tipus anmul anjalur
-
Upload
triana-novitasari -
Category
Documents
-
view
42 -
download
0
description
Transcript of tipus anmul anjalur
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.