ANALISIS FAKTOR KONFIRMATORI UNTUK MENGETAHUI KESADARAN BERLALU LINTAS PENGENDARA SEPEDA MOTOR DI SURABAYA TIMUR

(1)

ANALISIS FAKTOR KONFIRMATORI

UNTUK MENGETAHUI KESADARAN

BERLALU LINTAS PENGENDARA SEPEDA

MOTOR DI SURABAYA TIMUR

Oleh :

M Mushonnif Efendi

(1310 105 019)

Dosen Pembimbing :

(2)

SURABAYA

KOTA TERBESAR KEDUA

SETELAH JAKARTA

KOTA METROPOLITAN

PUSAT DARI EKONOMI

JAWA TIMUR

(3)

• Aktiva Primananda, 2005

menghasilkan kesimpulan jalan – jalan yang rawan adalah

Alun – Alun Contong, Dupak, Demak, dan Kalibutuh.

• Laylia Nur Afidah, 2011

Pola tingkat keparahan Korban Kecelakaan lalulintas di

Surabaya menghasilkan kesimpulan



38% meninggal dunia, 37% luka berat, dan 25% luka ringan.



32% mengalami tabrak depan.



69% korban berjenis kelamin laki-laki



usia terbanyak korban adalah usia paruh baya (36 sampai 58 tahun).



mayoritas korban adalah pengendara

(4)

Pribadi

Lingkungan

Aturan

Analisis Konfirmatori

Faktor

(5)

(2)

Indikator-indikator apa saja

yang memiliki penilaian

dan variabel

laten/penilaian kontribusi

terbesar dalam menyusun

variabel laten/penilaian

dalam survei kesadaran

berlalu lintas ?

(1)

Indikator-indikator apa saja

yang dapat digunakan

untuk mengukur

pribadi/diri

sendiri, lingkungan, aturan

dan kesadaran berlalu

(6)

1

2 Mengidentifikasi variabel indikator yang dapat

mengukur variabel pribadi/diri

sendiri, aturan, lingkungan dan kesadaran

berlalu lintas.

Ingin mengkaji variabel laten/penilaian

kontribusi terbesar dalam menyusun variabel

laten/penilaian dalam survei kesadaran berlalu

lintas.

(7)

Polrestabes

Surabaya

Timur

Keilmuan

Statistik

• Hasil penelitian ini dapat

memberikan masukan

kepada Polrestabes

Surabaya Timur akan

kesadaran berlalu lintas

masyarakat Surabaya Timur

• Dapat mengembangkan

keilmuan statistik di bidang

Confirmatory Factor

Analysis

(CFA).

(8)

Penelitian dibatasi pada :

Data Primer dari Survey

Dimana respondennya adalah masyarakat

Surabaya Timur yang bisa berkendara

(9)

Analisis Faktor Konfirmatori

• Analisis Faktor Konfirmatori merupakan salah satu metode analisis

multivariat yang dapat digunakan untuk mengkonfirmasikan apakah

model pengukuran yang dibangun sesuai dengan yang dihipotesiskan.

Dalam Analisis Faktor Konfirmatori, peubah laten dianggap sebagai

peubah penyebab (peubah bebas) yang mendasari peubah-peubah

indikator (Ghozali, 2008).

Model umum Analisis Faktor konfirmatori adalah sebagai

berikut:

(10)

First Order Confirmatory Factor Analysis

Pada

First Order Confirmatory Factor Analysis

suatu variabel

laten diukur berdasarkan beberapa indikator yang dapat

(11)

Estimasi Model

Estimasi parameter berhubungan dengan distribusi data yang digunakan.

Estimasi parameter dengan menggunakan MLE memerlukan data yang

mengikuti distribusi multinormal (Brown, 2006).

Uji Validitas

Dalam Analisis Faktor Konfirmatori model yang dihipotesiskan harus

bersifat valid yaitu mengacu kepada kemampuan suatu indikator dalam

mengukur apa yang sebenarnya ingin diukur (Supranto, 2004). Dengan

demikian validitas suatu indikator menjadi syarat yang harus dipenuhi. Uji

validitas indikator-indikator dalam mengukur peubah laten dinilai dengan

cara menguji apakah semua

loading

nya (

_i

) nyata dengan menggunakan

uji-t untuk nilai

α

tertentu

(12)

• Evaluasi Model

Uji 

2

Model baik jika uji



2

_{tidak nyata pada taraf nyata tertentu. Nilai}

_chi-square

_ini

hanya akan valid apabila asumsi normalitas data terpenuhi dan ukuran sampel

besar oleh Joreskog (2000) dalam Ghozali (2008). Nilai

chi-square

sebesar nol

menunjukkan bahwa model memiliki

fit

yang sempurna

(perfect fit)

. Hipotesis

yang digunakan sebagai berikut :

H

₀

:

∑ = ∑(

θ)

, matriks kovarians populasi sama dengan matriks kovarians yang

diestimasi.

H

₁

:

∑ ≠ ∑(

θ)

, matriks kovarians populasi tidak sama dengan matriks kovarians

yang diestimasi.

Hasil yang diharapkan adalah gagal tolak H

₀

dengan syarat nilai



2

_{sekecil mungkin}

(13)

GFI

(Goodness of Fit Index)

Suatu aturan umum yang disarankan untuk kelayakan sebuah model

adalah nilai GFI-nya lebih besar dari 0,90 dan nilai maksimumnya adalah 1.

Nilai yang tinggi dalam indeks ini menunjukkan sebuah

better fit.

Nilai GFI

≥ 0.90 merupakan

good fit

(kecocokan yang baik), sedangkan 0.80 ≤ GFI ≤

0.90 sering disebut

marginal fit.

AGFI (

Adjusted Goodness of Fit Index

)

Suatu model dikatakan baik apabila nilai AGFI-nya lebih besar dari 0,80

dan nilai maksimumnya adalah 1

RMSEA (

Root Mean Square of Error Approximatition)

Nilai RMSEA ≤ 0.05 menandakan

close fit

, sedangkan 0.05 < RMSEA ≤0.08

menunjukkan

good fit

oleh Brown dan Cudeck, 1993 dalam buku Wijanto

(2008)

(14)

Definisi Kecelakaan Lalu Lintas

Kecelakaan lalu lintas didefinisikan sebagai kejadian di mana

sebuah kendaraan bermotor bertabrakan dengan benda lain dan

menyebabkan kerusakan, serta berisiko dapat mengakibatkan

luka-luka atau kematian manusia

Faktor-faktor penyebab kecelakaan lalu lintas Faktor Manusia Faktor Kendaraan Faktor Jalan Faktor Cuaca

(15)

Sumber Data

Data primer hasil survey terhadap pengendara

sepeda motor yang ada di Surabaya Timur

Populasi dan Sampel

Metode sampling yang digunakan adalah

sampling Kuota dengan 228

responden, dikarenakan populasi tak hingga

Variabel Penelitian

Variabel pribadi/diri (X1),

Variabel lingkungan (X2),

Variabel aturan berlalu lintas (X3),

Variabel kesadaran berlalu lintas (Y1),

(16)

Mulai Persiapan Suvey Melakukan Survey Data Kuisoner Analisis Deskriptif Menguji Multinormal Identifikasi Model Estimasi Model Modifikasi model Selesai

A

Ta

h

ap

I

Ta

ha

p

II

Ta

h

ap

II

La

n

ju

ta

n

(17)

28%

72%

Tidak tahu Ya tahu

PENGETAHUAN TENTANG SAFETY RIDING

Analisis Deskriptif

Mengetahui Safety Riding Jenis Kelamin Total Laki -laki Peremp uan Ya 42% 30% 72% Tidak 17% 12% 82% Total 58% 42% 100% Mengetahui Safety Riding Usia Total > 40 th 17 - 24 th 25 - 40 th Ya 14% 33% 25% 72% Tidak 8% 15% 5% 28% Total 22% 48% 30% 100%

(18)

Hasil Pengujian Multivariat Normal

Variabel Laten

Nilai



2

_multivariat

Kesadaran

0,59

Pribadi

0,60

Aturan

0,64

Lingkungan

0,65

(19)

t

q

p

q

p

df



(



)(



1 )



2

1

10 )

1

5

0 )(

5

0 (

2

1 _

_

_



= 5

Goodness of fit Index

Cut off

value

Hasil

model

Keterangan



2

_{- Chi square}

_-

_11,60

_Baik

Probability

≥ 0,05

0,04

Kurang baik

RMSEA

≤ 0,08

0,07

Baik

GFI

≥ 0,90

0,98

Baik

AGFI

≥ 0,90

0,94

Baik

TLI

≥ 0,90

0,96

Baik

CFI

≥ 0,90

0,98

Baik

(20)

Hubungan Estimasi t t tabel Keterangan R2 Y1 <--- Kesadaran 0,548 0,300 Y2 <--- Kesadaran 0,487 5,26 1,96 Signifikan 0,238 Y3 <--- Kesadaran 0,555 4,908 1,96 Signifikan 0,308 Y4 <--- Kesadaran 0,835 4,621 1,96 Signifikan 0,698 Y5 <--- Kesadaran 0,412 4,88 1,96 Signifikan 0,170 Hubungan Estimasi kesalahan pengukuran (δ)(1-λ_i2₎ Y1 <--- Kesadaran 0,548 0,699696 Y2 <--- Kesadaran 0,487 0,762831 Y3 <--- Kesadaran 0,555 0,691975 Y4 <--- Kesadaran 0,835 0,302775 Y5 <--- Kesadaran 0,412 0,830256

(21)

Uji Unidimensionalitas

Variabel

laten

Pribadi

t q p q p df  (  )(  1) 2 1 t      (0 12)(0 12 1) 2 1 = 54

Goodness of fit Index

Cut off

value

Hasil

model

Keterangan



2

_{- Chi square}

_-

_280,43

_diharapkan

kecil

Probability

_{≥ 0,05}

0,00

Kurang baik

RMSEA

≤ 0,08

0,12

Kurang baik

GFI

≥ 0,90

0,81

Kurang baik

AGFI

≥ 0,90

0,72

Kurang baik

TLI

≥ 0,90

0,69

Kurang baik

CFI

≥ 0,90

0,78

Kurang baik

(22)

Hubungan Estimasi t t tabel Keterangan R2 X1.12 <--- Pribadi 0,596 0,356 X1.11 <--- Pribadi 0,57 7,023 1,96 Signifikan 0,325 X1.10 <--- Pribadi 0,529 6,621 1,96 Signifikan 0,279 X1.9 <--- Pribadi 0,689 8,064 1,96 Signifikan 0,475 X1.8 <--- Pribadi 0,334 4,468 1,96 Signifikan 0,112 X1.7 <--- Pribadi 0,708 8,213 1,96 Signifikan 0,501 X1.6 <--- Pribadi 0,537 6,701 1,96 Signifikan 0,288 X1.5 <--- Pribadi 0,451 5,812 1,96 Signifikan 0,203 X1.4 <--- Pribadi 0,556 6,888 1,96 Signifikan 0,309 X1.3 <--- Pribadi 0,536 6,69 1,96 Signifikan 0,287 X1.2 <--- Pribadi 0,639 7,652 1,96 Signifikan 0,409 X1.1 <--- Pribadi 0,678 7,98 1,96 Signifikan 0,460

M.I. Par Change

e2 <--> e1 14,555 ,316 e4 <--> e3 13,967 ,279 e5 <--> e3 5,404 ,177 e5 <--> e4 75,339 ,601 e6 <--> e4 11,768 ,208 e6 <--> e5 28,949 ,333 e7 <--> e5 9,088 -,194 e8 <--> e1 6,550 -,308 e8 <--> e5 4,081 -,235 e8 <--> e7 5,988 ,261 e9 <--> e1 8,556 -,250 e9 <--> e3 5,770 -,215 e9 <--> e4 10,551 -,265 e9 <--> e5 4,415 -,175 e9 <--> e7 10,675 ,247 e9 <--> e8 21,102 ,631 e10 <--> e4 10,804 -,308 e10 <--> e5 11,205 -,320 e10 <--> e8 9,905 ,497 e10 <--> e9 42,975 ,739 e12 <--> e2 7,319 ,266

(23)

Goodness of fit Index

Cut off

value

Hasil

model

Keterangan



2

_{- Chi square}

_-

_115,34

_{diharapkan kecil}

Probability

≥ 0,05

0,00

Kurang baik

RMSEA

≤ 0,08

0,07

Baik

GFI

≥ 0,90

0,92

Baik

AGFI

≥ 0,90

0,90

Baik

TLI

≥ 0,90

0,91

Baik

CFI

≥ 0,90

0,93

Baik

Hubungan Estimasi kesalahan pengukuran (δ)(1-λ_i2₎ X1.12 <--- Pribadi 0,596 0,645 X1.11 <--- Pribadi 0,57 0,675 X1.10 <--- Pribadi 0,529 0,720 X1.9 <--- Pribadi 0,689 0,525 X1.8 <--- Pribadi 0,334 0,888 X1.7 <--- Pribadi 0,708 0,499 X1.6 <--- Pribadi 0,537 0,712 X1.5 <--- Pribadi 0,451 0,797 X1.4 <--- Pribadi 0,556 0,691 X1.3 <--- Pribadi 0,536 0,713 X1.2 <--- Pribadi 0,639 0,592 X1.1 <--- Pribadi 0,678 0,540

Uji Unidimensionalitas

Variabel

laten

Pribadi

Hubungan

R

2

_(sebelum

modifikasi)

R

2

_(sesudah

modifikasi)

X1.12

<---

Pribadi

0,356

0,368

X1.11

<---

Pribadi

0,325

0,323

X1.10

<---

Pribadi

0,279

0,227

X1.9

<---

Pribadi

0,475

0,428

X1.8

<---

Pribadi

0,112

0,084

X1.7

<---

Pribadi

0,501

0,505

X1.6

<---

Pribadi

0,288

0,27

X1.5

<---

Pribadi

0,203

0,159

X1.4

<---

Pribadi

0,309

0,283

X1.3

<---

Pribadi

0,287

0,291

X1.2

<---

Pribadi

0,409

0,442

X1.1

<---

Pribadi

0,46

0,506

(24)

Uji Unidimensionalitas

Variabel laten Aturan

= 14

Goodness of fit Index

Cut off

value

Hasil model

Keterangan



2

_{- Chi square}

_-

_60,05

_{Diharapkan kecil}

Probability

≥ 0,05

0,00

Kurang baik

RMSEA

≤ 0,08

0,12

Kurang baik

GFI

≥ 0,90

0,93

Baik

AGFI

≥ 0,90

0,86

Kurang baik

TLI

≥ 0,90

0,86

Kurang baik

(25)

Hubungan Estimasi t t tabel Keterangan R2 X2.7 <--- Aturan 0,712 0,501 X2.6 <--- Aturan 0,446 6,248 1,96 Signifikan 0,199 X2.5 <--- Aturan 0,728 10,278 1,96 Signifikan 0,530 X2.4 <--- Aturan 0,608 8,584 1,96 Signifikan 0,370 X2.3 <--- Aturan 0,522 7,332 1,96 Signifikan 0,272 X2.2 <--- Aturan 0,739 10,421 1,96 Signifikan 0,546 X2.1 <--- Aturan 0,59 8,312 1,96 Signifikan 0,348

Uji Unidimensionalitas

Variabel laten Aturan

Hubungan Estimasi kesalahan pengukuran (δ)(1-λ_i2₎ X2.7 <--- Aturan 0,762 0,419 X2.6 <--- Aturan 0,446 0,801 X2.5 <--- Aturan 0,728 0,470 X2.4 <--- Aturan 0,608 0,630 X2.3 <--- Aturan 0,522 0,728 X2.2 <--- Aturan 0,739 0,454 X2.1 <--- Aturan 0,59 0,652

(26)

Uji Unidimensionalitas

Variabel laten Lingkungan

= 20

Goodness of fit Index

Cut off

value

Hasil

model

Keterangan



2

_{- Chi square}

_-

_106,29

_{Diharapkan kecil}

Probability

≥ 0,05

0,00

Kurang baik

RMSEA

≤ 0,08

1,38

Kurang baik

GFI

≥ 0,90

0,89

Kurang baik

AGFI

≥ 0,90

0,80

Kurang baik

TLI

≥ 0,90

0,81

Kurang baik

(27)

Hubungan Estimasi t t tabel Keterangan R2 X3.8 <--- Lingkungan 0,726 0,528 X3.7 <--- Lingkungan 0,77 10,595 1,96 Signifikan 0,592 X3.6 <--- Lingkungan 0,596 8,295 1,96 Signifikan 0,355 X3.5 <--- Lingkungan 0,667 9,27 1,96 Signifikan 0,445 X3.4 <--- Lingkungan 10,676 9,389 1,96 Signifikan 0,457 X3.3 <--- Lingkungan 0,542 7,55 1,96 Signifikan 0,293 X3.2 <--- Lingkungan 0,598 8,331 1,96 Signifikan 0,358 X3.1 <--- Lingkungan 0,544 7,582 1,96 Signifikan 0,296

M.I.

Par Change

e2

<-->

e1

21,209

,393

e4

<-->

e2

6,427

-,191

e5

<-->

e1

25,397

,411

e6

<-->

e4

10,960

,269

e7

<-->

e1

4,854

-,120

e7

<-->

e5

6,465

-,129

e8

<-->

e1

11,535

-,193

e8

<-->

e7

26,978

,183

(28)

Goodness of fit Index

Cut off

value

Hasil

model

Keterangan



2

_{- Chi square}

_-

_30,15

_{Diharapkan kecil}

Probability

≥ 0,05

0,02

Kurang baik

RMSEA

≤ 0,08

0,06

Baik

GFI

≥ 0,90

0,97

Baik

AGFI

≥ 0,90

0,93

Baik

TLI

≥ 0,90

0,97

Baik

CFI

≥ 0,90

0,98

Baik

R

2

_Sebelum

modifikasi

R

2

_Sesudah

modifikasi

Hubungan

X3.8

<--- Lingkungan

0,528

0,443

X3.7

<--- Lingkungan

0,592

0,506

X3.6

<--- Lingkungan

0,355

0,408

X3.5

<--- Lingkungan

0,445

0,429

X3.4

<--- Lingkungan

0,457

0,519

X3.3

<--- Lingkungan

0,293

0,298

X3.2

<--- Lingkungan

0,358

0,324

X3.1

<--- Lingkungan

0,296

0,228

(29)

Second Order Confirmatory

Kesadaran Berlalu Lintas

t q p q p df  (  )(  1)  2 1 57 ) 1 27 0 )( 27 0 ( 2 1 _ _ _ _  = 321 Goodness of fit Index Cut off value Hasil model Keterangan

2 _{- Chi square} _- _{972,49 Kurang baik} Probability _{≥ 0,05} 0,00 Kurang baik RMSEA ≤ 0,08 0,09 Kurang baik GFI ≥ 0,90 0,74 Kurang baik AGFI ≥ 0,90 0,69 Kurang baik TLI ≥ 0,90 0,73 Kurang baik CFI ≥ 0,90 0,76 Kurang baik

(30)

Hubungan Estimasi t t-tabel Ket R2 Pribadi <--- Kesadar 0,87 8,41 1,96 Signifikan 0,75

Aturan <--- Kesadar 0,89 10,65 1,96 Signifikan 0,79

Lingkung <--- Kesadar 0,97 11,85 1,96 Signifikan 0,94

X1#12 <--- Pribadi 0,58 0,34 X1#11 <--- Pribadi 0,57 6,97 1,96 Signifikan 0,32 X1#10 <--- Pribadi 0,50 6,34 1,96 Signifikan 0,25 X1#9 <--- Pribadi 0,68 7,87 1,96 Signifikan 0,46 X1#8 <--- Pribadi 0,33 4,42 1,96 Signifikan 0,11 X1#7 <--- Pribadi 0,68 7,96 1,96 Signifikan 0,47 X1#6 <--- Pribadi 0,60 7,17 1,96 Signifikan 0,36 X1#5 <--- Pribadi 0,50 6,24 1,96 Signifikan 0,25 X1#4 <--- Pribadi 0,60 7,13 1,96 Signifikan 0,36 X1#3 <--- Pribadi 0,52 6,52 1,96 Signifikan 0,27 X1#2 <--- Pribadi 0,63 7,69 1,96 Signifikan 0,40 X1#1 <--- Pribadi 0,65 7,80 1,96 Signifikan 0,43 X2#7 <--- Aturan 0,71 0,51 X2#6 <--- Aturan 0,42 6,06 1,96 Signifikan 0,18 X2#5 <--- Aturan 0,76 10,48 1,96 Signifikan 0,58 X2#4 <--- Aturan 0,57 8,14 1,96 Signifikan 0,33 X2#3 <--- Aturan 0,51 7,20 1,96 Signifikan 0,26 X2#2 <--- Aturan 0,75 10,37 1,96 Signifikan 0,56 X2#1 <--- Aturan 0,64 8,77 1,96 Signifikan 0,41 X3#8 <--- Lingkung 0,75 0,56 X3#7 <--- Lingkung 0,79 12,03 1,96 Signifikan 0,62 X3#6 <--- Lingkung 0,60 8,72 1,96 Signifikan 0,36 X3#5 <--- Lingkung 0,64 9,26 1,96 Signifikan 0,40 X3#4 <--- Lingkung 0,73 10,56 1,96 Signifikan 0,53 X3#3 <--- Lingkung 0,51 7,41 1,96 Signifikan 0,26 X3#2 <--- Lingkung 0,55 8,01 1,96 Signifikan 0,30 X3#1 <--- Lingkung 0,50 7,14 1,96 Signifikan 0,25

(31)

Goodness of fit Index Cut off value Hasil model Keterangan

2 _{- Chi square} _- _546,39 _Diharapkan kecil Probability ≥ 0,05 0,00 Kurang baik RMSEA ≤ 0,08 0,06 Baik GFI ≥ 0,90 0,85 Kurang baik AGFI ≥ 0,90 0,81 Kurang baik TLI ≥ 0,90 0,89 Kurang baik

CFI ≥ 0,90 0,91 Baik M.I. Par Change e21 <--> e30 4,222 0,074 e21 <--> e20 27,473 0,466 E22 <--> e20 6,947 0,212 E23 <--> e30 8,558 -0,085 E23 <--> e28 5,38 0,09 E23 <--> e21 5,814 -0,173 e24 <--> e20 31,618 0,474 e24 <--> e21 5,903 0,202 e25 <--> e29 4,122 -0,077 e25 <--> e28 4,48 0,105 e25 <--> e23 6,426 0,189 e26 <--> e23 5,391 -0,098 e27 <--> e20 6,948 -0,145 e27 <--> e23 4,33 -0,092 e27 <--> e26 17,707 0,134 e13 <--> e29 6,04 -0,084 e13 <--> e28 7,538 0,126 e13 <--> e22 4,185 -0,155 e13 <--> e23 4,744 -0,15 e13 <--> e26 5,548 0,117 e14 <--> e26 6,345 0,103 e15 <--> e13 13,722 -0,35

(32)

Hubungan R_modifikasi2Sebelum R_modifikasi2Sesudah Pribadi <--- Kesadaran 0,865 0,851 Aturan <--- Kesadaran 0,889 0,869 Lingkungan <--- Kesadaran 0,971 0,991 X1#12 <--- Pribadi 0,581 0,601 X1#11 <--- Pribadi 0,565 0,588 X1#10 <--- Pribadi 0,504 0,495 X1#9 <--- Pribadi 0,675 0,648 X1#8 <--- Pribadi 0,332 0,293 X1#7 <--- Pribadi 0,684 0,695 X1#6 <--- Pribadi 0,599 0,710 X1#5 <--- Pribadi 0,503 0,476 X1#4 <--- Pribadi 0,598 0,571 X1#3 <--- Pribadi 0,516 0,507 X1#2 <--- Pribadi 0,633 0,639 X1#1 <--- Pribadi 0,652 0,658 X2#7 <--- Aturan 0,712 0,684 X2#6 <--- Aturan 0,422 0,371 X2#5 <--- Aturan 0,763 0,767 X2#4 <--- Aturan 0,573 0,571 X2#3 <--- Aturan 0,514 0,523 X2#2 <--- Aturan 0,749 0,749 X2#1 <--- Aturan 0,637 0,650 X3#8 <--- Lingkungan 0,746 0,711 X3#7 <--- Lingkungan 0,785 0,757 X3#6 <--- Lingkungan 0,601 0,618 X3#5 <--- Lingkungan 0,636 0,630 X3#4 <--- Lingkungan 0,725 0,732 X3#3 <--- Lingkungan 0,511 0,510 X3#2 <--- Lingkungan 0,552 0,524