APLIKASI STRUCTURAL EQUATION MODELLING (SEM) PADA KAJIAN PERSEPSI MASYARAKAT PESISIR TERHADAP BENCANA TSUNAMI BAGI MASYARAKAT KOTA BENGKULU

Jurnal Konvergensi Vol. 4, No. 1, April, 2014

APLIKASI STRUCTURAL EQUATION MODELLING (SEM) PADA KAJIAN PERSEPSI MASYARAKAT PESISIR TERHADAP BENCANA TSUNAMI BAGI MASYARAKAT KOTA BENGKULU Jose Rizal1*, Syahrul Akbar1, Fachri Faisal1, Zulfia Memi Mayasari1 1) Dosen Jurusan Matematika, FMIPA Universitas Bengkulu *) E-mail : [email protected]

Abstrak Penelitian ini bertujuan untuk mengaplikasikan Analisis Structure Equation Modelling (SEM) dalam mengkaji persepsi masyarakat pesisir Kota Bengkulu terhadap pengetahuan kebencanaan, khususnya bencana tsunami. Untuk mencapai tujuan tersebut, dilakukan penelitian kualitatif, dimana data penelitian diperoleh dengan melakukan penyebaran kuesioner secara terkendali (wawancara langsung). Variabel dan indikator dalam kuesioner penelitian ini mengacu pada hasil Pengembangan Framework Untuk Mengukur Kesiapsiagaan Masyarakat yang telah dilakukan oleh Tim LIPI (2006). Pemodelan dan estimasi parameter model menggunakan pendekatan Analisis SEM, sedangkan dalam pengolahan datanya digunakan bantuan Software Excel, SPSS versi 16, dan Amos versi 16. Hasil studi menunjukkan bahwa dari lima variabel eksogen (bebas) yang mempengaruhi dampak Resiko Bencana Tsunami (variabel endogen), variabel Rencana Tanggap Darurat dan variabel Kebijakan dan Panduan memberikan hubungan yang negatif, sedangkan variabel Pengetahuan dan Sikap, Rencana Tanggap Darurat, dan Sistem Peringatan Bencana memberikan hubungan yang positif. Secara khusus responden Kota Bengkulu memberikan persepsi kurang siap (tidak paham) dari setiap indikator dari variabel Kebijakan dan Panduan dan Sistem Peringatan Bencana. Kata Kunci: SEM, Persepsi, Penelitian Kualitatif, Tsunami, variabel Endogen dan Eksogen.

1. PENDAHULUAN Analisis data kualitatif dapat dilakukan dengan pendekatan analisis data kategorik, analisis korespondensi, dan analisis faktor. Analisis faktor dapat dibedakan menjadi dua jenis yaitu: Analisis Faktor Ekspolatori dan Analisis Faktor Konfirmatori. Perbedaan yang mendasar antara kedua model tersebut adalah analisis faktor eksploratori merupakan suatu teknik untuk mereduksi data dari variabel asal atau variabel awal menjadi variabel baru atau faktor yang jumlahnya yang lebih kecil dari variabel awal. Dalam analisis faktor konfirmatori, terdapat variabel laten dan variabel indikator. Variabel laten adalah variabel yang tidak dapat dibentuk dan dibangun secara langsung sedangkan variabel indikator adalah variabel yang dapat diamati dan diukur langsung (Effendi, 2012). Analisis faktor konfirmatori merupakan salah satu bagian dari analisis Structure Equation Modelling (SEM), dimana sebelum tahapan analisis SEM dilakukan, perlu dilakukan analisis faktor

Aplikasi Structural Equation Modelling (SEM) Pada … Jose Rizal1*, Syahrul Akbar1, Fachri Faisal1, Zulfia Memi Mayasari1

13

Jurnal Konvergensi Vol. 4, No.1, April, 2014

konfirmatori dari masing-masing variabel penelitian. Aplikasi dari SEM banyak digunakan pada penelitian kesehatan, pendidikan, sosial, mengingat variabel yang digunakan relatif banyak dan cukup kompleks. Berdasarkan data Badan Penanggulangan Bencana Nasional Propinsi Bengkulu (2004), khususnya Kota Bengkulu termasuk wilayah yang rawan ancaman bencana tsunami. Hal ini dikarenakan Kota Bengkulu memilki relief permukaan tanah yang bergelombang, disamping itu secara keseluruhan wilayah kota merupakan punggung-punggung yang datar dengan ketinggian antara 0-16 meter dari permukaan laut. Suwarsono (2003) mengungkapkan bahwa terdapat empat kecamatan dari delapan kecamatan di Kota Bengkulu tergolong rawan terhadap bencana tsunami. Sedangkan Fauzi dkk (2012), mendeskripsikan pemodelan terhadap resiko bencana tsunami dengan pendekatan statistika spasial untuk tiga Kelurahan di Kota Bengkulu yaitu : Kelurahan Malabero, Meleleh, dan Berkas. Masing-masing kelurahan mempunyai resiko sangat tinggi terhadap bencana tsunami. Berikut ini tabel dari luas daerah rawan resiko bencana tsunami berdasarkan skeneario tinggi run-up : Tabel 1. Luas Daerah Rawan Resiko Bencana Tsunami Berdasarkan Skenario Tinggi Run-up Malabero (Ha) Berkas (Ha) Sumur Meleleh (Ha) run up 5

run up 15

run up 30

run up 5

run up 15

run up 30

run up 5

run up 15

run up 30

Sangat Rawan

2.312

3.3

4.664

1.975

2.22

2.307

6.169

10.264

11.22

Rawan

6.703

7.599

7.222

2.562

4.558

4.303

9.148

11.595

11.3

Potensial Rawan

8.717

6.833

5.846

10.565

8.814

8.736

11.892

5.349

4.688

Jumlah

17.732

17.732

17.732

15.347

15.347

15.346

27.209

27.208

27.208

Sumber : Laporan Penelitian Unggulan Unib Tahun 2012 Yulian. Tujuan penelitian ini adalah untuk mengaplikasikan Analisis Structure Equation Modelling (SEM) dalam mengkaji persepsi masyarakat pesisir Kota Bengkulu terhadap pengetahuan kebencanaan, khususnya bencana tsunami. Adapun yang menjadi objek penelitian dikhususkan bagi daerah-daerah yang dinyatakan sebagai daerah rawan bencana tsunami berdasarkan hasil penelitian Suwarsono (2003) dan Yulian (2012).

2. Tinjauan Pustaka 2.1 STRUCTURE EQUATION MODELLING (SEM) Persamaan matematika untuk Analisis Faktor Konfirmatori (AFK) dapat ditulis sebagai berikut: (1) = +

14



keterangan : Vektor bagi peubah-peubah indikator : Matriks faktor loading( ) atau koefisien yang menunjukan hubungan antara X dengan : Vektor bagi peubah–peubah laten : Vektor bagi galat pengukuran Asumsi-asumsi yang digunakan dalam model di atas adalah : (Joreskog, 1969) a. ( ) = b. ( ) = 0 … 0 0 … 0 ′ ( )= c. = = ⋱ ⋮ = ⋮ ⋮ 0 0 … 1 1 ⎛ ⎞ ′ ( ) d. = =⎜ 1 ⎟= ⋮ ⋮ ⋮ ⋱ 1⎠ ⋯ ⎝ , ′ ′ ( ) e. , = = + berikut penjabarannya, diberikan = + , perhatikan bahwa, ( ) = [( + )( + )′ ] = ( + ) ( )′ + ′ ′ ( )′ + = + ( )′ + ′ ′ ′ = [ + ] ′ ′ = [ ( ) + ′] ′ = +

′

2.2 Estimasi Parameter Model SEM Dalam Jeremy (2009), ditampilkan beberapa metode statistika yang umumnya digunakan dalam estimasi parameter model persamaan 1 adalah : Maximum Likelihood Estimation (MLE), Generalized Least Square (GLS), Unweighted Least Square (ULS), Scale-free Least Square (SLS) , dan Asymptotically Distribution-free (ADF). Pemilihan metode dalam estimasi tergantung dari hasil pengujian kenormalan data penelitian. Pada umumnya metode yang digunakan adalah Maximum Likelihood Estimation (MLE) dan Generalized Least Square (GLS). Pada tulisan ini metode yang dipakai adalah Maximum Likelihood Estimation (MLE) sebuah metode statistik untuk mengestimasi koefisien dari sebuah model yang dihipotesiskan. Misalkan , , … merupakan contoh pupulasi yang memiliki fungsi kepekatan peluang ( ; )dimana ∈ yang merupakan vektor parameter yang tidak diketahui. Maximum Likelihood Estimation(MLE) didefinisikan sebagai:


15


( ; )=

( ; )

(2)

Misalkan merupakan matriks data pengamatan, MLE dari θ didefinisikan sebagai = max ( ; ). Untuk mendapatkan nilai max ( ; ), digunakan pendekatan log fungsi likelihood sehingga ℓ( ; ) = log ( ; ). Misalkan , , … memiliki Distribusi Normal ( , ) dengan fungsi kepekatan peluang nya didefinisikan sebagai 1 (3) ( ) = |2 | ( − ) − ( − ) 2 Maka diperoleh hasil estimasi parameter MLE sebagai berikut: 1 ℓ( ; , ) = − log|2 | − ( − ) Σ ( − ) 2 2 = − log|2 2

|−

2

(

)− ( 2

− ) Σ (

− )

Sehingga diperoleh ℓ( ; , ) = −

2

log|2

|+

(Hardle, 2007)

3. METODOLOGI PENELITIAN Alat dan bahan yang digunakan dalam penelitian adalah instrumen kuisioner yang telah diuji validitas dan reliabilitas. Kuesioner ini merupakan alat ukur yang digunakan untuk melihat persepsi dari responden akan pengetahuan terhadap resiko bencana tsunami. Disamping itu, diperlukan juga seperangkat komputer yang dilengkapi dengan software aplikasi Excel, SPSS versi 16 dan AMOS versi 16 untuk pengolahan data. Lokasi penelitian yang dipilih kelurahan Malabero, Sumur Meleleh dan Berkas. Hal ini didasarkan atas hasil investigasi yang dilakukan oleh Suwarsono (2003) dan Yulian (2012). Sedangkan pemilihan responden mengacu pada hasil kajian LIPIUNESCO (2006). Dalam laporannya LIPI mengelompokkan stakeholders kesiapsiagaan terhadap bencana ke dalam tujuh kelompok yaitu : individu dan rumah tangga, pemerintah, komunitas sekolah, kelembagaan masyarakat, Lembaga Swadaya Masyarakat (LSM) termasuk Organisasi Non-pemerintah, kelompok profesi, dan pihak swasta. Dalam penelitian ini responden yang dipilih adalah individu dan rumah tangga. Secara garis besar prosedur penelitian yang dilakukan adalah sebagai berikut : 1. Penelitian diawali dengan melakukan observasi/survey ke lokasi penelitian dan melakukan penelusuran kepustakaan tentang faktor-faktor yang mempengaruhi pengetahuan masyarakat dalam menghadapi bencana alam khususnya tsunami. 2. Tahap selanjutnya yakni penyusunan angket kuesioner, yang dilanjutkan dengan uji coba kuesioner. Uji coba yang dimaksud meliputi, pemahaman responden terhadap item-item pernyataan kuesioner, uji validitas, dan uji reabilitas. Adapun uji validitas instrumen kuesioner dengan pendekatan : (Singarimbun (2007)).

16


(4)


,

(∑

= ∑

− ∑

) − (∑ ( ∑

∑

) − ∑

(5) )

( ; Pernyataan dikatakan valid dengan = 0.05 bila , > = − 2). Uji reabilitas instrumen kuesioner dengan pendekatan metode Cronbach Alpha: (Singarimbun (2007)). ∑ = 1− (6) −1 3. Pengambilan data penelitian berupa data kualitatif dari persepsi masyarakat terhadap item-item pernyataan kuesioner. 4. Menyusun basis data dari jawaban responden dengan bantuan paket program SPSS versi 16. Basis data tersebut akan diolah dengan pendekatan analisis deskriptif dan Analisis Faktor Konfirmatori menggunakan Structure Equation Modelling (SEM). Khusus untuk Analisis Faktor Konfirmatori, untuk mempermudah analisis digunakan bantuan paket program AMOS versi 16. Adapun prosedur pengerjaan SEM menggunakan AMOS telah diuraikan secara lengkap dalam Akbar (2010).

4. HASIL DAN PEMBAHASAN Jumlah responden dalam penelitian ini sebanyak 154 orang, terbagi dalam tiga lokasi (kelurahan) yaitu: Malaeboro, Sumur Meleleh, dan Berkas. Adapun variabel dalam penelitian ini adalah satu variabel laten endogen dan lima variabel laten eksogen. Variabel endogen dalam penelitian ini adalah variabel Resiko Bencana Tsunami(RBT), dan variabel eksogen terdiri dari : variabel Pengetahuan dan Sikap (PS), Kebijakan dan Panduan (KP), Rencana Tanggap Darurat (RTD), Sistem Peringatan Bencana (SPB), dan Kemampuan Memobilisasi Sumberdaya(KMS). Seperti tampak pada Gambar 1, persentase dari masing-masing kelurahan hampir merata berkisar 33%. Bila dilihat dari kategori umur (Gambar 2), responden dalam penelitian ini, didominasi oleh umur di atas 21 tahun (93%), hal ini dimaksudkan agar responden dalam penelitian mampu menjawab pertanyaan dengan baik. Hal ini sejalan dengan tingkat pendidikan dari responden (Gambar 3), dimana hampir 95% telah mengikuti pendidikan sehingga dalam pengisian kuesioner tidak menghadapi kendala dalam membaca dan pengisian.


17


Gambar 1. Diagram Histogram Gambar 2. Diagram Histogram Persentase Responden Berdasarkan Persentase Responden Berdasarkan Lokasi Kelurahan Kategori Umur Bila dilihat dari jenis pekerjaan (Gambar 4), mayoritas responden berprofesi sebagai wiraswasta, nelayan, ibu rumah tangga dan lain lain. Hal ini memudahkan tim dalam pengambil data dalam melakukan survey pengisian kuesioner. Tabel 2. Deskripsi UjiValiditas dan Reabilitas Kuesioner Penelitian

Gambar 3. Diagram Histogram Persentase Responden Berdasarkan Tingkat Pendidikan

Gambar 4. Diagram Histogram Persentase Responden Berdasarkan Jenis Pekerjaan

18



Untuk mendapatkan kesimpulan yang valid, perlu dilakukan uji validitas dan reliabilitas terhadap kuesioner sebagai alat ukur persepsi masyarakat, berdasarkan tabel 2, diperoleh kesimpulan bahwa setiap item pertanyaan dari masing-masing variabel penelitian valid. Hal ini berdasarkan hasil nilai dari setiap item lebih ( ; − 2) = 0.159. Pengujian reliabel dari masing-masing item besar dari peranyaan memberikan nilai Alpha Cronbach lebih besar dari 0.60, sehingga dapat dikatakan kuesioner tersebut reliabel. Hasil ini dikuatkan dengan nilai Alpha Cronbach untuk seluruh item pertanyaan sebesar 0.742. Menjawab tujuan dari penelitian ini, rekapan data diolah sedemikian sehingga diperoleh ukuran tingkat kesiapsiagaan masyarakat. Adapun ukuran tingkat kesiapsiagaan masyarakat dikategorikan dalam lima kategori yakni : Sangat Siap (80-100), Siap (65-79), Hampir Siap (55-64), Kurang Siap (40-54), dan Belum Siap (kurang dari 40) (LIPI-UNESCO). Dari tabel 3, terlihat bahwa pada variabel kebijakan dan panduan dengan indikator pertama,”Jenis-jenis kebijakan kesiapsiagaan untuk mengatisipasi bencana alam”, responden berpresepsi Kurang Siap, bahkan bila dilihat dari masing-masing kelurahan, Sumur Meleleh Belum Siap. Sedangkan untuk masing-masing indikator dua ,”Peraturan-peraturan yang relevan, seperti Perda dan SK”, dan indikator tiga, “panduan-panduan relevan” masyarakat Kota Bengkulu mempresepsikan Belum Siap. Tabel 3. Deskripsi kesiapsiagaan Tabel 4. Deskripsi kesiapsiagaan Responden dalam menghadapi bencana responden pada masing-masing tsunami. Kelurahan di Kota Bengkulu dalam menghadapi bencana tsunami.

Untuk variabel Rencana Tanggap Darurat, masyarakat Kota Bengkulu mempresepsikan belum siap, dimana hal tersebut tersebar di setiap kelurahan. Untuk


19


variabel Sistem Peringatan Bencana, indikator pertama dan ketiga yakni : “sistem peringatan bencana tsunami secara tradisional yang berlaku secara turun temurun” dan “akses sistem peringatan bencana” persepsi dari responden adalah kurang siap. Untuk variabel kemampuan memobilisas sumber daya, indikator dua, “mobilisasi dana” persepsi masyarakat belum siap. Sedangkan indikator empat, “pemantauan dan evaluasi kegiatan kesiapsiagaan bencana” persepsi masyarakat kurang siap. Metode Maximum Likelihood Estimation (MLE), mempersyaratkan dipenuhinya asumsi normalitas multivariat. Perumusan Hipotesis dalam pengujian normal multivarit adalah sebagai berikut: H0 : data mengikuti distribusi multinormal H1 : data tidak mengikuti distribusi multinormal Kriteria pengujian hipotesis dengan cara membandingkan nilai ( ). Terima H0 dengan tingkat kepercayaan 95%, bila nilai diperoleh berada diantara nilai

(

dan yang

) = ±1.96. Berdasarkan hasil output dari

AMOS, seperti tampak pada tabel 5, nilai = 0.471 berada diantara nilai ( ) = ±1.96, dapat disimpulkan data penelitian mengikuti distribusi normal multivariat. Tabel 5. Assessment of Normality Variabel min Max KMS1 1,000 5,000 KMS2 1,000 5,000 KMS3 1,000 5,000 KMS4 1,000 5,000 KP3 1,000 5,000 KP2 1,000 5,000 KP1 1,000 5,000 RTD4 1,000 5,000 RTD3 1,000 5,000 RTD1 1,000 5,000 RTD2 1,000 5,000 SPB4 1,000 5,000 SPB3 1,000 5,000 SPB2 1,000 5,000 SPB1 1,000 5,000 PS4 1,000 5,000 PS3 1,000 5,000 PS2 1,000 5,000 PS1 1,000 5,000 RB 1,000 4,000 Multivariate

20

skew -,384 1,098 -,345 ,706 2,556 1,990 ,716 1,516 -1,050 -,474 -,187 ,132 ,549 -,888 ,227 -,320 -,161 -,882 -1,261 ,802

c.r. -1,948 5,561 -1,748 3,575 12,949 10,080 3,627 7,682 -5,322 -2,400 -,946 ,668 2,780 -4,499 1,153 -1,624 -,816 -4,471 -6,390 4,063

Kurtosis -1,769 -,555 -1,674 -1,413 5,122 2,419 -1,314 ,433 -,474 -1,611 -1,833 -1,019 -1,463 -,942 -1,805 -1,716 -1,562 -,538 -,169 -,742 2,252

c.r. -4,480 -1,405 -4,239 -3,579 12,974 6,127 -3,329 1,097 -1,201 -4,080 -4,644 -2,582 -3,706 -2,387 -4,571 -4,346 -3,956 -1,364 -,429 -1,878 ,471



Setelah pengujian kenormalan data (data penelitian mengikuti distribusi normal), kita dapat melanjutkan analisis SEM. Berikut ini, nilai estimasi bobot regresi dari setiap indikator pada variabel endogen dan variabel endogen terhadap variabel eksogen. Tabel 6. Nilai estimasi bobot regresi dari variabel endogen dan eksogen, dan variabel endogen dengan masing-masing indikatornya. No Variabel Variabel Estimasi No Variabel Variabel Estimasi 1. RBT  RTD - 0.876 14. SPB4  SPB 1.749 2. RBT  KP - 0.119 15. RTD3  RTD 0.499 3. 16 RBT  KMS 0.478 RTD4  RTD 0.788 4.  17.  RBT PS 0.551 RTD2 RTD 1.065 5. 18. RBT  SPB 0.320 RTD1  RTD 1.000 6. 19. RB  RBT 1.000 KP1  KP 1.000   7. PS1 PS 0.619 20. KP2 KP 0.518 8. 21. PS2  PS 0.349 KP3  KP 0.585 9. 22. PS3  PS 0.154 KMS4  KMS 1.000 10.  23. PS4 PS 1.000 KMS3  KMS 0.960 11. SPB1  SPB 1.000 24 KMS2  KMS 1.374 12. 25. SPB2  SPB 1.358 KMS1  KMS 0.701 13. SPB3  SPB 0.864 Hasil dari tabel 6, dapat juga dilihat secara satu kesatuan dalam sebuah Model Hubungan Variabel Endogen dan Variabel Eksogen Bencana Tsunami sebagai berikut :


21


Gambar 5. Model Hubungan Variabel Endogen dan Variabel Eksogen Bencana Tsunami. Berdasarkan hasil pengolahan data menggunakan pendekatan Structure Equation Modelling (SEM), diperoleh hasil hubungan yang terjadi antara variabel laten endogen RBT, dan variabel laten eksogen PS, KP, RTD, SPB, dan KMS adalah sebagai berikut (Gambar 5) : 1. Bila dilihat secara umum, model persamaan matematis yang dihasilkan adalah sebagai berikut : = 0.55 + 0.32 + 0.48 − 0.88 − 0.12 + 1 a. koefisien regresi hubungan antara variabel RBT dengan PS, SPB, dan KMS bernilai positif, artinya bila di ukur saat ini, pengurangan dampak resiko bencana tsunami sangat dipengaruhi oleh faktor PS, SPB, dan KMS. b. koefisien regresi hubungan antara variabel RBT dengan RTD dan KP bernilai negatif, artinya bila di ukur saat ini, faktor RTD dan KP beserta indikator yang ada pada masing-masing variabel meningkatkan dampak resiko bencana tsunami.

22



2. Bila dilihat secara khusus yang terjadi antara variabel laten eksogen dengan indikator-indikatornya, dapat dijelaskan sebagai berikut : a. Variabel laten PS i. 1 = 0.619 + 1 ii. 2 = 0.349 + 2 iii. 3 = 0.154 + 3 iv. 4 = 1.000 + 4 Masing-masing koefisien bobot regresi bernilai positif, khusus indikator PS4 bobot regresi yang dihasilkan relatif cukup besar, dibandingkan dengan PS1, PS2, dan PS3. Hal ini mengindikasikan bahwa berdasarkan data penelitian, untuk peningkatan pemahaman masyarakat pada variabel laten PS, pihak pemerintah Kota Bengkulu perlu memberikan perhatian lebih berupa pemberian informasi atau penyuluhan perihal, “kerentanan bangunan fisik di daerah bencana”. b. Variabel laten RTD i. 1 = 1.000 ii. 2 = 1.065 iii. 3 = 0.499 iv. 4 = 0.788

+ + + +

6 7 8 9

Indikator RTD2 memiliki bobot regresi relatif cukup besar, dibandingkan dengan RTD1, RTD4, dan RTD3. Hal ini mengindikasikan bahwa berdasarkan data penelitian, untuk peningkatan pemahaman masyarakat pada variabel laten RTD, pihak pemerintah Kota Bengkulu perlu memberikan perhatian lebih berupa penyediaan dan penyuluhan perihal, “peralatan dan perlengkapan evakuasi”. c. Variabel laten SPB i. 1 = 1.000 ii. 2 = 1.358 iii. 3 = 0.864 iv. 4 = 1.749

+ + + +

10 11 12 13

Indikator SPB4 memiliki bobot regresi relatif cukup besar, dibandingkan dengan SPB2, SPB1, dan SPB3. Hal ini mengindikasikan bahwa berdasarkan data penelitian, untuk peningkatan pemahaman masyarakat pada variabel laten SPB, pihak pemerintah Kota Bengkulu perlu memberikan perhatian lebih berupa penyuluhan dan pelaksanaan perihal, “latihan dan simulasi sistem peringatan bencana baik secara tradisional maupun berbasis teknologi informasi”. d. Variabel laten KP


23


i. 1 = 1.000 + 18 ii. 2 = 0.518 + 19 iii. 3 = 0.585 + 20 Indikator KP1 memiliki bobot regresi relatif cukup besar, dibandingkan dengan KP3, dan KP2. Hal ini mengindikasikan bahwa berdasarkan data penelitian, untuk peningkatan pemahaman masyarakat pada variabel laten KP, pihak pemerintah Kota Bengkulu perlu memberikan perhatian lebih berupa sosialisasi dan penyuluhan perihal, “peraturan dan aturan yang relevan dalam pengalokasian dana tanggap darurat bencana”. e. Varibael Laten KMS i. 1 = 0.701 ii. 2 = 1.374 iii. 3 = 0.960 iv. 4 = 1.000

+ + + +

14 15 16 17

Indikator KMS2 memiliki bobot regresi relatif cukup besar, dibandingkan dengan KMS4, KMS3, dan KMS1. Hal ini mengindikasikan bahwa berdasarkan data penelitian, untuk peningkatan pemahaman masyarakat pada variabel laten KMS, pihak pemerintah Kota Bengkulu perlu memberikan perhatian lebih berupa penyiapan dan pelatihan perihal, “sumber daya manusia yang akan dijadikan relawan”. 3. Korelasi yang terjadi antara variabel laten eksogen adalah sebagai berikut : Tabel 6. Ringkasan Korelasi Yang Terjadi Antara Variabel Laten Eksogen PS RTD SPB KP KMS PS 0.85 0.36 KP 0.46 RTD 0.85 0.37 KMS 0.46 SPB 0.36 0.37 Berdasarkan tabel 6, korelasi yang cukup besar terjadi pada variabel RTD dan PS di atas 0.6, hal ini dapat dijadikan masukkan bagi pemerintah Kota Bengkulu dalam upaya meningkatkan pemahaman masyarakat terhadap bencana tsunami, dapat mensinkronkan segala kegiatan pelatihan atau sosialisasi dari setiap indikator yang ada pada variabel RTD dan PS. 4. Bila dilihat dari ukuran evaluasi model pada Tabel 6, model yang dihasilkan masih dalam kategori marginal, belum dapat dikatakan baik (cocok) secara statistik namun tidak dikatakan jelek. Tabel 7 Ringkasan Evaluasi Model Goodness of Fit Indeks Cut off Value Hasil Evaluasi CMIN/DF < 2.00 2.566 Marginal GFI > 0.90 0.797 Marginal AGFI > 0.90 0.736 Marginal RMSEA Relatif Kecil 0.101 Baik

24



5. KESIMPULAN Kajian persepsi masyarakat pesisir terhadap bencana tsunami bagi masyarakat Kota Bengkulu, dilihat dari tingkat kesiapsiagaan masyarakat dalam menghadapi bencana tsunami. Beberapa variabel kesiapsiagaan menghadapi bencana yang digunakan dalam penelitian ini mengacu pada hasil kajian LIPI-UNESCO, variabel tersebut diantaranya : variabel endogen (Variabel Resiko Bencana Tsunami(RBT)), dan variabel eksogen (Variabel Pengetahuan dan sikap (PS), kebijakan dan panduan (KP), rencana tanggap darurat (RTD), sistem peringatan bencana (SPB), dan kemampuan memobilisasi sumberdaya(KMS)). Berikut kesimpulan yang diperoleh : 1. Tingkat pemahaman/kesiapsiagaan dari responden (masyarakat Kota Bengkulu) terhadap variabel-variabel kesiapsiagaan dalam menghadapi bencana tsunami, sangat bervariatif mulai dari sangat siap sampai belum siap. Secara garis besar, variabel PS, responden berpresepsi “siap” untuk setiap indikator-indikatornya. Begitu juga dengan variabel RTD, dipersepsikan oleh responden “siap”. Sedangkan variabel-variabel lain seperti KP, SPB, dan KMS persepsi responden menyatakan “belum siap”. 2. Berdasarkan hasil rekapan wawancara langsung dengan responden, ketidaksiapan (kurangnya pemahaman) masyarakat terhadap indikatorindikator dari setiap variabel KP, SPB, dan KMS umumnya disebabkan oleh sosialisasi dari pihak pemerintah Kota yang sangat minim, kalaupun ada sifatnya isidental (tidak kontinu). Hal ini yang menyebabkan tingkat pemahaman responden mengenai semua indikator untuk mengukur pemahaman variabel KP, SPB, dan KMS tersebut dipersepsikan oleh responden belum siap/ tidak paham. 3. Berdasarkan pengolahan data menggunakan pendekatan Structure Equation Modelling (SEM), diperoleh hasil hubungan yang terjadi antara variabel RBT, dan variabel PS, KP, RTD, SPB, dan KMS adalah sebagai berikut : a. Koefisien regresi hubungan antara variabel RBT dengan PS, SPB, dan KMS bernilai positif, artinya bila di ukur saat ini, pengurangan dampak resiko bencana tsunami dikarenakan kesiapsiagaan/pemahaman masyarakat terhadap indiktor-indikator variabel PS, SPB, dan KMS cukup tinggi. Secara khusus variabel PS (0.55) memberikan kontribusi terbesar dalam mengurangi dampak resiko tsunami bila dibandingkan dengan SPB (0.31) dan KMS (0.48). b. Koefisien regresi hubungan antara variabel RBT dengan RTD dan KP bernilai negatif, artinya bila di ukur saat ini, peningkatan dampak resiko bencana tsunami dikarenakan kesiapsiagaan/pemahaman masyarakat terhadap indiktor-indikator variabel RTD dan KP sangat rendah. Secara khusus variabel RTD (0.88) memberikan kontribusi terbesar dalam meningkatkan dampak resiko tsunami dibandingkan dengan KP (-0.12).

6. DAFTAR PUSTAKA


25


[1] Akbar, S dan Rizal J, 2010, Aplikasi AMOS Pada Model Persamaan Struktural Dalam Menganalisis Hubungan Antara Variabel Disiplin dan Prestasi, Jurnal Gradien MIPA UNIB Vol 7 No1 [2] Bappeda Kota Bengkulu, 2004, Renstra Wilayah Pesisir dan Laut Kota Bengkulu. Bengkulu [3] Efendi, M.M., Purnomo, D.T. 2012. Analisis faktor konfirmatori untuk mengetahui kesadaran berlalu lintas pengendara sepeda motor di Surabaya timur. Surabaya. Jurnal Sains dan Seni ITS, hlm: 106. [4] Fauzi, Y., Suwarsono, Rizal, J, 2012, PenataanRuang Wilayah Pesisir Berbasis Mitigasi Bencana Sebagai Upaya Meminimalisir Dampak Resiko Bencana Tsunami Bagi Masyarakat Kota Bengkulu. Laporan Penelitian Unggulan Universitas Bengkulu. Bengkulu [5] Hardle, W. 2007.Applied multivariate statistical analysis.Humbolt-Universitat zu Berlin.Jerman [6] Jeremy J.A dan Park H.M, 2009, Confirmatory Factor Analysis using Amos, LISREL, Mplus, SAS/STAT CALIS, http://www.indiana.edu/~statmath [7] Joreskog, K. G. 1969. A General Approach To Confirmatory Maximum Likelihood Factor Analysis. Psychometrika-vol. 34, no. 2 [8] LIPI-UNESCO/ISDR. 2006. Laporan Akhir Pengembangan Framework Untuk Mengukur Kesiapsiagaan Masyarakat, Jakarta [9] Singarimbun, M dan S, Effendi. 1987. Validitas dan Reliabilitas Instrumen Penelitian, dalam Djamaludin Ancok ed. Metode Penelitian Survai, 122-124. LP3S, Jakarta [10] Suwarsono, 2003, Tingkat Pengetahuan Mitigasi Gempa Bumi dan Tsunami Ibu Rumah Tangga di Kota Bengkulu, Jurnal Akselarasi Universitas Muhammadiyah Bengkulu, Vol. IX No. 5.

26


APLIKASI STRUCTURAL EQUATION MODELLING (SEM) PADA KAJIAN PERSEPSI MASYARAKAT PESISIR TERHADAP BENCANA TSUNAMI BAGI MASYARAKAT KOTA BENGKULU

Recommend Documents