analisis faktor konfirmatori untuk mengetahui...
TRANSCRIPT
ANALISIS FAKTOR KONFIRMATORI UNTUK MENGETAHUI KESADARAN
BERLALU LINTAS PENGENDARA SEPEDA MOTOR DI SURABAYA TIMUR
Oleh :M Mushonnif Efendi (1310 105 019)
Dosen Pembimbing :Jerry Dwi Trijoyo Purnomo, S. Si, M. Si.
SURABAYA
KOTA TERBESAR KEDUA SETELAH JAKARTAKOTA METROPOLITAN PUSAT DARI EKONOMI JAWA TIMUR
MOBILITAS TINGGI
• Aktiva Primananda, 2005
menghasilkan kesimpulan jalan – jalan yang rawan adalahAlun – Alun Contong, Dupak, Demak, dan Kalibutuh.
• Laylia Nur Afidah, 2011
Pola tingkat keparahan Korban Kecelakaan lalulintas di Surabaya menghasilkan kesimpulan 38% meninggal dunia, 37% luka berat, dan 25% luka ringan.
32% mengalami tabrak depan.
69% korban berjenis kelamin laki-laki
usia terbanyak korban adalah usia paruh baya (36 sampai 58 tahun).
mayoritas korban adalah pengendara
79% korban menggunakan sepeda motor
Pribadi Lingkungan Aturan
Analisis Konfirmatori Faktor
(2)Indikator-indikator apa saja
yang memiliki penilaiandan variabel
laten/penilaian kontribusiterbesar dalam menyusun
variabel laten/penilaiandalam survei kesadaran
berlalu lintas ?
(1)Indikator-indikator apa saja
yang dapat digunakan untuk mengukur
pribadi/diri sendiri, lingkungan, aturan
dan kesadaran berlalu lintas ?
1
2
Mengidentifikasi variabel indikator yang dapat mengukur variabel pribadi/diri sendiri, aturan, lingkungan dan kesadaran berlalu lintas.
Ingin mengkaji variabel laten/penilaiankontribusi terbesar dalam menyusun variabellaten/penilaian dalam survei kesadaran berlalu lintas.
Polrestabes Surabaya
Timur
Keilmuan Statistik
• Hasil penelitian ini dapat memberikan masukankepada PolrestabesSurabaya Timur akankesadaran berlalu lintasmasyarakat Surabaya Timur
• Dapat mengembangkan keilmuan statistik di bidang Confirmatory Factor Analysis (CFA).
Penelitian dibatasi pada :
Data Primer dari Survey
Dimana respondennya adalah masyarakat Surabaya Timur yang bisa berkendara
sepeda motor
Analisis Faktor Konfirmatori• Analisis Faktor Konfirmatori merupakan salah satu metode analisis
multivariat yang dapat digunakan untuk mengkonfirmasikan apakah model pengukuran yang dibangun sesuai dengan yang dihipotesiskan. Dalam Analisis Faktor Konfirmatori, peubah laten dianggap sebagai peubah penyebab (peubah bebas) yang mendasari peubah-peubah indikator (Ghozali, 2008).
Model umum Analisis Faktor konfirmatori adalah sebagai berikut:
First Order Confirmatory Factor Analysis
Pada First Order Confirmatory Factor Analysis suatu variabel laten diukur berdasarkan beberapa indikator yang dapat diukur secara langsung.
Estimasi ModelEstimasi parameter berhubungan dengan distribusi data yang digunakan. Estimasi parameter dengan menggunakan MLE memerlukan data yang mengikuti distribusi multinormal (Brown, 2006).
Uji ValiditasDalam Analisis Faktor Konfirmatori model yang dihipotesiskan harus bersifat valid yaitu mengacu kepada kemampuan suatu indikator dalam mengukur apa yang sebenarnya ingin diukur (Supranto, 2004). Dengan demikian validitas suatu indikator menjadi syarat yang harus dipenuhi. Uji validitas indikator-indikator dalam mengukur peubah laten dinilai dengan cara menguji apakah semua loadingnya (i) nyata dengan menggunakan uji-t untuk nilai α tertentu
• Evaluasi ModelUji 2
Model baik jika uji 2 tidak nyata pada taraf nyata tertentu. Nilai chi-square ini
hanya akan valid apabila asumsi normalitas data terpenuhi dan ukuran sampel besar oleh Joreskog (2000) dalam Ghozali (2008). Nilai chi-square sebesar nol menunjukkan bahwa model memiliki fit yang sempurna (perfect fit). Hipotesis yang digunakan sebagai berikut :
H0 : ∑ = ∑(θ), matriks kovarians populasi sama dengan matriks kovarians yang diestimasi.
H1 : ∑ ≠ ∑(θ), matriks kovarians populasi tidak sama dengan matriks kovarians yang diestimasi.
Hasil yang diharapkan adalah gagal tolak H0 dengan syarat nilai 2 sekecil mungkin atau P-value > , dimana sama dengan 0,05
GFI (Goodness of Fit Index)Suatu aturan umum yang disarankan untuk kelayakan sebuah model adalah nilai GFI-nya lebih besar dari 0,90 dan nilai maksimumnya adalah 1. Nilai yang tinggi dalam indeks ini menunjukkan sebuah better fit. Nilai GFI ≥ 0.90 merupakan good fit (kecocokan yang baik), sedangkan 0.80 ≤ GFI ≤ 0.90 sering disebut marginal fit.
AGFI (Adjusted Goodness of Fit Index)Suatu model dikatakan baik apabila nilai AGFI-nya lebih besar dari 0,80 dan nilai maksimumnya adalah 1
RMSEA (Root Mean Square of Error Approximatition)Nilai RMSEA ≤ 0.05 menandakan close fit, sedangkan 0.05 < RMSEA ≤0.08 menunjukkan good fit oleh Brown dan Cudeck, 1993 dalam buku Wijanto (2008)
Definisi Kecelakaan Lalu LintasKecelakaan lalu lintas didefinisikan sebagai kejadian di mana sebuah kendaraan bermotor bertabrakan dengan benda lain dan menyebabkan kerusakan, serta berisiko dapat mengakibatkan luka-luka atau kematian manusia
Faktor-faktorpenyebab kecelakaan
lalu lintas
Faktor Manusia
Faktor Kendaraan
Faktor Jalan
Faktor Cuaca
Sumber DataData primer hasil survey terhadap pengendarasepeda motor yang ada di Surabaya Timur
Populasi dan SampelMetode sampling yang digunakan adalah sampling Kuota dengan 228 responden, dikarenakan populasi tak hingga
Variabel PenelitianVariabel pribadi/diri (X1), Variabel lingkungan (X2), Variabel aturan berlalu lintas (X3),Variabel kesadaran berlalu lintas (Y1),
Mulai
Persiapan Suvey
Melakukan Survey
Data Kuisoner
Analisis Deskriptif
Menguji Multinormal
Identifikasi Model
Estimasi Model
Modifikasi model
SelesaiA
A
Tahap
ITah
apII
Tahap
II Lanju
tan
28%
72%
Tidak tahu
Ya tahu
PENGETAHUAN TENTANG SAFETY RIDING
Analisis Deskriptif
Mengetahui
Safety
Riding
Jenis Kelamin
Total
Laki -
laki
Peremp
uan
Ya 42% 30% 72%
Tidak 17% 12% 82%
Total 58% 42% 100%
Mengetahui
Safety Riding
Usia
Total> 40 th 17 - 24 th 25 - 40 th
Ya 14% 33% 25% 72%Tidak 8% 15% 5% 28%Total 22% 48% 30% 100%
Hasil Pengujian Multivariat Normal
Variabel Laten Nilai 2 multivariat
Kesadaran 0,59
Pribadi 0,60
Aturan 0,64
Lingkungan 0,65
Normal Multivariat
tqpqpdf )1)((21
10)150)(50(21
= 5
Goodness of fit IndexCut off
value
Hasil model Keterangan
2 - Chi square - 11,60 BaikProbability ≥ 0,05 0,04 Kurang baikRMSEA ≤ 0,08 0,07 BaikGFI ≥ 0,90 0,98 BaikAGFI ≥ 0,90 0,94 BaikTLI ≥ 0,90 0,96 BaikCFI ≥ 0,90 0,98 Baik
Uji Unidimensionalitas Variabel laten Kesadaran
Hubungan Estimasi t t tabel Keterangan R2
Y1 <--- Kesadaran 0,548 0,300
Y2 <--- Kesadaran 0,487 5,26 1,96 Signifikan 0,238
Y3 <--- Kesadaran 0,555 4,908 1,96 Signifikan 0,308
Y4 <--- Kesadaran 0,835 4,621 1,96 Signifikan 0,698
Y5 <--- Kesadaran 0,412 4,88 1,96 Signifikan 0,170
Hubungan Estimasikesalahan pengukuran
(δ)(1-λi2)
Y1 <--- Kesadaran 0,548 0,699696Y2 <--- Kesadaran 0,487 0,762831Y3 <--- Kesadaran 0,555 0,691975Y4 <--- Kesadaran 0,835 0,302775Y5 <--- Kesadaran 0,412 0,830256
Uji Unidimensionalitas Variabel laten Kesadaran
Uji Unidimensionalitas Variabel laten Pribadi
tqpqpdf )1)((21
t )1120)(120(21
= 54
Goodness of fit IndexCut off
value
Hasil model Keterangan
2 - Chi square - 280,43 diharapkan kecil
Probability ≥ 0,05 0,00 Kurang baikRMSEA ≤ 0,08 0,12 Kurang baikGFI ≥ 0,90 0,81 Kurang baikAGFI ≥ 0,90 0,72 Kurang baikTLI ≥ 0,90 0,69 Kurang baikCFI ≥ 0,90 0,78 Kurang baik
Hubungan Estimasi t t tabel Keterangan R2
X1.12 <--- Pribadi 0,596 0,356X1.11 <--- Pribadi 0,57 7,023 1,96 Signifikan 0,325X1.10 <--- Pribadi 0,529 6,621 1,96 Signifikan 0,279X1.9 <--- Pribadi 0,689 8,064 1,96 Signifikan 0,475X1.8 <--- Pribadi 0,334 4,468 1,96 Signifikan 0,112X1.7 <--- Pribadi 0,708 8,213 1,96 Signifikan 0,501
X1.6 <--- Pribadi 0,537 6,701 1,96 Signifikan 0,288X1.5 <--- Pribadi 0,451 5,812 1,96 Signifikan 0,203X1.4 <--- Pribadi 0,556 6,888 1,96 Signifikan 0,309X1.3 <--- Pribadi 0,536 6,69 1,96 Signifikan 0,287X1.2 <--- Pribadi 0,639 7,652 1,96 Signifikan 0,409X1.1 <--- Pribadi 0,678 7,98 1,96 Signifikan 0,460
M.I. Par Change
e2 <--> e1 14,555 ,316e4 <--> e3 13,967 ,279e5 <--> e3 5,404 ,177e5 <--> e4 75,339 ,601e6 <--> e4 11,768 ,208e6 <--> e5 28,949 ,333e7 <--> e5 9,088 -,194e8 <--> e1 6,550 -,308e8 <--> e5 4,081 -,235e8 <--> e7 5,988 ,261e9 <--> e1 8,556 -,250e9 <--> e3 5,770 -,215e9 <--> e4 10,551 -,265e9 <--> e5 4,415 -,175e9 <--> e7 10,675 ,247e9 <--> e8 21,102 ,631e10 <--> e4 10,804 -,308e10 <--> e5 11,205 -,320e10 <--> e8 9,905 ,497e10 <--> e9 42,975 ,739e12 <--> e2 7,319 ,266
Uji Unidimensionalitas Variabel laten Pribadi
Goodness of fit IndexCut off
value
Hasil model Keterangan
2 - Chi square - 115,34 diharapkan kecil
Probability ≥ 0,05 0,00 Kurang baikRMSEA ≤ 0,08 0,07 BaikGFI ≥ 0,90 0,92 BaikAGFI ≥ 0,90 0,90 BaikTLI ≥ 0,90 0,91 BaikCFI ≥ 0,90 0,93 Baik
Hubungan Estimasi
kesalahan pengukuran
(δ)(1-λi2)
X1.12 <--- Pribadi 0,596 0,645X1.11 <--- Pribadi 0,57 0,675X1.10 <--- Pribadi 0,529 0,720X1.9 <--- Pribadi 0,689 0,525X1.8 <--- Pribadi 0,334 0,888X1.7 <--- Pribadi 0,708 0,499X1.6 <--- Pribadi 0,537 0,712X1.5 <--- Pribadi 0,451 0,797X1.4 <--- Pribadi 0,556 0,691X1.3 <--- Pribadi 0,536 0,713X1.2 <--- Pribadi 0,639 0,592X1.1 <--- Pribadi 0,678 0,540
Uji Unidimensionalitas Variabel laten Pribadi
HubunganR2(sebelum modifikasi)
R2 (sesudah modifikasi)
X1.12 <--- Pribadi 0,356 0,368X1.11 <--- Pribadi 0,325 0,323X1.10 <--- Pribadi 0,279 0,227X1.9 <--- Pribadi 0,475 0,428X1.8 <--- Pribadi 0,112 0,084X1.7 <--- Pribadi 0,501 0,505
X1.6 <--- Pribadi 0,288 0,27X1.5 <--- Pribadi 0,203 0,159X1.4 <--- Pribadi 0,309 0,283X1.3 <--- Pribadi 0,287 0,291X1.2 <--- Pribadi 0,409 0,442X1.1 <--- Pribadi 0,46 0,506
Uji Unidimensionalitas Variabel laten Aturan
= 14
Goodness of fit IndexCut off
valueHasil model Keterangan
2 - Chi square - 60,05 Diharapkan kecilProbability ≥ 0,05 0,00 Kurang baikRMSEA ≤ 0,08 0,12 Kurang baikGFI ≥ 0,90 0,93 BaikAGFI ≥ 0,90 0,86 Kurang baikTLI ≥ 0,90 0,86 Kurang baikCFI ≥ 0,90 0,91 Baik
Hubungan Estimasi t t tabel Keterangan R2
X2.7 <--- Aturan 0,712 0,501
X2.6 <--- Aturan 0,446 6,248 1,96 Signifikan 0,199
X2.5 <--- Aturan 0,728 10,278 1,96 Signifikan 0,530
X2.4 <--- Aturan 0,608 8,584 1,96 Signifikan 0,370
X2.3 <--- Aturan 0,522 7,332 1,96 Signifikan 0,272
X2.2 <--- Aturan 0,739 10,421 1,96 Signifikan 0,546
X2.1 <--- Aturan 0,59 8,312 1,96 Signifikan 0,348
Uji Unidimensionalitas Variabel laten Aturan
Hubungan Estimasi
kesalahan pengukuran
(δ)(1-λi2)
X2.7 <--- Aturan 0,762 0,419X2.6 <--- Aturan 0,446 0,801X2.5 <--- Aturan 0,728 0,470X2.4 <--- Aturan 0,608 0,630X2.3 <--- Aturan 0,522 0,728X2.2 <--- Aturan 0,739 0,454X2.1 <--- Aturan 0,59 0,652
Uji Unidimensionalitas Variabel laten Lingkungan
= 20
Goodness of fit IndexCut off
value
Hasil model Keterangan
2 - Chi square - 106,29 Diharapkan kecilProbability ≥ 0,05 0,00 Kurang baikRMSEA ≤ 0,08 1,38 Kurang baikGFI ≥ 0,90 0,89 Kurang baikAGFI ≥ 0,90 0,80 Kurang baikTLI ≥ 0,90 0,81 Kurang baikCFI ≥ 0,90 0,86 Kurang baik
Hubungan Estimasi t t tabel Keterangan R2
X3.8 <--- Lingkungan 0,726 0,528X3.7 <--- Lingkungan 0,77 10,595 1,96 Signifikan 0,592X3.6 <--- Lingkungan 0,596 8,295 1,96 Signifikan 0,355X3.5 <--- Lingkungan 0,667 9,27 1,96 Signifikan 0,445X3.4 <--- Lingkungan 10,676 9,389 1,96 Signifikan 0,457X3.3 <--- Lingkungan 0,542 7,55 1,96 Signifikan 0,293X3.2 <--- Lingkungan 0,598 8,331 1,96 Signifikan 0,358X3.1 <--- Lingkungan 0,544 7,582 1,96 Signifikan 0,296
M.I. Par Changee2 <--> e1 21,209 ,393e4 <--> e2 6,427 -,191e5 <--> e1 25,397 ,411e6 <--> e4 10,960 ,269e7 <--> e1 4,854 -,120e7 <--> e5 6,465 -,129e8 <--> e1 11,535 -,193e8 <--> e7 26,978 ,183
Uji Unidimensionalitas Variabel laten Lingkungan
Goodness of fit IndexCut off
value
Hasil model Keterangan
2 - Chi square - 30,15 Diharapkan kecil
Probability ≥ 0,05 0,02 Kurang baikRMSEA ≤ 0,08 0,06 BaikGFI ≥ 0,90 0,97 BaikAGFI ≥ 0,90 0,93 BaikTLI ≥ 0,90 0,97 BaikCFI ≥ 0,90 0,98 Baik
R2 Sebelum modifikasi
R2 Sesudah modifikasiHubungan
X3.8 <--- Lingkungan 0,528 0,443X3.7 <--- Lingkungan 0,592 0,506X3.6 <--- Lingkungan 0,355 0,408X3.5 <--- Lingkungan 0,445 0,429X3.4 <--- Lingkungan 0,457 0,519
X3.3 <--- Lingkungan 0,293 0,298X3.2 <--- Lingkungan 0,358 0,324X3.1 <--- Lingkungan 0,296 0,228
Uji Unidimensionalitas Variabel laten Lingkungan
Second Order Confirmatory Kesadaran Berlalu Lintas
tqpqpdf )1)((21
57)1270)(270(21
= 321
Goodness of fit
Index
Cut off
value
Hasil model Keterangan
2 - Chi square - 972,49 Kurang baik
Probability ≥ 0,05 0,00 Kurang baik
RMSEA ≤ 0,08 0,09 Kurang baik
GFI ≥ 0,90 0,74 Kurang baik
AGFI ≥ 0,90 0,69 Kurang baik
TLI ≥ 0,90 0,73 Kurang baik
CFI ≥ 0,90 0,76 Kurang baik
Hubungan Estimasi t t-tabel Ket R2
Pribadi <--- Kesadar 0,87 8,41 1,96 Signifikan 0,75Aturan <--- Kesadar 0,89 10,65 1,96 Signifikan 0,79Lingkung <--- Kesadar 0,97 11,85 1,96 Signifikan 0,94
X1#12 <--- Pribadi 0,58 0,34X1#11 <--- Pribadi 0,57 6,97 1,96 Signifikan 0,32X1#10 <--- Pribadi 0,50 6,34 1,96 Signifikan 0,25X1#9 <--- Pribadi 0,68 7,87 1,96 Signifikan 0,46X1#8 <--- Pribadi 0,33 4,42 1,96 Signifikan 0,11X1#7 <--- Pribadi 0,68 7,96 1,96 Signifikan 0,47X1#6 <--- Pribadi 0,60 7,17 1,96 Signifikan 0,36X1#5 <--- Pribadi 0,50 6,24 1,96 Signifikan 0,25X1#4 <--- Pribadi 0,60 7,13 1,96 Signifikan 0,36X1#3 <--- Pribadi 0,52 6,52 1,96 Signifikan 0,27X1#2 <--- Pribadi 0,63 7,69 1,96 Signifikan 0,40X1#1 <--- Pribadi 0,65 7,80 1,96 Signifikan 0,43
X2#7 <--- Aturan 0,71 0,51X2#6 <--- Aturan 0,42 6,06 1,96 Signifikan 0,18X2#5 <--- Aturan 0,76 10,48 1,96 Signifikan 0,58X2#4 <--- Aturan 0,57 8,14 1,96 Signifikan 0,33X2#3 <--- Aturan 0,51 7,20 1,96 Signifikan 0,26X2#2 <--- Aturan 0,75 10,37 1,96 Signifikan 0,56X2#1 <--- Aturan 0,64 8,77 1,96 Signifikan 0,41X3#8 <--- Lingkung 0,75 0,56X3#7 <--- Lingkung 0,79 12,03 1,96 Signifikan 0,62X3#6 <--- Lingkung 0,60 8,72 1,96 Signifikan 0,36X3#5 <--- Lingkung 0,64 9,26 1,96 Signifikan 0,40X3#4 <--- Lingkung 0,73 10,56 1,96 Signifikan 0,53X3#3 <--- Lingkung 0,51 7,41 1,96 Signifikan 0,26X3#2 <--- Lingkung 0,55 8,01 1,96 Signifikan 0,30X3#1 <--- Lingkung 0,50 7,14 1,96 Signifikan 0,25
Second Order Confirmatory Kesadaran Berlalu Lintas
Goodness of fit
Index
Cut off
value
Hasil model Keterangan
2 - Chi square - 546,39 Diharapkan kecil
Probability ≥ 0,05 0,00 Kurang baikRMSEA ≤ 0,08 0,06 BaikGFI ≥ 0,90 0,85 Kurang baikAGFI ≥ 0,90 0,81 Kurang baikTLI ≥ 0,90 0,89 Kurang baikCFI ≥ 0,90 0,91 Baik
M.I.Par
Changee21 <--> e30 4,222 0,074e21 <--> e20 27,473 0,466E22 <--> e20 6,947 0,212E23 <--> e30 8,558 -0,085E23 <--> e28 5,38 0,09E23 <--> e21 5,814 -0,173e24 <--> e20 31,618 0,474e24 <--> e21 5,903 0,202e25 <--> e29 4,122 -0,077e25 <--> e28 4,48 0,105e25 <--> e23 6,426 0,189e26 <--> e23 5,391 -0,098e27 <--> e20 6,948 -0,145e27 <--> e23 4,33 -0,092e27 <--> e26 17,707 0,134e13 <--> e29 6,04 -0,084e13 <--> e28 7,538 0,126e13 <--> e22 4,185 -0,155e13 <--> e23 4,744 -0,15e13 <--> e26 5,548 0,117e14 <--> e26 6,345 0,103e15 <--> e13 13,722 -0,35
Second Order Confirmatory Kesadaran Berlalu Lintas
HubunganR2 Sebelum modifikasi
R2 Sesudah modifikasi
Pribadi <--- Kesadaran 0,865 0,851Aturan <--- Kesadaran 0,889 0,869Lingkungan <--- Kesadaran 0,971 0,991
X1#12 <--- Pribadi 0,581 0,601X1#11 <--- Pribadi 0,565 0,588X1#10 <--- Pribadi 0,504 0,495X1#9 <--- Pribadi 0,675 0,648X1#8 <--- Pribadi 0,332 0,293X1#7 <--- Pribadi 0,684 0,695X1#6 <--- Pribadi 0,599 0,710X1#5 <--- Pribadi 0,503 0,476X1#4 <--- Pribadi 0,598 0,571X1#3 <--- Pribadi 0,516 0,507X1#2 <--- Pribadi 0,633 0,639X1#1 <--- Pribadi 0,652 0,658X2#7 <--- Aturan 0,712 0,684X2#6 <--- Aturan 0,422 0,371X2#5 <--- Aturan 0,763 0,767X2#4 <--- Aturan 0,573 0,571X2#3 <--- Aturan 0,514 0,523X2#2 <--- Aturan 0,749 0,749X2#1 <--- Aturan 0,637 0,650X3#8 <--- Lingkungan 0,746 0,711X3#7 <--- Lingkungan 0,785 0,757X3#6 <--- Lingkungan 0,601 0,618X3#5 <--- Lingkungan 0,636 0,630X3#4 <--- Lingkungan 0,725 0,732X3#3 <--- Lingkungan 0,511 0,510X3#2 <--- Lingkungan 0,552 0,524
Second Order Confirmatory Kesadaran
Berlalu Lintas
• Indikator-indikator penyusun dari variabel laten kesadaran, pribadi, aturan dan lingkungan memiliki nilai t-hitung > t-tabel, menunjukkan semua nilailoading factor secara signifikan berpengaruh (unidimensional) terhadapvariabel-variabel laten pada first order CFA.
• Kontribusi terbesar pada variabel laten kesadaran adalah indikator Y4 (saya pernah melihat kecelakaan sehingga saya lebih berhati-hati). Sedangkan pada variabel laten pribadi kontribusi terbesar pada indikator X1.1 (Tidak mengerem secara mendadak) dengan nilai sebesar 69,8%, pada variabel laten aturan kontribusi terbesar terdapat pada indikator X2.2 (saya selalu menggunakan jaket/perlengkapan berkendara) memberikan kontribusi sebesar 50,6% dan kontribusi terbesar pada variabel laten lingkungan adalah indikator X3.4 (mematuhi peraturan meskipun tidak ada polisi yang menjaga) dengan nilai sebesar 51,9%.
Saran untuk penelitian ini jika kerangka teorinya sudah diketahui dengan kuat, lebih baik penelitian ini dilanjutkan dengan motode SEM (Structural Equation Modeling).
TERIMA KASIH