BAB III METODOLOGI PENELITIAN
3.1
Penetapan Lokasi dan Waktu Penelitian Lokasi penelitian ditetapkan di lingkungan Kantor Bina Marga Pemerintah
Kota Medan, Propinsi Sumatera Utara. Pertimbangan penetapan lokasi penelitian ini didasarkan hasil observasi pendahuluan yang menunjukkan fakta terdapat permasalahan dalam pemanfaatan waktu perjalanan yang belum efisien dan efektif di kalangan pegawai setempat khususnya dalam hal ketepatan jam tiba masuk kerja. Mayoritas pegawai Kantor Dinas Bina Marga Kota Medan sering mengalami permasalahan kemacetan lalu lintas di jalan yang dilalui hingga mengakibatkan ketertundaan atau keterlambatan masuk kerja tepat waktu.
Tak jarang, setelah
beberapa kali tertunda atau terlambat masuk kerja, pegawai bersangkutan kemudian diberi sanksi atau hukuman sesuai peraturan yang berlaku. Tentu kondisi demikian dikhawatirkan memberi dampak yang merugikan bagi peningkatan produktivitas kerja para pegawai dalam mendukung pencapaian visi, misi dan tujuan Dinas Bina Marga Kota Medan.
Bertolak dari cakupan permasalahan tersebut maka tema
penelitian ini sesuai dengan lingkup permasalahan yang tengah dihadapi para pegawai di lokasi penelitian, yang mengkaji secara mendalam mengenai karakteristik pegawai, tindakan yang dilakukan pegawai, dan menganalisis pengaruh karakteristik terhadap keterlambatan pegawai tiba di kantor dalam waktu perjalanan untuk meningkatkan ketepatan waktu tempuh.
42 Universitas Sumatera Utara
Waktu pelaksanaan penelitian direncanakan berlangsung selama sepuluh bulan yakni dimulai sejak bulan Mei 2013 sampai Maret 2014.
3.2
Desain Penelitian Dengan mempertimbangkan rumusan masalah penelitian menyebabkan desain
penelitian memanfaatkan pendekatan riset kuantitatif dan kualitatif. Gabungan kedua pendekatan riset kuantitatif dan kualitatif sesuai untuk mengkaji dan menganalisis karakteristik pegawai, berbagai tindakan pegawai, dan menganalisis pengaruh karakteristik terhadap keterlambatan pegawai tiba di kantor Dinas Bina Marga Kota Medan. Oleh karena itu, metode penelitian yang digunakan ialah studi kasus dengan pendekatan kuantitatif dan kualitatif. Desain penelitian disusun secara sistematis dalam beberapa tahap berikut: I. Tahap Pra Penelitian 1.
Observasi pendahuluan guna mengumpulkan berbagai data pendukung.
2.
Penelusuran literatur terkait dengan tema riset.
3.
Penyusunan proposal penelitian sesuai aturan format yang berlaku.
4.
Penyajian proposal dalam kegiatan seminar.
5.
Revisi proposal hingga siap digunakan pada tahap selanjutnya.
II. Pelaksanaan Penelitian di lapangan 1. Pengurusan izin penelitian. 2. Penetapan sumber data penelitian. 3. Pengumpulan data primer dan sekunder. 4. Pengolahan dan analisis data primer sekaligus data sekunder.
43 Universitas Sumatera Utara
5. Penyusunan laporan hasil penelitian. 6. Penyajian laporan hasil penelitian dalam kegiatan seminar. 7. Revisi laporan penelitian. Setiap tahap penelitian dilakukan secara berurutan. Perincian kegiatan penelitian yang lebih jelas terlihat pada Gambar 3.1.
Mulai Observasi Pendahuluan
Tinjauan Pustaka Data Primer:
Data Sekunder :
1. Karakteristik: Jam keberangkatan Jam tiba di lokasi kerja Frekuensi keterlambatan masuk Kerja Alamat rumah/ kode pos Tingkat Pendidikan Umur Pegawai Golongan Pegawai Pengalaman Selama Perjalanan Kondisi jalan utama Kondisi jalan alternatif 2. RagamTindakan 3. Keterhubungan keandalan waktu perjalanan dengan kondisi infrastruktur jaringan jalan
Metode Penelitian Studi Kasus dengan Pendekatan Kuantitatif dan Kualitatif
1. 2. 3.
Peta perjalanan Ruas jalan yang dilalui Data Absensi Pegawai
Analisis Dan Pembahasan Analisis Regresi Logistik
Kesimpulan dan Saran
Selesai
Gambar 3.1. Diagram Alur Penelitian
44 Universitas Sumatera Utara
3.3
Jenis Data Penelitian
Jenis data yang dibutuhkan pada penelitian ini adalah data primer dan data sekunder. 1.
Data
Primer,
yaitu
diperoleh
langsung
dari
hasil
daftar
pertanyaan
(questionnaire) yang disebarkan kepada pegawai Dinas Bina Marga Kota Medan. 2.
Data sekunder yaitu data yang diperoleh melalui studi dokumentasi dan data lain yang relevan pada penelitian ini seperti, Data Pegawai Dinas Bina Marga Kota Medan, Data Absensi (finger print) selama 1 tahun, dan data pendukung lainnya. Identifikasi ragam jenis data primer dan data sekunder secara lebih jelas dan
lengkap terperinci pada Gambar 3.1.
3.4
Teknik Penetapan Sumber Data Populasi penelitian ialah semua pegawai negeri sipil pada Kantor Dinas Bina
Marga Kota Medan. Dari populasi penelitian ditetapkan responden penelitian sebagai sumber data primer. Beberapa kriteria penetapan responden didasarkan pertimbangan berikut: 1.
Tercatat dan terdaftar sebagai pegawai negeri sipil aktif pada Kantor Dinas Bina Marga Kota Medan.
2.
Pernah minimal tiga kali mengalami ketertundaan atau keterlambatan masuk jam kerja setiap bulan (berdasarkan daftar absensi yang terdokumentasi pada satu tahun terakhir).
45 Universitas Sumatera Utara
3.5
Teknik Pengumpulan Data Data primer dikumpulkan dengan menggunakan teknik wawancara dengan
para responden. Kegiatan wawancara mengacu pada daftar pertanyaan yang tersusun secara sistematis dalam kuesioner terstruktur. Teknik pengumpulan data primer lain yang dimanfaatkan ialah observasi berpartisipasi yakni melakukan pengamatan aktif terhadap berbagai aktivitas responden dalam melaksanakan perjalanan dari rumah sampai kantor pada hari kerja. Teknik pengumpulan data sekunder dilakukan dengan penelusuran dan analisis data sekunder.
3.6
Teknik Pengolahan dan Analisis data Pengolahan dan analisis yang dilakukan terhadap kesemua jenis data yang
terkumpul dilaksanakan dengan menggunakan teknik
kualitatif dan kuantitatif.
Penjelasan pengolahan dan analisis data terlihat pada Tabel 3.1. Metode Kualitatif dan Kuantitatif merupakan metode penelitian yang secara definisi maupun pelaksanaannya bertolak belakang. Pengertian dan perbedaan dari ke dua metode tersebut yaitu: 1. Metode Penelitian Kualitatif Adalah metode yang lebih menekankan pada aspek pemahaman secara mendalam terhadap suatu masalah daripada melihat permasalahan untuk penelitian generalisasi.
Metode penelitian ini lebih suka menggunakan teknik analisis
mendalam (in-depth analysis), yaitu mengkaji masalah secara kasus perkasus karena metodologi kulitatif yakin bahwa sifat suatu masalah satu akan berbeda dengan sifat dari masalah lainnya. Tujuan dari metodologi ini bukan suatu generalisasi tetapi 46 Universitas Sumatera Utara
pemahaman secara mendalam terhadap suatu masalah. Penelitian kualitatif berfungsi memberikan kategori substantif dan hipotesis penelitian kualitatif. 2. Metode Penelitian Kuantitatif Adalah metode yang lebih menekankan pada aspek pengukuran secara obyektif terhadap fenomena sosial. Untuk dapat melakukan pengukuran, setiap fenomena sosial di jabarkan kedalam beberapa komponen masalah, variabel dan indikator. Setiap variabel yang di tentukan di ukur dengan memberikan simbolsimbol angka yang berbeda – beda sesuai dengan kategori informasi yang berkaitan dengan variabel tersebut.
Dengan menggunakan simbol-simbol angka tersebut,
teknik perhitungan secara kuantitatif matematik dapat di lakukan sehingga dapat menghasilkan suatu kesimpulan yang belaku umum di dalam suatu parameter. Tujuan utama dati metodologi ini ialah menjelaskan suatu masalah tetapi menghasilkan generalisasi. Generalisasi ialah suatu kenyataan kebenaran yang terjadi dalam suatu realitas tentang suatu masalah yang di perkirakan akan berlaku pada suatu populasi tertentu. Generalisasi dapat dihasilkan melalui suatu metode perkiraan atau metode estimasi yang umum berlaku didalam statistika induktif.
Metode
estimasi itu sendiri dilakukan berdasarkan pengukuran terhadap keadaan nyata yang lebih terbatas lingkupnya yang juga sering disebut “sample” dalam penelitian kuantitatif. Jadi, yang diukur dalam penelitian sebenarnya ialah bagian kecil dari populasi atau sering disebut “data”. Data ialah contoh nyata dari kenyataan yang dapat diprediksikan ke tingkat realitas dengan menggunakan metodologi kuantitatif tertentu. Penelitian kuantitatif mengadakan eksplorasi lebih lanjut serta menemukan
47 Universitas Sumatera Utara
fakta dan menguji teori-teori yang timbul dan untuk lebih jelas teknik pengolahan dan analisa data dapat dilihat pada tabel 3.1. Tabel 3.1. Teknik Pengolahan dan Analisis Data Jenis dan Kategori Data I. Data Primer Jam keberangkatan Jam tiba di lokasi kerja Tingkat Pendidikan Alamat Rumah/ Kode Pos Usia Pegawai Golongan Pegawai Frekuensi keterlambatan masuk kerja Pengalaman Selama Perjalanan Kondisi Jalan Utama Kondisi Jalan Alternatif Ragam tindakan Pegawai Keterhubungan Dengan Infrastruktur II. Data Sekunder Peta perjalanan Ruas jalan yang dilalui
Teknik Pengolahan Data
Teknik Analisis Data
Kuantitatif Kuantitatif Kuantitatif Kuantitatif Kuantitatif Kuantitatif Kualitatif Kualitatif Kualitatif Kualitatif Kualitatif Kualitatif
Kuantitatif Kuantitatif Kuantitatif Kuantitatif Kuantitatif Kuantitatif Kualitatif Kualitatif Kualitatif Kualitatif Kualitatif Kualitatif
Kualitatif Kualitatif
Kualitatif Kualitatif
Teknik pengolahan data kualitatif dilakukan dengan langkah berikut: reduksi data, kategorisasi data, penyajian data dan verifikasi data. Adapun teknik pengolahan data kuantitatif dilakukan melalui tahapan berikut: validitasi data, pengkodean data, entry datadan penyajian data.
3.6.1 Analisa Regresi Logistik Analisis regresi logistik digunakan untuk menjelaskan hubungan antara variabel terikat yang berupa data dikotomi/ biner dengan variabel bebas yang berupa data berskala interval dan atau kategorik (Hosmer dan Lemeshow, 1989). Variabel
48 Universitas Sumatera Utara
terikat berskala biner adalah variabel terikat y yang menghasilkan dua kategori (dikotomik) yang dinotasikan sebagai y = 1 menyatakan kejadian ”Sukses” dan y = 0 menyatakan kejadian ”Gagal” . Sehingga model persamaannya adalah sebagai berikut : Ln(p/1-p) = β0 + β1 X1 + β2 X2 + β3 X3 + β4 X4 + β5 X5 + β6 X6 + β7 X7 + β8 X8 + β9 X9 + β10 X10
(3.1)
Dimana: Pi
= Probabilitas terjadinya peristiwa, dalam hal ini pegawai tidak terlambat
(1-Pi) = Probabilitas tidak terjadinya suatu peristiwa dalam hal ini pegawai terlambat Selanjutnya disederhanakan menjadi: Li = β0 + β1 X1 + β2 X2 + β3 X3 + β4 X4 + β5 X5 + β6 X6 + β7 X7 + β8 X8 + β9 X9 + β10 X10
(3.2)
Dimana: Li = Probabilitas pegawai tidak terlambat dan terlambat; X1 = Jam tiba di lokasi; X2 = Jam keberangkatan; X3 = Frekwensi keterlambatan; X4 = Kategori alamat; X5 = Pendidikan trakhir; X6 = Usia; X7 = Golongan;
49 Universitas Sumatera Utara
X8 = Pengalaman selama diperjalanan; X9 = Kondisi jalur utama; X10 = Kondisi jalur alternatif. 3.6.2 Uji Hipotesis 3.6.2.1 Uji Signifikan Model Untuk mengetahui pengaruh variabel bebas terhadap variabel tidak bebas secara bersama-sama (overall) di dalam model, dapat digunakan Uji Likehood Ratio. Hipotesisnya adalah sebagai berikut: Ho : β1 = β2 = ……= βp = 0 (tidak ada pengaruh variabel bebas secara simultan terhadap variabel tidak bebas). Hi : βj ≠ 0 (ada pengaruh paling sedikit satu variabel bebas terhadap variabel tidak bebas). Dimana: Lo = Maksimum Likehood dari model reduksi (Reduced Model) atau model yang terdiri dari konstanta saja. Lp = Maksimium Likehood dari model penuh (Full Model) atau dengan semua variabel bebas . Statistik G2 ini mengikuti distribusi Chi-squares dengan derajat bebas sehingga hipotesis ditolak jika G2>x2(α.p) atau p- value < α yang berarti variabel bebas X secara bersama-sama mempengaruhi variabel tak bebas Y.
50 Universitas Sumatera Utara
3.6.2.2 Uji Parameter Model Pada umumnya, uji ini dilakukan setelah uji signifikansi model memutuskan bahwa ada satu variabel bebas yang memiliki pengaruh signifikan terhadap variabel tidak bebas. Tujuannya adalah untuk mencari tahu manakah variabel bebas yang signifikan mempengaruhi variabel tidak bebas tersebut.
Pengujian keberartian
parameter (koefisien β) secarapartial dapat dilakukan melalui uji Wald dengan hipotesisnya sebagai berikut: Ho : βj = 0 (variabel bebas ke j tidak mempunyai pengaruh secara signifikan terhadap variabel tidak bebas). Hi : βj ≠ 0 (variabel bebas ke j mempunyai pengaruh secara signifikan terhadap variabel tidak bebas). Hipotesis akan ditolak jika W > x2(α.l) atau p- < α yang berarti variabel Xj secara partial mempengaruhi variabel tidak bebas.
3.6.2.3 Odds Ratio Berbeda dengan regresi linear berganda dengan variabel tidak bebas berbentuk kontinyu (kuantitatif), pada regresi logistic koefisien dari modelnya tidak bias serta merta kita interpretasikan langsung. Oleh karena itu, digunakanlah odds ratio (Exp(β)).
Odds ratio merupakan ukuran risiko atau kecenderungan untuk
mengalami kejadian tertentu antara satu kategori dengan kategori lainnya, didefinisikan sebagai ratio dari odd suntuk xj = 1 terhadap xj = 0. Odds ratio ini menyatakan risiko atau kecenderungan pengaruh observasi dengan xj = 1 adalah berapa kali lipat jika dibandingkan dengan observasi dengan xj = 0. Untuk variabel 51 Universitas Sumatera Utara
bebas yang berskala kontinyu maka interpretasi dari koefisien β pada model regresi logisik adalah setiap kenaikan c unit pada variabel bebas akan menyebabkan risiko terjadinya Y = 1 adalah exp (c.βj) kali lebih besar. Untuk kemudahan pengolahan data, digunakan alat bantu berupa perangkat komputer dengan perangkat lunak SPSS .
52 Universitas Sumatera Utara
BAB IV HASIL DAN PEMBAHASAN
4.1
Pelaksanaan Penelitian Penelitian dilakukan Dinas Bina Marga Pemerintah Kota Medan, yang
berlokasi di Jalan Pinang Baris Nomor 114-C Medan Sumatera Utara. Dinas Bina Marga Pemerintah Kota Medan terletak di Kecamatan Medan Sunggal, salah satu dari 21 kecamatan di kota Medan. Kecamatan Medan Sunggal berbatasan dengan Kecamatan Medan Selayang di sebelah barat, Kecamatan Medan Polonia di sebelah timur, Kecamatan Medan Johor di selatan, dan Kecamatan Medan Petisah dan Kecamatan Medan Barudi utara.
Di Kecamatan ini, terdapat kompleks
pemukiman padat penduduk, pasar, pertokoan, lapangan sepak bola, showroom, dll. Salah satu jenis data yang diperoleh dari penelitian ini adalah data sekunder, dimana data sekunder peta perjalanan dari seluruh pegawai Dinas Bina Marga Kota Medan telah diplotkan pada Peta Kota Medan dari lokasi asal pegawai ke tempat tujuan yaitu Kantor Dinas Bina Marga Kota Medan (peta terlampir).
4.2
Karakteristik Responden Dari data primer yang diperoleh di kantor Dinas Bina Marga Pemerintah
Kota Medan dan kuisioner yang telah disebarkan di kantor Dinas Bina Marga Pemerintah Kota Medan maka didapat data-data sebagai berikut:
53 Universitas Sumatera Utara
4.2.1 Data Responden Dari Kantor Dinas Bina Marga Pemerintahan Kota Medan Jumlah pegawai Dinas Bina Marga Kota Medan adalah 171 orang. Dari 171 orang data pegawai yang didapatkan kemudian di golongkan sesuai karakteristik sebagai berikut: 4.2.1.1 Karakteristik Responden Berdasarkan Jam Tiba di Lokasi Kerja Dari hasil penelitian yang didapat terhadap 171 responden pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan jam tiba di lokasi kerja masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.1 dan gambar 4.1. Tabel 4.1. Kelompok Responden Berdasarkan Jam Tiba di Lokasi Kerja No 1 2 3 4 5 6
Jam Tiba di Lokasi Kerja Dibawah Jam 6:30 6:30 - 7:00 7:00 - 7:30 7:30 - 8:00 8.00 - 8.30 Diatas Jam 8:30 Total
Jumlah Responden 0 4 12 45 93 17 171
Persentase Jumlah Responden (%) 0 2.34 7.02 26.32 54.39 9.94 100
54 Universitas Sumatera Utara
Jumlah Responden Gambar 4.1. Responden Berdasarkan Jam Tiba di Lokasi Kerja Dari gambar 4.1. dapat disimpulkan bahwa responden berdasarkan jam tiba di lokasi kerja jam 8.00-8.30 adalah yang paling besar, yaitu 93 orang (54.39 %), kemudian diikuti dengan jam tiba di lokasi 7.30-8.00 sebesar 45 orang (26.32 %).
4.2.1.2 Karakteristik Responden Berdasarkan Alamat Rumah/ Kecamatan Dari hasil penelitian terhadap 171 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan Alamat rumah/ Kecamatan masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.2 dan gambar 4.2.
55 Universitas Sumatera Utara
Tabel 4.2. Alamat Rumah/ Kecamatan NO. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Nama Kecamatan Medan Amplas Medan Area Medan Barat Medan Baru Medan Belawan Medan Deli Medan Denai Medan Helvetia Medan Johor Medan Kota Medan Labuhan Medan Maimun Medan Marelan Medan Perjuangan Medan Petisah Medan Polonia Medan Selayang Medan Sunggal Medan Tembung Medan Timur Medan Tuntungan Luar Medan Tidak Diketahui/ Tidak Jelas Total
Jumlah Responden 12 2 3 4 0 3 5 19 7 4 5 1 2 11 4 0 7 6 6 7 6 16 41 171
Persentase Jumlah Responden (%) 7.02 1.17 1.75 2.34 0.00 1.75 2.92 11.11 4.09 2.34 2.92 0.58 1.17 6.43 2.34 0.00 4.09 3.51 3.51 4.09 3.51 9.36 23.98 100
56 Universitas Sumatera Utara
Gambar 4.2. Responden Berdasarkan Alamat Rumah/ Kecamatan Dari gambar 4.2. dapat disimpulkan bahwa responden berdasarkan alamat rumah/ kecamatan tidak diketahui/ tidak jelas adalah yang paling besar, yaitu 41 orang (23.98 %) diikuti dengan responden asal kecamatan Medan Helvetia sebanyak 19 orang (11.11 %). 4.2.1.3 Karakteristik Responden Berdasarkan Tingkat Pendidikan Pegawai Dari hasil penelitian terhadap 171 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan jenjang
57 Universitas Sumatera Utara
pendidikan pegawai masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.3 dan gambar 4.3. Tabel 4.3. Tingkat Pendidikan Pegawai No
Tingkat Pendidikan
1 2 3 4 5 6 7 8
SD SMP
9
SLTA SekolahKejuruan D-III S-1 S-2 S-3 Data Kosong
Total
Jumlah Responden
Persentase Jumlah Responden (%)
7 10 66 21 7 48 9 0 3
4.12 5.88 38.82 12.35 4.12 28.24 5.29 0 1.75
171
100
Gambar 4.3. Responden Berdasarkan Tingkat Pendidikan Pegawai
58 Universitas Sumatera Utara
Dari gambar 4.3. dapat disimpulkan bahwa responden lulusan SLTA adalah yang paling besar, yaitu 66 orang (38.82 %) diikuti dengan responden lulusan S-1 sebesar 48 orang (28.24 %).
4.2.1.4 Karakteristik Responden Berdasarkan Usia Pegawai Dari hasil penelitian terhadap 171 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan Usia pegawai masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.4 dan gambar 4.4. Tabel 4.4. Usia Pegawai No
Usia
Jumlah Responden
Persentase Jumlah Responden (%)
1 2 3 4
Usia 20-30 Usia 30-40 Usia 40-50 Usia 50-60 Total
6 36 82 47 171
3.51 21.05 47.95 27.49 100
Gambar 4.4. Responden Berdasarkan Usia Pegawai 59 Universitas Sumatera Utara
Dari gambar 4.4. dapat disimpulkan bahwa Usia pegawai adalah yang paling besar di usia 40 - 50, yaitu 82 orang (47.95 %), diikuti dengan responden usia 50 - 60 sebesar 47 orang (27.49 %).
4.2.1.5 Karakteristik Responden Berdasarkan Golongan Pegawai Dari hasil penelitian terhadap 171 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan golongan pegawai masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.5 dan gambar 4.5. Tabel 4.5. Golongan Pegawai No 1 2 3 4 5 6 7 8 9 10 11 12
Golongan Pegawai IV/b IV/a III/d III/c III/b III/a II/d II/c II/b II/a I/d I/b Total
Jumlah Responden
Persentase Jumlah Responden (%)
6 2 14 20 27 27 2 6 40 13 6 8 171
3.51 1.17 8.19 11.70 15.79 15.79 1.17 3.51 23.39 7.60 3.51 4.68 100
60 Universitas Sumatera Utara
Gambar 4.5. Responden Berdasarkan Golongan Pegawai Dari gambar 4.5. dapat disimpulkan bahwa responden dengan golongan II/b adalah yang paling besar, yaitu 40 orang (23.39 %) diikuti dengan responden dengan golongan III/b dan III/a yaitu 27 orang (15.79 %).
4.2.2 Data Kuisioner Responden Dari Kantor Dinas Bina Marga Pemerintahan Kota Medan
Jumlah pegawai Dinas Bina Marga Kota Medan adalah 171 orang. Dari jumlah pegawai tersebut disebarkan data kuisioner peneliti tetapi yang didapatkan kembalinya kuisioner peneliti hanya 126 orang dan kemudian di golongkan sesuai karakteristik sebagai berikut:
61 Universitas Sumatera Utara
4.2.2.1 Karakteristik Responden Berdasarkan Jam Keberangkatan Ke Lokasi Kerja Dari hasil penelitian kuisioner terhadap 126 responden pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan jam keberangkatan ke lokasi kerja masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.6 dan gambar 4.6. Tabel 4.6. Kelompok Responden Berdasarkan Jam Keberangkatan Ke Lokasi Kerja Jam Keberangkatan Jumlah Persentase Jumlah No Pegawai Responden Responden (%) 1 Dibawah Jam 6:30 0 0 2 6:30 - 6:59 56 45.16 3 7:00 - 7:29 40 32.26 4 7:30 - 7:59 16 12.90 5 8:00 – 8:30 10 8.06 6 Diatas Jam 8:30 2 1.61 Total 124 100
Gambar 4.6. Responden Berdasarkan Jam Keberangkatan Ke Lokasi Kerja
62 Universitas Sumatera Utara
Dari gambar
4.6. dapat disimpulkan bahwa responden berdasarkan jam
keberangkatan ke lokasi kerja jam 6:30-6:69 adalah yang paling besar, yaitu 59 orang (45.16 %), diikuti dengan jam tiba di lokasi 7:00-7:29 sebesar 40 orang (32.26 %).
4.2.2.2 Karakteristik Pegawai
Responden
Berdasarkan
Frekuensi
Keterlambatan
Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dikelompokkan dalam beberapa kelompok responden berdasarkan frekuensi keterlambatan pegawai masing-masing responden.
Untuk lebih jelasnya dapat di
dilihat pada tabel 4.7 dan gambar 4.7. Tabel 4.7. Frekuensi Keterlambatan Pegawai No 1 2 3 4 5
Frekuensi Keterlambatan Pegawai A) Sering Sekali (> 15 x dalam tiga bulan terakhir) B) Sering (10-15 x dalam tiga bulan terakhir) C) Sedang (5-10 x dalam tiga bulan terakhir) D) Jarang (2-5 x dalam tiga bulan terakhir) E) Jarang Sekali (< 2 kali dalam tiga bulan terakhir)
Total
Jumlah Responden
Persentase Jumlah Responden (%)
11
8.73
8
6.35
31
24.60
28
22.22
48
38.10
126
100
63 Universitas Sumatera Utara
Gambar 4.7. Responden Berdasarkan Frekuensi Keterlambatan Pegawai Dari gambar 4.7. dapat disimpulkan bahwa responden dengan Berdasarkan frekuensi keterlambatan pegawai jarang sekali (< 2 x dalam tiga bulan terakhir) adalah yang paling besar, yaitu 48 orang (38.10 %), diikuti dengan responden berdasarkan frekuensi keterlambatan pegawai sedang (5-10 x dalam tiga bulan terakhir) yaitu 31 orang (24.60 %).
4.2.2.3 Karakteristik Responden Berdasarkan Pengalaman Selama Perjalanan Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan
dikelompokkan
dalam
beberapa
kelompok
responden
berdasarkan
64 Universitas Sumatera Utara
pengalaman selama perjalanan masing-masing responden.
Untuk lebih jelasnya
dapat di dilihat pada tabel 4.8 dan gambar 4.8. Tabel 4.8. Pengalaman Selama Perjalanan Pegawai No 1 2 3 4 5
A. Mengantar Anak Sekolah B. Mengantar Istri Bekerja C. Menjemput Rekan Kerja Kantor D. Mengantar Isteri Ke Pasar E. Alasan Lain
55 14 4 15 38
Persentase Jumlah Responden (%) 43.65 11.11 3.17 11.90 30.16
Total
126
100
Pengalaman Selama Perjalanan Pegawai
Jumlah Responden
Gambar 4.8. Responden Berdasarkan Pengalaman Pegawai Selama Perjalanan Dari Rumah Ke Kantor Dari gambar 4.8. dapat disimpulkan bahwa responden dengan pengalaman pegawai selama perjalanan dari rumah ke kantor mengantar anak ke sekolah adalah yang paling besar, yaitu 55 orang (43.65 %), diikuti dengan responden dengan
65 Universitas Sumatera Utara
pengalaman pegawai selama perjalanan dari rumah ke kantor dengan alasan lain yaitu 38 orang (30.16 %).
4.2.2.4 Karakteristik Responden Berdasarkan Kondisi Perjalanan Jalan Utama Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dikelompokkan dalam beberapa kelompok responden berdasarkan kondisi perjalanan jalan utama masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.9 dan gambar 4.9. Tabel 4.9. Kondisi Perjalanan Jalan Utama Yang Dilalui Pegawai Ruas Jalan
Utama
Kondisi Perjalanan
Jumlah Responden
Persentase Jumlah Responden (%)
Selalu Macet (SM) Sering Macet (SGM) Jarang Macet (JM) Tidak Pernah Macet (TM) Total
33 68 18 4 123
26.83 55.28 14.63 3.25 100
Gambar 4.9. Responden Berdasarkan Kondisi Perjalanan Jalan Utama
66 Universitas Sumatera Utara
Dari gambar 4.9. dapat disimpulkan bahwa responden berdasarkan dengan kondisi perjalanan jalan utama dari rumah ke kantor mengatakan kondisi jalan utama sering macet yang paling besar, yaitu 68 orang (55.29 %), kemudian diikuti dengan kondisi jalan utama yang selalu macet, yaitu 33 orang (26.83 %).
4.2.2.5 Karakteristik Responden Berdasarkan Kondisi Perjalanan Jalan Alternatif Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dikelompokkan dalam beberapa kelompok responden berdasarkan kondisi perjalanan jalan alternatif masing-masing responden.
Untuk lebih jelasnya dapat di
dilihat pada tabel 4.10 dan gambar 4.10. Tabel 4.10. Kondisi Perjalanan Jalan Alternatif Yang Dilalui Pegawai Ruas Jalan
Alternatif Total
Kondisi Perjalanan Selalu Macet (SM) Sering Macet (SGM) Jarang Macet (JM) Tidak Pernah Macet (TM)
Jumlah Responden
Persentase Jumlah Responden (%)
6 46 52 19 123
4.88 37.40 42.28 15.45 100
67 Universitas Sumatera Utara
Gambar 4.10. Responden Berdasarkan Kondisi Perjalanan Jalan Alternatif Dari gambar 4.10. dapat disimpulkan bahwa responden berdasarkan dengan kondisi perjalanan jalan alternatif dari rumah ke kantor mengatakan kondisi jalan alternatif jarang macet yang paling besar, yaitu 52 orang (42.28 %), kemudian diikuti dengan kondisi jalan alternatif yang sering macet, yaitu 46 orang (37.40 %).
4.2.2.6 Karakteristik Responden Berdasarkan Ragam Tindakan Pegawai Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dikelompokkan dalam beberapa kelompok responden berdasarkan Ragam Tindakan Pegawai masing-masing responden.
Untuk lebih jelasnya dapat di dilihat
pada tabel 4.11 dan gambar 4.11. Tabel 4.11. Ragam Tindakan Pegawai No 1 2 3 4
Tindakan Pegawai A. Mempercepat jam keberangkatan dari rumah sedini mungkin B. Memilih rute perjalanan alternatif yang lebih dekat C. Memilih rute perjalanan alternatif yang bebas kemacetan D. Menggunakan kendaraan pribadi Total
Jumlah Responden
Persentase Jumlah Responden (%) 40.48
51 21.43 27 29.37 37 11 126
8.73 100
68 Universitas Sumatera Utara
Gambar 4.11. Responden Berdasarkan Ragam Tindakan Pegawai Dari gambar 4.11. dapat disimpulkan bahwa responden dengan ragam tindakan mempercepat jam keberangkatan dari rumah sedini mungkin adalah yang paling besar, yaitu 51 orang diikuti dengan responden ragam tindakan memilih rute perjalanan alternatif yang bebas kemacetan yaitu 37 orang.
4.2.2.7 Karakteristik Responden Berdasarkan Adanya Keterhubungan Keandalan Waktu Perjalanan dengan Kondisi Infrastruktur Jalan Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dikelompokkan dalam beberapa kelompok responden berdasarkan adanya keterhubungan keandalan waktu perjalanan dengan kondisi infrastuktur jalan masingmasing responden.
Untuk lebih jelasnya dapat di dilihat pada tabel 4.12 dan gambar
4.12.
69 Universitas Sumatera Utara
Tabel 4.12. Menurut Pegawai Apakah Ada Keterhubungan Keandalan Waktu Perjalanan Dengan Kondisi Infarastruktur Jalan No 1 2 3
Menurut Pegawai Apakah Ada Keterhubungan Keandalan Waktu Perjalanan Dengan Kondisi Infrastruktur Jalan A. Ya B. Kadang Ada C. Tidak Ada
Total
Jumlah Responden 70 47 9
126
Gambar 4.12. Responden Berdasarkan Adanya Keterhubungan Keandalan Waktu Perjalanan Dengan Kondisi Infrastruktur Jalan
Dari Gambar 4.12. dapat disimpulkan bahwa responden berdasarkan dengan Adanya keterhubungan keandalan waktu perjalanan dengan kondisi infrastruktur jalan yang hasil dari responden “Ya” adalah yang paling besar, yaitu 70 orang, diikuti dengan responden dengan ada keterhubungan keandalan waktu perjalanan dengan kondisi infrastruktur jalan “Kadang Ada” yaitu 47 orang.
70 Universitas Sumatera Utara
4.3 Analisa Regresi Logistik Setelah semua data ditabulasi, data tersebut kemudian dianalisis secara regresi logistik dengan alat bantu berupa perangkat komputer dengan perangkat lunak SPSS. Sehingga
didapatkan
variabel
yang
mempengaruhi
terhadap
kemungkinan
keterlambatan pegawai tiba dikantor. Untuk lebih jelasnya dapat di dilihat pada table 4.13 s/d 4.20.
Table 4.13. Variables in the Equation B
S.E.
Wald
df
Sig.
Exp(B)
Step 1a x1
-71.266
17598.324
.000
1
.997
.000
x2
.800
13385.344
.000
1
1.000
2.225
x3
-10.485
9755.909
.000
1
.999
.000
x4
-2.058
3133.608
.000
1
.999
.128
x5
.124
4152.691
.000
1
1.000
1.132
x6
-.161
611.148
.000
1
1.000
.852
x7
.526
4462.912
.000
1
1.000
1.692
.000
4
1.000
x8 x8 (1)
-.466
7003.538
.000
1
1.000
.628
x8 (2)
-2.696
10915.647
.000
1
1.000
.067
x8 (3)
-5.687
17883.252
.000
1
1.000
.003
x8 (4)
-1.129
14930.428
.000
1
1.000
.323
x9
-1.424
5826.625
.000
1
1.000
.241
x10
1.698
3915.912
.000
1
1.000
5.462
597.148 229186.606
.000
1
.998
2.179E259
Constant
a. Variable(s) entered on step 1: x1, x2, x3, x4, x5, x6, x7, x8, x9, x10.
Pada tabel 4.13 ini dapat dilihat bahwa pada pengujian dengan menggunakan kesepuluh variabel bebas didapati bahwa tidak ada variabel yang signifikan. Hasil 71 Universitas Sumatera Utara
regresi logistik menunjukan terjadinya overdispersi atau pembengkakan nilai variansi.
Dimana dengan terjadinya overdispensi maka akan berdampak kepada
probabilitasnya menjadi tidak signifikan dan nilai S.E. yang sangat besar. Permasalahan overdispersi dalam regresi logistik tersebut dapat disebabkan karena adanya hubungan yang erat antara variabel bebas, sehingga untuk menghilangkan dampak dari membersarnya S.E maka variabel yang kemungkinan memiliki korelasi antara sesama variabel bebas dikeluarkan dari model yang akan dianalisis. Oleh karena itu dilakukan pengujian ulang dengan tidak mengikutsertakan variabel X1, X3 dan X8.
Table 4.14. Iteration Historya,b,c Coefficients Iteration Step 0
-2 Log likelihood
Constant
1
103.860
-.921
2
103.760
-.995
3
103.760
-.996
4
103.760
-.996
a. Constant is included in the model. b. Initial -2 Log Likelihood: 103.760 c. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.
Pada tabel 4.14 ini dapat dilihat bahwa koefisien dari -2 log likelihood lebih besar dari alpha 5% sehingga dengan demikian dapat menolak hipotesis nol yakni model belum fit. atau dengan membandingkan nilai 103.760 dengan nilai statistic chisquare (0,05; df=89-1) yaitu 110.898.
72 Universitas Sumatera Utara
Table 4.15. Iteration Historya,b,c,d
Iteration
-2 Log likelihood Constant
Coefficients x2
x4
x5
x6
x7
x9
x10
Step 1 1
88.616
1.673 -.604 -.609
.530
.072
-.735
.095
.378
2
86.584
3.432 -.953 -.838
.703
.093
-.962
.143
.480
3
86.510
4.054 -1.062 -.888
.745
.097 -1.011
.156
.497
4
86.509
4.093 -1.069 -.890
.747
.097 -1.013
.157
.498
5
86.509
4.093 -1.069 -.890
.747
.097 -1.013
.157
.498
a. Method: Enter b. Constant is included in the model. c. Initial -2 Log Likelihood: 103.760 d. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
Pada tabel 4.15 ini dapat dilihat bahwa nilai -2 log kedua adalah sebesar 86.509. dibandingkan dengan nilai chi-square (0,05, df=89-7), hasil yang didapat 86.59 < 104.139, Hal ini menunjukkan model sudah fit dengan data.
Table 4.16. Omnibus Tests of Model Coefficients
Step 1
Chi-square
df
Sig.
Step
17.251
7
.016
Block
17.251
7
.016
Model
17.251
7
.016
Pada Tabel 4.16 ini dapat dilihat output omnibus test menyatakan bahwa hasil uji chi-square goodness of fit sig = 0.016 lebih kecil dari 0,05, ini mengindikasikan bahwa model yang dihasilkan adalah signifikan.
73 Universitas Sumatera Utara
Table 4.17. Classification Tablea Predicted Keterlambatan Tidak Terlambat Terlambat
Observed Step 1 Keterlambatan Terlambat Tidak Terlambat
Percentage Correct
60
5
92.3
17
7
29.2
Overall Percentage
75.3
a. The cut value is .500
Pada
tabel
4.17
ini
dapat
dilihat
bahwa
output classification
table mengindikasikan dalam model regresi logistik, tidak terdapat masalah homoskedastisitas karena nilai persentase keseluruhan 75.3 adalah lebih kecil dari 100% Table 4.18. Model Summary Step
-2 Log likelihood
Cox & Snell R Square
86.509a
1
Nagelkerke R Square
.176
.256
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
Pada tabel 4.18 ini dapat dilihat bahwa Cox n Snell’s R Square adalah ukuran pengaruh bersama yaitu sebesar 0.176 dan nilai Nagelkerke R Square adalah sebesar 0.256. dengan demikian dapat disimpulkan bahwa kemampuan variabel bebas menjelaskan model adalah hanya sebesar 25.6%.
Table 4.19. Hosmer and Lemeshow Test Step 1
Chi-square 12.468
df
Sig. 8
.131
74 Universitas Sumatera Utara
Pada tabel 4.19 ini dapat dilihat bahwa Hosmer and Lemeshow’s GoF dilakukan untuk menguji hipotesis. Jika sig <0.05 maka Ho ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya. Jika sig > 0.05 maka Ho diterima, artinya tidak ada perbedaan antara model dan nilai observasinya. Pada Tabel Hosmer and Lemeshow’s GoF diperoleh hasil sebesar 0.131 (> 0.05) sehingga dapat dinyatakan bahwa model fit dengan data.
Table 4.20. Variables in the Equation B a
Step 1
S.E.
Wald
df
Sig.
Exp(B)
x2
-1.069
.659
2.628
1
.105
.343
x4
-.890
.361
6.069
1
.014
.411
x5
.747
.473
2.490
1
.115
2.110
x6
.097
.053
3.379
1
.066
1.102
x7
-1.013
.466
4.721
1
.030
.363
x9
.157
.394
.159
1
.690
1.170
x10
.498
.338
2.174
1
.140
1.645
4.093
5.417
.571
1
.450
59.921
Constant
a. Variable(s) entered on step 1: x2, x4, x5, x6, x7, x9, x10.
Pada tabel 4.20 ini dapat dilihat bahwa pada pengujian ulang dengan menggunakan ketujuh variabel bebas didapati ada variabel yang signifikan. Hasil regresi logistik menunjukan X4 (kategori alamat) dan X7 (golongan).
75 Universitas Sumatera Utara
4.3.1 Interpretasi Pengujian Hipotesis Model Logistik Estimasi Maximum Likehood parameter model dapat dilihat dari output pada table 4.20 Variables in the Equation. Model regresi logistik kemudian dapat dinyatakan: Ln (p/1-p) = β0 + β2 X2 + β4 X4 + β5 X5 + β6 X6 + β7 X7 + β9 X9 + β10 X10 + ui Ln (p/1-p) = 4.093 – 1.069 X2 - 0.890X4 + 0.747X5 + 0.097X6 – 1.013X7 + 0.157X9 + 0.498X10 P/1-P =
4.093 – 1.069 X - 0.890X + 0.747X + 0.097X – 1.013X + 0.157X + 0.498X 2 4 5 6 7 9 10
e
Dari ketujuh variabel bebas yang mempengaruhi variabel tidak bebas dapat dilihat bahwa hanya terdapat dua variabel yang secara signifikan mempengaruhi keterlambatan yaitu variabel X4 (kategori alamat) dan X7 (golongan).
Dengan
memperhatikan persamaan ini maka dapat diinterprestasikan sebagai berikut: 1.
Ho : β2 = 0 (variabel jam keberangkatan pegawai tidak mempunyai pengaruh secara signifikan terhadap probabilitas tidak terlambat). Hi : β2 ≠ 0 (variabel jam keberangkatan pegawai mempunyai pengaruh secara signifikan terhadap variabel probabilitas tidak terlambat). Setiap terjadi peningkatan variabel X2 (jam keberangkatan) maka akan
menurunkan odds ratio tidak terlambat sebesar 0.343 dan tidak signifikan (>0.05) sehingga Ho diterima. Hal ini mengindikasikan bahwa jika jam keberangkatan pegawai pergi dari rumah semakin lama probabilitas tidak terlambatnya akan turun sebesar 0.343 untuk
76 Universitas Sumatera Utara
setiap jamnya. Sehingga jika semakin lama jam keberangkatan pegawai dari rumah maka akan semakin memperbesar probabilitas keterlambatan pegawai tersebut. Berdasarkan hasil penelitian ini meskipun variabel jam keberangkatan pegawai tidak terlalu signifikan dalam menunjukkan probabilitas tidak terlambat pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan tetapi dapat menunjukkan semakin lama waktu pegawai untuk berangkat dari rumah (jam waktu keberangkatan) maka probabilitas untuk sampai di kantor tepat pada waktunya akan semakin berkurang. Oleh karena itu jika pegawai ingin meningkatkan probabilitas untuk sampai di kantor tepat pada waktunya diharapkan untuk dapat berangkat lebih cepat karena jam berangkat yang lebih awal akan mengurangi potensi untuk telambat sebesar 0.343 untuk setiap satuan mempercepat waktu keberangkatan. 2.
Ho : β4 = 0 (variabel kategori jarak alamat tidak mempunyai pengaruh secara signifikan terhadap probabilitas tidak terlambat). Hi :
β4
≠ 0 (variabel kategori jarak alamat mempunyai pengaruh secara
signifikan terhadap variabel probabilitas tidak terlambat). Setiap terjadi peningkatan variabel X4 (kategori jarak alamat) maka akan menurunkan odds ratio tidak terlambat sebesar 0.411 dan signifikan (<0.05) sehinggan Ho ditolak. Hal ini mengindikasikan bahwa jika semakin jauh jarak alamat si pegawai ke kantor maka probabilitas tidak terlambatnya akan turun sebesar 0.411 untuk setiap kilometernya.
Sehingga jika alamat rumah pegawai yang semakin jauh akan
77 Universitas Sumatera Utara
berdampak kepada semakin besarnya probabilitas si pegawai untuk sampai di kantor tidak terlambat. Berdasarkan penelitian ini menyatakan bahwa variabel kategori jarak alamat yang dibedakan menjadi 5 kategori yaitu sangat dekat untuk lebih kecil 3 km, dekat untuk lebih kecil 7 km, sedang untuk lebih kecil 15 km, jauh untuk lebih kecil 25 km dan sangat jauh untuk lebih besar 30 km merupakan variabel yang signifikan dalam mempengaruhi probabilitas terlambatnya pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan. Oleh karena itu berdasarkan penelitian ini menunjukkan pegawai yang rumahnya semakin dekat dengan Kantor Dinas Bina Marga Pemerintah Kota Medan akan semakin naik probabilitasnya untuk tidak terlambat sampai di kantor. 3.
Ho : β5 = 0 (variabel pendidikan terakhir tidak mempunyai pengaruh secara signifikan terhadap probabilitas tidak terlambat). Hi :
β5
≠
0 (variabel pendidikan terakhir mempunyai pengaruh secara
signifikan terhadap variabel probabilitas tidak terlambat). Setiap terjadi peningkatan variabel X5 (pendidikan terakhir) maka akan menaikkan odds ratio tidak terlambat sebesar 2.110 dan tidak signifikan (>0.05) sehingga Ho diterima. Hal ini mengindikasikan bahwa jika semakin tinggi pendidikan pegawai maka probabilitas untuk tidak terlambatnya akan semakin naik sebesar 2.110 untuk setiap peningkatan kategori pendidikan terakhirnya.
Sehingga jika semakin tinggi
78 Universitas Sumatera Utara
pendidikan terakhir pegawai maka akan berdampak pada naiknya probabilitas si pegawai tersebut untuk tidak terlambat sampai di kantor. Berdasarkan penelitian ini menyatakan bawah variabel pendidikan terakhir dari pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan tidak signifikan dalam mempengaruhi kemungkina pegawai untuk tidak terlambat sampai di kantor. Tetapi perlu diketahui meskipun tidak signifikan variabel ini juga turut memberikan probabilitas bahwa jika semakin tinggi pendidikan terakhir pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan maka akan turut meningkatkan probabilitas si pegawai untuk tidak terlambat.
Sehingga meskipun tidak signifikan tingkat
pendidikan pegawai juga merupakan hal yang perlu untuk diperhatikan karena peningkatan tingkat pendidikannya akan berdampak positif bagi Kantor Dinas Bina Marga Pemerintah Kota Medan. 4.
Ho : β6 = 0 (variabel usia pegawai tidak mempunyai pengaruh secara signifikan terhadap probabilitas tidak terlambat). Hi : β6 ≠ 0 (variabel usia pegawai mempunyai pengaruh secara signifikan terhadap variabel probabilitas tidak terlambat). Setiap terjadi peningkatan variabel X6 (usia) maka akan meningkatkan odds
ratio tidak terlambat
sebesar 1.102 dan tidak signifikan (>0.05) sehingga Ho
diterima. Hal ini mengindikasikan bahwa jika semakin tua usia si pegawai maka probabilitas untuk tidak terlambatnya akan semakin naik sebesar 1.102 untuk setiap 1
79 Universitas Sumatera Utara
tahun peningkatan usia si pegawai. Sehingga jika semakin tua usia dari pegawai maka akan berdampak kepada naiknya kemungkin si pegawai untuk tidak tersebut untuk tidak terlambat sampai di kantor. Berdasarkan penelitian ini variabel usia si pegawai tidak memberikan dampak yang signifikan bagi probabilitas pegawai tidak terlambat.
Meskipun tidak
berdampak signifikan tetapi usia menunjukkan hal yang berdampak positif bagi potensi keterlambatan. Hasil penelitian ini menunjukkan bahwa pegawai senior yang cenderung lebih berUsia yang memiliki probabilitas terlambat yang lebih kecil daripada pegawai yang berUsia lebih muda. Hal ini tentu tidak terlepas dari kematangan secara emosional yang menyebabkan pegawai senior lebih taat terhadap peraturan yang ada. 5.
Ho : β7 = 0 (variabel golongan pegawai tidak mempunyai pengaruh secara signifikan terhadap probabilitas tidak terlambat). Hi : β7 ≠ 0 (variabel golongan pegawai mempunyai pengaruh secara signifikan terhadap variabel probabilitas tidak terlambat). Setiap terjadi peningkatan variabel X7 (golongan) maka akan menurunkan
odds ratio tidak terlambat sebesar 0.363 dan signifikan (<0.05) sehingga Ho ditolak. Hal ini mengindikasikan bahwa jika semakin tinggi golongan si pegawai maka probabilitas untuk tidak terlambatnya akan semakin turun sebesar 0.363 untuk setiap peningkatan golongan si pegawai. Sehingga jika semakin tinggi golongan dari si
80 Universitas Sumatera Utara
pegawai tersebut maka akan berdampak kepada turunya probabilitas si pegawai untuk tidak terlambat sampai di kantor. Berdasarkan penelitian ini bahwa variabel golongan memberikan dampak yang signifikan bagi probabilitas untuk tidak terlambat pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan. Golongan yang dibagi atas 12 kategori mulai dari golongan I/b sampai dengan IV/b pada penelitian ini memberikan dampak yang signifikan untuk probabilitas si pegawai tersebut untuk sampai tepat waktu. Hasil dari penelitian ini menunjukkan bahwa pegawai yang memiliki golongan yang tinggi kecenderungan terlambatnya lebih tinggi daripada pegawai yang memiliki golongan rendah. Banyak hal yang menjadi penyebab terjadinya hal ini seperti sanksi yang mungkin tidak berlaku untuk pegawai golongan tinggi ataupun sanksi dirasakan berat bagi pegawai golongan tinggi tetapi dirasa ringan jika dikenakan ke pegawai golongan rendah. Hal ini mengindikasinya perlunya evaluasi sanksi keterlambatan agar juga memberikan efek bagi pegawai golongan tinggi. 6.
Ho : β9 = 0 (variabel kondisi jalur utama tidak mempunyai pengaruh secara signifikan terhadap probabilitas tidak terlambat). Hi : β9 ≠ 0 (variabel kondisi jalur utama mempunyai pengaruh secara signifikan terhadap variabel probabilitas tidak terlambat). Setiap terjadi peningkatan variabel X9 (kondisi jalur utama) maka akan
menaikkan odds ratio tidak terlambat sebesar 1.170 dan tidak signifikan (>0.05) sehingga Ho diterima.
81 Universitas Sumatera Utara
Hal ini mengindikasikan bahwa jika semakin tidak macet kondisi jalur utama yang harus dilalui untuk sampai di kantor maka probabilitas untuk tidak terlambat akan naik sebesar 1,170 untuk setiap peningkatan kategori kondisi kemacetan jalur utama. Sehingga jika semakin tidak macet jalanan yang harus dilalui si pegawai untuk sampai di kantor maka akan berdampak pada naiknya probabilitas si pegawai untuk tidak terlambat sampai di kantor. Berdasarkan penelitian ini menyatakan bahwa variabel kondisi jalur utama yang dilewati oleh pegawai untuk sampai di kantor tidak memberikan dampak yang signifikan dalam mempengaruhi probabilitas pegawai untuk tidak terlambat. Kondisi jalur utama yang dibagi menjadi 4 (empat) kategori yaitu selalu macet, sering macet, jarang macet dan tidak pernah macet menunjukkan bahwa bukanlah menjadi penyebab yang paling signifikan keterlambatan pegawai. Meskipun tidak berdampak signifikan tetapi kondisi jalan yang semakin tidak macet turut menurunkan probabilitas pegawai tiba di kantor terlambat. 7.
Ho : β10 = 0 (variabel kondisi jalur alternatif tidak mempunyai pengaruh secara signifikan terhadap probabilitas tidak terlambat). Hi : β10 ≠ 0 (variabel kondisi jalur alternatif mempunyai pengaruh secara signifikan terhadap variabel probabilitas tidak terlambat). Setiap terjadi peningkatan variabel X10 (kondisi jalur alternatif) maka akan
menaikkan odds ratio tidak terlambat sebesar 1.645 dan tidak signifikan (>0.05) sehingga Ho diterima.
82 Universitas Sumatera Utara
Hal ini mengindikasikan bahwa jika semakin tidak macet kondisi jalur alternatif yang digunakan jika jalur utama tidak digunakan agar dapat sampai di kantor maka probabilitas tidak terlambat akan naik sebesar 1.645 untuk setiap peningkatan kategori kondisi kemacetan jalur utama. Sehingga jika semakin tidak macet kondisi jalur alternatif yang digunakan jika tidak menggunakan jalur utama maka akan berdampak pada naiknya probabilitas si pegawai untuk tidak terlambat sampai di kantor. Berdasarkan penelitian ini menyatakan bahwa kondisi jalur alternatif yang digunakan pegawai tidak memberikan dampak yang signifikan terhadap probabilitas pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan untuk tidak terlambat. Kondisi jalur alternatif yang dibagi menjadi 4 (empat) kategori yaitu selalu macet, sering macet, jarang macet dan tidak pernah macet menunjukkan bahwa bukanlah menjadi penyebab yang paling signifikan agar pegawai dapat tiba lebih awal di kantor. Meskipun tidak berdampak signifikan tetapi kondisi jalan alternatif yang semakin tidak macet turut menurunkan probabilitas pegawai tiba di kantor terlambat.
83 Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
5.1
Kesimpulan Dari hasil analisis dan pembahasan yang telah disampaikan pada bagian
sebelumnya, maka dapat diambil kesimpulan sebagai berikut: 1.
Karakteristik pengguna jasa infrastruktur jaringan jalan dari kalangan pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan yang melakukan perjalanan dari rumah ke lokasi kerja (kantor) setiap hari kerja, yaitu: a. Karakteristik responden berdasarkan data tiba di lokasi kerja pada jam 8.008.30 adalah sebesar 93 orang dalam 1 tahun, hal ini menunjukkan rendahnya kedisiplinan Pegawai Dinas Bina Marga Kota Medan. b. Karakteristik responden berdasarkan data jam keberangkatan ke lokasi kerja pada jam 6.30-6.59 adalah sebesar 59 orang. c. Dalam tiga bulan terakhir berdasarkan frekuensi keterlambatan pegawai sebagian besar responden jarang sekali terlambat sampai di kantor. d. Karakteristik responden berdasarkan alamat rumah/ kecamatan sebagian besar berdomisili di daerah Helvetia, Amplas, dan Perjuangan. e. Karakteristik responden berdasarkan pendidikan sebagian besar pendidikan pegawai berada pada kisaran SD, SMP, SLTA/ sederajat.
Hal ini
menunjukkan rendahnya tingkat pendidikan pegawai di Dinas Bina Marga Kota Medan.
84 Universitas Sumatera Utara
f. Karakteristik responden berdasarkan umur pegawai sebagian besar berada dikisaran 40-60 tahun dengan jumlah responden 129 orang.
Hal ini
menunjukkan pegawai Dinas Bina Marga Kota Medan sudah lama mengabdi di Dinas Bina Marga Kota Medan. g. Karakteristik responden berdasarkan golongan pegawai Sebagian besar Pegawai di Dinas Bina Marga Kota Medan ini adalah berada pada golongan I dan II. Hal ini dikarenakan sebagian besar pendidikan pegawai Dinas Bina Marga Kota Medan itu berada pada kisaran SLTA/ Sederajat. h. Karakteristik responden berdasarkan dengan pengalaman selama perjalanan pegawai ke kantor sebagian besar adalah mengantar anak ke sekolah. Hal ini yang menjadi salah satu kemungkinan penyebab keterlambatan pegawai Dinas Bina Marga Kota Medan. i. Kondisi perjalanan pegawai melalui jalan utama mengatakan sering macet yaitu 68 orang dan selalu macet yaitu 33 orang, sehingga beberapa pegawai memilih menggunakan jalan alternatif. j. Pegawai yang memilih melalui jalan alternatif mengatakan kondisi jalan alternatif jarang macet yaitu 52 orang, tetapi 46 orang mengatakan kondisi jalan alternatif juga sering macet. k. Karakteristik responden berdasarkan dengan ragam tindakan sebagian besar lebih memilih untuk mempercepat jam keberangkatan dari rumah sedini mungkin agar dapat sampai di kantor tepat waktu.
85 Universitas Sumatera Utara
2.
Untuk meningkatkan probabilitas ketidakterlambatan, pegawai hendaknya mempercepat jam keberangkatan sedini mungkin daripada menggunakan jalur alternatif pada pegawai kantor Dinas Bina Marga Kota Medan.
3.
Model regresi logistik adalah: P/1-P =
4.093 – 1.069 X - 0.890X + 0.747X + 0.097X – e 2 4 5 6
1.013X + 0.157X + 0.498X 7 9 10
a.
Semakin lama jam keberangkatan pegawai untuk pergi menuju ke kantor Dinas Bina Marga maka kemungkinan pegawai untuk tiba tepat waktu akan turun sebesar 0,343..
b.
Semakin jauh jarak rumah pegawai dari kantor Dinas Bina Marga maka kemungkinan pegawai untuk tiba tepat waktu akan turun sebesar 0,411.
c.
Semakin tinggi tingkat pendidikan pegawai di kantor Dinas Bina Marga maka kemungkinan pegawai untuk tiba tepat waktu akan meningkat sebesar 2,110.
d.
Semakin tinggi usia pegawai kantor Dinas Bina Marga maka kemungkinan pegawai untuk tiba tepat waktu akan meningkat sebesar 1,102.
e.
Semakin tinggi golongan pegawai di Dinas Bina Marga maka kemungkinan pegawai untuk tiba tepat waktu akan turun sebesar 0,363.
f.
Semakin tidak macet kondisi jalur utama menuju ke kantor Dinas Bina Marga maka kemungkinan pegawai untuk tiba tepat waktu akan meningkat sebesar 1,170.
g.
Semakin tidak macet jalur alternatif untuk menuju ke kantor Dinas Bina Marga maka kemungkinan pegawai untuk tiba tepat waktu akan meningkat sebesar 1,645.
86 Universitas Sumatera Utara
4.
Jam tiba dilokasi, frekuensi keterlambatan dan pengalaman selama diperjalanan dikeluarkan dari model regresi logistik yang dianalisis dikarenakan ketiga variabel ini menyebabkan masalah pada model estimasi yang menyebabkan hasil estimasi tidak ada yang signifikan.
5.2
Saran Saran-saran yang dapat dikemukakan penulis disini ialah:
1.
Untuk pegawai Dinas Bina Marga Kota Medan yang alamatnya dikategorikan sangat jauh diharapkan untuk mempercepat jam keberangkatan sedini mungkin ke kantor.
2.
Dinas bina marga hendaknya memberlakukan peraturan yang ketat mengenai pemberian sanksi keterlambatan sehingga tidak hanya berlaku untuk pegawai dengan golongan rendah tetapi juga dapat memberi efek jera bagi pegawai dengan golongan yang tinggi.
3.
Kondisi jalan menuju kantor Dinas Bina Marga baik jalur utama yang dilalui maupun jalur alternatif jika terjadi kemacetan di jalur utama tidak nyata mempengaruhi keterlambatan sehingga Dinas Bina Marga Kota Medan, dengan kata lain yang menjadi masalah keterlambatan di Dinas Bina Marga bukanlah kemacetan jalan tetapi kembali kepada personal pegawai. Oleh karena itu Dinas Binas Marga Kota Medan hendaknya melakukan penyuluhan kembali mengenai peraturan tentang disiplin kerja serta memberikan bonus kepada pegawai yang memiliki catatan disiplin waktu yang baik.
87 Universitas Sumatera Utara
4.
Untuk peneliti selanjutnya hendaknya menggunakan jam tiba di lokasi, frekuensi keterlambatan dan pengalaman selama di perjalanan serta variabel lain dalam meneliti tentang kemungkinan terlambat pada Kantor Dinas Bina Marga Kota Medan hal ini dikarenakan dari kemampuan model dalam menjelaskan kemungkinan keterlambatan di Kantor Dinas Bina Marga Kota Medan masih kecil dan untuk jam tiba dilokasi, frekuensi keterlambatan dan pengalaman selama di perjalanan tidak dapat diestimasi bersama dengan varibel yang diteliti oleh peneliti.
88 Universitas Sumatera Utara