Variabel Dependen Variabel Independen Variabel Antara Aspek Pengukuran Tabel 3.6 Skala Pengukuran Variabel Prinsip-prinsip Dasar

5. Kunjungan balita ke posyandu adalah kehadiran ibu datang ke posyandu untuk mengikuti kegiatan posyandu dalam 6 bulan terakhir. Kuesioner menggunakan skala semantic difference dengan skor 1-7 3.6 Aspek Pengukuran

3.6.1 Variabel Dependen

Variabel dependen dalam penelitian ini adalah : kunjungan ibu balita ke posyandu

3.6.2 Variabel Independen

Variabel independen dari penelitian ini adalah sikap, norma subjektif, perceived behavioral control.

3.6.2 Variabel Antara

Variabel Antara dari penelitian ini adalah Intensi.

3.6.3 Aspek Pengukuran Tabel 3.6 Skala Pengukuran Variabel

No Variabel Defenisi Operasional Skala Pengukuran 1. Sikap Kecenderungan responden untuk bereaksi afektif terhadap kunjungan ke posyandu Interval 2. Norma subjektif Motivasi responden untuk mematuhi pandangan orang lain yang berpengaruh dalam hidupnya untuk melakukan kunjungan ke posyandu Norma subjektif Interval 3. Perceived Behavioral Control Keyakinan responden terhadap kemampuannya untuk melakukan kunjungan ke posyandu Interval

4. Intensi

Kecenderungan responden untuk melakukan kunjungan ke posyandu Interval Universitas Sumatera Utara Tabel 3.6 Lanjutan No Variabel Defenisi Operasional Skala Pengukuran 5. Kunjungan balita ke posyandu Kehadiran ibu datang ke posyandu untuk mengikuti kegiatan posyandu dalam 6 bulan terakhir Interval 3.7 Metode Analisis Data Data yang telah dikumpulkan selanjutnya diolah dengan menggunakan program komputer. Pengolahan dan analisa data dilakukan dengan menggunakan pendekatan analisis jalur path analysis. Menurut Reterford 1993 dalam Sunyoto 2011 menyatakan analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya memengaruhi variabel tergantung tidak hanya secara langsung tetapi juga secara tidak langsung.

3.7.1 Prinsip-prinsip Dasar

1. Adanya linearitas. Hubungan antar variabel bersifat linear. 2. Adanya aditivitas. Tidak ada efek-efek interaksi. 3. Data bersifat interval. Semua variabel yang diobservasi mempunyai data berskala interval. 4. Semua variabel residual yang tidak diukur tidak berkorelasi dengan salah satu variabel-variabel dalam model. 5. Sebaiknya hanya terdapat multikolinearitas yang rendah. Multikolinearitas maksudnya dua atau lebih variabel bebas mempunyai hubungan yang sangat tinggi. Jika terjadi hubungan yang tinggi maka kita akan mendapatkan standar Universitas Sumatera Utara error yang besar dari koefisien beta yang digunakan untuk menghilangkan varians biasa dalam melakukan analisis korelasi secara parsial. 6. Adanya recurcivitas. Semua anak panah mempunyai satu arah, tidak boleh terjadi pemutaran kembali. 7. Spesifikasi model benar diperlukan untuk menginterpretasi koefisien- koefisien jalur. Kesalahan spesifikasi terjadi ketika variabel penyebab yang signifikan dikeluarkan dari model. Semua koefisien jalur akan merefleksikan kovarians bersama dengan semua variabel yang tridak diukur dan tidak akan dapat diinterpresati secara tepat dalam kaitannya dengan akibat langsung dan tidak langsung. 8. Terdapat masukan korelasi kita yang sesuai. Artinya jika menggunakan matriks korelasi sebagai masukan, maka korelasi Pearson digunakan untuk dua variabel berskala interval. 9. Terdapat ukuran sampel yang memadai menggunakan sampel minimal 100 untuk memperoleh hasil analisis yang signifikan dan lebih akurat. 10. Sampel sama dibutuhkan untuk penghitungan regresi dalam model jalur. 11. Asumsi analisis jalur mengikuti asumsi umum regresi linear yaitu : a. Model regresi harus layak. Kelayakan ini diketahui jika angka signifikan pada anova sebesar 0.05 b. Prediktor yang digunakan untuk sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka standar error of estimate standard deviation. Universitas Sumatera Utara c. Koefisien regresi harus signifikan. Pengujian dilakukan dengan uji T. Koefisien regresi signifikan jika T hitung T tabel d. Tidak boleh terjadi multikolinearitas, artinya tidak boleh terjadi korelasi yang terlalu tinggi atau sangat rendah antar variabel bebas. e. Tidak terjadi otokorelasi jika angka Dubin dan Watson 1 dan 3

3.7.2 Pemodelan Jalur