Prosedur Matematis pada Analisa Jalur
-
Upload
darmawan-soegandar -
Category
Documents
-
view
233 -
download
0
Transcript of 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.
-
7/30/2019 Prosedur Matematis pada Analisa Jalur
2/9
2 | 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
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
-
7/30/2019 Prosedur Matematis pada Analisa Jalur
3/9
3 | 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
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
-
7/30/2019 Prosedur Matematis pada Analisa Jalur
4/9
4 | 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
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
-
7/30/2019 Prosedur Matematis pada Analisa Jalur
5/9
5 | 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
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
-
7/30/2019 Prosedur Matematis pada Analisa Jalur
6/9
6 | 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
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
-
7/30/2019 Prosedur Matematis pada Analisa Jalur
7/9
7 | 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
,, ,, 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
-
7/30/2019 Prosedur Matematis pada Analisa Jalur
8/9
8 | 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
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 ***
-
7/30/2019 Prosedur Matematis pada Analisa Jalur
9/9
9 | 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
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]