KAJIAN PERILAKU BERSEPEDA MOTOR DI JAKARTA

KAJIAN PERILAKU BERSEPEDA MOTOR DI JAKARTA Ho Hwi Chie; Dyah Lestari Widaningrum Industrial Engineering Department, Faculty of Engineering, Bina Nusantara University Jln. K.H. Syahdan 9, Palmerah, Jakarta Barat 11480 [email protected]

ABSTRACT This study aims to test the hypothetical model that describes the correlation between motorcycling behavior and four latent variables assumed to make up bikers in action. A survey of 350 motorcyclists through purposive sampling was done by employing a research instrument. Validity and reliability test of research instrument were conducted by calculating the Cronbach's Alpha. Whereas, the hypothesis model test was conducted using statistical technique of Structural Equation Modeling (SEM) through Lisrel 8.72 software. CFI, Chi-square, and RMSEA are fit indexes used to test the suitability of the hypothesis model with field data (model fit). Structural Equation Modeling (SEM) and Confirmatory Factor Analysis (CFA) were used to evaluate the reliability and structural validity of the instrument used. Besides, they were used to test the hypothesis that a positive relationship between the observed variables and the four latent variables, as well as a positive relationship between the four latent variables and motorcycling behavior construct. Keywords: motorcycling behavior, structural equation modeling

ABSTRAK Tujuan penelitian ini adalah untuk menguji model hipotetik yang menggambarkan korelasi antara perilaku berkendara motor (motorcycling behavior) dengan empat variabel laten yang diduga membentuk para pengendara tersebut dalam bertindak. Survey terhadap 350 orang pengendara motor dilakukan melalui teknik purposive sampling dengan menggunakan sebuah instrumen penelitian. Uji validitas dan reliabilitas instrument penelitian dilakukan melalui teknik perhitungan Cronbach’s Alpha. Sedangkan uji model hipotesis dilakukan dengan menggunakan teknik statistik Structural Equation Modeling (SEM), melalui piranti lunak Lisrel 8.72. CFI, Chi-square, dan RMSEA merupakan indeks fit yang digunakan untuk menguji kesesuaian model Hipotesis dengan data di lapangan (model fit). Structural Equation Modeling (SEM) dan Confirmatory Factor Analysis (CFA) digunakan untuk mengevaluasi reliabilitas dan validitas struktural dari instrument yang digunakan, serta untuk menguji hipotesa adanya hubungan yang positif antara variabel yang diobservasi dengan keempat variabel laten, serta hubungan yang positif antara keempat variabel laten tersebut dengan konstruk perilaku bersepeda motor. Kata kunci: perilaku bersepeda motor, structural equation modeling

42

INASEA, Vol. 15 No.1, April 2014: 42-51

PENDAHULUAN Bekerja di Jakarta tidak terlepas dari perjalanan yang sering kali melelahkan ke tempat kerja karena tingkat kemacetan yang tinggi. Lambatnya arus lalu lintas kendaraan di jalan raya sering kali disebabkan karena ketidaktertiban para pengendara itu sendiri, khususnya para pengendara sepeda motor. Para pengendara sepeda motor sering kali terlihat berada berdekatan dengan pengendara sepeda motor lainnya ketika berkendara di jalan raya. Dengan kata lain, mereka melaju kendaraannya dalam bentuk kelompok. Oleh karena itu, pengendara yang mematuhi rambu-rambu lalu lintas, cenderung tidak melakukannya sendiri, demikian juga pengendara yang melanggar rambu-rambu lalu lintas. Menurut Weiten (2002), berada dalam kondisi berkelompok dapat memberikan perasaan lebih aman dibandingkan sendirian. Adanya sistem keselamatan lalu lintas tidak menjamin terjadinya perilaku berkendara yang aman jika para pengguna jalan tidak ingin memerhatikan rambu-rambu lalu lintas (Kaellhammer & Smith, 2012). Dengan demikian, adanya persepsi berkendara secara aman (perceived safety), dapat diasumsikan memengaruhi perilaku berlalu lintas secara aman di jalan. Perilaku didahului dengan adanya atensi untuk melakukan sesuatu, baik yang bersifat konstruktif maupun destruktif. Hobfoll (1989) dalam teorinya Conservation of Resources mengatakan, bahwa individu yang memiliki resource (sesuatu yang dicari dan dibutuhkan) yang positif cenderung akan menghasilkan resource selanjutnya yang juga positif. Safety merupakan hal penting yang perlu diperhatikan oleh suatu organisasi ketika karyawannya bekerja sebagai pengemudi (Newnam, Greenslade, Newton, & Watson, 2010). Lebih lanjut Newnam et al, membangun model terkait driver behavior, yang mencakup 4 faktor, yaitu speeding (kecepatan), rule violation (pelanggaran terhadap aturan lalu lintas), inattention (ketidakwaspadaan), dan driving while tired (berkendara saat lelah). Skala pengukuran ini juga dijelaskan dapat digunakan sebagai alat diagnosis bagi manajemen dalam organisasi yang memiliki karyawan yang berkendara untuk bekerja. Penelitian bertujuan untuk menguji apakah keempat faktor yang dijelaskan oleh Newnam, et al (2010) sungguh mempengaruhi perilaku para pengendara motor di Jakarta dalam berkendara secara signifikan. Hipotesis H1 : H2 : H3 : H4 :

Berdasarkan penjelasan pada pendahuluan di atas, maka dapat dirumuskan sebagai berikut: Variabel speeding berpengaruh langsung terhadap motorcycling behavior Variabel inattention berpengaruh langsung terhadap motorcycling behavior Variabel rule violation berpengaruh langsung terhadap motorcycling behavior Variabel driving while tired berpengaruh langsung terhadap motorcycling behavior

Tinjauan Pustaka Hingga saat ini kecelakaan jalan raya masih memegang predikat ”pembunuh” terbesar ketiga di dunia, setelah penyakit jantung dan TBC. Data Kepolisian RI tahun 2009 menyebutkan, sepanjang tahun itu terjadi sedikitnya 57.726 kasus kecelakaan di jalan raya. Artinya, dalam setiap 9,1 menit sekali terjadi satu kasus kecelakaan (Perhubungan Darat, 2010). Lebih lanjut, Wamenhub, Bambang Susantono menjelaskan bahwa dari seluruh kecelakaan yang terjadi di jalan raya, faktor kelalaian manusia dalam berkendara (human error) memiliki kontribusi paling tinggi, yaitu mencapai 80-90 %. Sisanya merupakan faktor dari ketidaklaikan sarana kendaraan (5-10%) dan kerusakan infrastruktur jalan (10-20%) (Perhubungan Darat, 2011).

Kajian Perilaku … (Ho Hwi Chie; Dyah Lestari Widaningrum)

43

Newnam, Grifin, dan Mason (2008) berpendapat bahwa berkendara dengan aman menuju tempat kerja merupakan suatu bentuk motivasi berperilaku yang dipengaruhi oleh tempat bekerja dan faktor individu. Adanya sistem keselamatan lalu lintas tidak menjamin terjadinya perilaku berkendara yang aman jika para pengguna jalan tidak ingin memerhatikan rambu-rambu lalu lintas (Kaellhammer & Smith, 2012). Dengan demikian, adanya persepsi berkendara secara aman (perceived safety), dapat diasumsikan memengaruhi perilaku berlalu lintas secara aman di jalan. Newnam et al (2010) mendeterminasikan 4 indikator yang dinilai berpengaruh langsung terhadap motorcycling behavior, yaitu speeding, inattention, rule violation, dan driving while tired. Dari masing-masing indikator dikembangkan masing-masing 3 variabel pengamatan yang dinilai berpengaruh terhadap indikator yang bersangkutan, seperti yang dapat dilihat pada Tabel 1 berikut. Tabel 1 Indikator dari Motorcycling Behavior - MCB (Newnam, et al, 2010) Indikator

Kode

Definisi

Speeding

MCBS

Mengendarai sepeda motor dengan kecepatan di atas batas yang diizinkan.

Inattention

MCBI

Mengendarai sepeda motor dengan memikirkan hal-hal lain di samping kondisi jalan yang dilalui.

Rule Violation

MCBV

Mengendarai sepeda motor dengan tidak mengindahkan marka jalan.

Driving While Tired

MCBT

Mengendarai sepeda motor dalam kondisi lelah.

Variabel Observasi Saya mengendarai sepeda motor dengan kecepatan tinggi (lebih dari 50 km/jam), di jalan raya. (MCB1) Saya mengendarai sepeda motor dengan kecepatan melebihi kecepatan pengendara sepeda motor lainnya. (MCB2) Saya mengendarai sepeda motor dengan kecepatan melebihi batas kecepatan yang diizinkan. (MCB3) Saya mengendarai sepeda motor sambil berpikir bagaimana mencapai tempat tujuan. (MCB4) Saya mengendarai sepeda motor sambil berpikir tentang tugas atau pekerjaan saya. (MCB5) Saya mengendarai sepeda motor sambil berpikir tentang hal-hal lain, yang tidak berhubungan dengan kondisi jalan yang sedang saya lalui. (MCB6) Ketika bersepeda motor, saya menghentikan kendaraan saya melebihi (di depan) garis batas lampu merah. (MCB7) Saya mengendarai sepeda motor dengan kondisi melawan arus lalu lintas. (MCB8) Ketika mengendarai sepeda motor, saya melakukan u-turn (putar balik) di tempat yang tidak memiliki tanda u-turn. (MCB9) Saya mengendarai sepeda motor dalam kondisi tubuh yang lelah. (MCB10) Karena kondisi tubuh yang lelah, saya mengendarai sepeda motor dengan upaya yang sangat keras untuk bisa mencapai tempat tujuan. (MCB11) Saya mengendarai sepeda motor dalam kondisi mengantuk. (MCB12)

Dari konstruk, variabel laten, dan variabel oberservasi yang telah dijabarkan, dapat digambarkan model hipotetik seperti yang dapat dilihat pada Gambar 1.

44


METODE Penelitian yang dijelaskan pada paper ini mencakup 6 tahapan seperti yang dapat dilihat pada Gambar 2. Penentuan individual konstruk, seperti yang telah dijabarkan dalam pendahuluan maupun dalam tinjauan pustaka, dan pengembangan model hipotetik atau model pengukuran ditetapkan berdasarkan konstruk – indikator – variabel teramati/observasi seperti yang dapat dilihat dapat dilihat pada Gambar 1. MCB1 MCB2

MCBS

MCB3 MCB4 MCB5

MCBI

MCB6

MCB

MCB7 MCB8

MCBV

MCB9 MCB10 MCB11

MCBT

MCB12

Gambar 1 Model Hipotetik Motorcycling Behavior dari Newnam, et al (2010)

Selanjutnya perancangan studi empiris dilakukan untuk memastikan bahwa studi empiris yang dilakukan dapat mendukung terkumpulnya data yang valid dan reliabel sesuai dengan tujuan dan metode SEM yang telah ditetapkan dalam penelitian ini. Salah satu yang harus ditentukan dalam studi empiris adalah jumlah sampel dari populasi yang didefinisikan. Dalam penelitian ini digunakan 350 responden untuk, sesuai dengan panduan dari Hair, Black, Babin, Anderson, & Tatham (2006), bahwa jika menggunakan prosedur estimasi Maximum Likelihood Estimation (MLE), ukuran sampel pada kisaran 150 – 400 diharapkan dapat memberikan estimasi yang optimal. Populasi penelitian ini adalah para pengendara sepeda motor di Jakarta, dan berstatus karyawan. Sampel penelitian tidak dibatasi pada gender namun pada usia dengan batas maksimal 50 tahun. Hal itu untuk menghindari pengaruh faktor-faktor stres yang dapat disebabkan masa pensiun dan hormonal. Instumen yang digunakan dalam studi empiris ini disusun dalam bentuk kuesioner berdasarkan item pada variabel observasi pada Tabel 1, dengan pengukuran menggunakan skala likert 1-5. Sebelum dipakai dalam penelitian yang sesungguhnya, instrumen penelitian diujicobakan terlebih dahulu terhadap sampel sebanyak 90 subyek penelitian. Teknik perhitungan Cronbach’s Alpha dengan koefisien Alpha > .70 dipakai untuk menentukan apakah instrumen penelitian valid dan reliabel. Perhitungan akan dilakukan melalui piranti lunak SPSS/PC+ for Windows. Hasil dari pretest menunjukkan bahwa instrumen valid dan reliabel, sehingga dapat digunakan untuk pengukuran selanjutnya. Structural Equation Model (SEM) merupakan teknik statistik yang akan dipakai untuk menguji hubungan antara variabel eksogen terhadap variabel endogen dalam penelitian ini, yang tercermin di dalam model pengukuran/hipotetik seperti yang dapat dilihat pada Gambar 1. Perhitungan SEM dilakukan dengan bantuan piranti lunak LISREL (Linear Structural Relation) versi 8.72 melalui 2 tahap. Tahap pertama adalah menguji model fit (kesesuaian model hipotetik dengan data di lapangan). Selanjutnya setelah terbukti model hipotetik fit, maka dilanjutkan spesifikasi model struktural dan uji tingkat signifikansi model struktural dapat dilakukan. Untuk menguji model fit, beberapa indeks fit


45

yang akan dipakai adalah Chi-square dengan nilai p > .05, Comparative fit index (CFI > .90), dan Root mean square error of approximation (RMSEA ൑ .08).

Gambar 2 Metodologi Riset dengan Structural Equation Modeling (Hair, Black, Babin, Anderson, & Tatham, 2006)

HASIL DAN PEMBAHASAN Skala item Motorcycling Behavior (MCB) yang menguji keputusan yang diambil oleh responden dalam bersepeda motor di jalan raya, yang dicerminkan dalam kepatuhan terhadap aturan lalu lintas. Pengujian mencakup empat indikator utama yaitu Speeding (MCBS), Inattention (MCBI), Rule Violation (MCBV), dan Driving While Tired (MCBT). Nilai skewness dan kurtosis dapat dilihat pada Tabel 2. Nilai skewness yang kurang dari ±3 dan nilai kurtosis yang kurang dari ±10 mengindikasikan bahwa data dari responden terdistribusi normal. Tabel 2 Nilai Skewness dan Kurtosis dari Variabel Observasi Motorcycling Behavior (N=350) Construct

Latent Variables Speeding (MCBS)

Motorcycling Behavior (MCB)

Inattention (MCBI) Rule Violation (MCBV) Driving While Tired (MCBT)

46

Observed Variables MCB1 MCB2 MCB3 MCB4 MCB5 MCB6 MCB7 MCB8 MCB9 MCB10 MCB11 MCB12

N 350 350 350 350 350 350 350 350 350 350 350 350

Skewness 0.47 0.59 0.03 0.85 0.67 0.35 0.29 -0.41 0.21 0.51 0.50 -0.04

Kurtosis 0.98 0.19 -0.59 0.86 0.12 -0.04 -0.47 -0.12 -0.69 0.12 -0.09 -0.53


Nilai mean dan standar deviasi dari ke-12 variabel terobservasi dapat dilihat pada Tabel 3. Secara umum penilaian ke-12 variabel cukup tinggi; dengan median dari skala pengukuran pada nilai 3, hasil pengukuran untuk 9 variabel pengukuran memiliki nilai lebih dari 3. Dua hasil pengukuran variabel cenderung rendah, yaitu untuk variabel MCB1, yaitu “Saya mengendarai sepeda motor dengan kecepatan tinggi (lebih dari 50 km/jam), di jalan raya” pada indikator speeding dan variabel MCB4, yaitu “Saya mengendarai sepeda motor sambil berpikir bagaimana mencapai tempat tujuan” pada indikator inattention. Tabel 3 Nilai Mean dan Standar Deviasi dari Variabel Observasi Motorcycling Behavior (N=350) Construct

Latent Variables Speeding (MCBS)


Inattention (MCBI) Rule Violation (MCBV) Driving While Tired (MCBT)


N 350 350 350 350 350 350 350 350 350 350 350 350

Mean 2.64 3.13 3.40 2.39 2.99 3.09 3.47 3.73 3.57 3.20 3.04 3.62

Std. Deviation 0.86 0.91 1.05 0.95 0.95 1.00 0.94 0.98 0.91 0.88 0.95 0.91

Untuk masing-masing variabel laten dari variabel observasi, yang merupakan indikator dari variabel laten motorcycling behavior, dilakukan spesifikasi proses model struktural dengan menggunakan estimasi maximum likelihood. Dari hasil estimasi diperoleh nilai measurement equations dari konstruk variabel laten dan variable observasi dari Motorcycling Behavior seperti yang dapat dilihat pada Tabel 4. T-value dari setiap variabel yang diobservasi digunakan untuk mengestimasi validitas konvergen dari variabel laten. Skor t-value yang terendah adalah 6.60 (lebih tinggi dari 1.96) yang menunjukkan bahwa skala ini valid secara statistikal. Tabel 4 Model Pengukuran untuk Motorcycling Behavior (MCB) (N=350)

Koefisien MCB1 MCB2 MCB3 MCB4 MCB5 MCB6 MCB7 MCB8 MCB9 MCB10 MCB11 MCB12

Factor Analysis Equations Standard Unstandardized t-value Error Loading Factor (≥1.96) (minimum) .37 .054 6.86 .64 .76 .42 .72 .55 .55 .52 .60 .70 .54 .58

.067 .080 .064 .084 .074 .066 .067 .068 .057 .057 .056

9.46 9.61 6.60 8.64 7.50 8.27 7.84 8.84 12.30 9.59 10.45

Error Variance (positive) .61

Error Variance Standard Error (minimum) .051

.41 .52 .72 .38 .69 .58 .69 .47 .28 .61 .49

.074 .10 .065 .11 .08 .068 .071 .073 .063 .058 .055

R2

Standardized Loading Factor (≥.70, ≥.50, ≥.30)

11.90

.18

.43

5.56 5.00 11.10 3.55 8.60 8.50 9.73 6.48 4.46 10.48 8.96

.50 .53 .20 .58 .31 .34 .28 .43 .64 .33 .41

.70 .73 .44 .76 .55 .58 .53 .66 .80 .57 .64

t-value

Seluruh variabel observasi memiliki nilai SLF ≥ 0.20 yang menandakan bahwa skala reliabel secara statistik, bahkan 10 dari 12 variabel nilai SLF ≥ 0.50 dan 4 dari 12 variabel memiliki nilai SLF ≥ 0.70. T-value dan SLF dengan nilai lebih dari nilai minimum yang disarankan menandakan bahwa variabel observasi memiliki validitas yang baik terhadap variabel latennya.


47

Tabel 5 Reliabilitas untuk Variabel Observasi untuk Motorcycling Behavior (MCB) (N=350) Latent Variables Speeding (MCBS) Inattention (MCBI) Rule Violation (MCBV) Driving While Tired (MCBT)


Chi-Square/df (1~3)

P-Value >.05

RMSEA < .08

CFI > .9

The model is saturated, the fit is perfect The model is saturated, the fit is perfect The model is saturated, the fit is perfect

The model is saturated, the fit is perfect

Tabel 5 menunjukkan indeks fit dari model pengukuran untuk keempat variabel laten. Index fit dari model mengacu pada nilai rasio dari Chi-square terhadap degree of freedom (χ2/df), nilai PValue, root mean square error of approximation (RMSEA), dan comparative fit index (CFI), namun dari hasil perhitungan menggunakan LISREL, tidak muncul nilai spesifik terhadap index fit, karena model telah dinilai fit. Gambar 3, 4, 5, 6 adalah path diagram dari masing-masing variabel laten, dengan estimasi standardized loading factor dan estimasi t-value.

Gambar 3 Path Diagram dari Variabel Laten Speeding

Gambar 4 Path Diagram dari Variabel Laten Inattention

48


Gambar 5 Path Diagram dari Variabel Laten Rule Violation

Gambar 6 Path Diagram dari Variabel Laten Driving While Tired

Sementara koefisien pada variabel laten MCBS, MCBI, MCBV, MCBT menunjukkan koefisien antara first-order dan second-order factors pada Motorcycling Behavior. Masing-masing skor t-value untuk first-order factor digunakan untuk mengestimasi validitas konvergen. Skor t-value yang lebih tinggi dari 1,96 dan standardized loading factor ≥ 0.50 seperti yang dapat dilihat pada Tabel 6. menunjukkan bahwa skala ini valid secara statistikal.

Tabel 6 Model Pengukuran untuk Motorcycling Behavior (MCB) (N=350) Factor Analysis Equations Unstandardized Standard t-value Loading Factor Error .62 .064 9.65

Error Variance Error Standard t-value Variance Error .61 .71 8.71

.39

Standardized Loading Factor .62

MCBI

.50

.067

7.51

.75

.072

10.36

.25

.50

MCBV

.65

.065

9.95

.58

.073

7.96

.42

.65

MCBT

.57

.066

8.73

.67

.072

9.35

.33

.57

Variabel Laten MCBS

R2

Tabel 7 menunjukkan indeks fit dari model CFA dari Motorcycling Behavior. Index fit dari model mengacu pada nilai rasio dari Chi-square terhadap degree of freedom (χ2/df), nilai P-Value, root mean square error of approximation (RMSEA), dan comparative fit index (CFI) menunjukkan bahwa model fit. Gambar 7 adalah path diagram dari konstruk Motorcycling Behavior.


49

Tabel 7 Reliabilitas untuk Variabel Laten untuk Motorcycling Behavior (MCB) (N=350) Construct

Chi-Square/df (1~3)

P-Value >.05

RMSEA < .08

CFI > .9


.25/1

.62

.00

1.00

Gambar 7 Path Diagram dari Konstruk Motorcycling Behavior

Seperti yang dapat dilihat pada path diagram pada Gambar 7, pada estimasi t-value tidak ada garis merah yang menunjukkan bahwa antara variabel laten speeding, inattention, rule violation, dan driving while tired dengan konstruk motorcycling behavior memiliki hubungan yang positif dan signifikan.

SIMPULAN Newnam, et al (2008) berpendapat bahwa berkendara dengan aman menuju tempat kerja merupakan suatu bentuk motivasi berperilaku yang dipengaruhi oleh tempat bekerja dan faktor individu. Hal ini juga selaras dengan hasil penelitian ini yang dilakukan pada pengendara motor yang berkendara di Jakarta. Hasil analisis dengan structural equation modeling menunjukkan bahwa speeding, inattention, rule violation, dan driving while tired berpengaruh langsung pada motorcycling behavior. Penelitian terhadap perilaku berkendara ini terbukti valid dan reliabel, sehingga dapat dikatakan bahwa model ini dapat menjadi dasar untuk pengembangan model, untuk melihat keterkaitan antara perilaku berkendara dengan konstruk lainnya, untuk melihat keterkaitannya dengan aspek yang lain. Untuk pengembangan penelitian juga dapat dilakukan penelitian dengan responden yang lebih spesifik, misal dengan struktur demografi tertentu

50


DAFTAR PUSTAKA Hair, J. F., Black, B., Babin, B., Anderson, R. E., & Tatham, R. L. (2006). Multivariate Data Analysis (6 Ed.). Prentice-Hall. Hobfoll, S. (1989). Conservation of resources: A new attempt at conceptualizing stress. American Psychologist, 44(3), 513-524. Kaellhammer, J., & Smith, K. (2012). Assessing contextual factors that influence acceptance of pedestrian alerts by a night vision system. The Journal of the Human Factors and Ergonomics Society, 54(4), 654-662. Newnam, S., Greenslade, J., Newton, C., & Watson, B. (2010). Safety in Occupational Driving: Development of a driver Behaviour Scale for the Workplace Context. Applied Psychology: An International Review. Newnam, S., Grifin, M. A., & Mason, C. (2008). Safety in Work Vehicles: A Multilevel Study Linking Safety Values and Individual Predictors to Work-Related Driving Crashes. Journal of Applied Psychology , 93(3), 632-644. Perhubungan Darat, Direktorat Jendral (2010). Kecelakaan Jalan Raya di Indonesia Terjadi Setiap 9,1 menit. Diakses dari http://m.dephub.go.id/read/berita/direktorat-jenderal-perhubungan-darat/ Perhubungan Darat, Direktorat Jendral (2011). Kelalaian Berkendara, Faktor Terbesar Kecelakaan Di Jalan Raya. Diakses dari http://m.dephub.go.id/read/berita/direktorat-jenderalperhubungan-darat/ Weiten, W. (2002). Psychology Themes and Variations (5 ed.). Belmont, CA: Thomson Learning.


51

KAJIAN PERILAKU BERSEPEDA MOTOR DI JAKARTA

Recommend Documents