Analisis Karakteristik Perjalanan Untuk Pegawai Di Kota Medan Berdasarkan Jarak Dan Lokasi Tempat Tinggal (Studi Kasus Pegawai Kantor Dinas Bina Marga Kota Medan) Chapter III V

BAB III
METODOLOGI PENELITIAN

3.1

Penetapan Lokasi dan Waktu Penelitian
Lokasi penelitian ditetapkan di lingkungan Kantor Bina Marga Pemerintah

Kota Medan, Propinsi Sumatera Utara. Pertimbangan penetapan lokasi penelitian ini
didasarkan hasil observasi pendahuluan yang menunjukkan fakta terdapat
permasalahan dalam pemanfaatan waktu perjalanan yang belum efisien dan efektif di
kalangan pegawai setempat khususnya dalam hal ketepatan jam tiba masuk kerja.
Mayoritas pegawai Kantor Dinas Bina Marga Kota Medan sering mengalami
permasalahan kemacetan lalu lintas di jalan yang dilalui hingga mengakibatkan
ketertundaan atau keterlambatan masuk kerja tepat waktu.

Tak jarang, setelah

beberapa kali tertunda atau terlambat masuk kerja, pegawai bersangkutan kemudian
diberi sanksi atau hukuman sesuai peraturan yang berlaku. Tentu kondisi demikian
dikhawatirkan memberi dampak yang merugikan bagi peningkatan produktivitas

kerja para pegawai dalam mendukung pencapaian visi, misi dan tujuan Dinas Bina
Marga Kota Medan.

Bertolak dari cakupan permasalahan tersebut maka tema

penelitian ini sesuai dengan lingkup permasalahan yang tengah dihadapi para
pegawai di lokasi penelitian, yang mengkaji secara mendalam mengenai karakteristik
pegawai, tindakan yang dilakukan pegawai, dan menganalisis pengaruh karakteristik
terhadap keterlambatan pegawai tiba di kantor dalam waktu perjalanan untuk
meningkatkan ketepatan waktu tempuh.

42
Universitas Sumatera Utara

Waktu pelaksanaan penelitian direncanakan berlangsung selama sepuluh
bulan yakni dimulai sejak bulan Mei 2013 sampai Maret 2014.

3.2

Desain Penelitian

Dengan mempertimbangkan rumusan masalah penelitian menyebabkan desain

penelitian memanfaatkan pendekatan riset kuantitatif dan kualitatif. Gabungan kedua
pendekatan riset kuantitatif dan kualitatif sesuai untuk mengkaji dan menganalisis
karakteristik pegawai, berbagai tindakan pegawai, dan menganalisis pengaruh
karakteristik terhadap keterlambatan pegawai tiba di kantor Dinas Bina Marga Kota
Medan. Oleh karena itu, metode penelitian yang digunakan ialah studi kasus dengan
pendekatan kuantitatif dan kualitatif. Desain penelitian disusun secara sistematis
dalam beberapa tahap berikut:
I. Tahap Pra Penelitian
1.

Observasi pendahuluan guna mengumpulkan berbagai data pendukung.

2.

Penelusuran literatur terkait dengan tema riset.

3.

Penyusunan proposal penelitian sesuai aturan format yang berlaku.

4.

Penyajian proposal dalam kegiatan seminar.

5.

Revisi proposal hingga siap digunakan pada tahap selanjutnya.

II. Pelaksanaan Penelitian di lapangan
1. Pengurusan izin penelitian.
2. Penetapan sumber data penelitian.
3. Pengumpulan data primer dan sekunder.
4. Pengolahan dan analisis data primer sekaligus data sekunder.

43
Universitas Sumatera Utara

5. Penyusunan laporan hasil penelitian.

6. Penyajian laporan hasil penelitian dalam kegiatan seminar.
7. Revisi laporan penelitian.
Setiap tahap penelitian dilakukan secara berurutan. Perincian kegiatan penelitian
yang lebih jelas terlihat pada Gambar 3.1.

Mulai
Observasi Pendahuluan

Tinjauan Pustaka
Data Primer:

Data Sekunder :

1. Karakteristik:
Jam keberangkatan
Jam tiba di lokasi kerja
Frekuensi keterlambatan masuk Kerja
Alamat rumah/ kode pos
Tingkat Pendidikan
Umur Pegawai

Golongan Pegawai
Pengalaman Selama Perjalanan
Kondisi jalan utama
Kondisi jalan alternatif
2. RagamTindakan
3. Keterhubungan
keandalan
waktu
perjalanan dengan kondisi infrastruktur
jaringan jalan

Metode Penelitian
Studi Kasus
dengan
Pendekatan
Kuantitatif dan
Kualitatif

1.
2.

3.

Peta perjalanan
Ruas jalan yang
dilalui
Data Absensi
Pegawai

Analisis Dan Pembahasan
Analisis Regresi Logistik

Kesimpulan dan Saran

Selesai

Gambar 3.1. Diagram Alur Penelitian

44
Universitas Sumatera Utara

3.3

Jenis Data Penelitian

Jenis data yang dibutuhkan pada penelitian ini adalah data primer dan data
sekunder.
1.

Data

Primer,

yaitu

diperoleh

langsung

dari

hasil

daftar

pertanyaan

(questionnaire) yang disebarkan kepada pegawai Dinas Bina Marga Kota Medan.
2.

Data sekunder yaitu data yang diperoleh melalui studi dokumentasi dan data lain
yang relevan pada penelitian ini seperti, Data Pegawai Dinas Bina Marga Kota
Medan, Data Absensi (finger print) selama 1 tahun, dan data pendukung lainnya.
Identifikasi ragam jenis data primer dan data sekunder secara lebih jelas dan

lengkap terperinci pada Gambar 3.1.

3.4

Teknik Penetapan Sumber Data
Populasi penelitian ialah semua pegawai negeri sipil pada Kantor Dinas Bina

Marga Kota Medan. Dari populasi penelitian ditetapkan responden penelitian sebagai
sumber data primer. Beberapa kriteria penetapan responden didasarkan pertimbangan
berikut:
1.

Tercatat dan terdaftar sebagai pegawai negeri sipil aktif pada Kantor Dinas Bina
Marga Kota Medan.

2.

Pernah minimal tiga kali mengalami ketertundaan atau keterlambatan masuk jam
kerja setiap bulan (berdasarkan daftar absensi yang terdokumentasi pada satu
tahun terakhir).

45
Universitas Sumatera Utara

3.5

Teknik Pengumpulan Data
Data primer dikumpulkan dengan menggunakan teknik wawancara dengan

para responden. Kegiatan wawancara mengacu pada daftar pertanyaan yang tersusun
secara sistematis dalam kuesioner terstruktur. Teknik pengumpulan data primer lain
yang dimanfaatkan ialah observasi berpartisipasi yakni melakukan pengamatan aktif
terhadap berbagai aktivitas responden dalam melaksanakan perjalanan dari rumah
sampai kantor pada hari kerja. Teknik pengumpulan data sekunder dilakukan dengan
penelusuran dan analisis data sekunder.

3.6

Teknik Pengolahan dan Analisis data
Pengolahan dan analisis yang dilakukan terhadap kesemua jenis data yang

terkumpul dilaksanakan dengan menggunakan teknik

kualitatif dan kuantitatif.

Penjelasan pengolahan dan analisis data terlihat pada Tabel 3.1.

Metode Kualitatif dan Kuantitatif merupakan metode penelitian yang secara
definisi maupun pelaksanaannya bertolak belakang. Pengertian dan perbedaan dari ke
dua metode tersebut yaitu:
1. Metode Penelitian Kualitatif
Adalah metode yang lebih menekankan pada aspek pemahaman secara
mendalam terhadap suatu masalah daripada melihat permasalahan untuk penelitian
generalisasi.

Metode penelitian ini lebih suka menggunakan teknik analisis

mendalam (in-depth analysis), yaitu mengkaji masalah secara kasus perkasus karena
metodologi kulitatif yakin bahwa sifat suatu masalah satu akan berbeda dengan sifat
dari masalah lainnya. Tujuan dari metodologi ini bukan suatu generalisasi tetapi
46
Universitas Sumatera Utara

pemahaman secara mendalam terhadap suatu masalah. Penelitian kualitatif berfungsi
memberikan kategori substantif dan hipotesis penelitian kualitatif.
2. Metode Penelitian Kuantitatif
Adalah metode yang lebih menekankan pada aspek pengukuran secara
obyektif terhadap fenomena sosial. Untuk dapat melakukan pengukuran, setiap
fenomena sosial di jabarkan kedalam beberapa komponen masalah, variabel dan
indikator. Setiap variabel yang di tentukan di ukur dengan memberikan simbolsimbol angka yang berbeda – beda sesuai dengan kategori informasi yang berkaitan
dengan variabel tersebut.

Dengan menggunakan simbol-simbol angka tersebut,

teknik perhitungan secara kuantitatif matematik dapat di lakukan sehingga dapat
menghasilkan suatu kesimpulan yang belaku umum di dalam suatu parameter.
Tujuan utama dati metodologi ini ialah menjelaskan suatu masalah tetapi
menghasilkan generalisasi. Generalisasi ialah suatu kenyataan kebenaran yang terjadi
dalam suatu realitas tentang suatu masalah yang di perkirakan akan berlaku pada
suatu populasi tertentu. Generalisasi dapat dihasilkan melalui suatu metode perkiraan
atau metode estimasi yang umum berlaku didalam statistika induktif.

Metode

estimasi itu sendiri dilakukan berdasarkan pengukuran terhadap keadaan nyata yang
lebih terbatas lingkupnya yang juga sering disebut “sample” dalam penelitian
kuantitatif. Jadi, yang diukur dalam penelitian sebenarnya ialah bagian kecil dari
populasi atau sering disebut “data”. Data ialah contoh nyata dari kenyataan yang
dapat diprediksikan ke tingkat realitas dengan menggunakan metodologi kuantitatif
tertentu. Penelitian kuantitatif mengadakan eksplorasi lebih lanjut serta menemukan

47
Universitas Sumatera Utara

fakta dan menguji teori-teori yang timbul dan untuk lebih jelas teknik pengolahan dan
analisa data dapat dilihat pada tabel 3.1.
Tabel 3.1. Teknik Pengolahan dan Analisis Data
Jenis dan Kategori Data
I. Data Primer
Jam keberangkatan
Jam tiba di lokasi kerja
Tingkat Pendidikan
Alamat Rumah/ Kode Pos
Usia Pegawai
Golongan Pegawai
Frekuensi keterlambatan masuk kerja
Pengalaman Selama Perjalanan
Kondisi Jalan Utama
Kondisi Jalan Alternatif
Ragam tindakan Pegawai
Keterhubungan Dengan Infrastruktur
II. Data Sekunder
Peta perjalanan
Ruas jalan yang dilalui

Teknik
Pengolahan Data

Teknik Analisis
Data

Kuantitatif
Kuantitatif
Kuantitatif
Kuantitatif
Kuantitatif
Kuantitatif
Kualitatif
Kualitatif
Kualitatif
Kualitatif
Kualitatif
Kualitatif

Kuantitatif
Kuantitatif
Kuantitatif
Kuantitatif
Kuantitatif
Kuantitatif
Kualitatif
Kualitatif
Kualitatif
Kualitatif
Kualitatif
Kualitatif

Kualitatif
Kualitatif

Kualitatif
Kualitatif

Teknik pengolahan data kualitatif dilakukan dengan langkah berikut: reduksi
data, kategorisasi data, penyajian data dan verifikasi data. Adapun teknik pengolahan
data kuantitatif dilakukan melalui tahapan berikut: validitasi data, pengkodean data,
entry datadan penyajian data.

3.6.1 Analisa Regresi Logistik
Analisis regresi logistik digunakan untuk menjelaskan hubungan antara
variabel terikat yang berupa data dikotomi/ biner dengan variabel bebas yang berupa
data berskala interval dan atau kategorik (Hosmer dan Lemeshow, 1989 ). Variabel

48
Universitas Sumatera Utara

terikat berskala biner adalah variabel terikat y yang menghasilkan dua kategori
(dikotomik) yang dinotasikan sebagai y = 1 menyatakan kejadian ”Sukses” dan y = 0
menyatakan kejadian ”Gagal” .
Sehingga model persamaannya adalah sebagai berikut :
Ln(p/1-p) = β0 + β1 X1 + β2 X2 + β3 X3 + β4 X4 + β5 X5 + β6 X6 + β7 X7 + β8 X8 + β9
X9 + β10 X10

(3.1)

Dimana:
Pi

= Probabilitas terjadinya peristiwa, dalam hal ini pegawai tidak terlambat

(1-Pi) = Probabilitas tidak terjadinya suatu peristiwa dalam hal ini pegawai
terlambat
Selanjutnya disederhanakan menjadi:
Li = β0 + β1 X1 + β2 X2 + β3 X3 + β4 X4 + β5 X5 + β6 X6 + β7 X7 + β8 X8 + β9 X9 +
β10 X10

(3.2)

Dimana:
Li = Probabilitas pegawai tidak terlambat dan terlambat;
X1 = Jam tiba di lokasi;
X2 = Jam keberangkatan;
X3 = Frekwensi keterlambatan;
X4 = Kategori alamat;
X5 = Pendidikan trakhir;
X6 = Usia;
X7 = Golongan;

49
Universitas Sumatera Utara

X8 = Pengalaman selama diperjalanan;
X9 = Kondisi jalur utama;
X10 = Kondisi jalur alternatif.
3.6.2 Uji Hipotesis
3.6.2.1 Uji Signifikan Model
Untuk mengetahui pengaruh variabel bebas terhadap variabel tidak bebas
secara bersama-sama (overall) di dalam model, dapat digunakan Uji Likehood Ratio.
Hipotesisnya adalah sebagai berikut:
Ho : β1 = β2 = ……= βp = 0 (tidak ada pengaruh variabel bebas secara simultan
terhadap variabel tidak bebas).
Hi : βj ≠ 0 (ada pengaruh paling sedikit satu variabel bebas terhadap variabel tidak
bebas).
Dimana:
Lo = Maksimum Likehood dari model reduksi (Reduced Model) atau model yang
terdiri dari konstanta saja.
Lp = Maksimium Likehood dari model penuh (Full Model) atau dengan semua
variabel bebas .
Statistik G2 ini mengikuti distribusi Chi-squares dengan derajat bebas sehingga
hipotesis ditolak jika G2>x2(α.p) atau p- value < α yang berarti variabel bebas X secara
bersama-sama mempengaruhi variabel tak bebas Y.

50
Universitas Sumatera Utara

3.6.2.2 Uji Parameter Model
Pada umumnya, uji ini dilakukan setelah uji signifikansi model memutuskan
bahwa ada satu variabel bebas yang memiliki pengaruh signifikan terhadap variabel
tidak bebas. Tujuannya adalah untuk mencari tahu manakah variabel bebas yang
signifikan mempengaruhi variabel tidak bebas tersebut.

Pengujian keberartian

parameter (koefisien β) secarapartial dapat dilakukan melalui uji Wald dengan
hipotesisnya sebagai berikut:
Ho : βj = 0 (variabel bebas ke j tidak mempunyai pengaruh secara signifikan terhadap
variabel tidak bebas).
Hi : βj ≠ 0 (variabel bebas ke j mempunyai pengaruh secara signifikan terhadap
variabel tidak bebas).
Hipotesis akan ditolak jika W > x2(α.l) atau p- < α yang berarti variabel Xj
secara partial mempengaruhi variabel tidak bebas.

3.6.2.3 Odds Ratio
Berbeda dengan regresi linear berganda dengan variabel tidak bebas
berbentuk kontinyu (kuantitatif), pada regresi logistic koefisien dari modelnya tidak
bias serta merta kita interpretasikan langsung. Oleh karena itu, digunakanlah odds
ratio (Exp(β)).

Odds ratio merupakan ukuran risiko atau kecenderungan untuk

mengalami kejadian tertentu antara satu kategori dengan kategori lainnya,
didefinisikan sebagai ratio dari odd suntuk xj = 1 terhadap xj = 0. Odds ratio ini
menyatakan risiko atau kecenderungan pengaruh observasi dengan xj = 1 adalah
berapa kali lipat jika dibandingkan dengan observasi dengan xj = 0. Untuk variabel
51
Universitas Sumatera Utara

bebas yang berskala kontinyu maka interpretasi dari koefisien β pada model regresi
logisik adalah setiap kenaikan c unit pada variabel bebas akan menyebabkan risiko
terjadinya Y = 1 adalah exp (c.βj) kali lebih besar.
Untuk kemudahan pengolahan data, digunakan alat bantu berupa perangkat
komputer dengan perangkat lunak SPSS .

52
Universitas Sumatera Utara

BAB IV
HASIL DAN PEMBAHASAN

4.1

Pelaksanaan Penelitian
Penelitian dilakukan Dinas Bina Marga Pemerintah Kota Medan, yang

berlokasi di Jalan Pinang Baris Nomor 114-C Medan Sumatera Utara.
Dinas Bina Marga Pemerintah Kota Medan terletak di Kecamatan Medan Sunggal,
salah satu dari 21 kecamatan di kota Medan. Kecamatan Medan Sunggal berbatasan
dengan Kecamatan Medan Selayang di sebelah barat, Kecamatan Medan Polonia di
sebelah timur, Kecamatan Medan Johor di selatan, dan Kecamatan Medan Petisah
dan Kecamatan Medan Barudi utara.

Di Kecamatan ini, terdapat kompleks

pemukiman padat penduduk, pasar, pertokoan, lapangan sepak bola, showroom, dll.
Salah satu jenis data yang diperoleh dari penelitian ini adalah data sekunder, dimana
data sekunder peta perjalanan dari seluruh pegawai Dinas Bina Marga Kota Medan
telah diplotkan pada Peta Kota Medan dari lokasi asal pegawai ke tempat tujuan yaitu
Kantor Dinas Bina Marga Kota Medan (peta terlampir).

4.2

Karakteristik Responden
Dari data primer yang diperoleh di kantor Dinas Bina Marga Pemerintah

Kota Medan dan kuisioner yang telah disebarkan di kantor Dinas Bina Marga
Pemerintah Kota Medan maka didapat data-data sebagai berikut:

53
Universitas Sumatera Utara

4.2.1 Data Responden Dari Kantor Dinas Bina Marga Pemerintahan Kota
Medan
Jumlah pegawai Dinas Bina Marga Kota Medan adalah 171 orang. Dari 171
orang data pegawai yang didapatkan kemudian di golongkan sesuai karakteristik
sebagai berikut:
4.2.1.1 Karakteristik Responden Berdasarkan Jam Tiba di Lokasi Kerja
Dari hasil penelitian yang didapat terhadap 171 responden pelaku perjalanan
dari rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah
Kota Medan dapat dikelompokkan dalam beberapa kelompok responden sesuai
dengan jam tiba di lokasi kerja masing-masing responden. Untuk lebih jelasnya dapat
di dilihat pada tabel 4.1 dan gambar 4.1.
Tabel 4.1. Kelompok Responden Berdasarkan Jam Tiba di Lokasi Kerja
No
1
2
3
4
5
6

Jam Tiba di Lokasi Kerja
Dibawah Jam 6:30
6:30 - 7:00
7:00 - 7:30
7:30 - 8:00
8.00 - 8.30
Diatas Jam 8:30
Total

Jumlah
Responden
0
4
12
45
93
17
171

Persentase Jumlah
Responden (%)
0
2.34
7.02
26.32
54.39
9.94
100

54
Universitas Sumatera Utara

Jumlah Responden
Gambar 4.1. Responden Berdasarkan Jam Tiba di Lokasi Kerja
Dari gambar 4.1. dapat disimpulkan bahwa responden berdasarkan jam tiba di
lokasi kerja jam 8.00-8.30 adalah yang paling besar, yaitu 93 orang (54.39 %),
kemudian diikuti dengan jam tiba di lokasi 7.30-8.00 sebesar 45 orang (26.32 %).

4.2.1.2 Karakteristik Responden Berdasarkan Alamat Rumah/ Kecamatan
Dari hasil penelitian terhadap 171 responden, pelaku perjalanan dari rumah
masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan
dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan Alamat
rumah/ Kecamatan masing-masing responden. Untuk lebih jelasnya dapat di dilihat
pada tabel 4.2 dan gambar 4.2.

55
Universitas Sumatera Utara

Tabel 4.2. Alamat Rumah/ Kecamatan
NO.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

Nama Kecamatan
Medan Amplas
Medan Area
Medan Barat
Medan Baru
Medan Belawan
Medan Deli
Medan Denai
Medan Helvetia
Medan Johor
Medan Kota
Medan Labuhan
Medan Maimun
Medan Marelan
Medan Perjuangan
Medan Petisah
Medan Polonia
Medan Selayang
Medan Sunggal
Medan Tembung
Medan Timur
Medan Tuntungan
Luar Medan
Tidak Diketahui/ Tidak Jelas
Total

Jumlah
Responden
12
2
3
4
0
3
5
19
7
4
5
1
2
11
4
0
7
6
6
7
6
16
41
171

Persentase Jumlah
Responden (%)
7.02
1.17
1.75
2.34
0.00
1.75
2.92
11.11
4.09
2.34
2.92
0.58
1.17
6.43
2.34
0.00
4.09
3.51
3.51
4.09
3.51
9.36
23.98
100

56
Universitas Sumatera Utara

Gambar 4.2. Responden Berdasarkan Alamat Rumah/ Kecamatan
Dari gambar 4.2. dapat disimpulkan bahwa responden berdasarkan alamat
rumah/ kecamatan tidak diketahui/ tidak jelas adalah yang paling besar, yaitu 41
orang (23.98 %) diikuti dengan responden asal kecamatan Medan Helvetia sebanyak
19 orang (11.11 %).
4.2.1.3 Karakteristik Responden Berdasarkan Tingkat Pendidikan Pegawai
Dari hasil penelitian terhadap 171 responden, pelaku perjalanan dari rumah
masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan
dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan jenjang

57
Universitas Sumatera Utara

pendidikan pegawai masing-masing responden. Untuk lebih jelasnya dapat di dilihat
pada tabel 4.3 dan gambar 4.3.
Tabel 4.3. Tingkat Pendidikan Pegawai
No

Tingkat Pendidikan

1
2
3
4
5
6
7
8

SD
SMP

9

SLTA
SekolahKejuruan
D-III
S-1
S-2
S-3
Data Kosong

Total

Jumlah
Responden

Persentase Jumlah
Responden (%)

7
10
66
21
7
48
9
0
3

4.12
5.88
38.82
12.35
4.12
28.24
5.29
0
1.75

171

100

Gambar 4.3. Responden Berdasarkan Tingkat Pendidikan Pegawai

58
Universitas Sumatera Utara

Dari gambar 4.3. dapat disimpulkan bahwa responden lulusan SLTA adalah
yang paling besar, yaitu 66 orang (38.82 %) diikuti dengan responden lulusan S-1
sebesar 48 orang (28.24 %).

4.2.1.4 Karakteristik Responden Berdasarkan Usia Pegawai
Dari hasil penelitian terhadap 171 responden, pelaku perjalanan dari rumah
masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan
dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan Usia
pegawai masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel
4.4 dan gambar 4.4.
Tabel 4.4. Usia Pegawai
No

Usia

Jumlah Responden

Persentase Jumlah
Responden (%)

1
2
3
4

Usia 20-30
Usia 30-40
Usia 40-50
Usia 50-60
Total

6
36
82
47
171

3.51
21.05
47.95
27.49
100

Gambar 4.4. Responden Berdasarkan Usia Pegawai
59
Universitas Sumatera Utara

Dari gambar 4.4. dapat disimpulkan bahwa Usia pegawai adalah yang paling
besar di usia 40 - 50, yaitu 82 orang (47.95 %), diikuti dengan responden usia 50 - 60
sebesar 47 orang (27.49 %).

4.2.1.5 Karakteristik Responden Berdasarkan Golongan Pegawai
Dari hasil penelitian terhadap 171 responden, pelaku perjalanan dari rumah
masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota Medan
dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan golongan
pegawai masing-masing responden. Untuk lebih jelasnya dapat di dilihat pada tabel
4.5 dan gambar 4.5.
Tabel 4.5. Golongan Pegawai
No
1
2
3
4
5
6
7
8
9
10
11
12

Golongan Pegawai
IV/b
IV/a
III/d
III/c
III/b
III/a
II/d
II/c
II/b
II/a
I/d
I/b
Total

Jumlah Responden

Persentase Jumlah
Responden (%)

6
2
14
20
27
27
2
6
40
13
6
8
171

3.51
1.17
8.19
11.70
15.79
15.79
1.17
3.51
23.39
7.60
3.51
4.68
100

60
Universitas Sumatera Utara

Gambar 4.5. Responden Berdasarkan Golongan Pegawai
Dari gambar 4.5. dapat disimpulkan bahwa responden dengan golongan II/b
adalah yang paling besar, yaitu 40 orang (23.39 %) diikuti dengan responden dengan
golongan III/b dan III/a yaitu 27 orang (15.79 %).

4.2.2 Data Kuisioner Responden Dari Kantor Dinas Bina Marga Pemerintahan
Kota Medan

Jumlah pegawai Dinas Bina Marga Kota Medan adalah 171 orang. Dari jumlah
pegawai tersebut disebarkan data kuisioner peneliti tetapi yang didapatkan
kembalinya kuisioner peneliti hanya 126 orang dan kemudian di golongkan sesuai
karakteristik sebagai berikut:

61
Universitas Sumatera Utara

4.2.2.1 Karakteristik Responden Berdasarkan Jam Keberangkatan Ke Lokasi
Kerja
Dari hasil penelitian kuisioner terhadap 126 responden pelaku perjalanan dari
rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota
Medan dapat dikelompokkan dalam beberapa kelompok responden sesuai dengan jam
keberangkatan ke lokasi kerja masing-masing responden. Untuk lebih jelasnya dapat
di dilihat pada tabel 4.6 dan gambar 4.6.
Tabel 4.6. Kelompok Responden Berdasarkan Jam Keberangkatan Ke Lokasi
Kerja
Jam Keberangkatan
Jumlah
Persentase Jumlah
No
Pegawai
Responden
Responden (%)
1
Dibawah Jam 6:30
0
0
2
6:30 - 6:59
56
45.16
3
7:00 - 7:29
40
32.26
4
7:30 - 7:59
16
12.90
5
8:00 – 8:30
10
8.06
6
Diatas Jam 8:30
2
1.61
Total
124
100

Gambar 4.6. Responden Berdasarkan Jam Keberangkatan Ke Lokasi Kerja

62
Universitas Sumatera Utara

Dari gambar

4.6. dapat disimpulkan bahwa responden berdasarkan jam

keberangkatan ke lokasi kerja jam 6:30-6:69 adalah yang paling besar, yaitu 59 orang
(45.16 %), diikuti dengan jam tiba di lokasi 7:00-7:29 sebesar 40 orang (32.26 %).

4.2.2.2 Karakteristik
Pegawai

Responden

Berdasarkan

Frekuensi

Keterlambatan

Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari
rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota
Medan dikelompokkan dalam beberapa kelompok responden berdasarkan frekuensi
keterlambatan pegawai masing-masing responden.

Untuk lebih jelasnya dapat di

dilihat pada tabel 4.7 dan gambar 4.7.
Tabel 4.7. Frekuensi Keterlambatan Pegawai
No
1
2
3
4
5

Frekuensi Keterlambatan Pegawai
A) Sering Sekali (> 15 x dalam tiga bulan
terakhir)
B) Sering (10-15 x dalam tiga bulan
terakhir)
C) Sedang (5-10 x dalam tiga bulan
terakhir)
D) Jarang (2-5 x dalam tiga bulan
terakhir)
E) Jarang Sekali (< 2 kali dalam tiga
bulan terakhir)

Total

Jumlah
Responden

Persentase Jumlah
Responden (%)

11

8.73

8

6.35

31

24.60

28

22.22

48

38.10

126

100

63
Universitas Sumatera Utara

Gambar 4.7. Responden Berdasarkan Frekuensi Keterlambatan Pegawai
Dari gambar 4.7. dapat disimpulkan bahwa responden dengan Berdasarkan
frekuensi keterlambatan pegawai jarang sekali (< 2 x dalam tiga bulan terakhir)
adalah yang paling besar, yaitu 48 orang (38.10 %), diikuti dengan responden
berdasarkan frekuensi keterlambatan pegawai sedang (5-10 x dalam tiga bulan
terakhir) yaitu 31 orang (24.60 %).

4.2.2.3 Karakteristik Responden Berdasarkan Pengalaman Selama Perjalanan
Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari
rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota
Medan

dikelompokkan

dalam

beberapa

kelompok

responden

berdasarkan

64
Universitas Sumatera Utara

pengalaman selama perjalanan masing-masing responden.

Untuk lebih jelasnya

dapat di dilihat pada tabel 4.8 dan gambar 4.8.
Tabel 4.8. Pengalaman Selama Perjalanan Pegawai
No
1
2
3
4
5

A. Mengantar Anak Sekolah
B. Mengantar Istri Bekerja
C. Menjemput Rekan Kerja Kantor
D. Mengantar Isteri Ke Pasar
E. Alasan Lain

55
14
4
15
38

Persentase Jumlah
Responden (%)
43.65
11.11
3.17
11.90
30.16

Total

126

100

Pengalaman Selama Perjalanan
Pegawai

Jumlah
Responden

Gambar 4.8. Responden Berdasarkan Pengalaman Pegawai Selama Perjalanan
Dari Rumah Ke Kantor
Dari gambar 4.8. dapat disimpulkan bahwa responden dengan pengalaman
pegawai selama perjalanan dari rumah ke kantor mengantar anak ke sekolah adalah
yang paling besar, yaitu 55 orang (43.65 %), diikuti dengan responden dengan

65
Universitas Sumatera Utara

pengalaman pegawai selama perjalanan dari rumah ke kantor dengan alasan lain yaitu
38 orang (30.16 %).

4.2.2.4 Karakteristik Responden Berdasarkan Kondisi Perjalanan Jalan Utama
Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari
rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota
Medan dikelompokkan dalam beberapa kelompok responden berdasarkan kondisi
perjalanan jalan utama masing-masing responden. Untuk lebih jelasnya dapat di
dilihat pada tabel 4.9 dan gambar 4.9.
Tabel 4.9. Kondisi Perjalanan Jalan Utama Yang Dilalui Pegawai
Ruas Jalan

Utama

Kondisi Perjalanan

Jumlah
Responden

Persentase Jumlah
Responden (%)

Selalu Macet (SM)
Sering Macet (SGM)
Jarang Macet (JM)
Tidak Pernah Macet (TM)
Total

33
68
18
4
123

26.83
55.28
14.63
3.25
100

Gambar 4.9. Responden Berdasarkan Kondisi Perjalanan Jalan Utama

66
Universitas Sumatera Utara

Dari gambar 4.9. dapat disimpulkan bahwa responden berdasarkan dengan
kondisi perjalanan jalan utama dari rumah ke kantor mengatakan kondisi jalan utama
sering macet yang paling besar, yaitu 68 orang (55.29 %), kemudian diikuti dengan
kondisi jalan utama yang selalu macet, yaitu 33 orang (26.83 %).

4.2.2.5 Karakteristik Responden Berdasarkan Kondisi Perjalanan Jalan
Alternatif
Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari
rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota
Medan dikelompokkan dalam beberapa kelompok responden berdasarkan kondisi
perjalanan jalan alternatif masing-masing responden.

Untuk lebih jelasnya dapat di

dilihat pada tabel 4.10 dan gambar 4.10.
Tabel 4.10. Kondisi Perjalanan Jalan Alternatif Yang Dilalui Pegawai
Ruas Jalan

Alternatif
Total

Kondisi Perjalanan
Selalu Macet (SM)
Sering Macet (SGM)
Jarang Macet (JM)
Tidak Pernah Macet (TM)

Jumlah
Responden

Persentase Jumlah
Responden (%)

6
46
52
19
123

4.88
37.40
42.28
15.45
100

67
Universitas Sumatera Utara

Gambar 4.10. Responden Berdasarkan Kondisi Perjalanan Jalan Alternatif
Dari gambar 4.10. dapat disimpulkan bahwa responden berdasarkan dengan
kondisi perjalanan jalan alternatif dari rumah ke kantor mengatakan kondisi jalan
alternatif jarang macet yang paling besar, yaitu 52 orang (42.28 %), kemudian diikuti
dengan kondisi jalan alternatif yang sering macet, yaitu 46 orang (37.40 %).

4.2.2.6 Karakteristik Responden Berdasarkan Ragam Tindakan Pegawai
Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari
rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota
Medan dikelompokkan dalam beberapa kelompok responden berdasarkan Ragam
Tindakan Pegawai masing-masing responden.

Untuk lebih jelasnya dapat di dilihat

pada tabel 4.11 dan gambar 4.11.
Tabel 4.11. Ragam Tindakan Pegawai
No
1
2
3
4

Tindakan Pegawai
A. Mempercepat jam keberangkatan dari
rumah sedini mungkin
B. Memilih rute perjalanan alternatif yang
lebih dekat
C. Memilih rute perjalanan alternatif yang
bebas kemacetan
D. Menggunakan kendaraan pribadi
Total

Jumlah
Responden

Persentase Jumlah
Responden (%)
40.48

51
21.43
27
29.37
37
11
126

8.73
100

68
Universitas Sumatera Utara

Gambar 4.11. Responden Berdasarkan Ragam Tindakan Pegawai
Dari gambar 4.11. dapat disimpulkan bahwa responden dengan ragam tindakan
mempercepat jam keberangkatan dari rumah sedini mungkin adalah yang paling
besar, yaitu 51 orang diikuti dengan responden ragam tindakan memilih rute
perjalanan alternatif yang bebas kemacetan yaitu 37 orang.

4.2.2.7 Karakteristik Responden Berdasarkan Adanya Keterhubungan
Keandalan Waktu Perjalanan dengan Kondisi Infrastruktur Jalan
Dari hasil penelitian kuisioner terhadap 126 responden, pelaku perjalanan dari
rumah masing-masing pegawai menuju kantor Dinas Bina Marga Pemerintah Kota
Medan dikelompokkan dalam beberapa kelompok responden berdasarkan adanya
keterhubungan keandalan waktu perjalanan dengan kondisi infrastuktur jalan masingmasing responden.

Untuk lebih jelasnya dapat di dilihat pada tabel 4.12 dan gambar

4.12.

69
Universitas Sumatera Utara

Tabel 4.12. Menurut Pegawai Apakah Ada Keterhubungan Keandalan Waktu
Perjalanan Dengan Kondisi Infarastruktur Jalan
No
1
2
3

Menurut Pegawai Apakah Ada Keterhubungan Keandalan
Waktu Perjalanan Dengan Kondisi Infrastruktur Jalan
A. Ya
B. Kadang Ada
C. Tidak Ada

Total

Jumlah
Responden
70
47
9

126

Gambar 4.12. Responden Berdasarkan Adanya Keterhubungan Keandalan
Waktu Perjalanan Dengan Kondisi Infrastruktur Jalan

Dari Gambar 4.12. dapat disimpulkan bahwa responden berdasarkan dengan Adanya
keterhubungan keandalan waktu perjalanan dengan kondisi infrastruktur jalan yang
hasil dari responden “Ya” adalah yang paling besar, yaitu 70 orang, diikuti dengan
responden dengan ada keterhubungan keandalan waktu perjalanan dengan kondisi
infrastruktur jalan “Kadang Ada” yaitu 47 orang.

70
Universitas Sumatera Utara

4.3 Analisa Regresi Logistik
Setelah semua data ditabulasi, data tersebut kemudian dianalisis secara regresi
logistik dengan alat bantu berupa perangkat komputer dengan perangkat lunak SPSS.
Sehingga

didapatkan

variabel

yang

mempengaruhi

terhadap

kemungkinan

keterlambatan pegawai tiba dikantor. Untuk lebih jelasnya dapat di dilihat pada table
4.13 s/d 4.20.

Table 4.13. Variables in the Equation

B

S.E.

Wald

df

Sig.

Exp(B)

Step 1a x1

-71.266

17598.324

.000

1

.997

.000

x2

.800

13385.344

.000

1

1.000

2.225

x3

-10.485

9755.909

.000

1

.999

.000

x4

-2.058

3133.608

.000

1

.999

.128

x5

.124

4152.691

.000

1

1.000

1.132

x6

-.161

611.148

.000

1

1.000

.852

x7

.526

4462.912

.000

1

1.000

1.692

.000

4

1.000

x8
x8 (1)

-.466

7003.538

.000

1

1.000

.628

x8 (2)

-2.696

10915.647

.000

1

1.000

.067

x8 (3)

-5.687

17883.252

.000

1

1.000

.003

x8 (4)

-1.129

14930.428

.000

1

1.000

.323

x9

-1.424

5826.625

.000

1

1.000

.241

x10

1.698

3915.912

.000

1

1.000

5.462

597.148 229186.606

.000

1

.998

2.179E259

Constant

a. Variable(s) entered on step 1: x1, x2, x3, x4, x5, x6, x7, x8, x9, x10.

Pada tabel 4.13 ini dapat dilihat bahwa pada pengujian dengan menggunakan
kesepuluh variabel bebas didapati bahwa tidak ada variabel yang signifikan. Hasil
71
Universitas Sumatera Utara

regresi logistik menunjukan terjadinya overdispersi atau pembengkakan nilai
variansi.

Dimana dengan terjadinya overdispensi maka akan berdampak kepada

probabilitasnya menjadi tidak signifikan dan nilai S.E. yang sangat besar.
Permasalahan overdispersi dalam regresi logistik tersebut dapat disebabkan karena
adanya hubungan yang erat antara variabel bebas, sehingga untuk menghilangkan
dampak dari membersarnya S.E maka variabel yang kemungkinan memiliki korelasi
antara sesama variabel bebas dikeluarkan dari model yang akan dianalisis. Oleh
karena itu dilakukan pengujian ulang dengan tidak mengikutsertakan variabel X1, X3
dan X8.

Table 4.14. Iteration Historya,b,c
Coefficients

-2 Log likelihood

Iteration

Step 0

Constant

1

103.860

-.921

2

103.760

-.995

3

103.760

-.996

4

103.760

-.996

a. Constant is included in the model.
b. Initial -2 Log Likelihood: 103.760
c. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.

Pada tabel 4.14 ini dapat dilihat bahwa koefisien dari -2 log likelihood lebih
besar dari alpha 5% sehingga dengan demikian dapat menolak hipotesis nol yakni
model belum fit. atau dengan membandingkan nilai 103.760 dengan nilai statistic chisquare (0,05; df=89-1) yaitu 110.898.

72
Universitas Sumatera Utara

Table 4.15. Iteration Historya,b,c,d
Coefficients

-2 Log
Iteration

likelihood Constant

x2

x4

x5

x6

x7

x9

x10

Step 1 1

88.616

1.673 -.604 -.609

.530

.072

-.735

.095

.378

2

86.584

3.432 -.953 -.838

.703

.093

-.962

.143

.480

3

86.510

4.054 -1.062 -.888

.745

.097 -1.011

.156

.497

4

86.509

4.093 -1.069 -.890

.747

.097 -1.013

.157

.498

5

86.509

4.093 -1.069 -.890

.747

.097 -1.013

.157

.498

a. Method: Enter
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 103.760
d. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.

Pada tabel 4.15 ini dapat dilihat bahwa nilai -2 log kedua adalah sebesar
86.509. dibandingkan dengan nilai chi-square (0,05, df=89-7), hasil yang didapat
86.59 < 104.139, Hal ini menunjukkan model sudah fit dengan data.

Table 4.16. Omnibus Tests of Model Coefficients

Step 1

Chi-square

df

Sig.

Step

17.251

7

.016

Block

17.251

7

.016

Model

17.251

7

.016

Pada Tabel 4.16 ini dapat dilihat output omnibus test menyatakan bahwa hasil
uji chi-square goodness of fit sig = 0.016 lebih kecil dari 0,05, ini mengindikasikan
bahwa model yang dihasilkan adalah signifikan.

73
Universitas Sumatera Utara

Table 4.17. Classification Tablea
Predicted

Keterlambatan
Tidak
Terlambat Terlambat

Observed

Step 1 Keterlambatan Terlambat

Tidak Terlambat

Percentage
Correct

60

5

92.3

17

7

29.2
75.3

Overall Percentage
a. The cut value is .500

Pada

tabel

4.17

ini

dapat

dilihat

bahwa

output classification

table mengindikasikan dalam model regresi logistik, tidak terdapat masalah

homoskedastisitas karena nilai persentase keseluruhan 75.3 adalah lebih kecil dari
100%
Table 4.18. Model Summary
Step

-2 Log likelihood

Cox & Snell R Square

86.509a

1

Nagelkerke R Square

.176

.256

a. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.

Pada tabel 4.18 ini dapat dilihat bahwa Cox n Snell’s R Square adalah ukuran
pengaruh bersama yaitu sebesar 0.176 dan nilai Nagelkerke R Square adalah sebesar
0.256. dengan demikian dapat disimpulkan bahwa kemampuan variabel bebas
menjelaskan model adalah hanya sebesar 25.6%.

Table 4.19. Hosmer and Lemeshow Test
Step

1

Chi-square

12.468

df

Sig.

8

.131

74
Universitas Sumatera Utara

Pada tabel 4.19 ini dapat dilihat bahwa Hosmer and Lemeshow’s GoF
dilakukan untuk menguji hipotesis. Jika sig 0.05 maka
Ho diterima, artinya tidak ada perbedaan antara model dan nilai observasinya. Pada
Tabel Hosmer and Lemeshow’s GoF diperoleh hasil sebesar 0.131 (> 0.05) sehingga
dapat dinyatakan bahwa model fit dengan data.

Table 4.20. Variables in the Equation

B
a

Step 1

S.E.

Wald

df

Sig.

Exp(B)

x2

-1.069

.659

2.628

1

.105

.343

x4

-.890

.361

6.069

1

.014

.411

x5

.747

.473

2.490

1

.115

2.110

x6

.097

.053

3.379

1

.066

1.102

x7

-1.013

.466

4.721

1

.030

.363

x9

.157

.394

.159

1

.690

1.170

x10

.498

.338

2.174

1

.140

1.645

4.093

5.417

.571

1

.450

59.921

Constant

a. Variable(s) entered on step 1 : x2, x4, x5, x6, x7, x9, x10.

Pada tabel 4.20 ini dapat dilihat bahwa pada pengujian ulang dengan
menggunakan ketujuh variabel bebas didapati ada variabel yang signifikan. Hasil
regresi logistik menunjukan X4 (kategori alamat) dan X7 (golongan).

75
Universitas Sumatera Utara

4.3.1 Interpretasi Pengujian Hipotesis Model Logistik
Estimasi Maximum Likehood parameter model dapat dilihat dari output pada
table 4.20 Variables in the Equation. Model regresi logistik kemudian dapat

dinyatakan:
Ln (p/1-p) = β0 + β2 X2 + β4 X4 + β5 X5 + β6 X6 + β7 X7 + β9 X9 + β10 X10 + ui
Ln (p/1-p) = 4.093 – 1.069 X2 - 0.890X4 + 0.747X5 + 0.097X6 – 1.013X7 + 0.157X9 +
0.498X10
P/1-P =

4.093 – 1.069 X - 0.890X + 0.747X + 0.097X – 1.013X + 0.157X + 0.498X
2
4
5
6
7
9
10

e

Dari ketujuh variabel bebas yang mempengaruhi variabel tidak bebas dapat
dilihat bahwa hanya terdapat dua variabel yang secara signifikan mempengaruhi
keterlambatan yaitu variabel X4 (kategori alamat) dan X7 (golongan).

Dengan

memperhatikan persamaan ini maka dapat diinterprestasikan sebagai berikut:
1.

Ho : β2 = 0 (variabel jam keberangkatan pegawai tidak mempunyai pengaruh
secara signifikan terhadap probabilitas tidak terlambat).
Hi : β2 ≠ 0 (variabel jam keberangkatan pegawai mempunyai pengaruh secara
signifikan terhadap variabel probabilitas tidak terlambat).
Setiap terjadi peningkatan variabel X2 (jam keberangkatan) maka akan

menurunkan odds ratio tidak terlambat sebesar 0.343 dan tidak signifikan (>0.05)
sehingga Ho diterima.
Hal ini mengindikasikan bahwa jika jam keberangkatan pegawai pergi dari
rumah semakin lama probabilitas tidak terlambatnya akan turun sebesar 0.343 untuk

76
Universitas Sumatera Utara

setiap jamnya. Sehingga jika semakin lama jam keberangkatan pegawai dari rumah
maka akan semakin memperbesar probabilitas keterlambatan pegawai tersebut.
Berdasarkan hasil penelitian ini meskipun variabel jam keberangkatan
pegawai tidak terlalu signifikan dalam menunjukkan probabilitas tidak terlambat
pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan tetapi dapat
menunjukkan semakin lama waktu pegawai untuk berangkat dari rumah (jam waktu
keberangkatan) maka probabilitas untuk sampai di kantor tepat pada waktunya akan
semakin berkurang. Oleh karena itu jika pegawai ingin meningkatkan probabilitas
untuk sampai di kantor tepat pada waktunya diharapkan untuk dapat berangkat lebih
cepat karena jam berangkat yang lebih awal akan mengurangi potensi untuk telambat
sebesar 0.343 untuk setiap satuan mempercepat waktu keberangkatan.
2.

Ho : β4 = 0 (variabel kategori jarak alamat tidak mempunyai pengaruh secara
signifikan terhadap probabilitas tidak terlambat).
Hi :

β4

≠ 0 (variabel kategori jarak alamat mempunyai pengaruh secara

signifikan terhadap variabel probabilitas tidak terlambat).
Setiap terjadi peningkatan variabel X4 (kategori jarak alamat) maka akan
menurunkan odds ratio tidak terlambat sebesar 0.411 dan signifikan (0.05)
sehingga Ho diterima.
Hal ini mengindikasikan bahwa jika semakin tinggi pendidikan pegawai maka
probabilitas untuk tidak terlambatnya akan semakin naik sebesar 2.110 untuk setiap
peningkatan kategori pendidikan terakhirnya.

Sehingga jika semakin tinggi

78
Universitas Sumatera Utara

pendidikan terakhir pegawai maka akan berdampak pada naiknya probabilitas si
pegawai tersebut untuk tidak terlambat sampai di kantor.
Berdasarkan penelitian ini menyatakan bawah variabel pendidikan terakhir
dari pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan tidak signifikan
dalam mempengaruhi kemungkina pegawai untuk tidak terlambat sampai di kantor.
Tetapi perlu diketahui meskipun tidak signifikan variabel ini juga turut memberikan
probabilitas bahwa jika semakin tinggi pendidikan terakhir pegawai Kantor Dinas
Bina Marga Pemerintah Kota Medan maka akan turut meningkatkan probabilitas si
pegawai untuk tidak terlambat.

Sehingga meskipun tidak signifikan tingkat

pendidikan pegawai juga merupakan hal yang perlu untuk diperhatikan karena
peningkatan tingkat pendidikannya akan berdampak positif bagi Kantor Dinas Bina
Marga Pemerintah Kota Medan.
4.

Ho : β6 = 0 (variabel usia pegawai tidak mempunyai pengaruh secara signifikan
terhadap probabilitas tidak terlambat).
Hi : β6 ≠ 0 (variabel usia pegawai mempunyai pengaruh secara signifikan
terhadap variabel probabilitas tidak terlambat).
Setiap terjadi peningkatan variabel X6 (usia) maka akan meningkatkan odds

ratio tidak terlambat

sebesar 1.102 dan tidak signifikan (>0.05) sehingga Ho

diterima.
Hal ini mengindikasikan bahwa jika semakin tua usia si pegawai maka
probabilitas untuk tidak terlambatnya akan semakin naik sebesar 1.102 untuk setiap 1

79
Universitas Sumatera Utara

tahun peningkatan usia si pegawai. Sehingga jika semakin tua usia dari pegawai
maka akan berdampak kepada naiknya kemungkin si pegawai untuk tidak tersebut
untuk tidak terlambat sampai di kantor.
Berdasarkan penelitian ini variabel usia si pegawai tidak memberikan dampak
yang signifikan bagi probabilitas pegawai tidak terlambat.

Meskipun tidak

berdampak signifikan tetapi usia menunjukkan hal yang berdampak positif bagi
potensi keterlambatan. Hasil penelitian ini menunjukkan bahwa pegawai senior yang
cenderung lebih berUsia yang memiliki probabilitas terlambat yang lebih kecil
daripada pegawai yang berUsia lebih muda. Hal ini tentu tidak terlepas dari
kematangan secara emosional yang menyebabkan pegawai senior lebih taat terhadap
peraturan yang ada.
5.

Ho : β7 = 0 (variabel golongan pegawai tidak mempunyai pengaruh secara
signifikan terhadap probabilitas tidak terlambat).
Hi : β7 ≠ 0 (variabel golongan pegawai mempunyai pengaruh secara signifikan
terhadap variabel probabilitas tidak terlambat).
Setiap terjadi peningkatan variabel X7 (golongan) maka akan menurunkan

odds ratio tidak terlambat sebesar 0.363 dan signifikan (0.05)
sehingga Ho diterima.

81
Universitas Sumatera Utara

Hal ini mengindikasikan bahwa jika semakin tidak macet kondisi jalur utama
yang harus dilalui untuk sampai di kantor maka probabilitas untuk tidak terlambat
akan naik sebesar 1,170 untuk setiap peningkatan kategori kondisi kemacetan jalur
utama. Sehingga jika semakin tidak macet jalanan yang harus dilalui si pegawai
untuk sampai di kantor maka akan berdampak pada naiknya probabilitas si pegawai
untuk tidak terlambat sampai di kantor.
Berdasarkan penelitian ini menyatakan bahwa variabel kondisi jalur utama
yang dilewati oleh pegawai untuk sampai di kantor tidak memberikan dampak yang
signifikan dalam mempengaruhi probabilitas pegawai untuk tidak terlambat. Kondisi
jalur utama yang dibagi menjadi 4 (empat) kategori yaitu selalu macet, sering macet,
jarang macet dan tidak pernah macet menunjukkan bahwa bukanlah menjadi
penyebab yang paling signifikan keterlambatan pegawai. Meskipun tidak berdampak
signifikan tetapi kondisi jalan yang semakin tidak macet turut menurunkan
probabilitas pegawai tiba di kantor terlambat.
7.

Ho : β10 = 0 (variabel kondisi jalur alternatif tidak mempunyai pengaruh secara
signifikan terhadap probabilitas tidak terlambat).
Hi : β10 ≠ 0 (variabel kondisi jalur alternatif mempunyai pengaruh secara
signifikan terhadap variabel probabilitas tidak terlambat).
Setiap terjadi peningkatan variabel X10 (kondisi jalur alternatif) maka akan

menaikkan odds ratio tidak terlambat sebesar 1.645 dan tidak signifikan (>0.05)
sehingga Ho diterima.

82
Universitas Sumatera Utara

Hal ini mengindikasikan bahwa jika semakin tidak macet kondisi jalur
alternatif yang digunakan jika jalur utama tidak digunakan agar dapat sampai di
kantor maka probabilitas tidak terlambat akan naik sebesar 1.645 untuk setiap
peningkatan kategori kondisi kemacetan jalur utama. Sehingga jika semakin tidak
macet kondisi jalur alternatif yang digunakan jika tidak menggunakan jalur utama
maka akan berdampak pada naiknya probabilitas si pegawai untuk tidak terlambat
sampai di kantor.
Berdasarkan penelitian ini menyatakan bahwa kondisi jalur alternatif yang
digunakan pegawai tidak memberikan dampak yang signifikan terhadap probabilitas
pegawai Kantor Dinas Bina Marga Pemerintah Kota Medan untuk tidak terlambat.
Kondisi jalur alternatif yang dibagi menjadi 4 (empat) kategori yaitu selalu macet,
sering macet, jarang macet dan tidak pernah macet menunjukkan bahwa bukanlah
menjadi penyebab yang paling signifikan agar pegawai dapat tiba lebih awal di
kantor. Meskipun tidak berdampak signifikan tetapi kondisi jalan alternatif yang
semakin tidak macet turut menurunkan probabilitas pegawai tiba di kantor terlambat.

83
Universitas Sumatera Utara

BAB V
KESIMPULAN DAN SARAN

5.1

Kesimpulan
Dari hasil analisis dan pembahasan yang telah disampaikan pada bagian

sebelumnya, maka dapat diambil kesimpulan sebagai berikut:
1.

Karakteristik pengguna jasa infrastruktur jaringan jalan dari kalangan pegawai
Kantor Dinas Bina Marga Pemerintah Kota Medan yang melakukan perjalanan
dari rumah ke lokasi kerja (kantor) setiap hari kerja, yaitu:
a. Karakteristik responden berdasarkan data tiba di lokasi kerja pada jam 8.008.30 adalah sebesar 93 orang dalam 1 tahun, hal ini menunjukkan rendahnya
kedisiplinan Pegawai Dinas Bina Marga Kota Medan.
b. Karakteristik responden berdasarkan data jam keberangkatan ke lokasi kerja
pada jam 6.30-6.59 adalah sebesar 59 orang.
c. Dalam tiga bulan terakhir berdasarkan frekuensi keterlambatan pegawai
sebagian besar responden jarang sekali terlambat sampai di kantor.
d. Karakteristik responden berdasarkan alamat rumah/ kecamatan sebagian
besar berdomisili di daerah Helvetia, Amplas, dan Perjuangan.
e. Karakteristik responden berdasarkan pendidikan sebagian besar pendidikan
pegawai berada pada kisaran SD, SMP, SLTA/ sederajat.

Hal ini

menunjukkan rendahnya tingkat pendidikan pegawai di Dinas Bina Marga
Kota Medan.

84
Universitas Sumatera Utara

f. Karakteristik responden berdasarkan umur pegawai sebagian besar berada
dikisaran 40-60 tahun dengan jumlah responden 129 orang.

Hal ini

menunjukkan pegawai Dinas Bina Marga Kota Medan sudah lama mengabdi
di Dinas Bina Marga Kota Medan.
g. Karakteristik responden berdasarkan golongan pegawai Sebagian besar
Pegawai di Dinas Bina Marga Kota Medan ini adalah berada pada golongan
I dan II. Hal ini dikarenakan sebagian besar pendidikan pegawai Dinas Bina
Marga Kota Medan itu berada pada kisaran SLTA/ Sederajat.
h. Karakteristik responden berdasarkan dengan pengalaman selama perjalanan
pegawai ke kantor sebagian besar adalah mengantar anak ke sekolah. Hal ini
yang menjadi salah satu kemungkinan penyebab keterlambatan pegawai
Dinas Bina Marga Kota Medan.
i. Kondisi perjalanan pegawai melalui jalan utama mengatakan sering macet
yaitu 68 orang dan selalu macet yaitu 33 orang, sehingga beberapa pegawai
memilih menggunakan jalan alternatif.
j. Pegawai yang memilih melalui jalan alternatif mengatakan kondisi jalan
alternatif jarang macet yaitu 52 orang, tetapi 46 orang mengatakan kondisi
jalan alternatif juga sering macet.
k. Karakteristik responden berdasarkan dengan ragam tindakan sebagian besar
lebih memilih untuk mempercepat jam keberangkatan dari rumah sedini
mungkin agar dapat sampai di kantor tepat waktu.

85
Universitas Sumatera Utara

2.

Untuk meningkatkan probabilitas ketidakterlambatan, pegawai hendaknya
mempercepat jam keberangkatan sedini mungkin daripada menggunakan jalur
alternatif pada pegawai kantor Dinas Bina Marga Kota Medan.

3.

Model regresi logistik adalah: P/1-P =

4.093 – 1.069 X - 0.890X + 0.747X + 0.097X –
e
2
4
5
6

1.013X + 0.157X + 0.498X
7
9
10

a.

Semakin lama jam keberangkatan pegawai untuk pergi menuju ke kantor
Dinas Bina Marga maka kemungkinan pegawai untuk tiba tepat waktu akan
turun sebesar 0,343..

b.

Semakin jauh jarak rumah pegawai dari kantor Dinas Bina Marga maka
kemungkinan pegawai untuk tiba te