Imbalan Ancaman Perlindungan Keluarga Kebudayaan Agama Kebiasaan Pimpinan Alur Penelitian Jenis Penelitian

m. Sikap

Berdasarkan hasil wawancara, bahwa sikap adalah perasaan seseorang tentang obyek, aktivitas, peristiwa dan orang lain. Perasaan ini menjadi konsep yang merepresentasikan suka atau tidak sukanya positif, negatif, atau netral seseorang pada sesuatu.

n. Postur Tubuh

Berdasarkan hasil wawancara, bahwa Postur tubuh adalah bentuk lekukan tubuh mulai dari atas kepala sampai ujung kaki. Postur tubuh merupakan salah satu faktornya, sebab postur tubuh yang ideal akan lebih mudah terjadinya pelecehan seksual terhadap pekerja anak wanita. Contohnya postur tubuh yang seksi.

o. Imbalan

Berdasarkan hasil wawancara, imbalan merupakan upah yang wajib terima atau berhak memperoleh bayaran karena telah melakukan pekerjaan yang sesuai. Adapun imbalan yang diperoleh pekerja anak tersebut tidak sesuai. Adapun cara untuk memperoleh imbalan tinggi dengan melakukan permintaan, baik permintaan dengan cara paksaan atau kemauan sendiri.

p. Ancaman

Berdasarkan hasil wawancara, bahwa ancaman merupakan suatu faktor terjadinya pelecehan seksual. Apabila si pekerja anak tidak melakukan permintaan, akan diancam dengan dikeluarkan dari pekerjaan.

q. Perlindungan Keluarga

Berdasarkan hasil wawancara, bahwa perlindungan keluarga sangat dibutuhkan, dimana si pekerja anak tidak merasa takut atau bimbangan, apabila si pekrja melakukan hal yang tidak wajar.

r. Kebudayaan

Berdasarkan hasil wawancara, bahwa kebudayaan merupakn awal bentuk yang berkaitan dengan budi dan akal penelitian.

s. Agama

Agama adalah pedoman hidup atau penuntun hidup. Berdasarkan hasil wawancara, pekerja anak wanita yang banyak terkena pada agama muslim.

t. Kebiasaan Pimpinan

Berdasarkan hasil wawancara, bahwa kebiasaan pimpinan merupakan salah satu faktor terjadiya pelecehan seksual. Dimana kebiasaan pimpinan harus dilakukan, apabila tidak si pekerja anak wanita tersebut akan mendapat saksi. Salah satu kebiasaan pimpinan adalah egois atau mau menang sendiri 2.2. Pekerja Anak 2.2.1. Defenisi Pekerja Anak Secara umum pekerja anak atau buruh anak adalah anak-anak yang melakukan pekerjaan secara rutin untuk orang tuanya, untuk orang lain atau untuk dirinya sendiri yang membutuhkan sejumlah besar waktu, dengan menerima imbalan atau tidak. Sementara itu, batasan usia anak ternyata cukup variatif. UU Nomor 251997 tentang Ketenagakerjaan ayat 20 menyebutkan bahwa yang dimaksud anak adalah orang laki-laki atau perempuan yang berumur kurang dari 15 tahun. BPS dalam penyajian data statistik membatasi pekerja anak sebagai penduduk yang berumur 10-14 tahun. Menurut ILO memberi batasan pekerja anak lebih luas, yaitu pekerja yang berumur di bawah 18 tahun. Dengan definisi anak sebagai penduduk usia 10-14 tahun, pada tahun 2003 Indonesia memiliki 566,5 ribu pekerja anak atau 2,8 persen terhadap total anak pada usia tersebut. Angka ini lebih rendah dibanding tahun 2001, yaitu sebanyak 948,7 jiwa 4,6 persen. Jika dipisahkan antara daerah perdesaan dan perkotaan, terlihat bahwa proporsi pekerjaan anak lebih tinggi di perdesaan. Namun di keduanya, terjadi penurunan proporsi pekerja anak secara konsisten. Penurunan jumlah pekerja anak juga terjadi di Kutai Kartanegara. Pada tahun 2000 jumlah pekerja anak adalah sebesar 11.632 anak. Angka ini turun menjadi 3.012 anak pada tahun 2005. Namun perlu dicatat bahwa angka pekerja anak yang terdata dalam survai BPS tidak mencerminkan seluruh pekerja anak. Seperti yang dikatakan demograf Terence H. Hull Ellisman, 2002.

2.2.2. Bentuk-bentuk Pekerja Anak Wanita

Bentul-bentuk pekerja anak wanita yang di Kecamatan Kota Kisaran Timur Kabupaten Asahan yang diteliti adalah pekerja wanita yang berkerja sebagai pembantu rumah tangga, bekerja di arena kereta api dan terminal, karyawan pabrik roti, karyawan toko serta berkerja yang bergabung dengan kaum laki-laki pemulung dan anak jalanan. 2.3. Analisis Faktor 2.3.1. Pengertian Analisis faktor merupakan nama umum yang menunjukan suatu prosedur, utamanya dipergunakan untuk mereduksi data atau meringkas dari variabel yang banyak diubah menjadi sedikit variabel, misalnya dari 15 variabel yang lama diubah menjadi 4 atau 5 variabel baru yang disebut faktor dan masih memuat sebagian besar informasi yang terkandung dalam variabel asli original variabel Supranto, 2004. Selain itu analisis faktor dapat juga berfungsi sebagai alat uji validasi internal dari alat ukur yang dipergunakan Ridwan, 2002. Analisis faktor merupakan salah satu teknik analisis statistik multivariat, dengan titik berat yang diminati adalah hubungan secara seksama bersama pada semua variabel tanpa membedakan variabel tergantung dan variabel bebas atau disebut sebagai metode antar ketergantungan interdependence methods. Proses analisis faktor mencoba menemukan hubungan antar variabel yang saling independent tersebut, sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit jumlah variabel awal sehingga memudahkan analisis statistik selanjutnya Wibowo,2006. Tujuan yang penting dari analisis faktor adalah menyederhanakan hubungan yang beragam dan kompleks pada beberapa variabel yang diamati dengan menyatukan faktor atau dimensi yang saling berhubungan pada suatu struktur data yang baru yang mempunyai beberapa faktor yang lebih kecil Wibisono,2003. Analisis faktor dipergunakan di dalam situasi sebagai berikut Supranto, 2004 : 1. Mengenali atau mengidentifikasi dimensi yang mendasari Underling dimensions atau faktor, yang menjelaskan korelasi antara suatu set variabel. 2. Mengenali atau mengidentifikasi suatu set variabel baru yang tidak berkorelasi independent yang lebih sedikit jumlahnya untuk menggantikan suatu set variabel asli yang saling berkorelasi di dalam analsis multivariat selanjutnya. 3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis multivariat selanjutnya.

2.3.2. Model Analisis Faktor Dan Statistik Yang Relevan

Secara matematis, analisis faktor agak mirip dengan regresi linier berganda yaitu bahwa setiap variabel dinyatakan sebagai suatu kombinasi linier dari faktor yang mendasari. Dimana analisis regresi linier berganda dapat mengetahui besarnya pengaruh dari setiap variabel bebas terhadap variabel tak bebas serta meramalkan nilai variabel yang tak bebas tersebut Supranto, 2004. Jumlah varian yang disumbangkan oleh suatu variabel dengan variabel lainnya yang tercakup dalam analisis disebut communality. Hubungan antara variabel yang diuraikan dinyatakan dalam suatu common factors yang sedikit jumlahnya ditambah dengan faktor yang unik untuk setiap variabel. Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan juga tidak berkorelasi dengan common factor. Common factor sendiri bisa dinyatakan sebagai kombinasi linier dari variabel- variabel yang terlihatterobservasi the observed variables hasil penelitian lapangan. Common faktor adalah hubungan yang tidak berkorelasi dengan faktor unik. Faktor unik biasanya juga dianggap saling tidak berkorelasi, akan tetapi mungkin atau tidak mungkin berkorelasi saru sama lain. Masing-masing faktor dapat diekspresikan dengan persamaan sebagai berikut: F 1 = W i1 X 1 +W i2 X 2 +W i3 X 3 +.....+W ik X k Dimana : F 1 adalah faktor W i adalah bobot variabel terhadap faktor K adalah jumlah variabel X adalah variabel Semakin besar bobot Wi suatu variabel terhadap faktor, maka pengaruh variabel terhadap faktor tersebut semakin erat, yang berarti perubahan variabel memberikan kontribusi yang semakin besar pada nilai faktor. Hal ini berlaku untuk keadaan sebaliknya Supranto, 2004. Statistik kunci yang relevan dengan analisis faktor adalah : Bartllet’s tes of sphericty yaitu suatu uji statistik yang digunakan untuk menguji hipotesis bahwa variabel tidak saling berkorelasi uncorrelated dalam populasi.

2.3.3. Model Matematik Dalam Analisis Faktor

Di dalam model analisis faktor, komponen hipotesis diturunkan dari hubungan antara variabel teramati. Model analisis faktor mensyaratkan bahwa hubungan antar variabel teramati harus linier dan nilai koefisien korelasi tak boleh nol, artinya benar- benar harus ada hubungan. Komponen hipotesis yang diturunkan harus memiliki sifat sebagai berikut: 1. Komponen hipotesis tersebut diberi nama faktor. 2. Variabel komponen hipotesis yang disebut faktor bisa dikelompokkan menjadi dua yaitu: common factor and unique factor. Dua komponen ini bisa dibedakan kalau dinyatakan dalam timbangan di dalam persamaan linier, yang menurunkan variabel terobservasi dari variabel komponen hipotesis. Common factor mempunyai lebih dari satu variabel dengan timbangan yang bukan nol nilainya. Suatu faktor unik hanya mempunyai satu variabel dengan timbangan yang tidak nol terikat dengan faktor. Jadi hanya satu variabel yang tergantung pada satu faktor unik. 3. Common factor selalu dianggap tidak berkorelasi dengan faktor unik. Faktor unik biasanya juga dianggap saling tidak berkorelasi, akan tetapi common factor mungkin atau tidak mungkin berkorelasi satu sama lainnya. 4. Umumnya dianggap bahwa jumlah common factor lebih sedikit dari jumlah variabel asli. Akan tetapi banyaknya faktor unik biasanya dianggap sama dengan banyaknya variabel asli.

2.3.4. Langkah-Langkah Analisis Faktor

1. Merumuskan Masalah

Merumuskan masalah meliputi beberapa hal : 1. Tujuan analisis faktor harus diidentifikasi. 2. Variabel yang akan dipergunakan didalam analisis faktor dispesifikasi berdasarkan penelitian sebelumnya, teori dan pertimbangan dari peneliti. 3. Pengukuran variabel berdasarkan skala interval dan rasio. 4. Banyaknya elemen sampel n harus cukupmemadai, sebagai petunjuk N=85 dan d=90. n= 2 1 d N N + n = jumlah sampel = 2 1 , 8 5 1 8 5 + N = jumlah populasi = 45 d = tingkat kepercayaan

2. Bentuk Matriks Korelasi.

Proses analisis didasarkan pada suatu matriks korelasi agar variabel pendalaman yang berguna bisa diperoleh dari penelitian matriks ini. Agar analisis faktor bisa tepat dipergunakan, variabel-variabel yang akan dianalisis harus berkorelasi. Apabila koefisien korelasi antar variabel terlalu kecil, hubungannya lemah, analisis faktor menjadi tidak tepat. Prinsip utama Analisis faktor adalah korelasi, maka asumsi-asumsi akan terkait dengan metode statistik korelasi yaitu: 1. Besar korelasi atau korelasi independen variabel yang cukup kuat, misalnya diatas 0,5 atau bila dilihat tingkat signifikansinya adalah kurang dari 0,5. 2. Besar korelasi parsial, korelasi antar dua variabel dengan menganggap variabel lain adalah tetap konstan harus kecil. Pada SPSS deteksi korelasi parsial diberikan pada Anti Image Correlation. Statistik formal tersedia untuk menguji ketepatan model faktor yaitu Barlett’s Test of Sphericity bisa digunakan untuk menguji hipotesis bahwa variabel tak berkorelasi di dalam populasi. Nilai yang besar untuk uji statistik, berati hipotesis nol harus ditolak berarti ada korelasi yang signifikan diantara beberapa variabel. Kalau hipotesis nol diterima, ketepatan analisis faktor harus dipertanyakan. Statistik lainnya yang berguna adalah KMO Kaiser-Meyer-Olkin mengukur kecukupan sampling sampling adequancy. Indeks ini membandingkan besarnya koefisien korelasi terobservasi dengan besarnya koefisien korelasi parsial. Nilai KMO yang kecil menunjukkan korelasi antar pasangan variabel tidak bisa diterangkan oleh variabel lain dan analisis faktor mungkin tidak tepat. a. Harga KMO sebesar 0,9 adalah sangat memuaskan b. Harga KMO sebesar 0,8 adalah memuaskan c. Harga KMO sebesar 0,7 adalah harga menengah d. Harga KMO sebesar 0,6 adalah cukup e. Harga KMO sebesar 0,5 adalah kurang memuaskan f. Harga KMO sebesar 0,4 adalah tidak dapat diterima. Measure of Sampling Adequacy MSA ukuran dihitung untuk seluruh matriks korelasi dan setiap variabel yang layak untuk diaplikasikan pada analisis faktor. Nilai MSA yang rendah merupakan pertimbangan untuk membuang variabel tersebut pada tahap analisis selanjutnya. Wibisono, 2003. Angka MSA berkisar 0-1 menunjukan apakah sampel bisa dianalisis lebih lanjut Wibowo A, 2006. a. MSA = 1, variabel tersebut dapat diprediksi tanpa kesalahan oleh variabel lain. b. MSA 0,5 variabel masih dapat diprediksi dan dapat dianalisis lebih lanjut. c. MSA 0,5 variabel tidak dapat diprekdiksi dan tidak dapat dianalisis lebih lanjut.

3. Menentukan Metode Analisis Faktor

Setelah ditetapkan bahwa analisis faktor merupakan teknik yang tepat untuk menganalisis data yang sudah dikumpulkan, kemudian ditentukan atau dipilih metode yang tepat untuk analisis faktor. Ada dua cara atau metode yang bisa dipergunakan dalam analisis faktor, khususnya untuk menghitung koefisien skor faktor, yaitu analisis komponen utama Principal Component Analysis dan analisis faktor umum Common Factor Analysis Di dalam principal component analysis, jumlah varian dalam data dipertimbangkan. Principal Component Analysis direkomendasikan kalau hal yang pokok ialah menentukan bahwa banyaknya faktor harus minimun dengan memperhitungkan varian maksimum dalam data untuk dipergunakan di dalam analisis multivariat lebih lanjut. Faktor-faktor tersebut dinamakan principal components. Di dalam common factor analysis, faktor diestimasi didasarkan pada common variance, communalities dimasukkan di dalam matriks korelasi. Metode ini dianggap tidak tepat kalau tujuan utamanya ialah mengenalimengidentifikasi dimensi yang mendasari dan common variance yang menarik perhatian. Metode ini juga dikenal sebagai principal axis factoring Supranto, 2004. Communalities ialah jumlah varian yang sumbangkan oleh suatu variabel dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut proporsi atau bagian varian yang dijelaskan common factor, atau besarnya sumbangan suatu faktor terhadap varian seluruh variabel. Semakin besar communalities sebuah variabel, berarti semakin kuat hubungannya dengan faktor yang dibentuknya. Eigenvalue merupakan jumlah varian yang dijelaskan oleh setiap faktor. Eigenvalue akan menunjukkan kepentingan relatif masing-masing faktor dalam menghitung varian yang dianalisis. Wibowo, 2006. 4. Rotasi Faktor-Faktor Suatu hasil atau output yang penting dari analisis faktor ialah apa yang disebut matriks faktor pola factor pattern matrix. Matriks faktor berisi koefisien yang dipergunakan untuk mengekspresikan variabel yang dibakukan dinyatakan dalam faktor. Koefisien-koefisien ini yang disebut muatan faktor, mewakili korelasi antar- faktor dan variabel. Suatu koefisien dengan nilai absolutmutlak yang besar menunjukkan bahwa faktor dan variabel berkorelasi sangat kuat. Koefisien dari matriks faktor bisa dipergunakan untuk menginterpretasikan faktor. Meskipun matriks faktor awal yang belum dirotasi menunjukkan hubungan antar faktor masing-masing variabel, jarang menghasilkan faktor yang bisa diinterpretasikan diambil kesimpulannya, oleh karena faktor-faktor tersebut berkorelasi atau terkait dengan banyak variabel lebih dari satu. Di dalam melakukan rotasi faktor, kita menginginkan agar setiap faktor mempunyai muatan atau koefisien yang tidak nol atau yang signifikan untuk beberapa variabel saja. Dimana gunanya rotasi adalah untuk mengontrolmemeriksa variabel yang belum layak dimasukkan menjadi layak dimasukkan dalam buat penamaan. Demikian halnya kita juga menginginkan agar setiap variabel mempunyai muatan yang tidak nol atau signifikan dengan beberapa faktor saja, kalau mungkin dengan satu faktor saja. Kalau terjadi bahwa beberapa faktor mempunyai muatan tinggi dengan variabel yang sama, sangat sulit untuk membuat interpretasi tentang terhadap seluruh varian dari seluruh variabel asli mengalami perubahan. Ada dua metode rotasi yang berbeda yaitu : 1. Orthogonal ratation, kalau sumbu dipertahankan tegak lurus sesamanya bersudut 90 . Metode rotasi yang banyak dipergunakan yaitu varimax, prosedur. Karena varimax adalah solusi awal yang terbaik dimana gamma=1 yang menunjukkan tingkat kepercayaan yang tinggi. Prosedur ini merupakan metode orthogonal yang berusaha meminimumkan membuat sedikit mungkin banyaknya variabel dengan muatan tinggi high loading pada satu faktor, dengan demikian memudahkan pembuatan interpretasi mengenai faktor. Rotasi orthogonal menghasilkan faktor-faktor yang tidak berkorelasi satu sama lain uncorreclated each other antara lain none, equimax, varimax, quartimax, orthomax. - None adalah pilih tidak untuk memutar solusi awal. - Equimax adalah pilih untuk melakukan rotasi equimax solusi awal gamma=jumlah faktor 2. - Variamx adalah pilih untuk melakukan rotasi varimax solusi awal gamma=1. - Quartimax adalah pilih untuk melakukan rotasi quatimax solasi awal gamma=0. - Orthomax adalah pilih untuk melakukan rotasi orthomax solusi awal, kemudian masukkan gamma nilai antara 0 dan 1. 2. Oblique ratation, kalau sumbu tidak dipertahankan harus tegak lurus sesamanya bersudut 90 dan faktor-faktor tidak berkorelasi. Kadang-kadang dengan membolehkan korelasi antar-faktor bisa menyederhanakan matriks faktor pola factor pattern matrix. Oblique ratation harus dipergunakan kalau faktor dalam populasi berkorelasi sangat kuat Supranto, 2004. 5. Interpretasi Faktor Interpretasi dipermudah dengan mengindentifikasi variabel yang muatannya besar pada faktor yang sama. Faktor tersebut kemudian bisa diinterpretasikan, dinyatakan dalam variabel yang mempunyai muatan tinggi padanya. Manfaat lainnya di dalam membantu untuk membuat interpretasi ialah menge-plot variabel, dengan menggunakan factor loading sebagai sumbu koordinat sumbu F1 dan F2. Variabel pada ujung atau akhir suatu sumbu ialah variabel yang mempunyai high loading hanya pada faktor tertentu faktor F1 dan F2 oleh karena itu bisa menyimpulkan bahwa faktor tersebut terdiri dari variabel-variabel tersebut. Sedangkan variabel yang dekat dengan titik asal perpotongan sumbu F1 dan F2 mempunyai muatan rendah low loading pada kedua faktor. Variabel yang tidak dengan sumbu salah satu faktor berarti berkorelasi dengan kedua faktor tersebut. Kalau suatu faktor tidak bisa diberi label sebagai faktor tidak terdefinisikan atau faktor umum. Variabel-variabel yang berkorelasi kuat nilai factor loading yang besar dengan faktor tertentu dan memberikan inspirasi nama faktor yang bersangkutan Supranto, 2004 6. Menghitung Skor dan Nilai Faktor Nilai faktor adalah ukuran yang mengatakan representasi suatu variabel oleh masing-masing faktor. Nilai faktor menunjukkan bahwa suatu data mewakili karakteristik khusus yang direpresentasikan oleh faktor. Nilai faktor ini selanjutnya digunakan untuk analisis lanjutan. Sebenarnya analisis faktor tidak harus dilanjutkan dengan menghitung skor atau nilai faktor, sebab tanpa menghitung pun hasil analisis faktor sudah bermanfaat yaitu mereduksi variabel yang banyak menjadi variabel baru yang lebih sedikit dari variabel aslinya. 7. Memilih Surrogate Variables Surrogate variable adalah suatu bagian dari variabel asli yang dipilih untuk digunakan di dalam analisis selanjutnya. Pemilihan surrogate variable meliputi sebagian dari beberapa variabel asli untuk dipergunakan di dalam analisis selanjutnya. Hal ini memungkinkan peneliti untuk melakukan analisis lanjutan dan menginterpretasikan hasilnya dinyatakan dalam variabel asli bukan dalam skor faktor. Dengan meneliti matriks faktor, kita bisa memilih untuk setiap faktor variabel dengan muatan tinggi pada faktor yang bersangkutan. Variabel tersebut kemudian bisa dipergunakan sebagai variabel pengganti atau surrogate variable untuk faktor yang bersangkutan. Proses untuk mencari variabel pengganti akan berjalan lancar kalau muatan faktor factor loading untuk suatu variabel jelas-jelas lebih tinggi daripada muatan faktor lainnya. Akan tetapi pilihan menjadi susah, kalau ada dua variabel atau lebih mempunyai muatan yang sama tingginya. Di dalam hal seperti ini, pemilihan antara variabel-variabel ini harus didasarkan pada pertimbangan teori dan pengukuran sebagai contoh, mungkin teori menyarankan bahwa suatu variabel dengan muatan sedikit lebih kecil mungkin lebih penting daripada dengan sedikit lebih tinggi. Demikian juga halnya, kalau suatu variabel mempunyai muatan sedikit lebih rendah akan tetapi telah diukur lebih telitiakurat, seharusnya dipilih sebagai surrogate variable. 8. Proses Analisis Faktor Secara garis besar tahapan pada analisis faktor adalah sebagai berikut: 1. Memilih variabel yang layak dimasukkan dalam analisis faktor. Oleh karena analisis faktor berupaya mengelompokkan sejumlah variabel, maka seharusnya ada korelasi yang cukup kuat diantara variabel, sehingga akan terjadi pengelompokkan. Jika sebuah variabel atau lebih berkorelasi lemah dengan variabel lainnya, maka variabel tersebut akan dikeluarkan dari analisis faktor. Alat seperti MSA atau Bartlett’s Test dapat digunakan untuk keperluan ini. 2. Setelah sejumlah variabel terpilih, maka dilakukan ”ekstraksi” variabel tersebut hingga menjadi satu atau beberapa faktor. 3. Faktor yang terbentuk dapat menggambarkan perbedaan diantara faktor-faktor yang ada. Hal tersebut akan mengganggu analisis, karena justru sebuah faktor harus berbeda secara nyata dengan faktor lain. 4. Kemudian mengartikan hasil penemuan artinya faktor-faktor tersebut mewakili variabel yang mana saja

2.4. Alur Penelitian

Faktor yang mempengaruhi pelecehan seksual terhadap pekerja anak : Pekerjaan Hubungan Sosial dengan Lingkungan Waktu Kerja Fasilitas pekerja Pengetahuan Pendapatan Pakaian Teknologi Keluarga Kejiwaan Sikap Postur Tubuh Imbalan Ancaman Perlindungan Keluarga Kebudayaan Agama Kebiasaan Pimpinan Analisis Faktor Hasil : Faktor1 Faktor 2 Faktor…… Faktor n B A B III METODE PENELITIAN

3.1. Jenis Penelitian

Jenis penelitian bersifat deskriptif dengan menggunakan metode penerapan analisis faktor eksploratori yang mempengaruhi pelecehan seksual terhadap pekerja anak. 3.2.Lokasi Dan Waktu Penelitian Penelitian ini dilaksanakan di wilayah Kecamatan Kota Kisaran Timur Kabupaten Asahan. Penelitian ini dilakukan pada bulan September 2009 sd Februari 2010. 3.3.Populasi dan Sampel Populasi dalam penelitian ini yaitu seluruh pekerja anak wanita yang berusia 18 tahun yang berada di wilayah Kecamatan Kota Kisaran Timur Kabupaten Asahan, yang berjumlah 85 orang BPS, 2008 dan terdapat jumlah sampel adalah 45 orang dengan cara sampling Accidential. Sampling Accidential adalah teknik penentuan sampel berdasarkan kebetulan yaitu siapa saja yang secara kebetulan bertemu dengan peneliti dapat digunakan sebagai sampel, bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data. Sugiyono, 2008.

3.4. Pengumpulan Data