BAB III
METODOLOGI PENELITIAN
3.1 Penetapan Lokasi dan Waktu Penelitian
Waktu pelaksanaan penelitian direncanakan berlangsung selama sepuluh bulan yakni dimulai sejak bulan Mei 2013 sampai Maret 2014.
3.2 Desain Penelitian
Dengan mempertimbangkan rumusan masalah penelitian menyebabkan desain penelitian memanfaatkan pendekatan riset kuantitatif dan kualitatif. Gabungan kedua pendekatan riset kuantitatif dan kualitatif sesuai untuk mengkaji dan menganalisis karakteristik pegawai, berbagai tindakan pegawai, dan menganalisis pengaruh karakteristik terhadap keterlambatan pegawai tiba di kantor Dinas Bina Marga Kota Medan. Oleh karena itu, metode penelitian yang digunakan ialah studi kasus dengan pendekatan kuantitatif dan kualitatif. Desain penelitian disusun secara sistematis dalam beberapa tahap berikut:
I. Tahap Pra Penelitian
1. Observasi pendahuluan guna mengumpulkan berbagai data pendukung. 2. Penelusuran literatur terkait dengan tema riset.
3. Penyusunan proposal penelitian sesuai aturan format yang berlaku. 4. Penyajian proposal dalam kegiatan seminar.
5. Revisi proposal hingga siap digunakan pada tahap selanjutnya. II. Pelaksanaan Penelitian di lapangan
5. Penyusunan laporan hasil penelitian.
6. Penyajian laporan hasil penelitian dalam kegiatan seminar. 7. Revisi laporan penelitian.
Setiap tahap penelitian dilakukan secara berurutan. Perincian kegiatan penelitian yang lebih jelas terlihat pada Gambar 3.1.
Observasi Pendahuluan
3.3 Jenis Data Penelitian
Jenis data yang dibutuhkan pada penelitian ini adalah data primer dan data sekunder.
1. Data Primer, yaitu diperoleh langsung dari hasil daftar pertanyaan (questionnaire) yang disebarkan kepada pegawai Dinas Bina Marga Kota Medan. 2. Data sekunder yaitu data yang diperoleh melalui studi dokumentasi dan data lain yang relevan pada penelitian ini seperti, Data Pegawai Dinas Bina Marga Kota Medan, Data Absensi (finger print) selama 1 tahun, dan data pendukung lainnya.
Identifikasi ragam jenis data primer dan data sekunder secara lebih jelas dan lengkap terperinci pada Gambar 3.1.
3.4 Teknik Penetapan Sumber Data
Populasi penelitian ialah semua pegawai negeri sipil pada Kantor Dinas Bina Marga Kota Medan. Dari populasi penelitian ditetapkan responden penelitian sebagai sumber data primer. Beberapa kriteria penetapan responden didasarkan pertimbangan berikut:
1. Tercatat dan terdaftar sebagai pegawai negeri sipil aktif pada Kantor Dinas Bina Marga Kota Medan.
3.5 Teknik Pengumpulan Data
Data primer dikumpulkan dengan menggunakan teknik wawancara dengan para responden. Kegiatan wawancara mengacu pada daftar pertanyaan yang tersusun secara sistematis dalam kuesioner terstruktur. Teknik pengumpulan data primer lain yang dimanfaatkan ialah observasi berpartisipasi yakni melakukan pengamatan aktif terhadap berbagai aktivitas responden dalam melaksanakan perjalanan dari rumah sampai kantor pada hari kerja. Teknik pengumpulan data sekunder dilakukan dengan penelusuran dan analisis data sekunder.
3.6 Teknik Pengolahan dan Analisis data
Pengolahan dan analisis yang dilakukan terhadap kesemua jenis data yang terkumpul dilaksanakan dengan menggunakan teknik kualitatif dan kuantitatif. Penjelasan pengolahan dan analisis data terlihat pada Tabel 3.1.
Metode Kualitatif dan Kuantitatif merupakan metode penelitian yang secara definisi maupun pelaksanaannya bertolak belakang. Pengertian dan perbedaan dari ke dua metode tersebut yaitu:
1. Metode Penelitian Kualitatif
pemahaman secara mendalam terhadap suatu masalah. Penelitian kualitatif berfungsi memberikan kategori substantif dan hipotesis penelitian kualitatif.
2. Metode Penelitian Kuantitatif
Adalah metode yang lebih menekankan pada aspek pengukuran secara obyektif terhadap fenomena sosial. Untuk dapat melakukan pengukuran, setiap fenomena sosial di jabarkan kedalam beberapa komponen masalah, variabel dan indikator. Setiap variabel yang di tentukan di ukur dengan memberikan simbol-simbol angka yang berbeda – beda sesuai dengan kategori informasi yang berkaitan dengan variabel tersebut. Dengan menggunakan simbol-simbol angka tersebut, teknik perhitungan secara kuantitatif matematik dapat di lakukan sehingga dapat menghasilkan suatu kesimpulan yang belaku umum di dalam suatu parameter. Tujuan utama dati metodologi ini ialah menjelaskan suatu masalah tetapi menghasilkan generalisasi. Generalisasi ialah suatu kenyataan kebenaran yang terjadi dalam suatu realitas tentang suatu masalah yang di perkirakan akan berlaku pada suatu populasi tertentu. Generalisasi dapat dihasilkan melalui suatu metode perkiraan atau metode estimasi yang umum berlaku didalam statistika induktif. Metode estimasi itu sendiri dilakukan berdasarkan pengukuran terhadap keadaan nyata yang
lebih terbatas lingkupnya yang juga sering disebut “sample” dalam penelitian
kuantitatif. Jadi, yang diukur dalam penelitian sebenarnya ialah bagian kecil dari
populasi atau sering disebut “data”. Data ialah contoh nyata dari kenyataan yang
fakta dan menguji teori-teori yang timbul dan untuk lebih jelas teknik pengolahan dan analisa data dapat dilihat pada tabel 3.1.
Tabel 3.1. Teknik Pengolahan dan Analisis Data
Jenis dan Kategori Data Teknik Pengolahan Data
Teknik Analisis Data I. Data Primer
Jam keberangkatan Kuantitatif Kuantitatif
Jam tiba di lokasi kerja Kuantitatif Kuantitatif
Tingkat Pendidikan Kuantitatif Kuantitatif
Alamat Rumah/ Kode Pos Kuantitatif Kuantitatif
Usia Pegawai Kuantitatif Kuantitatif
Golongan Pegawai Kuantitatif Kuantitatif
Frekuensi keterlambatan masuk kerja Kualitatif Kualitatif Pengalaman Selama Perjalanan Kualitatif Kualitatif
Kondisi Jalan Utama Kualitatif Kualitatif
Kondisi Jalan Alternatif Kualitatif Kualitatif
Ragam tindakan Pegawai Kualitatif Kualitatif
Keterhubungan Dengan Infrastruktur Kualitatif Kualitatif
II. Data Sekunder
Peta perjalanan Kualitatif Kualitatif
Ruas jalan yang dilalui Kualitatif Kualitatif
Teknik pengolahan data kualitatif dilakukan dengan langkah berikut: reduksi data, kategorisasi data, penyajian data dan verifikasi data. Adapun teknik pengolahan data kuantitatif dilakukan melalui tahapan berikut: validitasi data, pengkodean data, entry datadan penyajian data.
terikat berskala biner adalah variabel terikat y yang menghasilkan dua kategori (dikotomik) yang dinotasikan sebagai y = 1 menyatakan kejadian ”Sukses” dan y = 0
menyatakan kejadian ”Gagal” .
Sehingga model persamaannya adalah sebagai berikut :
Ln(p/1-p) = β0 + β1 X1 + β2 X2 + β3 X3 + β4 X4 + β5 X5 + β6 X6 + β7 X7 + β8 X8 + β9
X9 + β10 X10 (3.1)
Dimana:
Pi = Probabilitas terjadinya peristiwa, dalam hal ini pegawai tidak terlambat (1-Pi) = Probabilitas tidak terjadinya suatu peristiwa dalam hal ini pegawai
terlambat
Selanjutnya disederhanakan menjadi:
Li = β0 + β1 X1 + β2 X2 + β3 X3 + β4 X4 + β5 X5 + β6 X6 + β7 X7 + β8 X8 + β9 X9 +
β10 X10 (3.2)
Dimana:
Li = Probabilitas pegawai tidak terlambat dan terlambat; X1 = Jam tiba di lokasi;
X2 = Jam keberangkatan;
X3 = Frekwensi keterlambatan;
X4 = Kategori alamat;
X5 = Pendidikan trakhir;
X8 = Pengalaman selama diperjalanan;
X9 = Kondisi jalur utama;
X10 = Kondisi jalur alternatif.
3.6.2 Uji Hipotesis
3.6.2.1 Uji Signifikan Model
Untuk mengetahui pengaruh variabel bebas terhadap variabel tidak bebas secara bersama-sama (overall) di dalam model, dapat digunakan Uji Likehood Ratio. Hipotesisnya adalah sebagai berikut:
Ho : β1 = β2 = ……= βp = 0 (tidak ada pengaruh variabel bebas secara simultan
terhadap variabel tidak bebas).
Hi : βj ≠ 0 (ada pengaruh paling sedikit satu variabel bebas terhadap variabel tidak
bebas). Dimana:
Lo = Maksimum Likehood dari model reduksi (Reduced Model) atau model yang terdiri dari konstanta saja.
Lp = Maksimium Likehood dari model penuh (Full Model) atau dengan semua variabel bebas .
3.6.2.2Uji Parameter Model
Pada umumnya, uji ini dilakukan setelah uji signifikansi model memutuskan bahwa ada satu variabel bebas yang memiliki pengaruh signifikan terhadap variabel tidak bebas. Tujuannya adalah untuk mencari tahu manakah variabel bebas yang signifikan mempengaruhi variabel tidak bebas tersebut. Pengujian keberartian
parameter (koefisien β) secarapartial dapat dilakukan melalui uji Wald dengan
hipotesisnya sebagai berikut:
Ho : βj = 0 (variabel bebas ke j tidak mempunyai pengaruh secara signifikan terhadap
variabel tidak bebas).
Hi : βj ≠ 0 (variabel bebas ke j mempunyai pengaruh secara signifikan terhadap
variabel tidak bebas).
Hipotesis akan ditolak jika W > x2(α.l) atau p- < α yang berarti variabel Xj secara partial mempengaruhi variabel tidak bebas.
3.6.2.3 Odds Ratio
bebas yang berskala kontinyu maka interpretasi dari koefisien β pada model regresi logisik adalah setiap kenaikan c unit pada variabel bebas akan menyebabkan risiko terjadinya Y = 1 adalah exp (c.βj) kali lebih besar.
BAB IV
HASIL DAN PEMBAHASAN
4.1 Pelaksanaan Penelitian
Penelitian dilakukan Dinas Bina Marga Pemerintah Kota Medan, yang berlokasi di Jalan Pinang Baris Nomor 114-C Medan Sumatera Utara.
Dinas Bina Marga Pemerintah Kota Medan terletak di Kecamatan Medan Sunggal, salah satu dari 21 kecamatan di kota Medan. Kecamatan Medan Sunggal berbatasan dengan Kecamatan Medan Selayang di sebelah barat, Kecamatan Medan Polonia di sebelah timur, Kecamatan Medan Johor di selatan, dan Kecamatan Medan Petisah dan Kecamatan Medan Barudi utara. Di Kecamatan ini, terdapat kompleks pemukiman padat penduduk, pasar, pertokoan, lapangan sepak bola, showroom, dll. Salah satu jenis data yang diperoleh dari penelitian ini adalah data sekunder, dimana data sekunder peta perjalanan dari seluruh pegawai Dinas Bina Marga Kota Medan telah diplotkan pada Peta Kota Medan dari lokasi asal pegawai ke tempat tujuan yaitu Kantor Dinas Bina Marga Kota Medan (peta terlampir).
4.2 Karakteristik Responden
4.2.1 Data Responden Dari Kantor Dinas Bina Marga Pemerintahan Kota Medan
Jumlah pegawai Dinas Bina Marga Kota Medan adalah 171 orang. Dari 171 orang data pegawai yang didapatkan kemudian di golongkan sesuai karakteristik sebagai berikut:
4.2.1.1 Karakteristik Responden Berdasarkan Jam Tiba di Lokasi Kerja
Dari hasil penelitian yang didapat terhadap 171 responden pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan jam tiba di lokasi kerja masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.1 dan gambar 4.1.
Tabel 4.1. Kelompok Responden Berdasarkan Jam Tiba di Lokasi Kerja
Gambar 4.1. Responden Berdasarkan Jam Tiba di Lokasi Kerja
Dari gambar 4.1. dapat disimpulkan bahwa responden berdasarkan jam tiba di lokasi kerja jam 8.00-8.30 adalah yang paling besar, yaitu 93 orang (54.39 %), kemudian diikuti dengan jam tiba di lokasi 7.30-8.00 sebesar 45 orang (26.32 %).
4.2.1.2 Karakteristik Responden Berdasarkan Alamat Rumah/ Kecamatan
Dari hasil penelitian terhadap 171 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan Alamat rumah/ Kecamatan masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.2 dan gambar 4.2.
Juml
ah Responde
Gambar 4.2. Responden Berdasarkan Alamat Rumah/ Kecamatan
Dari gambar 4.2. dapat disimpulkan bahwa responden berdasarkan alamat rumah/ kecamatan tidak diketahui/ tidak jelas adalah yang paling besar, yaitu 41 orang (23.98 %) diikuti dengan responden asal kecamatan Medan Helvetia sebanyak 19 orang (11.11 %).
4.2.1.3 Karakteristik Responden Berdasarkan Tingkat Pendidikan Pegawai
pendidikan pegawai masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.3 dan gambar 4.3.
Tabel 4.3. Tingkat Pendidikan Pegawai
No Tingkat Pendidikan Jumlah Responden
Persentase Jumlah Responden (%)
1 SD 7 4.12
2 SMP 10 5.88
3 SLTA 66 38.82
4 SekolahKejuruan 21 12.35
5 D-III 7 4.12
6 S-1 48 28.24
7 S-2 9 5.29
8 S-3 0 0
9 Data Kosong 3 1.75
Dari gambar 4.3. dapat disimpulkan bahwa responden lulusan SLTA adalah yang paling besar, yaitu 66 orang (38.82 %) diikuti dengan responden lulusan S-1 sebesar 48 orang (28.24 %).
4.2.1.4 Karakteristik Responden Berdasarkan Usia Pegawai
Dari hasil penelitian terhadap 171 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan Usia pegawai masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.4 dan gambar 4.4.
Tabel 4.4. Usia Pegawai
No Usia Jumlah Responden Persentase Jumlah
Responden (%)
1 Usia 20-30 6 3.51
2 Usia 30-40 36 21.05
3 Usia 40-50 82 47.95
4 Usia 50-60 47 27.49
Dari gambar 4.4. dapat disimpulkan bahwa Usia pegawai adalah yang paling besar di usia 40 - 50, yaitu 82 orang (47.95 %), diikuti dengan responden usia 50 - 60 sebesar 47 orang (27.49 %).
4.2.1.5 Karakteristik Responden Berdasarkan Golongan Pegawai
Dari hasil penelitian terhadap 171 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan golongan pegawai masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.5 dan gambar 4.5.
Tabel 4.5. Golongan Pegawai
Gambar 4.5. Responden Berdasarkan Golongan Pegawai
Dari gambar 4.5. dapat disimpulkan bahwa responden dengan golongan II/b adalah yang paling besar, yaitu 40 orang (23.39 %) diikuti dengan responden dengan golongan III/b dan III/a yaitu 27 orang (15.79 %).
4.2.2 Data Kuisioner Responden Dari Kantor Dinas Bina Marga Pemerintahan Kota Medan
4.2.2.1 Karakteristik Responden Berdasarkan Jam Keberangkatan Ke Lokasi Kerja
Dari hasil penelitian kuisioner terhadap 126 responden pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan jam keberangkatan ke lokasi kerja masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.6 dan gambar 4.6.
Dari gambar 4.6. dapat disimpulkan bahwa responden berdasarkan jam keberangkatan ke lokasi kerja jam 6:30-6:69 adalah yang paling besar, yaitu 59 orang (45.16 %), diikuti dengan jam tiba di lokasi 7:00-7:29 sebesar 40 orang (32.26 %).
4.2.2.2 Karakteristik Responden Berdasarkan Frekuensi Keterlambatan Pegawai
Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dikelompokkan dalam beberapa kelompok responden berdasarkan frekuensi keterlambatan pegawai masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.7 dan gambar 4.7.
Tabel 4.7. Frekuensi Keterlambatan Pegawai
No Frekuensi Keterlambatan Pegawai Jumlah
Gambar 4.7. Responden Berdasarkan Frekuensi Keterlambatan Pegawai
Dari gambar 4.7. dapat disimpulkan bahwa responden dengan Berdasarkan frekuensi keterlambatan pegawai jarang sekali (< 2 x dalam tiga bulan terakhir) adalah yang paling besar, yaitu 48 orang (38.10 %), diikuti dengan responden berdasarkan frekuensi keterlambatan pegawai sedang (5-10 x dalam tiga bulan terakhir) yaitu 31 orang (24.60 %).
4.2.2.3 Karakteristik Responden Berdasarkan Pengalaman Selama Perjalanan
pengalaman selama perjalanan masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.8 dan gambar 4.8.
Tabel 4.8. Pengalaman Selama Perjalanan Pegawai
No Pengalaman Selama Perjalanan Pegawai
Jumlah Responden
Persentase Jumlah Responden (%)
1 A. Mengantar Anak Sekolah 55 43.65
2 B. Mengantar Istri Bekerja 14 11.11
3 C. Menjemput Rekan Kerja Kantor 4 3.17
4 D. Mengantar Isteri Ke Pasar 15 11.90
5 E. Alasan Lain 38 30.16
Total 126 100
Gambar 4.8. Responden Berdasarkan Pengalaman Pegawai Selama Perjalanan Dari Rumah Ke Kantor
pengalaman pegawai selama perjalanan dari rumah ke kantor dengan alasan lain yaitu 38 orang (30.16 %).
4.2.2.4 Karakteristik Responden Berdasarkan Kondisi Perjalanan Jalan Utama
Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dikelompokkan dalam beberapa kelompok responden berdasarkan kondisi perjalanan jalan utama masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.9 dan gambar 4.9.
Tabel 4.9. Kondisi Perjalanan Jalan Utama Yang Dilalui Pegawai
Ruas Jalan Kondisi Perjalanan Jumlah Responden
Persentase Jumlah Responden (%)
Utama
Selalu Macet (SM) 33 26.83
Sering Macet (SGM) 68 55.28
Jarang Macet (JM) 18 14.63
Tidak Pernah Macet (TM) 4 3.25
Dari gambar 4.9. dapat disimpulkan bahwa responden berdasarkan dengan kondisi perjalanan jalan utama dari rumah ke kantor mengatakan kondisi jalan utama sering macet yang paling besar, yaitu 68 orang (55.29 %), kemudian diikuti dengan kondisi jalan utama yang selalu macet, yaitu 33 orang (26.83 %).
4.2.2.5 Karakteristik Responden Berdasarkan Kondisi Perjalanan Jalan Alternatif
Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dikelompokkan dalam beberapa kelompok responden berdasarkan kondisi perjalanan jalan alternatif masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.10 dan gambar 4.10.
Tabel 4.10. Kondisi Perjalanan Jalan Alternatif Yang Dilalui Pegawai
Gambar 4.10. Responden Berdasarkan Kondisi Perjalanan Jalan Alternatif
Dari gambar 4.10. dapat disimpulkan bahwa responden berdasarkan dengan kondisi perjalanan jalan alternatif dari rumah ke kantor mengatakan kondisi jalan alternatif jarang macet yang paling besar, yaitu 52 orang (42.28 %), kemudian diikuti dengan kondisi jalan alternatif yang sering macet, yaitu 46 orang (37.40 %).
4.2.2.6 Karakteristik Responden Berdasarkan Ragam Tindakan Pegawai
Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan dikelompokkan dalam beberapa kelompok responden berdasarkan Ragam Tindakan Pegawai masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel 4.11 dan gambar 4.11.
Tabel 4.11. Ragam Tindakan Pegawai
No
Tindakan Pegawai
Jumlah Responden
Persentase Jumlah Responden (%)
Gambar 4.11. Responden Berdasarkan Ragam Tindakan Pegawai
Dari gambar 4.11. dapat disimpulkan bahwa responden dengan ragam tindakan mempercepat jam keberangkatan dari rumah sedini mungkin adalah yang paling besar, yaitu 51 orang diikuti dengan responden ragam tindakan memilih rute perjalanan alternatif yang bebas kemacetan yaitu 37 orang.
4.2.2.7 Karakteristik Responden Berdasarkan Adanya Keterhubungan Keandalan Waktu Perjalanan dengan Kondisi Infrastruktur Jalan
Tabel 4.12. Menurut Pegawai Apakah Ada Keterhubungan Keandalan Waktu Perjalanan Dengan Kondisi Infarastruktur Jalan
No Menurut Pegawai Apakah Ada Keterhubungan Keandalan
Waktu Perjalanan Dengan Kondisi Infrastruktur Jalan
Jumlah Responden
1 A. Ya 70
2 B. Kadang Ada 47
3 C. Tidak Ada 9
Total 126
Gambar 4.12. Responden Berdasarkan Adanya Keterhubungan Keandalan Waktu Perjalanan Dengan Kondisi Infrastruktur Jalan
4.3 Analisa Regresi Logistik
Setelah semua data ditabulasi, data tersebut kemudian dianalisis secara regresi logistik dengan alat bantu berupa perangkat komputer dengan perangkat lunak SPSS. Sehingga didapatkan variabel yang mempengaruhi terhadap kemungkinan keterlambatan pegawai tiba dikantor. Untuk lebih jelasnya dapat di dilihat pada table 4.13 s/d 4.20.
Table 4.13. Variables in the Equation
B S.E. Wald df Sig. Exp(B)
regresi logistik menunjukan terjadinya overdispersi atau pembengkakan nilai variansi. Dimana dengan terjadinya overdispensi maka akan berdampak kepada probabilitasnya menjadi tidak signifikan dan nilai S.E. yang sangat besar.
Permasalahan overdispersi dalam regresi logistik tersebut dapat disebabkan karena adanya hubungan yang erat antara variabel bebas, sehingga untuk menghilangkan dampak dari membersarnya S.E maka variabel yang kemungkinan memiliki korelasi antara sesama variabel bebas dikeluarkan dari model yang akan dianalisis. Oleh karena itu dilakukan pengujian ulang dengan tidak mengikutsertakan variabel X1, X3
dan X8.
Table 4.14. Iteration Historya,b,c
Iteration -2 Log likelihood
a. Constant is included in the model.
b. Initial -2 Log Likelihood: 103.760
c. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.
Table 4.15. Iteration Historya,b,c,d
b. Constant is included in the model. c. Initial -2 Log Likelihood: 103.760
d. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
Pada tabel 4.15 ini dapat dilihat bahwa nilai -2 log kedua adalah sebesar 86.509. dibandingkan dengan nilai chi-square (0,05, df=89-7), hasil yang didapat 86.59 < 104.139, Hal ini menunjukkan model sudah fit dengan data.
Table 4.16. Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 17.251 7 .016
Block 17.251 7 .016
Model 17.251 7 .016
Table 4.17. Classification Tablea
Pada tabel 4.17 ini dapat dilihat bahwa output classification table mengindikasikan dalam model regresi logistik, tidak terdapat masalah
homoskedastisitas karena nilai persentase keseluruhan 75.3 adalah lebih kecil dari 100%
Table 4.18. Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 86.509a .176 .256
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.
Pada tabel 4.19 ini dapat dilihat bahwa Hosmer and Lemeshow’s GoF dilakukan untuk menguji hipotesis. Jika sig <0.05 maka Ho ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya. Jika sig > 0.05 maka Ho diterima, artinya tidak ada perbedaan antara model dan nilai observasinya. Pada Tabel Hosmer and Lemeshow’s GoF diperoleh hasil sebesar 0.131 (> 0.05) sehingga dapat dinyatakan bahwa model fit dengan data.
Table 4.20. Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a x2 -1.069 .659 2.628 1 .105 .343
x4 -.890 .361 6.069 1 .014 .411
x5 .747 .473 2.490 1 .115 2.110
x6 .097 .053 3.379 1 .066 1.102
x7 -1.013 .466 4.721 1 .030 .363
x9 .157 .394 .159 1 .690 1.170
x10 .498 .338 2.174 1 .140 1.645
Constant 4.093 5.417 .571 1 .450 59.921
a. Variable(s) entered on step 1: x2, x4, x5, x6, x7, x9, x10.
4.3.1 Interpretasi Pengujian Hipotesis Model Logistik
Estimasi Maximum Likehood parameter model dapat dilihat dari output pada
table 4.20 Variables in the Equation. Model regresi logistik kemudian dapat
dinyatakan:
Ln (p/1-p) = β0 + β2 X2 + β4 X4 + β5 X5 + β6 X6 + β7 X7 + β9 X9 + β10 X10 + ui
Ln (p/1-p) = 4.093 – 1.069 X2 - 0.890X4 + 0.747X5 + 0.097X6 – 1.013X7 + 0.157X9 +
0.498X10
P/1-P =
e
4.093 – 1.069 X2 - 0.890X4 + 0.747X5 + 0.097X6– 1.013X7 + 0.157X9 + 0.498X10Dari ketujuh variabel bebas yang mempengaruhi variabel tidak bebas dapat dilihat bahwa hanya terdapat dua variabel yang secara signifikan mempengaruhi keterlambatan yaitu variabel X4 (kategori alamat) dan X7 (golongan). Dengan
memperhatikan persamaan ini maka dapat diinterprestasikan sebagai berikut:
1. Ho : β2 = 0 (variabel jam keberangkatan pegawai tidak mempunyai pengaruh
secara signifikan terhadap probabilitas tidak terlambat).
Hi : β2 ≠ 0 (variabel jam keberangkatan pegawai mempunyai pengaruh secara
signifikan terhadap variabel probabilitas tidak terlambat).
Setiap terjadi peningkatan variabel X2 (jam keberangkatan) maka akan
setiap jamnya. Sehingga jika semakin lama jam keberangkatan pegawai dari rumah maka akan semakin memperbesar probabilitas keterlambatan pegawai tersebut.
Berdasarkan hasil penelitian ini meskipun variabel jam keberangkatan pegawai tidak terlalu signifikan dalam menunjukkan probabilitas tidak terlambat pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan tetapi dapat menunjukkan semakin lama waktu pegawai untuk berangkat dari rumah (jam waktu keberangkatan) maka probabilitas untuk sampai di kantor tepat pada waktunya akan semakin berkurang. Oleh karena itu jika pegawai ingin meningkatkan probabilitas untuk sampai di kantor tepat pada waktunya diharapkan untuk dapat berangkat lebih cepat karena jam berangkat yang lebih awal akan mengurangi potensi untuk telambat sebesar 0.343 untuk setiap satuan mempercepat waktu keberangkatan.
2. Ho : β4 = 0 (variabel kategori jarak alamat tidak mempunyai pengaruh secara
signifikan terhadap probabilitas tidak terlambat).
Hi : β4 ≠ 0 (variabel kategori jarak alamat mempunyai pengaruh secara
signifikan terhadap variabel probabilitas tidak terlambat).
Setiap terjadi peningkatan variabel X4 (kategori jarak alamat) maka akan
menurunkan odds ratio tidak terlambat sebesar 0.411 dan signifikan (<0.05) sehinggan Ho ditolak.
berdampak kepada semakin besarnya probabilitas si pegawai untuk sampai di kantor tidak terlambat.
Berdasarkan penelitian ini menyatakan bahwa variabel kategori jarak alamat yang dibedakan menjadi 5 kategori yaitu sangat dekat untuk lebih kecil 3 km, dekat untuk lebih kecil 7 km, sedang untuk lebih kecil 15 km, jauh untuk lebih kecil 25 km dan sangat jauh untuk lebih besar 30 km merupakan variabel yang signifikan dalam mempengaruhi probabilitas terlambatnya pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan. Oleh karena itu berdasarkan penelitian ini menunjukkan pegawai yang rumahnya semakin dekat dengan Kantor Dinas Bina Marga Pemerintah Kota Medan akan semakin naik probabilitasnya untuk tidak terlambat sampai di kantor.
3. Ho : β5 = 0 (variabel pendidikan terakhir tidak mempunyai pengaruh secara
signifikan terhadap probabilitas tidak terlambat).
Hi : β5 ≠ 0 (variabel pendidikan terakhir mempunyai pengaruh secara
signifikan terhadap variabel probabilitas tidak terlambat).
Setiap terjadi peningkatan variabel X5 (pendidikan terakhir) maka akan
menaikkan odds ratio tidak terlambat sebesar 2.110 dan tidak signifikan (>0.05) sehingga Ho diterima.
pendidikan terakhir pegawai maka akan berdampak pada naiknya probabilitas si pegawai tersebut untuk tidak terlambat sampai di kantor.
Berdasarkan penelitian ini menyatakan bawah variabel pendidikan terakhir dari pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan tidak signifikan dalam mempengaruhi kemungkina pegawai untuk tidak terlambat sampai di kantor. Tetapi perlu diketahui meskipun tidak signifikan variabel ini juga turut memberikan probabilitas bahwa jika semakin tinggi pendidikan terakhir pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan maka akan turut meningkatkan probabilitas si pegawai untuk tidak terlambat. Sehingga meskipun tidak signifikan tingkat pendidikan pegawai juga merupakan hal yang perlu untuk diperhatikan karena peningkatan tingkat pendidikannya akan berdampak positif bagi Kantor Dinas Bina Marga Pemerintah Kota Medan.
4. Ho : β6 = 0 (variabel usia pegawai tidak mempunyai pengaruh secara signifikan
terhadap probabilitas tidak terlambat).
Hi : β6 ≠ 0 (variabel usia pegawai mempunyai pengaruh secara signifikan
terhadap variabel probabilitas tidak terlambat).
Setiap terjadi peningkatan variabel X6 (usia) maka akan meningkatkan odds
ratio tidak terlambat sebesar 1.102 dan tidak signifikan (>0.05) sehingga Ho
diterima.
tahun peningkatan usia si pegawai. Sehingga jika semakin tua usia dari pegawai maka akan berdampak kepada naiknya kemungkin si pegawai untuk tidak tersebut untuk tidak terlambat sampai di kantor.
Berdasarkan penelitian ini variabel usia si pegawai tidak memberikan dampak yang signifikan bagi probabilitas pegawai tidak terlambat. Meskipun tidak berdampak signifikan tetapi usia menunjukkan hal yang berdampak positif bagi potensi keterlambatan. Hasil penelitian ini menunjukkan bahwa pegawai senior yang cenderung lebih berUsia yang memiliki probabilitas terlambat yang lebih kecil daripada pegawai yang berUsia lebih muda. Hal ini tentu tidak terlepas dari kematangan secara emosional yang menyebabkan pegawai senior lebih taat terhadap peraturan yang ada.
5. Ho : β7 = 0 (variabel golongan pegawai tidak mempunyai pengaruh secara
signifikan terhadap probabilitas tidak terlambat).
Hi : β7 ≠ 0 (variabel golongan pegawai mempunyai pengaruh secara signifikan
terhadap variabel probabilitas tidak terlambat).
Setiap terjadi peningkatan variabel X7 (golongan) maka akan menurunkan
odds ratio tidak terlambat sebesar 0.363 dan signifikan (<0.05) sehingga Ho ditolak.
pegawai tersebut maka akan berdampak kepada turunya probabilitas si pegawai untuk tidak terlambat sampai di kantor.
Berdasarkan penelitian ini bahwa variabel golongan memberikan dampak yang signifikan bagi probabilitas untuk tidak terlambat pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan. Golongan yang dibagi atas 12 kategori mulai dari golongan I/b sampai dengan IV/b pada penelitian ini memberikan dampak yang signifikan untuk probabilitas si pegawai tersebut untuk sampai tepat waktu. Hasil dari penelitian ini menunjukkan bahwa pegawai yang memiliki golongan yang tinggi kecenderungan terlambatnya lebih tinggi daripada pegawai yang memiliki golongan rendah. Banyak hal yang menjadi penyebab terjadinya hal ini seperti sanksi yang mungkin tidak berlaku untuk pegawai golongan tinggi ataupun sanksi dirasakan berat bagi pegawai golongan tinggi tetapi dirasa ringan jika dikenakan ke pegawai golongan rendah. Hal ini mengindikasinya perlunya evaluasi sanksi keterlambatan agar juga memberikan efek bagi pegawai golongan tinggi.
6. Ho : β9 = 0 (variabel kondisi jalur utama tidak mempunyai pengaruh secara
signifikan terhadap probabilitas tidak terlambat).
Hi : β9 ≠ 0 (variabel kondisi jalur utama mempunyai pengaruh secara signifikan
terhadap variabel probabilitas tidak terlambat).
Setiap terjadi peningkatan variabel X9 (kondisi jalur utama) maka akan
Hal ini mengindikasikan bahwa jika semakin tidak macet kondisi jalur utama yang harus dilalui untuk sampai di kantor maka probabilitas untuk tidak terlambat akan naik sebesar 1,170 untuk setiap peningkatan kategori kondisi kemacetan jalur utama. Sehingga jika semakin tidak macet jalanan yang harus dilalui si pegawai untuk sampai di kantor maka akan berdampak pada naiknya probabilitas si pegawai untuk tidak terlambat sampai di kantor.
Berdasarkan penelitian ini menyatakan bahwa variabel kondisi jalur utama yang dilewati oleh pegawai untuk sampai di kantor tidak memberikan dampak yang signifikan dalam mempengaruhi probabilitas pegawai untuk tidak terlambat. Kondisi jalur utama yang dibagi menjadi 4 (empat) kategori yaitu selalu macet, sering macet, jarang macet dan tidak pernah macet menunjukkan bahwa bukanlah menjadi penyebab yang paling signifikan keterlambatan pegawai. Meskipun tidak berdampak signifikan tetapi kondisi jalan yang semakin tidak macet turut menurunkan probabilitas pegawai tiba di kantor terlambat.
7. Ho : β10 = 0 (variabel kondisi jalur alternatif tidak mempunyai pengaruh secara
signifikan terhadap probabilitas tidak terlambat).
Hi : β10 ≠ 0 (variabel kondisi jalur alternatif mempunyai pengaruh secara
signifikan terhadap variabel probabilitas tidak terlambat).
Hal ini mengindikasikan bahwa jika semakin tidak macet kondisi jalur alternatif yang digunakan jika jalur utama tidak digunakan agar dapat sampai di kantor maka probabilitas tidak terlambat akan naik sebesar 1.645 untuk setiap peningkatan kategori kondisi kemacetan jalur utama. Sehingga jika semakin tidak macet kondisi jalur alternatif yang digunakan jika tidak menggunakan jalur utama maka akan berdampak pada naiknya probabilitas si pegawai untuk tidak terlambat sampai di kantor.
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari hasil analisis dan pembahasan yang telah disampaikan pada bagian sebelumnya, maka dapat diambil kesimpulan sebagai berikut:
1. Karakteristik pengguna jasa infrastruktur jaringan jalan dari kalangan pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan yang melakukan perjalanan dari rumah ke lokasi kerja (kantor) setiap hari kerja, yaitu:
a. Karakteristik responden berdasarkan data tiba di lokasi kerja pada jam 8.00-8.30 adalah sebesar 93 orang dalam 1 tahun, hal ini menunjukkan rendahnya kedisiplinan Pegawai Dinas Bina Marga Kota Medan.
b. Karakteristik responden berdasarkan data jam keberangkatan ke lokasi kerja pada jam 6.30-6.59 adalah sebesar 59 orang.
c. Dalam tiga bulan terakhir berdasarkan frekuensi keterlambatan pegawai sebagian besar responden jarang sekali terlambat sampai di kantor.
d. Karakteristik responden berdasarkan alamat rumah/ kecamatan sebagian besar berdomisili di daerah Helvetia, Amplas, dan Perjuangan.
f. Karakteristik responden berdasarkan umur pegawai sebagian besar berada dikisaran 40-60 tahun dengan jumlah responden 129 orang. Hal ini menunjukkan pegawai Dinas Bina Marga Kota Medan sudah lama mengabdi di Dinas Bina Marga Kota Medan.
g. Karakteristik responden berdasarkan golongan pegawai Sebagian besar Pegawai di Dinas Bina Marga Kota Medan ini adalah berada pada golongan I dan II. Hal ini dikarenakan sebagian besar pendidikan pegawai Dinas Bina Marga Kota Medan itu berada pada kisaran SLTA/ Sederajat.
h. Karakteristik responden berdasarkan dengan pengalaman selama perjalanan pegawai ke kantor sebagian besar adalah mengantar anak ke sekolah. Hal ini yang menjadi salah satu kemungkinan penyebab keterlambatan pegawai Dinas Bina Marga Kota Medan.
i. Kondisi perjalanan pegawai melalui jalan utama mengatakan sering macet yaitu 68 orang dan selalu macet yaitu 33 orang, sehingga beberapa pegawai memilih menggunakan jalan alternatif.
j. Pegawai yang memilih melalui jalan alternatif mengatakan kondisi jalan alternatif jarang macet yaitu 52 orang, tetapi 46 orang mengatakan kondisi jalan alternatif juga sering macet.
2. Untuk meningkatkan probabilitas ketidakterlambatan, pegawai hendaknya mempercepat jam keberangkatan sedini mungkin daripada menggunakan jalur alternatif pada pegawai kantor Dinas Bina Marga Kota Medan.
3. Model regresi logistik adalah: P/1-P = e4.093 – 1.069 X2 - 0.890X4 + 0.747X5 + 0.097X6– 1.013X
7 + 0.157X9 + 0.498X10
a. Semakin lama jam keberangkatan pegawai untuk pergi menuju ke kantor Dinas Bina Marga maka kemungkinan pegawai untuk tiba tepat waktu akan turun sebesar 0,343..
b. Semakin jauh jarak rumah pegawai dari kantor Dinas Bina Marga maka kemungkinan pegawai untuk tiba tepat waktu akan turun sebesar 0,411. c. Semakin tinggi tingkat pendidikan pegawai di kantor Dinas Bina Marga
maka kemungkinan pegawai untuk tiba tepat waktu akan meningkat sebesar 2,110.
d. Semakin tinggi usia pegawai kantor Dinas Bina Marga maka kemungkinan pegawai untuk tiba tepat waktu akan meningkat sebesar 1,102.
e. Semakin tinggi golongan pegawai di Dinas Bina Marga maka kemungkinan pegawai untuk tiba tepat waktu akan turun sebesar 0,363.
4. Jam tiba dilokasi, frekuensi keterlambatan dan pengalaman selama diperjalanan dikeluarkan dari model regresi logistik yang dianalisis dikarenakan ketiga variabel ini menyebabkan masalah pada model estimasi yang menyebabkan hasil estimasi tidak ada yang signifikan.
5.2 Saran
Saran-saran yang dapat dikemukakan penulis disini ialah:
1. Untuk pegawai Dinas Bina Marga Kota Medan yang alamatnya dikategorikan sangat jauh diharapkan untuk mempercepat jam keberangkatan sedini mungkin ke kantor.
2. Dinas bina marga hendaknya memberlakukan peraturan yang ketat mengenai pemberian sanksi keterlambatan sehingga tidak hanya berlaku untuk pegawai dengan golongan rendah tetapi juga dapat memberi efek jera bagi pegawai dengan golongan yang tinggi.
