Dokumen tersebut membahas analisis jalur (path analysis) untuk mempelajari hubungan antar variabel yang mempengaruhi kepatuhan pengemudi. Metode ini digunakan untuk menganalisis pengaruh langsung dan tidak langsung antar variabel seperti sikap, tingkat denda, dan perilaku. Langkah-langkah analisis jalur meliputi merancang model, menguji asumsi, menghitung koefisien jalur, dan menguji validitas model.

2. ANALISIS JALUR
PATH ANALYSIS

3. ILUSTRASI 1
TINGKAT
DENDA
SIKAP
PENOLAKAN
PERILAKU
PENOLAKAN
KEPATUHAN
Variabel yang mempengaruhi kepatuhan pengemudi kendaraan
bermotor terhadap peraturan lalulintas

4. Analisis korelasi
• Analisis korelasi dapat digunakan untuk mengetahui
tingkat keeratan hubungan antar variabel, tidak ada
yang mempengaruhi (penjelas) & tidak ada yang
dipengaruhi (dependen)
• Dapat juga diterapkan pada penjelas  dependen
Sikap
penolakan
Sikap
acuh

5. Analisis regresi
• Regresi: upaya mempelajari hubungan antar variabel, dan tidak
pernah mempermasalahkan mengapa hubungan tersebut ada
(atau tidak ada) dan juga apakah hubungan antara Y dengan X
dikarenakan oleh X-nya itu sendiri atau faktor-faktor lain.
– Bilamana variabel yang terlibat lebih dari dua (banyak variabel), di
dalam analisis regresi juga tidak pernah dipermasalahkan struktur
hubungannya, dimana semua variabel penjelas dianggap
berpengaruh langsung terhadap variabel tergantung.
SIKAP
PENOLAKAN
TINGKAT
DENDA
PERILAKU
PENOLAKAN
KEPATUHAN

6. ILUSTRASI II
Suatu penelitian berbentuk survey (observasional) bertujuan ingin mengetahui faktor-faktor
yang berpengaruh terhadap jumlah uang yang ditabung (saving) oleh suatu
keluarga. Observasi dilakukan secara bersamaan terhadap 45 keluarga, sehingga
diperoleh data cross sectional
No SIZE ED EXP EARNS INCOME SAVING
1 4 2 33 1.92 1.92 .03
2 4 9 19 3.00 12.40 .87
3 2 17 9 5.93 6.40 .37
4 3 9 36 7.00 7.01 1.20
5 4 12 11 6.99 6.99 .28
6 4 13 15 6.50 6.50 1.40
7 5 17 14 26.00 26.01 11.60
8 5 16 23 15.00 15.36 1.77
9 5 9 34 5.70 15.00 3.98
10 5 16 10 8.82 9.19 1.02
11 10 9 27 7.00 10.60 1.00
12 4 10 26 6.18 12.09 .69
13 7 11 20 6.20 6.25 -.03
14 5 14 12 5.80 9.01 -1.39
15 5 7 15 6.22 6.22 1.00
16 5 8 29 5.50 5.91 1.83
17 4 12 11 4.80 4.80 .61
18 2 6 35 1.82 2.34 .05
19 3 12 30 4.56 7.83 .01
20 7 8 22 7.47 9.56 1.39

7. No SIZE ED EXP EARNS INCOME SAVING
21 3 9 27 6.60 7.60 .60
22 4 17 8 12.85 13.86 2.22
23 6 12 21 5.80 5.80 1.59
24 3 11 32 7.48 19.36 5.08
25 3 10 21 5.70 8.00 1.85
26 3 12 28 12.00 17.20 .91
27 6 8 31 3.58 1.09 2.48
28 4 10 29 9.60 9.60 .84
29 3 3 38 3.69 10.43 1.27
30 4 12 9 6.48 6.51 -.28
31 5 12 33 6.38 7.68 1.09
32 4 8 33 5.61 12.42 1.16
33 5 8 20 6.00 6.08 .34
34 4 12 24 6.30 6.98 .37
35 5 17 11 10.51 10.52 3.31
36 4 12 24 30.00 31.00 10.67
37 3 12 12 3.43 5.28 1.11
38 9 11 11 8.50 8.51 3.50
39 5 12 25 11.30 12.70 .54
40 5 16 18 16.96 16.77 3.02
41 6 12 19 8.30 8.30 .65
42 4 8 21 6.38 5.38 .99
43 4 12 23 4.77 6.27 2.53
44 4 12 20 4.32 8.52 6.12
45 5 17 22 10.72 24.23 -2.75

8. Penjelasan:
SIZE = the number of persons in the family
ED = the number of years of education received by the head, in
year
EXP = the labor marked experience of the head, in year, calc.
EXP=AGE-ED-5
EARNS= the wage or salary earning of the head, in thousands dollars
INCOME = the total income of the family, in thousands dollars
SAVING = the saving (flow) of the family, in thousand dollars
Penelitian dilakukan pada suatu daerah dengan kondisi
penduduk relatif homogen, yaitu golongan menengah & atas

9. Dilakukan ANALISIS dengan REGRESI
ANOVAb
145.737 5 29.147 8.027 .000a
141.622 39 3.631
287.359 44
Regression
Residual
Total
Unstandardized
Coefficients
Standardized
Coefficients
SAVING = 1.243 + 0.365 EARNS – 0.187 ED – 0.012 EXP
+ 0.02 INCOME – 0.056 SIZE
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), INCOME, EXP, a. SIZE, ED, EARNS
b. Dependent Variable: SAVING
Coefficientsa
1.243 2.361 .526 .602
-.187 .128 -.257 -1.457 .153
-.057 .189 -.035 -.301 .765
-.013 .049 -.043 -.262 .795
.365 .102 .771 3.580 .001
.020 .091 .048 .223 .825
(Constant)
ED
SIZE
EXP
EARNS
INCOME
Model
1
B Std. Error
Beta
t Sig.
a. Dependent Variable: SAVING

10. LANGKAH-LANGKAH ANALISIS PATH
Langkah pertama : merancang model berdasarkan konsep dan teori
Misal, secara teoritis :
Variabel ED dan EXP berpengaruh terhadap EARN.
INCOME dipengaruhi oleh ED, EXP dan EARNS.
Variabel EARN, INCOME dan SIZE berpengaruh ke SAVING.
E1
Pe1
EARNS
E3
INCOME
SIZE
SAVING
P6
P8
P7
Pe3
ED
EXP
P2
P1
P3
P4
P5
Pe2
E2
EARN = a0 + a1 ED + a2 EXP + e1
INCOME = b0 + b1 ED + b2 EXP + b3 EARNS + e2
SAVING = g0 + g1 EARN + g2 INCOME + g3 SIZE + e3
Diagram Path
Persamaan
(1)

11. LANGKAH-LANGKAH ANALISIS PATH
Langkah kedua : Periksa ASUMSI
(2)
A. Hubungan antar variabel : linier (time series tdk bisa) dan aditif
B. Model rekursif
C. Variabel endogen minimal dalam skala interval
D. Variabel diukur tanpa kesalahan (instrumen valid dan reliabel)
E. Model dispesifikasikan dengan benar (berdasarkan teori dan konsep)

12. Model Rekursif
Y1
Y2
Y3
X1 , X2
e1
e2
e3
Antar ei saling bebas (independen)
Antara e1, e2, dan e3 dengan X1 dan X2 saling bebas

13. LANGKAH-LANGKAH ANALISIS PATH
(3)
Langkah kedua: 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.

14. LANGKAH-LANGKAH ANALISIS PATH
(3)
– Perhitungan koefisien path: Regresi Standardize
• Untuk anak panah bolak-balik «, koefisiennya merupakan
koefisien korelasi, r dihitung seperti biasanya)
• Untuk anak panah satu arah ® digunakan perhitungan regresi
variabel dibakukan, secara parsiil pada masing-masing
persamaan. Metode yang digunakan adalah OLS, yaitu metode
kuadrat terkecil biasa. Hal ini dapat dilakukan mengingat
modelnya rekursif. Dari perhitungan ini diperoleh koefisien
path pengaruh langsung.

15. LANGKAH-LANGKAH ANALISIS PATH
(3)
• Koefisien tersebut diambil dari Standardize Coeficients Beta, dan
dalam hal ini berlaku sebagai berikut :
-
X X
i1 1
x1
_
1
_
S
y y
= ,
Z
=
-
i
S
Z
y
yi
– dengan merubah setiap data pengamatan ke dalam data standardize,
maka semua unit satuan dari setiap variabel adalah hilang (Z tidak
mempunyai satuan) dan skalanya juga menjadi seragam ( –3,5 s/d
+3,5, seberapapun nilai minimal dan maksimal dari data asli).
– Di dalam model regresi dengan variabel dibakukan, dapat dilihat
bahwa konstanta (intercept) tidak ada ( = 0 ), secara teoritis memang
demikian. Besarnya sokongan pengaruh setiap variabel X terhadap Y
adalah kuadrat dari koefisien regresi variabel standardize.

16. LANGKAH-LANGKAH ANALISIS PATH
(3)
Perhitungan koefisien pada gambar :
- pengaruh langsung EARN ke SAVING = P6
- pengaruh tidak langsung ED ke SAVING melalui EARN = P1 x P6
- pengaruh tidak langsung ED ke SAVING melalui INCOME = P3 x P7
- pengaruh total : penjumlahan pengaruh langsung dan seluruh pengaruh tdk langsung

17. LANGKAH-LANGKAH ANALISIS PATH
Unstandardized
Coefficients
Standardized
Variable
(3)
Model Coefficients
B Std. Error Beta
t Sig.
1 (Constant) -5.979 4.759 -1.256 .216
ED .984 .257 .642 3.829 .000
EXP .132 .106 .208 1.241 .222
Model R R
Square
Adjusted
R Square
Std. Error of the
Estimate
1 .536 .287 .253 4.6578
Dependent Variable: EARN
Model R R
Square
Adjusted
R Square
Std. Error of the
Estimate
1 .856 .732 .713 3.2696
Dependent Variable: INCOME
Dependent Variable: SAVING
Unstandardized
Model Variable Coefficients
B Std. Error
Standardized
Coefficients
Beta
t Sig.
1 (Constant) -5.970 3.403 -1.754 .087
ED .392 .209 .226 1.871 .068
EXP .216 .076 .301 2.842 .007
EARN .869 .108 .768 8.022 .000
Model R R
Square
Adjusted
R Square
Std. Error of the
Estimate
1 .685 .469 .430 1.9299
Unstandardized
Model Variable Coefficients
B Std. Error
Standardized
Coefficients
Beta
t Sig.
1 (Constant) -.707 1.009 -.701 .487
EARN .317 .097 .669 3.279 .002
INCOME 9.137E-03 .085 .022 .108 .915
SIZE -4.001E-02 .189 -.024 -.212 .833

18. LANGKAH-LANGKAH ANALISIS PATH
(3)
E1
EARNS
E3
INCOME
SIZE
SAVING
0.669
-0.024
0.022
0.729
ED
EXP
0.21
0.64
0.23
0.30
0.77
0.518
E2
0.844

19. LANGKAH-LANGKAH ANALISIS PATH
(4)
Langkah keempat : pemeriksaan validitas model
Koefisien Determinasi Total :
2
ep
2
e2
2
e1
R = 1- P P . . . P
= 1 – (0.844)2 (0.518)2 (0.729)2
= 0.8984
2m
2mR
Model dapat menjelaskan 89.84 % informasi yang terkandung dalam
data atau kontribusi pengaruh variabel-variabel exogen (endogen)
terhadap variabel endogen (lainnya) sebesar 89.84 %, sedangkan
sisanya 10.16 % dipengaruhi oleh variabel lain di luar model dan error
Theory triming
Uji validasi koefisien path pada setiap jalur untuk pengaruh langsung : nilai p
dari uji t, yaitu pengujian koefisien regresi variabel dibakukan secara parsiil.

20. LANGKAH-LANGKAH ANALISIS PATH
(4)
EARNS
INCOME
SIZE
SAVING
0.669
(0.002)
-0.024
(0.833)
ED
0.21
(0.222)
0.64
(0.000)
0.23
(0.068)
0.022
(0.915) EXP
0.30
(0.007)
0.77
(0.000)

21. LANGKAH-LANGKAH ANALISIS PATH
(4)
Theory triming
EARNS
INCOME
SAVING
0.669
(0.002)
ED
EXP
0.64
(0.000)
0.23
(0.068)
0.30
(0.007)
0.77
(0.000)

22. LANGKAH-LANGKAH ANALISIS PATH
Langkah kelima : interpretasi hasil analisis
Validitas model
Koefisien determinasi total : informasi yang dapat dijelaskan oleh
model sebesar 89.84 %. Angka ini cukup besar, sehingga model
layak digunakan dan dapat dilakukan interpretasi lebih lanjut.
Pengujian lintasan pengaruh: theory triming
Buang jalur yang nonsignifikan, sehingga dengan mudah diketahui
jalur-jalur yang signifikan
Salah satu lintasan pengaruh yang signifikan: ED ke SAVING
melalui EARN; koefisien jalur pengaruh tidak langsung:
ED → EARN → SAVING = 0.64 x 0.667 = 0.43 (positif ; signifikan)
Regresi (ED → SAVING) = – 0.19 ED (negatif ; nonsignifikan)
Secara teoritis mana yang sesuai?
(5)

23. LANGKAH-LANGKAH ANALISIS PATH
Kontribusi Pengaruh:
(5)
Kontribusi Relatif: koefisien pengaruh langsung dikuadratkan
Kontribusi relatif pengaruh ED thdp ERANS = (0,64)2 = 0,4096
= 40,96 %
Kontribusi Mutlak = koefisien pengeruh total dikuadratkan
Pengaruh Dominan : hitung koefisien pengaruh total dari setiap
variabel yang mempunyai pengaruh kausal (signifikan) ke
variabel endogen
Variabel dengan koefisien pengaruh total terbesar adalah yang
berpengaruh DOMINAN