BAB II

DASAR TEORI

2.1 Analisis Jalur

2.1.1 Pengertian Analisis Jalur

Analisis jalur merupakan metode untuk mempelajari pengaruh langsung,

pengaruh tidak langsung, pengaruh tak teranalisis, dan pengaruh semu diantara peubah-

peubah penjelas dan peubah-peubah respon. Namun, pada penelitian kali ini hanya akan

dipelajari mengenai pengaruh langsung dan pengaruh tidak langsung. Pengaruh

langsung yaitu pengaruh suatu variabel prediktor terhadap variabel respon secara

langsung tanpa dipengaruhi oleh variabel prediktor lainnya. Sedangkan pengaruh tidak

langsung adalah pengaruh variabel prediktor tehadap variabel respon yang masih

dipengaruhi oleh variabel prediktor lainnya. Terdapat dua jenis variabel dalam analisis

jalur yaitu variabel endogen dan variabel eksogen. Variabel endogen merupakan

variabel yang hanya dapat mempengaruhi, sedangkan variabel endogen merupakan

variabel yang hanya dipengaruhi atau dipengaruhi dan mempengaruhi variabel lainnya.

Pemahaman dalam menggunakan analisis lintas menurut Pramoedyo (2003) adalah :

1. Analisis lintas berpedoman pada dasar tidak untuk menemukan penyebab-

penyebab melainkan merupakan suatu metode yang digunakan pada dasar model

kausal yang telah dirumuskan atas dasar teoritis dan pengetahuan tertentu.

2. Analisis lintas digunakan untuk menguji kebenaran kausal yang diteorikan dan

bukan untuk menurunkan teori kausal, sehingga konsekuensinya adalah cara

berfikir kausal ditambah teori dan pengetahuan tentang materi itu sendiri.

3. Analisis kausal atau analisis sebab akibat merupakan bentuk umum dari analisis

lintas, karena diagram lintas merupakan cetusan ide hubungan suatu peubah

dengan peubah yang lain dan merupakan dasar dari analisis lintas.

2.1.2 Asumsi Analisis Jalur

Menurut Dillon dan Goldstein (1984), setiap analisis yang digunakan untuk

menyelesaikan permasalahan statistika harus memenuhi asumsi-asumsi yang mendasari

agar kesimpulan yang diperoleh dapat dipertanggungjawabkan. Asumsi yang harus

dipenuhi pada analisis jalur adalah:

1. Hubungan antar variabel adalah linier dan aditif

2. Hanya model rekursif yang dapat dipertimbangkan yaitu hanya system aliran

kausal satu arah. Model dikatakan sebagai model rekursif jika antara error dan

variabel penjelas saling bebas dan antar error saling bebas.

3. Skala pengukuran sekurang-kurangnya interval

4. Variabel penjelas diukur tanpa kesalahan

5. Model yang dianalisis dispesifikasikan dengan benar berdasarkan teori-teori dan

konsep yang relevan.

2.1.3 Karakteristik Analisis Jalur

Merujuk pendapat yang dikemukakan oleh Land, Ching, Heise, Maruyama,

Schumaker dan Lomax, Joreskog (Kusnendi, 2008 : 147-148), karakteristik analisis

jalur adalah metode analisis data multivariat dependensi yang digunakan untuk menguji

hipotesis hubungan asimetris yang dibangun atas dasar kajian teori tertentu, dengan

tujuan untuk mengetahui pengaruh langsung dan tidak langsung seperangkat variabel

penyebab terhadap variabel akibat.

Menguji hipotesis hubungan asimetris yang dibangun atas kajian teori tertentu

artinya yang diuji adalah model yang menjelaskan hubungan kausal antarvariabel yang

dibangun atas kajian teori teori tertentu. Hubungan kausal tersebut secara eksplisit

dirumuskan dalam bentuk hipotesis direksional, baik positif maupun negatif.

2.1.4 Diagram Jalur dan Model Analisis Jalur

Menurut Riduwan dan Engkos (2008), secara sistematis analisis jalur mengikuti

pola model structural sehingga langkah awal persamaan struktural dan diagram jalur

berdasarkan kajian teori tertentu. Disebut persamaan struktural apabila setiap variabel

tak bebas/endogen (Y) secara unik keadaannya ditentukan oleh seperangkat variabel

bebas/eksogen (X), selanjutnya gambar yang memperagakan struktur hubungan

kausal antar variabel disebut diagram jalur.

Diagram jalur adalah bentuk grafik dari keseluruhan hubungan yang ada dalam

konstruksi model. Diagram jalur disusun berdasarkan pengetahuan secara umum

(teoritis) dengan mempertimbangkan dasar hubungan kausal antar variabel dan

berdasarkan pertimbangan-pertimbangan dari penelitian sebelumnya atau berdasarkan

perkiraan-perkiraan dasar untuk mempermudah analisis jalur (Hair, 1995).

Dalam menyusun diagram jalur, konvensinya antara lain untuk menggunakan

garis dua arah untuk menunjukkan korelasi antar variabel dan garis berarah tunggal

untuk menunjukkan pengaruh langsung dari satu variabel ke variabel lain (Li, 1986).

Berikut ini adalah contoh dari diagram jalur:

Persamaan/model struktural bagi diagram jalur tersebut adalah:

di mana:

i : 1,2,…,n

Y, Z : variabel endogen

Xi : variabel eksogen

PY1X1,…,PY1Xk : koefisien jalur

Dari persamaan tersebut, variabel dalam analisis jalur merupakan variabel baku

yaitu:

Y i∗¿Y i−Y ..

σ y

dan X si∗¿X si−X s.

σ xs

Variabel yang dibakukan dapat dibandingkan secara langsung untuk menunjukkan

kontribusi relative dari tiap model regresi, di mana semakin besar nilai beta, semakin

besar kontribusi variabel eksogen terhadap variabel endogen (Afifi dan Clark, 1990).

Pada analisis jalur variabel eksogen mempengaruhi variabel endogen tidak

hanya melalui pengaruh langsung dan tak langsung tetapi juga melalui pengaruh tak

teranalisis dan pengaruh semu (Dillon & Goldstein, 1984).

Menurut Falkenbe (1999) dalam Ismaliana (2003), Diagram jalur model sebab

akibat dapat digambarkan sebagai berikut:

X2

X1

X3

Y1 Y2Py1x2

Py1x1 Py2x1

Py1x3 Py2x3

Py2y1

rx1x2

rx2x3

rx1x3

e1 e2

Py2e2

Py1e1

X1 Y1Py1x1

X1 Y1Py1x1

Y2Py2y1

Secara ringkas, koefisien korelasi dapat didekomposisi menjadi empat

komponen yaitu:

1. Pengaruh Langsung (Direct Effect) adalah pengaruh variabel eksogen terhadap

variabel endogen secara langsung tanpa melalui variabel lain. Pengaruh langsung

biasanya digambarkan dengan panah satu arah dari satu variabel melalui variabel

lainya.

maka ry1x1= py1x1

2. Pengaruh tak langsung (Indirect Effect) adalah pengaruh variabel eksogen

terhadap variabel endogen melalui variabel lain , kemudian dari variabel lain

panah satu arah ke variabel berikutnya

maka ry2x1= py1x1py1y2

X1

Y1

Py1x1

X2 Py1x2

rx1x2

X1

Y1Py1x1

Py2x1 Y2

Py2y1

3. Pengaruh tak teranalisis (Unanalyzed Effect) adalah pengaruh yang timbul karena

adanya korelasi antara variabel eksogen

maka ry1x1= py1x1 + py1x2 rx1x2

U

4. Pengaruh semu (Spurious Effect) adalah pengaruh variabel eksogen terhadap lebih

dari satu variabel endogen yang saling berkorelasi

maka ry2y1= py2y1 + py1x1 py2x1

S

Menurut Dillon dan Goldstein (1984), tidak semua korelasi mencakup keempat

komponen tersebut. pengaruh tak teranalisis dan pengaruh semu timbul jika dalam

model terdapat lebih dari satu variabel endogen atau jika terdapat variabel perantara.

Variabel perantara merupakan variabel yang bisa menjadi variabel eksogen pada suatu

persamaan dan menjadi variabel endogen pada persamaan lain.

2.2 Regresi Logistik Ordinal

2.2.1 Model Regresi Logistik Ordinal

Regresi logistik ordinal merupakan salah satu metode statistika untuk

menganalisis variabel respon yang mempunyai skala ordinal yang terdiri atas tiga

kategori atau lebih. Variabel prediktor yang dapat disertakan dalam model berupa data

kategori atau kontinu yang terdiri atas dua variabel atau lebih. Model yang dapat

dipakai untuk regresi logistik ordinal adalah model logit. Model tersebut adalah

cumulative logit models. Pada model logit ini sifat ordinal dari respon Y dituangkan

dalam peluang kumulatif sehingga cumulative logit models merupakan model yang

didapatkan dengan membandingkan peluanga kumulatif, yaitu peluang kurang dari aau

sama dengan kategori respon ke-j pada p variabel prediktor yang dinyatakan dalam

vector X, P(Y≤j│X), dengan peluang lebih besar dari kategori respon ke-j, P(Y>j│X)

(Hosmer dan Lemeshow, 2000).

Peluang kumulatif P(Y≤j│X) didefinisikan sebagai berikut (Agresti, 1990):

di mana j=1,2,..J dan J = kategori respon

Dalam hal klasifikasi, cumulative logit models merupakan fungsi pembeda atau

fungsi klasifikasi/ fungsi klasifikasi yang terbentuk bila terdapat J kategori respon adalah

sejumlah J-1 fungsi. Jika menyatakan peluang kategori respon ke-j

pada p variabel prediktor yang dinyatakan dalam vector X dan menyatakan

peluang kumulatif pada p variabel prediktor yang dinyatakan dalam vector X maka nilai

didapatkan dengan persamaan berikut:

Model ordinal logistik dalam bentuk model logit adalah sebagai berikut:

di mana θ adalah vector intersep, βT=(β1, β2,...., βp ) adalah vector slope.

Jika , maka

Apabila terdapat J kategori respon, maka model logistik ordinal yang terbentuk adalah

.

.

.

Untuk tiga kategori respon di mana j=1,2,3 maka nilai peluang kategori repon ke-j

adalah sebagai berikut:

Dari kedua peluang kumulatif tersebut, maka akan didapatkan peluang untuk

masing-masing kategori respon sebagai berikut:

dengan demikian

Untuk klasifikasi, nilai pada persamaan tersebut akan dijadikan pedoman

pengklasifikasian. Suatu pengamatan akan masuk dalam respon kategori j berdasarkan

nilai yang terbesar.

2.2.2 Pendugaan Parameter Regresi Logistik Ordinal

Pendugaan parameter regresi logistik ordinal adalah dengan menggunakan

metode kemungkinan maksimum. Metode yang digunakan untuk membentuk model

regresi logistik ordinal adalah maximum likelihood. Misalkan y '=( y0 , y1 ,… , yr ) adalah

nilai respon, yr=1 jika y=r dan yr=0 lainnya. Anggap ∅ r ( x i ) = Pr ( x ). Bentuk umum dari

likelihood untuk sampel dengan n observasi, (yi,xi), i=1,2,…,n, adalah

l ( β )=∏i=1

n

[∅ 1 ( x i )y1i∅ 2 ( x i )

y2i ∅3 ( x i )y3i ]

¿∏i=1

n {[ eθ1+β ' x

1+eθ1+β ' x ]y1i

[ eθ2+β ' x−eθ1+β ' x

( 1+eθ2+β ' x )(1+eθ1+β ' x) ]y2 i

[ 1

1+eθ1+β ' x ]y3i}

dan log-likelihoodnya adalah

L (B )=ln ¿

L (B )=∑i=1

n

¿¿

+ y3 i ln( 1

1+eθ1+β ' x )¿(6)

Dengan menurunkan L (B ) terhadap setiap parameter dan menyamakan dengan nol, akan

didapatkan nilai duga untuk parameter tersebut.

∂ L∂ θ1

=0

0=∑i=1

n {[ eθ1+β ' x (− y1 i− y2 i )

1+eθ1+β ' x ]− y2 i[ 1+eθ1+β ' x

eθ2+β ' x−e

θ1+β ' x ]}∂ L∂ θ2

=0

0=∑i=1

n {[ eθ2+β ' xγ ( y1 i−1 )

1+eθ2+β ' x ]+ y2 i[ eθ2+β ' x

eθ2+ x ' γ−eθ1+β ' x ]}

∂ L∂ γ

=0

0=∑i=1

n {[ x ' eθ2+β ' x ( y1i−1 )1+e

θ2+β ' x ]−[ x ' eθ1+β ' x ( y1 i+ y2i )1+e

θ1+β ' x ]+( y1 i+ y2 i ) x '}Seperti pada regresi logistik sebelumnya, pendugaan parameter regresi logistik ordinal

juga memerlukan iterasi dengan metode Newton-Raphson.

Metode Newton-Raphson adalah metode iterasi untuk menyelesaikan persamaan

nonlinier. Agresti (1990), mengatakan bahwa metode iterasi Newton-Raphson adalah

metode yang menentukan nilai dari penduga parameter secara berulang-ulang sampai

konvergen pada suatu nilai tertentu. Metode iterasi Newton-Raphson dapat

menyelesaikan persamaan seperti fungsi likelihood. Metode ini menggunakan rumus

sebagai berikut:

β(t+1)=β(t)−( H (t ))−1u(t )

di mana

H (t )=∂2 L ( β )

∂ β i2

u(t)=∂ L ( β )

∂ β i2

Melalui teknik iterasi Newton-Raphson u(t) dan H (t ) digunakan untuk menduga

β(t ) pada iterasi ke t (t = 0,1,2,…). Iterasi untuk pendugaan nilai β tterus dilakukan

sampai mencapai kondisi konvergen untuk setiap i.

|β̂ i(t )− β̂ i

(t−1)|<ε

untuk i=1,2 , …, n dan ε>0

2.2.3 Odds Ratio Regresi Logistik Ordinal

Odds ratio untuk ordinal logistik adalah (Abreu,et.al,2008)

¿ j=

P (Y ≤ j∨x=a )1−P (Y ≤ j∨x=a )

P (Y ≤ j∨x=b )1−P (Y ≤ j∨x=b )

¿

P (Y ≤ j∨x=a )P (Y > j∨x=a )P (Y ≤ j∨x=b )P (Y > j∨x=b )

¿ oddsaoddsb

Dengan j=1,2,…,k. menurut definisi, odds ratio adalah perbandingan dua buah

odds, tapi untuk ordinal logistik didefinisikan sebagai peluang kumulatif.

2.3 Uji Kesesuaian model

Pengujian ini dilakukan untuk mengetahui apakah model yang dihasilkan sesuai

atau belum dengan hipotesis:

Ho: model sesuai

H1 : model tidak sesuai.

1. Statistik Pearson

χ2=∑i=1

g

χ2 p ( y i π̂ i )

Di mana :

χ2 p ( y i π̂ i )=ni∑j=1

k ( y ij− π̂ ij )2

π̂ ij

2. Statistik Deviance

D=2∑i=1

g

χ 2 D ( y i π i )

dimana:

χ2 D ( y i π i )=ni∑j=1

k

y ij log( y ij

π̂ ij)

dengan:

π̂ ij : peluang Y pada kategori ke-j dan x dengan kategori ke-i

Y ij : pengamatan Y pada kategori ke-j dan x dengan kategori ke-i

p : jumlah parameter pada model

g : jumlah kategori peubah x

k : jumlah kategori peubah respon

Statistik Pearson dan Deviance menyebar mengikuti sebaran Khi-

kuadrat dengan derajat bebas g(k-1)-p. keputusan tolak Ho, jika χ pearson2 > χ (v)

2

dan D> χ (v)2 atau P [ χ (v)

2 > χ pearson2 ] dan P [ χ (v)

2 >D ] lebih kecil dari peluang yang

diinginkan(α), sehingga dapat diambil kesimpulan bahwa model yang

diperoleh tidak sesuai (Prasetyo,2010).

2.3.1 Koefisien Determinasi (R2)

Ukuran kesesuaian model dapat ditentukan dari R2. Di dalam model non linier

(misal: logit) untuk mendapatkan R2,dapat digunakan log-likelihood, yaitu dengan R2

McFadden (Park, 2009). R2McFadden membandingkan log likelihood di antara dua

model.

R2 McFadden=1−L1

L0

di mana:

L0 : log likelihood tanpa slope

L1 : log likelihood dengan slope

Kemungkinan log dari model intersep diperlakukan sebagai jumlah total kuadrat,

dan kemungkinan log dari model penuh diperlakukan sebagai jumlah dari kuadrat

kesalahan. Rasio likelihoods menunjukkan tingkat perbaikan atas model intersep

ditawarkan oleh model penuh. Sebuah kemungkinan antara 0 dan 1, sehingga log dari

kemungkinan adalah kurang dari atau sama dengan nol. Jika model memiliki

kemungkinan sangat rendah, maka log dari kemungkinan akan memiliki magnitudo

lebih besar dari log dari model lebih mungkin. Dengan demikian, rasio kecil likelihoods

log menunjukkan bahwa model penuh adalah cocok jauh lebih baik daripada model

intersep. Jika membandingkan dua model pada data yang sama, yang McFadden akan

lebih tinggi untuk model dengan kemungkinan yang lebih besar (Prasetyo,2010).

2.3.2 Persen Ketepatan Klasifikasi

Menurut Hosmer & Lemeshow (2000), cara untuk menyimpulkan hasil sebuah

model regresi logistik salah satunya dengan tabel klasifikasi. Tabel ini merupakan cross

classifying dari variabel respon antara nilai sebenarnya dengan nilai dugaan

berdasarkan model. Dari tabel ini dapat dihasilkan Persen Ketepatan Klasifikasi (PKK).

PKK menunjukkan berapa persen predicted group dapat diklasifikasikan tepat pada

observed group. Sehingga semakin besar nilai persen dari PKK maka model semakin

baik (Prasetyo,2010).

Tabel Klasifikasi

Classificatio Observed Total

n 0 10 n00 n01 n0.

1 n10 n11 n1.

Total n.0 n.1 ndi mana:

n00 : banyak pengamatan dari observed kategori 0 diklasifikasikan sebagai 0

n11 : banyak pengamatan dari observed kategori 1 diklasifikasikan sebagai 1

PKK=[ n00+n11

n ] x100%

2.4 Teori Sampling

Sampel adalah sebagian dari populasi. Artinya tidak akan ada sampel jika tidak ada

populasi. Populasi adalah keseluruhan elemen atau unsur yang akan kita teliti. Penelitian

yang dilakukan atas seluruh elemen dinamakan sensus. Berbagai alasan yang masuk akal

mengapa peneliti tidak melakukan sensus antara lain adalah,(a) populasi demikian banyaknya

sehingga dalam prakteknya tidak mungkin seluruh elemen diteliti; (b) keterbatasan waktu

penelitian, biaya, dan sumber daya manusia, membuat peneliti harus telah puas jika meneliti

sebagian dari elemen penelitian; (c) bahkan kadang, penelitian yang dilakukan terhadap

sampel bisa lebih reliabel daripada terhadap populasi – misalnya, karena elemen sedemikian

banyaknya maka akan memunculkan kelelahan fisik dan mental para pencacahnya sehingga

banyak terjadi kekeliruan ; (d) demikian pula jika elemen populasi homogen, penelitian

terhadap seluruh elemen dalam populasi menjadi tidak masuk akal (Mustafa,2000).

Agar hasil penelitian yang dilakukan terhadap sampel masih tetap bisa dipercaya dalam

artian masih bisa mewakili karakteristik populasi, maka cara penarikan sampelnya harus

dilakukan secara seksama. Cara pemilihan sampel dikenal dengan nama teknik sampling atau

teknik pengambilan sampel (Mustafa,2000).

Secara umum, sampel yang baik adalah yang dapat mewakili sebanyak mungkin

karakteristik populasi. Dalam bahasa pengukuran, artinya sampel harus valid, yaitu bisa

mengukur sesuatu yang seharusnya diukur. Sampel yang valid ditentukan oleh dua

pertimbangan, yaitu (Mustafa,2000) :

Pertama : Akurasi atau ketepatan , yaitu tingkat ketidakadaan “bias” (kekeliruan) dalam

sample. Dengan kata lain makin sedikit tingkat kekeliruan yang ada dalam

sampel, makin akurat sampel tersebut.

Kedua : Presisi. Kriteria kedua sampel yang baik adalah memiliki tingkat presisi

estimasi. Presisi mengacu pada persoalan sedekat mana estimasi kita dengan

karakteristik populasi.

Pedoman penentuan jumlah sampel sebagai berikut (Mustafa,2000):

1. Sebaiknya ukuran sampel di antara 30 s/d 500 elemen

2. Jika sampel dipecah lagi ke dalam subsampel (laki/perempuan, SD/SLTP/SMU, dsb),

jumlah minimum subsampel harus 30

3. Pada penelitian multivariate (termasuk analisis regresi multivariate) ukuran sampel

harus beberapa kali lebih besar (10 kali) dari jumlah variable yang akan dianalisis.

4. Untuk penelitian eksperimen yang sederhana, dengan pengendalian yang ketat,

ukuran sampel bisa antara 10 s/d 20 elemen.

Secara umum, ada dua jenis teknik pengambilan sampel yaitu, sampel acak atau

random sampling / probability sampling, dan sampel tidak acak atau nonrandom

samping/nonprobability sampling. Yang dimaksud dengan random sampling adalah cara

pengambilan sampel yang memberikan kesempatan yang sama untuk diambil kepada setiap

elemen populasi. Sedangkan yang dimaksud dengan nonrandom sampling atau

nonprobability sampling, setiap elemen populasi tidak mempunyai kemungkinan yang sama

untuk dijadikan sampel. Lima elemen populasi dipilih sebagai sampel karena letaknya dekat

dengan rumah peneliti, sedangkan yang lainnya, karena jauh, tidak dipilih; artinya

kemungkinannya 0 (nol). Di setiap jenis teknik pemilihan tersebut, terdapat beberapa teknik

yang lebih spesifik lagi. Pada sampel acak (random sampling) dikenal dengan istilah simple

random sampling, stratified random sampling, cluster sampling, systematic sampling, dan

area sampling. Pada nonprobability sampling dikenal beberapa teknik, antara lain adalah

convenience sampling, purposive sampling, quota sampling, snowball sampling

(Mustafa,2000).

Penarikan sampel acak sederhana adalah suatu metode untuk memilih n unit dari N

sehingga setiap unit dari NCn sampel yang berbeda mempunyai kesempatan yang sama untuk

dipilih. Dalam prakteknya, penarikan sampel acak sederhana dipilih unit per unit. Pada proses

penarikan, proses yang digunakan harus memberikan kesempatan terpilih yang sama untuk

setiap unit dalam populasi. Unit yang terpilih sebanyak n merupakan sampel. Penarikan

sampel acak sederhana akan memberikan hasil data perkiraan yang dapat mewakili populasi

jika populasi di mana sampel dipilih adalah homogen. Jika suatu observasi termasuk atau

tidak termasuk kategori tertentu yaitu kategori yang sedang diamati, proporsi kategori

tersebut menunjukkan suatu karakteristik atau ciri eksperimen Binomial. Rumus yang

digunakan untuk menentukan banyaknya sampel menurut Taro Yamane yaitu :

n= N

1+N d2

yang mana :

n = jumlah sampel

N = jumlah populasi yang diketahui

d = presisi yang ditetapkan

(Anonim3,2012)

2.5 Kuisioner

2.5.1 Pengertian Kuisioner

Kuesioner adalah daftar pertanyaan yang tersusun dengan baik yang digunakan

untuk alat pengumpulan data melalui survei. Kuesioner harus sesuai dengan masalah

yang diteliti. Oleh karena itu sebelum menyusun kuesioner, masalah penelitian harus

dirumuskan dengan jelas (Viklund,2011). Tujuan pembentukan kuesioner : sebagai alat

memperoleh data yang sesuai dengan tujuan penelitian dan penjabaran dari hipotesis.

Persyaratan Kuesioner:

- Relevan dengan tujuan penelitian

- Mudah ditanyakan

- Mudah dijawab

- Data yang didapat mudah diolah

Beberapa hal yang perlu diperhatikan dalam pembuatan Kuesioner:

1. Pertanyaan hendaknya jelas maksudnya:

a. Pertanyaan tidak terlalu luas

b. Pertanyaan tidak terlalu panjang

c. Pertanyaan tidak boleh memimpin

d. Menghindari pertanyaan yang dobel negatif

2. Pertanyaan hendaknya membantu ingatan responden

3. Pertanyaan menjamin responden untuk dengan mudah mengutarakan jawabannya

4. Pertanyaan hendaknya menghindari bias

5. Pertanyaan memotovasi responden untuk menjawab

6. Pertanyaan dapat menyaring responden

7. Pertanyaan hendaknya dibuat sesederhana mungkin

Karakteristik dari sebuah instrumen penelitian yang baik harus memenuhi

persyaratan validitas dan reliabilitas. Jadi langkah pertama yang ditempuh dalam

pengolahan data penelitian adalah menguji apakah kualitas data dan penelitian yang

digunakan valid dan reliabel (Viklund,2011).

2.5.2 Langkah Pembuatan Kuisioner

Adapun langkah-langkah pembuatan kuesioner adalah sebagai berikut: 

Langkah 1:

• Menentukan Hipotesis

• Menentukan tipe survey yang akan digunakan

• Menentukan pertanyaan-pertanyaan survey

• Menentukan kategori jawaban

• mendesain letak survey

Langkah 2:

• Rencanakan bagaimana data akan dikumpulkan

• Uji awal alat pengukuran

Langkah 3:

• tentukan target populasi

• tentukan teknik sampling (random sampling, non random sampling)

• tentukan ukuran sampel

• pilih sampel

Langkah 4:

• Temukan responden

• lakukan interview/wawancara

• kumpulkan data dengan teliti

Langkah 5:

• Masukkan data kedalam komputer

• periksa ulang seluruh data

• lakukan analisis statistik pada data yang diperoleh

Langkah 6:

• Jelaskan metode dan penemuan dalam laporan penelitian

• Presentasikan untuk mendapatkan masukan dan evaluasi

2.5.3 Uji Validasi dan Reliabilitas Kuisioner

Kesimpulan penelitian bergantung pada kualitas data yang di analisis dan

instrument data yang digunakan untuk mengumpulkan data penelitian. Instrumen yang

digunakan dalam penelitian ini adalah kuesioner. Karakteristik dari sebuah instrument

penelitian yang baik harus memenuhi persyaratan validitas dan reliabilitas. Jadi langkah

pertama yang di tempuh dalam pengolahan data penelitan adalah menguji apakah

kualitas data dan instrumen penelitian yang digunakan valid dan reliabel.

Validitas adalah tingkat keandalah dan kesahihan alat ukur yang digunakan.

Intrumen dikatakan valid berarti menunjukkan alat ukur yang dipergunakan untuk

mendapatkan data itu valid atau dapat digunakan untuk mengukur apa yang seharusnya

di ukur . Dengan demikian, instrumen yang valid merupakan instrumen yang benar-

benar tepat untuk mengukur apa yang hendak di ukur.

Uji validitas berguna untuk mengetahui apakah ada pernyataan-pernyataan pada

kuesioner yang harus dibuang atau diganti karena dianggap tidak relevan. Teknik untuk

mengukur validitas kuesioner adalah dengan menghitung korelasi antar data pada

masing-masing pernyataan dengan skor total menggunakan rumus korelasi product

moment, rumus yang digunakan adalah sebagai berikut :

(Sugiyono,2007)

Item Instrumen dianggap Valid jika lebih besar dari 0,3 atau bisa juga dengan

membandingkannya dengan r tabel. Jika r hitung > r tabel maka pengujian tersebut

adalah valid. Uji validitas juga dapat dilakukan dengan bantuan software statistika

seperti MINITAB dan SPSS.

Uji reliabilitas berguna untuk menetapkan apakah instrumen yang dalam hal ini

kuesioner dapat digunakan lebih dari satu kali, paling tidak oleh responden yang sama

akan menghasilkan data yang konsisten. Dengan kata lain, reliabilitas instrumen

mencirikan tingkat konsistensi. Banyak rumus yang dapat digunakan untuk mengukur

reliabilitas diantaranya adalah  rumus Spearman Brown. Rumus Spearman Brown

adalah sebagai berikut :

Di mana :

r 11 : nilai reliabilitas

R b : nilai koefisien korelasi

(Sugiyono,2007)

Nilai koefisien reliabilitas yang baik adalah diatas 0,6. Apabila nilai reliabilitas

diatas 0,76 maka dapat dikatakan bahwa pengujian itu reliabel. Uji reliabilitas juga

dapat dilakukan dengan bantuan software statistika seperti MINITAB dan SPSS.

Pengukuran validitas dan reliabilitas mutlak dilakukan, karena jika instrument

yang digunakan sudah tidak valid dan reliable maka dipastikan hasil penelitiannya pun

tidak akan valid dan reliabel. Penelitian yang valid artinya bila terdapat kesamaan

antara data yang terkumpul dengan data yang sesungguhnya terjadi pada objek yang

diteliti. Artinya, jika objek berwarna merah, sedangkan data yang terkumpul berwarna

putih maka hasil penelitian tidak valid. Sedangkan penelitian yang reliabel bila terdapat

kesamaan data dalam waktu yang berbeda. Artinya, jika objek kemarin berwarna

merah, maka sekarang dan besok tetap berwarna merah (Sugiyono,2007).

2.6 One Way (Jalur Satu Arah)

Jalan satu arah adalah jalan hanya diperbolehkan untuk arus lalu lintas satu arah saja,

arah yang sebaliknya menggunakan jalan paralel didekatnya. Menurut Oglesby (1993: 409),

Jalan satu arah adalah jalan dimana lalu lintas kendaraan bergerak hanya satu jurusan saja. Di

banyak kota, jaringan jalan di dalam kota menggunakan basis operasi satu arah sedangkan

arah lalu lintas yang berlawanan menggunakan jalan alternatif. Di beberapa lokasi lain

sepasang jalan satu arah merupakan jalan arteri lalu lintas utama.

Sistem jaringan transportasi dicerminkan dalam bentuk ruas dan simpul yang

dihubungkan ke pusat zona. ruas jalan dapat berupa potongan jalan raya atau kereta api.

sedangkan simpul bisa berupa persimpangan, stasiun dan lain-lain. Di Malang sendiri

terdapat sistem jaringan jalan yang berupa jalan satu arah masing-masing mencerminkan satu

ruas jalan atau pergerakan membelok di persimpangan dan berakhir pada titik ujung masing-

masing yang disebut simpul. Penghubung pusat zona adalah jenis ruas jalan yang bersifat

abstrak yang menghubungkan setiap pusat zona dengan sistem jaringan jalan.

Menurut Hobbs (1995: 271), untuk merancang jalan satu arah diperlukan jalan-jalan

pelengkap dengan frenkuensi jalan-jalan sambungan yang tepat. Tata letak jenis grid adalah

ideal karena memungkinkan adanya pasangan jalan dengan kapasitas yang sama. Titik

pemberhentian pada jalan satu arah merupakan tempat kritis yang memerlukan perancangan

yang hati-hati untuk menangani tempat-tempat konflik yang ditimbulkan oleh tuntutan

adanya belokan-belokan tambahan. Pada tempat-tempat dengan arus lalu lintas padat, jalan

simpang dengan satu arah akan menguntungkan.

Dengan meningkatnya arus lalu lintas yang menimbulkan banyak masalah antara

kendaraan satu dengan yang lainnya maupun antara kendaraan dan pejalan kaki. Hal itu yang

mendorong dilakukan penerapan jalan satu arah. Jalan satu arah biasanya dilakukan dengan

cara Jalan satu arah permanen dan jalan satu arah sementara dimana pada saat jam sibuk

dibuat jalan satu arah tetapi pada jam tidak sibuk merupakan jalan dua arah.

2.6.1 Karakteristik Jalan Satu Arah

Tipe jalan ini meliputi semua jalan satu arah dengan lebar jalur lalu lintas dari 5

meter sampai dengan 10,5 meter. Kondisi dasar tipe jalan ini dari mana kecepatan arus

bebas dasar dan kapasitas ditentukan didefinisikan sebagai berikut:

1. Lebar jalur lalu-lintas tujuh meter

2. Lebar bahu efektif paling sedikit 2 m pada setiap sisi

3. Tidak ada median

4. Hambatan samping rendah

5. Ukuran kota 1,0 - 3,0 Juta

6. Tipe alinyemen datar.

2.6.2 Manfaat Jalan Satu Arah

Manfaat Jalan Satu Arah adalah

1. Meningkatkan kapasitas

a) Mengurangi hambatan-hambatan pada persimpangan yang ditimbulkan oleh

konflik kendaraan dengan penyebrang jalan.

b) Memungkinkan penyesuaian lebar jalur lalu lintas yang dapat menambah

kapasitas maupun menambah lajur baru.

c) Meningkatkan waktu tempuh

d) Memungkinkan perbaikan pengoperasian angkutan umum dengan terhindarnya

berangkat dan pulang melalui jalan yang sama.

e) Terjadinya penyebaran lalu lintas guna menghindari kemacetan pada jalan-jalan

yang berdekatan

2. Meningkatkan keselamatan

a) Pengurangan konflik antar arus kendaraan dan antar arus kendaraan dengan

penyeberang jalan pada persimpangan

b) Terhindarnya penyeberangan jalan terjebak ditengah arus lalu lintas yang

berlawanan arah

c) Perbaikan pada pengamatan di persimpangan bagi pengemudi.

2.6.3 Kerugian Jalan Satu Arah

Kerugian Jalan Satu Arah

1. Sejumlah pemakai jalan (kendaraan bermotor) harus memutar untuk mencapai suatu

tujuan tertentu. Hal ini akan menambah biaya perjalanan.

2. Bagi pendatang baru mungkin pengaturan ini membingungkan, khususnya apabila

geometri jaringan jalan tidak beraturan serta marka dan rambu tidak jelas.

3. Bagi kendaraan-kendaraan untuk kebutuhan darurat seperti pemadam kebakaran dan

ambulance dalam hal ini terpaksa memutar.

2.6.4 Perencanaan Jalan Satu Arah

Sebelum menerapkan sistem jalan satu arah maka beberapa pertimbangan yang

harus diperhatikan antara lain :

1. Mempertimbangkan jaringan jalan yang ada, apakah dapat diperoleh sepasang jalan

untuk mendistribusikan arus yang sebelumnya dua arah.

2. Pengaruh yang timbul terhadap pengoperasian angkutan umum.

3. Apakah perlu dilakukan pertimbangan terhadap larangan parkir untuk memenuhi

jumlah lajur yang cukup.

4. Perubahan apa saja yang perlu dilakukan dalam perambuan, marka, lampu pemberi

isyarat lalu lintas dan peralatan pengontrol lainnya.

5. Memperhitungkan pengaruh dari angkutan barang.

6. Memperhitungkan pengaruh terhadap daerah-daerah pembangkit lalu lintas sekitar

jalan satu arah tersebut dan diperhitungkan pula pengaruh dari sistem

perparkirannya.

7. Pertimbangan geometri jalan satu arah harus diperhatikan sehingga pada

pertemuannya dengan lalu lintas dua arah tidak menimbulkan kemacetan maupun

masalah keselamatan.

DAFTAR PUSTAKA

Abreu, M.N.S., Siquera, A.L., Cardoso, C.S. and Caiaffa, W.T. 2008. Ordinal logistic

regression models: application in quality of life studies. Cad. Saude Publica. Rio de

Janeiro. Vol.24 pp581-591. http://www.scielo.br/pdf/csp/v24s4/10.pdf. Diakses

tanggal 27 Mei 2014.

Afifi, A.A. and Clark, V. 1990. Computer-Aided Multivariate Analysis 2nd Ed. Chapman &

Hall: New York.

Agresti, A. 1990. Categorical Data Analyisis. John Willey & Sons. New York.

Anonim3. 2012. Menentukan Jumlah Sampel. http://opini.wikispaces.com/file/view/

menentukan+jumlah+sampel.pdf. Diakses tanggal 27 Mei 2014.

Dillon, W.R. and Goldstein. 1984. Multivariate Analysis Methods and Applications. John

Wiley and Sons: New York.

Hair, J.F.1995. Multivariate Data Analysis. Prentice Hall: New Jersey

Hosmer, D.W. and Lemeshow, S. 2000. Applied Logistik Regression. John Wiley & Sons,

New York.

Ismaliana, Rahayu. 2003. Kajian Analisis Lintas Sebab Akibat (Path Analysis of Causal

System). Universitas Brawijaya: Malang

Li, C.C. 1956. Path Analysis A Primer. John Wiley and Sons: New York

Mustafa, Hasan. 2000. Teknik Sampling. http:// home.unpar.ac.id/~hasan/sampling . Diakses

tanggal 27 Mei 2014.

Pramoedyo, H. 2003. Model Prakiraan Distribusi Intensitas Serangan Hama Padi (Tikus)

dengan Pendekatan Analisis Lintas dan SIG. Program Pascasarjana Universitas

Airlangga, Surabaya.

Prasetyo, Ramadian W. 2010. Skripsi : Analisis Jalur dengan Variabel Endogen Kategorik.

Malang : Universitas Brawijaya.

Ridwan dan Engkos, A.K. 2008. Cara Menggunakan dan Memaknai Analisis Jalur (Path

Analysis). Alfabeta: Bandung

Sugiyono. 2007. Metode Penelitian Administrasi. Bandung, Alfabeta.

Vuklund, Andreas .2011. Penyusunan Kuesioner Penelitian : Definisi, Tujuan, Persyaratan,

Langkah dan contoh quesioner Penelitian. http://jurnal-sdm.blogspot.com/.html.

Diakses tanggal 27 Mei 2014

Yuliani. 2011. Judul Skripsi : Penerapan Jalan Satu Arah (One Way Street) di Kota

Surakarta. http://eprints.uns.ac.id/2516/1/178002511201104401.pdf. Diakses tanggal

27 Mei 2014.