Uji Prasyarat Analisis Jalur (Path Analysis)

Uji Prasyarat dilakukan sebagai sebuah persyaratan yang harus dipenuhi sebelum suatu analisis diterapkan pada sebuah data. Sebagai contoh, uji asumsi klasik merupakan persyaratan untuk analisis regresi linear berganda.

Hal tersebut mengisyaratkan bahwa uji asumsi klasik yang terdiri dari uji normalitas, linearitas, multikolinearitas, autokorelasi, dan heteroskedastisitas adalah uji prasyarat untuk analisis regresi linear berganda.

Namun, artikel ini tidak akan membahas lebih dalam tentang uji prasyarat regresi ganda tersebut karena memang sudah banyak artikel di blog atau website lain yang membahas tentang hal tersebut. Artikel ini akan membahas tentang Uji Prasyarat untuk Analisis Jalur (Path Analysis).

Alasan pembuatan artikel ini adalah karena penulis pada waktu mengerjakan tesis merasa kesulitan mencari artikel yang membahas tentang uji prasyarat analisis jalur. Nah…harapannya dengan artikel ini, dapat membantu mahasiswa yang tengah mengerjakan skripsi atau tesis kuantitatif dan menggunakan analisis jalur.

Pembahasan ini dimulai dari pernyataan Imam Ghozali dan Fuad (2008) bahwa asumsi yang paling fundamental dalam analisis multivariateadalah normalitas. Analisis jalur pastinya termasuk dalam analisis multivariate karena pasti menggunakan lebih dari 1 variabel, bahkan minimal 3 variabel (1 variabel bebas, 1 intervening dan 1 terikat).

Apabila anda menggunakan bantuan software Lisrel untuk olah data, selain normalitas, uji prasyarat yang lain adalah multikolinearitas. Imam Ghozali dan Fuad (2008) asumsi yang seharusnya dipenuhi dalam Lisrel adalah normalitas dan multikolinearitas.

Namun, apabila varibel bebas anda hanya satu, maka uji multikolinearitas tersebut tidak perlu digunakan. Menurut Allison (2012: 60) multikolinearitas terjadi apabila “there are strong linear dependencies among the explanatory variables”.

Selain itu, prasyarat yang lain adalah uji linearitas, skala datanya harus interval, dan uji autokorelasi. Menurut Olobatuyi (2006) the assumptions for path analysis include: linearity, interval level of measurement, normality, and autocorrelation.

Namun, autokorelasi bisa diabaikan apabila data anda berupa data cross section bukan time series. Uji autokorelasi bisa diabaikan dalam penelitian yang menggunakan data cross-section (Stokes, 1997; Armstrong, 2001; Doane, Seward, Seward, 2008; Verbeek, 2008; dan Abrams, 2010).

Berdasarkan beberapa pendapat para ahli tersebut, maka kesimpulannya adalah bahwa Uji Prasyarat Analsis Jalur adalah sebagai berikut:

1. Uji Normalitas 
2. Uji Multikolinearitas (apabila menggunakan Lisrel dan apabila variabel bebasnya lebih dari satu) 
3. Uji Linearitas 
4. Uji Autokorelasi (bisa diabaikan apabila datanya cross section)

Referensi:

1. Abrams, Jay B. 2010. Quantitative Business Valuation: A Mathematical Approach for Today's Professional: Second Edition. John Wiley & Sons, Inc. 
2. Allison, Paul D. 2012. Logistic Regression Using SAS: Theory and Application, Second Edition. Cary, NC, USA: SAS Institute Inc. 
3. Armstrong, J. Scott. 2001. Principles of Forecasting: A Handbook for Researcher and Practitioners. Springer Science & Business Media, Inc. 
4. Doane, David P.; Seward, Lori; Seward, L. Welte. 2008. Applied Statistics in Business & Economics with Student CD. New York: McGraw-Hill 
5. Imam Ghozali dan Fuad. 2008. Structural Equation Modeling. Semarang: Badan Penerbit Universitas Diponegoro. 
6. Olobatuyi, Moses E. 2006. A User’s Guide to Path Analysis. Lanham, Maryland: University Press of America Inc. 
7. Stokes, Houston H. 1997. Specifying and Diagnostically Testing Econometric Models: Second Edition. Greenwood Publishing Group, Inc. 
8. Verbeek, Marno. 2008. A Guide to Modern Econometrics: Third Edition.  Chicester: John Wiley & Sons, Ltd.