DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

1

IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI MASYARAKAT DALAM PEMILIHAN PARTAI POLITIK DI DAERAH RAWAN KONFLIK MELALUI MODEL PERSAMAAN STRUKTURAL (MPS)

ANA SETIAWATI

DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010

ii

RINGKASAN ANA SETIAWATI. Identifikasi Faktor-Faktor yang Mempengaruhi Persepsi Masyarakat dalam Pemilihan Partai Politik di Daerah Rawan Konflik melalui Model Persamaan Struktural (MPS). Dibimbing oleh MUHAMMAD NUR AIDI dan ASEP SAEFUDDIN. Sistem pemilihan umum (Pemilu) mulai tahun 2004 di Indonesia berbeda dengan pemilu sebelumnya. Calon legislatif usungan partai politik serta pasangan calon Presiden dan Wakil Presiden dipilih langsung oleh rakyat. Selain itu, rentang waktu antara 2004-2009 penuh konflik di sejumlah daerah di Indonesia baik konflik vertikal maupun horizontal. Persepsi dipengaruhi oleh demografi pemilih. Keduanya merupakan peubah laten yang tidak dapat diukur secara langsung tetapi dapat diukur melalui peubah-peubah indikatornya. Peubah semacam ini dinamakan peubah laten. Untuk menganalisis keterkaitan antar peubah tersebut serta keterkaitannya dengan indikator-indikatornya digunakan Model Persamaan Struktural (MPS). Pada daerah rawan konflik horizontal, peubah laten demografi ditunjukkan oleh peubah indikator umur dan pendidikan responden dengan kontribusi masing-masing sebesar 0.35 dan 0.97. Sedangkan peubah laten persepsi valid direfleksikan oleh peubah indikator kesan dan kemampuan dengan nilai loading berturut-turut sebesar 0.62 dan 0.64. Nilai yang positif diartikan bahwa persepsi yang positif dapat dilihat dari penilaian terhadap kesan dan penilaian kemampuan wakil dari parpol di DPR RI yang positif pula, begitupun sebaliknya. Persepsi dan demografi berhubungan dengan koefisien lintas sebesar -0.28. Di lain pihak, kondisi pada daerah rawan konflik vertikal, peubah laten demografi ditunjukkan oleh peubah indikator pengeluaran dan pendidikan responden dengan kontribusi masing-masing sebesar 0.53 dan 0.58. Sedangkan peubah laten persepsi valid direfleksikan dengan peubah indikator kesan dan kemampuan dengan nilai loading berturut-turut sebesar 0.34 dan 0.70. Persepsi dan demografi berhubungan dengan koefisien lintas sebesar 0.42. Kata kunci : Persepsi, MPS, Pemilu

iii

IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI MASYARAKAT DALAM PEMILIHAN PARTAI POLITIK DI DAERAH RAWAN KONFLIK MELALUI MODEL PERSAMAAN STRUKTURAL (MPS)

ANA SETIAWATI

Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika

DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010

iv

Judul

Nama NRP

: Identifikasi Faktor-Faktor yang Mempengaruhi Persepsi Masyarakat dalam Pemilihan Partai Politik di Daerah Rawan Konflik melalui Model Persamaan Struktural (MPS) : Ana Setiawati : G14060405

Menyetujui,

Pembimbing I,

Pembimbing II,

Dr. Ir. Muhammad Nur Aidi NIP. 19600818 198903 1 004

Dr. Ir. Asep Saefuddin, M. Sc NIP. 19570316 198103 1 004

Mengetahui : Ketua Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam IPB

Dr. Ir. Hari Wijayanto, M.Si NIP : 196504211990021001

Tanggal lulus :

v

RIWAYAT HIDUP Penulis dilahirkan di Gunung Alam, Argamakmur sebuah kabupaten di Provinsi Bengkulu pada tanggal 23 September 1988 sebagai anak ketiga dari pasangan Bapak Samirun dan Ibu Nurjanah. Setelah lulus dari SMAN 5 Kota Bengkulu pada tahun 2006, penulis lolos masuk IPB melalui jalur SPMB. Setahun kemudian penulis diterima sebagai mahasiswa Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam IPB. Penulis mengikuti program minor Ilmu Konsumen dari Departemen Ilmu Konsumen dan Keluarga, Fakultas Sains dan Ekologi Manusia. Selama mengikuti perkuliahan, penulis berkesempatan menjadi Asisten Dosen mata kuliah Metode Statistika pada tahun ajaran 2008/2009. Penulis juga pernah aktif dalam UKM Forces dan Ikatan Mahasiswa Bumi Raflessia (IMBR) sebagai Sekretaris Umum pada periode 2008 hingga 2009. Adapun selama praktik lapang, penulis ditempatkan di Balai Penelitian Tembakau dan Tanaman Serat, Malang dari bulan Februari hingga April 2010.

vi

KATA PENGANTAR Alhamdulillah…Segala puji bagi Allah, Tuhan sekalian alam adalah ucapan pertama setelah menyelesaikan skripsi ini. Tiada lelah memuji keesaan Allah hingga penulis mampu meyelesaikan pendidikan tinggi di IPB tercinta. Penulis mempersembahkan karya ini kepada orangtua, kakak-kakak, dan adik. Penulis juga patut menyampaikan terima kasih sedalam-dalamnya kepada : 1. Bapak Dr. Ir. Muhammad Nur Aidi dan Bapak Dr. Ir. Asep Saefuddin, M.Sc selaku pembimbing atas segala bantuan, kesabaran, dan keikhlasannya dalam meluangkan waktu serta masukan yang berharga selama penyusunan karya ilmiah ini. 2. Ibu Utami Dyah Syafitri, M.Si selaku penguji atas banyak saran yang berharga. 3. Seluruh anggota keluarga yakni kedua orang tua, kakak-kakak dan adik. 4. Staf Tata Usaha, perpustakaan dan semua pihak Departemen yang sangat membantu penulis. 5. Seluruh teman STK`43 lainnya untuk masa-masa yang indah selama ini terutama kepada Iin atas banyak koreksinya serta Shofi atas pinjaman bukunya. Semoga amal ibadah seluruh pihak yang telah banyak membantu penyelesaian skripsi ini mendapat balasan dari Allah SWT. Pada akhirnya penulis berharap semoga skripsi ini dapat memberikan manfaat.

Bogor, Desember 2010

Penulis

vii

DAFTAR ISI

Halaman DAFTAR TABEL ..................................................................................................................... vii DAFTAR GAMBAR ................................................................................................................. vii DAFTAR LAMPIRAN ............................................................................................................. vii PENDAHULUAN Latar Belakang ..................................................................................................................... 1 Tujuan.................................................................................................................................. 1 TINJAUAN PUSTAKA Persepsi................................................................................................................................ 1 Eksplorasi Data .................................................................................................................... 2 Kemenjuluran dan Kurtosis ............................................................................................ 2 Model Persamaan Struktural ................................................................................................ 2 Matriks Korelasi................................................................................................................... 3 Metode Pendugaan Parameter .............................................................................................. 3 Evaluasi Kelayakan Model ................................................................................................... 4 Modifikasi Model................................................................................................................. 4 METODOLOGI Data ..................................................................................................................................... 5 Metode................................................................................................................................. 5 HASIL DAN PEMBAHASAN Eksplorasi Data .................................................................................................................... 6 Pendugaan Parameter Model ................................................................................................ 7 Pendugaan Parameter pada Model Daerah Rawan Konflik Horizontal ............................ 7 Pendugaan Parameter pada Model Daerah Rawan Konflik Vertikal ................................ 7 Modifikasi Model Modifikasi pada Model Daerah Rawan Konflik Horizontal ............................................. 7 Modifikasi pada Model Daerah Rawan Konflik Vertikal ................................................. 8 SIMPULAN & SARAN Simpulan ............................................................................................................................. 9 Saran .................................................................................................................................... 10 DAFTAR PUSTAKA ................................................................................................................ 10 LAMPIRAN .............................................................................................................................. 11

viii

DAFTAR TABEL Halaman 1 Evaluasi kelayakan model persepsi setelah modifikasi horizontal .................................... 8 2 Evaluasi kelayakan model persepsi setelah modifikasi vertikal ........................................ 8

DAFTAR GAMBAR 1 2 3 4 5 6 7 8 9 10

Halaman Stimulus sensorik ............................................................................................................ 2 Hubungan antara tiga peubah laten .................................................................................. 2 Karakteristik responden berdasarkan umur ..................................................................... 6 Karakteristik responden berdasarkan pengeluaran keluarga perbulan ............................... 6 Karakteristik responden berdasarkan jumlah keluarga ..................................................... 6 Karakteristik responden berdasarkan pendidikan terakhir ................................................ 6 Karakteristik responden berdasarkan kesan paling kuat yang menggambarkan parpol .... 7 Karakteristik responden berdasarkan keyakinan akan kemampuan wakil dari parpol ....... 7 Diagram model akhir yang diperoleh horizontal .............................................................. 8 Diagram model akhir yang diperoleh vertikal .................................................................. 9

DAFTAR LAMPIRAN Halaman 1 2 3 4 5 6 7 8 9 10 11

Peubah laten dan peubah indikator yang digunakan ........................................................ Uji normalitas peubah ganda pada peubah indikator kontinu horizontal ........................... Uji normalitas peubah ganda pada peubah indikator kontinu vertikal............................... Diagram t-hitung model persamaan struktural daerah rawan konflik horizontal ............. Diagram dugaan terstandarkan horizontal........................................................................ Diagram t-hitung horizontal hasil modifikasi ................................................................... Diagram t-hitung model persamaan struktural daerah rawan konflik vertikal .................. Diagram dugaan terstandarkan vertikal............................................................................ Diagram t-hitung vertikal hasil modifikasi....................................................................... Standardized Residuals hasil modifikasi pada daerah rawan konflik horizontal ............... Standardized Residuals hasil modifikasi pada daerah rawan konflik vertikal ...................

12 12 12 12 13 13 14 14 15 15 15

1

PENDAHULUAN Latar Belakang Pada 2009 diadakan pesta politik terbesar yakni pemilihan calon legislatif usungan dari partai-partai politik (parpol) dan pemilihan pasangan Presiden-Wakil Presiden secara langsung. Di lain pihak, pada rentang waktu antara 2004 hingga awal 2009 banyak terjadi konflik di daerah di Indonesia. Situasi ini ikut berperan mempengaruhi stabilitas politik, terutama pada daerah-daerah rawan konflik di Indonesia, seperti NAD, Sumatera Utara, Papua Barat, Sumatera Selatan, Lampung, Kalimantan Barat, Jawa Barat, Jawa Tengah, Sulawesi Utara, Sulawesi Tenggara, Sulawesi Selatan, Bali, NTB, NTT, Maluku, dan Maluku Utara. Daerah-daerah konflik ini dibedakan menjadi daerah rawan konflik vertikal dan daerah rawan konflik horizontal. Daerah rawan konflik vertikal penuh konflik terhadap Pemerintah terutama dalam upaya memisahkan diri dari NKRI. Sedangkan daerah rawan konflik horizontal merupakan daerah yang terlibat permasalahan agama dan suku/etnis. Sistem pemilihan umum (Pemilu) mulai tahun 2004 di Indonesia berbeda dengan pemilu sebelumnya. Pemilu 2004 memberi kesempatan kepada rakyat untuk memilih pasangan calon presiden dan wakil presiden secara langsung. Dengan adanya perubahan sistem tersebut, masyarakat memiliki peranan penting dalam penentuan partai politik serta pasangan presiden dan wakil presiden. Penelusuran faktor-faktor yang mempengaruhi persepsi masyarakat dalam memilih partai politik sangatlah penting terutama di daerah rawan konflik. Persepsi dipengaruhi oleh media habit dan demografi pemilih. Ketiganya merupakan peubah yang tidak diukur secara langsung tetapi diukur melalui peubah indikatornya. Oleh karena itu, persepsi, media habit, dan demografi dinamakan peubah laten. Untuk menganalisis keterkaitan antara persepsi, demografi, dan media habit serta keterkaitan dengan peubah indikatornya masing-masing dapat digunakan Model Persamaan Struktural (MPS). Tujuan Tujuan dari penelitian ini yaitu mengidentifikasi faktor-faktor yang mempengaruhi persepsi masyarakat terkait dengan peubah indikator kesan dan peubah indikator penilaian kemampuan parpol dengan

peubah laten demografi dalam pemilihan partai politik di kedua daerah rawan konflik.

TINJAUAN PUSTAKA Persepsi Persepsi adalah proses dimana individu memilih, mengorganisasikan, dan mengartikan stimulus yang diterima melalui alat inderanya menjadi suatu makna (Solomon 2002). Tiga tahapan persepsi, yakni tahap pemaparan (Exposure), perhatian (Attention), dan pemaknaan (Interpretation). Pemaparan terjadi ketika stimulus berada pada jangkauan reseptor sensorik seseorang. Sedangkan perhatian merujuk kepada proses-proses aktivitas yang fokus terhadap stimulus yang telah diterima. Tahap terakhir, pemaknaan diartikan sebagai bertugasnya stimulus sensorik. Gambar 1 memperlihatkan gambaran pembentukan persepsi menurut Solomon (2002). Seluruh indra manusia memegang peranan penting dalam meneruskan informasi dan otak akan mengolahnya melalui tahap pemaparan, perhatian, dan pemaknaan. Persepsi diperoleh melalui pengalaman langsung dari objek dan informasi dari berbagai sumber lainnya (Sumarwan 2004). Artinya persepsi dapat diartikan sebagai suatu objek yang dipengaruhi oleh faktor internal dan faktor eksternal. Faktor internal merupakan faktor yang bersumber dari dalam diri individu yang terbentuk dari nilai-nilai yang diproduksi individu tersebut. Sedangkan, faktor eksternal adalah faktor yang berasal dari lingkungan luar individu. Faktor internal disebut sebagai demografi responden. Sedangkan faktor eksternal merupakan media habit responden. Kerangka pemikiran model di atas menyatakan bahwa persepsi dipengaruhi secara langsung oleh demografi dan media habit. Sedangkan keterkaitan antara demografi dan media habit tidak dimodelkan. Kata media berasal dari bahasa Latin medius yang secara harafiah berarti “tengah”, “perantara” atau “pengantar”. AECT (Association of Education and Communication Technology) memberi batasan tentang media sebagai segala bentuk dan saluran yang digunakan untuk menyampaikan pesan atau informasi. Di samping sebagai sistem penyampai atau pengantar, media yang sering diganti dengan kata mediator adalah penyebab atau alat yang turut campur tangan dalam dua pihak dan mendamaikannya. Ringkasnya, media adalah alat yang

2

menyampaikan atau mengantarkan pesanpesan pembelajaran (Arsyad 2009).

Penglihatan

Mata

Suara

Telinga

Bau

Hidung

Rasa

Mulut

Tekstur

Kulit

pengungkapan struktur dan pola yang dimiliki oleh data tanpa mengaitkan secara kaku pada asumsi-asumsi tertentu. Tujuan dari eksplorasi data tidak hanya untuk memberi keyakinan bahwa data tersebut dapat diwakili oleh suatu model, akan tetapi yang lebih penting adalah dalam mengungkapkan adanya penyimpangan-penyimpangan dari suatu model tertentu dan berusaha untuk mencari penyelesaiannya (Aunuddin 1989). Kemenjuluran dan Kurtosis Kemenjuluran Pearson merupakan ukuran kemenjuluran data peubah tunggal sebagai fungsi dari tiga statistik yaitu rataan, median, dan simpangan baku. Dalam hal data peubah ganda,disarankan menggunakan kemenjuluran peubah ganda untuk pengujian kenormalan ganda. Penolakan terhadap hipotesis data menyebar ganda yaitu jika nilai kemenjuluran peubah ganda sangat besar. Sedangkan kurtosis mengukur seberapa besar penyimpangan data dari sebaran normal. Hipotesis bahwa data menyebar normal ganda ditolak jika kurtosis peubah ganda bernilai sangat besar atau sangat kecil.

Pemaparan

Perhatian

Pemaknaan Pemaparan Gambar 1 Stimulus sensorik.

Di lain pihak, masalah demografi diartikan sebagai studi matematik dan statistik terhadap jumlah komposisi, distribusi spasial dari penduduk, dan perubahan-perubahan dari aspek tersebut yang selalu terjadi akibat proses fertilitas, mortalitas, perkawinan, migrasi, dan mobilitas sosial. Faktor demografi yang digunakan paling luas adalah usia, jenis kelamin, besarnya keluarga, siklus kehidupan keluarga, penghasilan, pekerjaan, pendidikan, agama, ras, kebangsaan, dan kelas sosial (Engel et al. 1995). Gambar 2 memberikan gambaran hubungan antara persepsi, demografi, dan media habit.

DEMOGRAFI PERSEPSI

MEDIA HABIT

Gambar 2 Hubungan antara tiga peubah laten.

Eksplorasi Data Analisis data yang bersifat eksploratif diawali dengan upaya penelusuran dan

Model Persamaan Struktural Banyak teori dan model khususnya dalam ilmu sosial diformulasikan menggunakan konsep-konsep yang tidak dapat diukur atau diamati secara langsung. Meskipun demikian, peubah indikator sebagai refleksinya dapat digunakan untuk mempelajari konsep-konsep teoritis tersebut, salah satunya dengan menggunakan pemodelan persamaan struktural. Model Persamaan Struktural (MPS) terdiri dari dua model persamaan yaitu model struktural dan model pengukuran. Model struktural menggambarkan hubungan antar peubah laten. Peubah laten adalah peubah yang tidak dapat diukur secara langsung dan informasinya diperoleh dari peubah penyusunnya. Sedangkan model pengukuran menjelaskan keterkaitan peubah laten dengan peubah indikatornya. Ada dua jenis peubah laten yaitu peubah laten terikat dikenal dengan peubah laten endogen dan peubah laten bebas yang disebut peubah laten eksogen. Hubungan yang lengkap dari kedua model ini digambarkan oleh suatu diagram jalur. Bentuk model persamaan struktural adalah sebagai berikut (Joreskog & Sorbom 1999) :

3

dimana: = vektor peubah laten endogen berukuran mx1 = vektor peubah laten eksogen berukuran nx1 = matriks koefisien dari berukuran mxm = matriks koefisien dari berukuran mxn = vektor sisaan hubungan antara dan berukuran mx1 Bentuk persamaan model pengukuran adalah sebagai berikut : y= x=

+

dimana : y = vektor peubah indikator bagi peubah laten endogen berukuran px1 x = vektor peubah indikator bagi peubah laten eksogen berukuran qx1 = matriks koefisien berukuran pxm = matriks koefisien berukuran qxn = vektor galat pengukuran dari Y berukuran px1 = vektor galat pengukuran dari X berukuran qx1 Pada pemodelan persamaan struktural diasumsikan tidak berkorelasi dengan , tidak berkorelasi dengan , serta diantara , , tidak saling berkorelasi. Hipotesis dasar yang mendasari model persamaan struktural adalah ∑ = ∑(θ), dimana ∑ adalah matriks kovarians atau korelasi data dari peubah indikator X dan Y sedangkan ∑(θ) adalah matriks kovarians atau korelasi model persamaan struktural yang dinyatakan sebagai berikut :

Dimana adalah matriks kovarians model bagi peubah-peubah X yaitu : = Sedangkan adalah matriks kovarians model bagi peubah-peubah Y yaitu : =

[A(ΓΦΓ’+ψ)A’]

Dengan A=(I-B)-1. Sedangkan adalah matriks kovarians model bagi peubah-peubah X dan Y yaitu : =

ΓΦ

Sedangkan matriks merupakan matriks putaran dari . Jadi matriks merupakan fungsi dari parameter ( ,

, B, Γ, Φ, ψ, , ) yang mendefinisikan model persamaan struktural. Matriks Ψ dan Φ merupakan matriks kovarians bagi dan , sedangkan dan adalah matriks kovarians bagi dan . Matriks Korelasi Dalam pendugaan parameter MPS tidak digunakan data asal, tetapi didasarkan pada matriks kovarians data. Salah satu hal yang penting dalam pendugaan adalah penggunaan matriks korelasi sebagai alternatif input matriks di dalam analisis MPS, karena matriks korelasi juga merupakan matriks kovarians hanya saja peubah-peubahnya telah dibakukan terlebih dahulu. Matriks korelasi digunakan ketika tujuan dari penelitian untuk memahami pola hubungan antar peubah laten di samping dapat secara langsung membandingkan peubah-peubah dengan skala berbeda. Korelasi yang paling sering digunakan adalah korelasi produk-momen Pearson. Asumsi pada korelasi Pearson adalah bahwa kedua peubah harus berskala numerik. Jika kedua peubah merupakan peubah ordinal yang diukur dalam tiga atau lebih kategori (polikotomi) maka korelasi polikhorik yang digunakan. Jika skala kedua peubah tersebut biner, digunakan korelasi tetrakhorik (Hair et al. 1995). Sedangkan korelasi poliserial adalah generalisasi dari korelasi biserial. Misalkan z1 adalah peubah ordinal dan z2 adalah peubah kontinu yang minimal diukur pada skala interval. Korelasi antara z1 dan z2 disebut koefisien korelasi poliserial dengan mengasumsikan z1 dan z2 mengikuti sebaran normal peubah dua (Joreskog & Sorbom 1996). Metode Pendugaan Parameter Pendugaan parameter di dalam analisis MPS didasarkan pada matriks kovarians data peubah-peubah indikator, bukan data asal. Metode pendugaan parameter yang lazim digunakan pada Model Persamaan Struktural adalah Maximum Likelihood. Metode ini dapat digunakan apabila data menyebar normal ganda. Metode lain diantaranya Instrument Variable (IV), Two Stage Least Square (TSLS), Unweighted Least Square (ULS), Generalized Least Square (GLS), Weighted Least Square (WLS), dan Diagonally Weighted Least Square (DWLS). Pada penelitian ini, metode yang digunakan adalah metode Weighted Least Square. Metode Weighted Least Square merupakan metode penduga alternatif yang digunakan pada

4

kondisi data tidak menyebar normal ganda. Bentuk umum fungsi Weighted Least Square adalah sebagai berikut (Joreskog & Sorbom 1996) :

Dengan merupakan matriks definit positif sebagai pembobot bagi matriks sisaan. Awalnya Browne pada 1982-1984 memformulasikan metode Asymptotically Distribution Free (ADF) pada struktur kovarians. Metode ADF merupakan metode estimasi paling umum karena tidak bergantung kepada jenis distribusi data. Metode ini diimplementasikan pada analisis menggunakan matriks kovarians pada metode WLS dan diperluas pada struktur korelasi. Untuk mengimplementasikan metode ini, harus dilakukan komputasi Matriks Kovarians Asimptotik (Asymptotic Covariance Matrix) dari matriks varians-kovarians atau matriks korelasi contoh. Transformasi dari matriks varianskovarians asimptotik merupakan bentuk matriks korelasi asimptotik. Transformasi ini berdasarkan definisi korelasi sebagai kovarians dua peubah yang dibagi dengan stándar deviasi masing-masing peubah (Bollen 1989). Evaluasi Kelayakan Model Untuk mengetahui kebaikan suatu model, dapat dilihat dari evaluasi model diantaranya sebagai berikut : 1. Root Means Square Error Approximation (RMSEA) Nilai RMSEA merupakan ukuran ketidakcocokan model dengan data. Semakin rendah nilai RMSEA menunjukkan matriks kovarians contoh cenderung tidak berbeda dengan matriks kovarians populasi. Nilai RMSEA diharapkan berkisar antara 0.05-0.08 yang merupakan indeks penerimaan model. Sedangkan nilai RMSEA ≤ 0.05 menandakan close fit. Formula RMSEA adalah (Wijanto 2008):

Dimana

= Maks {

} dan db

= [ (p+q)(p+q+1)]-t dengan p dan q adalah banyaknya peubah indikator pada peubah laten endogen dan eksogen, t banyaknya parameter yang ingin diduga, dan db adalah derajat bebas model.

2. Root Mean Square Residual (RMR) Nilai RMR menunjukkan ukuran rata-rata dari kuadrat sisaan kovarians atau sisaan korelasi. Formula bagi RMR adalah (Bollen 1989) : RMR = Model yang mempunyai kecocokan baik akan mempunyai nilai Standardized RMR lebih kecil dari 0.05. 3. Goodness of Fit Index (GFI) Pada awalnya GFI diusulkan oleh Joreskog dan Sorbom untuk estimasi dengan Maximum Likelihood dan Unweighted Least Square, kemudian digeneralisir pada estimasi yang lain. Ukuran GFI merupakan ukuran seberapa besar model mampu menerangkan keragaman data. GFI analog dengan R2 pada analisis regresi. Formula GFI adalah : GFI = 1 adalah vektor (p+q)(p+q+1) unsur segitiga bawah matriks sisaan S-∑. S merupakan matriks korelasi atau kovarians data dan ∑ adalah matriks dugaan. Model dengan GFI ≥ 0.9 mengindikasikan model telah menunjukkan kesesuaian. 4. Adjusted Goodness of Fit Index (AGFI) Ukuran ini merupakan modifikasi dari GFI dengan mengakomodasi derajat bebas model dengan model lain yang dibandingkan. Formula bagi AGFI adalah (Joreskog & Sorbom 1996) : AGFI = 1-

[1-GFI]

Nilai AGFI > 0.8 mengindikasikan bahwa model tersebut baik dalam hal kecocokan antara matriks hasil dugaan model struktural dengan matriks data asal. Modifikasi Model Pemodifikasian model sangat bergantung kepada strategi pemodelan yang digunakan. Ada tiga strategi pemilihan yag dapat dipilih dalam MPS (Joreskog & Sorbom 1996): 1. Strictly Confirmatory (SC) atau strategi pemodelan konfirmatori. Pada strategi pemodelan ini dispesifikasikan satu model tunggal, kemudian dilakukan pengumpulan data untuk diuji signifikansinya. Pengujian ini akan menghasilkan suatu penerimaan atau penolakan terhadap model tersebut. Strategi ini tidak memerlukan modifikasi.

5

2. Alternative/Competing Models/AM atau strategi kompetisi model. Beberapa alternatif dispesifikasikan dan berdasarkan analisis terhadap satu kelompok data dipilih salah satu model yang paling sesuai. Modifikasi diperlukan jika modelmodel alternatif dikembangkan dari beberapa model yang ada. 3. Model Generating/MG atau strategi pengembangan model. Suatu model awal dispesifikasikan dan data dikumpulkan. Jika model awal tersebut tidak cocok dengan data yang ada maka model dimodifikasi dan diuji kembali dengan data yang sama. Beberapa model dapat diuji dengan tujuan untuk mencari suatu model yang selain cocok dengan data, tetapi juga mempunyai sifat bahwa setiap parameternya dapat diartikan dengan baik.

METODOLOGI Data Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Riset Marketing Politik Markplus Inc. Contoh diambil dari 16 provinsi rawan konflik di Indonesia. Daerah rawan konflik diantaranya adalah NAD, Sumatera Utara, Sumatera Selatan, Lampung, Kalimantan Barat, Jawa Barat, Jawa Tengah, Sulawesi Utara, Sulawesi Tenggara, Sulawesi Selatan, Bali, NTB, NTT, Maluku, Maluku Utara, dan Papua Barat. Daerah yang diidentifikasi rawan konflik vertikal yakni NAD, Sumatera Utara, dan Papua Barat sejumlah 345 responden. Sedangkan 13 provinsi lainnya termasuk dalam daerah rawan konflik horizontal sejumlah 1265 responden. Partai politik yang menjadi fokus penelitian adalah sepuluh besar partai politik di Indonesia, yakni Partai Hati Nurani Rakyat (HANURA), Partai Gerakan Indonesia Raya (GERINDRA), Partai Keadilan Sejahtera (PKS), Partai Amanat Nasional (PAN), Partai Kebangkitan Bangsa (PKB), Partai Golongan Karya (GOLKAR), Partai Persatuan Pembangunan (PPP), Partai Bulan Bintang (PBB), Partai Demokrasi Indonesia Perjuangan (PDIP), dan Partai Demokrat. Dalam hal ini peubah laten media habit tidak dimasukkan dalam analisis, karena tidak diperoleh peubah indikator yang mampu merefleksikan media habit. Peubah-peubah yang diamati terdiri dari empat peubah indikator penyusun demografi pemilih (tiga diantaranya berskala rasio, satu peubah berskala ordinal), dua peubah indikator

penyusun persepsi (berskala ordinal). Peubah laten dan peubah indikator yang menyusun disajikan lengkap pada Lampiran 1. Metode Tahapan metode yang dilakukan dalam penelitian ini adalah: 1) Penyaringan dari data kosong dan dilakukan pemillihan peubah-peubah yang diperlukan sesuai definisi dari masingmasing peubah laten. 2) Eksplorasi data dengan Diagram Batang. Dilakukan pula uji KemenjuluranKurtosis. 3) Konseptualisasi model persamaan struktural berdasarkan kerangka pemikiran teoritis. 4) Penyusunan diagram jalur berdasarkan konsep yang telah disusun. 5) Identifikasi model, untuk menentukan apakah terdapat solusi bagi parameter yang akan diduga. Identifikasi model dilakukan dengan cara t-rule yaitu banyaknya parameter yang tidak diketahui harus lebih kecil dari banyaknya elemen dari matriks input: t ≤ ½ (p+q) (p+q+1) dimana t adalah banyaknya parameter yang tidak diketahui dan (p+q) adalah banyaknya peubah indikator. 6) Menentukan matriks input, dalam hal ini matriks korelasi asimptotik. 7) Pendugaan parameter, dimana metode yang digunakan adalah metode Weighted Least Square. 8) Evaluasi kelayakan model, dengan ukuran kelayakan model RMSEA, SRMR, GFI, dan AGFI. Strategi pemodelan yang digunakan adalah Model Generating sehingga jika diperlukan model dapat dimodifikasi. 9) Modifikasi model, dapat dilakukan dengan dua cara. Cara pertama yaitu dengan menghilangkan jalur peubah indikator dari model dan cara kedua yaitu dengan menambah atau menghilangkan jalur pada model. 10) Interpretasi model dikaitkan dengan teori sesuai kebutuhan penafsiran. Software yang digunakan merupakan software Statistika yang sesuai dengan MPS.

6

Eksplorasi Data Tahapan eksplorasi dilakukan untuk mengetahui gambaran keadaan data. Pada bagian ini dilihat bentuk sebaran data dan pengujian asumsi kenormalan data (Lampiran 2 dan Lampiran 3).

mengeluarkan uang sebesar Rp. 600.000 hingga Rp. 900.000. 50.0 40.0 Persentase

HASIL DAN PEMBAHASAN

30.0

Horizontal

20.0

Vertikal

10.0 0.0

60.0

Kecil Sedang Besar

Persentase

50.0 40.0 30.0

Horizontal

20.0

Vertikal

Gambar 5 Karakteristik berdasarkan jumlah keluarga.

responden

10.0 0.0 17-29

30-39

>=40

Gambar 3 Karakteristik berdasarkan umur.

responden

60.0 50.0 40.0 30.0 20.0 10.0 0.0

Persentase

Persentase

Semua responden dalam penelitian ini merupakan responden yang memenuhi syarat umur pemilih yakni minimal 17 tahun. Usia responden dapat dibedakan menjadi tiga, yakni rentang 17-29 tahun, 30-39 tahun, dan minimal berusia 40 tahun. Dari Gambar 3 tidak terdapat perbedaan yang besar antara umur responden pada daerah rawan konflik horizontal dan vertikal. Kebanyakan responden merupakan responden dengan umur 17-29 tahun.

Besar keluarga dibedakan menjadi tiga yakni keluarga kecil (≤ 4 orang), sedang (5-7 orang), dan besar (> 7 orang). Secara umum, responden pada kedua tipe daerah, memiliki karakteristik yang sama. Persentase responden daerah rawan konflik horizontal sebesar 44% masuk dalam kriteria keluarga kecil, 50% merupakan keluarga sedang, dan sisanya 6% merupakan keluarga besar. Begitupun dengan responden daerah rawan konflik horizontal, sejumlah 47.5% keluarga masuk dalam keluarga kecil, 45.8% masuk dalam kriteria keluarga sedang dan sisanya sebesar 6.7% merupakan keluarga besar.

50.0 40.0 30.0 20.0 10.0 0.0

Horizontal

Vertikal Horizontal Vertikal

Gambar 4 Karakteristik responden berdasarkan pengeluaran keluarga perbulan. Pengeluaran responden berkisar antara Rp. 130.000 hingga Rp. 4.000.000. Kategori pengeluaran perbulan dibagi menjadi empat tingkatan berdasarkan pembagian persentil 25%, 50%, 75% dan 100%. Pada daerah rawan konflik vertikal, persentase terbesar pengeluaran responden antara Rp. 901.000 hingga Rp. 1.500.000 dalam sebulan. Kondisi ini berbeda dengan responden daerah rawan konflik horizontal yang memiliki pengeluaran tidak begitu beragam dengan persentase terbesar, 34.8% responden sebulan

Gambar 6 Karakteristik berdasarkan pendidikan terakhir.

responden

Secara persentase, berturut-turut responden daerah rawan konflik horizontal dan vertikal sebesar 75.8% dan 81.7% telah memenuhi Wajib Belajar (Wajar) 9 tahun yang dicanangkan oleh Pemerintah.

7

Persentase

100.0 80.0 60.0 40.0

Horizontal

20.0

Vertikal

0.0 Tidak Biasa Baik Saja

Baik

Gambar 7 Karakteristik responden berdasarkan kesan paling kuat yang menggambarkan parpol.

Persentase

Responden pada kedua tipe daerah, mayoritas memiliki kesan yang baik untuk parpol yang paling mereka ingat saat ditanyakan. Hanya sebagian kecil saja yang menilai citra parpol biasa saja atau tidak baik.

70.0 60.0 50.0 40.0 30.0 20.0 10.0 0.0

Horizontal Vertikal

Gambar 8 Karakteristik responden berdasarkan keyakinan akan kemampuan wakil dari parpol. Semakin besar nilai status keyakinan responden semakin besar pula keyakinan responden akan kemampuan wakil dari parpol tersebut. Persentase terbesar pada responden daerah konflik horizontal memberikan penilaian 5, 6, atau 7 terhadap keyakinan kemampuan wakil parpol di DPR RI. Sedangkan responden daerah rawan konflik vertikal cenderung memiliki keyakinan yang lebih tinggi dibandingkan daerah rawan konflik horizontal dilihat dari persentase terbesar melalui pemberian skor 8, 9, 10, atau 11. Selanjutnya Uji Kemenjuluran dan Kurtosis peubah ganda pada Lampiran 2 dan Lampiran 3. Pada kedua daerah, baik pada uji Kemenjuluran maupun uji Kurtosis, hipotesis bahwa data menyebar normal ditolak. P-value sebesar 0.00 menyatakan bahwa sebaran data tidak mengikuti distribusi normal ganda. Pendugaan Parameter Model Berdasarkan hasil pada Lampiran 2 dan Lampiran 3 diketahui bahwa secara peubah

ganda data tidak menyebar normal (p-value = 0.00). Oleh karena itu, metode minimisasi yang digunakan ialah Weighted Least Square. Pendugaan awal dilakukan dengan menduga semua parameter yang berjumlah [½(p+q) (p+q+1)] atau sebanyak 21 parameter. Pendugaan Parameter pada Model Daerah Rawan Konflik Horizontal Pada Lampiran 4 disajikan t-hitung untuk nilai loading peubah indikator, diperoleh hasil bahwa semua peubah indikator berpengaruh nyata terhadap peubah laten yang diukurnya. Hal ini didasarkan pada nilai t-hitung yang lebih besar dari dari 1.645 (α =10%). Akan tetapi, terdapat nilai t-hitung varians sisaan yang negatif bersamaan dengan nilai mutlak loading terbakukan yang lebih besar dari satu. Harus diinisialisasi dengan membuat varians sisaan peubah pendidikan bernilai sangat kecil sebesar 0.05. Pendugaan Parameter pada Model Daerah Rawan Konflik Vertikal Kemudian pada Lampiran 7 disajikan thitung untuk nilai loading peubah indikator, diperoleh hasil bahwa semua peubah indikator berpengaruh nyata terhadap peubah laten yang diukurnya, dapat dilihat dari nilai t-hitung yang lebih besar dari dari 1.645 (α =10%). Akan tetapi, terdapat nilai t-hitung varians sisaan yang tidak valid, bernilai kurang dari 1.645. Masalah ini dapat diatasi dengan menginisialisasi varians sisaan peubah pendidikan bernilai sangat kecil sebesar 0.05. Modifikasi Model Modifikasi diperlukan karena strategi pemodelan yang digunakan adalah Model Generating atau strategi pengembangan model. Modifikasi bertujuan untuk meningkatkan kebaikan model dalam mengepas data atau dengan kaitannya dengan teori yang mendasari model. Modifikasi pada Model Daerah Rawan Konflik Horizontal Semua peubah indikator masuk dalam kriteria t-hitung yakni lebih besar dari 1.645. Oleh karena itu, modifikasi yang dilakukan adalah dengan mengeluarkan dua peubah indikator dengan nilai loading yang terkecil yakni peubah jumlah keluarga dan pengeluaran masing-masing dengan nilai

8

KESAN 0.88

0.62

0.35

DEMOGRAF

-0.28

-0.97 0.05

0.62

UMUR PERSEPSI 0.64

PEND

KEMAMPUA 0.58

Gambar 9 Diagram model akhir yang diperoleh pada daerah rawan konflik horizontal Chi-Square=1.89, df=2, P-value=0.38961, RMSEA=0.000

loading sebesar -0.08 dan 0.19. Kemudian dilakukan pendugaan ulang dan dihasilkan ukuran kelayakan model sebagaimana di bawah ini. Tabel 1 Ukuran kelayakan model persepsi setelah modifikasi pada daerah rawan konflik horizontal Kriteria Pengujian RMSEA SRMR GFI AGFI

Nilai yang Disarankan ≤0.08 < 0.05 ≥ 0.9 > 0.8

Hasil Uji 0.000 0.048 0.999 0.998

Semua kriteria kelayakan model telah masuk dalam nilai yang diharapkan. Nilai GFI yang diperoleh sebesar 0.999 artinya hampir 100% keragaman data dapat dijelaskan oleh model. Begitu pula nilai AGFI yang diperoleh cukup besar yaitu 0.998. Matriks korelasi pada model struktural sama dengan matriks korelasi data. Selisih antara matriks korelasi pada model dengan matriks korelasi data disajikan pada Lampiran 10 sebagai Standardized Residuals (Sisaan Terbakukan). Nilai mutlak dari sisaan baku kurang dari 2.58 artinya modifikasi tidak diperlukan kembali, karena model yang dihasilkan merupakan model yang baik. Modifikasi pada Model Daerah Rawan Konflik Vertikal Seperti halnya keadaan pada daerah rawan konflik horizontal, semua peubah indikator masuk dalam kriteria t-hitung yakni lebih besar dari 1.645. Oleh karena itu, modifikasi yang dilakukan adalah dengan mengeluarkan satu-persatu dua peubah indikator dengan nilai loading yang terkecil yakni peubah jumlah keluarga dan umur masing-masing dengan nilai loading sebesar -0.04 dan -0.17.

Kemudian dilakukan pendugaan ulang dan dihasilkan ukuran kelayakan model sebagaimana berikut ini. Tabel 2 Ukuran kelayakan model persepsi setelah modifikasi pada daerah rawan konflik vertikal Kriteria Pengujian RMSEA SRMR GFI AGFI

Nilai yang Disarankan ≤0.08 < 0.05 ≥ 0.9 > 0.8

Hasil Uji 0.025 0.046 0.999 0.992

Semua kriteria kelayakan model baik nilai RMSEA, SRMR, GFI, maupun AGFI telah masuk dalam nilai yang diharapkan. Seluruh ukuran kelayakan model menunjukkan bahwa model yang digunakan merupakan model yang baik. Nilai GFI yang diperoleh sebesar 0.999 artinya hampir 100% keragaman data dapat dijelaskan oleh model. Begitu pula nilai AGFI yang diperoleh cukup besar yaitu 0.992. Tujuan yang diinginkan telah tercapai, bahwa matriks korelasi pada model struktural sama dengan matriks korelasi data. Selisih antara matriks korelasi pada model dengan matriks korelasi data disajikan pada Lampiran 11 sebagai Standardized Residuals. Model akhir setelah modifikasi disajikan pada Gambar 9 untuk daerah rawan konflik horizontal dan Gambar 10 untuk daerah rawan konflik vertikal. Berdasarkan Gambar 9, peubah laten demografi (DEMOGRAF) ditunjukkan oleh peubah indikator umur (UMUR) dan pendidikan responden (PEND) dengan kontribusi masing-masing sebesar 0.35 dan -0.97. Peubah indikator pendidikan memberikan kontribusi lebih besar dibandingkan peubah indikator umur. Didukung dengan nilai t-hitung pada Lampiran 6, kedua indikator ini baik dalam merefleksikan peubah laten demografi.

9

KESAN 0.71

PENGELUA

0.34

0.53

DEMOGRAF

PERSEPSI

0.42

0.58 0.66

0.88

0.70

KEMAMPUA 0.51

PEND

Gambar 10 Diagram model akhir yang diperoleh pada daerah rawan konflik vertikal Chi-Square=1.21, df=1, P-value=0.27039, RMSEA=0.025

Sedangkan peubah laten persepsi (PERSEPSI) valid direfleksikan oleh peubah indikator kesan (KESAN) dan kemampuan (KEMAMPUA) dengan nilai loading berturut-turut sebesar 0.62 dan 0.64. Sebesar lebih dari 60% keragaman persepsi mampu dijelaskan oleh kesan dan kemampuan dan berhubungan positif. Artinya hubungan tersebut berbanding lurus yaitu persepsi yang positif dapat dilihat dari penilaian terhadap kesan dan penilaian kemampuan wakil dari parpol di DPR RI yang positif pula, begitupun sebaliknya. Persepsi dan demografi berhubungan dengan koefisien lintas sebesar -0.28. Hubungan keduanya berbanding terbalik, semakin baik nilai demografi individu justru membentuk persepsi yang tidak baik mengenai parpol. Berdasarkan Gambar 10, peubah laten demografi ditunjukkan oleh peubah indikator pengeluaran dan pendidikan responden dengan kontribusi masing-masing sebesar 0.53 dan 0.58. Diartikan bahwa peubah pendidikan memberikan kontribusi lebih besar dibandingkan peubah indikator pengeluaran. Didukung dengan nilai t-hitung pada Lampiran 9, kedua indikator ini baik dalam merefleksikan peubah laten demografi. Sedangkan peubah laten persepsi valid direfleksikan dengan peubah kesan dan kemampuan dengan nilai loading berturutturut sebesar 0.34 dan 0.70. Secara berturutturut sebesar 34% dan 70% keragaman persepsi mampu direfleksikan oleh kesan masyarakat terhadap parpol dan penilaian kemampuan wakil dari parpol di DPR RI. Karena koefisien lintas yang diperoleh bernilai positif maka hubungan tersebut berbanding lurus sebagaimana keadaan pada daerah rawan konflik horizontal. Persepsi dan demografi berhubungan dengan koefisien lintas sebesar 0.42. Semakin baik nilai demog-

rafi individu, semakin baik pula persepsi terhadap parpol.

SIMPULAN & SARAN Simpulan Berlandaskan teori bahwa adanya hubungan antara persepsi, media habit dan demografi pemilih dibentuklah suatu model persamaan struktural meski tanpa memasukkan peubah laten media habit Peubah laten demografi ditunjukkan oleh peubah indikator umur dan pendidikan responden dengan kontribusi masing-masing sebesar 0.35 dan -0.97. Sedangkan peubah laten persepsi valid direfleksikan dengan peubah indikator kesan dan kemampuan dengan nilai loading berturut-turut sebesar 0.62 dan 0.64. Artinya hubungan tersebut berbanding lurus yaitu persepsi yang positif dapat dilihat dari penilaian terhadap kesan dan penilaian kemampuan wakil dari parpol di DPR RI yang positif pula. Persepsi dan demografi berhubungan dengan koefisien lintas sebesar 0.28. Pada daerah rawan konflik vertikal, peubah laten demografi ditunjukkan oleh peubah indikator pengeluaran dan pendidikan responden dengan kontribusi masing-masing sebesar 0.53 dan 0.58. Sedangkan peubah laten persepsi valid direfleksikan dengan peubah kesan dan kemampuan dengan nilai loading berturut-turut sebesar 0.34 dan 0.70. Koefisien lintas yang diperoleh bernilai positif, persepsi positif pemilih terhadap parpol dapat dilihat dari penilaian yang bernilai positif pula terhadap kesan dan kemampuan. Persepsi dan demografi berhubungan dengan koefisien lintas sebesar 0.42..

10

Saran Untuk penelitian selanjutnya, sebaiknya mengikutsertakan peubah indikator lain sesuai dengan definisi dari peubah laten media habit, demografi dan persepsi terutama untuk peubah laten media habit. Meski demikian, tidak semua peubah dapat dimasukkan karena peubah indikator minimal berskala ordinal. Selain itu, pemilihan daerah rawan konflik difokuskan lebih detail pada cakupan seperti desa-desa atau kabupaten-kabupaten.

DAFTAR PUSTAKA Arsyad A. 2009. Media Pembelajaran. Jakarta : Rajawali Pers Aunuddin. 1989. Analisis Data. Bogor : Pusat Antar Universitas Ilmu Hayat IPB Bollen KA. 1989. Structural Equations With Laten Variables. New York : John Wiley & Sons Inc. Engel JF, Blackweld RD, Miniard PW. 1995. Perilaku Konsumen Jilid 2. Ed ke-6 Budijanto, penerjemah. Jakarta : Binarupa Aksara. Terjemahan dari : Consumer Behaviour. Hair JF, Anderson RF, Tatham RL and Black WC. 1995. Multivariate Data Analysis. Fourth Edition. New Jersey : Prentice Hall Inc. Joreskog KG, Sorbom D. 1996. LISREL 8: User’s Reference Guide. Chicago: Scientific Software International Joreskog KG, Sorbom D, Toit SD, Toit MD. 1999. LISREL 8: New Statistical Features. Chicago: Scientific Software International Solomon MR. 2002. Consumer Behaviour : Buying, Having & Being. New Jersey: Prentice Hall Sumarwan U 2004. Perilaku Konsumen. Bogor : PT Ghalia Indonesia. Wijanto SH. 2008. Structural Equation Model dengan LISREL 8.8 :Konsep dan Tutorial. Yogyakarta : Graha Ilmu.

11

LAMPIRAN

12

Lampiran 1 Peubah laten dan peubah indikator yang digunakan Peubah Laten Demografi

Persepsi

Umur Responden

Predikat Peubah Indikator X1 = UMUR

Pengeluaran Rumah Tangga Perbulan

X2 = PENGELUA

Peubah Indikator

Pendidikan Terakhir (1: Tidak Sekolah, 2: Tidak Tamat SD, 3: SD, 4: Setingkat SMP, 5: Setingkat SMU/SMA, 6: Akademi/Politeknik/Diploma, 7: Sarjana S1, 8: Pasca Sarjana (S2/S3)) Jumlah Anggota Keluarga yang Tinggal Serumah Kesan Paling Kuat yang Menggambarkan Parpol (1: Berkesan Tidak Baik, 2 : Biasa Saja, 3 : Berkesan Baik) Keyakinan akan Kemampuan Wakil dari Parpol (Skala Likert dari Sangat Buruk (1) hingga Sangat Bagus (11))

X3 = PEND X4 = JUM_KEL Y1 = KESAN Y2 = KEMAMPUA

Lampiran 2 Uji normalitas peubah ganda pada peubah indikator kontinu di daerah rawan konflik horizontal Nilai 4.82

Kemenjuluran Skor Z P-Value 24.74 0.00

Nilai 6.04

Kurtosis Skor Z P-Value 11.76 0.00

Kemenjuluran & Kurtosis Chi-Square P-Value 750.65 0.00

Lampiran 3 Uji normalitas peubah ganda pada peubah indikator kontinu di daerah rawan konflik vertikal Nilai 2.04

Kemenjuluran Skor Z P-Value 8.67 0.00

Nilai 2.15

Kurtosis Skor Z P-Value 3.01 0.00

Kemenjuluran & Kurtosis Chi-Square P-Value 84.27 0.00

Lampiran 4 Diagram t-hitung model persamaan struktural daerah rawan konflik horizontal

31.87

UMUR KESAN

6.82 32.75

PENGELUA

-22.62

DEMOGRAF

-15.41

-20.09 -2.65

PEND

35.19

JUM_KEL

7.66

33.00

-5.35

Chi-Square=392.07, df=8, P-value=0.00000, RMSEA=0.195

PERSEPSI 38.03

KEMAMPUA 25.91

13

Lampiran 5 horizontal

0.96

Diagram dugaan terstandarkan model persamaan struktural daerah rawan konflik

UMUR

0.19 0.94

PENGELUA

PEND

0.99

JUM_KEL

0.36

KEMAMPUA

0.79

0.80 -0.25

DEMOGRAF

-0.23

PERSEPSI

-1.17 -0.37

KESAN

0.46

-0.08

Chi-Square=392.07, df=8, P-value=0.00000, RMSEA=0.195

Lampiran 6 Diagram t-hitung model persamaan struktural hasil modifikasi daerah rawan konflik horizontal

0.88

KESAN

UMUR 0.62

0.35

DEMOGRAF

-0.28

-0.98 0.05

0.62

PEND

Chi-Square=1.89, df=2, P-value=0.38961, RMSEA=0.000

PERSEPSI 0.64

KEMAMPUA

0.58

14

Lampiran 7 Diagram t-hitung model persamaan struktural daerah rawan konflik vertikal

17.33

UMUR

-3.49 14.06

PENGELUA

KESAN

9.93

DEMOGRAF

PERSEPSI

7.69

12.04 0.53

PEND

18.50

JUM_KEL

11.46

10.09

10.13

KEMAMPUA

-1.74

8.86

Chi-Square=123.56, df=8, P-value=0.00000, RMSEA=0.205

Lampiran 8 Diagram dugaan terstandarkan model persamaan struktural daerah rawan konflik vertikal

0.97

UMUR

-0.17 0.86

PENGELUA

0.38

DEMOGRAF

0.39

0.96 0.08

PEND

1.00

JUM_KEL

KESAN

0.77

KEMAMPUA

0.68

0.48

-0.04

Chi-Square=123.56, df=8, P-value=0.00000, RMSEA=0.205

PERSEPSI 0.57

15

Lampiran 9 Diagram t-hitung model persamaan struktural hasil modifikasi daerah rawan konflik vertikal

0.71

PENGELUA 0.53

DEMOGRAF

0.42

0.58 0.66

KESAN

0.88

KEMAMPUA

0.51

0.34

PERSEPSI 0.70

PEND

Chi-Square=1.21, df=1, P-value=0.27039, RMSEA=0.025

Lampiran 10 Standardized Residuals hasil modifikasi pada daerah rawan konflik horizontal KESAN

KEMAMPUA

UMUR

KESAN

0.000

KEMAMPUA

-0.008

UMUR

0.069

0.133

0.000

PEND

0.001

-0.001

-0.023

PEND

0.000

-0.000

Lampiran 11 Standardized Residuals hasil modifikasi pada daerah rawan konflik vertical KESAN

KEMAMPUA

PENGELUA

KESAN

0.000

KEMAMPUA

-0.046

0.000

PENGELUA

0.117

-0.052

0.000

PEND

-0.018

0.028

-0.048

PEND

0.000