BAB II

TINJAUAN PUSTAKA
2.1 Analisis Jalur
2.1.1 Sejarah Analisis Jalur
Path Analysis atau analisis jalur dikembangkan oleh Sewal Wright tahun
1934. Bohrnstedt mengartikan analisis jalur sebagai a technique for estimating
the effects a set of independent variables has on a dependent variable from a set
of observed correlations, given a set of hypothesized causal asymetric relatin
among the variables (Riduan dan Kuncoro 2011 dikutip oleh Sunjoyo dkk,
2013).
Analisis jalur ini merupakan perluasan atau kepanjangan dari regresi
berganda yang digunakan untuk menaksir hubungan kausalitas (sebab-akibat)
antar variabel yang telah ditetapkan sebelumnya, serta menguji besarnya
sumbangan atau kontribusi masing-masing variabel eksogen terhadap variabel
endogen (Ghozali 2006, Riduan dan Kuncoro 2011 dikutip oleh Sunjoyo dkk,
2013).
Dalam pengujian hubungan kausal tersebut yang didasarkan pada teori
yang memang menyatakan bahwa variabel yang dikaji memiliki hubungan secara
kausal. Analisis jalur bukan ditujukan untuk menurunkan teori kausal, melainkan
dalam penggunaannya harus didasarkan pada teori yang menyatakan bahwa
hubungan antar variabel tersebut bersifat kausal. Dengan demikian, kuat lemahnya
teori yang digunakan dalam menggambarkan hubungan kausal tersebut
menentukan dalam penyusunan diagram jalur dan mempengaruhi hasil dari
analisis serta pengimplementasian secara keilmuan (Widiyanto, 2013).

2.1.2 Pengertian Analisis Jalur

Menurut Pedhazur dalam Kerlinger (1983) dikutip oleh Widiyanto (2013),
analisis jalur merupakan suatu bentuk terapan dari analisis multiregresi. Dalam
analisis ini digunakan diagram jalur untuk membantu konseptualisasi masalah
atau menguji hipotesis yang kompleks dan juga untuk mengetahui pengaruh
langsung dan tidak langsung dari variabel-variabel bebas terhadap variabel terikat.
Analisis jalur ialah suatu tehnik untuk menganalisis hubungan sebab akibat
yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel
tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung (Robert
D. Rutherford 1993 dikutip oleh Sarwono, 2007).
Defenisi lain mengatakan Analisis jalur merupakan pengembangan
langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi
tingkat kepentingan (magnitude) dan signifikasi (significance) hubungan sebab
akibat hipotetikal dalam seperangkat variabel (Paul Webley 1997 dikutip oleh
Sarwono, 2007).
David Garson dari North Carolina State University mendefenisikan
analisis jalur sebagai model perluasan regresi yang digunakan untuk menguji
keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat
yang dibandingkan oleh peneliti. Modelnya digambarkan dalam bentuk gambar
lingkaran dan panah dimana anak panah tunggal menunjukkan sebagai penyebab.
Regresi dikenakan pada masing-masing variabel dalam suatu model sebagai
variabel tergantung (pemberi respons) sedang yang lain sebagai penyebab.
Pembobotan regresi diprediksikan dalam suatu model yang dibandingkan dengan

matriks korelasi yang diobservasi untuk semua variabel dan dilakukan juga
penghitungan uji keselarasan statistik (David Garson 2003 dikutip oleh Sarwono,
2007).
2.1.3 Manfaat Analisis Jalur
Menurut Saparina (2013), ada beberapa manfaat analisis jalur diantaranya
adalah:
1.

Sebagai penjelas terhadap fenomena yang dipelajari atau permasalahan yang

diteliti.

2.

Untuk prediksi nilai variabel endogenous (Y) berdasarkan nilai variabel

eksogenous (X).

3.

Sebagai faktor determinan yaitu penentuan variabel eksogenous (X) mana

yang berpengaruh dominan terhadap variabel endogenous (Y), juga untuk
menelusuri mekanisme (jalur-jalur) pengaruh variabel eksogenous (X)
terhadap variabel endogenous (Y).

4.

Pengujian model, menggunakan theory triming, baik untuk uji reabilitas

konsep yang sudah ada ataupun uji pengembang konsep baru.

2.1.4 Asumsi dalam Analisis Jalur

Asumsi yang melandasi analisis jalur diantaranya adalah (Solimun 2002,
Riduan dan Kuncoro 2011 dikutip oleh Sunjoyo dkk, 2013):
1.

Hubungan antar variabel haruslah linear dan aditif.

2.

Ukuran sampel yang memadai sebaiknya diatas 100.

3.

Pola hubungan antara variabel adalah rekursif (satu arah).

4.

Data berskala interval.

2.1.5 Istilah-istilah dasar dalam Analisis Jalur

Menurut Sarwono (2007), ada beberapa istilah yang digunakan dalam
analisis jalur yaitu sebagai berikut:
1.

Model Jalur
Adalah suatu diagram yang menghubungkan antara variabel bebas, perantara
dan tergantung. Pola hubungannya menggunakan anak panah. Anak panah
tunggal menunjukkan hubungan sebab-akibat antara variabel exogenous
dengan satu variabel tergantung atau lebih. Anak panah-anak panah juga
menghubungkan kesalahan (variabel residue) dengan semua variabel
endogenous masing-masing. Anak panah ganda menunjukkan korelasi antara
pasangan variabel-variabel exogenous.

2.

Jalur penyebab untuk suatu variabel yang diberikan

Meliputi pertama, jalur-jalur arah dari anak panah menuju ke variabel tersebut
dan kedua, jalur-jalur korelasi dari semua variabel endogenous yang
dikorelasikan dengan variabel-variabel lain yang mempunyai anak panahanak panah menuju ke variabel yang sudah ada tersebut.

3.

Variabel exogenous
Adalah semua variabel yang tidak ada penyebabpenyebab eksplisitnya atau
dalam diagram tidak ada anak-anak panah yang menuju ke arahnya, selain
pada bagian kesalahan pengukuran. Jika antara variabel ini dikorelasikan
maka korelasi ditunjukkan dengan anak panah berkepala dua yang
menghubungkan variabel-variabel tersebut. Variabel ini disebut pula
independen variabel.

4.

Variabel endogenous
Adalah variabel yang mempunyai anak panah-anak panah menuju ke arahnya.
Variabel yang termasuk di dalamnya mencakup semua variabel perantara dan
tergantung. Variabel perantara endogenous mempunyai anak panah yang
menuju ke arahnya dan dari arah variabel tersebut dalam suatu model.
Adapun variabel tergantung hanya mempunyai anak panah yang menuju ke
arahnya. Variabel ini disebut pula dependen variabel.

5.

Koefisien jalur atau pembobotan jalur

Adalah koefisien regresi standar atau disebut beta yang menunjukkan
pengaruh langsung dari suatu variabel bebas terhadap variabel tergantung
dalam suatu model tertentu.

6.

Variabel-variabel exogenous yang dikorelasikan

Jika semua variabel exogenous dikorelasikan maka sebagai penanda
hubungannya ialah anak panah dengan dua kepala yang dihubungkan di
antara variabel-variabel dengan koefisien korelasinya.

7.

Istilah gangguan
Gangguan atau residue

mencerminkan adanya varian yang tidak dapat

diterangkan atau pengaruh dari semua variabel yang tidak terukur ditambah
dengan kesalahan pengukuran.
8.

Dekomposisi pengaruh
Koefisien-koefisien jalur dapat digunakan untuk mengurai korelasi-korelasi
dalam suatu model ke dalam pengaruh langsung dan tidak langsung yang

berhubungan dengan jalur langsung dan tidak langsung yang direfleksikan

dengan anak panah-anak panah dalam suatu model tertentu.
9.

Model Recursive
Model penyebab mempunyai satu arah dan tidak ada pengaruh sebab akibat
(reciprocal). Dalam model ini, satu variabel tidak dapat berfungsi sebagai
penyebab dan akibat dalam waktu yang bersamaan.

10. Model Non-Recursive

Model penyebab mempunyai arah yang membalik (feed back loop) dan ada
pengaruh sebab akibat (reciprocal).
2.1.6 Model Analisis Jalur
Beberapa istilah dan defenisi dalam analisis jalur. (1) Dalam Analisis
Jalur, kita hanya menggunakan sebuah lambung variabel, yaitu X. Untuk
membedakan X yang satu dengan X yang lainnya, kita menggunakan subscript
(indeks). Contoh: X1, X2, X3, ..... , Xk. (2) Kita membedakan dua jenis variabel,
yaitu variabel variabel yang menjadi pengaruh (exogenous variable), dan variabel
yang dipengaruhi (endogenous variable). (3) Lambang hubungan langsung dari
eksogen ke endogen adalah panah bermata satu, yang bersifat recursive atau arah
hubungan yang tidak berbalik/satu arah. (4) Diagram jalur merupakan diagram
atau gambar yang mensyaratkan hubungan terstruktur antar variabel (Harun Al
Rasyid, 2005).
Ada beberapa model yang dapat digunakan,mulai dari yang paling
sederhana sampai dengan yang lebih rumit, diantaranya:

a.

Analisis Jalur Model Trimming

Model Trimming adalah model yang digunakan untuk memperbaiki suatu
model struktur analisis jalur dengan cara mengeluarkan dari model variabel
eksogen yang koefisien jalur diuji secara keseluruhan apabila ternyata ada
variabel yang tidak signifikan. Walaupun ada satu, dua, atau lebih variabel
yang tidak signifikan, perlu memperbaiki model struktur analisis jalur yang
telah dihipotesiskan.

b.

Analisis Jalur Model Dekomposisi

Model dekomposisi adalah model yang menekankan pada pengaruh yang
bersifat kausalitas antar variabel, baik pengaruh langsung ataupun tidak
langsung dalam kerangka analisis jalur, sedangkan hubungan yang sifatnya
nonkausalitas atau hubungan korelasional yang terjadi antar variabel eksogen
tidak termasuk dalam perhitungan ini.
Perhitungan menggunakan analisis jalur dengan menggunakan model
dekomposisi pengaruh kausal antar variabel dapat dibedakan menjadi tiga
yaitu:
1. Direct causal effects (Pengaruh Kausal Langsung) adalah pengaruh satu
variabel eksogen terhadap variabel endogen yang terjadi tanpa melalui
variabel endogen lain.
2. Indirect causal effects (Pengaruh Kausal Tidak Langsung) adalah
pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi
melalui variabel endogen lain terdapat dalam satu model kausalitas yang
sedang dianalisis.

3. Total causal effects (Pengaruh Kausal Total) adalah jumlah dari pengaruh
kausal langsung dan pengaruh kausal tidak langsung.
c.

Model Regresi Berganda

Model ini merupakan pengembangan regresi berganda dengan menggunakan
dua variabel exogenous, yaitu X1 dan X2 dengan satu variabel endogenous Y.
Model ini digambarkan sebagai berikut:

X1

X2

Gambar 2.1 Model Regresi Berganda

d.

Model Mediasi
Model mediasi atau perantara ialah di mana variabel Y memodifikasi
pengaruh variabel X terhadap variabel Z. Model ini digambarkan sebagai
berikut:

Gambar 2.2 Model Mediasi

e.

Model Kombinasi Regresi Berganda dan Mediasi

Model ini merupakan kombinasi antara model pertama dan kedua, yaitu
variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak
langsung mempengaruhi variabel Z melalui variabel Y. Model digambarkan
sebagai berikut:

Y
Gambar 2.3 Model Kombinasi
f.

Model Kompleks
Model ini merupakan model yang lebih kompleks, yaitu variabel X1 secara
langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak langsung
mempengaruhi Y2, sementara variabel Y2 juga dipengaruhi oleh variabel Y1.
Model digambarkan sebagai berikut :

X1

X2

Y1

Y2
Gambar 2.4 Model Kompleks

g.

Model Rekursif dan Non Rekursif

Model rekursif adalah jika semua anak panah menuju anak panah seperti
gambar di bawah ini :
P41

1
P31

3
r21

P43

P21
P32
P42

e2

e3

e4

Gambar 2.5 Model Rekursif

Model ini dapat diterangkan sebagai berikut:
1.

Anak panah menuju satu arah, yaitu dari 1 ke 2, 3 dan 4; dari 2 ke 3 dan dari
3 menuju 4. Tidak ada arah yang terbalik misalnyadari 4 ke 1.

2.

Hanya terdapat satu variabel exogenous, yaitu 1 dan 3 variabel endogenous

yaitu 2, 3 dan 4. Masing-masing variabel endogenous diterangkan oleh
variabel 1 dan error (e2, e3 dan e4)

3.

Satu variabel endogenous dapat menjadi penyebab variabel endogenous

lainnya, tetapi bukan ke variabel exogenous.
Model non rekursif terjadi jika arah anak panah tidak searah atau terjadi

arah yang berbalik, misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat sebab
akibat. Pada bagian berikut untuk mempermudah kita dalam memahami analisis
jalur, maka kita bisa menggunakan model-model jalur berikut:
1.

Model Persamaan Satu Jalur

Model Persamaan satu jalur merupakan hubungan sebenarnya sama dengan
regresi berganda, yaitu variabel bebas terdiri dari satu variabel dan variabel
tergantungnya hanya satu.

2.

Model Persamaan Dua Jalur

Model ini terdiri dari tiga variabel bebas dan mempunyai dua variabel
tergantung.

3.

Model Persamaan Tiga Jalur

Model ini terdiri dari tiga variabel bebas, salah satu variabel bebas menjadi
variabel perantara dan mempunyai dua variabel tergantung.

2.1.7 Keuntungan dan Kelemahan Analisis Jalur

Menurut Sarwono (2012), keuntungan menggunakan analisis jalur
diantaranya :
1. Kemampuan menguji model keseluruhan dan parameter-parameter individual.

2. Kemampuan pemodelan beberapa variabel mediator/perantara.

3. Kemampuan mengestimasi dengan menggunakan persamaan yang dapat
melihat semua kemungkinan hubungan sebab akibat pada semua variabel
dalam model.
4. Kemampuan melakukan dekomposisi korelasi menjadi hubungan yang bersifat
sebab akibat (causal relation), seperti pengaruh langsung (direct effect) dan
pengaruh tidak langsung (indirect effect) dan bukan sebab akibat (non-causal
association), seperti komponen semu (spurious).
Kelemahan menggunakan analisis jalur diantaranya :
1. Tidak dapat mengurangi dampak kesalahan pengukuran.
2. Analisis jalur hanya mempunyai variabel-variabel yang dapat diobservasi
secara langsung.
3. Analisis jalur tidak mempunyai indikator-indikator suatu variabel laten.
4. Karena analisis jalur merupakan perpanjangan regresi linier berganda, maka
semua asumsi dalam rumus ini harus diikuti.
5. Sebab akibat dalam model hanya bersifat searah (one direction), tidak boleh
bersifat timbal balik (reciprocal).
2.1.8 Perbedaan Analisis Jalur dan Regresi
Menurut Saparina (2013), ada beberapa perbedaan model analisis jalur dan
regresi yaitu:
Tabel 2.1 Perbedaan Analisis Jalur dan Regresi
Penjelasan

Model Analisis
Regresi

Variabel

Bebas (X), Terikat (Y)

Path (Jalur)
Eksogen (X), Endogen (Y), Intervening

bila ada
Kegunaan

1. Penjelasan terhadap

1. Penjelasan terhadap fenomena yang

fenomena yang

dipelajari atau permasalahan yang

dipelajari atau

diteliti.

permasalahan yang

2. Prediksi kuantitatif.

diteliti.

3. Faktor diterminan yaitu penentuan

2. Prediksi kuantitatif.

variable bebas (X) yang berpengaruh

3. Faktor diterminan

dominan terhadap variable terikat (Y).

yaitu penentuan
variable bebas (X)

4. Penelusuran

mekanisme

(lintasan)

pengaruh.

yang berpengaruh

5. Pengujian model, menggunakan teori

dominan terhadap

trimming, baik untuk uji reabilitas

variable terikat (Y).

konsep yang sudah ada ataupun uji

pengembangan konsep baru.

Hubungan

Bersifat tunggal

Tunggal atau ganda

yang
dianalisis
Jenis

data Skala interval dan ratio

yang

Minimal skala interval dan data

dinyatakan dalam satuan baku atau z skor

dianalisis
Prinsip

1. Hubungan antar
variabel berpola linear,
bersifat normal.
2. Sistem aliran kausal
satu arah.
3. Sampel random
4. Model dianalisis
berdasarkan teori-teori
yang relevan.

1. Hubungan antar variabel berpola

linear, bersifat normal.
2. Sistem aliran kausal satu arah.
3. Sampel random
4. Model dianalisis berdasarkan teoriteori yang relevan
5. Variabel terikat/endogen (Y) minimal
dalam skala ukur interval dan rasio.

2.2 Pengetahuan
Pengetahuan adalah sejumlah informasi yang dikumpulkan yang dipahami
dan pengenalan terhadap sesuatu hal atau benda-benda secara obyektif.
Pengetahuan juga berasal dari pengalaman tertentu yang pernah dialami dan yang
diperoleh dari hasil belajar secara formal, informal dan non formal (Mangindaan
1996 dalam Toruntju 2005). Menurut Sarwono (1997) dalam Toruntju (2005)
pengetahuan lebih bersifat pengenalan terhadap sesuatu benda atau hal secara
obyektif.
Pengetahuan atau kognitif seseorang adalah hasil tahu yang terjadi setelah
seseorang melakukan penginderaan terhadap suatu objek tertentu yang sebagian
besar diperoleh melalui indera penglihatan dan pendengaran. Pengetahuan ini
merupakan bagian yang penting dalam membentuk motivasi kemudian menjadi
suatu sikap. Oleh karena itu dapat dikatakan bahwa pengetahuan seseorang
tentang Pemeriksaan IVA adalah pemahaman responden mengenai pemeriksaan
IVA setelah melakukan berbagai penginderaan terhadap sejumlah obyek yang
berkaitan dengan Pemeriksaan IVA.
Menurut Notoatmodjo (2003), terdapat 6 tingkatan pengetahuan yang
tercakup dalam domain kognitif yaitu:
1. Tahu (know)
Tahu diartikan mengingat suatu materi yang telah dipelajari sebelumnya. Tahu
merupakan tingkat pengetahuan yang paling rendah dengan menggunakan kata
kerja

menyebutkan,

sebagainya.

menguraikan,

mendefenisikan,

menyatakan

dan

2. Memahami (comprehension)
Memahami diartikan suatu kemampuan untuk menjelaskan secara benar
tentang objek yang diketahui, dan menginterpretasikan materi tersebut secara
benar sehingga dapat menjelaskan, menyebutkan contoh, menyimpulkan,
meramalkan dan sebagainya.
3. Aplikasi (aplication)
Aplikasi diartikan kemampuan untuk menggunakan materi yang telah
dipelajari pada kondisi sebenarnya mencakup penggunaan hukum-hukum,
rumus, metode, prinsip dan sebagainya.
4. Analisis (analysis)
Analisis adalah suatu kemampuan untuk menjabarkan materi atau suatu objek
ke dalam komponen-komponen, namun masih dalam suatu struktur dan masih
ada kaitannya. Analisis menggunakan kata kerja dapat menggambarkan
(membuat

bagan),

membedakan,

memisahkan,

mengelompokkan

dan

sebagainya.
5. Sintesis (synthesis)
Sintesis adalah suatu kemampuan untuk menyusun formulasi baru dari
formulasi-formulasi yang ada dengan kata kerja dapat menyusun, dapat
merencanakan, dapat meringkaskan, dapat menyesuaikan dan sebagainya.
6. Evaluasi (evaluation)
Evaluasi diartikan kemampuan untuk melakukan justifikasi atau penilaian
terhadap suatu materi atau objek yang didasarkan pada kriteria yang ditentukan
sendiri atau kriteria-kriteria yang telah ada.

2.3 Motivasi
Motivasi secara umum mengacu pada adanya kekuatan dorongan yang
menggerakkan kita untuk berperilaku tertentu. Maka dari itu, dalam mempelajari
motivasi kita akan berhubungan dengan hasrat, keinginan, dorongan dan tujuan
(Notoatmodjo, 2005).
Motivasi seseorang untuk melakukan Pemeriksaan IVA adalah daya upaya
yang mendorong seseorang untuk melakukan Pemeriksaan IVA. Motif dapat
dikatakan sebagai daya penggerak dari dalam sehingga mengarahkan Wanita Usia
Subur (WUS) untuk mau melakukan Pemeriksaan IVA sebagai usaha untuk
mendeteksi Kanker Serviks secara dini.
Menurut

Notoatmodjo

(2005),

ada

beberapa

pendekatan

dalam

mempelajari motivasi yaitu:

a. Pendekatan Instink
Instink adalah pola perilaku yang kita bawa sejak lahir yang secara biologis
diturunkan, sehingga pada awalnya motivasi dipelajari dengan mempelajari
instink.
b. Pendekatan Pemuasan Kebutuhan (Drive-Redution)
Teori ini menjelaskan motivasi dalam suatu gerak sirkuler. Teori ini
merupakan teori yang berusaha menjelaskan apa yang menarik seseorang untuk
berperilaku atau disebut push theory guna mencapai tujuannya sehingga
tercapailah keseimbangan.

c. Pendekatan Insentif
Insentif merupakan stimulus yang menarik seseorang untuk melakukan sesuatu
karena dengan melakukan perilaku tersebut, maka kita akan mendapat imbalan.
Dalam hal ini, insentif adalah tujuan yang ingin dicapai.
d. Pendekatan Arousal
Pendekatan ini mencari jawaban atas tingkah laku di mana tujuan dari perilaku
uni adalah untuk memelihara atau meningkatkan rasa ketegangan. Teori ini
disebut dengan oponen-proses.
e. Pendekatan Kognitif
Menurut Feldman (2003), pendekatan kognitif ini menjelaskan bahwa motivasi
merupakan produk dari pikiran, harapan dan tujuan seseorang. Dalam
pendekatan ini dibedakan atas motif intrinsik (dari dalam diri) yang akan
mendorong untuk melakukan aktivitas guna memenuhi kesenangan sedangkan
motif ekstrinsik (dari luar diri) mendorong seseorang berperilaku tertentu
karena ingin mendapatkan pujian.
Menurut Notoatmodjo (2010), ada 2 aliran teori motivasi yaitu:
1. Content Theory
Merupakan teori-teori yang mengajukan cara untuk menganalisis kebutuhan
yang mendorong seseorang untuk bertingkah laku tertentu, salah satu teori
kebutuhan yang terkenal adalah teori kebutuhan berhierarki dari Maslow.

2. Process Theory
Merupakan teori-teori yang berusaha memahami proses berpikir yang ada yang
dapat mendorong seseorang untuk berperilaku tertentu, salah satu teori ini
adalah teori harapan (expectancy theory).
2.4 Sikap
Menurut Thurstone (2000) yang dikutip Azwar (2003), sikap adalah
derajat afek positif atau afek negatif yang dikaitkan dengan suatu obyek
psikologis. Sikap adalah keadaan mental dan syaraf dari kesiapan, yang diatur
melalui pengalaman yang memberikan pengaruh dinamik atau terarah terhadap
respon individu pada semua obyek dan situasi yang berkaitan dengannya. Dari
sini sikap dapat digambarkan sebagai kecenderungan subyek merespon suka atau
tidak suka terhadap suatu obyek. Dalam bahasan ini yang berperan sebagai subyek
yaitu Wanita Usia Subur (WUS) dan obyek yaitu pemeriksaan IVA.
Walgio (2001) mengemukakan ciri-ciri sikap yaitu: tidak dibawa sejak
lahir, selalu berhubungan dengan obyek sikap, dapat tertuju pada satu obyek saja
maupun tertuju pada sekumpulan obyek-obyek, dapat berlangsung lama atau
sebentar dan mengandung faktor perasaan dan motivasi.
Ketika kita memaknai sikap sebagai kecenderungan berperilaku dan
motivasi adalah dorongan (kemauan willingness) untuk berperilaku, tampak
jelas bahwa kedua konsep tersebut berhubungan sangat erat dengan perilaku
(behavior). Sikap seseorang yang negatif atau positif terhadap sesuatu
(objek/subjek) dapat diinterpretasikan secara kuat bahwa seseorang tersebut mau

(termotivasi) atau tidak mau (tidak termotivasi) melakukan sesuatu terhadap objek
atau subjek tertentu tadi (Mustafa, 2009).
Menurut Notoatmodjo (2007), sikap terdiri dari berbagai tingkatan yakni:
1. Menerima (receiving)
Menerima diartikan bahwa orang (subjek) mau dan memperhatikan stimulus
yang diberikan (objek).
2. Merespon (responding)
Memberikan jawaban apabila ditanya, mengerjakan dan menyelesaikan tugas
yang diberikan adalah suatu indikasi dari sikap merespons.
3. Menghargai (valving)
Mengajak orang lain untuk mengerjakan atau mendiskusikan suatu masalah
adalah suatu indikasi sikap tingkat tiga.
4. Bertanggung jawab (responsible)
Bertanggung jawab atas segala sesuatu yang telah dipilihnya dengan segala
risiko merupakan sikap yang paling tinggi.
2.5 Amos
2.5.1 Pengenalan Amos
Menurut Sarwono (2012), Amos merupakan singkatan dari Analisis of
Moment Structures yang digunakan sebagai pendekatan umum analisis data dalam
model sebab akibat (causal modeling). Amos dikembangkan oleh Arbuckle pada
tahun 1994. Amos semula merupakan perangkat lunak komputasi statistic yang
mandiri namun dalam perkembangannya saat ini Amos diambil alih oleh SPSS
sehingga versi-versinya mengikuti perkembangan SPSS.

2.5.2 Keunggulan Amos

1. Perhitungan yang rumit akan jauh lebih mudah dilakukan dibandingkan dengan
menggunakan perangkat lunak lainnya
2. Penggunaan Amos akan mempercepat dalam membuat spesifikasi, melihat
serta melakukan modifikasi model secara grafik dengan menggunakan tool
yang sederhana.
3. Proses perhitungan dan analisis menjadi lebih sederhana bahkan orang-orang
awam yang bukan ahli statistik akan dapat menggunakan dan memahami
dengan mudah.
Adapun keunggulan lain yang dimiliki Amos bila dibandingkan dengan
perangkat lunak lainnya yaitu sebagai berikut:
a. Program dapat melakukan analisis dengan menggunakan data yang berasal dari
beberapa populasi secara sekaligus.
b. Dapat menangani missing data secara baik, yaitu dengan membuat estimasi
yang didasarkan pada informasi maximum likelihood yang sempurna dan tidak
hanya bersandar pada metode yang sudah ada, yaitu listwise, pairwise deletion,
atau mean imputation.
c. Dapat membuat estimasi rata-rata untuk variabel-variabel exogenous dan
intercepts dalam persamaan regresi.
d. Amos dapat juga membuat bootstrapped standard errors dan confidence
intervals yang ada dalam semua estimasi parameter, rata-rata sampel, varian,
kovarian dan korelasi.
e. Dapat membuat percentile intervals dan bias-corrected percentile intervals.

f. Model-model jamak dapat disesuaikan dengan menggunakan analisis tunggal.

g. Dapat melakukan pemeriksaan setiap pasangan model dimana satu model
diperoleh dengan membatasi parameter-parameter model lainnya.
h. Dapat membuat laporan beberapa angka statistik yang cocok untuk dilakukan
perbandingan untuk model-model tersebut.
i. Amos juga menyediakan pengujian normalitas univariat untuk masing-masing
variabel yang diobservasi dan juga pengujian normalitas multivariat serta dapat
mendeteksi outliers.
j. Amos dapat memahami diagram jalur sebagai spesifikasi model dan
memperlihatkan estimasi-estimasi parameter secara grafis dalam model
diagram jalur. Diagram-diagram jalur digunakan sebagai spesifikasi model dan
gambar-gambar digram jalur tersebut dapat diimpor ke program Word.
2.5.3 Metode dalam Amos
Metode-metode analisis dalam Amos yang ada saat ini diantaranya adalah:
1. Maximum Likelihood
2. Unweighted Least Square
3. Generalized Least Square
4. Brownes Asymptotically Distribution Free Criterion
5. Scale Free Least Square
2.5.4 Menu Utama Amos
Menurut Mustafa dan Wijaya (2012), pada bagian atas terdapat menu
utama AMOS yang terdiri dari menu File, Edit, View, Diagram, Analyze, Tools,
Plugins, dan Help.

Setiap menu terdiri dari beberapa submenu:

1. Menu File
Terdiri dari beberapa submenu yaitu submenu untuk membuat File baru (New,
New with Template), membuka File yang sudah ada (Open, Retrieve Backup),
menyimpan File (Save, Save as, Save as Template), membuka File Data ( Data
Files), mencetak (Print), menelusuri atau browsing diagram path yang sudah
ada atau tersimpan (Browse Path Diagrams). File Manager yang dapat
digunakan untuk melihat jenis dan nama-nama file yang sudah ada, termasuk
juga untuk membuka dan menghapus file tersebut dan submenu untuk keluar
dari Amos (Exit).
2. Menu Edit
Terdiri dari beberapa submenu yang berguna untuk proses editing dengan
fungsi utama mengopi gambar pada layar kerja (Copy to Clipboard),
menghubungkan dengan data lain (Link), memindakan gambar (Move),
merefleksikan indikator (Reflect), merotasi indikator (Rotate) dan menggeser
(Drag) satu objek ke objek lainnya. Lebih lanjut akan dijelaskan dalam bagian
penjelasan Toolbox yang lebih mempermudah pengoperasian Amos.
3. Menu View
Submenu yang ada dalam menu View banyak digunakan dalam proses analisis
dan permodelan.
4. Menu Diagram
Terdiri dari beberapa submenu yang digunakan untuk membuat atau
menggambarkan model atau diagram yang akan dianalisis.

5. Menu Analyze
Terdiri dari beberapa submenu yang digunakan untuk memberikan perintah
menjalankan analisis.
6. Menu Tools
Terdiri dari beberapa submenu yang digunakan sebagai perlengkapan dalam
mendukung proses pengolahan data dan tampilan seperti memberi kode,
memilih karakter huruf.
7. Menu Plugins
Terdiri dari beberapa submenu yang digunakan sebagai perlengkapan dalam
melakukan analisis atau pembuatan model yang akan dianalisis seperti
menggambar kovarian, menamakan parameter dan sebagainya.
8. Menu Help
Terdiri dari beberapa submenu yang dapat dimanfaatkan untuk membantu
memberi penjelasan apabila terdapat masalah dalam pengoperasian Amos serta
dapat dihubungkan dengan jaringan internet atau web.
2.5.5 Uji Kesesuaian dan Uji Statistik
a. 2 Chi Square Statistic
Semakin kecil nilai 2 semakin baik model itu dan diterima berdasarkan
probabilitas dengan cut-off value sebesar p > 0,05 atau p > 0,10.
b. RMSEA (The Root Mean Square Error of Approximation)
Merupakan suatu indeks yang digunakan untuk mengkonpensasi chisquare dalam sampel yang besar.

c. GFI (Goodness of Fit Index)

Merupakan ukuran non-statistical yang mempunyai rentang nilai antara 0
sampai dengan 1. Nilai yang tinggi dalam indeks ini menunjukkan sebuah better
fit.
d. AGFI (Adjusted Godness of Fit Index)
Merupakan kriteria yang memperhitungkan proporsi tertimbang dari
varian dalam sebuah matrik kovarian sampel.
e. CMIN/DF (The Minimum Sample Discrepancy Functin Devided with degree of
Freedom)
Merupakan statistic chi-square 2 dibagi degree of freedom-nya sehingga
disebut 2 relative.
f. TLI (Tucker Lewis Index)
Merupakan incremental index yang membandingkan sebuah model yang
diuji terhadap sebuah baseline model.
g. CFI (Comparative Fit Index)
Rentang nilai sebesar 0 1 dimana semakin mendekati 1, semakin
mengindikasikan tingkat fit yang paling tinggi.
Goodness of Fit Index

Cut off Value

2 -Chi Square

Diharapkan Kecil

Significance Probability

0,05

RMSEA

0,08

GFI

0,90

AGFI

0,90

CMIN/DF

2,00

TLI

0,95

CFI

0,95

2.6 Aplikasi Lisrel

2.6.1 Pengenalan Lisrel
Menurut Chaniago (2008), lisrel merupakan singkatan dari Linear
Structural Relationship juga merupakan program yang banyak digunakan untuk
causal modeling. Hal ini disebabkan selain kemampuan Lisrel dalam
mengestimasi berbagai masalah dalam model sebab akibat, tampilan Lisrel juga
paling informatif dalam menyajikan hasil-hasil statistik.
Lisrel adalah sebuah software yang dikembangkan khusus untuk
menangani permasalahan causal modeling. Lisrel dikembangkan oleh dua orang
ahli psikologi pendidikan yaitu Prof. Karl Joreskog dan Prof. Dag Sorbom pada
tahun 1993 (Hisyam, 2009).
2.6.2 Pembagian Lisrel
Setiap file dalam Lisrel mengandung 4 bagian, yaitu:
1. Title: Judul
2. Data Specification: Spesifikasi Data
3. Model Specification: Spesifikasi Model
4. Output Specification: Spesifikasi Keluaran
Untuk menggunakan Lisrel dengan baik, user harus mengetahui bahasa
yang digunakan sebagai input. Ada dua bahasa yang dapat digunakan dalam Lisrel
sebagai input yaitu bahasa Lisrel dan bahasa Simplis. Kedua jenis bahasa tersebut

memiliki hasil yang relatif sama, namun dengan Lisrel pemodelan dapat dilakukan
dengan hati-hati karena semua matrik yang akan diestimasi dipersiapkan terlebih
dahulu.
Untuk memudahkan aplikasi Lisrel, evaluasi serta menjaga kehati-hatian,
sebelum menjalankan Lisrel sebaiknya dipersiapkan terlebih dahulu diagram jalur
dan matrik yang dibutuhkan.
2.6.3 Uji Kesesuaian dan Uji Statistik
Menurut Schumaker dan Lomax, 1996: 124 126) untuk mengetahui
apakah model cocok dengan data digunakan kriteria sebagai berikut:
a. P > model cocok dengan data
Menurut Joreskog (dalam Ghozali, 2008: 32), bila nilai P-values for test of
close fit (RMSEA < 0,05) lebih besar daripada 0,05 maka model dikatakan fit.
b. GFI (Goodness of Fit Index)
Goodness of Fit Index (GFI) merupakan suatu ukuran mengenai ketepatan
model dalam menghasilkan observed matriks kovariansi. Nilai GFI harus berkisar
antara 0 dan 1. Nilai GFI yang lebih besar daripada 0,9 menunjukkan fit suatu
model yang baik.
c. RMSEA (Root Mean Square Error of Approximation)
Makin kecil kecocokan model dengan data makin baik. Nilai RMSEA
yang kurang daripada 0,05 mengindikasikan adanya model fit ( Byrne dalam
Ghozali, 2008: 32). RMSEA digunakan untuk mengukur penyimpangan nilai
parameter pada suatu model dengan matriks kovarians ( Brown dan Cudec dalam
Ghozali, 2008: 31). Nilai RMSEA yang berkisar antara 0,01 sampai dengan 0,08

menyatakan bahwa model fit yang cukup (MacCallum et all dalam Ghozali, 2008:
32).
2.7 Tes IVA (Inspeksi Visual Asam Asetat)
2.7.1 Sejarah Tes IVA
Beberapa negara maju telah berhasil menekan jumlah kasus kanker
serviks, baik jumlah maupun stadiumnya. Pencapaian tersebut terutama berkat
adanya program skrining massal antara lain dengan Tes Pap. Pemeriksaan IVA
diperkenalkan oleh Hinselman pada tahun 1925. Organisasi Kesehatan Dunia
WHO meneliti IVA di India, Muangthai, dan Zimbabwe. Ternyata efektivitasnya
tidak lebih rendah daripada tes Pap. Namun di Indonesia kebijakan penerapan
program skrining kanker serviks kiranya masih tersangkut dengan banyak
kendala, antara lain luasnya wilayah dan juga kurangnya sumber daya manusia
sebagai

pelaku

skrining,

khususnya

kurangnya

tenaga

ahli

patologi

anatomik/sistologi dan stafnya, teknisi sitologi/skriner. Pengobatan kanker serviks

pada stadium lebih dini, hasilnya lebih baik dan mortalitas akan menurun. Hingga
sekarang IVA sedang dikembangkan dengan melatih tenaga kesehatan, termasuk
bidan (Delima, 2011).
2.7.2 Pengertian Tes IVA
Tes IVA adalah metode pemeriksaan dengan mengoles serviks atau leher
rahim dengan asam asetat kemudian diamati apakah ada kelainan seperti area
berwarna putih. Jika tidak ada perubahan warna, maka dapat dianggap tidak ada
infeksi pada serviks (Kartikawati, 2013).

2.7.3 Tujuan Tes IVA

Untuk melihat adanya sel yang mengalami displasia sebagai salah satu
metode skrining kanker mulut rahim (Rasjidi, 2009).
2.7.4 Kelebihan Tes IVA
Menurut Delima (2011), ada beberapa kelebihan Tes IVA diantaranya
sebagai berikut:
1. Mudah, praktis dan sangat mampu dilaksanakan.
2. Sensivitas dan spesifikasitas cukup tinggi.
3. Dapat dilaksanakan oleh tenaga kesehatan bukan dokter ginekologi, dapat
dilakukan oleh bidan di setiap tempat pemeriksaan kesehatan ibu atau
dilakukan oleh semua tenaga medis terlatih.
4. Alat-alat yang dibutuhkan dan teknik pemeriksaan sangat sederhana.
5. Metode skrining IVA sesuai untuk pusat pelayanan sederhana.
2.7.5 Kekurangan Tes IVA
Menurut Rahayu (2013), kekurangan Tes IVA adalah sebagai berikut:
1. Spesifisitas lebih rendah dari tes Pap (positif palsu lebih tinggi).
2. Angka hasil tes positif tinggi (10-35%).
3. Nilai Prediksi Positif untuk hasil tes positif rendah (10-30%).
4. Terapi akan berlebihan bila dilakukan skrining dan terapi sekaligus.
5. Kemampuan yang amat terbatas untuk mendeteksi lesi pada endoserviks.

2.7.6 Kontraindikasi
Menurut Rasjidi (2009), Test IVA tidak direkomendasikan pada wanita
pasca menopause dikarenakan daerah zona transional seringkali terletak di kanalis
servikalis sehingga tidak tampak dengan pemeriksaan inspikulo.
2.8 Kerangka Operasional

Pengetahuan

Motivasi

Sikap

Analisis Jalur

AMOS

LISREL

Goodness of Fit

Gambar 2.7 Kerangka Operasional

2.9 Hipotesis Penelitian
a.

Terdapat pengaruh pengetahuan terhadap motivasi Wanita Usia Subur (WUS)

untuk melakukan pemeriksaan IVA.

b.

Terdapat pengaruh pengetahuan terhadap sikap Wanita Usia Subur (WUS)

untuk melakukan pemeriksaan IVA.

c.

Terdapat pengaruh motivasi terhadap sikap Wanita Usia Subur (WUS) untuk
melakukan pemeriksaan IVA.