FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDERITA INFEKSI SALURAN PERNAFASAN AKUT (ISPA) DI KOTA MEDAN
MENGGUNAKAN ANALISIS JALUR
SKRIPSI
BAMBANG AGUS SAPUTRA 140823017
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDERITA INFEKSI SALURAN PERNAFASAN AKUT (ISPA) DI KOTA MEDAN
MENGGUNAKAN ANALISIS JALUR
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
BAMBANG AGUS SAPUTRA 140823017
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2016
PERSETUJUAN
Judul : Faktor – Faktor Yang Mempengaruhi Jumlah Penderita Infeksi Saluran Pernafasan Akut (ISPA) Di Kota Medan Menggunakan Analisis Jalur
Kategori : Skripsi
Nama : Bambang Agus Saputra
Nomor Induk Mahasisswa : 140823017
Program Studi : Sarjana (S1) Matematika
Departemen : Matematika
Fakultas : Matematika dan Ilmu Pengetahuan Alam
Disetujui di
Medan, Oktober 2016
Komisi Pembimbing
Pembimbing 2 Pembimbing 1
Drs. Partano Siagian, M.Si Dr. Pasukat Sembiring, M.Si NIP. 19511227 198003 1 001 NIP. 19531113198503 1 002
Disetujui oleh
Departemen Matematika FMIPA USU
Prof. Dr. Tulus, M.Si
PERNYATAAN
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDERITA INFEKSI SALURAN PERNAFASAN AKUT (ISPA) DI KOTA MEDAN
DENGANMENGGUNAKAN ANALISIS JALUR
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Oktober 2016
Bambang Agus Saputra 140823017
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa karena atas berkatnya penulis dapat menyelesaikan skripsi dengan judul Faktor- Faktor Yang Mempengaruhi jumlah penderita Ispa di Kota Medan dengan Menggunakan Analisis Jalur.
Terima kasih penulis sampaikan kepada Bapak Dr. Pasukat Sembiring, M.Si selaku dosen pembimbing 1 dan Bapak Drs. Patarno Siagian, M.Sc selaku dosen pembimbing 2 yang telah bersedia meluangkan waktunya selama penyu- sunan skripsi ini. Terima kasih kepada Bapak Drs. Marihat Situmorang, M.Kom selaku dosen pembanding 1 dan Bapak Drs. Henry Rani Sitepu, M.Si selaku dosen pembanding 2. Terima kasih kepada Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan. Terima kasih kepada Bapak Dr. Kerista Sebayang, M.S selaku Dekan FMIPA USU, seluruh staff, pegawai dan Dosen Matematika FMIPA USU serta rekan – rekan kuliah.
Akhirnya tidak terlupakan kepada kedua orangtua tercinta Ayahanda Nurgianto dan Ibunda Nursyamsiah serta kedua adik-adik saya tersayang Dwi Apriani Lestari dan Muhammad Lutfi Ardiansyah serta keluarga, sahabat dan teman-teman satu Stambuk yang selama ini memberikan bantuan dan dorongan yang diperlukan, semoga Tuhan membalasnya.
Penulis menyadari bahwa skripsi ini masih terdapat banyak kekurangan dan jauh dari sempurna. Untuk itu, penulis mengharapkan saran dan kritik yang membangun demi kesempurnaan penelitian di masa yang akan datang. Semoga penelitian ini bermanfaat dan dapat menambah pengetahuan bagi semua pihak.
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDERITA INFEKSI SALURAN PERNAFASAN AKUT (ISPA) DI KOTA MEDAN
DENGANMENGGUNAKAN ANALISIS JALUR
ABSTRAK
Kesehatan merupakan prioritas utama manusia dalam menjalani kehidupan.Setiap orang berharap mempunyai tubuh yang sehat dan kuat serta memiliki kekebalan tubuh yang baik agar tidak mudah terserang penyakit. Namun hal itu pula yang menjadi kekhawatiran orang-orang yang ada di Negara ini. Banyak cara pencegahan yang dilakukan oleh manusia selalu sehat dan tidak mudah terserang penyakit, namun penyakit sering dating tiba-tiba sehingga tidak dapat dihindari.
Seperti halnya Infeksi Saluran Pernafasan Akut yang biasa disingkat dengan ISPA.
Penelitian ini mencoba untuk menguji beberapa faktor yang diduga memiliki pengaruh terhadap Penderita ISPA, yaitu Kepadatan Penduduk, Hari Hujan, Jumlah Keluarga Yang Memiliki Akses Air Bersih, dan Jumlah Kendaraan. Penelitian ini dilakukan di Badan Pusat Statistik Provinsi Sumatera Utara. Teknik analisis data dalam penelitian ini adalah analisis jalur. Penelitian menemukan bahwa seluruh hipotesis dalam penelitian ini telah terbukti dan signifikan.
Kata Kunci: Penderita ISPA, Kepadatan Penduduk, Hari Hujan, Jumlah Keluarga Yang Memiliki Akses Air Bersih, Jumlah Kendaraan dan Analisis Jalur.
FACTORS AFFECTING THE NUMBER OF PEOPLE WITH ACUTE RESPIRATORY INFECTIONS ( ARI ) IN MEDAN CITY USING PATH
ANALYSIS
ABSTRACT
Human health is the main priority in undergoing ln life. The people hope to have a healthy body and strong and have a good immune from being susceptible to disease. But it is also a concern of people in this country. Many ways of prevention done by humans is always healthy and not susceptible to disease, but the disease often Dating suddenly so unavoidable. Such as acute respiratory infection commonly abbreviated to ARI .
This study attempts to examine some of the factors that have an influence on patients suspected of ARI, the population density, Rainy Day, Number of Families Who Have Access to Clean Water, and Number of Vehicles.
This research was conducted at the Central Bureau of Statistics of North Sumatra Province. Data analysis techniques in this research is path analysis. The study found that all of this hypothesis has been proven and significant.
Keywords : People ARI, population density, Rainy Day, Number of Families Who Have Access to Clean Water, Total Vehicle and Path Analysis
DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Penghargaan iii
Abstrak iv
Abstract v
Daftar Isi vii
Daftar Tabel viii
Daftar Gambar ix
Bab 1 Pendahuluan 1
1.1 Latar Belakang 1
1.2 Rumusan Masalah 4
1.3 Batasan Masalah 4
1.4 Manfaat Penelitian 4
1.5 Tujuan Penelitian 5
1.6 Tinjauan Pustaka 5
1.7 Metodologi Penelitian 9
Bab 2 LandasanTeori 2.1Analisis Jalur
2.2 Konsep dasar Analisis Jalur 2.3 Manfaat Analisis Jalur
2.4 Diagram Jalur dan Persamaan Struktural 2.5 Koefisien Jalur
2.6 Analisis Jalur Model Trimming
2.7 Besarnya Pengaruh Variabel Eksogen Terhadap Variabel Endogen
2.8 Variabel dan Data 2.8.1 Variabel 2.8.2 Data
2.8.3 Teknik Pengumpulan Data 2.8.4 Skala Pengukuran
10 10 11 12 13 15 17 19 20 20 21 21 22
Bab 3 Hasildan Pembahasan 23
3.1 Analisis Data 23
3.1.1 Diagram Jalur dan Persamaan Struktural 24 3.2
3.1.2 Menghitung korelasi antar Variabel Besar Pengaruh Langsung dan Tidak Langsung
25 39
Bab 4 Kesimpulandan Saran 41
4.1 Kesimpulan 41
4.2 Saran 42
Daftar Pustaka Lampiran
DAFTAR TABEL
Halaman
Tabel 3.1 Data Penderita Ispa, Kepadatan Penduduk,
Banyak Hari Hujan, Jumlah Keluarga Yang Memiliki
Akses Air Bersih dan jumlah Kendaraan 26
DAFTAR GAMBAR
Halaman
Gambar2.1 Diagram Jalur Hubungan Kausal 13
Gambar 2.2 Diagram Jalur Hubungan Kausal X1, X2, X3ke X4 13
Gambar 2.3 Diagram Jalur Hubungan Kausal X1, X2 ke X3 dan dari
X3 ke X4
14
Gambar 2.4 Hubungan Kausal dari X1, X2 ke X3 15
Gambar 3.1 Model Diagram Jalur
24
Gambar 3.2 Diagram jalur Substruktur 1
26
Gambar 3.3 Diagram Jalur Persamaan Substruktur 1 Hasil Trimming 32
Gambar 3.4 Diagram Jalur Substruktural 2 34
Gambar 3.5 Diagram Jalur Substruktural 3 35
Gambar 3.7 Diagram Jalur Hasil Trimming 38
BAB 1 PENDAHULUAN
1.1. Latar Belakang
Kesehatan merupakan prioritas utama manusia dalam menjalani kehidupan.Setiap orang berharap mempunyai tubuh yang sehat dan kuat serta memiliki kekebalan tubuh yang baik agar tidak mudah terserang penyakit.
Namun hal itu pula yang menjadi kekhawatiran orang-orang yang ada di Negara ini. Banyak cara pencegahan yang dilakukan oleh manusia selalu sehat dan tidak mudah terserang penyakit, namun penyakit sering dating tiba-tiba sehingga tidak dapat dihindari. Seperti halnya Infeksi Saluran Pernafasan Akut yang biasa disingkat dengan ISPA.
Menurut Agustama (2005) Infeksi Saluran Pernafasan Akut atau istilah dalam bahasa inggrisnya Acute Respiratory Infections (ARI) merupakan sekelompok penyakit kompleks dan heterogen yang disebabkan oleh berbagai factor penunjang risiko yang menyerang setiap lokasi saluran pernafasan mulai dari saluran atas (hidung) hingga pada saluran bawah pada system pernafasan manusia. ISPA merupakan penyakit yang sering terjadi pada anak-anak terutama balita, karena system pertahanan tubuh yang masih rendah sehingga rentan terhadap penyakit. Secara klinis ISPA adalah suatu tanda dan gejala akut akibat infeksi yang terjadi di setiap bagian saluran pernafasan dan berlangsung selama 14 hari.Adapun yang termasuk ISPA adalah influenza, campak, faringitis, trakeitis, bronchitis akut, brokhiolitis, dan pneumonia.
Beberapa faktor yang telah diketahui mempengaruhi tingginya mortalitas dan morbiditas ISPA antara lain: malnutrisi, kelahiran dengan dengan berat badan rendah (BBLR), kepadatan hunian, sosio ekonomi yang rendah, cuaca (udara dingin), imunisasi tidak lengkap, defesiensi vitamin A, umur muda, terpapar polusi udara oleh asap rokok, gas beracun, kurangnya akses air bersihdan lain-lain
Analisis jalur sendiri merupakan suatu metode yang digunakan untuk melihat pengaruh langsung dan tidak langsung antar variabel bebas dengan variabel bebas lainnya maupun antar variabel bebas dengan variabel terikat. Dan juga untuk melihat sejauh mana masing-masing variabel memberikan kontribusi terhadap variabel terikatnya dari model jalur yang dihasilnya. Dan model trimming merupakan model yang digunakan untuk memperbaiki model jalur yang telah dibuat jika ada variabel yang tidak signifikan.
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal – hal diatas BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik dipusat maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi, klasifikasi dan ukuran – ukuran lainnya.
Setiap sepuluh tahun sekali, BPS menyelenggarakan sensus penduduk.Di samping itu, BPS juga melakukan pengumpulan data, menerbitkan publikasi statistik nasional maupun daerah, serta melakukan analisis data statistik yang digunakan dalam pengambilan kebijakan pemerintah. BPS juga terdapat di setiap provinsi, kabupaten dan kota di seluruh Indonesia. Dinamakan perwakilan BPS di daerah, karena BPS merupakan instansi vertikal, yakni instansi pemerintah pusat yang berada di daerah, sehingga bukan merupakan bagian dari instansi milik daerah, Tugas lain BPS di daerah adalah melakukan koordinasi dengan pemerintah daerah dalam rangka penyelenggaraan statistik regional.
Setiap sepuluh tahun sekali BPS menyelenggarakan:
1. Sensus Penduduk (SP) yaitu pada setiap tahun berakhiran "0" (nol), 2. Sensus Pertanian (ST) pada setiap tahun berakhiran "3" (tiga), dan 3. Sensus Ekonomi (SE) pada setiap tahun berakhiran "6" (enam).
BPS memunyai tugas pemerintahan di bidang kegiatan statistik sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.
Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan fungsi:
1. Pengkajian, penyusunan, dan perumusan kebijakan di bidang statistik.
2. Pengkoordinasian kegiatan statistik nasional dan regional.
3. Penetapan dan penyelenggaraan statistik dasar.
4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah di bidang kegiatan statistik; dan
Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian, keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah tangga.
Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS mempunyai kewenangan:
1. Penyusunan rencana nasional secara makro di bidangnya;
2. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara makro.
3. Penetapan sistem informasi di bidangnya.
4. Penetapan dan penyelenggaraan statistik nasional.
5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.
Berdasarkan hal-hal diatas terutama mengenai faktor-faktor penunjang risiko terjadinya penyakit ISPA, penulis menganggap perlu mengetahui lebih dalam tentang faktor-faktor apa saja yang benar-benar menjadi penyebab utama banyaknya masyarakat yang terserang penyakit ini. Oleh karena itu, penulis melakukan penelitian yang mengangkat judul: “Faktor-Faktor yang Mempengaruhi Jumlah Penderita Infeksi Saluran Pernafasan Akut (ISPA) di Kota Medan Menggunakan Analisis Jalur.
1.2. Rumusan Masalah
Hal-hal yang sering menjadi Permasalahan yaitu kurangnya kepedulian masyarakat terhadap faktor yang mempengaruhi kesehatan, terutama faktor yang mempengaruhi tentang kejadian Ispa.
1.3. Batasan Masalah
Pembatasan masalah bertujuan untuk memperjelas arah dan tujuan dari suatu masalah yang akan diteliti sehingga tidak menimbulkan kekeliruan. Untuk mengarahkan agar penelitian ini tidak menyimpang dari tujuan yang diinginkan, maka penulis membatasi masalah hanya pada pengaruh kepadatan penduduk, jumlah kendaraan, banyak hari hujan dalam setahun, dan jumlah keluarga yang memiliki akses air bersih terhadap jumlah penderita Infeksi Saluran Pernafasan Akut (ISPA) di Kota Medan dan data yang digunakan adalah data dari tahun 2005 sampai tahun 2014.
1.4. Manfaat Penelitian
Manfaat yang dapat diambil dari penelitian ini adalah:
1. Memberikan informasi kepada masyarakat tentang jumlah penderita ISPA di Kota Medan serta faktor yang sangat mempenagaruhinya.
2. Sebagai bahan masukan kepada pihak terkait untuk mengantisipasi meningkatnya jumlah penderita ISPA di Kota Medan pada tahun-tahun berikutya.
3. Sebagai sarana meningkatkan pengetahuan dan wawasan bagi penulis dalam menganalisis data.
4. Diharapkan penelitian ini dapat dimanfaatkan sebagai bahan kajian lanjutan terhadap peneliti lainnya yang mengangkat judul berkaitan dengan jumlah penderita ISPA.
1.5. Tujuan Penelitian Penelitian ini bertujuan untuk:
1. Menentukan Model Analisis Jalur, dari faktor-faktor yang diduga dapat mempengaruhi jumlah penderita ISPA.
2. Mengetahui seberapa besar pengaruh yang disebabkan oleh faktor- faktor tersebut terhadap jumlah penderita ISPA di Kota Medan.
1.6. Tinjauan Pustaka
Analisis jalur yang dikenal dengan path analysis dikembangkan pertama tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright. Model analisis jalur digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen). Besarnya pengaruhnya dinyatakan oleh koefisien jalur.
Model trimming adalah model yang digunakan untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model variabel eksogen yang koefisien jalurnya tidak signifikan (Kusnendi, 2008)
Dalam menganalisis data ini, penulis menggunakan model persamaan satu jalur. Pada model persamaan satu jalur ini, hubungan pertamanya sama dengan regresi berganda, yaitu variabel bebas yang terdiri dari lebih dari satu variabel bebas dan variabel tergantungnya satu atau lebih dari satu variabel.
Model diagram jalur berdasarkan paradigma hubungan variabel:
Gambar 2.2. diagram jalur hubungan kausal dari X1, X2, X3 ke X4
Pada gambar diatas terdapat tiga buah variabel eksogen yaitu X1, X2 dan X3 serta sebuah variabel residu ε. Pada diagram diatas juga menunjukkan hubungan kausal dari X1 ke X4, X2 ke X4 dan X3 ke X4, sedangkan hubungan X1dengan X2, X2 dengan X3, dan X1 dengan X3 menunjukkan hubungan korelasi.
Persamaan strukturalnya adalah .
Pada analisis jalur model trimming langkah pengujiannya:
1. Mermuskan persamaan struktural 2. Menghitung koefisien jalur
3. Menguji koefisien jalur secara simultan (keseluruhan)
Uji hipotesis secara keseluruhan:
, yang berarti tidak terdapat pengaruh dari keseluruhan variabel terhadap penderita Penderita Ispa.
, yang berarti terdapat pengaruh dari keseluruhan variabel terhadap penderita Penderita Ispa.
Pengujian signifikansi menggunakan uji F
Dimana:
n = jumlah sampel
k = jumlah variabel eksogen
= koefisien determinasi
Kriteria pengujian:
Jika maka ditolak, artinya signifikan yang berarti terdapat pengaruh dari keseluruhan variabel terhadap penderita Penderita Ispa
Jika maka di terima, artinya tidak signifikan yang berarti terdapat pengaruh dari keseluruhan variabel terhadap penderita Penderita Ispa
4. Menguji koefisien jalur secara individual Hipotesis yang diuji:
, artinya tidak terdapat pengaruh variabel eksogenus ( ) terhadap variabel endogenus ( ).
, artinya terdapat pengaruh variabel eksogenus ( ) terhadap variabel endogenus ( )
Pengujian menggunakan uji t
√
Kriteria pengujian:
Jika maka ditolak artinya terdapat pengaruh variabel eksogenus ( ) terhadap variabel endogenus ( )
Jika maka terima , artinya tidak terdapat pengaruh variabel eksogenus ( ) terhadap variabel endogenus ( ).
Proses kerja menghitung koefisien jalur adalah:
1. Menggambarkan diagram jalur yang mencerminkan proposisi hipotetik yang diajukan, lengkap dengan persamaan strukturalnya.
2. Menghitung matriks korekasi antar variabel
∑ ∑ ∑
√{ ∑ (∑ ) } { ∑ (∑ ) }
Keterangan:
= koefisien korelasi variabel dan variabel j = 1,2,…,n
n = jumlah sampel
3. Identifikasi persamaan sub-struktural dan persamaan yang akan dihitung koefisien jalurnya.
Kemudian hitung matriks korelasi antar variabel eksogenus yang menyusun sub-struktur tersebut
4. Menghitung matriks invers korelasi variabel eksogenus
5. Menghitung semua koefisien jalur , dimana i=1,2,…,k; dengan rumus:
Untuk melihat melihat seberapa besar kontribusi secara simultan antar variabel bebas dengan variabel terikat digunakan rumus:
[ ] * +
1.7. Metodologi Penelitian
1. Menentukan variabel penelitian penderita ISPA, dalam penelitian ini ada 4 variabel yang akan diteliti.
2. Pengambilan data sekunder di Badan Pusat Statistik Sumatera Utara 3. Mengolah dan Menganalisis data yang diperoleh dengan menggunakan
software statistik SPSS dan AMOS.
a. Pengolahan data sekunder
b. Menganalisa data dengan menggunakan teknik analisis jalur c. Menganalisa data pengaruh langsung dan tidak langsung 4. Mengambil kesimpulan
BAB 2
LANDASAN TEORI
2.1. Analisis Jalur
Analisis jalur atau yang dikenal dengan path analysis dikembangkan pertama tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright. Menurut Sarwono (2007:1) terdapat beberapa defenisi analisis jalur, diantaranya:
1. Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung (Robert D. Ruterford 1993).
2. Analisis jalur merupakan pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan (magnitude) dan signifikansi (significance) hubungan sebab akibat hipotepikal dalam seperankat variabel. (Paul Webley, 1997)
3. Analisis jalur merupakan model perluasan regresi yang digunakan untuk menguji keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang dibandingkan oleh peneliti. (David Garson, 2003)
4. Dari beberapa defenisi diatas, dapat disimpulkan bahwa sebenarnya analisis jalur adalah perluasan dari analisis regresi berganda. Analisis jalur merupakan teknik analisis yang digunakan untuk mempelajari atau melihat hubungan kausal antara variabel bebas dan variabel takn bebas.
2.2. Konsep Dasar Analisis Jalur
Analisis jalur merupakan teknik statistik yang digunakan untuk menguji hubungan kausal antara dua atau lebih variabel. Esensi dari analisis jalur adalah didasarkan pada sistem persamaan linear. Sistem hubungan kausal atau sebab akibat menyangkut dua jenis variabel, yaitu variabel bebas yang diberi symbol X1, X2,…, Xk dan variabel tak bebas diberi symbol Y1, Y2,…,Yi.
Pengaruh variabel bebas terhadap variabel terikat dalam analisis jalur dapat berupa pengaruh langsung maupun tidak langsung.Hal ini berbeda dengan model regresi dimana pengaruh variabel bebas terhadap variabel tak bebas hanya berupa pengaruh langsung. Pengaruh tidak langsung suatu variabel bebas terhadap variabel tak bebas adalah pengaruh variabel bebas (independent) terhadap variabel tak bebas (dependent) melalui variabel lain yang disebut variabel antara (intervening variable).
Dalam analisis jalur dikenal istilah variabel eksogen dan variabel endogen.Variabel endogen atau variabel yang mempengaruhi adalah variabel yang variasinya diasumsikan terjadi bukan karena sebab-sebab dalam model.Atau dalam diagram, tidak ada anak-anak panah yang menuju kearahnya selain pada bagian kesalahan pengukuran. Sedangkan variabel endogen atau variabel yang dipengaruhi adalah variabel yang variasinya terjelaskan oleh variabel eksogen ataupun variabel endogen lain dalam model.
2.3. Manfaat Analisis Jalur
Manfaat dari model analisis jalur adalah untuk menjelaskan fenomena yangditeliti, memprediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X),faktor determinan yaitu penentuan variabel bebas (X) mana yang berpengaruh dominan terhadap variabel terikat (Y), juga dapat digunakan untuk menelusuri mekanisme (jalur-jalur) pengaruh variabel bebas (X) terhadap variabel terikat (Y), dan pengujian modelmenggunakan metode trimming. Prinsip-prinsip dasar yang sebaiknya dipenuhi dalamanalisis jalur diantaranya ialah (Kuncoro, 2008, p2-3):
1. Hubungan antar variabel adalah bersifat adaptif dan bersifat normal.
2. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang berbalik.
3. Variabel terikat (endogen) minimal dalam skala ukur interval dan rasio.
4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel.
5. Observed variable diukur tanpa kesalahan (instrumen pengukuran validitas dan reliabilitas) artinya variabel yang diteliti dapat diobservasi secara langsung.
6. Model yang dianalisis dispesifikasikan (diidentifikasi) dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teoriyang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yangmampu menjelaskan hubungan kausalitas antar variabel yang diteliti.
2.4. Diagram Jalur dan Persamaan Struktural
Pada saat akan melakukan analisis jalur, disarankan untuk terlebih dahulu menggambarkan secara diagramatik struktur hubungan kausal antara variabel penyabab dan variabel terikat. Diagram ini disebut diagram jalur (path diagram), dan bentuknya ditentukan oleh proposisi teoritik yang berasal dari kerangka pikir tertentu.
Gambar 2.1.Diagram jalur hubungan kausal dari X1 ke X2
Gambar diatas merupakan diagram jalur paling sederhana. Gambar 2.1 menyatakan bahwa X1 sebagai variabel eksogen atau bebas yang mempengaruhi variabel endogen atau terikat X2. Tetapi diluar daripada variabel X1 masih ada variabel lain yang tidak diukur dan dinyatakan sebagai variabel residu (ε).
Persamaan strukturalnya adalah
Gambar 2.2. diagram jalur hubungan kausal dari X1, X2, X3 ke X4
Pada gambar diatas terdapat tiga buah variabel eksogen yaitu X1, X2 dan X3 serta sebuah variabel residu ε. Pada diagram diatas juga menunjukkan hubungan kausal dari X1 ke X4, X2 ke X4 dan X3 ke X4, sedangkan hubungan X1dengan X2, X2 dengan X3, dan X1 dengan X3 menunjukkan hubungan korelasi.Persamaan strukturalnya adalah .
Gambar 2.3: diagram jalur hubungan kausal dari X1, X2 ke X3 dan dari X3 ke X4
Pada gambar terdapat dua buah sub-struktur. Pertama, sub-struktur yang menyatakan hubungan kausal dari X1 dan X2 ke X3, serta kedua, mengisyaratkan hubungan kausal dari X3 ke X4.
Persamaan strukturalnya adalah :
.
Pada sub-strukur pertama X1 dan X2 merupakan variabel eksogen dan X3 merupakan variabel endogen serta ε1 merupakan variabel residu.Pada sub-struktur kedua X3 merupakan variabel eksogen dan X4 merupakan variabel endogen, serta
Berdasarkan beberapa diagram jalur diatas, maka dapat kita simpulkan bahwa semakin kompleks sebuah hubungan structural semakin kompleks diagram jalurnya, dan semakin banyak pula sub-struktur yang memnbangung diagram jalur tersebut.
2.5. Koefisien Jalur
Besarnya pengaruh langsung dari suatu variabel eksogen terhadap variabel endogen dinyatakan oleh besarnya nilai numeric koefisien jalur (path analysis) dari eksogen ke endogen.
Gambar 2.4 hubungan kausal dari X1, X2 ke X3
Hubungan antara X1 dan X2 adalah hubungan korelasi.Intensitas keeratan hubungan tersebut dinyatakan oleh besarnya koefisien korelasi rx1x2.Hubungan X1 dan X2 ke X3 adalah hubungan kausal. Besarnya pengaruh langsung dari X1 ke X3
dan dari X2 ke X3 masing-masing dinyatakan oleh besarnya nilai numeric koefisien jalur dan . Koefisien jalur menggambarkan besarnya pengaruh langsung variabel residu terhadap X3.
Langkah kerja yang dilakukan untuk menghitung koefisien jalur adalah:
1. Menggambar diagram jalur yang mencerminkan proposisi hipotetik yang diajukan, lengkap dengan persamaan strukturalnya
2. Menghitung matrik korelasi antar variabel
Formula untuk menghitung koefisien korelasi yang dicari adalah menggunakan Product Moment Coefficient dari Karl Pearson.
∑ ∑ ∑
√{ ∑ (∑ ) } { ∑ (∑ ) }
Keterangan:
= koefisien korelasi variabel dan variabel j = 1,2,…,n
n = jumlah sampel
3. Mengidentifikasikan sub-struktur dan persamaan yang akan dihitung koefisien jalurnya. Lalu hitung matrik korelasi antar variabel eksogen yang menyusun sub-struktur tersebut.
4. Menghitung matrik invers korelasi variabel eksogen
Cara mencari nilai inversnya dengan Rumus Berikut:
5. Menghitung semua koefisien jalur , dimana ; melalui rumus:
Untuk melihat seberapa besar kontribusi secara simultan antara variabel bebas dengan variabel terikat digunakan rumus:
[ ] [ ]
2.6. Analisis Jalur Model Trimming
Model trimming adalah model yang digunakan untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model variabel eksogen yang koefisien jalurnya tidak signifikan (Kusnendi, 2008). Jadi model trimming terjadi ketika koefisien jalur diuji secara keseluruhan ternyata ada variabel yang tidak signifikan.Jika terdapat demikian maka model jalur yang telah dibuat sebelumnya perlu diperbaiki.
Cara menggunakan trimming yaitu menghitung ulang koefisien jalur tanpa menyertakan variabel eksogen yang koefisien jalurnya tidak signifikan. Langkah- langkah pengujian analisis jalur (path analysis) dengan model trimming adalah:
1) Merumuskan persamaan struktural 2) Menghitung koefisien jalur
3) Menguji koefisien jalur secara simultan (keseluruhan)
Uji hipotesis secara keseluruhan:
, yang berarti tidak terdapat pengaruh dari keseluruhan variabel terhadap penderita Penderita Ispa.
, yang berarti terdapat pengaruh dari keseluruhan variabel terhadap penderita Penderita Ispa.
Pengujian signifikansi menggunakan uji F
dimana:
n = jumlah sampel
k = jumlah variabel eksogen
= koefisien determinasi Kriteria pengujian:
Jika maka ditolak, artinya signifikan yang berarti terdapat pengaruh dari keseluruhan variabel terhadap penderita Penderita Ispa
Jika maka di terima, artinya tidak signifikan yang berarti terdapat pengaruh dari keseluruhan variabel terhadap penderita Penderita Ispa
4) Menguji koefisien jalur secara individual Hipotesis yang diuji:
, artinya tidak terdapat pengaruh variabel eksogenus ( ) terhadap
, artinya terdapat pengaruh variabel eksogenus ( ) terhadap variabel endogenus ( )
Pengujian menggunakan uji t :
√
Dengan kriteria pengujian:
Jika maka ditolak artinya terdapat pengaruh variabel eksogenus ( ) terhadap variabel endogenus ( )
Jika maka terima , artinya tidak terdapat pengaruh variabel eksogenus ( ) terhadap variabel endogenus ( ).
5) Memaknai dan menyimpulkan
2.7 Besarnya Pengaruh Variabel Eksogen Terhadap Variabel Endogen
Pengaruh yang diterima oleh sebuah variabel endogenus dari dua atau lebih variabel eksogenus, dapat secara sendiri-sendiri maupun secara bersama-sama.
Pengaruh secara sendiri-sendiri (parsial), bisa berupa pengaruh langsung, bisa juga berupa pengaruh tidak langsung, yaitu melalui variabel eksogen yang lainnya. Menghitung besarnya pengaruh langsung, pengaruh tidak langsung serta pengaruh total variabel eksogenus terhadap variabel endogenus secara parsial, dapat dilakukan dengan rumus:
1. Besarnya pengaruh langsung variabel eksogenus terhadap variabel endogenus
2. Besarnya pengaruh tidak langsung variabel eksogenus terhadap variabel endogenus
2.8. Variabel dan Data 2.8.1. Variabel
Variabel adalah karakteristik yang akan di observasi dari satuan pengamatan.
Karakteristik yang dimiliki satuan pengamatan keadaannya berbeda-beda atau memiliki gejala yang bervariasi dari satu satuan pengamatan ke satu satuan pengamatan lainnya, atau untuk satuan pengamatan yang sama, karakteristiknya berubah menurut waktu atau tempat.
Dilihat dari hubungan antar variabel, dikenal bermacam-macam variable, antara lain:
1. Variabel independen (bebas, eksogenus) adalah variabel yang menjadi sebab terjadinya variabel dependen (terikat, endogenus).
2. Variabel dependen (terikat, endogenus) adalah variabel yang nilainya dipengruhi oleh variabel independen
3. Variabel moderator adalah variabel yang dapat memperkuat atau memperlemah hubungan antara variabel independen dan variabel dependen.
4. Variabel intervening adalah variabel moderator yang nilainya tidak dapat diukur secara pasti, seperti sedih, gembira, dan lain sebagainya.
5. Variabel control adalah variabel yang dapat dikendalikanoleh peneliti.
2.8.2. Data
1. Data primer, yaitu data yang diapat langsung dari objeknya. Misalnya data hasil observasi langsung, data hasil wawancara dan data hasil pengisian kuesioner.
2. Data sekunder, yaitu data yang diperoleh dalam bentuk sudah jadi, hasil dari pengumpulan dan pengolahan pihak lain
2.8.3. Teknik Pengumpulan Data
Teknik pengumpulan data adalah cara yang dapat digunakan oleh peneliti untuk mengumpulkan data. Ada beberapa teknik yang digunakan untuk mengumpulkan data, diantaranya adalah:
1. Teknik observasi, merupakan teknik pengumpulan data dimana peneliti mengadakan pengamatan dan pencatatan secara sistematis terhadap objek yang ditetili, baik dalam situasi buatan yang secara khusus diadakan (laboratorium) ataupun dalam situasi alamiah atau sebenarnya (lapangan).
2. Teknik wawancara, merupaka teknik pengumpulan data yang dilakukan dengan cara mengadakan Tanya jawab, baik secara langsung maupun tidak langsung secara bertatap muka dengan sumber data (responden)
3. Teknik kuesioner, merupakan teknik pengumpulan data dalam bentuk pengajuan pertanyaan tertulis melalui sebuah daftar pertanyaan yang sudah dipersiapkan sebelumnya dan harus diisi oleh responden
2.8.4. Skala Pengukuran
Maksud dari skala pengukuran adalah untuk mengklasifikasikan variabel yang akan diukur supaya tidak terjadi kesalahan dalam menentukan analisis data dan langkah penelitian. Jenis-jenis skala pengukuran ada empat, yaitu:
1. Skala nominal, yaitu skala yang menyatakan kategori, kelompok atau klasifikasi konstruk yang diukur dalam bentuk variabel. Nilai variabel
dalam skala nominl hanya menjelaskan kategori, tidak menjelaskan nilai peringkat, jarak atau perbandingan.
2. Skala ordinal, yaitu skala pengukuran yang tidak hanya menyatakan kategori tetapi juga menyatakan peringkat konstruk yang diukur.
3. Skala interval, yaitu skala yang menunjukkan jarak antara satu data dengan data yang lain dan mempunyai bobot yang sama. Contohnya adalah skor ujian perguruan tinggi: A, B, C, D dan E, temperature, persepsi (sangat setuju, setuju, kurang setuju, tidak setuju, sangat tidak setuju).
4. Skala rasio, yaitu skala pengukuran yang mempunyai nilai nol mutlak dan mempunyai jarak yang sama.
BAB 3
HASIL DAN PEMBAHASAN
3.1. Analisis Data
Setiap data yang telah didapat merupakan alat pengambil keputusan dalam pemecahan persoalan yang ada. Dalam hal ini persoalan yang diteliti tentang Jumlah Penderita ISPA, Kepadatan Penduduk, Banyak Hari Hujan dalam setahun, data Jumlah Keluarga yang Memiliki Akses Air Bersih, serta Jumlah Kendaraan di Kota Medan dari tahun 2005-2014. Datanya adalah sebagai berikut:
Tabel 3.1 Penderita Ispa (X5), Kepadatan Penduduk (X1), Banyak Hari Hujan (X2), Jumlah Keluarga yang Memiliki Akses Air Bersih (X3) dan Jumlah Kendaraan (X4)
Tahun
Penderita PENDERITA
ISPA (ribu jiwa)
Kepadatan Penduduk
(KM2)
Hari Hujan
Keluarga Yang Memiliki Akses
Air Bersih (ribu keluarga)
Jumlah Kendaraan
(ribu unit) 2005 351.830 7881 211 322.484 228.5404 2006 423.656 7798 207 267.989 255.5453 2007 406.905 7858 205 285.989 289.6912 2008 429.561 7929.5 214 289.777 330.4728
2009 384.196 8001 224 316.19 361.3876
2010 331.484 7913 200 317.487 403.9127 2011 387.463 7987 241 356.973 456.9304 2012 352.035 8007.56 214 332.579 498.2417 2013 309.973 8155.51 211 332.869 531.5181 2014 321.635 8265.33 198 335.889 560.5495
Sumber : Badan Pusat Statistik Provinsi Sumatera Utara
Keterangan:
X5 = Penderita Penderita Ispa X1 = Kepadatan Penduduk
X2 = Hari Hujan
X3 = Keluarga Yang Memiliki Akses Air Bersih X4 = Jumlah Penduduk
3.1.1. Diagram Jalur dan Persamaan Struktural
Dalam pengerjaan dalam analisis jalur, pertama sekali kita membuat gambar model jalurnya dan kemudian membuat persamaan strukturalnya.
Gambar 3.1 Model Diagram Jalur
Dari model jalur diatas, maka ada 4 (empat) model hipotesis struktural yang harus dianalisis, yaitu :
1)
2)
3)
4)
3.1.2. Menghitung korelasi antar Variabel
Menghitung korelasi antar setiap variabel adalah dengan menggunakan product moment pearson dengan rumus:
∑ ∑ ∑
√[ ∑ ∑ ][ ∑ ∑ ]
Mengitung korelasi dari X1 dan X2 ∑ ∑ ∑
√[ ∑ ∑ ][ ∑ ∑ ]
√[ ][ ]
√[ ][ ]
√
Demikianlah sampai seterusnya hingga hubungan korelasi sampai pada X4. Dan untuk lebih ringkasnya maka hasil yang diperoleh untuk matriks korelasinya adalah:
[
]
[
] 3.2. Menghitung Koefisien Jalur
3.2.1. Menghitung Koefisien Jalur Persamaan Substruktur 1 1. Model Diagram Jalur
Gambar 3.2 Model Diagram Jalur
2. Persamaan strukturnya
3. Matriks korelasi dan perhitungan koefisien jalur
[
]
Dengan bantuan Mirosoft Excel, maka diperoleh invers matrik korelasinya sebagai berikut:
[
]
Kemudian dapat dihitung koefisien jalurnya dengan menggunakan bantuan software SPSS
( )
(
)
(
)
( ) (
)
Setelah memperoleh nilai koefisien jalurnya maka, kemudian kita mencari nilai R square.
( ) (
)
(
)
Setelah memperoleh nilai R square, maka kita dapat menghitung koefisien residunya dengan cara:
√
√
Sehingga dari seluruhnya didapatlah persamaan substruktural 1 sebagai berikut:
4. Pengujian Hipotesis Secara Simultan
Menguji hipotesis secara bersama-sama variabel Penderita Ispa, kepadatan penduduk, Hari hujan, akses air bersih dan jumlah kendaraan.
artinya tidak terdapat pengaruh kepadatan penduduk, Hari hujan, akses air bersih dan jumlah kendaraan terhadap Penderita Ispa.
, artinya terdapat pengaruh kepadatan penduduk, Hari hujan, akses air bersih dan jumlah kendaraan terhadap Penderita Ispa.
Untuk menguji hipotesis, dilakukan dengan uji F.
Setelah diketahui nilai Fhitung maka selanjutnya melihat nilai Ftabel. Dan diperoleh nilai Ftabel dengan db1 = 4 dan db2 = 10 adalah 3,48. Dengan kriteria pengujian jika Fhitung ≥ Ftabel maka H0 ditolak. Dan dari hasil yang diperoleh diketahui bahwa
5. Pengujian Hipotesis secara individual
Pengujian koefisien jalur hubungan kepadatan penduduk dan Penderita Ispa
, artinya tidak terdapat pengaruh antara kepadatan penduduk terhadap Penderita Ispa.
, artinya terdapat pengaruh antara kepadatan penduduk terhadap Penderita Ispa
Pengujian terhadap hipotesis dilakukan dengan rumus:
√( )
√( )
√
√
Begitu seterusnya untuk menghitung secara manual dalam hal melihat pengaruh variabel secara individu.
Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai t hitung lebih besar dari t tabel. Dengan tingkat alpha 5% untuk t tabel sendiri yaitu ( )
( ) . Jika dilihat maka nilai thitung lebih kecil daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho diterima, yang artinya tidak terdapat
pengaruh yang signifikan antara kepadatan penduduk terhadap penderita Penderita Ispa.
Pengujian koefisien jalur hubungan hari hujan dan penderita Penderita Ispa
, artinya tidak terdapat pengaruh antara hari hujan dan Penderita Ispa
, artinya terdapat pengaruh antara hari hujan dan Penderita Ispa.
Dengan menggunakan bantuan software pada tabel Coeffiients, pada kolom sig dan t dilihat sebagai uji koefisien jalur secara individu. Terlihat pada kolom t = 3,627 yang lebih besar dari t tabel sebesar 2, 570.
Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai t hitung lebih besar dari t tabel. Dengan tingkat alpha 5% untuk t tabel sendiri yaitu ( )
( ) 570. Jika dilihat maka nilai thitung lebih besar daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho ditolak, yang artinya ada pengaruh dari hari hujan dan Penderita Ispa.
Pengujian koefisien jalur hubungan akses air bersih dan Penderita Ispa , artinya tidak terdapat pengaruh akses air bersih terhadap Penderita Ispa
Dengan menggunakan bantuan software pada tabel Coeffiients, pada kolom sig dan t dilihat sebagai uji koefisien jalur secara individu. Terlihat pada kolom t = 3,560 yang lebih besar dari t tabel sebesar 2,57.
Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai t hitung lebih besar dari t tabel. Dengan tingkat alpha 5% untuk t tabel sendiri yaitu ( )
( ) 085. Jika dilihat maka nilai thitung lebih kecil daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho ditolak, yang artinya ada pengaruh dari akses air bersih dan Penderita Ispa.
Pengujian koefisien jalur hubungan jumlah kendaraan dan Penderita Ispa
, artinya tidak terdapat pengaruh jumlah kendaraan terhadap Penderita Ispa
, artinya terdapat pengaruh jumlah kendaraan terhadap Penderita Ispa
Dengan menggunakan bantuan software pada tabel Coeffiients, pada kolom sig dan t dilihat sebagai uji koefisien jalur secara individu. Terlihat pada kolom t = 2,672 yang lebih besar dari t tabel sebesar 2,570.
Kriteria pengujiannya sendiri adalah H0 ditolak apabila nilai t hitung lebih besar dari t tabel. Dengan tingkat alpha 5% untuk t tabel sendiri yaitu ( )
( ) 570.. Jika dilihat maka nilai thitung lebih kecil daripada nilai ttabel, sehingga dapat disimpulkan bahwa Ho ditolak, yang artinya ada pengaruh dari akses air bersih dan Penderita Ispa.
Dari hasil yang telah diperoleh berdasarkan hasil uji signifikannya, terdapat satu variabel yang tidak signifikan didalam diagram jalurnya. Oleh sebab itu perlu dilakukan trimming, yaitu dengan mengeluarkan variabel yang tidak signifikan dan mengulang kembali diagram jalurnya, lalu menghitung ulang koefisien jalurnya.
Diagram Jalur Persamaan Substruktur 1 Hasil Trimming
Gambar 3.3 Model Diagram Jalur
Dengan demikian didapat persamaan substruktural yang baru.
Dengan matriks korelasinya adalah
(
)
(
)
Invers matriknya sendiri adalah
Perhitungan koefisien jalurnya adalah sebagai berikut:
( ) ( )
Untuk nilai R square nya sendiri adalah
( ) ( )
(
)
Koefisien residunya sendiri adalah:
√
√
Maka, persamaan substruktural 1 yang baru adalah
4. Menghitung Persamaan Substruktural 2
Gambar 3.4 Model Diagram Jalur
1. Persamaan Substruktur
2. Perhitungan koefisien jalur
Invers matriknya sendiri adalah
Perhitungan koefisien jalurnya adalah sebagai berikut:
( ) ( ) ( )
Untuk nilai R square nya sendiri adalah
( )( )
√
√
Maka, persamaan substruktural 2 adalah
5. Menghitung Persamaan Substruktural 3
Gambar 3.5 Model Diagram Jalur
3. Persamaan Substruktur
4. Perhitungan koefisien jalur
(
)
(
)
Dengan bantuan software, maka diperoleh invers matrik korelasinya sebagai berikut:
(
)
Kemudian dapat dihitung koefisien jalurnya dengan menggunakan bantuan software
( ) ( )
Setelah memperoleh nilai koefisien jalurnya maka, kemudian kita mencari nilai R square.
( ) ( )
( )
√
√
Sehingga dari seluruhnya didapatlah persamaan substruktural 3 sebagai berikut:
6. Pengujian Hipotesis Secara Simultan
Menguji hipotesis secara bersama-sama variabel jumlah akses air bersih, hari hujan, jumlah kendaraan, dan kepadatan penduduk
artinya tidak terdapat pengaruh hari hujan, jumlah kendaraan, dan kepadatan penduduk terhadap jumlah akses air bersih
, artinya terdapat pengaruh kebutuhan beras, hari hujan, jumlah kendaraan, dan kepadatan penduduk terhadap jumlah akses air bersih
Untuk menguji hipotesis, dilakukan dengan uji F.
Setelah diketahui nilai Fhitung maka selanjutnya mencari nilai Ftabel. Dan diperoleh nilai Ftabel dengan db1 = 3 dan db2 = 10 adalah 3,71. Dengan kriteria pengujian jika Fhitung ≥ Ftabel maka H0 ditolak. Dan dari hasil yang diperoleh diketahui bahwa Fhitung ≥ Ftabel maka H0 ditolak, yang berarti terdapat pengaruh dari keseluruhan variabel terhadap jumlah akses air bersih
1. Model Diagram Jalur Hasil Trimming
Berdasarkan hasil dari koefisien jalur pada substrukur 1 sampai substruktur 3, maka dapat digambarkan secara keseluruhan sebagai berikut:
Gambar 3.6. Diagram Jalur Hasil Trimming
3.2. Besar Pengaruh Langsung dan Tidak Langsung
Besarnya masing-masing pengaruh baik secara langsung maupun tidak langsung dapat dilihat dibawah ini.
1. Pengaruh langsung hari hujan (X2) terhadap Penderita Ispa (X5)
2. Pengaruh langsung jumlah akses bersih (X3) terhadap Penderita Ispa (X5)
3. Pengaruh langsung jumlah kendaraan (X4) penderita ispa(X5)
5. Pengaruh langsung hari hujan (X2) terhadap jumlah akses air bersih (X3)
6. Pengaruh langsung kepadatan penduduk (X4) terhadap penderita ispa(X3)
7. Pengaruh langsung kepadatan penduduk (X1) terhadap jumlah kendaraan (X3)
8. Pengaruh tidak langsung kepadatan penduduk (X1) terhadap Penderita Ispa (X5) melalui jumlah akses air bersih (X3).
9. Pengaruh tidak lansung kepadatan penduduk (X1) terhadap Penderita Ispa (X5) jumlah kendraan (X4).
10. Pengaruh tidak lansung hari hujan (X2) terhadap Penderita Ispa (X5) jumlah akses air bersih (X3)
BAB 4
KESIMPULAN DAN SARAN
4.1. Kesimpulan
Dari hasil penelitian dapat disimpulkan sebagai berikut:
1. Persamaan struktural diagram jalur yang terbentuk yaitu:
2. Didapat pengaruh langsung dan tidak langsung yaitu:
2.1. Pengaruh langsung
a) Pengaruh langsung hari hujan (X2) terhadap Penderita Ispa (X5)
b) Pengaruh langsung jumlah akses bersih (X3) terhadap Penderita Ispa (X5)
c) Pengaruh langsung jumlah kendaraan (X4) penderita ispa(X5)
d) Pengaruh langsung jumlah kendaraan (X4) terhadap jumlah akses air bersih (X3)
e) Pengaruh langsung hari hujan (X2) terhadap jumlah akses air bersih (X3)
f) Pengaruh langsung kepadatan penduduk (X1) terhadap jumlah akses air bersih (X3)
g) Pengaruh langsung kepadatan penduduk (X1) terhadap jumlah kendaraan
2.2. Pengaruh tidak langsung
a) Pengaruh tidak langsung kepadatan penduduk (X1) terhadap Penderita Ispa (X5) melalui jumlah akses air bersih (X3).
b) Pengaruh tidak lansung kepadatan penduduk (X1) terhadap Penderita Ispa (X5) melalui jumlah kendaraan (X4).
c) Pengaruh tidak lansung hari hujan (X2) terhadap Penderita Ispa (X5) melalui jumlah akses air bersih (X3).
4.2. Saran
1. Untuk penelitian selanjutnya disarankan agar menambah variabel yang mempengaruhi Penderita Ispa yang tidak terkandung dalam penelitian ini untuk hasil yang maksimal. Memperluas wilayah dan menambah jumlah sampel agar bisa dijadikan bahan perbandingan dalam pengambilan keputusan
2. Pihak-pihak yang terkait hendaknya memberikan perhatian yang besar untuk mengantisipasi jumlah penderita ISPA yang kemungkinan bertambah setiap tahun. Salah satunya adalah dengan memberikan penyuluhan kepada masyarakat tentang pentingnya menjaga kebersihan serta penyebab terjadinya poulusi udara di daerah perkotaan dengan cara-cara yang bijaksana
DAFTAR PUSTAKA
Agustama. 2005. Kajian Infeksi Saluran Pernafasan Akut (ISPA) pada Balita di Kota Medan 2005. Medan: Sekolah Pascasarjana USU.
Algifari. 2000. Analisa Regresi Teori Kasus dan Solusi. Edisi Kedua. Yogyakarta : BPFE.
Ghozali, Imam. 2004. Model Persamaan Struktural Konsep dan Aplikasi dengan Program SPSS ver.17. Semarang : Andi.
Kuncoro. 2008. Cara Mengunakan dan Memakai Analisis Jalur. Bandung : Alfabeta
Kusnendi. (2008). Model-Model Persamaan Struktural. Satu dan Multigroup Sampel dengan Lisrel. Bandung Albeta.
Riduwan. 2007. Statistika untuk penelitian. Bandung : Alfabeta
Ronald,J.W. 2001. Regrssion a Second Course In Statistik. JhonWileyand Son.
New York
Robert, D. Retherford. 1993 Statistical Models For Casual Analisysis. Wiley, John & Sons, USA
Santoso, Singgih. 2011. Structural Equation Modeling (SEM) Konsep dan Aplikasi dengan Program AMOS 18. Jakarta : PT. Elex Media
Komputindo.
Sarwono, Jonathan. 2007. Analisis Jalur Untuk Riset Bisnis dengan SPSS.
Yogyakarta: Andi Penerbit.
Sudjana. 2005. Metode Statistika. Bandung : Tarsito.
LAMPIRAN
Data yang diperoleh dari badan pusat statistik yaitu: Jumlah penderita ispa, kepadatan penduduk, banyak nya hari hujan dalam setahun, keluarga yang memiliki akses air bersih, dan jumlah kendaraan
Tahun
Penderita ISPA (ribu jiwa)
Kepadatan Penduduk
(KM2)
Hari Hujan
Keluarga Yang Memiliki Akses
Air Bersih (ribu keluarga)
Jumlah Kendaraan
(ribu unit)
2005 351.830 7881 211 322.484 228.5404
2006 423.656 7798 207 267.989 255.5453
2007 406.905 7858 205 285.989 289.6912
2008 429.561 7929.5 214 289.777 330.4728
2009 384.196 8001 224 316.19 361.3876
2010 331.484 7913 200 317.487 403.9127
2011 387.463 7987 241 356.973 456.9304
2012 352.035 8007.56 214 332.579 498.2417 2013 309.973 8155.51 211 332.869 531.5181 2014 321.635 8265.33 198 335.889 560.5495
Hasil Olah data Mengunakan Microsoft Excel
NO
X5 X1 X2 X3 X4
1 351.830 7881 211 322.484 228.5404
2 423.656 7798 207 267.989 255.5453
3 406.905 7858 205 285.989 289.6912
4 429.561 7929.5 214 289.777 330.4728
5 384.196 8001 224 316.19 361.3876
6 331.484 7913 200 317.487 403.9127
7 387.463 7987 241 356.973 456.9304
8 352.035 8007.56 214 332.579 498.2417
9 309.973 8155.51 211 332.869 531.5181
10 321.635 8265.33 198 335.889 560.5495
JUMLAH 3,698.7 79,795.9 2,125.0 3,158.2 3,916.8
X5X1 X5X2 X5X3 X5X4 X1X2 X1X3 X1X4
2,772,772.23 74,236.13 113,459.55 80,407.37 1662891 2541496.404 1801126.892 3,303,669.49 87,696.79 113,535.15 108,263.30 1614186 2089778.222 1992742.249 3,197,459.49 83,415.53 116,370.35 117,876.80 1610890 2247301.562 2276393.45 3,406,203.95 91,926.05 124,476.90 141,958.23 1696913 2297786.722 2620484.068 3,073,952.20 86,059.90 121,478.93 138,843.67 1792224 2529836.19 2891462.188 2,623,032.89 66,296.80 105,241.86 133,890.60 1582600 2512274.631 3196161.195 3,094,666.98 93,378.58 138,313.83 177,043.62 1924867 2851143.351 3649503.105 2,818,941.38 75,335.49 117,079.45 175,398.52 1713617.84 2663146.297 3989700.307 2,527,987.90 65,404.30 103,180.40 164,756.26 1720812.61 2714716.458 4334801.18 2,658,419.41 63,683.73 108,033.66 180,292.34 1636535.34 2776233.428 4633126.599 29,477,105.9 787,433.3 1,161,170.1 1,418,730.7 16,955,536.8 25,223,713.3 31,385,501.2
X2X3 X2X4 X3X4 X52 X12 X22 X32 X42 68044.124 48222.0244 73700.62235 123,784.35 62110161 44521 103996 52231 55473.723 52897.8771 68483.3294 179,484.41 60808804 42849 71818 65303 58627.745 59386.696 82848.4966 165,571.68 61748164 42025 81790 83921 62012.278 70721.1792 95763.41657 184,522.65 62876970.25 45796 83971 109212
70826.56 80950.8224 114267.1452 147,606.57 64016001 50176 99976 130601 63497.4 80782.54 128237.0314 109,881.64 62615569 40000 100798 163145 86030.493 110120.2264 163111.8157 150,127.58 63792169 58081 127430 208785 71171.906 106623.7238 165704.7263 123,928.64 64121017.15 45796 110609 248245 70235.359 112150.3191 176925.8984 96,083.26 66512343.36 44521 110802 282511 66506.022 110988.801 188282.411 103,449.07 68315680.01 39204 112821 314216 672,425.6 832,844.2 1,257,324.9 1,384,439.8 636,916,878.8 452,969.0 1,004,010.3 15341242
Gambar Diagram Jalur Hasil Trimming
Gambar Diagram substruktural 1 hasil Trimming
Gambar Diagram substruktural 3 hasil Trimming
