artikel ilmiah analisis pengaruh perbedaan jenis kelamin ...eprints.unram.ac.id/6506/1/artikel...

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


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


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



X10 <--- KECELAKAN .674 .333

X9 <--- KECELAKAN .440 .595


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


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%



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%


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.

artikel ilmiah analisis pengaruh perbedaan jenis kelamin ...eprints.unram.ac.id/6506/1/artikel...

Documents