
Pegawai (X1)
Motivasi Kerja (X2)
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: Produktivitas Kerja (Y)
a.
Model Summary
,912a
,831 ,794 5,140 ,831 22,151 2 9 ,000
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
R Square
Change F Change df1 df2 Sig. F Change
Change Statistics
Predictors: (Constant), Motivasi Kerja (X2), Kemampuan Pegawai (X1)
a.

16. Langkah 3 :
Hitung koefisien jalur scr simultan
ANOVAb
1170,257 2 585,129 22,151 ,000a
237,743 9 26,416
1408,000 11
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Motivasi Kerja (X2), Kemampuan Pegawai (X1)
a.
Dependent Variable: Produktivitas Kerja (Y)
b.
H0 : yx1= yx2=0
Ha : yx1= yx2≠0
H0 : Kemampuan pegawai dan motivasi kerja tidak berkontribusi secara
simultan dan signifikan terhadap produktivitas kerja
Ha : Kemampuan pegawai dan motivasi kerja berkontribusi secara simultan
dan signifikan terhadap produktivitas kerja
Nilai F = 22,151 sig. 0,00 <0,05 berarti H0 ditolak Ha diterima

17. Langkah 4 :
Hitung koefisien jalur scr individu (1)
H0 : yx1=0
Ha : yx1>0
H0 : Kemampuan pegawai tidak berkontribusi secara simultan dan signifikan
terhadap produktivitas kerja
Ha : Kemampuan pegawai berkontribusi secara simultan dan signifikan
terhadap produktivitas kerja
Nilai t = 2,845 sig. 0,019 <0,05 berarti H0 ditolak Ha diterima
Coefficientsa
27,026 7,069 3,823 ,004
,379 ,133 ,510 2,845 ,019
,402 ,146 ,495 2,763 ,022
(Constant)
Kemampuan
Pegawai (X1)
Motivasi Kerja (X2)
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: Produktivitas Kerja (Y)
a.

18. Langkah 4 :
Hitung koefisien jalur scr individu (2)
H0 : yx2=0
Ha : yx2>0
H0 : Motivasi Pegawai tidak berkontribusi secara simultan dan signifikan
terhadap produktivitas kerja
Ha : Motivasi Pegawai berkontribusi secara simultan dan signifikan terhadap
produktivitas kerja
Nilai t = 2,763 sig. 0,022 <0,05 berarti H0 ditolak Ha diterima
Coefficientsa
27,026 7,069 3,823 ,004
,379 ,133 ,510 2,845 ,019
,402 ,146 ,495 2,763 ,022
(Constant)
Kemampuan
Pegawai (X1)
Motivasi Kerja (X2)
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: Produktivitas Kerja (Y)
a.

19. Memaknai Hasil Analisis Jalur (1)
Y=YX1X1+ YX2X2 + Y1
Y=0,510 X1+0,495X2+0,411 1
KOORDINASI
(X1)
MOTIVASI KERJA
(X2)
PRODUKTIVITAS
KERJA
(Y)
r12= 0,645
yx1= 0,51
yx2=0,495
1
y =0,411
411
,
0
169
,
0
831
,
0
1
1 2
2
.
1
. 




 x
x
y
Y R



20. Memaknai Hasil Analisis Jalur (2)
Kontribusi Kemampuan Pegawai (X1) yang secara
langsung mempengaruhi produktivitas kerja (Y) =
0,512=0,2601 = 26,01 %
Kontribusi Motivasi Pegawai (X2) yang secara langsung
mempengaruhi produktivitas kerja (Y) = 0,4952=0,2450 =
24,50 %
Kontribusi Kemampuan Pegawai (X1) dan Motivasi Pegawai
(X2) secara simultan yang secara langsung
mempengaruhi produktivitas kerja (Y) = 0,831=83,1 %.
Sisanya 16,9% dipengaruhi faktor lain yang tidak dapat
dijelaskan dalam penelitian ini.

21. ANALISIS JALUR
MODEL TRIMMING

22. Contoh
Penelitian : Kontribusi Kepemimpinan, Iklim Organisasi, dan
Motivasi Kerja terhadap Prestasi Kerja
Kepemimpinan Iklim Org
Motivasi
Kerja
Prestasi
Kerja
X1 X2 X3 Y
1 55 36 38 60
2 45 46 45 50
3 60 47 46 62
4 35 25 30 40
5 64 68 53 68
6 44 69 54 59
7 70 57 61 79
8 65 49 50 69
9 63 58 52 65
10 74 67 51 70
11 84 79 69 89
12 73 52 53 79
No.
Resp

23. Hipotesis
1. Kepemimpinan dan Iklim Organisasi
berkontribusi secara simultan dan
signifikan terhadap Motivasi Kerja
2. Kepemimpinan, Iklim Organisasi, dan
Motivasi Kerja berkontribusi secara
simultan dan signifikan terhadap
prestasi Kerja

24. Struktur
X1
X3
YX1
X3X1
2
X2
Y
1
YX3
YX2
r12
X3=x3X1X1+  X3X2X2+ X31
Y=  YX1X1+  YX2X2+  YX3X3+  Y2
Persamaannya :
X3X2

25. Sub Struktur 1
X1
X3
X3X1
X2
1
r12
X3=x3X1X1+  X3X2X2+ X31
Persamaannya :
X3X2

26. Pengujian Sub Struktur 1
ANOVAb
947,687 2 473,843 26,994 ,000a
157,980 9 17,553
1105,667 11
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Iklim Org (X2), Kepemimpinan (X1)
a.
Dependent Variable: Motivasi Kerja (X3)
b.
Coefficientsa
11,393 5,731 1,988 ,078
,244 ,116 ,345 2,101 ,065
,439 ,108 ,666 4,062 ,003
(Constant)
Kepemimpinan (X1)
Iklim Org (X2)
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: Motivasi Kerja (X3)
a.
Model Summary
,926a
,857 ,825 4,190 ,857 26,994 2 9 ,000
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
R Square
Change F Change df1 df2 Sig. F Change
Change Statistics
Predictors: (Constant), Iklim Org (X2), Kepemimpinan (X1)
a.
Tidak signifikan

27. Trimming (X1 dikeluarkan)
ANOVAb
870,221 1 870,221 36,961 ,000a
235,446 10 23,545
1105,667 11
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Iklim Org (X2)
a.
Dependent Variable: Motivasi Kerja (X3)
b.
Coefficientsa
18,346 5,418 3,386 ,007
,585 ,096 ,887 6,080 ,000
(Constant)
Iklim Org (X2)
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: Motivasi Kerja (X3)
a.
Model Summary
,887a
,787 ,766 4,852 ,787 36,961 1 10 ,000
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
R Square
Change F Change df1 df2 Sig. F Change
Change Statistics
Predictors: (Constant), Iklim Org (X2)
a.

28. Sub Struktur 1 (Baru)
X3
X2
1=0,4615
X3X2
=0,887
4615
,
0
787
,
0
1
1 2
2
.
1
.
1
3 



 x
x
y
X R


X3= X3X2X2+ X31
X3=0,887 X2+0,4615 1
Persamaannya :

29. Sub Struktur 2
X1
X3
YX1
2
X2
Y
YX3
YX2
r12
Y=  YX1X1+  YX2X2+  YX3X3+  Y2
Persamaannya :

30. Pengujian Sub Struktur 2
ANOVAb
1866,278 3 622,093 78,511 ,000a
63,389 8 7,924
1929,667 11
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Motivasi Kerja (X3), Kepemimpinan (X1), Iklim Org (X2)
a.
Dependent Variable: Prestasi Kerja (Y)
b.
Coefficientsa
1,062 4,619 ,230 ,824
,599 ,095 ,641 6,297 ,000
-,198 ,122 -,228 -1,620 ,144
,777 ,224 ,588 3,470 ,008
(Constant)
Kepemimpinan (X1)
Iklim Org (X2)
Motivasi Kerja (X3)
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: Prestasi Kerja (Y)
a.
Model Summary
,983a ,967 ,955 2,815 ,967 78,511 3 8 ,000
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
R Square
Change F Change df1 df2 Sig. F Change
Change Statistics
Predictors: (Constant), Motivasi Kerja (X3), Kepemimpinan (X1), Iklim Org (X2)
a.
Tidak signifikan

31. Trimming (X2 dikeluarkan)
ANOVAb
1845,476 2 922,738 98,641 ,000a
84,190 9 9,354
1929,667 11
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Motivasi Kerja (X3), Kepemimpinan (X1)
a.
Dependent Variable: Prestasi Kerja (Y)
b.
Coefficientsa
3,514 4,742 ,741 ,478
,622 ,102 ,666 6,087 ,000
,485 ,145 ,367 3,357 ,008
(Constant)
Kepemimpinan (X1)
Motivasi Kerja (X3)
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: Prestasi Kerja (Y)
a.
Model Summary
,978a
,956 ,947 3,059 ,956 98,641 2 9 ,000
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
R Square
Change F Change df1 df2 Sig. F Change
Change Statistics
Predictors: (Constant), Motivasi Kerja (X3), Kepemimpinan (X1)
a.

32. Sub Struktur 2 (Baru)
X1
X3
YX1
=0,666
2=0,2098
Y
YX3
=0,367
Y=  YX1X1+  YX3X3+  Y2
Y=0,666 X1+0,367 X3+0,2098 2
Persamaannya :
2098
,
0
956
,
0
1
1 2
2 



 y
Y R



33. Struktur (Baru)
X1
X3
YX1
=0,666
2=0,2098
Y
YX3
=0,367
Y=  YX1X1+  YX3X3+  Y2
Y=0,666 X1+0,367 X3+0,2098 2
Persamaannya :
X2
1=0,4615
X3X2
=0,887
X3= X3X2X2+ X31
X3=0,887 X2+0,4615 1

34. Memaknai Hasil Analisis Jalur
Kontribusi Kepemimpinan (X1) yang secara langsung
mempengaruhi prestasi kerja (Y) = 0,6662= 44,36 %
Kontribusi Motivasi Kerja (X3) yang secara langsung
mempengaruhi prestasi kerja (Y) = 0,3672=13,47 %
Kontribusi Kepemimpinan (X1) dan Motivasi Kerja (X3)
secara simultan yang secara langsung mempengaruhi
prestasi kerja (Y) = 0,956=95,6 %. Sisanya 4,4 %
dipengaruhi faktor lain yang tidak dapat dijelaskan dalam
penelitian ini.

35. Goodness of Fit (1)
)
1
).(
1
(
1 2
2
2
1
2
R
R
Rm 



995
,
0
)
967
,
0
1
).(
857
,
0
1
(
1
2





m
R
)
1
).(
1
(
1 2
1
3
2
2
3 x
yx
x
x R
R
M 



991
,
0
)
956
,
0
1
).(
787
,
0
1
(
1 




M
556
,
0
991
,
0
1
995
,
0
1
1
1 2







M
R
Q m

36. Goodness of Fit (2)
Whitung = -(N-d) ln Q
Whitung = -(12-1) ln 0,556=6,457
Kesimpulan :
Cari dari tabel chi kuadrat X2
dk=1;=0,05= 3,841
Karena Whitung> X2, maka matrik korelasi sampel berbeda dengan
matrik korelasi estimasi. Jadi kedua model tersebut signifikan,
sehingga model yang terbentuk mampu mengeneralisasi
fenomena

37. Buku Path Analysis
Cara Menggunakan dan Memaknai ANALISIS
JALUR (PATH ANALYSIS)
- Riduwan, Drs, MBA
- Engkos Achmad Kuncoro, SE, MM
Analisis Jalur untuk Riset Bisnis dengan SPSS
- Jonathan Sarwono

38.  MULTIVARIATE DATA ANALYSIS
- Joseph E. Hair
- Ronald L William
Printice Hall