BAB III DASAR TEORI ...(3.1)

Transkripsi

1 9 BAB III DASAR TEORI 3. Statistika Deskriptif Secara umum metode statistika dibagi dua, yaitu statistika deskriptif dan statistika inferensi. Statistika deskriptif adalah metode staitisika yang digunakan untuk menggambarkan (to describe) mengenai suatu keadaan atau masalah. Jadi, metode statistika deskriptif adalah suatu ilmu yang merupakan kumpulan dari aturan-aturan tentang pengumpulan, pengolahan, penaksiran, dan penarikan kesimpulan dari data statistik untuk menguaraikan suatu masalah (Rasyad dkk, 3)....(3.) dengan merupakan rataan sampel, merupakan data ke-, merupakan banyaknya data. Variansi merupakan umlah kuadrat dari selisih nilai data observasi dari nilai rata-ratanya kemudian dibagi dengan umlah observasinya. Rumus yang digunakan untuk varians digunakan pada persamaan sebagai berikut...(3.) dengan merupakan variansi, merupakan data ke-, merupakan rata-rata, merupakan banyaknya data. Statistika deskriptif bertuuan untuk memberikan gambaran tentang suatu keadaan berdasarkan hasil pengamatan yang nyata. Melalui statistika deskriptif, dilakukan penyusunan data dalam daftar atau tabel dan visualisasi dalam bentuk diagram atau grafik. Selain itu, pengolahan data serta interpretasi terhadapnya mungkin saa dilaksanakan dengan catatan bahwa analisis yang dilakukan tidak sampai pada penarikan kesimpulan yang berlaku umum (Santosa dkk, 7).

2 Data statistik dapat disaikan dalam bentuk grafik statistik. Grafik statistik digunakan dalam penyusunan data khususnya data kuantitatif yaitu diagram garis, diagram batang, diagram lingkaran dana scatter plot. Pada diagram batang, frekuensinya digambarkan pada sumbu tegak dan kategorinya pada sumbu mendatar atau sebaliknya. Diagram batang mempunyai bentuk diagram batang tegak maupun diagram batang lingkaran. (Fauzy, 8). 3. Regresi ogistik Ordinal Regresi logistik merupakan metode statistika yang diterapkan untuk memodelkan variabel dependen yang bersifat kategorik (berskala nominal/ordinal) berdasarkan satu atau lebih variabel independen yang dapat merupakan data kategorik maupun kontinu (berskala interval/rasio). Apabila variabel dependen hanya terdiri dari dua kategorik maka metode regresi logistik yang diterapkan adalah regresi logistik biner, apabila variabel dependen terdiri dari lebih dari dari dua kategorik, maka dapat diterapkan regresi logistik multinomial dan apabila variabel dependen berskala ordinal, maka diterapkan regresi logistiki ordinal. Model regresi logistik, selain bermanfaat untuk memprediksi, uga untuk melihat adanya keterkaitan antara variabel dependen dengan stau atau lebih variabel independen secara bersama-sama (Puiati, ). Regresi logistik ordinal adalah suatu analisis regresi yang digunakan untuk menggambarkan hubungan antara variabel dependen dengan sekumpulan variabel independen, dimana variabel dependen bersifat ordinal, yaitu mempunyai lebih dari dua kategori dan setiap kategori dapat diperingkat (Hosmer & emeshow dalam Sahid dkk, ). Model yang dapat digunakan untuk regresi logistik ordinal adalah model logit, dimana sifat yang tertuang dalam peluang kumulatif sehingga cumulative logit models merupakan model yang dapat dibandingkan dengan peluang kumulatif yaitu peluang kurang dari atau sama dengan kategori repons ke- pada i variabel independen atau P Y didefiniskan sebagai berikut (Sahid dkk, ). x i. Peluang kumulatif

3 P Y x i exp a k exp a dengan x x x,..., x i i, i ip p x p k k k xik ik..(3.3) merupakan nilai pengamatan ke-i (i =,,, n) dari setiap p variabel independen. Pendugaan parameter regresi dilakukan dengann menggunakan transformasi logit dari P Y, (Imasikah, 3). x i ogitp Y P Y xi x i ln P Y x..(3.4) i 3.3 Inferensi Regresi ogistik Ordinal Pemeriksaan peranan variabel-variabel independen (X) dalam model, dilakukan melalui penguian terhadap parameter model (β). Penguian secara serentak dilakukan menggunakan ui G, sedangkan secara parsial menggunakan ui Wald Statistik Ui G Statistik ui G adalah ui rasio kemungkinan (likelihood ratio test) digunakan untuk mengui peranan variabel independen di dalam model secara bersama-sama. Ui rasio kemungkinan (likelihood ratio test) diperoleh dengan cara membandingkan fungsi log likehood dari seluruh variabel bebas dengan fungsi log likehood tanpa variabel bebas (Raharanti dan Widiharih, 5). Ui G digunakan untuk mengui hipotesis : H... (tidak ada variabel independen yang berpengaruh : p terhadap variabel dependen) H : Paling sedikit ada satu dengan =,,, p (paling sedikit ada satu variabel independen yang berpengaruh terhadap variabel dependen)

4 Menurut Hosmer-emeshow (989), statistik ui rasio likelihood G adalah fungsi dari dan yang berdistribusi yang didefinisikan sebagai: G ln X (chi-square) dengan deraat bebas p.(3.5) o = likelihood tanpa variabel independen = likelihood dengan variabel independen Jika hanya ada satu variabel independen, maka o adalah fungsi likelihood yang dihitung sebagai o dan adalah fungsi kemungkinan likelihood yang diestimasikan dengan ˆ. Statistik G akan berdistribusi Chi Square dengan deraat bebas p, dimana p adalah banyaknya variabel independen/prediktor (minus intersep) dalam model. H ditolak ika G ( v, ) atau H ditolak ika p value. Statistik G akan bernilai positif dan semakin kecil nilai maka akan meningkatkan nilai ln, sehingga peneliti mempunyai bukti cukup kuat untuk menolak H (Agresti, 7) Statistik Ui Wald Ui Wald digunakan untuk mengui parameter yang digunakan adalah: ˆ secara parsial. Hipotesis H : (tidak ada pengaruh antara variabel independen ke- dengan variabel dependen) H :, =,,, p (ada pengaruh antara variabel independen ke- dengan variabel dependen) Statistik ui yang digunakan adalah staistik ui Wald (Agresti, 7).

5 3 Z ˆ SE ˆ...(3.6) Z akan berdistribusi chi-square dengan deraat bebas (df) sama dengan. Untuk mencari nilai p-values dapat menggunakan tabel chi-square. Daerah penolakan H adalah Z X, v. Jika H ditolak berarti dapat disimpulkan bahwa variabel independen X akan dimasukkan ke dalam model atau variabel independen ke- secara parsial berpengaruh terhadap variabel dependen Odds Ratio Interpretasi regresi logistik ordinal dapat dielaskan dengan odds ratio. Odds adalah cara penyaian probabilitas yang menelaskan probabilitas bahwa keadian tersebut akan teradi dibagi dengan probabilitas bahwa keadian tersebut tidak akan teradi (Nugraha, ). Odds adalah rasio probabilitas sukses (π) terhadap probabilitas gagal ( -π). Nilai odds bernilai positif. odds Nilai Odds ratio (ψ) dapat digunakan untuk menelaskan kekuatan assosiasi dua variabel. Saat X dan Y adalah Independen, π = π, sehingga nilai Odds = Odds dan odds ratio (ψ) adalah (Nugraha, ). Sebagai contoh ika nilai odds ratio (ψ) = 4, berarti peluang sukses empat kali untuk satu kali kegagalan. Penduga untuk odds ratio pada regresi logistik ordinal diberikan sebagai berikut : exp...(3.7) dimana : Nilai dugaan untuk parameter β Tingkat Kemampuan Model (Model Summary) Dalam regresi logistik, tidak ada R seperti yang terdapat dalam regresi linier. Ada beberapa langkah yang dimaksudkan untuk meniru analisis R. Pada analisis regresi logistik R Square disebut sebagai Pseudo R Square. Interpretasi

6 4 dari R Square dan Pseudo R Square tidaklah sama, tetapi penyimpangannya dapat dianggap sebagai ukuran seberapa buruk model cocok (kurangnya kecocokan antara nilai-nilai yang diamati dan diprediksi), (Newsom, 5). Di SPSS terdapat tiga enis Pseudo R Square, yaitu:. Cox and Snell R Square, Cox dan Snell uga didasarkan pada log-likelihood tetapi memperhatikan/melihat ukuran sampel. exp n...(3.8) R CS Nilai Pseudo R Square Cox dan Snell tidak dapat mencapai nilai (%) seperti yang diinginkan oleh setiap peneliti.. Nagelkerke R Square, Karena Nilai Pseudo R Square Cox dan Snell tidak dapat mencapai nilai, maka Nagelkarke memodifikasinya. Sehingga Nilai Pseudo R Square Nagelkerke dapat mencapai nilai. R R CS N max R, dimana R MAX exp n...(3.9) 3. McFadden s. Nilai ini cenderung lebih kecil dari R Square dan nilai-nilai..4 dianggap sangat memuaskan. R MCF.....(4.) Ui Kecocokan Model Ui kecocokan model digunakan untuk mengevaluasi cocok tidaknya model dengan data, nilai observasi yang diperoleh sama atau mendekati dengan yang diharapkan dalam model. Hipotesis yang digunakan dalam ui kecocokan model adalah sebagai berikut.

7 5 H :ˆ (model sesuai atau tidak ada perbedaan nyata antara hasil observasi y i dengan kemungkinan prediksi model) H : ˆ i yi (model tidak sesuai atau ada perbedaan nyata antara hasil observasi dengan kemungkinan prediksi model) Alat yang digunakan untuk mengui kecocokan dalam regresi logistik ordinal adalah ui deviance. Statistik Deviance dirumuskan sebagai dimana: D m s.....(3.6) m : nilai maksimum log-likelihood untuk model M s : nilai maksimum log-likelihood untuk model Saturated Statistik deviance adalah ratio likelihood untuk membandingkan model M dengan model Saturated. Statistik Deviance menyebar menurut distribusi Chisquare dengan deraat bebas sama dengan umlah observasi (penelitian) dikurangi dengan umlah parameter yang tercantum dalam model. Semakin besar nilai D akan memperkecil nilai p-value, hal ini menguaktkan dugaan bahwa model yang terbentuk tidak sesuai dengan data yang ada. 3.4 Kecelakaan alu intas Kecelakaan lalu lintas dapat diartikan sebagai suatu peristiwa di alan yang tidak disengaa melibatkan kendaraan dengan atau tanpa pengguna alan lain yang mengakibatkan korban manusia dan/atau kerugian harta benda (UU RI No. Tahun 9). Kecelakaan lalu lintas merupakan keadian yang sulit untuk diprediksi kapan dan dimana teradinya. Kecelakaan tidak hanya mengakibatkan trauma, cidera, ataupun kecacatan, tetapi uga dapat mengakibatkan kematian, kasus kecelakaan sulit diminimalisasi dan cenderung meningkat seiring pertambahan panang alan dan banyaknya pergerakkan dari kendaraan (Hobbs, 995). Kecelakaan merupakan suatu keadian yang tidak diinginkan yang

8 6 menyebabkan kerugian pada manusia, kerusakan pada properti, dan hilang atau terganggunya proses (Frank Bird, dalam Heinrich, et all 996). 3.5 Dampak Kecelakaan alu intas Dampak yang ditimbulkan akibat kecelakaan lalu lintas dapat menimpa sekaligus atau hanya beberapa diantaranya. Berikut beberapa kondisi yang digunakan untuk mengklasifikasikan korban kecelakaan lalu lintas, yaitu: (UU RI No. Tahun 9) a. Kecelakaan alu intas Meninggal Dunia (MD) adalah saat korban kecelakaan dipastikan meninggal dunia sebagai akibat kecelakaan lalu lintas dalam angka waktu paling lama 3 hari setelah kecelakaan tersebut. b. Kecelakaan alu intas uka Berat (B) adalah saat korban kecelakaan yang karena luka-lukanya menderita cacat tetap atau harus dirawat inap di rumah sakit dalam angka waktu lebih dari 3 hari seak teradi kecelakaan. c. Kecelakaan alu intas uka Ringan (R) adalah saat korban kecelakaan mengalami luka-luka yang tidak memerukan yang tidak memerlukan rawat inap atau yang harus dirawat di rumah sakit kurang dari 3 hari. 3.6 Faktor Penyebab Kecelakaan alu intas Secara umum ada empat faktor penyebab kecelakaan lalu lintas; yaitu (BIN dalam outlook 3 Transportasi Indonesia, 3): a. Faktor pengemudi Faktor pengemudi (manusia) merupakan faktor yang paling dominan dalam sebuah peristiwa kecelakaan lalu lintas. Sebagian besar keadian kecelakaan diawali dengan pelanggaran rambu-rambu lalu lintas. Pelanggaran rambu-rambu lintas ini bisa teradi dikarenakan kesengaaan, ketidaktahuan atau tidak adanya kesadaran terhadap arti yang diberlakukan dalam berkendara. Selain itu manusia sebagai pengguna alan raya sering

9 7 lalai dalam memperhatikan keselamatan dirinya dan orang lain dalam berkendara. b. Faktor sarana (kondisi kendaraan) Faktor sarana atau kendaraan yang mengakibatkan sering teradinya kecelakaan antara lain pecah ban, rem tidak berfungsi sebagaimana seharusnya (rem blong), peralatan yang sudah aus tidak diganti, dan berbagai penyebab lainnya. Keseluruhan faktor kendaraan yang berimplikasi terhadap kecelakaan sangat berhubungan dengan teknologi yang digunakan dan perawatan yang dilakukan terhadap kendaraan. c. Faktor prasarana (alan, marka, rambu dsb) Kecelakaan lalu lintas pun bisa dipengaruhi oleh faktor prasarana khususnya alan. Faktor alan sebagai sarana untuk berlalu lintas terkait dengan kondisi permukaan alan, pagar pengaman di daerah pegunungan, pagar pembatas di alan raya, arak pandang dan pencahayaan ruas alan. d. Faktor alam (cuaca) Faktor cuaca huan pun bisa mempengaruhi kinera kendaraan. Misalnya arak pengereman menadi lebih auh, alan menadi lebih licin dan arak pandang berkurang. Itu semua menadi faktor penyebab kecelakaan lalu lintas yang selanutnya. Asap dan kabut pun dapat menganggu arak pandang, khususnya di daerah pegunungan.