Analisis Faktor Konfirmatori Untuk Mengetahui Kesadaran Berlalu Lintas Pengendara Sepeda Motor di Surabaya Timur

Transkripsi

1 1 Aalisis Faktor Kofirmatori Utuk Megetahui Kesadara Berlalu Litas Pegedara Sepeda Motor di Surabaya Timur M Mushoif Efedi, Jerry Dwi Trijoyo Puromo, S. Si, M. Si Statisitka, Fakultas Matematika da Ilmu Pegetahua Alam, Istitut Tekologi Sepuluh Nopember (ITS) Jl. Arief Rahma Hakim, Surabaya jerry@statistika.its.ac.id Abstrak Surabaya merupaka kota metropolita di Jawa Timur, dega mobilitas masyarakat yag tiggi. Trasportasi yag tiggi megakibatka kemaceta da kecelakaa semaki tiggi. Sepeda motor memberika agka kecelakaa palig tiggi dari pada trasportasi lai. Dega demikia diperluka kesadara berlalu litas agar dapat meguragi kecelakaa sepeda motor. Tujua peelitia ii adalah utuk megetahui idikator apa saja yag palig berkotribusi besar dalam survey kesadara berlalu litas, variabel late yag diguaka adalah kesadara berlalu litas, pribadi, atura da ligkuga. Metode yag diguaka adalah Cofirmatory Factor Aalysis (CFA) utuk megkofirmasi idikator terhadap variabel late. Hasil first order CFA adalah variabel late kesadara kotribusi terbesar perah melihat kecelakaa sehigga lebih waspada, variabel pribadi kotribusi terbesar tidak megerem secara medadak, variabel atura kotribusi terbesar megguaka jaket (perlegkapa berkedara) da variabel ligkuga kotribusi terbesar mematuhi atura meskipu tidak ada polisi yag mejaga. Sedagka pada secod order CFA meghasilka kesadara berlalu litas kotribusi terbesar adalah ligkuga. Kata Kuci First Order Cofirmatory Factor Aalisis, Secod Order Cofirmatory Factor Aalisis, Kesadara berlalu litas. D I. PENDAHULUAN AERAH perkotaa merupaka tempat berkumpulya warga bermata pecaharia dari kegiata o-agraris da daerah yag relatif diamis. Kota Surabaya merupaka kota metropolita di Jawa Timur yag mayoritas masyrakatya bermata pecaharia o-agraris. Hal ii meyebabka mobilitas masyarakat Surabaya tiggi. Mobilitas tiggi aka berakibat kemaceta pada tiap ruas jala. Kodisi seperti saat ii membuat sepeda motor mejadi piliha palig praktis, sehigga aka memudahka medapatka sepeda motor, hal ii dapat meimbulka semaki bayakya sepeda motor di jala, berdasarka data BPS jumlah kedaraa sepeda motor tahu 2006 berjumlah da pada tahu 2009 sebayak Ketika semaki bayakya kedaraa dijala tigkat kecelakaa pu semaki tiggi. Berdasarka data dari Jasa Marga Sebayak 80% kecelakaa diakibatka oleh sepeda motor sedagka 20% diakibatka oleh trasportasi lai. Keselamata berkedara atau tetag lalu litas mejadi bagia yag tidak terpisahka dari kajia trasportasi da lalu litas. Beberapa upaya utuk meguragi kecelakaa berkedara telah diupayaka, amu tidak diikuti dega kesadara utuk tertib berkedara dega baik da ama. misalka saja tidak mematuhi tata tertib lalu litas da lai sebagaiya. Pada peelitia peelitia sebelumya lebih ditekaka pada faktor kecelakaa, tetapi belum ada yag berhubuga dega tigkat kesadara berlalu litas, seperti peelitia pemodela spasial tigkat kecelakaa lalu litas di Surabaya pusat [1], yag meghasilka kesimpula jala jala yag rawa adalah Alu Alu Cotog, Dupak, Demak, da Kalibutuh. Pada peelitia ii aalisis faktor kofirmatori diguaka utuk megetahu idikator-idikator yag berkotribusi besar dalam survei kesadara berlalu litas dega metode pedugaa parameterya adalah metode maimum likelihood estimatio (MLE). Peelitia ii bertujua megidetifikasi variabel idikator yag dapat megukur variabel pribadi/diri sediri, atura, ligkuga da kesadara berlalu litas juga igi megkaji variabel late/peilaia kotribusi terbesar dalam meyusu variabel late/peilaia dalam survei kesadara berlalu litas. Mafaat peelitia ii dapat memberika masuka kepada Polwiltabes Surabaya aka tigkat kesadara berlalu litas masyarakat Surabaya da juga pada peelitia ii diharapka dapat megembagka keilmua statistik di bidag Cofirmatory Factor Aalysis (CFA). Peelitia ii megguaka data primer dari hasil survey, dimaa respodeya adalah masyarakat Surabaya Timur yag memiliki sepeda motor. II. TINJAUAN PUSTAKA A. Aalisis Faktor Kofirmatori Aalisis Faktor Kofirmatori merupaka salah satu metode aalisis multivariat yag dapat diguaka utuk megkofirmasika apakah model pegukura yag dibagu sesuai dega yag dihipotesiska. Dalam aalisis faktor kofirmatori, terdapat varabel late da variabel idikator. Variabel late adalah variabel yag tidak dapat dibetuk da dibagu secara lagsug sedagka variabel idikator adalah variabel yag dapat diamati da diukur secara lagsug [2].

2 2 Model umum aalisis faktor kofirmatori adalah : = Λ X ξ + δ dega: merupaka vektor bagi peubah-peubah idikator berukura q 1 Λ X merupaka matriks bagi faktor loadig ( ) atau koefisie yag meujuka hubuga dega ξ berukura q ξ (ksi), merupaka vektor bagi peubah peubah late berukura 1 δ vektor bagi galat pegukura berukura q 1 [3] 1 First Order Cofirmatory Factor Aalysis Pada First Order Cofirmatory Factor Aalysis suatu variabel late diukur berdasarka beberapa idikator yag dapat diukur secara lagsug. 1 2 P X1 X2 XP 1 2 P Gambar 1. First Order Cofirmatory Factor Aalysis Variabel X adalah simpaga baku dari masig-masig rata-rataya, sehigga kovaria matrik X adalah ilai harapa dari XX. Kovaria matrik X ditulis sebagai fugsi da merepresetasikaya sebagai (θ) [3]. (θ)= E(XX ) E [ )( ' ')] E ' ( ') ' kovaria matrik X utuk geeral faktor aalisis, dimaa : adalah kovaria matrik faktor late adalah kovaria matrik utuk error. 2 Secod Order Cofirmatory Factor Aalysis Suatu permasalaha memugkika utuk variabel late tidak dapat lagsug diukur lagsug melalui variabelvariabel idikatorya. Variabel late tersebut memiliki beberapa idikator-idikator dimaa idikator-idikator tersebut tidak dapat diukur secara lagsug, da memerluka beberapa idikator lagi. Dalam kasus ii First Order Cofirmatory Factor Aalysis tidak dapat diguaka, sehigga diguaka higher oder (secod order Cofirmatory Factor Aalysis). Gambar 2. Model Secod Order Cofirmatory Factor Aalysis Model persamaaya dapat ditulis sebagai berikut [3] : η = Ґ ξ + ς dega Ґ adalah matrik secod order loadig. ξ adalah radom vektor variabel late. ς adalah vektor variabel tuggal (uique) utuk η B. Asumsi Cofirmatory Factor Aalysis (CFA) Estimasi parameter dalam Cofirmatory Factor Aalysis (CFA) umumya berdasarka pada metode maimum likelihood (ML). Metode ML meghedaki adaya asumsi Distribusi Normal Multivariat. Hipotesis yag diguaka sebagai berikut. H 0 : data megikuti distribusi multiormal. H 1 : data tidak megikuti distribusi multiormal. Data megikuti distribusi multiormal jika gagal tolak H 0, artiya daerah dibawah kurva 2 (0.05, p). multivariat lebih dari 50% [4]. C. Uji Validitas da Reliabilitas Pegujia validitas dilakuka dega meguji sigifikasi parameter-parameter model pegukura. Lambda (λ) merupaka parameter yag berkaita dega pegukura variabel late oleh vaiabel idikator. Statistik uji yag diguaka adalah t-test dega kriteria tolak H 0 apabila t-test lebih besar dari t-tabel atau p-value < α da hipotesa yag diuji adalah: H 0 : λ = 0 variabel idikator tidak valid sebagai idikator variabel late H 1 : λ 0 variabel idikator valid sebagai idikator variabel late Reliabilitas tiggi meujukka bahwa idikator-idikator mempuyai kosistesi tiggi dalam megukur peubah lateya. Utuk megukur reliabilitas dapat diguaka rumus costruct reliability (CR) sebagai berikut : i=1 λ 2 i CR = λ 2 i=1 i + i δ i Dega λ i adalah faktor loadig utuk setiap variabel late da δ i merupaka kesalaha pegukura (error variace) utuk setiap kostruk/late. Nilai batas miimum yag diguaka utuk meilai CR atau dikataka memiliki reliabilitas baik utuk suatu peubah late adalah sebesar 0,70 [5]. D. Evaluasi Model Lagkah pertama dalam meafsirka model yag dihasilka adalah meilai apakah model tersebut sudah layak atau belum. Tidak ada satu ukura tuggal utuk meilai kelayaka sebuah model. Berikut ii beberapa ukura kesesuaia model yag serig diguaka utuk meilai kelayaka suatu model [3] : 1. Uji 2 Model baik jika uji 2 tidak yata pada taraf yata tertetu. Nilai chi-square ii haya aka valid apabila asumsi ormalitas data terpeuhi da ukura sampel besar oleh [2]. Hipotesis yag diguaka sebagai berikut :

3 3 H 0 : = (θ), matriks varia kovaria populasi sama dega matriks varia kovaria yag diestimasi. H 1 : (θ), matriks varia kovaria populasi tidak sama dega matriks varia kovaria yag diestimasi. Hasil yag diharapka adalah meerima H 0 dega syarat ilai 2 lebih kecil dari ilai 2 tabel atau P-value >, dimaa sama dega 0, GFI (Goodess of Fit Ide) Suatu atura umum yag disaraka utuk kelayaka sebuah model adalah ilai GFI-ya lebih besar dari 0,90 da ilai maksimumya adalah 1. Nilai yag tiggi dalam ideks ii meujukka sebuah better fit. Nilai GFI 0.90 merupaka good fit (kecocoka yag baik), sedagka 0.80 GFI 0.90 serig disebut margial fit. 3. AGFI (Adjusted Goodess of Fit Ide) Suatu model dikataka baik apabila ilai AGFI-ya lebih besar dari 0,80 da ilai maksimumya adalah 1 4. RMSEA (Root Mea Square of Error Approimatitio). Diusulka oleh Steiger da Lid (1980) sebagai salah satu ideks yag iformatif dalam SEM. Nilai RMSEA 0.05 meadaka close fit, sedagka 0.05 < RMSEA 0.08 meujukka good fit [5]. III. A. Sumber Data METODOLOGI PENELITIAN Data yag diguaka dalam peelitia ii adalah data primer dari hasil survei lapaga dega respode yag memiliki kedaraa sepeda motor area Surabaya Timur. Jumlah respode yag teramati sebayak 228 respode. B. Populasi da Sampel Tekik pearika sampel yag diguaka dalam peelitia ii adalah samplig kuota dikareaka populasi tak terhigga dega total sampel sebayak 228 respode. Hal ii megacu sara Hair et al dimaa bila megguaka estimasi maksimum likelihood jumlah sampelya sebesar 5 10 kali variabel idikator. Adapu pegambila sampel ii dilaksaaka pada taggal bula April tahu C. Variabel Peelitia Meurut [6] faktor resiko terjadiya kecelakaa berlalu litas adalah diri sediri / pribadi, atura da ligkuga serta kesadara berlalu litas.sehigga faktor tersebut mejadi variael late dalam peelitia ii. D. Lagkah Aalysis Lagkah aalisis yag dilakuka dalam peelitia ii didasarka pada tujua dari peelitia atara lai : 1. Pegujia multiormalitas. 2. Pegujia uidimesioalitas (validitas da reliabilitas) setiap variabel late dega megguaka Cofirmatory Factor Aalysis (CFA). Meduga parameter-parameter model dega metode kemugkia maksimum Melakuka pegujia kecocokap atara model dega data megguaka criteria Goodess Of Fit (GOF). Uji validitas da realibilitas model. IV. ANALISIS DAN PEMBAHASAN Dalam bagia ii terdapat dua metode aalisis statistik yag diguaka, yaitu Aalisis Deskriptif da Aalisis Cofirmatory Factor Aalysis (CFA). A. Aalisis Deskriptif Berikut adalah hasil aalisis deskriptif pada survei kesadara berlalu litas. Uraia aalisis deskriptif ditujukka pada Tabel 1 berikut : Tabel 1 Tabulasi Silag atara Megetahui Safety Ridig dega Jeis Kelami Megetahui Jeis Kelami Safety Ridig Laki - laki Perempua Total Ya 42% 30% 72% Tidak 17% 12% 28% Total 58% 42% 100% Berdasarka Tabel 1, mayoritas yag tahu tetag safety ridig adalah laki laki dega persetase sebesar 42%. Sedagka jeis kelami perempua yag megetahui safety ridig sebesar 12%. Pada jeis kelami laki laki yag tidak megetahui tetag safety ridig sebesar 17% sedagka perempua 12%. B. Hasil Pegujia Multivariat Normal Dalam peelitia ii terdapat empat variabel late yag diguaka utuk megukur kesadara berlalu litas di Surabaya, variabel late tersebut adalah pribadi/diri sediri, atura, ligkuga da kesadara. Masig-masig variabel late diukur dega idikator-idikator. Asumsi yag harus dipeuhi sebelum melakuka cofirmatory factor aalysis adalah meguji apakah data berdistribusi multivariat ormal. Utuk meguji multivariat ormal diguaka plot 2 multivariat. Hipotesis yag diguaka sebagai berikut : H 0 : Data berdistribusi multivariat ormal H 1 : Data tidak berdistribusi multivariat ormal Tolak H 0 bila ilai 2 multivariate < 50% pada α = 0,05 Tabel 2 Pegujia Multivariat Normal Variabel Late Nilai daerah dibawah kurva 2 Kesimpula Kesadara 0,59 Mulivariat Normal Pribadi 0,60 Mulivariat Normal Atura 0,64 Mulivariat Normal Ligkuga 0,65 Mulivariat Normal Tabel 2 dapat dilihat bahwa ilai daerah dibawah 2 tolak H 0 utuk semua variabel late lebih besar dari 50%, sehigga hal ii dapat disimpulka semua variabel late (kesadara, pribadi / diri sediri, atura da ligkuga) utuk pegukura kesadara berlalu litas berdistribusi ormal multivariat.

4 4 C. Uji Uidimesioalitas Variabel Late Kesadara Berlalu Litas D. Uji Uidimesioalitas Variabel Late Pribadi Gambar 2 Nilai Stadardize Estimate Model Kesadara Berlalu litas Idetifikasi model berdasarka derajat kebebasa (degree of freedom) didapatka model dega df = 5 yag meujukka model over-idetifed, hasil estimasi ii memugkika model utuk dapat ditolak, model dega kodisi seperti ii adalah model yag diigika dalam aalisis. Tabel 3 Goodess of fit Variabel Kesadara Goodess of fit Ide Cut off Hasil value model 2 - Chi square - 11,60 Diharapka kecil Probability 0,05 0,04 Kurag baik RMSEA 0,08 0,07 Baik GFI 0,90 0,98 Baik AGFI 0,90 0,94 Baik TLI 0,90 0,96 Baik CFI 0,90 0,98 Baik Pada Tabel 3, ilai 2 da probabilitasya 0,05. Hal ii berarti H 0 ditolak sehigga matrik varia kovaria populasi tidak sama dega matrik varia kovaria yag ditaksir, amu perlu diketahui ilai 2 sagat sesitif terhadap jumlah sampel sehigga perlu uji kesesuaia lai. Nilai GFI = 0,98, AGFI = 0,94, TLI = 0,96 da CFI = 0,98 telah memeuhi kriteria fit yaitu di atas 0,90 da ilai RMSEA = 0,07 atau kurag dari 0,08. Secara keseluruha model dapat diterima. Tabel 4 Loadig Factor da Nilai t Idikator Kesadara berlalu litas Hubuga Estimasi t R 2 Y1 <-- Kesadara 0,548 0,30 Y2 <-- Kesadara 0,487 5,26 0,24 Y3 <-- Kesadara 0,555 4,91 0,31 Y4 <-- Kesadara 0,835 4,62 0,68 Y5 <-- Kesadara 0,412 4,88 0,17 Berdasarka Tabel 4, bahwa semua idikator secara sigifika membetuk variabel late kesadara berlalu litas. Hal ii ditujukka dega besar ilai t-hitug tiap-tiap idikator lebih besar dari t-tabel (1,96). Jika dilihat dari ilai R 2 da loadig factor, maka idikator Y4 ( Saya perah melihat kecelakaa sehigga saya lebih berhati hati ) merupaka idikator yag memberika kotribusi terbesar, yaitu 69,8%. Tahap selajutya adalah uji reliabilitas. Nilai Costruct Reliability sebagai berikut: CR= i=1 λ 2 i = 2,837 2 i=1 λ 2 i + i δ i 2, =0,709 Nilai costruct reliability variabel late kesadara berlalulitas meghasilka ilai sebesar 0,709 ilai tersebut lebih dari 0,7, sehigga variabel late kesadara dikataka memiliki reliabilitas yag baik. Gambar 3 Nilai Stadardize Estimate Model Pribadi Pada Gambar 3 merupaka hasil estimasi dari idikator idikator variabel late pribadi. Nilai df = 54 mejelaska bahwa model over-idetifed. Tabel 5 Goodess of fit Variabel Pribadi 2 - Chi square - 280,43 diharapka kecil RMSEA 0,08 0,12 Kurag baik GFI 0,90 0,81 Kurag baik AGFI 0,90 0,72 Kurag baik TLI 0,90 0,69 Kurag baik CFI 0,90 0,78 Kurag baik Tabel 5 diketahui bahwa ilai probabilitas kurag dari 0,05. Semua Goodess of fit ide meyataka bahwa model tidak memeuhi kriteria fit, sehigga dapat disimpulka bahwa tigkat peerimaa model kurag baik. Sehigga perlu dilakuka modifikasi model dega tujua tigkat peerimaa model lebih baik. Dalam memodifikasi model dilakuka dega cara memilih ilai dari MI (modificatio idees) yag terbesar. Nilai MI terbesar pertama 75,3 kedua 42,9 ketiga 28,9 da keempat 21,1 dimaa ilai ii adalah ilai kovaria dari e5-e4, e10-e9, e6-e5, e9-e8, e2-e1. Tabel 6 Goodess of fit Modifikasi Variabel Pribadi 2 - Chi square - 115,34 diharapka kecil RMSEA 0,08 0,07 Baik GFI 0,90 0,92 Baik AGFI 0,90 0,90 Baik TLI 0,90 0,91 Baik CFI 0,90 0,93 Baik Pada Tabel 6 mejelaska ilai Goodess of fit yag sudah dimodifikasi meghasilka ilai probability 0,00 masih sama dega sebelum dimodifikasi tetapi utuk ilai uji kesesuaia yag lai seperti RMSEA, GFI, AGFI,TLI, da CFI memeuhi kriteria fit sehigga dapat dikataka model dapat diterima da lagkah selajutya adalah uji reliabilitas. Nilai Costruct Reliability variabel pribadi adalah 0,846. sehigga variabel late pribadi dikataka memiliki reliabilitas yag baik karea ilai CR lebih dari 0,7. Lagkah selajutya adalah megetahui ilai kotribusi terbesar, dalam model variabel late pribadi masig-masig idikator memberika ilai kotribusi berbeda sebelum da sesudah modifikasi, dapat di lihat pada Tabel 7

5 5 Tabel 7 Nilai kotribusi R 2 sebelum da sesudah modifikasi Hubuga R 2 (sebelum modifikasi) R 2 (sesudah modifikasi) X1.12 <--- Pribadi 0,356 0,368 X1.11 <--- Pribadi 0,325 0,323 X1.10 <--- Pribadi 0,279 0,227 X1.9 <--- Pribadi 0,475 0,428 X1.8 <--- Pribadi 0,112 0,084 X1.7 <--- Pribadi 0,501 0,505 X1.6 <--- Pribadi 0,288 0,27 X1.5 <--- Pribadi 0,203 0,159 X1.4 <--- Pribadi 0,309 0,283 X1.3 <--- Pribadi 0,287 0,291 X1.2 <--- Pribadi 0,409 0,442 X1.1 <--- Pribadi 0,46 0,506 Tabel 7, kotribusi terbesar setelah dimodifikasi adalah X1.1 (tidak megerem secara medadak) ilaiya sebesar 0,506 hal ii berbeda dega kotribusi terbesar sebelum dimodifikasi yag terdapat pada X1.7 (membawa muata berlebih) dega ilai 0,501. E. Uji Uidimesioalitas Variabel Late Atura Gambar 4 Nilai Stadardize Estimate Model Atura Pada Gambar 4 merupaka hasil estimasi dari idikator idikator variabel late atura. Nilai df = 14 mejelaska bahwa model over-idetifed. Tabel 8 Goodess of fit Variabel Atura 2 - Chi square - 60,05 Diharapka kecil RMSEA 0,08 0,12 Kurag baik GFI 0,90 0,93 Baik AGFI 0,90 0,86 Kurag baik TLI 0,90 0,86 Kurag baik CFI 0,90 0,91 Baik Pada Tabel 8, ilai probabilitas kurag dari 0,05 sehigga H 0 ditolak, tetapi ilai GFI da CFI telah memeuhi kriteria fit yaitu diatas 0,90 sehigga model dapat diterima. Tabel 9 Stadardize Loadig Factor da Nilai t Idikator Atura Hubuga Estimasi t R 2 X2.7 <-- Atura 0,712 0,50 X2.6 <-- Atura 0,446 6,25 0,19 X2.5 <-- Atura 0,728 10,28 0,53 X2.4 <-- Atura 0,608 8,58 0,37 X2.3 <-- Atura 0,522 7,33 0,27 X2.2 <-- Atura 0,739 10,42 0,55 X2.1 <-- Atura 0,59 8,31 0,35 Tabel 9 dapat dilihat semua idikator secara sigifika membetuk variabel late Atura. Hal ii ditujukka dega besar ilai t-hitug tiap-tiap idikator lebih besar dari t-tabel (1,96). Idikator X2.2 (Saya selalu megguaka jaket) merupaka idikator yag memberika kotribusi terbesar, yaitu 54,6%. F. Uji Uidimesioalitas Variabel Late Ligkuga Gambar 5 Nilai Stadardize Estimate Model Ligkuga Gambar 5 merupaka hasil estimasi dari idikator idikator variabel late ligkuga. Nilai df = 20 mejelaska bahwa model over-idetifed. Tabel 10 Goodess of fit Variabel Ligkuga 2 - Chi square - 106,29 Diharapka kecil RMSEA 0,08 1,38 Kurag baik GFI 0,90 0,89 Kurag baik AGFI 0,90 0,80 Kurag baik TLI 0,90 0,81 Kurag baik CFI 0,90 0,86 Kurag baik Tabel 10 meujukka ilai probabilitas kurag dari 0,05. Semua Goodess of fit ide meyataka bahwa model tidak memeuhi kriteria fit. Modifikasi model perlu dilakuka karea model tidak baik ilai MI dari variabel late ligkuga pertama 26,9 kedua 25,3 da ketiga 21,2 dimaa ilai kovariaya e8-e7, e5-e1 da e2-e1. Hasil pegukura Goodess of fit setelah dimodifikasi adalah sebagai berikut : Tabel 11 Goodess of fit Modifikasi Variabel Ligkuga 2 - Chi square - 30,15 Diharapka kecil Probability 0,05 0,02 Kurag baik RMSEA 0,08 0,06 Baik GFI 0,90 0,97 Baik AGFI 0,90 0,93 Baik TLI 0,90 0,97 Baik CFI 0,90 0,98 Baik Tabel 11, diketahui ilai probabilitas kurag dari 0,05 sehigga H 0 ditolak, tetapi ilai dari Goodess of fit GFI, AGFI, TLI, CFI telah memeuhi kriteria fit yaitu diatas 0,90 sedagka RMSEA juga memeuhi kriteria fit yaitu kurag dari 0,08 sehigga dapat dikataka model dapat diterima. Pada perhituga ilai costruct reliability variabel late ligkuga memiliki ilai sebesar 0,837 lebih dari 0,70. Sehigga variabel late ligkuga reliabilitasya yag baik. Tabel 12 Nilai R2 Sebelum da Sesudah Modifikasi Variabel Ligkuga Hubuga R 2 Sebelum modifikasi R 2 Sesudah modifikasi X3.8 <--- Ligkuga 0,528 0,443 X3.7 <--- Ligkuga 0,592 0,506 X3.6 <--- Ligkuga 0,355 0,408 X3.5 <--- Ligkuga 0,445 0,429 X3.4 <--- Ligkuga 0,457 0,519 X3.3 <--- Ligkuga 0,293 0,298 X3.2 <--- Ligkuga 0,358 0,324 X3.1 <--- Ligkuga 0,296 0,228

6 6 Tabel 12 yag memberika kotribusi terbesar sesudah dimodifikasi adalah X3.4 (mematuhi peratura meskipu tidak ada polisi yag mejaga) sebesar 0,519. Berbeda dega sebelum dimodifikasi yag terdapat pada X3.7 (waspada pada kodisi jala yag bergelombag) dega ilai 0,592. G. Secod Order Cofirmatory Variabel Late Kesadara Berlalu Litas delapa 10,3 dimaa ilai kovariaya e5-e4, e10-9 sampai e6-e29. Tabel 14 Goodess of fit Modifikasi Secod Order Kesadara Berlalu Litas Ide value model 2 - Chi square - 546,39 Diharapka kecil RMSEA 0,08 0,06 Baik GFI 0,90 0,85 Kurag baik AGFI 0,90 0,81 Kurag baik TLI 0,90 0,89 Kurag baik CFI 0,90 0,91 Baik Pada Tabel 14 diketahui bahwa probabilitas kurag dari 0,05 sehigga H 0 ditolak, tetapi ilai dari CFI telah memeuhi kriteria fit yaitu diatas 0,90 sedagka RMSEA juga memeuhi kriteria fit yaitu kurag dari 0,08 sehigga dapat dikataka model dapat diterima. Pada uji reliabilitas ilai costruct reliability secod order kesadara berlalu litas sebesar 0,954. Nilai costruct reliability ii lebih dari 0.7, sehigga variabel late kesadara berlalu litas dikataka memiliki reliabilitas yag baik. Gambar 6 Nilai Stadardize Estimate Secod Order Kesadara Berlalu Litas Gambar 6 adalah ilai stadartdize estimatio secod order kesadara berlalu litas dimaa ilai loadig factor terbesar terdapat pada ligkuga. Hal ii meujukka ligkuga memiliki pegaruh terbesar. Nilai df sebesar 321 meujukka model over-idetifed. Tabel 13 Goodess of fit Secod Order Kesadara Berlalu Litas 2 - Chi square - 972,49 Kurag baik RMSEA 0,08 0,09 Kurag baik GFI 0,90 0,74 Kurag baik AGFI 0,90 0,69 Kurag baik TLI 0,90 0,73 Kurag baik CFI 0,90 0,76 Kurag baik Pada Tabel 13 dapat dilihat ilai probabilitasya 0,05 berarti H 0 ditolak sehigga matrik varia kovaria populasi tidak sama dega matrik varia kovaria yag ditaksir, begitu juga dega ilai dari GFI, AGFI, TLI da CFI yag tidak memeuhi kriteria fit yaitu di atas 0,90 da ilai RMSEA yag lebih dari 0,08. Secara keseluruha model kurag baik. Karea model kurag baik maka modifikasi model dilakuka. ilai MI (Modificatio Idees) terbesar terbesar pertama 66,7 kedua 46,1 sampai yag kedua puluh V. KESIMPULAN Kesimpula yag didapatka dalam peelitia ii dimaa idikator-idikator peyusu dari variabel late kesadara, pribadi, atura da ligkuga memiliki ilai t-hitug > t- tabel, meujukka semua ilai loadig factor berpegaruh secara sigifika (uidimesioal) terhadap variabel-variabel late pada first order Cofirmatory Factor Aalysis (CFA). Kotribusi terbesar pada variabel late kesadara adalah idikator Y4 (saya perah melihat kecelakaa sehigga saya lebih berhati-hati). Sedagka pada variabel late pribadi kotribusi terbesar pada idikator X1.1 (Tidak megerem secara medadak) dega ilai sebesar 69,8%, pada variabel late atura kotribusi terbesar terdapat pada idikator X2.2 (saya selalu megguaka jaket/perlegkapa berkedara) memberika kotribusi sebesar 50,6% da kotribusi terbesar pada variabel late ligkuga adalah idikator X3.4 (mematuhi peratura meskipu tidak ada polisi yag mejaga) dega ilai sebesar 51,9%. Sara utuk peelitia ii jika keragka teoriya sudah diketahui dega kuat, lebih baik peelitia ii dilajutka dega motode SEM (Structural Equatio Modelig). DAFTAR PUSTAKA [1] Primaada, A. 2005, Pemodela Spacial Tigkat Kerawaa Kecelakaa Lalu Litas di Surabaya Pusat Dega Memafaata Foto Udara, Fakultas Geografi UGM Yogyakarta. [2] Ghozali, I Model Persamaa Structural Kosep Da Aplikasi Dega Program Amos 16. Bada Peerbit Udip. Semarag. [3] Bolle, Structural Equatios With Latet Variables. New York: A Wiley-Itersciece Publicatio. Joh Wiley ad Sos New York. [4] Johso, R. A. da Wicher, D. W, Applied Multivariete Aalysis, Four Editio. Pretice Hall Ic. New Jersey. [5] Wijato. S. H Structural Equatio Modelig Dega Lisrel 8.8.Yogyakarta: Graha Ilmu. [6] Yusherma. Jasi, Epidemiologi Kecelakaa Lalu Litas. (olie)