ANALISIS FAKTOR KONFIRMATORI UNTUK MENGETAHUI KESADARAN BERLALU LINTAS PENGENDARA SEPEDA MOTOR DI SURABAYA TIMUR Oleh : M Mushonnif Efendi (1310 105 019) Dosen Pembimbing : Jerry Dwi Trijoyo Purnomo, S. Si, M. Si.
KOTA MOBILITAS TERBESAR METROPOLITAN TINGGI KEDUA SETELAH PUSAT DARI JAKARTA EKONOMI JAWA TIMUR SURABAYA
Aktiva Primananda, 2005 menghasilkan kesimpulan jalan jalan yang rawan adalah Alun Alun Contong, Dupak, Demak, dan Kalibutuh. Laylia Nur Afidah, 2011 Pola tingkat keparahan Korban Kecelakaan lalulintas di Surabaya menghasilkan kesimpulan 38% meninggal dunia, 37% luka berat, dan 25% luka ringan. 32% mengalami tabrak depan. 69% korban berjenis kelamin laki-laki usia terbanyak korban adalah usia paruh baya (36 sampai 58 tahun). mayoritas korban adalah pengendara 79% korban menggunakan sepeda motor
Pribadi Lingkungan Aturan Analisis Konfirmatori Faktor
(1) Indikator-indikator apa saja yang dapat digunakan untuk mengukur pribadi/diri sendiri, lingkungan, aturan dan kesadaran berlalu lintas? (2) Indikator-indikator apa saja yang memiliki penilaian dan variabel laten/penilaian kontribusi terbesar dalam menyusun variabel laten/penilaian dalam survei kesadaran berlalu lintas?
1 Mengidentifikasi variabel indikator yang dapat mengukur variabel pribadi/diri sendiri, aturan, lingkungan dan kesadaran berlalu lintas. 2 Ingin mengkaji variabel laten/penilaian kontribusi terbesar dalam menyusun variabel laten/penilaian dalam survei kesadaran berlalu lintas.
Polrestabes Surabaya Timur Keilmuan Statistik Hasil penelitian ini dapat memberikan masukan kepada Polrestabes Surabaya Timur akan kesadaran berlalu lintas masyarakat Surabaya Timur Dapat mengembangkan keilmuan statistik di bidang Confirmatory Factor Analysis (CFA).
Penelitian dibatasi pada : Data Primer dari Survey Dimana respondennya adalah masyarakat Surabaya Timur yang bisa berkendara sepeda motor
Analisis Faktor Konfirmatori Analisis Faktor Konfirmatori merupakan salah satu metode analisis multivariat yang dapat digunakan untuk mengkonfirmasikan apakah model pengukuran yang dibangun sesuai dengan yang dihipotesiskan. Dalam Analisis Faktor Konfirmatori, peubah laten dianggap sebagai peubah penyebab (peubah bebas) yang mendasari peubah-peubah indikator (Ghozali, 2008). Model umum Analisis Faktor konfirmatori adalah sebagai berikut:
First Order Confirmatory Factor Analysis Pada First Order Confirmatory Factor Analysis suatu variabel laten diukur berdasarkan beberapa indikator yang dapat diukur secara langsung.
Estimasi Model Estimasi parameter berhubungan dengan distribusi data yang digunakan. Estimasi parameter dengan menggunakan MLE memerlukan data yang mengikuti distribusi multinormal (Brown, 2006). Uji Validitas Dalam Analisis Faktor Konfirmatori model yang dihipotesiskan harus bersifat valid yaitu mengacu kepada kemampuan suatu indikator dalam mengukur apa yang sebenarnya ingin diukur (Supranto, 2004). Dengan demikian validitas suatu indikator menjadi syarat yang harus dipenuhi. Uji validitas indikator-indikator dalam mengukur peubah laten dinilai dengan cara menguji apakah semua loadingnya ( i ) nyata dengan menggunakan uji-t untuk nilai α tertentu
Evaluasi Model Uji 2 Model baik jika uji 2 tidak nyata pada taraf nyata tertentu. Nilai chi-square ini hanya akan valid apabila asumsi normalitas data terpenuhi dan ukuran sampel besar oleh Joreskog (2000) dalam Ghozali (2008). Nilai chi-square sebesar nol menunjukkan bahwa model memiliki fit yang sempurna (perfect fit). Hipotesis yang digunakan sebagai berikut : H 0 H 1 : = (θ), matriks kovarians populasi sama dengan matriks kovarians yang diestimasi. : (θ), matriks kovarians populasi tidak sama dengan matriks kovarians yang diestimasi. Hasil yang diharapkan adalah gagal tolak H 0 dengan syarat nilai 2 sekecil mungkin atau P-value >, dimana sama dengan 0,05
GFI (Goodness of Fit Index) Suatu aturan umum yang disarankan untuk kelayakan sebuah model adalah nilai GFI-nya lebih besar dari 0,90 dan nilai maksimumnya adalah 1. Nilai yang tinggi dalam indeks ini menunjukkan sebuah better fit. Nilai GFI 0.90 merupakan good fit (kecocokan yang baik), sedangkan 0.80 GFI 0.90 sering disebut marginal fit. AGFI (Adjusted Goodness of Fit Index) Suatu model dikatakan baik apabila nilai AGFI-nya lebih besar dari 0,80 dan nilai maksimumnya adalah 1 RMSEA (Root Mean Square of Error Approximatition) Nilai RMSEA 0.05 menandakan close fit, sedangkan 0.05 < RMSEA 0.08 menunjukkan good fit oleh Brown dan Cudeck, 1993 dalam buku Wijanto (2008)
Definisi Kecelakaan Lalu Lintas Kecelakaan lalu lintas didefinisikan sebagai Faktor kejadian Manusia di mana sebuah kendaraan bermotor bertabrakan dengan benda lain dan menyebabkan kerusakan, serta berisiko dapat mengakibatkan lukaluka atau kematian manusia Faktor-faktor penyebab kecelakaan lalu lintas Faktor Kendaraan Faktor Jalan Faktor Cuaca
Sumber Data Data primer hasil survey terhadap pengendara sepeda motor yang ada di Surabaya Timur Populasi dan Sampel Metode sampling yang digunakan adalah sampling Kuota dengan 228 responden, dikarenakan populasi tak hingga Variabel Penelitian Variabel pribadi/diri (X1), Variabel lingkungan (X2), Variabel aturan berlalu lintas (X3), Variabel kesadaran berlalu lintas (Y1),
Mulai A Persiapan Suvey Melakukan Survey Data Kuisoner Analisis Deskriptif A Tahap I Tahap II Menguji Multinormal Identifikasi Model Estimasi Model Modifikasi model Selesai Tahap II Lanjutan
Analisis Deskriptif PENGETAHUAN TENTANG SAFETY RIDING 28% Tidak tahu Ya tahu 72% Mengetahui Safety Riding Jenis Kelamin Laki - laki Peremp uan Total Ya 42% 30% 72% Tidak 17% 12% 82% Total 58% 42% 100% Mengetahui Usia Safety Riding > 40 th 17-24 th 25-40 th Total Ya 14% 33% 25% 72% Tidak 8% 15% 5% 28% Total 22% 48% 30% 100%
Hasil Pengujian Multivariat Normal Variabel Laten Nilai 2 multivariat Kesadaran 0,59 Pribadi 0,60 Aturan 0,64 Lingkungan 0,65 Normal Multivariat
Uji Unidimensionalitas Variabel laten Kesadaran df Goodness of fit Index Cut off Hasil value model Keterangan 2 - Chi square - 11,60 Baik Probability 0,05 0,04 Kurang baik RMSEA 0,08 0,07 Baik GFI 0,90 0,98 Baik AGFI 0,90 0,94 Baik 1 ( p q)( p TLI q 1) t 0,90 0,96 Baik 2 CFI 0,90 0,98 Baik 1 (0 5)(0 5 1) 10 2 = 5
Uji Unidimensionalitas Variabel laten Kesadaran Hubungan Estimasi t t tabel Keterangan R 2 Y1 <--- Kesadaran 0,548 0,300 Y2 <--- Kesadaran 0,487 5,26 1,96 Signifikan 0,238 kesalahan pengukuran Y3 <--- Kesadaran Hubungan 0,555 4,908 Estimasi 1,96 Signifikan (δ)(1-λ i2 ) 0,308 Y1 <--- Kesadaran 0,548 0,699696 Y4 <--- Kesadaran 0,835 4,621 1,96 Signifikan 0,698 Y2 <--- Kesadaran 0,487 0,762831 Y5 <--- Y3 Kesadaran <--- Kesadaran 0,412 4,88 0,555 1,96 Signifikan 0,691975 0,170 Y4 <--- Kesadaran 0,835 0,302775 Y5 <--- Kesadaran 0,412 0,830256
Uji Unidimensionalitas Variabel laten Pribadi Goodness of fit Index Cut off value Hasil model Keterangan 2 - Chi square - 280,43 diharapkan kecil df 1 ( p q)( p q 1) t 2 1 (0 12)(0 12 1) t 2 = 54 Probability 0,05 0,00 Kurang baik RMSEA 0,08 0,12 Kurang baik GFI 0,90 0,81 Kurang baik AGFI 0,90 0,72 Kurang baik TLI 0,90 0,69 Kurang baik CFI 0,90 0,78 Kurang baik
Uji Unidimensionalitas Variabel laten Pribadi M.I. Par Change e2 <--> e1 14,555,316 e4 Hubungan <--> e3 Estimasi 13,967 t,279 t tabel Keterangan R 2 e5 <--> e3 5,404,177 X1.12 e5 <--> <--- e4 Pribadi 0,596 75,339,601 0,356 X1.11 e6 <--> <--- e4 Pribadi 0,57 11,768 7,023,2081,96 Signifikan 0,325 e6 <--> e5 28,949,333 X1.10 <--- Pribadi 0,529 6,621 1,96 Signifikan 0,279 e7 <--> e5 9,088 -,194 X1.9 <--- Pribadi 0,689 8,064 1,96 Signifikan 0,475 e8 <--> e1 6,550 -,308 X1.8 e8 <--> <--- e5 Pribadi 0,334 4,081 4,468 -,2351,96 Signifikan 0,112 X1.7 e8 <--> <--- e7 Pribadi 0,708 5,988 8,213,2611,96 Signifikan 0,501 X1.6 e9 <--> <--- e1 Pribadi 0,537 8,556 6,701 -,2501,96 Signifikan 0,288 X1.5 e9 <--> <--- e3 Pribadi 0,451 5,770 5,812 -,2151,96 Signifikan 0,203 e9 <--> e4 10,551 -,265 X1.4 <--- Pribadi 0,556 6,888 1,96 Signifikan 0,309 e9 <--> e5 4,415 -,175 X1.3 <--- Pribadi 0,536 6,69 1,96 Signifikan 0,287 e9 <--> e7 10,675,247 X1.2 e9 <--> <--- e8 Pribadi 0,639 21,102 7,652,631 1,96 Signifikan 0,409 X1.1 e10 <--> <--- e4 Pribadi 0,678 10,804 7,98 -,3081,96 Signifikan 0,460 e10 <--> e5 11,205 -,320 e10 <--> e8 9,905,497 e10 <--> e9 42,975,739
Uji Unidimensionalitas Variabel laten Pribadi kesalahan pengukuran Cut off Hasil Goodness of fit Index Hubungan Estimasi R 2 (sebelum Keterangan (δ)(1-λr 2 value model i2 ) (sesudah X1.12 <--- Hubungan Pribadi 0,596 modifikasi) 0,645 modifikasi) 2 - Chi square X1.11 X1.12 <--- <--- - Pribadi 115,340,57 diharapkan 0,356 0,675 kecil0,368 X1.10 X1.11 <--- <--- Pribadi Pribadi 0,529 0,325 0,720 0,323 Probability X1.9 <--- 0,05 Pribadi 0,000,689 Kurang 0,525 baik X1.10 <--- Pribadi 0,279 0,227 RMSEA X1.8 <--- 0,08 Pribadi 0,070,334 Baik 0,888 X1.9 <--- Pribadi 0,475 0,428 GFI X1.7 <--- 0,90 Pribadi 0,920,708 Baik 0,499 AGFI X1.6 X1.8 <--- <--- 0,90 Pribadi Pribadi 0,900,537 0,112 Baik 0,712 0,084 X1.5 X1.7 <--- <--- Pribadi 0,451 0,501 0,797 0,505 TLI 0,90 0,91 Baik X1.4 X1.6 <--- <--- Pribadi 0,556 0,288 0,691 0,27 CFI 0,90 0,93 Baik X1.3 X1.5 <--- <--- Pribadi Pribadi 0,536 0,203 0,713 0,159 X1.2 <--- Pribadi 0,639 0,592 X1.4 <--- Pribadi 0,309 0,283 X1.1 <--- Pribadi 0,678 0,540 X1.3 <--- Pribadi 0,287 0,291 X1.2 <--- Pribadi 0,409 0,442 X1.1 <--- Pribadi 0,46 0,506
Uji Unidimensionalitas Variabel laten Aturan Goodness of fit Index Cut off value Hasil model Keterangan 2 - Chi square - 60,05 Diharapkan kecil Probability 0,05 0,00 Kurang baik RMSEA 0,08 0,12 Kurang baik GFI 0,90 0,93 Baik AGFI 0,90 0,86 Kurang baik TLI 0,90 0,86 Kurang baik CFI 0,90 0,91 Baik = 14
Uji Unidimensionalitas Variabel laten Aturan Hubungan Estimasi t t tabel Keterangan R 2 X2.7 <--- Aturan 0,712 kesalahan 0,501 pengukuran X2.6 <--- Aturan 0,446 6,248 1,96 Signifikan 0,199 Hubungan Estimasi (δ)(1-λ i2 ) X2.5 <--- X2.7 Aturan <--- 0,728 10,278 Aturan 1,960,762Signifikan 0,419 0,530 X2.4 <--- X2.6 Aturan <--- 0,608 Aturan 8,584 1,960,446Signifikan 0,801 0,370 X2.3 <--- X2.5 Aturan <--- 0,522 Aturan 7,332 1,96 0,728 Signifikan 0,470 0,272 X2.4 <--- Aturan 0,608 0,630 X2.2 <--- X2.3 Aturan <--- 0,739 10,421 Aturan 1,96 0,522 Signifikan 0,728 0,546 X2.1 <--- X2.2 Aturan <--- 0,59 Aturan 8,312 1,960,739Signifikan 0,454 0,348 X2.1 <--- Aturan 0,59 0,652
Uji Unidimensionalitas Variabel laten Lingkungan Goodness of fit Index Cut off Hasil value model Keterangan 2 - Chi square - 106,29 Diharapkan kecil Probability 0,05 0,00 Kurang baik RMSEA 0,08 1,38 Kurang baik GFI 0,90 0,89 Kurang baik AGFI 0,90 0,80 Kurang baik TLI 0,90 0,81 Kurang baik CFI 0,90 0,86 Kurang baik = 20
Uji Unidimensionalitas Variabel laten Lingkungan Hubungan Estimasi t M.I. t tabel Par Change Keterangan R 2 X3.8 <--- e2 Lingkungan<--> 0,726 e1 21,209,393 0,528 X3.7 <--- e4 Lingkungan<--> 0,77e2 10,5956,4271,96 -,191 Signifikan 0,592 X3.6 <--- e5 Lingkungan<--> 0,596 e1 8,29525,3971,96 Signifikan,411 0,355 X3.5 <--- Lingkungan 0,667 9,27 1,96 Signifikan 0,445 e6 <--> e4 10,960,269 X3.4 <--- 10,676 9,389 1,96 Signifikan 0,457 X3.3 <--- e7 Lingkungan<--> 0,542 e1 7,55 4,8541,96 -,120 Signifikan 0,293 X3.2 <--- e7 Lingkungan<--> 0,598 e5 8,331 6,4651,96 -,129 Signifikan 0,358 X3.1 <--- e8 Lingkungan<--> 0,544 e1 7,58211,5351,96 -,193 Signifikan 0,296 e8 <--> e7 26,978,183
Uji Unidimensionalitas Variabel laten Lingkungan Cut off Hasil Goodness of fit Index R 2 value Sebelum model R 2 Sesudah Hubungan modifikasi modifikasi Keterangan X3.8 2 - Chi <--- square Lingkungan 0,528-30,15 0,443 Diharapkan kecil X3.7 Probability <--- Lingkungan 0,592 0,05 0,02 0,506 Kurang baik X3.6 RMSEA <--- Lingkungan 0,355 0,08 0,06 0,408 Baik X3.5 GFI <--- Lingkungan 0,445 0,90 0,97 0,429 Baik X3.4 AGFI<--- Lingkungan 0,457 0,90 0,93 0,519 Baik X3.3 TLI <--- Lingkungan 0,293 0,90 0,97 0,298 Baik X3.2 CFI <--- Lingkungan 0,358 0,90 0,98 0,324 Baik X3.1 <--- Lingkungan 0,296 0,228
Second Order Confirmatory Kesadaran Berlalu Lintas Goodness of fit Index Cut off value Hasil model Keterangan 2 - Chi square - 972,49 Kurang baik Probability 0,05 0,00 Kurang baik RMSEA 0,08 0,09 Kurang baik GFI 0,90 0,74 Kurang baik AGFI 0,90 0,69 Kurang baik TLI 0,90 0,73 Kurang baik CFI 0,90 0,76 Kurang baik df 1 ( p q)( p q 1) t 2 1 (0 27)(0 27 1) 57 2 = 321
Second Order Confirmatory Kesadaran Berlalu Lintas Hubungan Estimasi t t-tabel Ket R 2 Pribadi <--- Kesadar 0,87 8,41 1,96 Signifikan 0,75 Aturan <--- Kesadar 0,89 10,65 1,96 Signifikan 0,79 Lingkung <--- Kesadar 0,97 11,85 1,96 Signifikan 0,94 X1#12 <--- Pribadi 0,58 0,34 X1#11 <--- Pribadi 0,57 6,97 1,96 Signifikan 0,32 X1#10 <--- Pribadi 0,50 6,34 1,96 Signifikan 0,25 X1#9 <--- Pribadi 0,68 7,87 X2#7 1,96 <--- Signifikan Aturan 0,46 0,71 0,51 X1#8 <--- Pribadi 0,33 4,42 X2#6 1,96 <--- Signifikan Aturan 0,11 0,42 6,06 1,96 Signifikan 0,18 X1#7 <--- Pribadi 0,68 7,96 X2#5 1,96 <--- Signifikan Aturan 0,47 0,76 10,48 1,96 Signifikan 0,58 X1#6 <--- Pribadi 0,60 7,17 X2#4 1,96 <--- Signifikan Aturan 0,36 0,57 8,14 1,96 Signifikan 0,33 X1#5 <--- Pribadi 0,50 6,24 X2#3 1,96 <--- Signifikan Aturan 0,25 0,51 7,20 1,96 Signifikan 0,26 X1#4 <--- Pribadi 0,60 7,13 X2#2 1,96 <--- Signifikan Aturan 0,36 0,75 10,37 1,96 Signifikan 0,56 X1#3 <--- Pribadi 0,52 6,52 X2#1 1,96 <--- Signifikan Aturan 0,27 0,64 8,77 1,96 Signifikan 0,41 X1#2 <--- Pribadi 0,63 7,69 1,96 Signifikan 0,40 X3#8 <--- Lingkung 0,75 0,56 X1#1 <--- Pribadi 0,65 7,80 1,96 Signifikan 0,43 X3#7 <--- Lingkung 0,79 12,03 1,96 Signifikan 0,62 X3#6 <--- Lingkung 0,60 8,72 1,96 Signifikan 0,36 X3#5 <--- Lingkung 0,64 9,26 1,96 Signifikan 0,40 X3#4 <--- Lingkung 0,73 10,56 1,96 Signifikan 0,53 X3#3 <--- Lingkung 0,51 7,41 1,96 Signifikan 0,26 X3#2 <--- Lingkung 0,55 8,01 1,96 Signifikan 0,30 X3#1 <--- Lingkung 0,50 7,14 1,96 Signifikan 0,25
Second Order Confirmatory Kesadaran Berlalu Lintas Par M.I. Change e21 <--> e30 4,222 0,074 e21 <--> e20 27,473 0,466 E22 <--> e20 6,947 0,212 E23 <--> e30 8,558-0,085 E23 <--> e28 5,38 0,09 E23 <--> e21 5,814-0,173 e24 <--> e20 31,618 0,474 e24 <--> e21 5,903 0,202 e25 <--> e29 4,122-0,077 e25 <--> e28 4,48 0,105 e25 <--> e23 6,426 0,189 e26 <--> e23 5,391-0,098 e27 <--> e20 6,948-0,145 e27 <--> e23 4,33-0,092 e27 <--> e26 17,707 0,134 e13 <--> e29 6,04-0,084 e13 <--> e28 7,538 0,126 e13 <--> e22 4,185-0,155 e13 <--> e23 4,744-0,15 e13 <--> e26 5,548 0,117 e14 <--> e26 6,345 0,103 e15 <--> e13 13,722-0,35 Goodness of fit Cut off Hasil Index value model Keterangan 2 - Chi square - 546,39 Diharapkan kecil Probability 0,05 0,00 Kurang baik RMSEA 0,08 0,06 Baik GFI 0,90 0,85 Kurang baik AGFI 0,90 0,81 Kurang baik TLI 0,90 0,89 Kurang baik CFI 0,90 0,91 Baik
Second Order Confirmatory Kesadaran Berlalu Lintas Hubungan R 2 Sebelum R 2 Sesudah modifikasi modifikasi Pribadi <--- Kesadaran 0,865 0,851 Aturan <--- Kesadaran 0,889 0,869 Lingkungan <--- Kesadaran 0,971 0,991 X1#12 <--- Pribadi 0,581 0,601 X1#11 <--- Pribadi 0,565 0,588 X1#10 <--- Pribadi 0,504 0,495 X1#9 <--- Pribadi 0,675 0,648 X1#8 <--- Pribadi 0,332 0,293 X1#7 <--- Pribadi 0,684 0,695 X1#6 <--- Pribadi 0,599 0,710 X1#5 <--- Pribadi 0,503 0,476 X1#4 <--- Pribadi 0,598 0,571 X1#3 <--- Pribadi 0,516 0,507 X1#2 <--- Pribadi 0,633 0,639 X1#1 <--- Pribadi 0,652 0,658 X2#7 <--- Aturan 0,712 0,684 X2#6 <--- Aturan 0,422 0,371 X2#5 <--- Aturan 0,763 0,767 X2#4 <--- Aturan 0,573 0,571 X2#3 <--- Aturan 0,514 0,523 X2#2 <--- Aturan 0,749 0,749 X2#1 <--- Aturan 0,637 0,650 X3#8 <--- Lingkungan 0,746 0,711 X3#7 <--- Lingkungan 0,785 0,757 X3#6 <--- Lingkungan 0,601 0,618 X3#5 <--- Lingkungan 0,636 0,630 X3#4 <--- Lingkungan 0,725 0,732 X3#3 <--- Lingkungan 0,511 0,510
Indikator-indikator penyusun dari variabel laten kesadaran, pribadi, aturan dan lingkungan memiliki nilai t-hitung > t-tabel, menunjukkan semua nilai loading factor secara signifikan berpengaruh (unidimensional) terhadap variabel-variabel laten pada first order CFA. Saran untuk penelitian ini jika kerangka teorinya sudah diketahui dengan kuat, lebih baik penelitian ini dilanjutkan dengan motode SEM (Structural Equation Kontribusi terbesar pada variabel laten kesadaran adalah indikator Y4 (saya pernah melihat kecelakaan sehingga saya lebih berhati-hati). Sedangkan pada variabel laten pribadi kontribusi terbesar pada indikator X1.1 Modeling). (Tidak mengerem secara mendadak) dengan nilai sebesar 69,8%, pada variabel laten aturan kontribusi terbesar terdapat pada indikator X2.2 (saya selalu menggunakan jaket/perlengkapan berkendara) memberikan kontribusi sebesar 50,6% dan kontribusi terbesar pada variabel laten lingkungan adalah indikator X3.4 (mematuhi peraturan meskipun tidak ada polisi yang menjaga) dengan nilai sebesar 51,9%.
TERIMA KASIH