artikel ilmiah analisis pengaruh perbedaan jenis kelamin ...eprints.unram.ac.id/6506/1/artikel...
TRANSCRIPT
ARTIKEL ILMIAH
ANALISIS PENGARUH PERBEDAAN JENIS KELAMIN
DALAM PERILAKU MENGEMUDI TERHADAP
KECELAKAAN DI KOTA MATARAM MENGGUNAKAN
SEM (STRUCTURAL EQUATION MODELING)
(The Analysis Of Influence Of Gender Differences To Driving Behavior
Against Accident In Mataram City Using SEM (Structural Equation Modeling))
Oleh :
MIRALUL FIANA
F1A 013 110
JURUSAN TEKNIK SIPIL
FAKULTAS TEKNIK
UNIVERSITAS MATARAM
2018
1
ANALISIS PENGARUH PERBEDAAN JENIS KELAMIN DALAM
PERILAKU MENGEMUDI TERHADAP KECELAKAAN
DI KOTA MATARAM MENGGUNAKAN SEM
(STRUCTURAL EQUATION MODELING)
Miralul Fiana1, I Wayan Suteja2, Rohani2
1Mahasiswa Jurusan Teknik Sipil Universitas Mataram 2Dosen Jurusan Teknik Sipil Universitas Mataram
Jurusan Teknik Sipil, Fakultas Teknik, Universitas Mataram
ABSTRAK
Data kecelakaan di Kota Mataram menunjukkan peningkatan selama tiga tahun terakhir.
Fktorutama penyebab kecelakaan adalah manusia. Manusia sebagai penyebaba utama kecelakaan tidak
lepas dari perilaku mengemudi yang tidak baik. Diketahui bahwa jumlah pelaku kecelakaan di Kota
Mataram didominasi oleh pengemudi laki-laki. Jenis kelamin mempengaruhi perilaku berkendara bagi
pengemudi. Penelitian ini bertujuan untuk mengetahui pengaruh perbedaan jenis kelamin dalam perilaku
mengemudi terhadap pelanggaran lalu lintas dan kcelakaan lalu lintas.
Penelitian ini menggunakan data dari hasil kuesioner yang dianalisis menggunakan metode SEM
dengan bantuan program aplikasi AMOS V 22.0. Terdapat tiga variabel yang digunakan yaitu variabel
perilaku dengan lima indikator yaitu X1=Emosi, X2=Kurang Konsentrasi, X3=Pengetahuan, X4=Kurang
Ketermpilan, X5=Kelelahan, variabel pelanggaran dengan tiga indikator yaitu X6=Kecepatan Tinggi,
X7=Melanggar Rambu Dan Marka Jalan, X8=Kelengkapan Surat-Surat Dan Atribut Berkendara,
variabel kecelakaan dengan dua indikator yaitu X9=Peluang Terjadinya Kecelakaan dan
X10=Kecelakaan Yang Pernah Terjadi.
Hasil analisis menunjukkan bahwa perbedaan jenis kelamin berpengaruh terhadap perilaku
mengemudi. Perilaku mengemudi memiiki hubungan yang signifikan dengan pelanggaran lalu lintas
dengan nilai Loading Factor atau besarnya korelasi antara indikator dengan konstruk latennya. > 0.5
yaitu 0,882 untuk pengemudi laki-laki dan 0,996 untuk pengemudi perempuan. Pelanggaran lalu lintas
mempunyai pengaruh 60,6% terhadap kecelakaan lalu lintas yang terjadi bagi pada pengemudi laki-laki
dan 45,1% bagi pengemudi perempuan. Perilaku berkendara memiliki hubungan yang tidak langsung
dengan kecelakaan lalu lintas dimana pelanggaran sebagai penghubung antara keduanya.
Kata kunci: Jenis kelamin, perilaku berkendara, pengemudi, pelanggaran lalu lintas, kecelakaan lalu
lintas, SEM, AMOS.
A. PENDAHULUAN
Kecelakaan lalu lintas di Kota Mataram dari
tahun ke tahun mengalami peningkatan.
Kecelakaan lalu lintas dipengaruhi oleh beberapa
faktor di antaranya faktor manusia, jalan,
kendaraandan lingkungan. Faktor yang paling
berpengaruh yaitu faktor manusia. Faktor
manusia sebagai penyebab utama kecelakaan di
jalan raya dapat disebabkan oleh perilaku
berkendara.
Perilaku berkendara juga dapat dipengaruhi
oleh perbedaan jenis kelamin. Berdasarkan data
yang didapat dari Kepolisian Resort Mataram
diketahui bahwa jumlah pelaku pelanggaran dan
kecelakaanlalu lintas didominasi oleh pengemudi
laki-laki. Untuk dapat mengetahui sejauh mana
2
pengaruh gender dalam perilaku berkendara
terhadap kecelakaan maka dilakukan penelitian
mengenai “Analisis Pengaruh Perbedaan Jenis
Kelamin Dalam Perilaku Mengemudi
Terhadap Kecelakaan di Kota Mataram
Dengan Menggunakan SEM (Structural
Equation Modeling)”
Structural Equation Modeling (SEM)
yang merupakan analisis multivariate yang
digunakan untuk menganalisis hubungan antar
variabel yang kompleks. Dalam penelitian ini
penelitiakan menggunakan software AMOS.
Adapun tujuan dalam penelitian ini adalah
sebagai berikut:
1. Untuk mengetahui pengaruh gender dalam
perilaku berkendara bagi pengemudi
terhadap pelanggaran lalu lintas di Kota
Mataram.
2. Untuk mengetahui hubungan perilaku
berkendara bagi pengemudi dengan
pelanggaran lalu lintas di Kota Mataram.
3. Untuk mengetahui hubungan pelanggaran
lalu lintas dengan kecelakaan di Kota
Mataram.
4. Untuk mengetahui hubungan perilaku
berkendara bagi pengemudi dengan
kecelakaan di Kota Mataram.
B. DASAR TEORI
1. Pengertian Pengemudi
Pengemudi atau bahasa Inggrisnya driver
adalah orang yang mengemudikan kendaraan
baik kendaraan bermotor atau orang yang secara
langsung mengawasi calon pengemudi yang
sedang belajar mengemudikan kendaraan
bermotor ataupun kendaraan tidak bermotor
seperti pada bandi/dokar disebutjuga sebagai
kusir, pengemudi becak sebagai tukang becak.
Pengemudi mobil disebut juga sebagai sopir,
sedangkan pengemudi sepeda motor disebut
pengendara. (Wikipedia, encyclopedia).
2. Pengertian Jenis Kelamin
Hungu (2007) mengatakan bahwa jenis
kelamin merupakan perbedaan antara perempuan
dengan laki-laki secara biologis sejak seseorang
lahir. Seks berkaitan dengan tubuh laki-laki dan
perempuan, dimana laki-laki memproduksikan
sperma, sementara perempuan menghasilkan sel
telur dan secara biologis mampu untuk
menstruasi, hamil dan menyusui. Perbedaan
biologis dan fungsi biologis laki-laki dan
perempuan tidak dapat dipertukarkan di antara
keduanya, dan fungsinya tetap dengan laki-laki
dan perempuan pada segala ras yang ada di muka
bumi.
3. Pelanggaran Lalu Lintas
Menurut Wirjono Prodjodikoro
pengertian pelanggaran adalah “over trendingen”
atau pelanggaran berarti suatu perbuatan yang
melanggar sesuatu dan berhubungan dengan
hukum, berarti tidak lain dari pada perbuatan
melawan hukum.
4. Pengertian Kecelakaan
Kecelakaan lalu lintas adalah kejadian
dimana sebuah kendaraan bermotor tabrakan
dengan benda lain dan menyebabkan kerusakan.
Kadang kecelakaan ini dapat mengakibatkan
luka-luka atau kematian manusia atau binatang.
Kecelakaan lalu lintas menelan korban jiwa
sekitar 1,2 juta manusia setiap tahun menurut
WHO (Wikipedia, encyclopedia)
5. Faktor-Faktor Penyebab Kecelakaan
Faktor penyebab kecelakaan dapat
digolongkan dalam beberapa bagian, yaitu faktor
manusia, faktor kendaraan, faktor jalan dan faktor
lingkungan. Faktor-faktor tersebut merupakan
bagian dari kecelakaan lalu lintas sebagai
penyebab utama kematian dan kerugian materi
jika interaksi yang terjadi tidak berfungsi dengan
baik.
6. Perilaku Mengemudi
Menurut Lulie (2005) dalam Wesli (2015)
perilaku berkendara didefinisikan sebagai tingkah
laku pemilik atau pengguna kendaraan dalam
mengemudi dan merawat kendaraannya.
7. SEM (Structural Equation Modeling)
SEM (Structural Equation Modeling) adalah
suatu teknik statistik yang mampu menganalisis
pola hubungan antara konstruk laten dan
indikatornya, konstruk laten yang satu dengan
3
yang lainnya, serta kesalahan pengukuran secara
langsung. SEM memungkinkan dilakukannya
analisis di antara beberapa variabel dependen dan
independen secara langsung (Hair et al, 2006).
8. Model Awal Dan Hipotesa Penelitian
Gambar 1 Hipotesis Awal
H1 : Jenis Kelamin berpengaruh dalam perilaku
berkendara terhadap pelanggaran lalu
lintas.
H2 : Perilaku berkendara memiliki hubungan
yang signifikan dengan pelanggaran.
H3 : Pelanggaran memiliki hubungan yang
signifikan dengan kecelakaan
H4 : Perilaku berkendara memiliki hubungan
yang signifikan dengn kecelakaan lalu
lintas.
9. Skala likert
Skala likert adalah suatu skala psikometri
yang umum digunakan dalam angket dan
merupakan skala yang paling banyak digunakan
dalam riset berupa survei. Sewaktu menanggapi
pertanyaan dalam skala likert, responden
mementukan tingkat persetujuan mereka terhadap
suatu pertanyaan dengan memilih salah satu dari
pilihan yang tersedia. Biasanya disediakan lima
skala dengan format seperti ini:
1. Sangat Tidak Setuju
2. Tidak Setuju
3. Kurang Setuju
4. Setuju
5. Sangat Setuju
10. Uji validitas
Menurut Sugiyono (2010), hasil penelitian
yang valid bila kesamaan antara data yang
terkumpul dengan data yang sesunggunya terjadi
pada objek yang diteliiti. Instrumen dikatakan
valid apabila didapatkan nilai r hitung > r tabel
dan instrumen tersebut dapat digunakan untuk
pengumpulan data. Sebaiknya bila r hitung < r
tabel, maka instrumen tersebut dinyatakan tidak
valid dan tidak lagi digunakan dalam
pengumpulan data .
Rumus yang bisa digunakan untuk uji
validitas menggunakan teknik product of moment
adalah:
rxy=∑𝑥𝑦
√(∑𝑥²)(∑𝑦2) (2.1)
dimana:
r = koefisien korelasi
X= skor pertama, dalam hal ini X merupakan
skor-skor item yang akan diuji validitasnya
Y = skor kedua, dalam hal ini Y merupakan
jumlah skor yang diperoleh tiap responden.
∑XY = jumlah hasil perkalian skor pertama
dengan skor kedua.
∑X2 = jumlah hasil kuadrat skor pertama.
∑Y2 = jumlah hasil kuadrat skor kedua.
Dalam penelitian ini pengujian valliditas
dilakukan dengan bantuan program SPSS.
Kevaliditan masing-masing butir pernyataan
dapat dilihat dari nilai corrected item-total
correlation masing-masing butir pertanyaan.
11. Uji Reliabiitas
Reliabilitas adalah untuk mengetahui
sejauh mana hasil pengukuran tetap konsisten,
apabila dilakukan pengukuran dua kali lebih
terhadap gejala yang sama dengan menggunakan
alat ukur yang sama pula. Kriteria suatu
instrument penelitian dikatakan reliabel bila
koefisien reliabilitas (r11) > 0,6 atau lebih besar
dari r tabel (Sugiono, 2002). Tahapan
perhitungan uji reliabilitas dengan menggunakan
teknik cronbach alpha yaitu:
r11=[𝑘
√(𝑘−1)] [1 −
∑𝜎𝑏²
𝜎1²] (2.2)
4
dimana:
r11= reliabilitas instrument
k= banyaknya butir pertanyaan atau banyaknya
soal
∑𝜎𝑏²= jumlah varians butir
𝜎12= varians total
12. program AMOS
AMOS (Analisys Of Moment Structures),
merupakan salah satu program analisis Structural
Equation Modeling (SEM) berbasis kovarian
yang sangat terkenal. Salah satu kelebihan
program ini adalah user friendly. Proram ini
menyediakan kanvas pada menu amos graphic.
Tidak seperti program SEM lainnya kita harus
menuliskan program yang sanngat rumit sebelum
menganalisanya. Dengan AMOS kita tidak
menulis program tersebut namun software yang
akan membaca sendiri sesuai gambar yang kita
buat. Pada penelitian ini digunakan AMOS versi
22.0
C. METODE PENELITIAN
1. Lokasi Penelitian
Penelitian ini dilakukan di berbagai tempat di
Kota Mataramseperti di rumah-rumah penduduk,
di rumah sakit, pusat perbelanjaan, perkantoran,
di pinggir jalan, dan tempat umum lainnya.
2. Populasi Dan Sampel
a. Populasi
Populasi merupakan wilayah generalisasi
yang terdiri dari obyek/subyek yang memiliki
kuantitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan
kemudian ditarik kesimpulannya. Populasi
pada penelitian ini adalah jumlah penduduk
Kota Mataram yang berusia 15-59 tahun.
Jumlah populasi tersebut sebanyak 440.494
jiwa.
b. Sampel
Sampel adalah bagian dari populasi yang
menjadi objek penelitian. Sampel pada penelitian
ini adalah penduduk Kota Mataram yang
mempunyai SIM dan pernah mengalami
kecelakaan.
Jumlah sampel yang diambil pada
penelitian ini berjumlah 400 sampel. Jumlah
tersebut didapatkan berdasarkan rumus yang
dikemukakan oleh sugiyono,2007.
3. Metode Pengumpulan Data
Metode yang digunakan untuk mendapatkan
data adalah dengan kuesioner yang dibagikan
kepada sejumlah responden. Kuesioner adalah
teknik pengumpulan data yang dilakukan dengan
cara memberikan seperangkat daftar pertanyaan
atau pernyataan tertulis untuk memperoleh
keterangand ari sejumlah responden sehingga
responden tinggal memilih salah satu jawaban
yang sesuai.
Prosedur dalam mendapatkan datadengan
kuesioner adalah sebagai berikut:
1. Menanyai responden, apakah pengemudi
pernah mengalami kecelakaan pada saat
berada di jalan raya dan memilki Surat Ijin
Mengemudi (SIM).
2. Membagikan kuesioner kepada responden
yang memenuhi kualifikasi.
3. Menumpulkan kuesioner yang telah diisi oleh
responden.
4. Memasukkan, mengolah, menganalisis dan
menyimpulkan dari hasil analisis terhadap
data yang terkumpul melalui kuesioner.
Kuesioner pada penelitian ini
menggunakan skala likert 1-5 untuk mengukur
sikap responden terhadap setiap pernyataan.
Skala likert yang digunakan dalam penelitian ini
adalah sebagai berikut:
a. Tidak pernah (TP)
b. Pernah (P)
c. Kadang-kadang (KD)
d. Sering (S)
e. Sangat Sering (SS)
Peneliti akan memberikan pernyataan positif
dan negatif bertujuan agar responden benar-benar
membaca pernyataan-pernyataan dengan teliti
5
dan menjawab dengan benar. Skoring untuk
merespon jawaban pada skala likert pada
penelitian ini adalah sebagai berikut:
Tabel 1 Skor Skala Likert
Alternatif Jawaban
Skor
Negatif Positif
Tidak pernah 5 1
Pernah 4 2
Kadang-kadang 3 3
Sering 2 4
Sangat Sering 1 5
Sumber : Output Desain Peneitian
4. Variabel Penelitian Dan Indikator
Variabel penelitian adalah sesuatu hal yang
berbentuk apa saja yang ditetapkan oleh peneliti
untuk dipelajari sehingga diperoleh informasi-
informasi tentang hal tersebut, kemudian ditarik
kesimpulan (Sugiyono, 2000).
Ada tiga variabel yang digunakan dalam
penelitian ini antara lain:
a. Variabel eksogen adalah variabel independen
yang memengaruhi variabel dependen
(endogen). Variabel eksogen pada penelitian
ini adalah perilaku pengemudi.
b. Variabel endogen adalah variabel dependen
yang dipengaruhi oleh variabel independen
(eksogen). Variabel endogen pada penelitian
ini adalah kecelakaan lalu lintas.
c. Variabel intervining (penghubung) adalah
variabel antara yang menghubungkan
variabel independen dengan variabel
dependen. Variabel intervining (penghubung)
pada penelitian ini adalah pelanggaran lalu
lintas.
Untuk mengukur variabel penelitian yang
bersifat laten maka dibutuhkan variabel manifes
atau yang sering disebut dengan indikator.
Tabel 2 Variabel Penelitian Beserta Indikator
Variabel
Penelitian
Indikator
Simbol
Perilaku Pengemudi
Emosi X1
Kurang Konsentrasi X2
Pengetahuan X3
Kurang Keterampilan X4
Kelelahan X5
Kecepatan Tinggi X6
Pelanggaran Lalu Lintas
Melanggar Rambu dan Marka Jalan
X7
Kelengkapan surat-surat dan
atribut berkendara
X8
Kecelakaan Lalu Lintas
Peluang Terjadinya Kecelakaan
X9
Terjadinya Kecelaaan X10
Sumber : Desain Penelitian
5. Metode analisis data
Metode analisis data adalah suatu metode
yang digunakan untuk mengolah hasil penelitian
untuk memperoleh suatu kesimpulan. Metode
analisis data dilakukan menggunakan teknik SEM
dan dibantu dengan program aplikasi AMOS.
Adapun tahapan yang dilakukan untuk
melakukan analisis data pada penelitian ini
adalah sebagai berikut:
a) Uji Instrument Penelitian
1. Uji validitas instrument penelitian
menggunakan SPSS.
2. Uji reliabilitas instrument penelitian
menggunakan SPSS.
b) Analisis menggunakan program AMOS
1. Uji Normalitas Data
2. Uji Outlier
3. Menghitung DF & Chi-square
4. Uji Measurement Model
5. Uji Model fit
6. Modifikasi model jika perlu
7. Interprestasi model
Desain Survey
Mulai
Studi Literatur
Identifikasi Dan Perumusan
Masalah
Tujuan Penelitian
A
6
Tidak
Ya
Gambar2 Bagan Alir Penelitian
D. ANALISA DATA DAN PEMBAHASAN
1. Uji Instrument
a. Uji Validitas
Uji validitas dilakukan untuk mengetahui
sejauh mana suatu alat ukur mampu mengukur
apa yang ingin diukur (Siregar, 2012). Instrument
dikatakan valid apabila didpatkan r hitung > r
tabel dan instrument dapat digunakan untuk
pengumpulan data. Sebaliknya jika r hitung < r
tabel maka instrument tersebut dinyatakan tidak
valid dan tidak lagi digunakan dalam
pengumpulan data (Sugiyono, 2010). Nilai r tabel
untuk 100 data adalah 0,1946. Instrument
dikatakan valid apabila nilai r hitung > 0,1946.
Tabel 3 Hasil Uji Validitas
Pernyataan N R hitung R tabel keterangan
P1 100 0,573 0,1946 Valid
P2 100 0,403 0,1946 Valid
P3 100 0,600 0,1946 Valid
P4 100 0,516 0,1946 Valid
P5 100 0,454 0,1946 Valid
P6 100 0,609 0,1946 Valid
P7 100 0,540 0,1946 Valid
P8 100 0,175 0,1946 Tidak Valid
P9 100 0,322 0,1946 Valid
P10 100 0,401 0,1946 Valid
P11 100 0,336 0,1946 Valid
P12 100 0,556 0,1946 Valid
P13 100 0,578 0,1946 Valid
P14 100 0,407 0,1946 Valid
P15 100 0,652 0,1946 Valid
P16 100 0,540 0,1946 Valid
P17 100 0,670 0,1946 Valid
P18 100 0,466 0,1946 Valid
P19 100 0,553 0,1946 Valid
P20 100 0,456 0,1946 Valid
P21 100 0,472 0,1946 Valid
P22 100 0,279 0,1946 Valid
P23 100 0,270 0,1946 Valid
P24 100 0,484 0,1946 Valid
P25 100 0,444 0,1946 Valid
P26 100 0,251 0,1946 Valid
P27 100 0,255 0,1946 Valid
b. Uji Reliabilitas
Uji reliabilitas menggunakan cronbach’s
alpha. Dimana tingkat signifikan yang dipakai
sebesar 5% dengan dasar keputusan. Kriteria
suatu instrument penelitian dikatakan reliable
apabila nilai cronbach’s alpha > 0,6 dan
Data Kuesioner
Valid?
Penyusunan Kuesioner
Survey Pendahuluan
Jumlah Sampel
Uji Validitas Dan Uji Reliabilitas
1. Data Primer
• Data Hasil Penyebaran Kuesioner
2. Data Sekunder
• Data Jumlah Penduduk Kota Mataram
Pernyataan N R hitung R tabel keterangan
P1 100 0,573 0,1946 Valid
P2 100 0,403 0,1946 Valid
P3 100 0,600 0,1946 Valid
P4 100 0,516 0,1946 Valid
P5 100 0,454 0,1946 Valid
P6 100 0,609 0,1946 Valid
P7 100 0,540 0,1946 Valid
P8 100 0,175 0,1946 Tidak Valid
P9 100 0,322 0,1946 Valid
P10 100 0,401 0,1946 Valid
P11 100 0,336 0,1946 Valid
P12 100 0,556 0,1946 Valid
P13 100 0,578 0,1946 Valid
P14 100 0,407 0,1946 Valid
P15 100 0,652 0,1946 Valid
P16 100 0,540 0,1946 Valid
P17 100 0,670 0,1946 Valid
P18 100 0,466 0,1946 Valid
P19 100 0,553 0,1946 Valid
P20 100 0,456 0,1946 Valid
P21 100 0,472 0,1946 Valid
P22 100 0,279 0,1946 Valid
P23 100 0,270 0,1946 Valid
P24 100 0,484 0,1946 Valid
P25 100 0,444 0,1946 Valid
Pengumpulan Data
Analisis Data
Analisis hasil Kuisioner meliputi:
1. Uji validitas dengan SPSS
2. Uji Realiabilitas dengan SPSS
Analisis dengan AMOS meliputi:
1. Uji Normalitas Data
2. Uji Outlier
3. Menghitung DF & Chi-square
4. Uji Measurement Model
5. Uji Model fit
6. Modifikasi model jika perlu
7. Interprestasi model
Kesimpulan Dan Saran
Kesimpulan Dan Saran
Selesai
Penyebaran Kuesioner Sesuai
Jumlah Sampel
Pembahasan
• Hubungan antar variabel dan indikator
dengan variabel
Pembahasan
• Hubungan antar variabel dan
indikator dengan variabel
A
Penyebaran Kuesioner Awal
7
dikatakan sangat reliabel jika nilai cronbach’s
alpha > 0,80. Hasil uji reliabilitas dapat dilihat
pada gambar output dengan AMOS berikut :
Case Processing Summary
N %
Cases Valid 100 100.0
Excludeda 0 .0
Total 100 100.0
a. Listwise deletion based on all variables
in the procedure.
Gambar 3 Hasil Output Uji Reliabilitas
Dengan AMOS
Nilai cronbach’s alpha dari output di atas
adalah 0,856, maka dapat dikatakan bahwa
instrument penelitian yang diuji sangat reliable
dan dapat digunakan dalam penelitian.
2. Analisis Karakteristik Responden
Karakteristik berdasarkan jenis kelamin
didapatkan jumlah responden laki-laki
sebanyak 235 responden (58,75%) dan jumlah
responden dengan jenis kelamin perempuan
sebanyak 165 responden (41,25%).
Ditinjau dari jenis SIM yang dimiliki
didapatkan hasil bahwa jenis SIM C memiliki
jumlah terbesar yaitu 325 responden (81,25%)
sedangkan responden yang memiliki jenis SIM
C&A sebanyak 63 responden (15,75%) dan
responden dengan jenis SIM C&B sebanyak 12
responden (3%).
Dari segi pekerjaan, jumlah responden
sebagai pegawai swasta yaitu sebesar 236
responden (59,25%), sedangkan untuk jenis
3. Analisis SEM (Structural Equation
Modeling)
Gambar 4 Model Penelitian
a. Uji Normalitas Data Dan Outlier
Tabel 4 Hasil Uji Normalitas Data
Critical ratio (cr)
Jenis kelamin
Variabel Laki-laki Perempuan
X9 -2.684 -.355
X10 7.410 3.823
X8 -2.248 -.395
X7 -.321 1.203
X6 -2.442 .172
X1 .979 1.836
X2 -1.720 -1.550
X3 1.058 -.193
X4 -1.871 .188
X5 -1.843 -.591
Multivariate 4.372 4.385
Sumber: Output AMOS V 22.0
Dari hasil output AMOS diketahui bahwa
data tidak terdistibusi normal secara multivariate,
nilai c.r data keseluruhan adalah 4,372 untuk
jenis kelamin laki-laki dan 4,385 untuk jenis
kelamin perempuan. Nilai ini berada diluar
rentang data yang terdistribusi normal yaitu -2,58
s.d. +2,58.
Jika data tidak terdistribusi normal maka langkah
selanjutnya adalah melihat apakah ada data yang
outlier. Nilai mahalonobis distance digunakan
Reliability Statistics
Cronbach's
Alpha N of Items
.856 26
8
untuk mengetahui data manakah yang termasuk
outlier. terdapat 4 data outlier pada jenis kelamin
laki-laki dan 3 data outlier pada jenis kelamin
perempuan. Setelah penghapusan data-dataoutlier
maka dilakukan pengujian uji normalitas
kembali. Berikut hasil uji normalitas setelah
penghapusan data outlier.
Tabel 5 Hasil Uji Normalitas Setelah
Penghapusan
Critical ratio (cr)
Jenis kelamin
Variabel Laki-laki Perempuan
X9 -2.577 -.407
X10 4.788 4.312
X8 -2.207 -.728
X7 -1.152 .004
X6 -2.446 .101
X1 .310 1.771
X2 -1.643 -1.584
X3 .940 -.171
X4 -1.782 .758
X5 -1.768 -.798
Multivariate 1.764 2.389
Sumber:Output AMOS V 22.0
Tabel di atas menunjukkan bahwa nilai c.r
pda kedua kelompok jenis kelamin telah
memenuhi persyaratan yaitu di antara -2,58 s.d
+2,58.
b. Uji model fit
Model SEM dapat dikatakan fit apabila
memenuhi persyaratan sebagai berkut :
Tabel 6 Goodness Off-Fit Indices Goodness-of fit indices Cut off value
Degree of freedom Positif (+)
X2 (chi-Square) ≤ [=CHIINV(0.05,df)]
Signifikansi probability ≥ 0.05
CMIN/DF ≤ 2.00
GFI ≥ 0.90
RMSEA ≤ 0.05
AGFI ≥ 0.90
TLI ≥ 0.90
NFI ≥ 0.90
Sumber : Singgih Santoso, 2014
Hasil uji model fit secara keseluruhan
menunjukkan hasil yang tidak fit. Perlu dilakukan
modifikasi model untuk mendapatkan model
SEM yang sesuai persyaratan. Hasil uji model fit
dapat dilihat dalam tabel berikut :
Tabel 7 Hasil Uji Model Fit
Jenis
kelamin
Degree
of
freedom
X2 (chi-Square)
≤ [=CHIINV(0.05,df)]
Signifikansi
probability
≥ 0.05
Laki-laki 33 110,171 0,000
Perempuan 33 89,176 0,000
Evaluasi Model Tidak fit Tidak fit
Goodness-
of fit
indices
Cut off
value
Jenis kelamin
Evaluasi
Model
Laki-laki Perempuan Tidak fit
CMIN/DF ≤ 2.00 3,339 2,702 Tidak fit
GFI ≥ 0.90 0,889 0,900 Tidak fit
RMSEA ≤ 0.05 0,101 0,102 Tidak fit
AGFI ≥ 0.90 0,832 0,833 Tidak fit
TLI ≥ 0.90 0,813 0,777 Tdak fit
NFI ≥ 0.90 0,819 0,771 Tidak fit
Sumber: Hasil Analisa
c. Modifikasi model SEM
Pada model SEM yang tidak fit akan
muncul rekomendasi modifikasi model pada
output modification indices. Berikut adalah
rekomendasi model SEM.
Tabel 8 Rekomendasi Model SEM
Laki-Laki
M.I. Par Change
e8 <--> e9 4.532 -0.097
e7 <--> e9 5.574 -0.116
e7 <--> e8 12.766 0.105
e6 <--> e9 9.564 0.171
e6 <--> e8 8.672 -0.097
e1 <--> e9 4.608 0.089
e2 <--> e1 8.045 0.067
e3 <--> e12 4.356 -0.038
e3 <--> e9 16.885 -0.211
e3 <--> e8 8.389 0.089
e3 <--> e6 9.441 -0.114
e4 <--> e3 14.254 0.096
e5 <--> e7 4.401 -0.08
e5 <--> e6 12.757 0.153
9
Perempuan
I. Par Change
e8 <--> e11 4.317 0.064
e8 <--> e12 4.473 -0.021
e8 <--> e9 7.166 -0.12
e7 <--> e10 10.084 0.074
e7 <--> e8 9.867 0.112
e1 <--> e11 8.03 -0.09
e2 <--> e12 5.495 0.023
e2 <--> e9 6.183 0.11
e2 <--> e8 13.396 -0.109
e2 <--> e1 11.656 0.105
e3 <--> e8 6.827 0.081
e4 <--> e11 4.487 0.051
Sumber : Output AMOS V 22.0
Gambar 5 Model Setelah Modifikasi Untuk Jenis
Kelamin Laki-Laki
Gambar 6 Model Setelah Modifiksi Untuk
Pengemudi Perempuan
Tabel 9 Hasil Uji Model Fit Setelah Modifikasi
Jenis
Kelamin
Degree
Of
Freedom
X2 (Chi-Square)
≤
[=CHIINV(0.05,Df)]
Signifikansi
Probability
≥ 0.05
Laki-Laki 23 30,689 0,131
Perempuan 27 34,640 0,148
Evaluasi Model Fit Fit
Goodness-
Of Fit
Indices
Cut Off
Value
Jenis Kelamin
Evaluasi
Model
Laki-Laki Perempuan Fit
CMIN/DF ≤ 2.00 1,334 1,283 Fit
GFI ≥ 0.90 0,973 0,985 Fit
RMSEA ≤ 0.05 0,038 0,042 Fit
AGFI ≥ 0.90 0,936 0,914 Fit
TLI ≥ 0.90 0,973 0,964 Fit
NFI ≥ 0.90 0,950 0,914 Fit
Sumber : Output AMOS V 22.0
Data di atas menunjukkan bahwa model
sudah fit secara keseluruhan. Langkah
selanjutnya adalah mencari hubungan antar
konstruk.
d. Analisis Hubungan Antar Indikator
Tabel 10 Signifikansi Factor Loading
Laki-Laki Perempuan
C.R P C.R P
PELANGGARAN <-- PERILAKU 6.603 *** 6.265 ***
KECELAKAAN <-- PELANGGARAN 6.91 *** 2.953 0.003
X5 <-- PERILAKU
X4 <-- PERILAKU 5.948 *** 5.835 ***
X3 <-- PERILAKU 2.922 0.003 2.656 0.008
X2 <-- PERILAKU 6 *** 5.838 ***
X1 <-- PERILAKU 5.68 *** 5.058 ***
X6 <-- PELANGGARAN
X7 <-- PELANGGARAN 8.67 *** 6.785 ***
X8 <--- PELANGGARAN 6.18 *** 5.478 ***
X10 <--- KECELAKAN
X9 <--- KECELAKAN 3.999 *** 2.992 0.003
Sumber : Output AMOS V 22.0
Signifikan tidaknya suatu hubungan antar
konstruk dapat dilihat dari nilai kritis (C.R) yang
diperoleh dari hasil estimasi. Jika nilai C.R. lebih
besar dari pada nilai kritisnya dengan tingkat
signifikansi p < 0,05, yaitu 1,65 maka hipotesis
yang diajukan diterima. Tetapi, jika nilai C.R.
belum dapat mencapai nilai kritisnya pada tingkat
signifikansi p > 0.05, maka hipotesis yang
10
diajukan tidak diterima. Pada output di atas dapat
dikatakan bahwa ada hubungan yang signifikan
antara PERILAKU dengan PELANGGARAN
baik pada pengemudi dengan jenis kelamin laki-
laki maupun perempuan. Hubungan yang
signifikan juga terdapat pada hubungan anatara
PELANGARAN dengan KECELAKAAN baik
pada pengemudi laki-laki maupun perempuan.
Tabel 11 Output Standardized Regression
Weight
Estimate
Laki-Laki Perempuan PELANGGARAN <--- PERILAKU .882 .996
KECELAKAN <--- PELANGGARAN .778 .672
X5 <--- PERILAKU .479 .534
X4 <--- PERILAKU .659 .641
X3 <--- PERILAKU .243 .238
X2 <--- PERILAKU .674 .649
X1 <--- PERILAKU .594 .459
X6 <--- PELANGGARAN .746 .799
X7 <--- PELANGGARAN .697 .645
X8 <--- PELANGGARAN .532 .477
X10 <--- KECELAKAN .674 .333
X9 <--- KECELAKAN .440 .595
Sumber : Output AMOS V 22.0
Tabel di atas menunjukkan hubungan
antar konstruk. Angka 0,882 pada jenis
kelaminlaki-laki dan 0,996 pada jenis kelamin
perempuan menunjukkan bahwa hubungan
PERILAKU dengan PELANGGARAN cukup
erat yaitu di atas 0,5. Begitupula dengan angka
0,778 dan 0,672 menunjukkan bahwa hubungan
antara PELANGGARAN dengan
KECELAKAAN cukup erat. Angka pada kolom
estimate menunjukkan nilai factor loadings yaitu
besarnya korelasi dari setiap indikator terhadap
konstruk yang terkait.
Tabel 12 Nilai Factor Loadings Estimate
Laki-Laki Perempuan
PELANGGARAN 0.778 0.992
KECELAKAN 0.606 0.451
X9 0.194 0.355
X10 0.455 0.111 X8 0.283 0.227
X7 0.485 0.416 X6 0.556 0.639
X1 0.352 0.211
X2 0.454 0.421 X3 0.059 0.057
X4 0.434 0.411
X5 0.23 0.286
Sumber : Output AMOS V 22.0
Tabel 4.19 hasil output AMOS
menunjukkan hasil dari kuadrat dari angka
korelasi (R²) pada tabel Standardized Regression
Weights atau bisa disebut dengan koefisien
determinasi. Tabel ini menunjukkan seberapa
besar pengaruh antara variabel satu dengan yang
lainnya dan besar pengaruh masing- masing
indikator terhadap variabelnya. Angka factor
loadings antara variabel PELANGGARAN
dengan PERILAKU pada pengemudi laki-laki
adalah 0.882, maka angka tersebut dikuadratkan
akan didapat hasil: 0.882 x 0.882 = 0.778
Angka 0.778 dapat diartikan bahwa
variabel PERILAKU pada pengemudi laki-laki
berpengaruh sebesar 77,8% terhadap variabel
PELANGGARAN, sedangkan sisanya (100% -
77,8% = 22,2%) dipengaruhi oleh faktor lain,
yang ditunjukkan oleh error (e11) dimana
variabel tersebut adalah diluar penelitian ini.
Demikian pula angka 0.606 dapat diartikan
variabel PELANGGARAN berpengaruh sebesar
60,6% terhadap variabel KECELAKAAN
sedangkan sisanya ditunjukkan oleh error (e12).
Penjelasan yang sama berlaku untuk pengemudi
dengan jenis kelamin perempuan. Lebih jelasnya
dapat dilihat dalam tabel berikut :
Tabel 13 Squared Multiple Correlations
Hubungan Antar Variabel
Persentase
Pengaruh
Laki-Laki Perempuan
PELANGGARAN PERILAKU 77,8% 99,2%
KECELAKAAN
PELANGGARAN
60,6% 45,1%
X9 KECELAKAAN 19,4% 33,5%
X10 KECELAKAAN 45,5% 11,1%
X8 PELANGGARAN 28,3% 22,7%
X7 PELANGGARAN 48,5% 41,6%
X6 PELANGGARAN 55,6% 63,9%
X1 PERILAKU 35,2% 21,1%
X2 PERILAKU 45,4% 42,1%
X3 PERILAKU 5,9% 5,7%
X4 PERILAKU 43,4% 41,1%
X5 PERILAKU 23% 28,6%
Sumber : Output AMOS V 22.0
11
E. KESIMPULAN DAN SARAN
1. Kesimpulan
Setelah dilakukan analisa data dan
pembahasan maka didapatkan
kesimpulan sebagai berikut:
1. Perbedaan jenis kelamin
berpengaruh dalam perilaku
berkendara bagi pengemudi
terhadap pelanggaran lalu lintas.
Perilaku berkendara berpengaruh
sebesar 77,8% terhadap
pelanggaran untuk pengemudi
laki-laki dan sebesar 92,9% untuk
pengemudi perempuan. Perilaku
berkendara memiliki hubungan
yang erat dengan pelanggara lalu
lintas dengan nilai factor loading
sebesar 0, 882 untuk pengemudi
laki-laki dan 0,996 untuk
pengemudi perempuan.
2. Pelanggaran lalu lintas
mempunyai hubungan positif
yang signifikan dengan
kecelakaan lalu lintas. Semakin
tinggi pelanggran yang terjadi
maka semakin tinggi pula
kecelakaan yang terjadi.
Pengemudi laki-laki lebih
cenderung melanggar lalu lintas
dengan pengaruh sebesar 60,6%
terhadap kecelakaan lalu lintas
sedangkan untuk pengemudi
perempuan sebesar 45,1%.
2. Saran
1. Untuk instansi terkait dalam hal ini
Kepolisian Daerah Nusa Tenggara
Barat Resort Mataram untuk
mengadakan penyuluhan terhadap
pengemudi dengan jenis kelamin
perempuan pentingmya menjaga
perilaku mengemudi untuk
memperkecil pelanggaran yang
terjadi.
2. Untuk penelitian selanjutnya agar
bisa membandingkan analisis SEM
menggunakan program aplikasi
yang lain misalnya LISREL atau
SMART PLS.
DAFTAR PUSTAKA
Ambarwati, L. dkk. 2010. Karakteristikdan
Peluang Kecelakaan Pada Mobil
Pribadi Di Wilayah Perkotaan.
Malang: Universitas Brawijaya.
JURNAL REKAYASA SIPIL/
volume 4 No.2-2010 ISSN 1978-
5658.
Anonim, 2009, Undang-undang Republik
Indonesia Nomor 22 Tahun 2009
tentangLalu Lintas dan Angkutan
Jalan, Jakarta.
Badan Pusat Statistik Kota Mataram. 2017. Kota
Mataram Dalam Angka 2017.
Mataram: CV. Maharani.
Hamid, F. 2008. Analisis Tingkat Pengetahuan
Pekerja Mengenai Cara
Mengemudi Yang Aman (Savety
Driving) Pada PT. X Tahun 2008.
Depok: Universitas Indonesia.
Handayani, D. dkk. 2017. Pengaruh Pelanggaran
Lalu Lintas terhadap potensi
kecelakaan pada remaja
pengendara sepeda motor.
Surakarta: Universitas Sebelas
maret.
Holman, M. (2017). Pengaruh Perilaku Pelajar
Pengendara Sepeda Motor
Terhadap Pelanggaran Lalu Lintas
Dengan Structural Equation
Modeling (Sem). (Skripsi).
Mataram: Universitas Mataram.
http://www. (Wikipedia,encyclopedia)./Definisi
pengemudi
12
Kartika, M. 2009. Analisis Faktor Penyebab
Kecelakaan Lalu Lintas Pada
Pengendara Sepeda Motor Di
Wilayah Depok. Depok :
Universitas Indonesia
Kepolisian Negara Republik Indonesia Daerah
NTB Resor Mataram, 2017, Data
Jumlah Kecelakaan Lalu Lintas,
Unit Kecelakaan Lalu Lintas,
Mataram.
Munawar, A. 2004. Dasar-Dasar Teknik
Transportasi. Yogyakarta: Beta
Offset.
Noviyanti, D. dan Munawar, A. 2015. Perilaku
Berkendara Pengemudi Trans
Jogja Dengan Menggunakan
Tachometer. Yogyakarta:
Universitas Gajah Mada. Jurnal
Transportasi vol.15 No. 1 April
2015 : 41-50
Ramdhani, A. 2009. Analisis Adopsi Teknologi
Komputer Dengan Pendektan
Structural Equation Modeling:
Studi Empiris Pada Asisten Dosen
Universitas Indonesia. Depok:
Universitas Indonesia
Santoso, S., 2014, Konsep Dasar dan Aplikasi
SEM dengan AMOS 22, PT Elex
Media Komputindo, Jakarta.
Suraji, dkk. 2010. “Indikator Faktor Manuasia
Terhadap Kecelakaan Sepeda
Motor”. Jurnal Transportasi Vol.
10 No.2 Agustus 2010 : 125-134.
Utari, G.C.2010. Hubungan Pengetahuan, Sikap,
Persepsi Dan Keterampilan
Mengendara Mahsiswa Terhadap
Perilaku Keselamatan Berkendara
(SAFETY RIDING) Di Universitas
Gunadarma Bekasi Tahun 2009.
Jakarta: Universitas Islam Negeri
Syarif Hidayatullah Jakarta.