BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Transkripsi

1 BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Ideifikasi Variabel Penelitian Penelitian ini menggunakan IFRC (Subjective Self Rating Test - Industrial Fatique Research Committee ) dari Jepang, yang dapat mengideifikasi tingkat kelelahan subjektif dengan menggunakan kuesioner. Dalam penelitian ini hanya focus pada kelelahan (Fatigue) fisik sehingga hanya menggunakan 10 pertanyaan yang berkaitan dengan gejala kelelahan fisik dari 30 daftar pertanyaan yang ada dalam IFRC dengan penyesuaian. Jawaban uuk kuesioner ini terbagi menjadi 4 kategori yaitu sangat sering (SS) dengan skor 4, sering (S) dengan skor 3, kadang-kadang (K) dengan skor 2, dan tidak pernah (TP) dengan skor 1. Dalam meneukan tingkat kelelahan, jawaban tiap pertanyaan dijumlahkan kemudian digolongkan ke dalam kategori yang telah disesuaikan dari IFRC. Kategori yang ada aara lain: a. Nilai 10 = Tidak lelah b. Nilai = Kelelahan Ringan c. Nilai = Kelelahan sedang d. Nilai = Kelelahan berat 44

2 45 Ideifikasi variable penelitian ini dapat dilihat dalam tabel berikut: Tabel 4.1 Ideifikasi Variabel Penelitian No. Variabel Indikator Skala Pengukuran Hasil Pengukuran 1 Kelelahan (fatigue) Fisik Rasa sakit di kepala, rasa kaku di bahu, rasa nyeri di punggung, rasa sakit di pinggang, nafas terasa sesak, haus, suara serak, pening, spasme/berat di kelopak mata, tremor/gemetar pada anggota badan Skala Ordinal - Skor: Tidak pernah, kadangkadang, sering, sangat sering. -Kategori kelelahan: Tidak lelah, ringan, sedang dan berat. 2 3 Jarak Tempuh Jenis Motor Jarak perjalanan Cara pengoperasian Skala Ratio Skala Nominal Jarak tempuh dalam kilometer Matic, nonmatic Mahasiswa non pekerja dalam hal ini didefinisikan sebagai mahasiswa yang tidak memiliki pekerjaan baik terikat pada suatu instansi perusahaan ataupun wirausaha yang memiliki waktu kerja tetap dan rutin sedangkan mahasiswa pekerja didefinisikan sebagai mahasiswa yang memiliki korak kerja pada suatu instansi maupun perusahaan sehingga memiliki kegiatan rutin diluar perkuliahan. Motor matic merupakan motor dengan transmisi yang diproses secara otomatis, cukup dengan menarik tuas gas dan tuas rem uuk mengoperasikan motor. Sedangkan motor non matic disini merupakan motor bebek dan motor sport yang menggunakan transmisi manual uuk mengoper gear.

3 Populasi dan Sampel Penelitian 1. Populasi Populasi penelitian ini adalah mahasiswa universitas Mercubuana pengendara sepeda motor yang berjenis kelamin laki-laki dengan jarak tempuh lebih dari 15 Km. 2. Sampel Teknik pengambilan sampel pada penelitian ini adalah Purposive sampling yaitu pengambilan sampel secara purposive didasarkan pada suatu pertimbangan terteu yang dibuat oleh peneliti sendiri, berdasarkan ciri atau sifat-sifat populasi yang sudah diketahui sebelumnya. Pelaksanaan pengambilan sampel secara purposive ini aara lain sebagai berikut : Mula-mula peneliti mengideifikasi semua karakteristik populasi misalnya dengan mengadakan study pendahuluan atau dengan mempelajari berbagai hal yang berhubungan dengan populasi. Kemudian peneliti menetapkan berdasarkan pertimbangannya, sebagian dari anggota populasi menjadi sampel penelitian, sehingga teknik pengambilan sampel secara purposive ini didasarkan pada pertimbangan pribadi peneliti sendiri. Dengan purposive sampling didapatkan sampel penelitian ini sebanyak 60 orang mahasiswa yang terdiri dari 30 orang mahasiswa yang bekerja dan 30 orang mahasiswa bukan pekerja yang memenuhi ciri-ciri sebagai berikut: 1. Jenis kelamin laki-laki 2. Pengendara sepeda motor 3. Jarak tempuk lebih dari 15 Km.

4 Pengumpulan Data Dari proses penelitian ini diperoleh data yang relavan dengan tujuan dan hipotesis penelitian. Penyajian data dari hasil penelitian dapat berupa tabel, grafik, gambar atau bagan yang disusun sesuai tahapan pelaksanaan penelitian. Data penelitian diperoleh dari hasil pengumpulan data yang dilakukan selama 5 minggu dengan mengumpulkan sebanyak 30 responden mahasiswa non pekerja dan 30 responden mahasiswa pekerja. Pengumpulan data responden mahasiswa non pekerja dilakukan aara hari senin sampai dengan jumat selama 5 minggu dengan 6 responden setiap minggunya dan hasilnya dapat dilihat di tabel berikut : Tabel 4.2 Data Pengumpulan Responden Mahasiswa Non Pekerja Keluhan Frekuensi pengumpulan pada minggu ke Jumlah Ada Tidak ada Jumlah %Keluhan Pengumpulan data responden mahasiswa pekerja dilakukan hari sabtu dan minggu selama 5 minggu dengan 6 responden setiap minggunya dan hasilnya dapat dilihat di tabel berikut : Tabel 4.3 Data Pengumpulan Responden Mahasiswa Pekerja Keluhan Frekuensi pengumpulan pada minggu ke Jumlah Ada Tidak ada Jumlah %Keluhan

5 48 Alat pengukuran menggunakan kuesioner IFRC yang berkaitan dengan kelelahan fisik yang telah disesuaikan dengan 4 kategori jawaban yaitu sangat sering (SS) dengan skor 4, sering (S) dengan skor 3, kadangkadang (K) dengan skor 2, dan tidak pernah (TP) dengan skor Data Hasil Kuesioner Berikut dijabarkan data hasil wawancara menggunakan kuesioner pada mahasiswa bukan pekerja. Tabel 4.4 Data Hasil Kuesioner Mahasiswa Non Pekerja No. Responden Indikator ke- Jarak Jenis Total Tempuh Motor (Km) 1 Dicky Matic 2 Fahrul Matic 3 Iwan Non matic 4 Ao Non matic 5 Indra Matic 6 Hendra Matic 7 Panca Matic 8 Sugeng Non matic 9 Rahmat Matic 10 Ikbal Non matic 11 Tio Non matic 12 Danang Non matic 13 Yusman Matic 14 Sofyan Matic 15 Wijaya Non matic 16 Ardi Non matic 17 Hidayat Matic 18 Ade Non matic 19 Arifin Matic 20 Restu Matic 21 Adhi Non matic 22 Satria Matic 23 Fikri Non matic 24 Alfi Matic 25 Ahmad Non matic 26 Hari Matic

6 49 27 Rizki Non matic 28 Anwar Matic 29 Heri Non matic 30 Bima Non matic No. Berikut dijabarkan data hasil wawancara menggunakan kuesioner pada mahasiswa pekerja. Tabel 4.5 Data Hasil Kuesioner Mahasiswa Pekerja Responden Indikator ke Total Jarak Tempuh (Km) Jenis Motor 1 Wandi Matic 2 Hari Non matic 3 Purwao Non matic 4 Mustafa Matic 5 Jahidin Matic 6 Rosad Non matic 7 Hamzah Matic 8 Achmad Non matic 9 Dermawan Non matic 10 Waridi Non matic 11 Suyao Matic 12 Sultan Non matic 13 Suryadi Non matic 14 Mansur Matic 15 Alfi Non matic 16 Edhi Matic 17 Tao Matic 18 Fikri Matic 19 Handi Non matic 20 Agus Matic 21 Suhadi Matic 22 Widi Matic 23 Samsudin Non matic 24 Zakaria Non matic 25 Herman Non matic 26 Sugiarto Matic 27 Mulyao Non matic 28 Syahrial Non matic 29 Haris Matic 30 Haryono Matic

7 Data Gejala Kelelahan Fisik Berikut ini merupakan data jumlah responden mahasiswa bukan pekerja yang mengalami gejala kelelahan fisik pada tiap indicator yang terdapat dalam kuesioner: Tabel 4.6 Gejala Kelelahan Fisik Mahasiswa Non Pekerja No. Indikator Tidak Ya Jumlah 1 Sakit di kepala Kaku di bahu Nyeri di punggung Sakit di pinggang Nafas sesak Haus Suara serak Pening Spasme (kaku) kelopak mata Tremor (bergetar) anggota badan Total Keterangan skor: 1 = Tidak Pernah 2 = Kadang- kadang 3 = Sering 4 = Sangat sering Berikut ini merupakan data jumlah responden mahasiswa pekerja yang mengalami gejala kelelahan fisik pada tiap indicator yang terdapat dalam kuesioner:

8 51 Tabel 4.7 Gejala Kelelahan Fisik Mahasiswa Pekerja No. Indikator Tidak Ya Jumlah 1 Sakit di kepala Kaku di bahu Nyeri di punggung Sakit di pinggang Nafas sesak Haus Suara serak Pening Spasme (kaku) kelopak mata Tremor (bergetar) anggota badan Total Keterangan skor: 1 = Tidak Pernah 2 = Kadang- kadang 3 = Sering 4 = Sangat sering 4.4 Pengolahan Data Pengolahan data dilakukan setelah semua data terkumpul. Pengolahan data dilakukan berdasarkan teori teori yang berhubungan dengan penelitian ini, meliputi uji keseragaman data, uji kecukupan data, uji validitas dan uji reliabilitas, uji kenormalan data, uji Mann Whitney, uji Wilcoxon dan uji regresi korelasi.

9 Uji Keseragaman Data Uji keseragaman data berkaitan dengan responden yang diamati bertujuan uuk mengetahui apakah data yang diambil sudah seragam atau belum. Suatu data dikatakan seragam bila berada dalam reang batas kendali terteu. Perhitungan uji keseragaman dan kecukupan data dilakukan dengan memilih tingkat ketelitian 5% dan tingkat kepercayaan 95%, artinya peneliti meyakini bahwa 95% data yang diperoleh telah mengalami penyimpangan sejauh 5% dari rata-rata data sebenarnya. Reang batas kendali tersebut adalah batas kendali atas (BKA) dan batas kendali bawah (BKB), dengan rumus sebagai berikut : p = ΣΣΣΣΣΣ kk BKA = p + 3 p (1 p ) nn CL = p BKB = p - 3 p (1 p ) nn n = ΣΣΣΣΣΣ kk Keterangan : p i k = persease produktif di waktu ke i = jumlah waktu pengamatan n = jumlah pengamatan di waktu ke -i a. Uji Keseragaman Data Mahasiswa Non Pekerja Data yang diolah dapat dilihat di tabel 4.2 yaitu data pengumpulan responden mahasiswa non pekerja

10 53 p = ΣΣΣΣΣΣ = = 100/100 = 1 kk 5 n = ΣΣΣΣΣΣ = = 6 kk 5 BKA = (1 1) 6 = 1 CL = p = 1 BKB = (1 1) 6 = 1 Dari perhitungan diatas, terlihat bahwa semua data telah seragam, karena berada dalam batas-batas corol, sehingga semua data tersebut dapat digunakan. b. Uji Keseragaman Data Mahasiswa Pekerja Data yang diolah dapat dilihat di tabel 4.3 yaitu data pengumpulan responden mahasiswa pekerja p = ΣΣΣΣΣΣ = = 100/100 = 1 kk 5 n = ΣΣΣΣΣΣ = = 6 kk 5 BKA = (1 1) 6 = 1 CL = p = 1 BKB = (1 1) 6 = 1

11 54 Dari perhitungan diatas, terlihat bahwa semua data telah seragam, karena berada dalam batas-batas corol, sehingga semua data tersebut dapat digunakan Uji Kecukupan Data Uji kecukupan data dilakukan dengan tujuan uuk mengetahui apakan data yang diperoleh sudah mencukupi atau belum. Perhitungan uji kecukupan dilakukan dengan memilih tingkat ketelitian (α ) = 5% dan tingkat kepercayaan 95%, artinya peneliti meyakini bahwa 95% data yang diperoleh telah mengalami penyimpangan sejauh 5% dari rata-rata data sebenarnya. menggunakan persamaan berikut : N = ( ZZ )² ).(1 pp ss pp Z = Tingkat kepercayaan Jika tingkat kepercayaan = 90%, maka Z = 1,65 Jika tingkat kepercayaan = 95%, maka Z = 2,00 Jika tingkat kepercayaan = 99%, maka Z = 3,00 Uji kecukupan data dihitung setelah semua nilai data berada dalam batas kendali, jumlah pengukuran dikatakan cukup bila N (Jumlah data yang diperlukan sesuai dengan tingkat kepercayaan (Z) dan tingkat ketelitian (s) yang telah diteukan) lebih kecil atau sama dengan N (Jumlah data yang diperlukan dari pengukuran sebelumnya). a. Uji Kecukupan Data Mahasiswa Non Pekerja Data yang diolah dapat dilihat di tabel 4.2 yaitu data pengumpulan responden mahasiswa non pekerja

12 55 P = jjjjjjjjjj h rrrrrrrrrrrrrrrrrr yyyyyyyy aaaaaa kkkkkkkk haaaa jjjjjjjjjj h ssssssssssss h rrrrrrrrrrrrrrrrrr = = 1 N = ( ZZ )² ) (.(1 pp ss pp = 2 )² ).(1 1 0,05 1 = 0 Hasil dari uji kecukupan data tersebut adalah N = 0 < N = 30, maka data tersebut dinyatakan mencukupi. b. Uji Kecukupan Data Mahasiswa Pekerja Data yang diolah dapat dilihat di tabel 4.3 yaitu data pengumpulan responden mahasiswa non pekerja P = jjjjjjjjjj h rrrrssssssssssssss yyyyyyyy aaaaaa kkkkkkkk haaaa jjjjjjjjjj h ssssssssssss h rrrrrrrrrrrrrrrrrr = = 1 N = ( ZZ )² ) (.(1 pp ss pp = 2 )² ).(1 1 0,05 1 = 0 Hasil dari uji kecukupan data tersebut adalah N = 0 < N = 30, maka data tersebut dinyatakan mencukupi Uji itas dan Reliabilitas Uji validitas perlu dilakukan dalam penelitian uuk mengetahui apakah kuesioner tersebut telah mengukur apa yang seharusnya diukur dan inferensi yang dihasilkan mendekati kebenaran. Perhitungan uji validitas dan uji reliabilitas menggunakan tingkat signifikansi (α) = 5% dengan 30 orang responden (n) dan DF = n-2 = 28, maka nilai koefisien korelasi (r tabel) sebesar 0,306 (lihat di lampiran 5), sehingga hasil perhitungan harus

13 56 lebih besar dari 0,306. Uuk menguji validitas menggunakan rumus Pearson Product Mome: r hitung = n ( xy ) ( x y) {n x 2 ( x) 2 }.{n y 2 ( y) 2 } Keterangan : r hitung = koefisien validitas item yang dicari n X Y = jumlah responden = skor yang diperoleh subjek dalam setiap item = skor total keseluruhan Berikut ini lembar perhitungan uji validitas indicator I pada responden mahasiswa non pekerja sebagai cooh perhitungan secara manual : Tabel 4.8 Lembar Perhitungan Uji itas Indikator I Mahasiswa Non Pekerja No. x y xy x² y²

14 Σ r hitung = 30 (2.327) (82 x 810) {30x246 (82) 2 }.{30x (810) 2 } = 0,815 Karena data diatas banyak, maka peneliti menggunakan software SPSS sebagai alat bau uuk memudahkan pengolahan data dengan skor nilai tiap indicator dan total skor masing-masing responden sebagai input uuk mendapatkan nilai r hitung dari 10 item indicator.pengolahan data dan output terlampir. Ringkasan output uji validitas kuesioner pada responden mahasiswa bukan pekerja yang datanya terdapat di tabel 4.4 adalah sebagai berikut:

15 58 Tabel 4.9 Ringkasan Output Uji itas Kuesioner Mahasiswa Non Pekerja No. Indikator r hitung 1 Sakit di kepala 0,815 2 Kaku di bahu 0,625 3 Nyeri di punggung 0,592 4 Sakit di pinggang 0,766 5 Nafas sesak 0,595 6 Haus 0,759 7 Suara serak 0,714 8 Pening 0,683 9 Spasme (kaku) kelopak mata 0, Tremor (bergetar) anggota badan 0,633 Dari perhitungan diatas, terlihat bahwa nilai r hitung semua indicator dalam kuesioner mahasiswa non pekerja sudah valid, karena r hitung lebih besar dari r tabel (0,306) yang dapat dilihat di lampiran 5. Ringkasan output uji validitas kuesioner pada responden mahasiswa pekerja yang datanya dapat dilihat di tabel 4.5 adalah sebagai berikut:

16 59 Tabel 4.10 Ringkasan Output itas Kuesioner Mahasiswa Pekerja No. Indikator r hitung 1 Sakit di kepala 0,714 2 Kaku di bahu 0,599 3 Nyeri di punggung 0,651 4 Sakit di pinggang 0,556 5 Nafas sesak 0,422 6 Haus 0,700 7 Suara serak 0,512 8 Pening 0,484 9 Spasme (kaku) kelopak mata 0, Tremor (bergetar) anggota badan 0,831 Dari perhitungan diatas, terlihat bahwa nilai r hitung semua indicator dalam kuesioner mahasiswa pekerja sudah valid, karena r hitung lebih besar dari r tabel (0,306) yang dapat terlihat di lampiran 5. Uuk menguji reliabilitas menggunakan rumus Alpha Cronbach : r =( Keterangan : r = reliabilitas nn ) ( 1 - σσσσ ² ) nn 1 σσσσ ² n σx² = jumlah item pertanyaan yang diuji = varians skor tiap item σy² = varians total Berikut ini lembar perhitungan uji reliabilitas kuesioner pada responden mahasiswa non pekerja:

17 60 Tabel 4.11 Lembar Perhitungan Uji Reliabilitas Kuesioner Mahasiswa Non Pekerja No. σx² σy² 1 0,75 2 0,42 3 0,55 4 0,76 5 0,80 6 0,65 30,34 7 0,77 8 0,51 9 0, ,63 Σ 6,43 r =( 10 ) ( 1 6,43 ) ,34 = 0,876 Setelah data hasil kuesioner di tabel 4.4 diolah menggunakan SPSS, dihasilkan keluaran (output) sebagai berikut : Tabel 4.12 Hasil Uji Reliabilitas Kuesioner Mahasiswa Non Pekerja Reliability Statistics Cronbach's Alpha N of Items Dari perhitungan diatas, terlihat bahwa nilai Cronbach s Alpha pada tabel Reliability Statistics sebesar 0,876, artinya secara keseluruhan indicator pada kuesioner mahasiswa non pekerja sudah reliable karena nilai 0,876 lebih besar dari nilai standarnya yaitu 0,8.

18 61 Berikut ini lembar perhitungan uji reliabilitas kuesioner pada responden mahasiswa pekerja: Tabel 4.13 Lembar Perhitungan Uji Reliabilitas Kuesioner Mahasiswa Non Pekerja No. σx² σy² 1 0,64 2 0,70 3 0,51 4 0,39 5 0,46 6 0,51 22,00 7 0,56 8 0,49 9 0, ,95 Σ 5.84 r =( 10 ) ( 1 5,84 ) ,00 = 0,816 Setelah data hasil kuesioner di tabel 4.5 diolah menggunakan SPSS, dihasilkan keluaran (output) sebagai berikut : Tabel 4.14 Hasil Uji Reliabilitas Kuesioner Mahasiswa Pekerja Reliability Statistics Cronbach's Alpha N of Items Dari perhitungan diatas, terlihat bahwa nilai Cronbach s Alpha pada tabel Reliability Statistics sebesar 0,816, artinya secara keseluruhan

19 62 indicator pada kuesioner mahasiswa pekerja sudah reliable karena nilai 0,816 lebih besar dari nilai standarnya yaitu 0, Uji Kenormalan Data Uji kenormalan data terkait dengan skor total hasil kuesioner tiap responden perlu dilakukan dalam penelitian ini dengan tujuan uuk meneukan uji statistik apa yang akan dipakai sesuai dengan permasalahan dalam penelitian. Statistik parametrik mempunyai ciri khusus, yaitu datanya berdistribusi normal, sedangkan statistik nonparametrik tidak berdistribusi normal. Oleh karena itu, data ini akan diuji kenormalannya dengan uji Kolmograv-Smirnov. Karena data penelitian ini banyak, maka peneliti menggunakan software SPSS sebagai alat bau uuk memudahkan pengolahan data, uuk mendapatkan nilai a maksimum. Data diolah dengan SPSS (terlampir), dengan input skor total tiap responden pada tabel 4.4 kuesioner mahasiswa non pekerja dan menghasilkan output sebagai berikut: Tabel 4.15 Hasil Uji Kenormalan Data Mahasiswa Non Pekerja Dari output SPSS uji kenormalan data dengan N = 30 dan nilai a maximum 0,167 dibandingkan dengan nilai tabel (lampiran 6) pada baris N =30 dengan tingkat signifikansi 0,5 diperoleh nilai 0,242, maka data

20 63 tersebut berdistribusi normal, karena a maximum < nilai tabel kolmogorov smirnov (D). Berikut merupakan hasil uji kenormalan data kuesioner mahasiswa pekerja mengunakan SPSS dengan input data yang terdapat di tabel 4.5 : Tabel 4.16 Hasil Uji Kenormalan Data SPSS Mahasiswa Pekerja Dari output SPSS uji kenormalan data dengan N = 30 dan nilai a maximum 0,118 dibandingkan dengan nilai tabel (terlampir) pada baris N =30 dengan tingkat signifikansi 0,5 diperoleh nilai 0,242, maka data tersebut berdistribusi normal, karena a maximum < nilai tabel kolmogorov smirnov (D) Perhitungan Kategori Tingkat Kelelahan Fisik Metode pengukuran kelelahan dalam penelitian ini menggunakan skala yang dikeluarkan oleh Industrial Fatigue Research Committee (IFRC) atau dapat disebut Subjective Symptomps Test (SST) yang berisi 30 pertanyaan yang berhubungan dengan gejala-gejala kelelahan, jawaban uuk kuesioner IFRC tersebut terbagi menjadi 4 kategori besar yaitu sangat sering (SS) dengan nilai 4, sering (S) dengan nilai 3, kadangkadang (K) dengan nilai 2 dan tidak pernah (TP) dengan nilai 1.Dalam

21 64 meneukan tingkat kelelahan, jawaban tiap pertanyaan dijumlahkan kemudian disesuaikan dengan kategori terteu. Kategori yang ada aara lain: a. Nilai 30 = Tidak lelah b. Nilai = Kelelahan ringan c. Nilai = Kelelahan sedang d. Nilai = Kelelahan berat Penelitian ini hanya menggunakan 10 pertanyaan yang terkait gejala kelelahan fisik dengan penyesuaian, maka kategori tingkat kelelahan fisik responden juga disesuaikan dengan jumlah indicator berdasarkan skor total sehingga kategori tingkat kelelahan fisik responden penelitian ini menjadi: a. Nilai 10 = Tidak lelah b. Nilai = Kelelahan ringan c. Nilai = Kelelahan sedang d. Nilai = Kelelahan berat Berikut tabel tingkat kelelahan fisik mahasiswa non pekerja setelah digolongkan berdasarkan kategori yang telah disesuaikan dengan input data yang dapat dilihat di tabel 4.4 :

22 65 Tabel 4.17 Tingkat Kelelahan Fisik Mahasiswa Non Pekerja Tingkat Kelelahan Fisik No. Nilai Kategori No. Nilai Kategori No. Nilai Kategori 1 28 Kelelahan Sedang Kelelahan Sedang Kelelahan Berat 2 21 Kelelahan Sedang Kelelahan Berat Kelelahan Sedang 3 35 Kelelahan Berat Kelelahan Sedang Kelelahan Ringan 4 29 Kelelahan Sedang Kelelahan Ringan Kelelahan Sedang 5 32 Kelelahan Berat Kelelahan Sedang Kelelahan Berat 6 17 Kelelahan Ringan Kelelahan Berat Kelelahan Sedang 7 29 Kelelahan Sedang Kelelahan Sedang Kelelahan Sedang 8 22 Kelelahan Sedang Kelelahan Sedang Kelelahan Sedang 9 19 Kelelahan Ringan Kelelahan Berat Kelelahan Berat Kelelahan Sedang Kelelahan Ringan Kelelahan Sedang Berikut tabel tingkat kelelahan fisik mahasiswa pekerja setelah digolongkan berdasarkan kategori yang telah disesuaikan dengan input data yang dapat dilihat di tabel 4.5: Tabel 4.18 Tingkat Kelelahan Fisik Mahasiswa Pekerja Tingkat Kelelahan Fisik No. Nilai Kategori No. Nilai Kategori No. Nilai Kategori 1 36 Kelelahan Berat Kelelahan Berat Kelelahan Berat 2 27 Kelelahan Sedang Kelelahan Sedang Kelelahan Sedang 3 25 Kelelahan Sedang Kelelahan Sedang Kelelahan Sedang 4 38 Kelelahan Berat Kelelahan Berat Kelelahan Berat 5 29 Kelelahan Sedang Kelelahan Sedang Kelelahan Sedang 6 33 Kelelahan Berat Kelelahan Berat Kelelahan Berat 7 29 Kelelahan Sedang Kelelahan Sedang Kelelahan Sedang 8 38 Kelelahan Berat Kelelahan Sedang Kelelahan Sedang 9 32 Kelelahan Berat Kelelahan Sedang Kelelahan Sedang Kelelahan Sedang Kelelahan Berat Kelelahan Berat

23 Perhitungan Statistik Deskriptif Karena data penelitian ini banyak, maka peneliti menggunakan software SPSS sebagai alat bau uuk memudahkan pengolahan data, uuk mendapatkan hasil perhitungan statistic deskriptif menggunakan SPSS maka dilakukan prosedur seperti dibawah ini pada posisi Data View: Analyze > Descriptive Statistic > uencies Pindahkan semua variabel yang akan dianalisis ke kolom Variable(s) Pada bagian Chart, ceklis Bar Chart, klik coinue Pada bagian statistics, ceklis Mean, Median dan Mode di kolom Ceral Tendency serta ceklis Range, Variance dan Std Deviation pada kolom Dispersion > Coinue > Ok. Langkah perhitungan dan pengolahan data statistic deskriptif kuesioner mahaiswa non pekerja dan mahasiswa pekerja menggunakan SPSS dapat dilihat di lampiran 4. a. Gejala Kelelahan Fisik Mahasiswa Non Pekerja Hasil pengolahan data gejala kelelahan fisik responden mahasiswa non pekerja yang dapat dilihat di tabel 4.6 menggunakan SPSS dengan keterangan kategori jawaban kuesioner angka 1= tidak perna, 2= kadangkadang, 3= sering dan 4= sangat sering dapat dilihat dibawah ini:

24 67 Tabel 4.19 Distribusi Gejala Kelelahan Fisik Mahasiswa Non Pekerja Sakit_di_kepala uenc y Cumula tive Kaku_di_bahu uenc y Cumula tive Nyeri_di_punggung uenc y Cumula tive Sakit_di_pinggang uenc y Cumula tive Nafas_sesak uen cy Cumul ative uen cy Haus Cumul ative Suara_serak uen cy Cumul ative Pening uen cy Cumul ative

25 68 Tabel 4.19 Distribusi Gejala Kelelahan Fisik Mahasiswa Non Pekerja (Lanjutan) Spasme_kelopak_mata uen cy Cumul ative Tremor_anggota_badan uen cy Cumula tive Berdasarkan hasil perhitungan statistic deskriptif menggunakan SPSS dapat terlihat bahwa indicator dominan timbulnya kelelahan fisik adalah nyeri di punggung, dengan rincian 5 orang responden (16,7%) terkadang mengalami nyeri di punggung, 12 orang (40%) sering mengalami nyeri di punggung, dan 13 orang sangat sering mengalami nyeri di punggung (43,3%). b. Gejala Kelelahan Fisik Mahasiswa Pekerja Hasil pengolahan data gejala kelelahan fisik responden mahasiswa pekerja yang dapat dilihat di tabel 4.7 menggunakan SPSS dengan keterangan angka 1= tidak perna, 2= kadang-kadang, 3= sering dan 4= sangat sering dapat dilihat dibawah ini:

26 69 Tabel 4.20 Distribusi Gejala Kelelahan Fisik Mahasiswa Pekerja Sakit_di_kepala uen cy Cumul ative Kaku_di_bahu uen cy Cumul ative Nyeri_di_punggung uen cy Cumul ative Nafas_sesak uen cy Cumul ative uen cy Haus Cumul ative Suara_serak uen cy Cumul ative Sakit_di_pinggang uen cy Cumul ative uen cy Pening Cumul ative

27 70 Tabel 4.20 Distribusi Gejala Kelelahan Fisik Mahasiswa Pekerja (Lanjutan) Spasme_kelopak_mata uen cy Cumul ative Tremor_anggota_badan uen cy Cumul ative Berdasarkan hasil perhitungan statistic deskriptif menggunakan SPSS dapat terlihat bahwa indicator dominan timbulnya kelelahan fisik adalah sakit di pinggang, dengan rincian 2 orang responden (6,7%) terkadang mengalami sakit di pinggang, 8 orang (26,7%) sering mengalami sakit di pinggang, dan 20 orang sangat sering mengalami sakit di pinggang (66,7%). c. Tingkat Kelelahan Fisik Mahasiswa Non Pekerja dan Mahasiswa Pekerja Berikut ini tabel distribusi tingkat kelelahan fisik mahasiswa non pekerja dan mahasiswa pekerja yang telah diolah menggunakan bauan SPSS dengan input data yang dapat dilihat di tabel 4.17 dan 4.18 adalah :

28 71 Tabel 4.21 Distribusi Kelelahan Fisik Mahasiswa Non Pekerja dan Mahasiswa Pekerja Kelelahan_Fisik_Mahasiswa_NonPekerja uency Cumulative Kelelahan Berat Kelelahan Ringan Kelelahan Sedang Kelelahan_fisik_Mahasiswa_Pekerja uency Cumulative Kelelahan Berat Kelelahan Sedang Berdasarkan hasil pengolahan data pada tabel 4.21, didapatkan distribusi responden mahasiswa non pekerja yang mengalami kelelahan berat sebanyak 8 orang (26,7%), responden yang mengalami kelelahan sedang 17 orang (56,7%) dan yang mengalami kelelahan ringan sebanyak 5 orang (16,7%). Sedangkan pada distribusi responden mahasiswa pekerja yang mengalami kelelahan berat sebanyak 13 orang (43,3%) dan responden yang mengalami kelelahan sedang 17 orang (56,7%) Uji Mann-Whitney Uji Mann- Whitney digunakan uuk melihat perbedaan signifikan aara kelelahan fisik yang dialami mahasiswa pengendara motor yang non pekerja dengan kelelahan fisik yang dialami mahasiswa pengendara motor yang bekerja. Karena data penelitian ini banyak, maka peneliti

29 72 menggunakan software SPSS sebagai alat bau uuk memudahkan pengolahan data, uuk mendapatkan hasil perhitungan uji Mann - Whitney menggunakan SPSS maka dilakukan prosedur seperti dibawah ini pada posisi Data View: Analyze > Non Parametric Test > 2 Independe Samples Pindahkan variabel yang akan dianalisis ke kolom Variable List dan pada Grouping Variable isikan Group 1 nilai 1 dan Group 2 nilai 2 > Coinue, dan Test Type ceklis Mann Whitney Langkah langkah pengolahan data menggunakan SPSS dapat dilihat di lampiran 4. Hasil pengolahan data tabel 4.17 dan 4.18 uji Mann Whitney tingkat kelelahan fisik pada mahasiswa non pekerja dan mahasiswa pekerja pengendara sepeda motor menggunakan SPSS adalah sebagai berikut: Tabel 4.22 Hasil Uji Mann Whitney Tingkat Kelelahan Fisik Test Statistics a Tingkat_Kelel ahan_fisik Mann-Whitney U Wilcoxon W Z Asymp. Sig. (2- tailed).048 a. Grouping Variable: Mahasiswa Sebelum melakukan analisis, peneliti membuat hipotesis: 1. Ho : Kelelahan Fisik Mahasiswa Non Pekerja dan Mahasiswa Pekerja adalah sama.

30 73 2. H 1 Kelelahan Fisik Mahasiswa Non Pekerja dan Mahasiswa Pekerja berbeda. Dengan taraf signifikansi sebesar 0,05, maka jika probabilitas (sig) > 0,05 Ho diterima dan H 1 ditolak atau jika probabilitas (sig) < 0,05 maka Ho ditolak dan H 1 diterima. Berdasarkan tabel 4.22 diketahui bahwa nilai sig hitung sebesar 0,048 < 0,05, maka Ho ditolak dan H 1 diterima. Artinya kelelahan fisik yang dialami mahasiswa non pekerja dan mahasiswa pekerja berbeda Uji Wilxocon Uji Wilxocon digunakan uuk melihat perbedaan signifikan aara kelelahan fisik mahasiswa non pekerja pengendara sepeda motor matic dengan non matic dan melihat perbedaan signifikan aara kelelahan fisik mahasiswa pekerja pengendara sepeda motor matic dengan non matic. Karena data penelitian ini banyak, maka peneliti menggunakan software SPSS sebagai alat bau uuk memudahkan pengolahan data, uuk mendapatkan hasil perhitungan uji Wilxocon menggunakan SPSS maka dilakukan prosedur seperti dibawah ini pada posisi Data View: Analyze > Non Parametric Test > 2 Related Samples Pindahkan variabel yang akan dianalisis ke kolom Test Pairs, dan Test Type ceklis Wilxocon > OK Hasil pengolahan data uji Wilxocon tingkat kelelahan fisik pengguna sepeda motor matic dan non matic mahasiswa non pekerja dan mahasiswa pekerja menggunakan SPSS adalah sebagai berikut:

31 74 a. Mahasiswa Non pekerja Berikut ini merupakan tabel hasil uji Wilxocon mahasiswa non pekerja menggunakan SPSS : Tabel 4.23 Hasil Uji Wilxocon Tingkat Kelelahan Fisik Mahasiswa Non Pekerja Test Statistics b Non_Matic - Matic Z Asymp. Sig. (2- tailed) a.053 a. Based on negative ranks. b. Wilcoxon Signed Ranks Test Sebelum melakukan analisis, peneliti membuat hipotesis: 1. Ho : Tidak ada perbedaan tingkat kelelahan fisik pengguna motor matic dan non matic 2. H 1 : Ada perbedaan tingkat kelelahan fisik pengguna motor matic dan non matic. Dengan taraf signifikansi sebesar 0,05, maka jika probabilitas (sig) > 0,05 Ho diterima dan H 1 ditolak atau jika probabilitas (sig) < 0,05 maka Ho ditolak dan H 1 diterima. Berdasarkan tabel 4.23 diketahui bahwa nilai sig hitung sebesar 0,053 > 0,05, maka Ho diterima dan H 1 ditolak. Artinya tidak ada perbedaan tingkat kelelahan fisik pengguna motor matic dengan motor non matic pada responden mahasiswa non pekerja.

32 75 b.mahasiswa Pekerja Berikut ini merupakan tabel hasil uji Wilxocon mahasiswa non pekerja menggunakan SPSS : Tabel 4.24 Hasil Uji Wilxocon Tingkat Kelelahan Fisik Mahasiswa Pekerja Test Statistics b Non_Matic - Matic Z a Asymp. Sig. (2-tailed).366 a. Based on positive ranks. b. Wilcoxon Signed Ranks Test Dengan taraf signifikansi sebesar 0,05, maka jika probabilitas (sig) > 0,05 Ho diterima dan H 1 ditolak atau jika probabilitas (sig) < 0,05 maka Ho ditolak dan H 1 diterima. Berdasarkan tabel 4.24 diketahui bahwa nilai sig hitung sebesar 0,366 > 0,05, maka Ho diterima dan H 1 ditolak. Artinya tidak ada perbedaan tingkat kelelahan fisik pengguna motor matic dengan motor non matic pada responden mahasiswa pekerja Uji Regresi dan Korelasi Uji Regresi dan Korelasi digunakan uuk melihat hubungan aara jarak tempuh dan kelelahan fisik mahasiswa non pekerja pengendara sepeda motor serta melihat hubungan aara jarak tempuh dan kelelahan fisik mahasiswa pekerja pengendara sepeda motor.

33 76 Regresi linear sederhana mengikuti persamaan dibawah ini : y = a + bx Keterangan : y x = variabel dependen (bergaung) - Kelelahan Fisik = variabel independe (bebas) - Jarak Tempuh a = konstaa regresi a = y - bx n ( xy ) ( x y) b = kemiringan garis regresi b = {n x 2 ( x) 2 } Rumus yang paling sederhana yang dapat digunakan uuk menghitung koefisien korelasi : n ( xy ) ( x y) r = {n x 2 ( x) 2 }.{n y 2 ( y) 2 } Keterangan : r y x n = korelasi aara X dan Y = variabel dependen (bergaung) = variabel independe (bebas) = jumlah responden

34 77 a. Uji Regresi dan Korelasi Mahasiswa Non Pekerja Berikut lembar perhitungan uji regresi dan korelasi, dengan x= jarak tempuh dan y= skor kelelahan : Tabel 4.25 Lembar Perhitungan Regresi dan Korelasi Mahasiswa Non Pekerja No. x y xy x² y² y' (y-y')² ,65 18, ,42 2, ,01 15, ,01 4, ,55 11, ,19 17, ,55 0, ,19 0, ,19 4, ,33 0, ,55 0, ,91 4, ,42 20, ,19 1, ,42 2, ,46 2, ,1 0, ,65 0, ,78 1, ,19 4, ,87 37, ,65 2, ,19 17, ,78 0, ,46 0, ,55 2, ,33 2, ,78 7, ,91 0, ,69 21,978 Σ ,93

35 78 n ( xy ) ( x y) b = = {n x 2 ( x) 2 } 30 (16.531) (592x810) {30x (592) 2 } = 1,227 a = y - bx = 27 1,227 x 19,733 = 2,791 n ( xy ) ( x y) r = = 30 (16.531) (592x810) {n x 2 ( x) 2 }.{n y 2 ( y) 2 } {30x (592) 2 }.{30x (810) 2 } = 0,873 b. Uji Regresi dan Korelasi Mahasiswa Pekerja Berikut lembar perhitungan uji regresi dan korelasi, dengan x= jarak tempuh dan y= skor kelelahan : Tabel 4.26 Lembar Perhitungan Regresi dan Korelasi Mahasiswa Pekerja No. x y xy x² y² y' (y-y')² ,2 0, ,45 2, ,67 2, ,42 2, ,45 12, ,11 15, ,76 14, ,42 2, ,98 3, ,23 1, ,67 40, ,67 5, ,23 10, ,54 0, ,23 0, ,98 3, ,33 0, ,11 4, ,89 0, ,98 1, ,76 0,5818

36 ,89 0, ,23 1, ,76 5, ,33 11, ,33 18, ,67 0, ,98 4, ,42 0, ,33 1,7557 Σ ,74 n ( xy ) ( x y) b = = {n x 2 ( x) 2 } 30 (18.145) (592x900) {30x } = 1,219 a = y - bx = 30 1,219 x 19,73 = 5,948 n ( xy ) ( x y) r = = 30 (18.145) (592x900) {n x 2 ( x) 2 }.{n y 2 ( y) 2 } {30x }.{30x } = 0,858 Uuk melakukan uji regresi dan korelasi menggunakan SPSS maka dilakukan prosedur seperti dibawah ini pada posisi Data View: Analyze > Regression > Linear Pindahkan variabel depende yang akan dianalisis ke kolom Depende dan variabel independe ke kolom Independe(s). Pada bagian statistic ceklis Estimates dan Model Fit > Coinue > OK. Langkah pengolahan menggunakan SPSS dapat dilihat di lampiran 4. Hasil pengolahan data uji regresi dan korelasi tingkat kelelahan fisik dan jarak tempuh mahasiswa non pekerja dan mahasiswa pekerja menggunakan SPSS adalah sebagai berikut:

37 80 Tabel 4.27 Hasil SPSS Uji Regresi dan Korelasi Mahasiswa Non Pekerja Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate a a. Predictors: (Consta), Jarak_tempuh ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression a Residual Total a. Predictors: (Consta), Jarak_tempuh b. Depende Variable: Skor_Kelelahan Coefficies a Unstandardized Coefficies Standardized Coefficies Model B Std. Error Beta t Sig. 1 (Consta) Jarak_tempuh a. Depende Variable: Skor_Kelelahan Berdasarkan hasil pengolahan data menggunakan SPSS dapat dilihat dalam tabel 4.27 bahwa nilai koefisien korelasi (R) di bagian Model Summary sebesar 0,873 masuk kedalam kategori positif kuat (0,667 < R < 1) artinya hubungan aara variabel independen (Jarak tempuh) dengan variabel dependen (kelelahan fisik) bersifat positif kuat

38 81 jika nilai variabel independen naik, maka nilai variabel dependen ikut naik. Pada bagian ANOVA F hitung sebesar 89,936 > F tabel (Lampiran 7, 1;28) 0,05 yaitu 4,20 dan nilai sig sebesar < 0,05 maka model persamaan Y = a + bx dapat digunakan dan dapat diterima. Dengan melihat hasil pada bagian Coefficies, maka persamaan regresi Y = 2, ,227 X dengan Y = Kelelahan Fisik dan X = Jarak tempuh (X 15). Tabel 4.28 Hasil SPSS Uji Regresi dan Korelasi Mahasiswa Pekerja Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate a a. Predictors: (Consta), Jarak_tempuh ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression a Residual Total a. Predictors: (Consta), Jarak_tempuh b. Depende Variable: Skor_Kelelahan Coefficies a Unstandardized Coefficies Standardized Coefficies Model B Std. Error Beta t Sig. 1 (Consta) Jarak_temp uh a. Depende Variable: Skor_Kelelahan

39 82 Berdasarkan hasil pengolahan data menggunakan SPSS dapat dilihat dalam tabel 4.28 bahwa nilai koefisien korelasi (R) di bagian Model Summary sebesar 0,858 masuk kedalam kategori positif kuat (0,667 < R < 1) artinya hubungan aara variabel independen (Jarak tempuh) dengan variabel dependen (kelelahan fisik) bersifat positif kuat jika nilai variabel independen naik, maka nilai variabel dependen ikut naik. Pada bagian ANOVA F hitung sebesar 77,870 > F tabel (Lampiran 7, 1;28) 0,05 yaitu 4,20 dan nilai sig sebesar < 0,05 maka model persamaan Y = a + bx dapat digunakan dan dapat diterima. Dengan melihat hasil pada bagian Coefficies, maka persamaan regresi Y = 5, ,219 X dengan Y = Kelelahan Fisik dan X = Jarak tempuh (X 15).