Prosedur Matematis pada Analisa Jalur

7/30/2019 Prosedur Matematis pada Analisa Jalur

1/9

1 | w w w . f a c e b o o k . c o m / d a r m a w a n . s o e g a n d a r

ANALISA JALUR:

PERHITUNGAN SECARA MANUAL1

Oleh

DARMAWAN SOEGANDAR

KASUS PENELITIAN:Penelitian dampak dari pengabaian Good Educational Governance. Disampaikan oleh Darmawan

dalam seminar internasional pendidikan di Universitas Negeri Surabaya, 8 September 2012.

CORRUPTION IN EDUCATIONAL INSTITUTIONS:AND ITS INFLUENCE ON THEFUNCTION OF PRINCIPAL IN AN EFFORT TOv aIMPROVE TEACHER PERPORMANCE.

A. Variabel Penelitian1. X (Korupsi di Lembaga Pendidikan)2. Y1 (Fungsi Manager Kepala Sekolah)3. Y2 (Fungsi Motivator Kepala Sekolah)4. Z (Kinerja Guru)

B. Masalah Penelitian1. Apakah Fungsi kepala sekolah sebagai Manager (Y1) dipengaruhi oleh Korupsi di lembaga

pendidikan (X) ?2. Apakah Fungsi kepala sekolah sebagai Motivator (Y2) dipengaruhi oleh Korupsi di lembaga

pendidikan (X) dan Fungsi kepala sekolah sebagai Manajer (Y1)?

3. Apakah Kinerja guru (Z) dipengaruhi oleh Korupsi di lembaga pendidikan (X), Fungsikepala sekolah sebagai Manajer (Y1) dan Fungsi kepala sekolah sebagai Motivator (Y2).

1Disampaikan bagi mereka yang ingin mempelajari path Analisys secara matematis.


2/9


C. Kerangka Pemikiran

D. HipotesisPenjelasaan jika skor indikator korupsi tinggi hal itu menunjukkan tidak terjadinya tindak

korupsi di lembaga pendidikan. Jika skor indikator korupsi rendah, hal itu menunjukkanterjadinya korupsi di lembaga pendidikan. Skor indikator korupsi = kualitas layanan pendidikan.

Model Y1: Y1 = f (X)

H1: semakin tinggi tingkat kualitas layanan (X), semakin tinggi tingkat berfungsinya kepala

sekolah sebagai Manajer (Y1)

Model Y2: Y2 = f (X, Y1)H2a: semakin tinggi tingkat kualitas layanan (X), semakin tinggi tingkat berfungsinya kepala

sekolah sebagai Motivator (Y2)

H2b: semakin tingkat berfungsinya kepala sekolah sebagai Manajer (Y1), semakin tinggi tingkat

berfungsinya kepala sekolah sebagai Motivator (Y2)

Model Z: Z = f (X, Y1, Y2)

H3a: semakin tinggi tingkat kualitas layanan (X), semakin tinggi tingkat Kinerja guru (Z).H3b: semakin tinggi tingkat berfungsinya kepala sekolah sebagai Manajer (Y1), semakin tinggi

tingkat Kinerja guru (Z).

H3c: semakin tinggi tingkat berfungsinya kepala sekolah sebagai Motivator (Y2), semakin tinggitingkat Kinerja guru (Z).

X

Quality of

educational

service

Y1

Manager

Y2

Motivator

Z

Teacher

Performance

H1

H2

H3


3/9


1,000 X

0,874 1,000 Y1

0,827 0,889 1,000 Y2

0,545 0,403 0,381 1,000 Z

E. Diagram Jalur dan Persamaan Struktural

Model Y1: Y1 = Y1X + 1

Model Y2: Y2 = Y2X + Y2Y1 + 2

Model Z : Z = ZY2 + ZY1 + ZX + 3

F. Pengujian HipotesisLangkah 1. Akan dihitung koefisien korelasi antar variabel penelitian:

[ ][ ]

=

2222)(.)(

)).((

YYNXXN

YXXYNrxy

Berdasarkan pengolahan data dengan bantuan fungsi correl dalam Ms. Exel untuk mengurangikesalahan perhitungan didapatkan matrik korelasi antarvariabel sebagai berikut:

R =

X

Quality of

educational

service

Y1

Manager

Y2

Motivator

Z

Teacher

Performance

1

2

3

Y1X

Y2X

Y2Y1

ZY1

ZY2

ZX


4/9


Langkah 2. Akan diidentifikasi model atau substruktur yang akan diestimasi koefisien jalurnya dan

dirumuskan persamaan struktural sehingga jelas variabel penyebab dan variabel akibatnya. Dibuat 3

model atau substruktur yang akan diestimasi koefisien jalurnya.

Sub-struktur 1. Model Y1

Model Y1: Y1 = Y1X + 1

Sub-struktur 2. Model Y2

Model Y2: Y2 = Y2X + Y2Y1 + 2


5/9


1,000 X

0,874 1,000 Y1

1,000 X

0,874 1,000 Y1

0,827 0,889 1,000 Y2

Sub-struktur 3. Model Z

Model Z : Z = ZY2 + ZY1 + ZX + 3

Langkah 3. Mengidentifikasi matriks korelasi antar variabel penyebab yang sesuai sub-struktur atau

model yang di uji.Sub-struktur 1: Model Y1

R1 = [ 1,000 ] X

Sub-struktur 2: Model Y2

R2=

Sub-struktur 3: Model Z

R3=

Langkah 4. Akan dihitung matriks invers korelasi antar variabel penyebab untuk masing-masing

sub-struktur atau model yang akan di uji.

Matriks invers: || .

Model Y1R1 = [ 1,000 ] X


6/9


4,240 -3,706

-3,707 4,240

4,469 -2,955 -1,070

-2,955 6,704 -3,513

-1,072 -3,512 5,007

1,000 0,874 0,827 X

0,874 1,000 0,889 Y1

0,827 0,889 1,000 Y2

1Model Y2

1,000 0,8740,874 1,000 1

Model Z

R3=

Langkah 5. Akan dihitung koefisien jalur, koefisien determinasi, statistik uji F, dan statistik uji t

untuk masing-masing sub-struktur atau model yang di ujiKoefisien Jalur

1 1

Koefisien determinasi

1

1 Koefisien jalur residual

1 Statistik , , F & Statistik t : Model Y1

Koefisien jalur [1][0,874] = 0,874Koefisien determinasi = (0,874) (0,874) = 0,764Koefisien jalur residual 1 = 1 0,764 = 0,486Akan diuji kebermaknaan koefisien determinasi dengan uji F. Dengan hipotesa statistik

H0: 0: tidak mempengaruhi Y1


7/9


,, ,, 145,67797 < 0,0001 ditolakAkan diuji kebermaknaan koefisien jalur dengan uji t. Dengan hipotesa statistik H0:

0: tidak mempengaruhi Y1 1 1 0,8741 0,764147 1 1

12,48571 < 0,0001H0 ditolak. Artinya, pada tingkat kepercayaan 95% atau kesalahan 5% hipotesis diterima.

Dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y1 diterima.

Statistik , , F & Statistik t : Model Y2Koefisien jalur 4,240 3,7063,707 4,240 0,8270,889 (4,240)(0,827) + (-3,706)(0,889) = 0,212 (-3,707)(0,827) + (4,240)(0,889) = 0,704

Koefisien determinasi = + = (0,212 x 0,827) + (0,704 x 0,889)= 0,801

Koefisien jalur residual 1

=

1 0,801= 0,446

Akan diuji kebermaknaan koefisien determinasi dengan uji F. Dengan hipotesa statistikH0: 0: dan Y1 tidak mempengaruhi Y1 . H1 sekurang-kurangnya satudiantara X dan Y1 mempengaruhi Y2. ,, ,, 181,130653 < 0,0001 ditolakAkan diuji kebermaknaan koefisien jalur dengan uji t. Dengan hipotesa statistik

H0: 0: dan Y1 secara individual tidak mempengaruhi Y2 1 1

0,2121 0,8014,24047 2 1 0,2120,019 11,157895

< 0,0001

1 1 0,7041 0,8014,24047 2 1 0,7040,019 37,052632 < 0,0001H0 ditolak. Artinya, pada tingkat kepercayaan 95% atau kesalahan 5% hipotesis diterima.

Dengan kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Y2 diterima.

Statistik , , F & Statistik t : Model Z


8/9


Koefisien jalur

4,469 2,955 1,0702,955 6,704 3,5131,072 3,512 5,007

0,5450,4030,381

(4,469)(0,545) + (-2,955)(0,403) + (-1,070)(0,381) = 0,837 (-2,955)(0,545) + (6,704)(0,403) + (-3,513)(0,381) = -0,247 (-1,072)(0,545) + (-3,512)(0,403) + (5,007)(0,381) = -0,092

Koefisien determinasi = + + = (0,837 x 0,545) + (-0,247 x 0,403) + (-0,092 x 0,381)= 0,322

Koefisien jalur residual 1 = 1 0,322 = 0,832Akan diuji kebermaknaan koefisien determinasi dengan uji F. Dengan hipotesa statistik

H0: 0: , Y1 dan Y2 tidak mempengaruhi Z . H1 sekurang-kurangnyasatu diantara X, Y1 dan Y2 mempengaruhi Z. ,, ,, 21,37168 < 0,0001 ditolakAkan diuji kebermaknaan koefisien jalur dengan uji t. Dengan hipotesa statistik

H0: 0: , Y1 dan Y2 secara individual tidak mempengaruhi Z 1 1

0,8371 0,3224,46947 3 1 0,8373,0344

0,8370,07 0,8370,265

3,158491 < 0,0001

1 1 -0,247

1 0,3226,70447 3 1 -0,2474,54544

-0,2470,103

-0,2470,320 -0,771875 < 0,0001

1 1 -0,0921 0,3225,00747 3 1

-0,0923,39544 -0,0920,077

-0,0920,277 -0,33213 < 0,0001

H0 diterima. Artinya, pada tingkat kepercayaan 95% atau kesalahan 5% hipotesis ditolak. Dengan

kata lain, pada tingkat kepercayaan 95% atau kesalahan 5% Model Z pengaruh Y1 dan Y2 tidak

signifikan sedangkan X signifikan terhadap Y..

TABEL Ringkasan Hasil Komputasi Statistik Model Studi Darmawan[stadardized, n = 47]

Model Koefisien Jalur t(cr) P-volume R

Model Y1

Y1X 0,874 12,48571 *** 0,764

Model Y2

Y2X 0,212 11,157895 ***0,801

Y2Y1 0,704 37,052632 ***


9/9


Model Z

ZX 0,837 3,158491 ***

0,322ZY1 -0,247 -0,771875 ***

ZY2 -0,092 -0,33213 ***

GAMBAR Full Path Diagram Model Studi Darmawan[stadardized, n = 47]

Prosedur Matematis pada Analisa Jalur

Documents

Transcript of Prosedur Matematis pada Analisa Jalur