ANALISIS FAKTOR KONFIRMATORI UNTUK MENGETAHUI KESADARAN BERLALU LINTAS PENGENDARA SEPEDA MOTOR DI SURABAYA TIMUR M Mushonnif Efendi
Oleh : (1310 105 019)
Dosen Pembimbing : Jerry Dwi Trijoyo Purnomo, S. Si, M. Si.
MOBILITAS KOTA 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 ?
Mengidentifikasi variabel indikator yang dapat mengukur variabel pribadi/diri sendiri, aturan, lingkungan dan kesadaran berlalu lintas.
1
2
Ingin mengkaji variabel laten/penilaian kontribusi terbesar dalam menyusun variabel laten/penilaian dalam survei kesadaran berlalu lintas.
Polrestabes Surabaya Timur
• Hasil penelitian ini dapat memberikan masukan kepada Polrestabes Surabaya Timur akan kesadaran berlalu lintas masyarakat Surabaya Timur
Keilmuan Statistik
• 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 : H0 : ∑ = ∑(θ), matriks kovarians populasi sama dengan matriks kovarians yang diestimasi. H1 : ∑ ≠ ∑(θ), matriks kovarians populasi tidak sama dengan matriks kovarians yang diestimasi. Hasil yang diharapkan adalah gagal tolak H0 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 sebagaiFaktor kejadian di mana Manusia sebuah kendaraan bermotor bertabrakan dengan benda lain dan menyebabkan kerusakan, serta berisiko dapat mengakibatkan lukaluka atau kematian manusia Faktor Kendaraan Faktor-faktor penyebab kecelakaan lalu lintas 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),
A
Mulai
Identifikasi Model
Melakukan Survey
Estimasi Model Data Kuisoner Modifikasi model
A
Tahap II
Analisis Deskriptif
Selesai
Tahap II Lanjutan
Tahap I
Persiapan Suvey
Menguji Multinormal
Analisis Deskriptif PENGETAHUAN TENTANG SAFETY RIDING
28%
Jenis Kelamin
Tidak tahu Ya tahu
72%
Mengetahui Safety Riding Ya Tidak Total
> 40 th 14% 8% 22%
Usia 17 - 24 th 33% 15% 48%
Mengetahui Safety Riding
Laki laki
Peremp uan Total
Ya
42%
30%
72%
Tidak
17%
12%
82%
Total
58%
42%
100%
25 - 40 th 25% 5% 30%
Total 72% 28% 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
Goodness of fit Index
2 - Chi square
Probability RMSEA GFI AGFI 1 df ( p q)( p TLI q 1) t 2 CFI 1 (0 5)(0 5 1) 10 2 =5
Cut off value ≥ 0,05 ≤ 0,08 ≥ 0,90 ≥ 0,90 ≥ 0,90 ≥ 0,90
Hasil model 11,60 0,04 0,07 0,98 0,94 0,96 0,98
Keterangan
Baik Kurang baik Baik Baik Baik Baik Baik
Uji Unidimensionalitas Variabel laten Kesadaran Hubungan
Estimasi
t
t tabel
Y1
<---
Kesadaran
0,548
Y2
<---
Kesadaran
0,487
5,26
1,96
Y3
<---
Kesadaran Hubungan
0,555
4,908
Y4
Y1 <---
<--Kesadaran
1,96 Estimasi 0,548 1,96 0,487 1,96 0,555 0,835 0,412
Y5
Y2 <--Y3 Y4 Y5
<--Kesadaran <--<--<---
Kesadaran 0,835 Kesadaran 0,412 Kesadaran Kesadaran Kesadaran
Keterangan
R2 0,300
4,621 4,88
Signifikan
0,238
kesalahan pengukuran Signifikan 0,308 (δ)(1-λi2) 0,699696 Signifikan 0,698 0,762831 Signifikan 0,691975 0,170 0,302775 0,830256
Uji Unidimensionalitas Variabel laten Pribadi
Cut off value
Hasil model
-
280,43
diharapkan kecil
0,00
Kurang baik
RMSEA
≥ 0,05 ≤ 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
≥ 0,90
0,78
Kurang baik
Goodness of fit Index
2 - Chi square Probability
df
1 ( p q)( pCFI q 1) t 2
1 (0 12)(0 12 1) t 2 = 54
Keterangan
Uji Unidimensionalitas Variabel laten Pribadi M.I.
e2 <--> e1 e4 Hubungan <--> e3 e5 <--> e3 e5 <--> X1.12 <--- e4 Pribadi e6 <--> X1.11 <--- e4 Pribadi e6 <--> X1.10 <--- e5 Pribadi e7 <--> e5 X1.9 <--- Pribadi e8 <--> e1 X1.8e8 <--> <--- e5 Pribadi X1.7e8 <--> <--- e7 Pribadi X1.6e9 <--> <--- e1 Pribadi X1.5e9 <--> <--- e3 Pribadi X1.4e9 <--> <--- e4 Pribadi e9 <--> e5 X1.3 <--- Pribadi e9 <--> e7 X1.2e9 <--> <--- e8 Pribadi X1.1e10 <--> <--- e4 Pribadi e10 <--> e5 e10 <--> e8 e10 <--> e9
14,555 13,967 Estimasi 5,404 75,339 0,596 11,768 0,57 28,949 0,529 9,088 0,689 6,550 0,334 4,081 0,708 5,988 8,556 0,537 5,770 0,451 10,551 0,556 4,415 0,536 10,675 0,639 21,102 0,678 10,804 11,205 9,905 42,975
Par Change
t 7,023 6,621
8,064 4,468 8,213 6,701 5,812 6,888 6,69 7,652 7,98
,316 ,279 t tabel ,177 ,601 ,2081,96 ,333 1,96 -,194 1,96 -,308 -,2351,96 ,2611,96 -,2501,96 -,2151,96 -,265 1,96 -,175 1,96 ,247 ,6311,96 -,3081,96 -,320 ,497 ,739
Keterangan Signifikan Signifikan
Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan
R2
0,356 0,325 0,279 0,475 0,112 0,501 0,288 0,203 0,309 0,287 0,409 0,460
Uji Unidimensionalitas Variabel laten Pribadi kesalahan pengukuran Cut off Hasil R2(sebelum R22 (sesudah Hubungan Estimasi Keterangan (δ)(1-λi ) Goodness of fit Index value model modifikasi)0,645 modifikasi) Hubungan X1.12 <--Pribadi 0,596 X1.11 <---<--- - Pribadi X1.12 Pribadi115,340,57 diharapkan 0,356 0,675 2 - Chi square kecil0,368 X1.10 <---<--- Pribadi 0,529 0,325 0,720 0,323 X1.11 Pribadi Probability X1.9 baik <--- ≥ 0,05 Pribadi 0,000,689 Kurang0,525 X1.10 <--Pribadi 0,279 0,227 X1.8 <--Pribadi 0,334 0,888 RMSEA ≤ 0,08 0,07 Baik X1.9 <--Pribadi 0,475 0,428 X1.7 <--- ≥ 0,90 Pribadi 0,920,708 0,499 GFI Baik X1.8 Pribadi 0,112 0,712 0,084 X1.6 <---<--Pribadi AGFI ≥ 0,90 0,900,537 Baik X1.7 <--Pribadi 0,501 X1.5 <--Pribadi 0,797 0,505 TLI ≥ 0,90 0,910,451 Baik X1.4 <---<--- Pribadi 0,556 0,288 0,691 X1.6 Pribadi 0,27 CFI ≥ 0,90 0,93 Baik X1.3 <---<--- Pribadi 0,536 0,203 0,713 0,159 X1.5 Pribadi X1.2 <--0,639 X1.4 <--- Pribadi Pribadi 0,309 0,592 0,283 X1.1 <--Pribadi 0,678 0,540
X1.3 X1.2 X1.1
<--<--<---
Pribadi Pribadi Pribadi
0,287 0,409 0,46
0,291 0,442 0,506
Uji Unidimensionalitas Variabel laten Aturan
Goodness of fit Index
2 - Chi square Probability RMSEA GFI AGFI TLI CFI
= 14
Cut off value ≥ 0,05 ≤ 0,08 ≥ 0,90 ≥ 0,90 ≥ 0,90 ≥ 0,90
Hasil model
Keterangan
60,05 0,00 0,12 0,93 0,86 0,86 0,91
Diharapkan kecil Kurang baik Kurang baik Baik Kurang baik Kurang baik Baik
Uji Unidimensionalitas Variabel laten Aturan
Hubungan
Estimasi
X2.7
<---
Aturan
0,712
X2.6
<---
Aturan
X2.5
<--- X2.7 Aturan <--- X2.6 Aturan <--- X2.5 Aturan X2.4 <--- X2.3 Aturan <--- X2.2 Aturan X2.1
X2.4 X2.3 X2.2 X2.1
0,446 Hubungan 0,728 <--<--0,608 <--0,522 <--0,739 <--0,59 <--<---
t
6,248 10,278 Aturan Aturan 8,584 Aturan 7,332 Aturan 10,421 Aturan 8,312 Aturan Aturan
t tabel
Keterangan
R2
kesalahan 0,501 pengukuran 1,96 Signifikan 0,199 Estimasi (δ)(1-λi2) 1,960,762Signifikan 0,419 0,530 0,801 0,370 1,960,446Signifikan 0,470 0,272 1,960,728Signifikan 0,608 0,630 1,960,522Signifikan 0,728 0,546 1,960,739Signifikan 0,454 0,348 0,59 0,652
Uji Unidimensionalitas Variabel laten Lingkungan
Goodness of fit Index
2 - Chi square Probability RMSEA GFI AGFI TLI CFI
= 20
Cut off value ≥ 0,05 ≤ 0,08 ≥ 0,90 ≥ 0,90 ≥ 0,90 ≥ 0,90
Hasil model 106,29 0,00 1,38 0,89 0,80 0,81 0,86
Keterangan Diharapkan kecil Kurang baik Kurang baik Kurang baik Kurang baik Kurang baik Kurang baik
Uji Unidimensionalitas Variabel laten Lingkungan
Hubungan X3.8 X3.7 X3.6 X3.5 X3.4 X3.3 X3.2 X3.1
<--<--<--<--<--<--<--<---
Estimasi
e2Lingkungan<--> 0,726 e1 e4Lingkungan<--> 0,77e2 e5Lingkungan<--> 0,596 e1 Lingkungan 0,667 e6 <--> e4 Lingkungan 10,676 e7Lingkungan<--> 0,542 e1 e7Lingkungan<--> 0,598 e5 e8Lingkungan<--> 0,544 e1 e8 <--> e7
t
Keterangan M.I.t tabel Par Change 21,209 ,393 10,595 6,4271,96 Signifikan -,191 8,29525,3971,96 Signifikan ,411 9,27 1,96 Signifikan 10,960 ,269 9,389 1,96 Signifikan -,120 7,55 4,8541,96 Signifikan -,129 8,331 6,4651,96 Signifikan 7,58211,5351,96 Signifikan -,193 26,978 ,183
R2 0,528 0,592 0,355 0,445 0,457 0,293 0,358 0,296
Uji Unidimensionalitas Variabel laten Lingkungan
Goodness of fit Index Hubungan 2 X3.8 - Chi <---square Lingkungan X3.7Probability <--- Lingkungan X3.6RMSEA <--- Lingkungan X3.5GFI <--- Lingkungan X3.4AGFI<--- Lingkungan X3.3TLI <--- Lingkungan X3.2CFI <--- Lingkungan X3.1 <--- Lingkungan
Cut off 2 R value Sebelum modifikasi 0,528 ≥ 0,592 0,05 ≤ 0,355 0,08 ≥ 0,445 0,90 ≥ 0,457 0,90 ≥ 0,293 0,90 ≥ 0,358 0,90 0,296
Hasil 2 Sesudah Keterangan R model modifikasi 30,15 0,443 Diharapkan kecil 0,506 0,02 Kurang baik 0,408 0,06 Baik 0,429 0,97 Baik 0,519 0,93 Baik 0,298 0,97 Baik 0,324 0,98 Baik 0,228
Second Order Confirmatory Kesadaran Berlalu Lintas Goodness of fit Index
2 - Chi square Probability
Cut off value -
Hasil model
Keterangan
972,49 Kurang baik 0,00
Kurang baik
RMSEA
≥ 0,05 ≤ 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 Pribadi <--- Kesadar Aturan <--- Kesadar Lingkung <--- Kesadar
X1#12 X1#11 X1#10 X1#9 X1#8 X1#7 X1#6 X1#5 X1#4 X1#3 X1#2 X1#1
<--<--<--<--<--<--<--<--<--<--<--<---
Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi
Estimasi 0,87 0,89 0,97
0,58 0,57 0,50 0,68 0,33 0,68 0,60 0,50 0,60 0,52 0,63 0,65
t 8,41 10,65 11,85
6,97 6,34 7,87 X2#7 4,42 X2#6 7,96 X2#5 7,17 X2#4 6,24 X2#3 7,13 X2#2 6,52 X2#1 7,69 X3#8 7,80 X3#7 X3#6 X3#5 X3#4 X3#3 X3#2 X3#1
t-tabel Ket 1,96 Signifikan 1,96 Signifikan 1,96 Signifikan
1,96 1,96 1,96 1,96 1,96 1,96 1,96 1,96 1,96 1,96 1,96
R2 0,75 0,79 0,94
0,34 0,32 Signifikan 0,25 Signifikan <---Signifikan Aturan 0,46 <---Signifikan Aturan 0,11 <---Signifikan Aturan 0,47 <---Signifikan Aturan 0,36 <---Signifikan Aturan 0,25 <---Signifikan Aturan 0,36 <---Signifikan Aturan 0,27 0,40 Signifikan <--- Lingkung 0,43 Signifikan <--- Lingkung <--- Lingkung <--- Lingkung <--- Lingkung <--- Lingkung <--- Lingkung <--- Lingkung
0,71 0,42 0,76 0,57 0,51 0,75 0,64 0,75 0,79 0,60 0,64 0,73 0,51 0,55 0,50
6,06 10,48 8,14 7,20 10,37 8,77 12,03 8,72 9,26 10,56 7,41 8,01 7,14
1,96 1,96 1,96 1,96 1,96 1,96 1,96 1,96 1,96 1,96 1,96 1,96 1,96
Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan Signifikan
0,51 0,18 0,58 0,33 0,26 0,56 0,41 0,56 0,62 0,36 0,40 0,53 0,26 0,30 0,25
Second Order Confirmatory Kesadaran Berlalu Lintas
e21 e21 E22 E23 E23 E23 e24 e24 e25 e25 e25 e26 e27 e27 e27 e13 e13 e13 e13 e13 e14 e15
<--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <-->
e30 e20 e20 e30 e28 e21 e20 e21 e29 e28 e23 e23 e20 e23 e26 e29 e28 e22 e23 e26 e26 e13
M.I. 4,222 27,473 6,947 8,558 5,38 5,814 31,618 5,903 4,122 4,48 6,426 5,391 6,948 4,33 17,707 6,04 7,538 4,185 4,744 5,548 6,345 13,722
Par Change 0,074 0,466 0,212 -0,085 0,09 -0,173 0,474 0,202 -0,077 0,105 0,189 -0,098 -0,145 -0,092 0,134 -0,084 0,126 -0,155 -0,15 0,117 0,103 -0,35
Goodness of fit Index 2 - Chi square
Cut off value -
Hasil model 546,39
Probability RMSEA GFI AGFI TLI CFI
≥ 0,05 ≤ 0,08 ≥ 0,90 ≥ 0,90 ≥ 0,90 ≥ 0,90
0,00 0,06 0,85 0,81 0,89 0,91
Keterangan Diharapkan kecil Kurang baik Baik Kurang baik Kurang baik Kurang baik Baik
Second Order Confirmatory Kesadaran Berlalu Lintas
Hubungan Pribadi Aturan Lingkungan X1#12 X1#11 X1#10 X1#9 X1#8 X1#7 X1#6 X1#5 X1#4 X1#3 X1#2 X1#1 X2#7 X2#6 X2#5 X2#4 X2#3 X2#2 X2#1 X3#8 X3#7 X3#6 X3#5 X3#4 X3#3
<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<--<---
Kesadaran Kesadaran Kesadaran Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi Pribadi Aturan Aturan Aturan Aturan Aturan Aturan Aturan Lingkungan Lingkungan Lingkungan Lingkungan Lingkungan Lingkungan
R2 Sebelum modifikasi 0,865 0,889 0,971 0,581 0,565 0,504 0,675 0,332 0,684 0,599 0,503 0,598 0,516 0,633 0,652 0,712 0,422 0,763 0,573 0,514 0,749 0,637 0,746 0,785 0,601 0,636 0,725 0,511
R2 Sesudah modifikasi 0,851 0,869 0,991 0,601 0,588 0,495 0,648 0,293 0,695 0,710 0,476 0,571 0,507 0,639 0,658 0,684 0,371 0,767 0,571 0,523 0,749 0,650 0,711 0,757 0,618 0,630 0,732 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 • Kontribusi terbesar pada variabel adalah indikator diketahui dengan kuat, laten lebihkesadaran baik penelitian ini Y4 (saya pernah melihat kecelakaan sehingga saya lebih berhati-hati). dilanjutkan dengan motode SEM (Structural Sedangkan pada variabel laten pribadi kontribusi terbesar pada Equation indikator X1.1 (Tidak mengerem secara mendadak) dengan nilai sebesar Modeling). 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
