15
Menurut Manurung 2012 pengemudi tidak tertib adalah pengemudi
yang melanggar peraturan dan rambu-rambu lalu lintas seperti melanggar marka atau rambu lalu lintas, mendahului kendaraan lain melalui jalur kiri. Terjadinya
kecelakaan lalu-lintas umumnya didahului oleh pelanggaran Marsaid,2013 beberapa pelanggaran yang sering terjadi seperti mengebut dan terburu-buru
mendahului kendaraan lain dengan tidak tertib lantas Polres Kab. Malang dalam Marsaid,2013
. Pengendara biasanya mengebut karena terburu-buru lalu
mengambil jalur pada arah berlawanan, sehingga membahayakan pihak lawan. Pelanggaran terhadap rambu dan lampu lalu-lintas juga termasuk hal yang sering
menyebabkan kecelakaan lalu-lintas. Kurangnya kesadaran keamaan pada masyarakat yang lebih mengutamakan kecepatan dan faktor ekonomi daripada
keselamatan diri merupakan faktor predisposisi terjadinya pelanggaran Dephub RI, 2008.
2.4 Analisis Komponen Utama AKU
Analisis Komponen Utama adalah teknik statistik yang digunakan manakala peneliti tertarik pada sekumpulan data yang saling berkorelasi.
Tujuannya adalah untuk menemukan sejumlah variabel yang koheren dalam sub kelompok yang secara relatif independen terhadap yang lain. Analisis komponen
utama kebalikan dari analisis faktor di mana analisis komponen utama bersifat konvergen dan analisis faktor bersifat divergen Tabachnick, 1983.
Analisis komponen utama AKU biasanya digunakan untuk: 1.
Mengidentifikasi variabel-variabel baru yang mendasari data variabel ganda.
2. Mengurangi banyaknya dimensi himpunan variabel asal yang terdiri
atas banyak variabel yang saling berkorelasi. 3.
Menetralisir variabel-variabel asal yang memberikan sumbangan informasi yang relatif kecil.
Analisis komponen utama terkonsentrasi pada penjelasan struktur variansi dan kovariansi melalui suatu kombinasi linier variabel-variabel asal,
dengan tujuan utama melakukan reduksi data dan membuat interpretasi.Analisis
Universitas Sumatera Utara
16
komponen utama lebih baik digunakan jika variabel-variabel asal saling berkorelasi. Di dalam proses analisis faktor metode yang digunakan untuk
melakukan proses ekstraksi adalah analisis komponen utama, metode ini dipilih karena tujuan utama dari analisis faktor adalah untuk mereduksi data. Umumnya
analisis komponen utama merupakan analisis intermediate yang berarti hasil komponen utama dapat digunakan untuk analisis selanjutnya Supranto, 2010.
Keunggulan analisis komponen utama adalah tidak adanya asumsi mengenai acak sebaran tertentu, tidak ada hipotesis yang diuji dan tidak ada model yang
mendasarinya Chatfield, 1980.
2.5 Analisis Faktor AF
Menurut J. Supranto 2004, analisis faktor merupakan teknik statistika yang utamanya dipergunakan untuk mereduksi atau meringkas data dari variabel
yang banyak diubah menjadi sedikit variabel, misalnya dari 15 variabel yang lama diubah menjadi 4 atau 5 variabel yang baru yang disebut faktor dan masih
memuat sebagian besar informasi yang terkandung dalam variabel asli original variable. Dalam analisis faktor, tidak ada variabel dependen dan independen,
proses analisis faktor sendiri mencoba menemukan hubungan interrelationship antara sejumlah variabel-variabel yang saling dependen dengan yang lain,
sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah awal.
Analisis faktor digunakan di dalam situasi sebagai berikut:
1. Mengenali
atau mengidentifikasi
dimensi yang
mendasari underlying dimensions atau faktor yang menjelaskan korelasi
antara suatu set variabel. 2.
Mengenali dan mengidentifikasi suatu set variabel baru yang tidak berkorelasi independent yang lebih sedikit jumlahnya untuk
menggantikan suatu set variabel asli yang saling berkorelasi di dalam analisis multivariat selanjutnya.
Universitas Sumatera Utara
17
3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari
suatu set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis multivariat selanjutnya.
Jika variabel-variabel dibakukan standardized, maka model analisis faktor dapat ditulis sebagai berikut:
X
i
= B
i1
F
1
+ B
i2
F
2
+ B
i3
F
3
+ … + B
ij
F
j
+ … + B
im
F
m
+ V
i
µ
i
2.1
keterangan:
X
i
= Variabel ke-i yang dibakukan rata-ratanya nol, standar deviasinya satu.
B
ij
= Koefisien regresi parsial yang dibakukan untuk variabel i pada common factor ke-j.
F
j
= common factor ke-j. V
i
= Koefisien regresi yang dibakukan untuk variabel ke-i pada faktor yang unik ke-i unique factor.
µ
i
= Faktor unik variabel ke-i. m = Banyaknya common factor.
i = 1,2,3,...,n j = 1,2,3,...,m
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.
F
i
= W
i1
X
1
+ W
i2
X
2
+ W
i3
X
3
+ … + W
ip
X
p
2.2
Universitas Sumatera Utara
18
keterangan: i
= 1,2,3,...,p p
= Jumlah variabel. = Perkiraan faktor ke-i didasarkan pada nilai variabel X dengan
koefisiennya W
i
. = Timbanganbobot atau koefisien nilai faktor ke-i.
= Variabel ke yang sudah dibakukan standardized.
Secara umum analisis faktor atau analisis komponen utama bertujuan untuk mereduksi data dan menginterprestasikannya sebagai suatu variabel baru
yang berupa variabel bentukan. Andaikan dari p buah variabel awalasal terbentuk k buah faktorkomponen di mana k p, misalkan dari sejumlah variabel p
sebanyak 10 variabel terbentuk k = 2 buah faktorkomponen yang dapat menerangkan kesepuluh variabel awalasal tersebut. K buah faktorkomponen
utama dapat mewakili p buah variabel aslinya sehingga lebih sederhana Tabachnick, 1983.
Tujuan utama analisis faktor adalah untuk menjelaskan struktur di antara banyak variabel dalam bentuk faktor.Faktor yang terbentuk merupakan besaran
acak random quantities yang sebelumnya tidak dapat diamati atau diukur secara langsung. Selain tujuan utama analisis faktor, terdapat beberapa tujuan lainnya
yaitu: 1.
Untuk mereduksi sejumlah variabel asal yang jumlahnya banyak menjadi sejumlah variabel baru yang jumlahnya lebih sedikit dari
variabel asal dan variabel baru tersebut dinamakan faktor. 2.
Untuk mengidentifikasi adanya hubungan antar variabel penyusun faktor atau dimensi dengan faktor yang terbentuk dengan
menggunakan pengujian koefisien korelasi antar faktor dengan komponen pembentuknya.
3. Adanya validasi data untuk mengetahui apakah hasil analisis faktor
tersebut dapat digeneralisasikan ke dalam populasinya sehingga
Universitas Sumatera Utara
19
setelah terbentuk faktor maka peneliti sudah mempunyai suatu hipotesis baru berdasarkan hasil analisis faktor.
Konsep dasar analisis faktor adalah sebagai berikut: 1.
Tidak mengaitkan antara dependen variabel dengan independen variabel tetapi membuat reduksi atau abstraksi atau meringkas dari
banyak variabel menjadi sedikit variabel. 2.
Teknik yang digunakan adalah teknik interdependensi yaitu seluruh set hubungan interdependen diteliti. Prinsip menggunakan korelasi r
= 0 dan r = 1 digunakan dalam mengidentifikasi variabel yang berkorelasi dan yang tidakkecil korelasinya.
3. Analisis faktor menekan adanya komunalitas; jumlah varian yang
disumbangkan oleh suatu variabel pada variabel lainnya. 4.
Kovariansi antar variabel yang diuraikan akan muncul common factor jumlah sedikit dan unique factorsetiap variabel faktor-
faktor tidak secara jelas terlihat. 5.
Adanya koefisien nilai faktor factor score coefficient sehingga faktor 1 menyerap sebagian besar seluruh variabel, faktor 2
menyerap sebagian sisa varian setelah diambil untuk faktor 1, faktor 2 tidak berkorelasi dengan faktor.
Analisis faktor termasuk pada kategori Interdependence Techniques, yang berarti tidak ada variabel dependen ataupun variabel independen pada
analisis tersebut, yang berarti juga tidak diperlukan sebuah model tertentu untuk analisis faktor. Hal ini berbeda dengan model Dependence Techniques seperti
regresi berganda, yang mempunyai sebuah variabel dependen dan beberapa variabel independen sehingga diperlukan sebuah model Santoso, 2010.
2.6 Statistik yang Relevan dengan Analisis Faktor
