ANALISIS MODEL LOG LINIER UNTUK MENGETAHUI KECENDERUNGAN PERILAKU ANAK JALANAN BINAAN DI SURABAYA (KASUS KHUSUS YAYASAN AREK LINTANG-ALIT) Silvira Ayu Rosalia1,, Sri Pingit Wulandari 2 Mahasiswa Statistika ITS,
[email protected] 2 Dosen Statistika ITS,
[email protected]
1
ABSTRAK Permasalahan klasik yang timbul di kota-kota besar adalah masalah kependudukan, mereka yang nekat datang ke kota tanpa dibekali oleh kemampuan dan potensi diri yang cukup akan tersisihkan. Hal itulah yang memicu munculnya fenomena anak jalanan, sebagian dari mereka terpaksa menggantungkan hidupnya pada penghasilan yang mereka peroleh dari jalanan. Kegiatan untuk mengarahkan anak jalanan dilakukan dengan pemberian pembinaan, khususnya di rumah singgah. Pembinaan diharapkan memberikan pengaruh yang lebih baik terhadap perilaku anak jalanan. Untuk itu dilakukan penelitian mengenai kecenderungan karakteristik anak jalanan berdasarkan faktor sosial ekonomi dengan perilaku anak jalanan binaan dengan pemodelan log linear. Dengan menggunakan pendekatan log linier dihasilkan model yaitu terdapat hubungan antara kegiatan anak di jalan dengan keterlibatan konflik dengan aparat pemerintah, kegiatan anak di jalan dengan kepedulian terhadap nasib teman, lama menjadi anak jalanan dengan keterlibatan konflik dengan masyarakat sekitar, lama menjadi anak jalanan dengan harapan terhadap pemerintah, pendidikan orang tua dengan kepedulian terhadap nasib teman, pekerjaan orang tua dengan kepedulian terhadap nasib teman, sikap orang tua terhadap anak terjun ke jalan dengan kepedulian terhadap nasib teman, pendidikan anak dengan interaksi dengan masyarakat sekitar tempat tinggal, hubungan sosial dalam keluarga dengan frekuensi kunjungan ke rumah singgah, faktor penyebab menjadi anak jalanan dengan keterlibatan konflik dengan masyarakat, kondisi lingkungan tempat tinggal dengan frekuensi ke rumah singgah, kondisi lingkungan tempat tinggal dengan jenis pembinaan yang disukai dan bermanfaat dan jumlah penghasilan anak/hari dengan kepedulian terhadap nasib teman. Kata kunci : anak jalanan, pembinaan, rumah singgah, log linier.
1. Pendahuluan
Permasalahan klasik yang timbul di kota-kota besar adalah masalah kependudukan, sekaligus aspekaspek yang menyertainya, seperti pemukiman, pendidikan, layanan sosial, dan lain sebagainya. Berdasarkan data Badan Pusat Statistik (BPS) diketahui jumlah penduduk datang meningkat dari 32.685 jiwa pada tahun 2007 menjadi 50.300 jiwa pada tahun 2008 dan pada tahun 2009 berjumlah 70.995 jiwa. Mereka yang nekat datang ke kota tanpa dibekali oleh kemampuan dan potensi diri yang cukup akan tersisihkan dan harus mencari jalan keluar dari permasalahannya dengan melakukan berbagai cara, ditambah dengan maraknya angka pengangguran dan masalah sosial lainnya. Hal itulah yang memicu timbulnya salah satu permasalahan kependudukan di kota-kota besar, yakni munculnya fenomena anak-anak jalanan, sebagian dari mereka terpaksa menggantungkan hidupnya pada penghasilan yang mereka peroleh dari jalanan dengan melakukan berbagai kegiatan yang sekiranya dapat mendatangkan uang. (Hakiki,1999) Jumlah anak jalanan di berbagai kota besar dengan mudah dapat diperhatikan dengan jelas sebab terus tumbuh dan berkembang, meskipun sudah cukup banyak upaya dilakukan, baik oleh pemerintah maupun Lembaga Swadaya Masyarakat (LSM), untuk mengurangi jumlah anak yang hidup di jalanan. Jumlah anak jalanan di Jawa Timur sendiri dari data Dinas Sosial, meningkat dari tahun 2009 yaitu 5.224 orang menjadi 5.324 orang pada tahun 2010, dimana sebagian besar berada di kota
Surabaya, dan sisanya tersebar di berbagai pelosok kota lainnya. Sejumlah kajian menyebutkan munculnya masalah anak jalanan ini terkait dengan faktor kemiskinan, selain itu akibat ketidakharmonisan keluarga dan juga kurang bertanggung jawab orang tua terhadap keluarga (Sanituti, 2002). Tingginya angka pengangguran memicu timbulnya kemiskinan dimana kepala keluarga tidak mampu memenuhi kebutuhan keluarganya yang kemudian memunculkan fenomena anak jalanan untuk membantu pemenuhan hidup dirinya dan keluarganya. Selama ini upaya yang telah dilakukan untuk menangani anak jalanan adalah berusaha mengeluarkan mereka dari jalanan, yaitu adanya kegiatan untuk mengarahkan anak jalanan melalui pembinaan dengan memasukkan ke rumah singgah, tempat-tempat pelatihan dan sejenisnya. Akan tetapi dalam pelaksanaanya perlu diperhatikan banyak faktor, yaitu faktor eksternal maupun internal yang dapat mempengaruhi sikap dan perilaku anak jalanan dalam menjalani kehidupannya. Pembinaan yang dilakukan terhadap anak jalanan diharapkan dapat memberikan pengaruh pada perilaku anak jalanan, dimana anak jalanan yang mendapatkan pembinaan bisa memiliki perilaku yang lebih baik dan positif. Penelitian ini bertujuan untuk mengetahui karakteristik dan perilaku anak jalanan binaan berdasarkan faktor sosial dan ekonomi dan mengkaji hubungan antara faktor sosial ekonomi dengan perilaku anak jalanan binaan. Data yang digunakan adalah data survey pada anak jalanan binaan di Yayasan Arek Lintang (ALIT). Dikarenakan data yang digunakan bersifat 1
kategorikal maka metode pemodelan log linear.
yang digunakan adalah
2. Tabel Kontingensi Dua Dimensi
Analisis tabel kontingensi digunakan untuk mengetahui ada atau tidaknya hubungan antara variabel yang satu dengan variabel yang lainnya. Tabel kontingensi dua dimensi merupakan tabel silang (cross tabulation) antara dua variabel yang bersifat kategori, dimana setiap variabel tersebut terdiri dari beberapa level atau kategori. Bentuk tabel kontingensi dua dimensi dengan variabel X terdiri dari i kategori (i buah baris) dan variabel Y terdiri dari j kategori (j buah kolom), dapat dilihat pada tabel berikut : Tabel 1 Struktur Sel Tabel Kontingensi Dua Dimensi
Y1
Y2
....
Yj
Total
X1
n11
n12
...
n1j
n1+
X2
n21
n22
...
n2j
n2+
Xi
ni1
ni2
...
nij
ni+
Total
n+1
n+2
...
n+j
n++
dimana : nij = jumlah pengamatan pada baris ke-i kolom ke-j ni+ = pengamatan pada baris ke-i, i = 1, 2, ....I n+j = pengamatan pada kolom ke-j, j = 1, 2, ....J n++ = jumlah seluruh pengamatan Pada tabel kontingensi masing–masing selnya harus memenuhi syarat sebagai berikut (Fiendberg, 1976). a. Homogen b. Mutually Exclusive dan Mutually Exhaustive c. Skala pengukuran nominal atau ordinal
3. Uji Independensi
Uji independensi digunakan untuk mengetahui ada tidaknya hubungan antar dua varibel yang telah ditetapkan. Andaikan tabel dua dimensi mempunyai varibel A dan B dengan I baris dan J kolom, maka hipotesis untuk pengujian independensi adalah sebagai berikut. H0 : kedua variabel saling independen (tidak ada hubungan antar varibel A dan B) H1 : kedua variabel saling dependen (ada hubungan antar variabel A dan B) Uji yang sesuai untuk hipotesis tersebut adalah Pearson Chi-Square (χ2), dimana untuk taksiran nilai harapannya adalah sebagai berikut. 𝑛𝑖+ 𝑛+𝑗
𝑚𝑖𝑗 = 𝑛 ++
(1)
Statistik ujinya adalah sebagai berikut. ˆ ij ) 2 I J ( nij m (2) 2 i 1 j 1 mˆ ij Hasil statistik uji tersebut dibandingkan dengan nilai distribusi Chi-Square dengan derajat bebas db = (I1) (J-1) serta dengan kriteria penolakan H0 adalah χ2hitung > χ2(db,α) atau P_value < α.
Uji χ2 menuntut frekuensi-frekuensi yang diharapkan tidak boleh terlalu kecil. (Wayne, 1998) mengatakan untuk uji χ2 dengan db yang lebih besar dari 1, lebih dari 20% selnya harus mempunyai frekuensi yang diharapkan lebih dari 5 dan tidak satu sel pun boleh memiliki frekuensi yang diharapkan kurang dari satu. Jika persyaratan tersebut tidak dipenuhi, maka harus dilakukan penggabungan kategori-kategori yang berdekatan. Setelah dilakukan penggabungan dan kurang dari 20% sel-sel itu memiliki frekuensi yang diharapkan kurang dari 5, pengujian bisa dilanjutkan dengan uji χ2.
4. Model Log Linier
Model log linier adalah suatu model untuk memperoleh model statistika yang menyatakan hubungan antara variabel dengan data yang bersifat kualitatif (skala nominal atau ordinal). Dengan menggunakan pendekatan log linier bisa diketahui model matematikanya secara pasti serta level atau kelas mana yang cenderung menimbulkan adanya hubungan atau dependensi. Pada tabel kontingensi dua dimensi terdiri dari dua faktor, yaitu faktor I sebagai faktor baris dan faktor J sebagai faktor kolom. Jika kedua faktor ini independen, maka peluang pengamatan 𝜋ij= 𝜋i+ . 𝜋+j, dimana : i = 1, 2, . . ., I j = 1, 2, . . ., J dimana frekuensi nilai harapannya adalah sebagai berikut. 𝑚𝑖𝑗 = 𝑛++ 𝜋𝑖𝑗 = 𝑛++ 𝜋𝑖+ 𝜋+𝑗 (3) Jika persamaan (2.3) dinyatakan dalam bentuk logaritma, maka didapatkan : 𝐿𝑜𝑔 𝑚𝑖𝑗 = log 𝑛++ + log 𝜋𝑖+ + log 𝜋+𝑗 (4) Bila dijumlahkan untuk semua i (baris) maka. 𝐼 𝐼 𝑖=1 𝐿𝑜𝑔 𝑚𝑖𝑗 = 𝐼 log 𝑛++ + 𝑖=1 𝜋𝑖+ + 𝐼 log 𝜋+𝑗 Dan bila dijumlahkan untuk semua j (kolom), maka model menjadi : 𝐽 𝐽 𝑗 =1 𝐿𝑜𝑔 𝑚𝑖𝑗 = 𝐽 log 𝑛++ + 𝐽 log 𝜋𝑖+ + 𝑗 =1 log 𝜋+𝑗 Sehingga bila dijumlahkan untuk semua i dan j, didapat : 𝐽 𝐼 𝐼 𝑖=1 𝑗 =1 𝐿𝑜𝑔 𝑚𝑖𝑗 = 𝐼 𝐽 log 𝑛++ + 𝐽 𝑖=1 log 𝜋𝑖+ + 𝐼𝑗=1𝐽log𝜋+𝑗 Selanjutnya jika dimisalkan : 𝜇 = log 𝑛++ + 𝜆𝑖𝑥 = log 𝜋𝑖+ − 𝑦
𝜆𝑗 = log 𝜋+𝑗 −
log 𝜋 𝑖+ 𝐼 𝑖=1 𝐼 log 𝜋 𝑖+ 𝐼 𝑖=1 𝐼 log 𝜋 +𝑗 𝐽 𝑗 =1 𝐽
+
log 𝜋 +𝑗 𝐽 𝑗 =1 𝐽
Maka persamaan (4) menjadi sebagai berikut. 𝑦 𝐿𝑜𝑔 𝑚𝑖𝑗 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 (5) Model (5) inilah yang disebut dengan model Log Linier Independen pada tabel kontingensi dua dimensi (Agresti, 1990). Dalam model tersebut 𝜇 menunjukkan efek ratarata secara umum, 𝜆𝑖𝑥 menunjukkan efek utama kategori 𝑦 ke-i variabel X, 𝜆𝑗 menunjukkan efek utama kategori ke-j 𝑦 variabel Y. Dimana juga berlaku 𝐼𝑖=1 𝜆𝑖𝑥 = 𝐽𝑗 =1 𝜆𝑗 = 0. Jika ada dependensi antara kedua variabel, dengan nilai mij > 0 dan dimisalkan 𝜂𝑖𝑗 = log 𝑚𝑖𝑗 𝜂 𝑖𝑗 𝐽 𝜂𝑖+ = 𝑗 =1 𝐽 𝜂+𝑗 =
𝜂 𝑖𝑗 𝐼 𝑖=1 𝐼
𝜇 = 𝜂++ =
𝐼 𝑖=1
𝜂 𝑖𝑗 𝐽 𝑗 =1 𝐼𝐽
2
Serta jika ditetapkan 𝜆𝑖𝑥 = 𝜂𝑖+ − 𝜂++ 𝑦 𝜆𝑗 = 𝜂+𝑗 − 𝜂++ 𝑥𝑦 𝜆𝑖𝑗 = 𝜂𝑖𝑗 − 𝜂𝑖+ − 𝜂+𝑗 + 𝜂++ Maka modelnya menjadi sebagai berikut. 𝑦 𝑥𝑦 𝐿𝑜𝑔 𝑚𝑖𝑗 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑖𝑗 (6) Model (6) disebut dengan model jenuh. Selanjutnya dicari nilai dari derajat bebasnya (df). Derajat bebas adalah banyaknya sel dikurangi dengan banyaknya parameter yang diestimasi. Untuk model independen (5), merupakan kasus khusus dari model 𝑥𝑦 jenuh (6) dimana 𝜆𝑖𝑗 = 0. Jumlah parameter yang diestimasi = I + (I-1) + (J-1). Sehingga untuk model independen, mempunyai derajat bebas df = (IJ – 1) – [(I – 1) + (J – 1)] = IJ – 1 – J + 1 = (I – 1) (J – 1)
5. Uji Goodness of Fit
Manfaat dari Goodness of Fit Statistisc adalah untuk membandingkan atau menentukan ada atau tidaknya jarak antara observasi dan model. Untuk menguji hipotesis pada tiap model digunakan uji Person Chi Square (χ2) atau Likelihood Ratio Test (G2) sebagai berikut : Uji Person Chi Square (χ2) yaitu 𝜒2 =
𝐼 𝑖=1
2
(𝑛 𝑖𝑗 −𝑚 𝑖𝑗 ) 𝐽 𝑗 =1 𝑚
(7)
𝑖𝑗
Uji Likelihood Ratio Test (G2) yaitu nij I J G 2 2i 1 j 1 nij log mˆ ij
(8)
6. Uji K-Way
1. Pengujian interaksi pada derajat K atau lebih sama dengan nol (Test that K-Way and higher order effect are zero) Uji ini didasarkan pada hipotesis bahwa efek order keK dan yang lebih tinggi sama dengan nol. Pada model log linear hipotesisnya sebagai berikut. - Untuk K = 2 H0 : Efek order ke-2 = 0 H1 : Efek order ke-2 ≠ 0 - Untuk K = 1 H0 : Efek order ke-1 dan yang lebih tinggi = 0 H1 : Efek order ke-1 dan yang lebih tinggi ≠ 0 2. Pengujian interaksi pada derajat K sama dengan nol (Test that K-Way effect are zero) Uji ini didasarkan pada hipotesis efek order ke-K sama dengan nol. Pada model log linear hipotesisnya sebagai berikut. - Untuk K = 1 H0 : Efek order ke-1 = 0 H1 : Efek order ke-1 ≠ 0 - Untuk K = 2 H0 : Efek order ke-2 = 0 H1 : Efek order ke-2 ≠ 0 Statistik uji yang digunakan adalah Likelihood Ratio Test (G2) Kriteria penolakan G2 > χ2 (db;α) maka tolah H0. 7. Uji Asosiasi Parsial Pengujian ini mempunyai tujuan untuk menguji semua parameter yang mungkin dari suatu model lengkap
baik untuk satu variabel yang bebas maupun untuk hubungan ketergantungan beberapa variabel yang merupakan parsial dari suatu model lengkap. Hipotesisnya adalah sebagai berikut. - H0 : Efek interaksi antara variabel 1 dan variabel 2 = 0 H1 : 𝐻0 - H0 : Efek variabel 1 = 0 H1 : 𝐻0 - H0 : Efek variabel 2 = 0 H1 : 𝐻0 Statistik uji yang digunakan adalah Partial Chi Square Kriteria penolakan Partial Chi Square > χ2 (db;α) maka tolak H0
8. Seleksi Model
Seleksi model log linier dilakukan dengan metode Backward Elimination. Metode Backward Elimination pada dasarnya menyeleksi model dengan menggunakan prinsip hierarki, yaitu dengan melihat model terlengkap sampai dengan model yang sederhana. Langkah-langkah yang dilakukan adalah 1. Anggap model (0) yaitu model XY sebagai model terbaik. 2. Keluarkan efek interaksi dua faktor sehingga modelnya menjadi (X, Y) yang disebut model (1). 3. Bandingkan model (0) dengan model (1) dengan hipotesis sebagai berikut. (7) H0 : Model (1) = model terbaik H1 : Model (0) = model terbaik Statistik uji yang digunakan adalah Likelihood Ratio Test (G2) Kriteria penolakan G2 > χ2 (db;α) maka tolak H0 4. Jika H0 ditolak, maka dinyatakan bahwa model (0) adalah model terbaik. Tetapi jika gagal tolak H0, maka bandingkan model (1) tersebut dengan model (0). Kemudian salah satu interaksi dua faktor dikeluarkan dari model. 5. Untuk menentukan interaksi mana yang dikeluarkan terlebih dahulu maka dipilih nilai G2 terkecil. 9. Model Log Linier Tiga Dimensi Dengan metode log linier maka dapat diperoleh persamaan yang menggambarkan ada tidaknya hubungan antara dua atau lebih variabel dan pola hubungannya sekaligus untuk mengetahui sel-sel mana yang menyebabkan dependensi. Var 1 (X1) 1 2 … I
Tabel 2 Tabel Kontingensi 3 dimensi Var 2 (X2) 1 … J 1 … J … 1 … J
1 n111 … n1j1 n211 … n2j1 … ni11 … nij1
Var 3 (X3) 2 … n112 … … … n1j2 … n212 … … … n2j2 … … … ni12 … … … nij2 …
K n11k … n1jk n21k … n2jk … ni1k … nijk
Keterangan : nijk = banyaknya observasi pada kategori baris ke-i, kolom ke-j dan layer ke-k. Jika antara ketiga variabel tersebut saling independent, maka taksiran nilai harapan dari masingmasing sel adalah sebagai berikut : 3
eij
ni.. n. j . n..k
(9)
10. Anak Jalanan
Departemen Sosial RI mendefinisikan anak jalanan yaitu anak yang menghabiskan sebagian besar waktunya untuk mencari nafkah atau berkeliaran di jalanan atau dimana : tempat-tempat umum. Definisi ini lebih luas karena sudah J K ni.. nijk jumlah nilai observasi pada baris ke-i memasukkan aspek tempat anak menjalankan aktifitas (jalanan/tempat umum) juga aktifitas anak (mencari j 1 k 1 nafkah/berkeliaran). Selanjutnya Depsos membedakan I K anak jalanan dalam tiga kategori, yaitu : jumlah observasi pada kolom ke-j n. j . nijk 1. Anak yang hidup atau tinggal di jalanan, yakni anak i 1 k 1 J I yang berpartisipasi penuh di jalanan, baik secara sosial maupun ekonomi dan tidak ada hubungan dengan n..k nijk jumlah nilai observasi pada lyer ke-k keluarganya karena adanya kekerasan atau masalah j 1 i 1 dalam keluarga yang menyebabkan lari atau pergi dari I J K rumah (children of the street) n... nijk jumlah seluruh nilai observasi 2. Anak yang bekerja di jalanan, anak-anak tersebut i 1 j 1 k 1 mempunyai kegiatan ekonomi (sebagai pekerja anak) Bila kedua ruas persamaan (2.12) dinyatakan dalam di jalan dan masih berhubungan dengan keluarganya bentuk logaritma didapatkan : yakni pulang ke rumah secara periodik (children on log eijk = log ni .. + log n. j . + log n..k - 2 log n... the street) 3. Anak yang mempunyai resiko tinggi menjadi anak yang analog dengan : log eij = u + u1( i ) + u 2( j ) + u3( k ) jalanan, mereka belum menjadi anak jalanan murni Arti dari model tersebut adalah variabel 1, 2 dan 3 dan masih tinggal dengan orang tuanya, kerentanan ada dalam model, tapi tidak ada interaksi antara ketiganya menjadi anak jalanan dapat dilihat dari kondisi (ketiga variabel independen). ekonomi orang tua yang hidup di lingkungan Jika terdapat interaksi pada ketiga variabel, maka kemiskinan absolut, sehingga suatu saat bisa menjadi model menjadi anak jalanan (children from families of the street) log eijk u u1(i ) u 2( j ) u3( k ) u12(ij ) u13(ik ) u 23( jk ) u123(ijk ) Pada umumnya anak jalanan berasal dari keluaraga dimana : marginal perkotaan, sebagian besar adalah pendatang dari I J I K J K I J K daerah (kota kecil) di sekitar kota besar (metropolis), u12(ij ) u13(ik ) u 23( jk ) u123(ijk ) 0 anak-anak bermasalah, korban kekerasan ataupun anaki 1 j 1 i 1 k 1 j 1 k 1 i 1 j 1 k 1 anak yang menerima perlakuan yang salah dari orang Tabel 3 Derajat bebas untuk Log Linear 3 Dimensi tuanya. Mereka mendatangi kota besar dengan harapan Bentuk db akan memperoleh kehidupan yang lebih baik tanpa u 1 memiliki potensi yang cukup sebagai bekal. u1 I-1
n...
2
u2 u3 u12 u13 u23 u123 Total
J-1 K-1 (I-1)(J-1) (I-1)(K-1) (J-1)(K-1) (I-1)(J-1)(K-1) IJK
11. Rumah Singgah
Goodness of Fit Statistics Untuk menguji kebaikan model log linier tiga dimensi maka dilakukan uji Goodness of Fit sebagai berikut : H0 : tidak ada hubungan antara variabel 1,2 dan 3 H1 : ada hubungan antara variabel 1,2 dan 3 Atau H0 : Pijk = Pi.. P.j.P..k H1 : Pijk ≠ Pi.. P.j.P..k Jika banyaknya sel yang nilai harapannya <5 minimal 20 % dari banyaknya seluruh sel maka uji Pearson adalah uji yang sesuai. Dan statistik uji yang digunakan adalah : I
atau
G
2
2
J
K
i 1 j 1 k 1
(nijk eijk ) 2
(10)
eijk I
J
K
2 nijk log i 1 j 1 k 1
nijk eijk
(11)
Rumah singgah didefinisikan sebagai suatu wahana yang dipersiapkan sebagai perantara anak jalanan dengan pihak-pihak yang akan membantu mereka. Pengertian lain yaitu tempat dimana anak-anak jalanan singgah atau ditampung sesuai program yang ada. Anak jalanan boleh tinggal sementara untuk tujuan perlindungan misalnya karena tidak punya rumah (masalah sebagian besar anak jalanan), ancaman atau kekerasan dari orang lain, dan lain-lain. Pada saat sementara tersebut mereka akan memperoleh intervensi yang intensif (pelayanan dan pembinaan) sehingga mereka tidak bergantung terus kepada rumah singgah. Rumah singgah tidak memperkenankan anak jalanan untuk tinggal selamanya. Tujuan umum rumah singgah adalah untuk membantu anak jalanan mengatasi masalahmasalahnya dan menemukan alternatif untuk pemenuhan kebutuhan hidupnya.
12. Metodologi Penelitian
Data yang digunakan pada penelitian ini adalah data primer yang diperoleh dari survey menggunakan kuisioner kepada anak jalanan yang dibina di ALIT yang berusia 7-18 tahun yang mengakses rumah singgah (shelter) atau Save Play Area (SPA) yaitu ada 127 anak. 4
Variabel yang diteliti adalah indikator yang menjelaskan karakteristik anak jalanan berdasarkan faktor sosial ekonomi dan perilaku anak jalanan binaan. Variabel yang menjelaskan karakteristik anak jalanan berdasarkan faktor sosial ekonomi yaitu pendidikan anak, kegiatan anak jalanan, lama di jalan, jumlah penghasilan anak dan respon orang tua terhadap anak terjun ke jalan, sedangkan variabel yang menjelaskan perilaku anak jalanan binaan adalah interaksi dengan masyarakat tempat tinggal, keterlibatan konflik dengan masyarakat, kepedulian terhadap nasib teman, harapan terhadap pemerintah dan frekuensi kunjungan ke rumah singgah. Langkah-langkah analisis yang dilakukan pada penelitian ini adalah : 1. Melakukan deskripsi data untuk mengetahui karakteristik dan perilaku anak jalanan binaan berdasarkan faktor sosial dan ekonomi. 2. Membuat tabel tabulasi silang dua dimensi antara variabel pada faktor sosial ekonomi dan faktor perilaku anak jalanan binaan. 3. Melakukan uji independensi dengan menggunakan uji chi-square melalui analisa tabel tabulasi silang 4. Menyusun model log linier dengan langkah : - Menentukan variabel yang memiliki kategori independen - Membentuk model log linear dari tabel dua dimensi untuk mencari model matematis secara pasti serta level mana yang cenderung menimbulkan adanya hubungan atau dependensi. - Melakukan uji Goodness of Fit dengan menggunakan uji Chi Square Pearson dan Ratio Likelihood untuk menguji hipotesis dari tiap model yang terbentuk. - Melakukan seleksi model terbaik dengan metode eliminasi backward 5. Interpretasi model log linier pada hasil model yang didapat dari eliminasi backward.
13. Analisis Deskriptif
Untuk mengetahui karakteristik anak jalanan berdasarkan faktor sosial dan ekonomi dan perilaku anak jalanan binaan dapat dilakukan analisis deskriptif, dijelaskan pada Tabel berikut. Tabel 4 Karakteristik Sosial dan Ekonomi Anak Jalanan Variabel Kategori Frek % Kegiatan anak di jalan Lama di jalan Pendidikan anak Pekerjaan orang tua Pendidikan orang tua Frekuensi bertemu orang tua
Asongan Pengamen Pemulung Bermain < 3 tahun 3-5 tahun > 5 tahun SD SMP SMA Pemulung Buruh Tukang becak Pedagang SD SMP SMA Setiap hari Kadang-kadang Jarang
31 58 22 16 56 61 10 60 39 28 27 32 26 42 42 73 12 85 27 15
24,4 45,7 17,3 12,6 44,1 48,0 7,9 47,2 30,7 22,0 21,3 25,2 20,5 33,1 33,1 57,5 9,4 66,9 21,3 11,8
Mendukung/menyuruh Melarang Biasa (tidak peduli) Dipukuli/dikeroyok Diperas/dipalak Digaruk/ditangkap Terserempet/tertabrak Sering terjadi kekerasan Keluarga tidak peduli Komunikasi kurang baik Baik-baik saja Keluarga Teman Lingkungan tinggal
77 18 32 27 16 36 48
60,6 14,2 25,2 21,3 12,6 28,3 37,8
38
29,9
14
11,0
44
34,6
31 68 12
24,4 53,5 9,4
47
37,0
Perkampungan Pinggiran sungai Lahan bekas makam < Rp 30,000 Jumlah Rp 30.000 - Rp 50.000 penghasilan/hari > Rp 50.000 Kebutuhan pribadi Penggunaan Kebutuhan keluarga penghasilan Perilaku orang tua Sumber : Diolah dari data survei
46 56 25 38 52 37 17 79 31
36,2 44,1 19,7 29,9 40,9 29,1 13,4 62,2 24,4
Hubungan sosial dlm keluarga Kekerasan yang pernah dialami
Hubungan sosial dalam keluarga Faktor penyebab menjadi anak jalanan Kondisi lingkungan tempat tingal
Untuk karakteristik sosial dan ekonomi anak jalanan binaan di rumah singgah ALIT, diketahui mayoritas memiliki kegiatan di jalan sebagai pengamen yaitu sebanyak 58 orang atau 45,7 persen. Untuk lama di jalan, sebagian besar anak jalanan memiliki lama di jalan antara 3-5 tahun yaitu sebanyak 61 orang atau 48,0 persen. Untuk pendidikan, mayoritas anak jalanan berpendidikan SD yaitu sebanyak 60 orang atau 47,2 persen. Untuk pekerjaan orang tua, sebagian besar anak jalanan pekerjaan orang tuanya adalah pedagang yaitu sebanyak 42 orang atau 33,1 persen. Untuk pendidikan orang tua, mayoritas anak jalanan memiliki orang tua berpendidikan SMP yaitu sebanyak 73 orang atau 57,5 persen. Untuk perilaku anak jalanan binaan di rumah singgah ALIT, diketahui mayoritas memiliki frekuensi kunjungan ke rumah singgah sering yaitu sebanyak 46 orang atau 36,2 persen. Untuk jenis pembinaan yang disukai dan bermanfaat, mayoritas anak jalanan menyukai pemberian pelatihan keterampilan yaitu sebanyak 52 orang atau 40,9 persen. Untuk interaksi dengan masyarakat sekitar tempat tinggal, sebagian besar anak jalanan memiliki interaksi cukup yaitu sebanyak 67 orang atau 52,8 persen. Tabel 5 Perilaku Anak Jalanan Binaan Variabel Kategori Frek Frekuensi kunjungan ke rumah singgah Kegiatan yang sering dilakukan di rumah singgah Jenis pembinaan yang disukai dan bermanfaat Interaksi dengan masyarakat
%
Setiap hari Sering Kadang-kadang Jarang Bermain Belajar Sharing/curhat Lainnya Pelatihan keterampilan Bimbingan belajar Bimbingan konseling Intervensi pendidikan dasar
23 46 31 27 44 30 42 11 52 24 37
18,1 36,2 24,4 21,3 34,6 23,6 33,1 8,7 40,9 18,9 29,1
14
11,0
Baik
41
32,3
Cukup
86
67,7
5
sekitar rumah singgah Interaksi dengan masyarakat sekitar tempat tinggal Keterlibatan konflik dengan masyarakat Keterlibatan konflik dengan aparat pemerintah Kepedulian terhadap nasib teman Harapan terhadap pemerintah
15. Hubungan Kegiatan Anak di Jalan dengan Baik
60
47,2
Cukup
67
52,8
Ya
46
36,2
Tidak
81
63,8
Ya
52
40,9
Tidak
75
59,1
Menolong seadanya Menolong sampai tuntas Pembinaan Beasiswa Pemenuhan kebutuhan
86
67,7
41
32,2
5 102 20
3,9 80,3 15,7
Sumber : Diolah dari data survei
14. Uji Independensi antara Faktor Sosial Ekonomi dan Perilaku Anak Jalanan Binaan Sebelum dilakukan penentuan model yang dapat menggambarkan hubungan antar variabel penelitian, terlebih dahulu dilakukan uji independensi untuk menguji hubungan antara variabel faktor sosial ekonomi dan perilaku anak jalanan binaan. Dari hasil uji independensi tersebut, variabel yang saling dependen yang dapat dilakukan analisis model log linier. Hipotesis yang digunakan adalah : H0 : Variabel A dan B independen H1 : Variabel A dan B dependen (ada hubungan) Berikut merupakan hasil uji independensi pada variabel faktor sosial ekonomi dan perilaku anak jalanan binaan yang mendapatkan hasil signifikan yaitu menunjukkan adanya dependensi dan disesuaikan dengan teori yang mendukung variabel. No 1 2 3 4 5
Tabel 6 Uji Independensi Variabel 𝝌2hit
Kegiatan anak di jalan*Keterlibatan konflik dengan aparat pemerintah Lama menjadi anak jalanan*Harapan terhadap pemerintah Hubungan sosial dlm keluarga*Frekuensi kunjungan ke rumah singgah Faktor penyebab menjadi anak jalanan*Keterlibatan konflik dengan masyarakat Kondisi lingkungan tempat tinggal*Frekuensi kunjungan ke rumah singgah
P_value
11,384
0,010
24,465
0,000
19,577
0,021
11,960
0,003
14,172
0,028
Berdasarkan Tabel di atas, diketahui bahwa terdapat lima variabel yang saling dependen karena memiliki nilai χ2 lebih besar dari nilai χ2(df,5%) dan nilai P_value kurang dari α = 0,05. Kemudian dari variabel yang saling dependen tersebut dilakukan analisis model log linier untuk mengetahui level atau kelas mana yang cenderung menimbulkan adanya hubungan atau dependensi antar variabel.
Keterlibatan Konflik dengan Aparat Pemerintah Berikut merupakan analisis hubungan antara kegiatan anak di jalan dengan keterlibatan konflik dengan aparat pemerintah : 15.1 Analisis Tabulasi Silang Dua Dimensi Berikut tabulasi silang antara kegiatan anak di jalan dengan keterlibatan konflik dengan aparat pemerintah. Tabel 7 Tabulasi Silang Antara Kegiatan Anak di Jalan dengan Keterlibatan konflik dengan aparat pemerintah Uraian Jml Jml Exp. % Jml Adj. Res. Jml Jml Exp. % Jml Adj. Res. Jml Jml Exp. % Jml Adj. Res Jml Jml Exp. % Jml Adj. Res Jml Jml Exp. % Jml
Asongan
Pengamen Kegiatan Anak di Jalan Pemulung
Bermain
Total
Keterlibatan konflik dengan aparat pemerintah Ya Tidak 19 12 12,7 18,3 15,0 9,4 2,6 -2,6 21 37 23,7 34,3 16,5 29,1 -1,0 1,0 10 12 9,0 13,0 7,9 9,4 0,5 -0,5 2 14 6,6 9,4 1,6 11,0 -2,5 2,5 52 75 52,0 75,0 40,9 59,1
Total 31 31,0 24,4 58 58,0 45,7 22 22,0 17,3 16 16,0 12,6 127 127,0 100,0
Apabila diamati jumlah dari masing-masing level kolom, terlihat persentase yang paling besar yaitu 29,1 persen anak jalanan yang memiliki kegiatan sebagai pengamen tidak memiliki keterlibatan konflik dengan aparat pemerintah. Apabila dilihat dari keseluruhan jumlah pada kolom keterlibatan konflik dengan aparat, diketahui anak jalanan yang tidak memiliki keterlibatan konflik dengan aparat pemerintah nilainya lebih besar yaitu sebesar 59,1 persen daripada anak jalanan yang memiliki keterlibatan konflik dengan aparat pemerintah. Adanya hal tersebut merupakan dampak dari pembinaan yang ada di rumah singgah, dimana anak jalanan diberikan pengarahan agar tidak liar di jalan meskipun memiliki kegiatan di jalan seperti pengamen, asongan dan sebagainya sehingga dapat menghindari konflik dengan aparat pemerintah. 15.2 Analisis Log Linier Pada analisis log linier di bawah ini variabel X kegiatan anak di jalan dan variabel Y adalah keterlibatan konflik dengan aparat pemerintah. A. Uji K-way Pada Tabel 8 dapat dilihat hasil pengujian interaksi pada derajat K dan lebih tinggi sama dengan nol, dan pengujian interaksi pada derajat K sama dengan nol. Tabel 8 Uji K-Way Uraian
K
df
K-way and Higher Order Effects
2
3
1
7
1 2
4 3
K-way Effects
Likelihood Ratio ChiP_value Square 12,184 0,007 46,715 0,000
Pearson ChiP_value Square 11,384 0,010 46,795 0,000
34,531 12,184
35,411 11,384
0,000 0,007
0,000 0,010
6
Pada pengujian efek order ke-K atau lebih sama dengan nol dijabarkan sebagai berikut. Untuk K = 2 Hipotesis : H0 : Efek order kedua sama dengan nol H1 : Efek order kedua tidak sama dengan nol Diperoleh statistik uji G2hit = 12,184 > χ2(3,5%) = 7,815 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,007. Sehingga H1 didukung oleh data, artinya efek interaksi order kedua terdapat dalam model. Untuk K = 1 Hipotesis : H0 : Efek order kesatu atau lebih sama dengan nol H1 : Efek order kesatu atau lebih tidak sama dengan nol Diperoleh statistik uji G2hit = 46,715 > χ2(7,5%) = 14,067 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,000. Sehingga H1 didukung oleh data, artinya efek interaksi order kesatu atau lebih terdapat dalam model. Pada pengujian efek order ke-K sama dengan nol dijabarkan sebagai berikut. Untuk K = 1 Hipotesis : H0 : Efek order kesatu sama dengan nol H1 : Efek order kesatu tidak sama dengan nol Diperoleh statistik uji G2hit = 34,531 > χ2(4,5%) = 9,488 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,000. Sehingga H1 didukung oleh data, artinya efek interaksi order kesatu terdapat dalam model. Untuk K = 2 Hipotesis : H0 : Efek order kedua sama dengan nol H1 : Efek order kedua tidak sama dengan nol Diperoleh statistik uji G2hit = 12,184 > χ2(3,5%) = 7,815 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,007. Sehingga H1 didukung oleh data, artinya efek interaksi order kedua terdapat dalam model. B. Uji Asosiasi Parsial Uji asosiasi parsial merupakan suatu uji untuk melihat dependensi masing-masing efek. Statistik uji yang digunakan adalah Partial Chi-Square dengan kriteria penolakan Partial Chi-Square > χ2(df,α). Tabel 9 Uji Asosiasi Parsial Efek
Df
Kegiatan anak di jalan
3
Partial Chi-Square 30,343
Keterlibatan konflik dengan aparat pemerintah
1
4,188
P_value
yang berarti efek variabel kegiatan anak di jalan ada dalam model. C. Eliminasi Backward Seleksi model dengan menggunakan metode Backward Elimination dimulai dari model umum atau semua kemungkinan dimasukkan. Untuk memilih model terbaik menggunakan hipotesis sebagai berikut. H0 : Model 1 adalah model terbaik H1 : Model 0 adalah model terbaik 𝑦 𝑥𝑦 Model 0 𝐿𝑜𝑔 𝑚𝑖𝑗 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑖𝑗 2 Dengan : df = 0 G = 0,000 P = 1,000 Model 1 adalah interaksi antara dua variabel dihilangkan 𝑦 sehingga modelnya menjadi 𝐿𝑜𝑔 𝑚𝑖𝑗 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 Tabel 10 Hasil Seleksi Model
Efek Model 0 Model 1
Tabel 9 merupakan hasil uji asosiasi parsial, dengan hipotesis sebagai berikut. 1. H0 : Efek variabel keterlibatan konflik dengan aparat pemerintah = 0 H1 : Efek variabel keterlibatan konflik dengan aparat pemerintah ≠ 0 Diperoleh nilai Partial Chi-Square > χ2(1,5%) yaitu 4,188 > 3,841 atau P_value < 0,05 maka tolak H0 yang berarti efek variabel keterlibatan konflik dengan aparat pemerintah ada. 2. H0 : Efek variabel kegiatan anak di jalan = 0 H1 : Efek variabel kegiatan anak di jalan ≠ 0 Diperoleh nilai Partial Chi-Square > χ2(2,5%) yaitu 30,343 > 7,815 atau P_value < 0,05 maka tolak H0
df 0 3
P_value 0,007
Tabel 10 menunjukkan adanya perubahan pada nilai L.R.Chi-Square dan P_value apabila efek interaksi dikeluarkan dari model, dimana nilai G2 = 12,184 > χ2(3,5%) = 7,815. Dapat dilihat pula nilai P_value < 0,05, sehingga dapat ditarik kesimpulan bahwa Model 0 (model lengkap) sebagai model terbaik. Jadi model log linier untuk hubungan antara kedua variabel tersebut adalah : 𝑦 𝑥𝑦 𝐿𝑜𝑔 𝑚𝑖𝑗 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑖𝑗 Interpretasi dari model adalah adanya hubungan antara variabel kegiatan anak di jalan dengan variabel keterlibatan konflik dengan aparat pemerintah, dimana pengaruh efek utama variabel kegiatan anak di jalan dan variabel keterlibatan konflik dengan aparat pemerintah juga masuk ke dalam model. D. Estimasi Parameter Selanjutnya untuk mengetahui kategori mana yang menyebabkan dependensi, dapat dilihat dari nilai Z setiap sel yang berada di luar interval -1,96 s/d 1,96, yang juga bersesuaian dengan nilai adjusted residual. Jika hal tersebut memenuhi, maka sel tersebut cenderung menyebabkan dependensi. Tabel 11 Estimasi Parameter Kegiatan Anak di Jalan dengan Keterlibatan konflik dengan aparat pemerintah
Pendidikan Anak
Asongan
0,000 0,041
Chi-Square 0,000 12,184
Pengamen Pemulung Bermain
Koefisien Z-value Koefisien Z-value Koefisien Z-value Koefisien Z-value
Keterlibatan konflik dengan aparat pemerintah Ya
Tidak
0,478 2,774 -0,023 -0,151 0,168 0,897 -0,623 -3,520
-0,478 -2,774 0,023 0,151 -0,168 -0,897 0,623 3,520
Tabel 11 memperlihatkan kecenderungan bahwa anak jalanan yang memiliki kegiatan sebagai penjual asongan cenderung memiliki keterlibatan konflik dengan aparat pemerintah. Hal ini dikarenakan anak jalanan yang menjadi penjual asongan banyak berkeliaran di jalan dan rawan terjaring razia yang diadakan oleh satpol PP. Kemudian anak jalanan yang memiliki kegiatan di jalan bermain cenderung tidak memiliki keterlibatan konflik dengan aparat, karena mereka hanya sekedar bermain di jalan dan dianggap tidak mengganggu ketertiban. Oleh karena itu, peran pembinaan di rumah singgah diperlukan 7
agar anak jalanan tetap bisa memenuhi kebutuhannya tanpa terlibat konflik dengan aparat pemerintah.
16. Hubungan Lama Menjadi Anak Jalanan dengan Harapan Terhadap Pemerintah Setelah dilakukan uji independensi didapatkan hasil bahwa antara lama menjadi anak jalanan dengan harapan terhadap pemerintah saling dependen. Selanjutnya dengan cara yang sama dilakukan analisis log linier untuk mengetahui kecenderungan antar variabel. Analisis Log Linier Pada analisis log linier di bawah ini variabel X adalah lama menjadi anak jalanan dan variabel Y adalah harapan terhadap pemerintah. Langkah pertama dilakukan uji K-way untuk efek order ke-k atau lebih sama dengan nol. Untuk k=2 diperoleh statistik uji G2hit = 17,288 > χ2(2,5%) = 5,991 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,000 dan untuk k=1 diperoleh nilai G2hit = 129,780 > χ2(5,5%) = 11,070 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,000 maka H0 ditolak, berarti ada efek order ke-2 dan ke-1 dan yang lebih tinggi masuk dalam model. Hal ini berarti ada interaksi antara lama menjadi anak jalanan dengan harapan terhadap pemerintah. Sedangkan pada uji efek order ke-k sama dengan nol, untuk k=1 diperoleh nilai G2hit = 112,492 > χ2(3,5%) = 7,815 dan untuk k=2 diperoleh nilai G2hit = 17,288 > χ2(2,5%) = 5,991 maka H0 ditolak. Hal itu menunjukkan efek order ke-1 dan ke-2 sama dengan nol masuk dalam model. Uji asosiasi parsial untuk variabel harapan terhadap pemerintah diperoleh nilai Partial Chi-Square = 65,451 > χ2(1,5%) = 3,841 atau P_value < 0,05 yaitu 0,000 maka tolak H0 yang berarti efek variabel harapan terhadap pemerintah ada. Kemudian pada variabel lama menjadi anak jalanan didapatkan nilai Partial Chi-Square = 47,042 > χ2(2,5%) = 5,991 atau P_value < 0,05 yaitu 0,000 maka tolak H0 yang berarti efek variabel lama menjadi anak jalanan ada dalam model. Pada eliminasi backward menunjukkan adanya perubahan pada nilai L.R.Chi-Square apabila salah satu efek interaksi dikeluarkan dari model, dimana nilai G2 = 17,288 > χ2(2,5%) = 5,991. Dapat dilihat pula nilai P_value < 0,05 yaitu 0,000, sehingga H0 ditolak dan dapat disimpulkan bahwa Model 0 (model lengkap) sebagai model terbaik yang berarti efek interaksi antara dua faktor masuk dalam model. Jadi model log linier untuk hubungan antara kedua variabel tersebut adalah : 𝑦 𝑥𝑦 𝐿𝑜𝑔 𝑚𝑖𝑗 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑖𝑗 Interpretasi dari model adalah adanya hubungan antara variabel lama menjadi anak jalanan dengan variabel harapan terhadap pemerintah. Selanjutnya untuk mengetahui kategori mana yang menyebabkan dependensi, dapat dilihat dari nilai Z setiap sel yang berada di luar interval -1,96 s/d 1,96, yang juga bersesuaian dengan nilai adjusted residual. Jika hal tersebut memenuhi, maka sel tersebut cenderung menyebabkan dependensi.
Tabel 12 Estimasi Parameter Lama Menjadi Anak Jalanan dan Harapan terhadap Pemerintah Lama Menjadi Anak Jalanan < 3 tahun 3-5 tahun > 5 tahun
0,566 2,912 0,367 2,042 -0,199 -0,870
Harapan terhadap Pemerintah Beasiswa dan pembinaan 0,566 2,912 0,367 2,042 -0,199 -0,870
Beasiswa dan pembinaan -0,018 -0,108 0,166 1,114 0,400 1,859
Tabel 12 memperlihatkan kecenderungan bahwa anak jalanan yang memiliki lama di jalanan kurang dari 3 tahun dan antara 3-5 tahun cenderung memiliki harapan terhadap pemerintah untuk mendapatkan beasiswa dan pembinaan. Hal ini dikarenakan anak jalanan tersebut masih dalam usia sekolah dan didukung oleh pembinaan di rumah singgah yang menekankan pada perolehan hak secara mandiri terutama dalam hal pendidikan, anak jalanan tersebut baik yang memiliki lama di jalan kurang dari 3 tahun maupun 3-5 tahun cenderung untuk berharap mendapatkan beasiswa dari pemerintah.
17. Hubungan
Sosial Dalam keluarga dengan Frekuensi Kunjungan ke Rumah Singgah Setelah dilakukan uji independensi didapatkan hasil bahwa antara hubungan sosial dalam keluarga dengan frekuensi kunjungan ke rumah singgah saling dependen. Selanjutnya dengan cara yang sama dilakukan analisis log linier untuk mengetahui kecenderungan antar variabel. Analisis Log Linier Pada analisis log linier di bawah ini variabel X adalah hubungan sosial dalam keluarga dan variabel Y adalah frekuensi kunjungan ke rumah singgah. Langkah pertama dilakukan uji K-way untuk efek order ke-k atau lebih sama dengan nol. Untuk k=2 diperoleh statistik uji G2hit = 20,051 > χ2(9,5%) = 16,919 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,018 dan untuk k=1 diperoleh nilai G2hit = 47,058 > χ2(15,5%) = 24,996 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,000 maka H0 ditolak, berarti ada efek order ke-2 dan ke-1 dan yang lebih tinggi masuk dalam model. Hal ini berarti ada interaksi antara hubungan sosial dalam keluarga dengan frekuensi kunjungan ke rumah singgah. Sedangkan pada uji efek order ke-k sama dengan nol, untuk k=1 diperoleh nilai G2hit = 27,007 > χ2(6,5%) = 12,592 dan untuk k=2 diperoleh nilai G2hit = 20,051 > χ2(9,5%) = 16,919 maka H0 ditolak. Hal itu menunjukkan efek order ke-1 dan ke-2 sama dengan nol masuk dalam model. Uji asosiasi parsial untuk variabel frekuensi kunjungan ke rumah singgah diperoleh nilai Partial ChiSquare = 9,045 > χ2(3,5%) = 7,815 atau P_value < 0,05 yaitu 0,029 maka tolak H0 yang berarti efek variabel frekuensi kunjungan ke rumah singgah ada. Kemudian pada variabel hubungan sosial dalam keluarga didapatkan nilai Partial Chi-Square = 17,961 > χ2(3,5%) = 7,815 atau P_value < 0,05 yaitu 0,000 maka tolak H0 yang berarti efek variabel hubungan sosial dalam keluarga ada dalam model. Pada eliminasi backward menunjukkan adanya perubahan pada nilai L.R.Chi-Square apabila salah satu 8
efek interaksi dikeluarkan dari model, dimana nilai G2 = 20,051 > χ2(9,5%) = 16,919. Dapat dilihat pula nilai P_value < 0,05 yaitu 0,018, sehingga H0 ditolak dan dapat disimpulkan bahwa Model 0 (model lengkap) sebagai model terbaik yang berarti efek interaksi antara dua faktor masuk dalam model. Jadi model log linier untuk hubungan antara kedua variabel tersebut adalah : 𝑦 𝑥𝑦 𝐿𝑜𝑔 𝑚𝑖𝑗 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑖𝑗 Interpretasi dari model adalah adanya hubungan antara variabel hubungan sosial dalam keluarga dengan variabel frekuensi kunjungan ke rumah singgah. Selanjutnya untuk mengetahui kategori mana yang menyebabkan dependensi, dapat dilihat dari nilai Z setiap sel yang berada di luar interval -1,96 s/d 1,96. Tabel 13 Estimasi Parameter Hubungan Sosial dalam Keluarga dan Frekuensi Kunjungan ke Rumah Singgah
Hubungan Sosial dalam Keluarga Sering terjadi kekerasan Keluarga tidak peduli Komunikasi krg baik Baik-baik saja
Koefisien Z-value Koefisien Z-value Koefisien Z-value Koefisien Z-value
Frekuensi Kunjungan ke Rumah Singgah Setiap KadangSering Jarang hari kadang -0,401 1,025 -0,134 0,134 -1,231 -0,496 0,496 2,068 0,947 0,579 -0,053 0,053 1,687 -0,200 0,200 3,634 -0,271 0,141 -0,069 0,069 -0,926 0,401 -0,277 0,277 0,275 -0,305 0,256 -0,256 1,477 -0,782 0,973 -0,973
Tabel 13 memperlihatkan kecenderungan bahwa anak jalanan yang hubungan sosial dalam keluarganya yaitu keluarga tidak peduli cenderung frekuensi kunjungan ke rumah singgahnya setiap hari. Kemudian anak jalanan yang hubungan sosial dalam keluarganya yaitu sering terjadi kekerasan cenderung frekuensi kunjungan ke rumah singgahnya sering. Oleh karena itu pembinaan di rumah singgah lebih ditujukan kepada anak jalanan yang memiliki masalah dalam keluarganya agar mereka dapat memperoleh haknya untuk mendapatkan perlindungan, selain juga dilakukan pendekatan kepada keluarga anak.
interaksi antara faktor penyebab menjadi anak jalanan dengan keterlibatan konflik dengan masyarakat. Sedangkan pada uji efek order ke-k sama dengan nol, untuk k=1 diperoleh nilai G2hit = 53,800 > χ2(3,5%) = 7,815 dan untuk k=2 diperoleh nilai G2hit = 12,312 > χ2(2,5%) = 5,991 maka H0 ditolak. Hal itu menunjukkan efek order ke-1 dan ke-2 sama dengan nol masuk dalam model. Uji asosiasi parsial untuk variabel keterlibatan konflik dengan masyarakat diperoleh nilai Partial ChiSquare = 9,772 > χ2(1,5%) = 3,841 atau P_value < 0,05 yaitu 0,002 maka tolak H0 yang berarti efek variabel keterlibatan konflik dengan masyarakat ada. Kemudian pada variabel faktor penyebab menjadi anak jalanan didapatkan nilai Partial Chi-Square = 44,029 > χ2(2,5%) = 5,991 atau P_value < 0,05 yaitu 0,000 maka tolak H0 yang berarti efek variabel faktor penyebab menjadi anak jalanan ada. Pada eliminasi backward menunjukkan adanya perubahan pada nilai L.R.Chi-Square apabila salah satu efek interaksi dikeluarkan dari model, dimana nilai G2 = 12,312 > χ2(2,5%) = 5,991. Dapat dilihat pula nilai P_value < 0,05 yaitu 0,002, sehingga H0 ditolak dan dapat disimpulkan bahwa Model 0 (model lengkap) sebagai model terbaik yang berarti efek interaksi antara dua faktor masuk dalam model. Jadi model log linier untuk hubungan antara kedua variabel tersebut adalah : 𝑦 𝑥𝑦 𝐿𝑜𝑔 𝑚𝑖𝑗 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑖𝑗 Interpretasi dari model adalah adanya hubungan antara variabel faktor penyebab menjadi anak jalanan dengan variabel keterlibatan konflik dengan masyarakat. Selanjutnya untuk mengetahui kategori mana yang menyebabkan dependensi, dapat dilihat dari nilai Z setiap sel yang berada di luar interval -1,96 s/d 1,96. Tabel 14 Estimasi Parameter Faktor Penyebab Menjadi Anak Jalanan dan Keterlibatan Konfik dengan Masyarakat Faktor Penyebab Menjadi Anak Jalanan Keluarga
18. Hubungan Faktor Penyebab Menjadi Anak Jalanan Dengan Keterlibatan Konflik Dengan Masyarakat Setelah dilakukan uji independensi didapatkan hasil bahwa antara faktor penyebab menjadi anak jalanan dengan keterlibatan konflik dengan masyarakat saling dependen. selanjutnya dengan cara yang sama dilakukan analisis log linier untuk mengetahui kecenderungan antar variabel. Analisis Log Linier Pada analisis log linier di bawah ini variabel X adalah faktor penyebab menjadi anak jalanan dan variabel Y adalah keterlibatan konflik dengan masyarakat. Langkah pertama dilakukan uji K-way untuk efek order ke-k atau lebih sama dengan nol. Untuk k=2 diperoleh statistik uji G2hit = 12,312 > χ2(2,5%) = 5,991 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,002 dan untuk k=1 diperoleh nilai G2hit = 66,112 > χ2(5,5%) = 11,070 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,000 maka H0 ditolak, berarti ada efek order ke-2 dan ke-1 dan yang lebih tinggi masuk dalam model. Hal ini berarti ada
Teman Lingkungan tinggal
Koefisien Z-value Koefisien Z-value Koefisien Z-value
Keterlibatan Konfik dengan Masyarakat Ya
Tidak
0,030 0,213 0,494 2,380 -0,524 -2,593
-0,030 -0,213 -0,494 -2,380 0,524 2,593
Tabel 14 memperlihatkan kecenderungan bahwa anak jalanan yang faktor penyebab menjadi anak jalanan karena teman cenderung memiliki keterlibatan konflik dengan masyarakat. Kemudian anak jalanan yang faktor penyebab menjadi anak jalanan karena lingkungan tenpat tinggal cenderung tidak memiliki keterlibatan konflik dengan masyarakat. Oleh karena itu pembinaan di rumah singgah lebih ditekankan pada anak jalanan yang faktor penyebab menjadi anak jalanan karena teman agar memiliki interaksi yang baik dengan masyarakat dan tidak terlibat konflik.
19. Hubungan Kondisi Lingkungan Tempat Tinggal Dengan Frekuensi Kunjungan ke Rumah Singgah Setelah dilakukan uji independensi didapatkan hasil bahwa antara kondisi lingkungan tempat tinggal dengan frekuensi kunjungan ke rumah singgah saling 9
dependen. selanjutnya dengan cara yang sama dilakukan analisis log linier untuk mengetahui kecenderungan antar variabel. Analisis Log Linier Pada analisis log linier di bawah ini variabel X adalah kondisi lingkungan tempat tinggal dan variabel Y adalah frekuensi kunjungan ke rumah singgah. Langkah pertama dilakukan uji K-way untuk efek order ke-k atau lebih sama dengan nol. Untuk k=2 diperoleh statistik uji G2hit = 14,042 > χ2(6,5%) = 12,592 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,029 dan untuk k=1 diperoleh nilai G2hit = 35,729 > χ2(11,5%) = 19,675 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,000 maka H0 ditolak, berarti ada efek order ke-2 dan ke-1 dan yang lebih tinggi masuk dalam model. Hal ini berarti ada interaksi antara kondisi lingkungan tempat tinggal dengan frekuensi kunjungan ke rumah singgah. Sedangkan pada uji efek order ke-k sama dengan nol, untuk k=1 diperoleh nilai G2hit = 21,688 > χ2(5,5%) = 11,070 dan untuk k=2 diperoleh nilai G2hit = 14,042 > χ2(6,5%) = 12,592 maka H0 ditolak. Hal itu menunjukkan efek order ke-1 dan ke-2 sama dengan nol masuk dalam model. Uji asosiasi parsial untuk variabel frekuensi kunjungan ke rumah singgah diperoleh nilai Partial ChiSquare = 9,045 > χ2(3,5%) = 7,815 atau P_value < 0,05 yaitu 0,029 maka tolak H0 yang berarti efek variabel frekuensi kunjungan ke rumah singgah ada. Kemudian pada variabel kondisi lingkungan tempat tinggal didapatkan nilai Partial Chi-Square = 12,642 > χ2(2,5%) = 5,991 atau P_value < 0,05 yaitu 0,002 maka tolak H0 yang berarti efek variabel kondisi lingkungan tempat tinggal ada dalam model. Pada eliminasi backward menunjukkan adanya perubahan pada nilai L.R.Chi-Square apabila salah satu efek interaksi dikeluarkan dari model, dimana nilai G2 = 14,042 > χ2(6,5%) = 12,592. Dapat dilihat pula nilai P_value < 0,05 yaitu 0,029, sehingga H0 ditolak dan dapat disimpulkan bahwa Model 0 (model lengkap) sebagai model terbaik yang berarti efek interaksi antara dua faktor masuk dalam model. Jadi model log linier untuk hubungan antara kedua variabel tersebut adalah : 𝑦 𝑥𝑦 𝐿𝑜𝑔 𝑚𝑖𝑗 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑖𝑗 Interpretasi dari model adalah adanya hubungan antara variabel kondisi lingkungan tempat tinggal dengan variabel frekuensi kunjungan ke rumah singgah. Selanjutnya untuk mengetahui kategori mana yang menyebabkan dependensi, dapat dilihat dari nilai Z setiap sel yang berada di luar interval -1,96 s/d 1,96.
perkam-pungan cenderung frekuensi kunjungan ke rumah singgahnya sering. Oleh karena itu rumah singgah diharapkan lebih memberikan program pembinaan yang menarik, agar anak jalanan dengan berbagai kondisi lingkungan tempat tinggal dapat sering datang untuk mendapatkan pembinaan.
20. Hubungan Kegiatan Anak di Jalan, Lama Menjadi Anak Jalanan dan Keterlibatan Konflik dengan Aparat Pada analisis log linier di bawah ini variabel X adalah kegiatan anak di jalan, variabel Y adalah lama menjadi anak jalanan dan variabel Z adalah keterlibatan konflik dengan aparat. Secara umum model log linier tiga dimensi adalah sebagai berikut. 𝑦 𝑥𝑦 𝑦𝑧 𝑥𝑧 𝐿𝑜𝑔 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑍𝑘 + 𝜆𝑖𝑗 + 𝜆𝑖𝑘 + 𝜆𝑗𝑘 dimana : i = level variabel X, yaitu i = 1, 2,…i j = level variabel Y, yaitu j = 1, 2,…j k = level variabel Z, yaitu k = 1, 2,…k A. Uji Goodness of Fit Menurut Tingkat Interaksi Faktor Pada pengujian efek order ke-K dan lebih tinggi sama dengan nol dijabarkan sebagai berikut. Untuk K = 3 Hipotesis : H0 : Efek order ke-3 dan yang lebih tinggi sama dengan nol H1 : Paling sedikit ada satu efek order ke-3 dan yang lebih tinggi sama dengan nol Diperoleh statistik uji G2hit = 8,944 < χ2(6,5%) = 12,592 atau dapat dilihat pada nilai P_value yang lebih dari nilai α = 5% yaitu 0,351. Sehingga gagal tolak H0 yang berarti efek order ke-3 dan yang lebih tinggi tidak ada dalam model. Untuk K = 2 Hipotesis : H0 : Efek order ke-2 dan yang lebih tinggi sama dengan nol H1 : Paling sedikit ada satu efek order ke-2 dan yang lebih tinggi sama dengan nol Diperoleh statistik uji G2hit = 27,354 < χ2(17,5%) = 27,587 atau dapat dilihat pada nilai P_value yang lebih dari nilai α = 5% yaitu 0,096. Sehingga gagal tolak H0 yang berarti efek order ke-2 dan yang lebih tinggi tidak ada dalam model. Untuk K = 1 Hipotesis : H0 : Efek order ke-1 dan yang lebih tinggi sama Tabel 15 Estimasi Parameter Kondisi Lingkungan Tempat dengan nol Tinggal dan Frekuensi Kunjungan ke Rumah H1 : Paling sedikit ada satu efek order ke-1 dan yang Singgah lebih tinggi sama dengan nol Frekuensi Kunjungan ke Rumah Singgah Diperoleh statistik uji G2hit = 108,926 > χ2(23,5%) = 35,172 Kondisi Lingkungan Tempat Setiap Kadangatau dapat dilihat pada nilai P_value yang kurang dari Tinggal Sering Jarang hari kadang nilai α = 5% yaitu 0,000. Sehingga tolak H0 yang berarti -0,303 0,699 -0,219 0,206 Koefisien Perkampungan efek order ke-1 dan yang lebih tinggi ada dalam model. -1,116 -0,934 0,903 Z-value 3,435 Pada pengujian efek order ke-K sama dengan nol -0,226 -0,074 0,226 0,074 Koefisien Pinggiran dijabarkan sebagai berikut. -1,107 -0,356 1,107 0,356 Z-value sungai Untuk K = 1 -0,007 -0,625 0,007 0,219 Koefisien Lahan bekas -0,009 -3,079 0,009 0,934 Z-value makam Hipotesis : H0 : Efek order ke-1 sama dengan nol Tabel 15 memperlihatkan kecenderungan bahwa H1 : Efek order ke-1 tidak sama dengan nol anak jalanan yang kondisi lingkungan tempat tinggalnya 10
Diperoleh statistik uji G2hit = 34,531 > χ2(6,5%) = 12,592 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,000. Sehingga tolak H0 yang berarti efek order ke-1 ada dalam model. Untuk K = 2 Hipotesis : H0 : Efek order ke-2 sama dengan nol H1 : Efek order ke-2 tidak sama dengan nol Diperoleh statistik uji G2hit = 18,409 < χ2(11,5%) = 19,675 atau dapat dilihat pada nilai P_value yang lebih dari nilai α = 5% yaitu 0,073. Sehingga gagal tolak H0 yang berarti efek order ke-2 tidak ada dalam model. Untuk K = 3 Hipotesis : H0 : Efek order ke-3 sama dengan nol H1 : Efek order ke-3 tidak sama dengan nol Diperoleh statistik uji G2hit = 8,944 < χ2(6,5%) = 12,592 atau dapat dilihat pada nilai P_value yang lebih dari nilai α = 5% yaitu 0,177. Sehingga gagal tolak H0 yang berarti efek order ke-3 tidak ada dalam model. B. Uji Asosiasi Parsial Uji asosiasi parsial merupakan suatu uji untuk melihat dependensi masing-masing efek. Statistik uji yang digunakan adalah Partial Chi-Square dengan kriteria penolakan Partial Chi-Square > χ2(df,α). Tabel 16 Uji Asosiasi Parsial
Efek A4*A5 A4*B8 A5*B8 A4 A5 B8
Df 6 3 2 3 2 1
Partial Chi-Square 5,828 11,823 0,037 30,343 47,042 4,188
P_value 0,443 0,008 0,981 0,000 0,000 0,041
Pada Tabel 16 diperlihatkan hasil uji asosiasi parsial, dan untuk hipotesisnya sebagai berikut. 1. Efek hubungan antara kegiatan anak di jalan dengan lama menjadi anak jalanan pada setiap kategori keterlibatan konflik dengan aparat H0 : Tidak ada hubungan antara kegiatan anak di jalan dengan lama menjadi anak jalanan pada setiap kategori keterlibatan konflik dengan aparat H1 : 𝐻0 2. Efek hubungan antara kegiatan anak di jalan dengan keterlibatan konflik dengan aparat pada setiap kategori lama menjadi anak jalanan H0 : Tidak ada hubungan antara kegiatan anak di jalan dengan keterlibatan konflik dengan aparat pada setiap kategori lama menjadi anak jalanan H1 : 𝐻0 3. Efek hubungan antara lama menjadi anak jalanan dengan keterlibatan konflik dengan aparat pada setiap kategori kegiatan anak di jalan H0 : Tidak ada hubungan antara lama menjadi anak jalanan dengan keterlibatan konflik dengan aparat pada setiap kategori kegiatan anak di jalan H1 : 𝐻0 Model log linier jika H0(1) benar adalah : 𝑦 𝑦𝑧 𝑥𝑧 𝐿𝑜𝑔 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑍𝑘 + 𝜆𝑖𝑘 + 𝜆𝑗𝑘 2 Diperoleh nilai Partial Chi-Square < χ (6,5%) yaitu 5,828 < 12,592 atau P_value > 0,05 maka gagal tolak H0. Ini berarti bahwa tidak ada hubungan antara kegiatan anak di
jalan dengan lama menjadi anak jalanan pada setiap kategori keterlibatan konflik dengan aparat. Model log linier jika H0(2) benar adalah : 𝑦 𝑥𝑦 𝑦𝑧 𝐿𝑜𝑔 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑍𝑘 + 𝜆𝑖𝑗 + 𝜆𝑗𝑘 2 Diperoleh nilai Partial Chi-Square > χ (3,5%) yaitu 11,823 > 7,815 atau P_value < 0,05 maka tolak H0. Ini berarti bahwa ada hubungan antara kegiatan anak di jalan dengan keterlibatan konflik dengan aparat pada setiap kategori lama menjadi anak jalanan. Model log linier jika H0(3) benar adalah : 𝑦 𝑥𝑦 𝑥𝑧 𝐿𝑜𝑔 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑘𝑍 + 𝜆𝑖𝑗 + 𝜆𝑖𝑘 2 Diperoleh nilai Partial Chi-Square < χ (2,5%) yaitu 0,037 < 5,991 atau P_value > 0,05 maka gagal tolak H0. Ini berarti bahwa tidak ada hubungan antara lama menjadi anak jalanan dengan keterlibatan konflik dengan aparat pada setiap kategori kegiatan anak di jalan. C. Eliminasi Backward Seleksi model dengan menggunakan metode Backward Elimination dimulai dari model umum atau semua kemungkinan dimasukkan. Untuk memilih model terbaik menggunakan hipotesis sebagai berikut. H0 : Model 1 adalah model terbaik H1 : Model 0 adalah model terbaik Model 0 𝑦𝑧 𝑥𝑦 𝑦 𝑥𝑧 + 𝜆𝑗𝑘 𝐿𝑜𝑔 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑍𝑘 + 𝜆𝑖𝑗 + 𝜆𝑖𝑘 Model 1 adalah salah satu interaksi antara dua variabel dihilangkan dalam model Berikut merupakan hasil model akhir yang didapat setelah dilakukan eliminasi backward : Tabel 17 Hasil Seleksi Model
Efek
L.R.Chi-Square
df
P_value
A4*B8, A5
15,170
14
0,367
Tabel 17 menunjukkan adanya perubahan pada nilai L.R.Chi-Square dan P_value apabila efek interaksi dikeluarkan dari model, dimana nilai G2 = 15,170 < χ2(14,5%) = 23,685. Dapat dilihat pula nilai P_value > 0,05, sehingga dapat ditarik kesimpulan bahwa Model 1 sebagai model terbaik. Jadi model log linier tiga dimensi untuk hubungan antar variabel tersebut adalah : 𝑦 𝑥𝑧 𝐿𝑜𝑔 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑘𝑍 + 𝜆𝑖𝑘 Interpretasi dari model adalah adanya hubungan antara kegiatan anak di jalan dengan keterlibatan konflik dengan aparat pada setiap kategori lama menjadi anak jalanan, dimana pengaruh efek utama variabel kegiatan anak di jalan, variabel lama menjadi anak jalanan dan variabel keterlibatan konflik dengan aparat pemerintah juga masuk ke dalam model. Selanjutnya untuk mengetahui kategori mana yang menyebabkan dependensi, dapat dilihat dari nilai Z setiap sel yang berada di luar interval -1,96 s/d 1,96. Jika hal tersebut memenuhi, maka sel tersebut cenderung menyebabkan dependensi. Dari hasil nilai Z, diketahui bahwa anak jalanan yang memiliki kegiatan di jalan sebagai penjual asongan dan memiliki lama di jalan lebih dari 5 tahun cenderung memiliki keterlibatan konflik dengan aparat. Kemudian anak jalanan yang memiliki kegiatan di jalan sebagai pemulung dan memiliki lama di jalan antara 3-5 tahun cenderung memiliki keterlibatan konflik dengan aparat. 11
21. Hubungan Hubungan sosial dalam keluarga, Frekuensi kunjungan ke rumah singgah dan Harapan terhadap pemerintah Pada analisis log linier di bawah ini variabel X adalah hubungan sosial dalam keluarga, variabel Y adalah frekuensi kunjungan ke rumah singgah dan variabel Z adalah harapan terhadap pemerintah. A. Uji Goodness of Fit Menurut Tingkat Interaksi Faktor Pada pengujian efek order ke-K dan lebih tinggi sama dengan nol dijabarkan sebagai berikut. Untuk K = 3 Hipotesis : H0 : Efek order ke-3 dan yang lebih tinggi sama dengan nol H1 : Paling sedikit ada satu efek order ke-3 dan yang lebih tinggi sama dengan nol Diperoleh statistik uji G2hit = 21,885 < χ2(27,5%) = 40,113 atau dapat dilihat pada nilai P_value yang lebih dari nilai α = 5% yaitu 0,743. Sehingga gagal tolak H0 yang berarti efek order ke-3 dan yang lebih tinggi tidak ada dalam model. Untuk K = 2 Hipotesis : H0 : Efek order ke-2 dan yang lebih tinggi sama dengan nol H1 : Paling sedikit ada satu efek order ke-2 dan yang lebih tinggi sama dengan nol Diperoleh statistik uji G2hit = 53,320 < χ2(54,5%) = 72,153 atau dapat dilihat pada nilai P_value yang lebih dari nilai α = 5% yaitu 0,501. Sehingga gagal tolak H0 yang berarti efek order ke-2 dan yang lebih tinggi tidak ada dalam model. Untuk K = 1 Hipotesis : H0 : Efek order ke-1 dan yang lebih tinggi sama dengan nol H1 : Paling sedikit ada satu efek order ke-1 dan yang lebih tinggi sama dengan nol Diperoleh statistik uji G2hit = 321,837 > χ2(63,5%) = 82,529 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,000. Sehingga tolak H0 yang berarti efek order ke-1 dan yang lebih tinggi ada dalam model. Pada pengujian efek order ke-K sama dengan nol dijabarkan sebagai berikut. Untuk K = 1 Hipotesis : H0 : Efek order ke-1 sama dengan nol H1 : Efek order ke-1 tidak sama dengan nol Diperoleh statistik uji G2hit = 268,517 > χ2(9,5%) = 16,919 atau dapat dilihat pada nilai P_value yang kurang dari nilai α = 5% yaitu 0,000. Sehingga tolak H0 yang berarti efek order ke-1 ada dalam model. Untuk K = 2 Hipotesis : H0 : Efek order ke-2 sama dengan nol H1 : Efek order ke-2 tidak sama dengan nol Diperoleh statistik uji G2hit = 31,435 < χ2(27,5%) = 40,113 atau dapat dilihat pada nilai P_value yang lebih dari nilai α = 5% yaitu 0,254. Sehingga gagal tolak H0 yang berarti efek order ke-2 tidak ada dalam model.
Untuk K = 3 Hipotesis : H0 : Efek order ke-3 sama dengan nol H1 : Efek order ke-3 tidak sama dengan nol Diperoleh statistik uji G2hit = 21,885 < χ2(27,5%) = 40,113 atau dapat dilihat pada nilai P_value yang lebih dari nilai α = 5% yaitu 0,743. Sehingga gagal tolak H0 yang berarti efek order ke-3 tidak ada dalam model. B. Uji Asosiasi Parsial Uji asosiasi parsial merupakan suatu uji untuk melihat dependensi masing-masing efek. Statistik uji yang digunakan adalah Partial Chi-Square dengan kriteria penolakan Partial Chi-Square > χ2(df,α). Tabel 18 Uji Asosiasi Parsial
Efek A12*B1 A12*B10 B1*B10 A12 B1 B10
Df 9 9 9 3 3 3
Partial Chi-Square 20,388 ,713 11,008 17,961 9,045 241,510
P_value 0,016 1,000 0,275 0,000 0,029 0,000
Pada Tabel 18 diperlihatkan hasil uji asosiasi parsial, dan untuk hipotesisnya sebagai berikut. 1. Efek hubungan antara hubungan sosial dalam keluarga dengan frekuensi kunjungan ke rumah singgah pada setiap kategori harapan terhadap pemerintah H0 : Tidak ada hubungan antara hubungan sosial dalam keluarga dengan frekuensi kunjungan ke rumah singgah pada setiap kategori harapan terhadap pemerintah H1 : 𝐻0 2. Efek hubungan antara hubungan sosial dalam keluarga dengan harapan terhadap pemerintah pada setiap kategori frekuensi kunjungan ke rumah singgah H0 : Tidak ada hubungan antara hubungan sosial dalam keluarga dengan harapan terhadap pemerintah pada setiap kategori frekuensi kunjungan ke rumah singgah H1 : 𝐻0 3. Efek hubungan antara frekuensi kunjungan ke rumah singgah dengan harapan terhadap pemerintah pada setiap kategori hubungan sosial dalam keluarga H0 : Tidak ada hubungan antara frekuensi kunjungan ke rumah singgah dengan harapan terhadap pemerintah pada setiap kategori hubungan sosial dalam keluarga H1 : 𝐻0 Model log linier jika H0(1) benar adalah : 𝑦 𝑦𝑧 𝑥𝑧 𝐿𝑜𝑔 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑍𝑘 + 𝜆𝑖𝑘 + 𝜆𝑗𝑘 2 Diperoleh nilai Partial Chi-square < χ (9,5%) yaitu 20,388 > 16,919 atau p_value < 0,05 maka tolak h 0. ini berarti bahwa ada hubungan antara hubungan sosial dalam keluarga dengan frekuensi kunjungan ke rumah singgah pada setiap kategori harapan terhadap pemerintah. Model log linier jika H0(2) benar adalah : 𝑦 𝑥𝑦 𝑦𝑧 𝐿𝑜𝑔 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑍𝑘 + 𝜆𝑖𝑗 + 𝜆𝑗𝑘 2 Diperoleh nilai Partial chi-square < χ (9,5%) yaitu 0,713 < 16,919 atau p_value > 0,05 maka tolak h 0. ini berarti bahwa tidak ada hubungan antara hubungan sosial dalam keluarga dengan harapan terhadap pemerintah pada setiap kategori frekuensi kunjungan ke rumah singgah. 12
Model log linier jika H0(3) benar adalah : 𝑦 𝑥𝑦 𝑥𝑧 𝐿𝑜𝑔 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑘𝑍 + 𝜆𝑖𝑗 + 𝜆𝑖𝑘 2 Diperoleh nilai Partial Chi-Square < χ (9,5%) yaitu 11,008 < 16,919 atau p_value > 0,05 maka gagal tolak h0. ini berarti bahwa tidak ada hubungan antara frekuensi kunjungan ke rumah singgah dengan harapan terhadap pemerintah pada setiap kategori hubungan sosial dalam keluarga. C. Eliminasi Backward Seleksi model dengan menggunakan metode Backward Elimination dimulai dari model umum atau semua kemungkinan dimasukkan. Untuk memilih model terbaik menggunakan hipotesis sebagai berikut. H0 : Model 1 adalah model terbaik H1 : Model 0 adalah model terbaik Model 0 𝑦 𝑥𝑦 𝑦𝑧 𝑥𝑧 𝐿𝑜𝑔 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑍𝑘 + 𝜆𝑖𝑗 + 𝜆𝑖𝑘 + 𝜆𝑗𝑘 Model 1 adalah salah satu interaksi antara dua variabel dihilangkan dalam model Berikut merupakan hasil model akhir yang didapat setelah dilakukan eliminasi backward : Tabel 19 Hasil Seleksi Model
Efek
L.R.Chi-Square
df
P_value
A12*B1, B10
33,269
45
0,902
Tabel 19 menunjukkan adanya perubahan pada nilai L.R.Chi-Square dan P_value apabila efek interaksi dikeluarkan dari model, dimana nilai G2 = 33,269 < χ2(45,5%) = 61,656. Dapat dilihat pula nilai P_value > 0,05, sehingga dapat ditarik kesimpulan bahwa Model 1 sebagai model terbaik. Jadi model log linier tiga dimensi untuk hubungan antar variabel tersebut adalah : 𝑥𝑦 𝑦 𝐿𝑜𝑔 𝑚𝑖𝑗𝑘 = 𝜇 + 𝜆𝑖𝑥 + 𝜆𝑗 + 𝜆𝑍𝑘 + 𝜆𝑖𝑗 Interpretasi dari model adalah adanya hubungan antara hubungan sosial dalam keluarga dengan frekuensi kunjungan ke rumah singgah pada setiap kategori harapan terhadap pemerintah, dimana pengaruh efek utama variabel hubungan sosial dalam keluarga, variabel frekuensi kunjungan ke rumah singgah dan variabel harapan terhadap pemerintah pemerintah juga masuk ke dalam model. Selanjutnya untuk mengetahui kategori mana yang menyebabkan dependensi, dapat dilihat dari nilai Z setiap sel yang berada di luar interval -1,96 s/d 1,96. Jika hal tersebut memenuhi, maka sel tersebut cenderung menyebabkan dependensi. Dari hasil nilai Z, diketahui bahwa anak jalanan yang hubungan sosial dalam keluarganya yaitu keluarga tidak peduli cenderung frekuensi kunjungan ke rumah singgahnya setiap hari. Kemudian anak jalanan yang hubungan sosial dalam keluarganya yaitu sering terjadi kekerasan cenderung frekuensi kunjungan ke rumah singgahnya sering.
22. Kesimpulan
Bardasarkan hasil analisis dan pembahasan, maka dapat diambil kesimpulan sebagai berikut. 1. Berdasarkan analisis statistik deskriptif untuk karakteristik sosial dan ekonomi anak jalanan binaan di rumah singgah ALIT, diketahui mayoritas memiliki kegiatan di jalan sebagai pengamen yaitu sebanyak 58 orang atau 45,7 persen. Untuk pendidikan, mayoritas anak jalanan berpendidikan SD yaitu sebanyak 60
orang atau 47,2 persen. Untuk pekerjaan orang tua, sebagian besar anak jalanan pekerjaan orang tuanya adalah pedagang yaitu sebanyak 42 orang atau 33,1 persen. Untuk kondisi lingkungan tempat tinggal, mayoritas anak jalanan memiliki tempat tinggal di pinggiran sungai yaitu sebanyak 56 orang atau 44,1 persen. Untuk jumlah penghasilan per hari, sebagian besar anak jalanan mempunyai jumlah penghasilan per hari antara Rp 30,000 - Rp 50,000 yaitu sebanyak 52 orang atau 40,9 persen. Untuk penggunaan penghasilan, mayoritas anak jalanan menggunakan penghasilannya untuk kebutuhan keluarga yaitu sebanyak 79 orang atau 62,2 persen. Sedangkan statistik deskriptif untuk perilaku anak jalanan binaan, diketahui mayoritas memiliki frekuensi kunjungan ke rumah singgah sering yaitu sebanyak 46 orang atau 36,2 persen. Untuk interaksi dengan masyarakat sekitar rumah singgah, sebagian besar anak jalanan memiliki interaksi cukup yaitu sebanyak 86 orang atau 67,7 persen. Untuk keterlibatan konflik dengan aparat pemerintah, sebagian besar anak jalanan tidak memiliki konflik yaitu sebanyak 75 orang atau 59,1 persen. Untuk kepedulian terhadap nasib teman, sebagian besar anak jalanan menolong seadanya yaitu sebanyak 86 orang atau 67,7 persen. Untuk harapan terhadap pemerintah, mayoritas anak jalanan mengharapkan adanya beasiswa yaitu 102 orang atau 80,3 persen. 2. Pada analisis log linier dua dimensi menunjukkan adanya hubungan antara variabel kegiatan anak di jalan dengan variabel keterlibatan konflik dengan aparat pemerintah, dimana anak jalanan yang memiliki kegiatan sebagai penjual asongan cenderung memiliki keterlibatan konflik dengan aparat pemerintah dan anak jalanan yang memiliki kegiatan di jalan bermain cenderung tidak memiliki keterlibatan konflik dengan aparat. Selain itu juga ada hubungan antara variabel lama menjadi anak jalanan dengan variabel keterlibatan konflik dengan masyarakat sekitar, variabel hubungan sosial dalam keluarga dengan variabel frekuensi kunjungan ke rumah singgah, variabel faktor penyebab menjadi anak jalanan dengan variabel keterlibatan konflik dengan masyarakat dan variabel kondisi lingkungan tempat tinggal dengan variabel frekuensi ke rumah singgah. Untuk model log linier tiga dimensi didapatkan adanya hubungan antara kegiatan anak di jalan dengan keterlibatan konflik dengan aparat pada setiap kategori lama menjadi anak jalanan, dimana anak jalanan yang memiliki kegiatan di jalan sebagai penjual asongan dan memiliki lama di jalan lebih dari 5 tahun cenderung memiliki keterlibatan konflik dengan aparat. Kemudian adanya hubungan antara hubungan sosial dalam keluarga denganfrekuensi kunjungan ke rumah singgah pada setiap kategori harapan terhadap pemerintah, dimana anak jalanan yang hubungan sosial dalam keluarganya yaitu keluarga tidak peduli cenderung frekuensi kunjungan ke rumah singgahnya setiap hari.
23. Saran
Terdapat beberapa saran dari hasil penelitian yaitu sebagai berikut. 13
1. Dalam menyusun kuisioner sebaiknya disesuaikan dengan kondisi objek penelitian yang akan disurvei, untuk meng-hindari jumlah kategori yang sedikit dan adanya outlier. 2. Diperlukan adanya kerangka konsep yang jelas menyangkut penentuan variabel penelitian yang akan digunakan. 3. Program pembinaan di rumah singgah diharapkan lebih dapat memberikan perubahan perilaku anak jalanan binaan menjadi lebih baik yang disesuaikan dengan karakteristik anak jalanan tersebut. 24. Daftar Pustaka Agresti, A.1996. An Introduction to Categorical Data Analysis. John Wiley & Sons, Inc. New York, USA. Anonim. 2010. Peta Masalah Anak Jalanan. Diunduh dari alamat http://tkskponorogo.blogspot.com/2010 /03/peta-masalah-anak-jalanan, pada Jumat, 15 Oktober 2010, 20.30 pm. Anonim. 2010. Jumlah Anak Jalanan ’Meledak’. Diunduh dari alamat http://www.poskota.co.id/beritaterkini/2010/02/09/jumlah-anak-jalanan-meledak, pada Selasa, 19 Oktober 2010, 08.30 am. Astutik, Dwi. 2004. Pengembangan Model Pembinaan Anak Jalanan Melalui Rumah Singgah di Jawa Timur. Pasca Sarjana Universitas Airlangga, Surabaya. Departemen Sosial RI. 1999. Pedoman Penyelenggaraan Pembinaan Anak Jalanan Melalui Rumah Singgah. Direktorat Jendral Bina Kesejahteraan Sosial, Jakarta. Departemen Sosial RI. 2006. Modul Pelayanan Sosial Anak Jalanan. Direktorat Jendral Pelayanan dan Rehabilitasi Sosial, Jakarta. Fiendberg,SE. 1976. Analysis of Cross Classification Categorical Data. The Mits Press. London. Hakiki. 1999. Jurnal Perlindungan Anak, Volume 1 No. 2 Nur Wulan, Natria. 2002. Faktor-Faktor yang Mempengaruhi Perilaku Anak Jalanan Binaan dan Non Binaan. Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya, Surabaya. Sanituti Hariadi, Sri & Suyanto, Bagong. 2002. Krisis & Child Abuse (Kajian Sosiologis Tentang Kasus Pelanggaran Hak Anak dan Anak-anak yang Membutuhkan Perlindungan Khusus). Universitas Airlangga Press, Surabaya. Umrah, Yuliati, dkk. 2004. Pelajaran dari Anak-Anak Merdeka. Guci Media, Surabaya. Walpole, E. Ronald. 1995. Pengantar Statistika, Edisi ketiga. PT. Gramedia Pustaka Utama, Jakarta. Wayne, W. Daniel. 1998. Statistik Non Parametrik Terapan, PT. Gramedia Pustaka Utama, Jakarta. Wulandari, Sri Pingit, dkk. 2009. Buku Ajar Analisis Data Kualitatif. Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya, Surabaya.
14
