PENERAPAN ANALISIS JALUR UNTUK MELIHAT PENGARUH

PENGETAHUAN DAN MOTIVASI TERHADAP SIKAP WANITA

USIA SUBUR UNTUK MELAKUKAN PEMERIKSAAN IVA
MENGGUNAKAN APLIKASI AMOS DAN LISREL
DI KELURAHAN GAMBIR BARU KISARAN
TAHUN 2013

SKRIPSI

Oleh :

NADILLAH
NIM :111021089

FAKULTAS KESEHATAN MASYARAKAT

UNIVERSITAS SUMATERA UTARA
MEDAN
2014

1
 HALAMAN PERSETUJUAN

Skripsi Dengan Judul

PENERAPAN ANALISIS JALUR UNTUK MELIHAT PENGARUH

PENGETAHUAN DAN MOTIVASI TERHADAP SIKAP WANITA
USIA SUBUR UNTUK MELAKUKAN PEMERIKSAAN IVA
MENGGUNAKAN APLIKASI AMOS DAN LISREL
DI KELURAHAN GAMBIR BARU KISARAN
TAHUN 2013

Yang dipersiapkan dan diseminarkan oleh :

NADILLAH
NIM. 111021089

Skripsi ini telah diperiksa dan disetujui untuk diseminarkan

di hadapan peserta seminar Departemen Kependudukan
dan Biostatistik Fakultas Kesehatan Masyarakat
Universitas Sumatera Utara

Oleh:
Dosen Pembimbing Skripsi

Dosen Pembimbing I Dosen Pembimbing II

Asfriyati, SKM, M.Kes Arnita, Ssi, M.Si

NIP. 19701220 199403 2 001 NIP. 19760621 200812 2 001
 ABSTRAK

PENERAPAN ANALISIS JALUR UNTUK MELIHAT PENGARUH

PENGETAHUAN DAN MOTIVASI TERHADAP SIKAP WANITA USIA
SUBUR UNTUK MELAKUKAN PEMERIKSAAN IVA MENGGUNAKAN
APLIKASI AMOS DAN LISREL DI KELURAHAN GAMBIR BARU
KISARAN TAHUN 2013

Tujuan penelitian ini adalah menerapkan analisis jalur untuk melihat

pengaruh pengetahuan dan motivasi terhadap sikap Wanita Usia Subur untuk
melakukan pemeriksaan IVA dengan menggunakan software Amos dan Lisrel di
kelurahan Gambir Baru Kisaran tahun 2013.
Hasil penelitian menunjukkan pada uji kesesuaian menggunakan software
Amos dan Lisrel sama-sama didapatkan hasil goodness of fit yang menghasilkan
model yang fit. Pada uji hipotesis menggunakan software Amos dan Lisrel sama-
sama didapatkan hasil bahwa pengetahuan berpengaruh signifikan terhadap
motivasi Wanita Usia Subur untuk melakukan pemeriksaan IVA di kelurahan
Gambir Baru Kisaran tahun 2013, dan motivasi sama-sama berpengaruh
signifikan terhadap sikap Wanita Usia Subur untuk melakukan pemeriksaan IVA
di kelurahan Gambir Baru Kisaran tahun 2013. Namun juga didapatkan
perbedaan, pada software Amos didapatkan pengetahuan tidak berpengaruh
terhadap sikap Wanita Usia Subur untuk melakukan pemeriksaan IVA di
kelurahan Gambir Baru Kisaran tahun 2013 dan pada software Lisrel didapatkan
pengetahuan berpengaruh signifikan terhadap sikap Wanita Usia Subur untuk
melakukan pemeriksaan IVA di kelurahan Gambir Baru Kisaran tahun 2013.
Kemudian juga sama-sama didapatkan tidak terdapat pengaruh pengetahuan
terhadap sikap melalui motivasi Wanita Usia Subur untuk melakukan pemeriksaan
IVA di kelurahan Gambir Baru Kisaran tahun 2013.
Sebagai saran, peneliti merekomendasikan penelitian selanjutnya juga
melakukan analisis menggunakan kedua software ini kemudian melihat indikator
goodness of fit setelah itu menyesuaikan dengan uji hipotesis sesuai dengan teori
pada tinjauan pustaka.

Kata kunci : Analisis jalur, Pengetahuan, Motivasi, Sikap, Pemeriksaan IVA,

Amos, Lisrel
 ABSTRACT

THE APPLICATION OF PATH ANALYSIS TO SEE THE EFFECT OF THE

KNOWLEDGE AND MOTIVATION TO THE ATTITUDE OF WOMEN OF
CHILDBEARING AGE TO EXAMINE THE IVA TEST USING BY AMOS AND
LISREL APPLICATIONS IN KELURAHAN GAMBIR BARU KISARAN IN 2013

The purpose of this research is applying path analysis to see the effect of
the knowledge and motivation to the attitude of women of childbearing age to
examine the IVA Test using by Amos and Lisrel applications in Kelurahan Gambir
Baru Kisaran in 2013.
The results showed the suitability test using by Amos and Lisrel software
and both showed the goodness of fit which is produces the model fit. In the
hypothesis testing using by Amos and Lisrel software and both showed that
knowledge of a significant effect on motivation of women of childbearing age to
examine the IVA Test in Kelurahan Gambir Baru Kisaran in 2013, and motivation
are equally significant effect on attitude of women of childbearing age to examine
the IVA Test in Kelurahan Gambir Baru Kisaran in 2013. But also found
differences, in the software Amos knowledge obtained no effect on attitude of
women of childbearing age to examine the IVA Test in Kelurahan Gambir Baru
Kisaran in 2013 and the lisrel software acquired knowledge significantly
influence the attitude of women of childbearing age to examine the IVA Test in
Kelurahan Gambir Baru Kisaran in 2013. Then were similarly obtained there is
no influence on knowledge to attitude through motivation of women of
childbearing age to examine the IVA Test in Kelurahan Gambir Baru Kisaran in
2013.
As a suggestion researchers recommend further study also analyzed using
both of the software and then look at the indicators of goodness of fit, after it
adapts to test the hypothesis according to the theory of literature review.

Keywords : Path Analysis, Knowledge, Motivation, Attitude, IVA Test, Amos,

Lisrel
 RIWAYAT HIDUP

Nama : Nadillah

Tempat/Tanggal Lahir : Kisaran, 2 Januari 1990

Agama : Islam

Status Perkawinan : Belum Menikah

Jumlah Anggota Keluarga : 3 orang

Anak ke : 1 dari 3 orang bersaudara

Nama Orang Tua : Ahmad Bamuallim & Jamilah Bahajjaj

Alamat Rumah : Jalan Cokro Aminoto No. 193 Kisaran

Riwayat Pendidikan :

1. SD Diponegoro Kisaran (1995 – 2001)

2. MTs. N Kisaran (2001 – 2004)

3. MAN Kisaran (2004 – 2007)

4. Akademi Kebidanan Indah Medan (2007 – 2010)

5. Fakultas Kesehatan Masyarakat Universitas Sumatera Utara (2011 – 2014)

 KATA PENGANTAR

Puji dan syukur penulis ucapkan kehadirat Allah SWT atas berkat dan

rahmat-Nya penulis dapat menyelesaikan proposal ini dengan judul : “

Penerapan Analisis Jalur Untuk Melihat Pengaruh Pengetahuan dan

Motivasi Terhadap Sikap Wanita Usia Subur (WUS) Untuk Melakukan Test

IVA Menggunakan Aplikasi Amos dan Lisrel di Kelurahan Gambir Baru

Kisaran Tahun 2013”.

Proposal ini penulis persembahkan kepada kedua orang tua Ayahanda

tercinta Achmad Bamuallim dan Ibunda tercinta Jamilah Bahajjaj yang telah

membesarkan, mendidik dan membimbing penulis dengan penuh kasih sayang.

Terima kasih kepada adek Umar Bahri dan Chalid Ahmad atas dukungan, nasehat

dan doa yang selalu diberikan kepada penulis.

Dalam penulisan proposal ini, penulis banyak mendapatkan dukungan

materil dan moral dari berbagai pihak. Oleh karena itu pada kesempatan ini,

dengan kerendahan hati penulis mengucapkan terima kasih kepada :

1. Bapak Dr. Surya Utama, Drs, M. S selaku Dekan Fakultas Kesehatan

Masyarakat Universitas Sumatera Utara.

2. Ibu Asfriyati, SKM, M. Kes selaku dosen pembimbing I yang telah

memberikan bimbingan kepada penulis dalam menyelesaikan proposal ini.

3. Ibu Arnita, SSi, M. Si selaku dosen pembimbing II yang telah memberikan

bimbingan kepada penulis dalam menyelesaikan proposal ini.

4. Bapak Drs. Abdul Jalil Amri Arma, M. Kes selaku dosen penguji I yang telah

banyak memberi saran dan penyempurnaan penulisan skripsi ini.

5. Ibu Maya Fitria, SKM, M. Kes selaku dosen penguji II yang telah banyak

memberi saran dan penyempurnaan penulisan skripsi ini.

6. Bapak Drs. Heru Santosa, Ph.D selaku Ketua Departemen Kependudukan dan

Biostatistik yang telah banyak memberi saran dan penyempurnaan penulisan

skripsi ini.

7. Ibu Dr. Ir. Erna Mutiara, M. Kes selaku dosen pembimbing akademik.

8. Seluruh dosen Departemen Kependudukan dan Biostatistik dan staf pengajar

di FKM USU yang telah banyak membantu penulis dalam penulisan skripsi ini

9. Bapak Lurah Gambir Baru yang telah memberikan izin kepada penulis untuk

melakukan penelitian dan turut membantu dalam proses pengumpulan data.

10. Ibu-ibu yang berada di wilayah Gambir Baru Kisaran yang telah bersedia

meluangkan waktu untuk menjadi responden dalam penelitian ini.

11. Saudara-saudaraku Samira, Barkah, Sumayya, Hanan, Sahla yang tiada henti

memberikan motivasi dan dukungan kepada penulis.

12. Teman-teman seperjuangan di Peminatan Biostatistika dan Informasi

Kesehatan Kak Iska yang telah banyak menemani dalam keseharianku, Jehan

Mutiarany yang lucu, Freddy, Andreas, Evi, Andreas, Lestari, Eko, Ziad dan

Anggi.

13. Teman-teman tercinta Kak Ainal, Tina, bang Vando, Kak Dessy, “Italba”, Kak

Juli, Kak Titin yang telah banyak memberi semangat dan dorongan kepada

penulis.

14. Teman-teman PBL bang Fauzi, Nova, Una, Uli, Kesya yang memberi

motivasi serta kenangan terindah semasa kita PBL.

15. Bapak, Ibu dan Adek-adek Angkat di Bukit Lawang yang telah menerima dan

menganggap penulis sebagai keluarga.

16. Seorang teman yang selalu ada di kala susah senang, selalu meluangkan waktu

dan tidak hentinya memberikan semangat dan motivasi kepada penulis.

17. Semua pihak yang telah memberikan bantuan untuk kelancaran pembuatan

proposal penulis, penulis ucapkan terima kasih yang sebesar-besarnya.

Semoga Allah SWT selalu melimpahkan rahmat-Nya kepada kita semua

dan semoga skripsi ini dapat memberikan manfaat bagi pembaca. Amin.

Medan, Februari 2014

Penulis
 DAFTAR ISI

HALAMAN PERSETUJUAN
ABSTRAK.......................................................................................................... ii
ABSTRACT ...................................................................................................... iii
RIWAYAT HIDUP ........................................................................................... iv
KATA PENGANTAR ........................................................................................ v
DAFTAR ISI ................................................................................................... viii
DAFTAR TABEL ............................................................................................ xi
DAFTAR GAMBAR ....................................................................................... xiii
DAFTAR LAMPIRAN ................................................................................... xiv
BAB I PENDAHULUAN
1.1 Latar Belakang ........................................................................................... 1
1.2 Perumusan Masalah .................................................................................... 9
1.3 Tujuan Penelitian ........................................................................................ 9
1.3.1 Tujuan Umum ................................................................................ 9
1.3.2 Tujuan Khusus ............................................................................... 9
1.4 Manfaat Penelitian .................................................................................... 10

BAB II TINJAUAN PUSTAKA

2.1 Analisis Jalur ........................................................................................... 11
2.1.1 Sejarah Analisis Jalur .................................................................... 11
2.1.2 Pengertian Analisis Jalur ............................................................... 12
2.1.3 Manfaat Analisis Jalur .................................................................... 13
2.1.4 Asumsi dalam Analisis Jalur .......................................................... 13
2.1.5 Istilah-istilah dasar dalam Analisis Jalur ........................................ 14
2.1.6 Model Analisis Jalur ...................................................................... 16
2.1.7 Keuntungan dan kelemahan Analisis Jalur ...................................... 21
2.1.8 Perbedaan Analisis Jalur dan Regresi ............................................. 22
2.2 Pengetahuan.............................................................................................. 24
2.3 Motivasi ................................................................................................... 26
2.4 Sikap ....................................................................................................... 28
2.5 Aplikasi Amos ......................................................................................... 29
2.5.1 Pengenalan Amos ........................................................................... 29
2.5.2 Keunggulan Amos .......................................................................... 30
2.5.3 Metode dalam Amos ...................................................................... 31
2.5.4 Menu Utama Amos ........................................................................ 31
2.5.5 Uji Kesesuaian dan Uji Statistik ..................................................... 33
2.6 Aplikasi Lisrel ......................................................................................... 35
2.6.1 Pengenalan Lisrel ........................................................................... 35
2.6.2 Pembagian Lisrel............................................................................ 35
2.6.3 Uji Kesesuaian dan Uji Statistik ..................................................... 36
2.7 Tes IVA (Inspeksi Visual Asam Asetat) ................................................... 37
2.7.1 Sejarah Tes IVA ............................................................................ 37
2.7.2 Pengertian Tes IVA ....................................................................... 37
2.7.3 Tujuan Tes IVA ............................................................................ 38
2.7.4 Kelebihan Tes IVA ........................................................................ 38
2.7.5 Kekurangan Tes IVA ..................................................................... 38
2.7.6 Kontraindikasi ............................................................................... 39
2.8 Kerangka Konsep ..................................................................................... 39
2.9 Hipotesis Penelitian ................................................................................. 39

BAB III METODE PENELITIAN

3.1 Jenis Penelitian ......................................................................................... 40
3.2 Lokasi dan Waktu Penelitian..................................................................... 40
3.3 Populasi dan Sampel ................................................................................ 40
3.3.1 Populasi ........................................................................................ 40
3.3.2 Sampel ......................................................................................... 40
3.4 Metode Pengumpulan Data ....................................................................... 42
3.5 Defenisi Operasional................................................................................. 42
3.6 Pengukuran .............................................................................................. 43
3.7 Teknik Analisis Data ................................................................................ 44

BAB IV HASIL PENELITIAN

4.1 Gambaran Umum Kelurahan Gambir Baru ................................................. 46
4.2 Gambaran Umum Karakteristik Responden ................................................ 47
4.2.1 Karakteristik Responden Berdasarkan Umur .................................. 47
4.2.2 Karakteristik Responden Berdasarkan Status Pernikahan ............... 47
4.2.3 Karakteristik Responden Berdasarkan Pendidikan Terakhir ........... 48
4.2.4 Karakteristik Responden Berdasarkan Pekerjaan............................ 48
4.2.5 Karakteristik Responden Berdasarkan Pendapatan Keluarga .......... 49
4.2.6 Karakteristik Responden Berdasarkan Agama ................................ 49
4.2.7 Karakteristik Responden Berdasarkan Pengetahuan ....................... 49
4.2.8 Karakteristik Responden Berdasarkan Motivasi ............................. 50
4.2.9 Karakteristik Responden Berdasarkan Sikap .................................. 50
4.3 Deskripsi Pengujian Menggunakan Amos .................................................. 51
4.3.1 Cara Menjalankan Amos ................................................................ 51
4.3.2 Uji Normalitas Menggunakan Amos .............................................. 58
4.3.3 Uji Kesesuaian Model.................................................................... 61
4.3.4 Uji Hipotesis Penelitian ................................................................. 61
4.4 Deskripsi Pengujian Menggunakan Lisrel.................................................. 64
4.4.1 Uji Normalitas Menggunakan SPSS............................................... 64
4.4.2 Cara Menjalankan Lisrel ................................................................ 65
4.4.3 Uji Kesesuaian Model.................................................................... 73
4.4.4 Uji Hipotesis Penelitian ................................................................. 73
4.5 Perbandingan Berdasarkan Kesesuaian Model Menggunakan Amos dan
Lisrel ...................................................................................................... 75
4.6 Langkah Analisis Jalur .............................................................................. 76
4.6.1 Menghitung Koefisien Korelasi Sederhana .................................... 77
4.6.2 Membuat Matriks Korelasi ............................................................ 77
4.6.3 Menghitung Koefisien Jalur ........................................................... 77
4.6.4 Pengujian Signifikasi Koefisien Jalur ............................................. 78
4.6.5 Pengaruh Langsung, Tidak Langsung dan Total ............................. 78

BAB V PEMBAHASAN
5.1 Perbandingan Pengaruh Pengetahuan Terhadap Motivasi Menggunakan
Aplikasi Amos dan Lisrel………………………………………………......80
5.2 Perbandingan Pengaruh Motivasi Terhadap Sikap Menggunakan Aplikasi
Amos dan Lisrel…………………………………………………………….81
5.3 Perbandingan Pengaruh Pengetahuan Terhadap Sikap Menggunakan
Aplikasi Amos dan Lisrel………………………………………………......82

BAB VI KESIMPULAN DAN SARAN

6.1 Kesimpulan…………………………………………………………………84
6.2 Saran……………………………………………………………………......85

DAFTAR PUSTAKA
 DAFTAR TABEL

Halaman

Tabel 2.1 Perbedaan Analisis Jalur dan Regresi..................................................22

Tabel 3.1 Aspek Pengukuran...............................................................................43
Tabel 4.1 Karakteristik Responden Berdasarkan Umur......................................47
Tabel 4.2 Karakteristik Responden Berdasarkan Status Pernikahan...................47
Tabel 4.3 Karakteristik Responden Berdasarkan Pendidikan Terakhir...............48
Tabel 4.4 Karakteristik Responden Berdasarkan Pekerjaan................................48
Tabel 4.5 Karakteristik Responden Berdasarkan Pendapatan Keluarga.............49
Tabel 4.6 Karakteristik Responden Berdasarkan Agama....................................49
Tabel 4.7 Karakteristik Responden Berdasarkan Pengetahuan...........................50
Tabel 4.8 Karakteristik Responden Berdasarkan Motivasi.................................50
Tabel 4.9 Karakteristik Responden Berdasarkan Sikap......................................50
Tabel 4.10 Variabel Summary...............................................................................58
Tabel 4.11 Uji Distribusi Normal atas 130 data....................................................58
Tabel 4.12 Observations Farthest from the Centroid atas 130 data.....................59
Tabel 4.13 Uji Distribusi Normal atas 117 data....................................................60
Tabel 4.14 Observations Farthest from the Centroid atas 117 data......................60
Tabel 4.15 Regression Weight (Group Number 1 – Default Model) ....................61
Tabel 4.16 Standardized Regression Weight (Group Number 1 – Defaut Model..62
Tabel 4.17 Standardized Direct Effects (Group Number 1 – Default Model) ......62
Tabel 4.18 Pengujian Hipotesis Penelitian Berdasarkan Probabilitas……….......62
Tabel 4.19 Standardized Indirect Effects (Group Number 1 – Default Model)....63
Tabel 4.20 Standardized Total Effects (Group Number 1 – Default Model) .......64
Tabel 4.21 Nilai t hitung………………………………………………........................74
Tabel 4.22 Tabel Perbandingan Berdasarkan Kesesuaian Model Menggunakan
Amos dan Lisrel……………………………………………………..75
Tabel 4.23 Koefisien Korelasi Sederhana………………………………………77
Tabel 4.24 Matriks Koefisien Korelasi dengan Amos………………………….77
Tabel 4.25 Matriks Koefisien Korelasi dengan Lisrel……………………….….77
Tabel 4.26 Koefisien Jalur………………………………………………………78
Tabel 4.27 Pengujian Signifikasi Koefisien Jalur dengan Amos………...……..78
Tabel 4.28 Pengujian Signifikasi Koefisien Jalur dengan Lisrel………………..78
Tabel 4.29 Besar Pengaruh Langsung dengan Amos dan Lisrel………………..79
Tabel 4.30 Besar Pengaruh Tidak Langsung dengan Amos dan Lisrel…..……..79
Tabel 4.31 Besar Pengaruh Total dengan Amos dan Lisrel …………………….79
 DAFTAR GAMBAR

Halaman

Gambar 2.1 Model Regresi Berganda ...................................................... 18

Gambar 2.2 Model Mediasi ...................................................................... 19
Gambar 2.3 Model Kombinasi Regresi Berganda dan Mediasi ............... 19
Gambar 2.4 Model Kompleks .................................................................. 20
Gambar 2.5 Model Rekursif...................................................................... 20
Gambar 2.7 Kerangka Operasional............................................................39
Gambar 4.1 Text Output-Notes for Group................................................. 57
Gambar 4.2 Hasil Uji t-hitung................................................................... 71
Gambar 4.3 Path Diagram.........................................................................72
Gambar 4.4 Pengaruh Total dan Tidak Langsung.................................... 73
Gambar 4.5 Koefisien Jalur....................................................................... 73
Gambar 4.6 Model Diagram Analisis Jalur……………………………... 76
 DAFTAR LAMPIRAN

Lampiran 1. Master Data

Lampiran 2. Kuesioner Penelitian

Lampiran 3. Surat Izin Penelitian

Lampiran 4. Surat Balasan Telah Melakukan Penelitian

Lampiran 5. Output Karakteristik Responden

Lampiran 6. Output Amos

Lampiran 7. Output Uji Normalitas Menggunakan SPSS

Lampiran 8. Output Lisrel

 ABSTRAK

PENERAPAN ANALISIS JALUR UNTUK MELIHAT PENGARUH

PENGETAHUAN DAN MOTIVASI TERHADAP SIKAP WANITA USIA
SUBUR UNTUK MELAKUKAN PEMERIKSAAN IVA MENGGUNAKAN
APLIKASI AMOS DAN LISREL DI KELURAHAN GAMBIR BARU
KISARAN TAHUN 2013

Tujuan penelitian ini adalah menerapkan analisis jalur untuk melihat

pengaruh pengetahuan dan motivasi terhadap sikap Wanita Usia Subur untuk
melakukan pemeriksaan IVA dengan menggunakan software Amos dan Lisrel di
kelurahan Gambir Baru Kisaran tahun 2013.
Hasil penelitian menunjukkan pada uji kesesuaian menggunakan software
Amos dan Lisrel sama-sama didapatkan hasil goodness of fit yang menghasilkan
model yang fit. Pada uji hipotesis menggunakan software Amos dan Lisrel sama-
sama didapatkan hasil bahwa pengetahuan berpengaruh signifikan terhadap
motivasi Wanita Usia Subur untuk melakukan pemeriksaan IVA di kelurahan
Gambir Baru Kisaran tahun 2013, dan motivasi sama-sama berpengaruh
signifikan terhadap sikap Wanita Usia Subur untuk melakukan pemeriksaan IVA
di kelurahan Gambir Baru Kisaran tahun 2013. Namun juga didapatkan
perbedaan, pada software Amos didapatkan pengetahuan tidak berpengaruh
terhadap sikap Wanita Usia Subur untuk melakukan pemeriksaan IVA di
kelurahan Gambir Baru Kisaran tahun 2013 dan pada software Lisrel didapatkan
pengetahuan berpengaruh signifikan terhadap sikap Wanita Usia Subur untuk
melakukan pemeriksaan IVA di kelurahan Gambir Baru Kisaran tahun 2013.
Kemudian juga sama-sama didapatkan tidak terdapat pengaruh pengetahuan
terhadap sikap melalui motivasi Wanita Usia Subur untuk melakukan pemeriksaan
IVA di kelurahan Gambir Baru Kisaran tahun 2013.
Sebagai saran, peneliti merekomendasikan penelitian selanjutnya juga
melakukan analisis menggunakan kedua software ini kemudian melihat indikator
goodness of fit setelah itu menyesuaikan dengan uji hipotesis sesuai dengan teori
pada tinjauan pustaka.

Kata kunci : Analisis jalur, Pengetahuan, Motivasi, Sikap, Pemeriksaan IVA,

Amos, Lisrel
 ABSTRACT

THE APPLICATION OF PATH ANALYSIS TO SEE THE EFFECT OF THE

KNOWLEDGE AND MOTIVATION TO THE ATTITUDE OF WOMEN OF
CHILDBEARING AGE TO EXAMINE THE IVA TEST USING BY AMOS AND
LISREL APPLICATIONS IN KELURAHAN GAMBIR BARU KISARAN IN 2013

The purpose of this research is applying path analysis to see the effect of
the knowledge and motivation to the attitude of women of childbearing age to
examine the IVA Test using by Amos and Lisrel applications in Kelurahan Gambir
Baru Kisaran in 2013.
The results showed the suitability test using by Amos and Lisrel software
and both showed the goodness of fit which is produces the model fit. In the
hypothesis testing using by Amos and Lisrel software and both showed that
knowledge of a significant effect on motivation of women of childbearing age to
examine the IVA Test in Kelurahan Gambir Baru Kisaran in 2013, and motivation
are equally significant effect on attitude of women of childbearing age to examine
the IVA Test in Kelurahan Gambir Baru Kisaran in 2013. But also found
differences, in the software Amos knowledge obtained no effect on attitude of
women of childbearing age to examine the IVA Test in Kelurahan Gambir Baru
Kisaran in 2013 and the lisrel software acquired knowledge significantly
influence the attitude of women of childbearing age to examine the IVA Test in
Kelurahan Gambir Baru Kisaran in 2013. Then were similarly obtained there is
no influence on knowledge to attitude through motivation of women of
childbearing age to examine the IVA Test in Kelurahan Gambir Baru Kisaran in
2013.
As a suggestion researchers recommend further study also analyzed using
both of the software and then look at the indicators of goodness of fit, after it
adapts to test the hypothesis according to the theory of literature review.

Keywords : Path Analysis, Knowledge, Motivation, Attitude, IVA Test, Amos,

Lisrel
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Penggunaan statistika dalam segala bidang ilmu dan kehidupan manusia

telah membuat maju peradaban dunia. Penelitian-penelitian yang dilakukan dalam

laboratorium maupun penelitian terapan telah membawa perubahan dan kemajuan

dunia. Tidak dapat dipungkiri bahwa perkembangan Ilmu Pengetahuan dan

Teknologi (IPTEK) sebagai peran dari statistika (Widiyanto, 2013).

Seiring berjalannya waktu, statistika dapat digunakan dalam

pengembangan IPTEK. Karena pengembangan IPTEK memiliki

tujuan pendekatan modern untuk menyajikan mengenai konsep-konsep dasar dan

metode statistik secara lebih jelas dan langsung dapat membantu seseorang

didalam pengembangan daya kritik dalam suatu kegiatan pengambilan keputusan

dengan menggunakan cara-cara kuantitatif, sejalan dengan banyaknya penelitian

yang dilakukan oleh para ilmuwan. Semakin banyak penelitian yang dilakukan

oleh para ilmuwan, maka IPTEK pun akan semakin berkembang (Al-Faditya,

2013).

Statistik kesehatan sangat bermanfaat untuk kepentingan administratif,

seperti merencanakan program pelayanan kesehatan, menentukan alternatif

penyelesaian masalah kesehatan, dan melakukan analisis tentang berbagai

penyakit selama periode waktu tertentu. Selain itu juga berguna untuk

menentukan penyebab timbulnya penyakit baru yang belum diketahui atau untuk

menguji manfaat obat bagi penyembuhan penyakit tertentu (Budiarto, 2002).

 Dalam bidang apapun termasuk dalam bidang kesehatan, suatu akibat

(fenomena masalah kesehatan) tidak mungkin dipengaruhi oleh satu penyebab.

Kenyataan yang ada adalah satu akibat pasti dipengaruhi oleh beberapa penyebab

(beberapa faktor atau multi faktor), oleh karena itu seorang peneliti dianjurkan

untuk menguasai analisis multivariat. Analisis multivariat merupakan analisis

yang bertujuan untuk mempelajari hubungan beberapa variabel (lebih dari satu

variabel) independen dengan satu atau beberapa variabel dependen (umumnya

satu variabel dependen) (Riyanto, 2012).

Menurut Widiyanto (2013), analisis jalur (Path Analysis) merupakan salah

satu teknik statistika parametrik yang digunakan untuk menguji hubungan antar

variabel yang sifatnya kausal. Dalam pengujian hubungan tersebut didasarkan

pada teori yang menyatakan variabel itu memiliki hubungan. Kuat lemahnya teori

yang digunakan dalam menggambarkan hubungan kausal tersebut menentukan

dalam penyusunan diagram jalur dan mempengaruhi hasil dari analisis serta

pengimplementasian secara keilmuan.

Alat menghitung dari analisis jalur untuk menghasilkan koefisien jalur

adalah dengan cara meminjam hitungan analisis korelasi dan regresi sebagai dasar

perhitungannya. Perbedaannya dengan hasil analisis korelasi dan regresi terlihat

pada hasil dalam tabel coefficient, bahwa analisis korelasi dan regresi hasil yang

diambil terletak pada nilai B-nya (constant ada nilainya dan X1, X2, Y dan

seterusnya ada nilainya pada kolom B tersebut yang membentuk struktur Ý = a +

bx1 + bx2 + bx3 dst), sedangkan analisis jalur pada nilai Beta yang membentuk

struktur Y1 = ρy1x1 �� + ρy2x2 �� + ρy1. ε1 ɛ1 dst) (Riduan, dkk, 2011).

 Melalui analisa jalur dapat diketahui besarnya kontribusi yang ditunjukkan

oleh koefisien jalur pada setiap diagram jalur (Riduan & Kuncoro, 2011) yang

terdiri dari direct causal effects (pengaruh langsung), indirect causal effects

(pengaruh tidak langsung), dan total causal effects (total pengaruh) (Sunjoyo dkk,

2013).

Salah satu cara untuk melihat hubungan sebab akibat tersebut dapat

dilakukan dengan melihat pengaruh pengetahuan dan motivasi terhadap sikap

WUS untuk melakukan pemeriksaan IVA. Tes IVA merupakan deteksi dini untuk

melihat penyakit Kanker Serviks. Menurut Rasjidi (2009), total jumlah wanita

yang didiagnosis kanker serviks di Amerika Serikat pada tahun 1999 adalah

12.900 dengan kematian yang berkaitan dengan kanker sejumlah 4.400,

sedangkan jumlah wanita yang mengidap kanker serviks diseluruh dunia sekitar

471.000, dengan angka kematian 215.000. Kebanyakan penderita baru menyadari

penyakitnya setelah berada pada Stadium Lanjut, sehingga sebagian sudah tidak

dapat tertolong lagi. Hal ini disebabkan kebanyakan dari penderita bahkan tidak

mengetahui tentang penyakit ini begitu pula dengan deteksi dininya.

Pengetahuan seseorang tentang sesuatu obyek juga mengandung dua aspek

yaitu aspek positif dan negatif. Kedua aspek inilah yang akhirnya akan

menumbuhkan dorongan/motivasi dan sikap seseorang terhadap obyek tertentu.

Semakin banyak aspek positif dari obyek yang diketahui, akan menumbuhkan

sikap yang semakin positif pula terhadap obyek tersebut. Dalam analisis jalur ini

pengetahuan berperan sebagai variabel eksogenous (Notoatmodjo, 2007).

 Dengan mempelajari motivasi maka kita dapat menjelaskan dan

memprediksi perilaku seseorang. Jika seseorang sudah memiliki motivasi yang

kuat untuk melakukan perilaku yang berhubungan dengan kesehatan, maka

perilakunya menjadi konsisten dan dapat diramalkan. Motivasi merupakan sebuah

konsep psikologis yang intangible atau tidak kasat mata sehingga kita tidak dapat

melihatnya secara kasat mata namun kita dapat mengetahuinya dengan

menyimpulkan perilaku, perasaan dan perkataannya ketika mereka ingin mencapai

tujuannya. Sehingga motivasi berperan sebagai variabel intervening.

Menurut Notoatmodjo (2005), dalam menentukan sikap yang utuh,

pengetahuan, pikiran, keyakinan, dan emosi memegang peranan penting.

Manifestasi sikap tidak dapat dilihat secara langsung namun dapat ditafsirkan

terlebih dahulu. Apabila Wanita Usia Subur (WUS) tahu dan mendengar tentang

penyakit kanker serviks maka pengetahuan ini akan membuatnya berfikir. Dalam

berfikir ini komponen emosi dan keyakinan ikut bekerja, muncul motivasi agar

terhindar dari penyakit kanker serviks sehingga wanita tersebut mengambil suatu

sikap untuk melakukan Pemeriksaan IVA sebagai deteksi dini penyakit kanker

serviks.

Ada banyak software yang sering digunakan dalam analisis jalur

diantaranya adalah Lisrel, Eqs5, Sepath, Amos, Calis, Liscomp, Mplus dan

Ramona. Untuk penelitian ini software yang digunakan adalah Amos dan Lisrel.

Kedua software ini memiliki perbedaan, jika Amos merupakan perangkat lunak

berbasis visual, maka Lisrel berbasis pemrograman tekstual. Didalam Jurnal

Information System Research, penggunaan causal model dengan Lisrel adalah

sekitar 15% dari seluruh data riset berbasis hubungan struktural, dibandingkan

total penggunaan Amos dan yang lain hanya sekitar 3%.

Menurut Ghozali (2013), Amos dan Lisrel adalah software yang digunakan

untuk menyelesaikan model persamaan struktural, jadi kedua software ini akan

menghasilkan estimasi parameter yang sama. Bedanya terletak pada penggunaan.

Amos dapat digunakan secara grapgical interface (Amos Graphic) artinya

hubungan antara variabel bisa digambar langsung dengan simbol elips (variabel

laten) atau kotak (variabel observed) sehingga tidak perlu menyusun persamaan

regresinya, tetapi Amos dapat juga berangkat dari persamaan dahulu (Amos

basic). Amos memiliki kelemahan apabila asumsi multivariat normalitas tidak

dipenuhi atau data kita murni ordinal bukan kontinyu, terjadi hubungan

moderating antar variabel, maka Amos tidak dapat menyelesaikan hal ini.

Sedangkan Lisrel mampu mengatasi semua persoalan tadi sehingga Lisrel

dianggap lebih canggih dibanding Amos.

Amos merupakan singkatan dari Analisis of Moment Structures yang

digunakan sebagai pendekatan umum analisis data dalam model sebab akibat

(causal modeling). Dengan menggunakan Amos maka perhitungan yang rumit

akan jauh lebih mudah dilakukan dibandingkan dengan menggunakan perangkat

lunak lainnya. Lebih lagi penggunaan Amos akan mempercepat dalam membuat

spesifikasi, melihat serta melakukan modifikasi model secara grafik dengan

menggunakan tool yang sederhana. Dengan menggunakan Amos, proses

perhitungan dan analisis menjadi lebih sederhana bahkan orang-orang awam yang

bukan ahli statistik akan dapat menggunakan dan memahami dengan mudah.
Namun Amos juga memiliki kelemahan bila dibandingkan dengan Lisrel yaitu

tidak dapat diketahuinya signifikan tidaknya peranan tidak langsung (Widhiarso,

2011).

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. Namun dalam Lisrel ada

begitu banyak bahasa perintah sehingga user harus mengetahui bahasa yang

digunakan sebagai input.

Atas dasar tersebut maka dilakukan penelitian analisis jalur dengan

menggunakan aplikasi Amos dan Lisrel untuk melihat pengaplikasian causal

modelling secara deskriptif sehingga dapat dilihat model yang fit diantara kedua

alat tersebut. Peneliti melakukan pengambilan sampel di Kelurahan Gambir Baru

Kisaran untuk melihat pengaruh pengetahuan dan motivasi terhadap sikap Wanita

Usia Subur untuk melakukan pemeriksaan IVA menggunakan aplikasi Amos dan

Lisrel.

Kanker serviks adalah kanker yang terjadi pada servik uterus, suatu daerah

pada organ reproduksi wanita yang merupakan pintu masuk ke arah rahim yang

terletak antara rahim (uterus) dan liang senggama (vagina). Munculnya penyakit

ini diakibatkan oleh sel dinding (epitel) rahim yang berkembang secara tidak

normal. Penyebab penyakit ini belum diketahui secara pasti, tapi dari beberapa
penelitian diketahui adanya human papillomavirus (HPV) sebagai penyebab lain

dari penyakit ini (Misaroh dan Atikah, 2009).

Diperkirakan terdapat 10.370 kasus baru kanker serviks invasif yang

didiagnosis di Amerika Serikat pada tahun 2005. Pada tahun yang sama, 3.170

pasien diperkirakan meninggal akibat kanker serviks. Jumlah ini mendekati 1,3%

dari kematian akibat kanker pada wanita dan 13% dari kematian akibat kanker

ginekologi. Di banyak negara berkembang, kanker serviks merupakan penyebab

kematian paling umum di usia reproduktif. Kanker serviks merupakan jenis

kanker terbanyak kedua pada wanita dan menjadi penyebab lebih dari 250.000

kematian pada tahun 2005. Kurang lebih 80% kematian tersebut terjadi di negara

berkembang. Tanpa penatalaksanaan yang adekuat, diperkirakan kematian akibat

kanker serviks akan meningkat 25% dalam 10 tahun mendatang (Rasjidi, 2009).

Banyaknya kasus kanker serviks di Indonesia semakin diperparah

disebabkan lebih dari 70% kasus yang datang ke rumah sakit berada pada stadium

lanjut. Untuk mengatasi hal ini perlu upaya pemecahan masalah dengan metode

skrining yang mampu dan memungkinkan untuk dilakukan. Kebijakan penerapan

program skrining kanker serviks di Indonesia 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 tentu hasilnya akan lebih baik dan mortalitas akan

menurun. Dengan masalah yang begitu kompleks akhirnya timbul gagasan untuk
melakukan skrining kanker serviks dengan metode yang lebih sederhana yaitu

dengan IVA (Inspeksi Visual dengan Asam Asetat) (Delima, 2011).

Hingga kini metode Inspeksi Visual Asam Asetat (IVA) sering diterapkan

oleh banyak pihak sebagai metode yang relatif murah, namun tetap mampu

mendeteksi kanker serviks dengan akurat. Menurut Ketua YKI (Yayasan Kanker

Indonesia) Pusat Nila Moeloek mengatakan, “Tes IVA jauh lebih murah

dibandingkan papsmear. Jika tes papsmear menghabiskan biaya hingga Rp

50.000, tes IVA hanya berkisar antara Rp 2.000 hingga Rp 5.000.” Akurasi tes

IVA juga hampir sama dengan tes papsmear. Bahkan, tes IVA sudah dapat

mendeteksi sel pre-kanker. Ketua YKI ini juga menuturkan, “Sejatinya tidak ada

metode yang 100 persen akurat, namun tes IVA sudah bisa mencapai akurasi 70

persen. Ini tentu sudah cukup baik daripada tidak sama sekali.”

Kelurahan Gambir Baru merupakan salah satu kelurahan yang berada di

Kota Kisaran Kabupaten Asahan. Dari survey pendahuluan yang dilakukan di

Puskesmas Gambir Baru terdapat 1960 WUS di Kelurahan ini. Kelurahan Gambir

Baru terdiri dari 7 Lingkungan yaitu Lingkungan I, Lingkungan II, Lingkungan

III, Lingkungan IV, Lingkungan V, Lingkungan VI dan Lingkungan VII. Atas

dasar uraian-uraian tersebut perlu kiranya dilakukan kajian untuk mengetahui

peran statistik khususnya Analisis Jalur untuk melihat pengaruh pengetahuan dan

motivasi terhadap sikap WUS untuk melakukan pemeriksaan IVA menggunakan

aplikasi Amos dan Lisrel di Kelurahan Gambir Baru Kisaran.

1.2 Perumusan Masalah

Rumusan masalah pada penelitian ini adalah: Bagaimana hasil penerapan

analisis jalur untuk melihat besarnya pengaruh pengetahuan dan motivasi terhadap

sikap Wanita Usia Subur (WUS) untuk melakukan Pemeriksaan IVA

menggunakan aplikasi Amos dan Lisrel di Kelurahan Gambir Baru Kisaran

periode November 2013.

1.3 Tujuan Penelitian

1.3.1 Tujuan Umum

Menerapkan analisis jalur untuk melihat besarnya pengaruh pengetahuan

dan motivasi terhadap sikap Wanita Usia Subur (WUS) untuk melakukan

Pemeriksaan IVA menggunakan aplikasi Amos dan Lisrel di Kelurahan Gambir

Baru Kisaran tahun 2013.

1.3.2 Tujuan Khusus

1. Untuk mengetahui pengaruh pengetahuan terhadap motivasi Wanita Usia

Subur (WUS) untuk melakukan pemeriksaan IVA menggunakan aplikasi Amos

dan Lisrel di Kelurahan Gambir Baru Kisaran tahun 2013.

2. Untuk mengetahui pengaruh motivasi terhadap sikap Wanita Usia Subur

(WUS) untuk melakukan pemeriksaan IVA menggunakan aplikasi Amos dan

Lisrel di Kelurahan Gambir Baru Kisaran tahun 2013.

3. Untuk mengetahui pengaruh pengetahuan terhadap sikap Wanita Usia Subur

(WUS) untuk melakukan pemeriksaan IVA menggunakan aplikasi Amos dan

Lisrel di Kelurahan Gambir Baru Kisaran tahun 2013.

1.4 Manfaat Penelitian

1. Bagi masyarakat khususnya Wanita Usia Subur (WUS) untuk lebih menambah

wawasan tentang deteksi dini Kanker Serviks dengan Pemeriksaan IVA.

2. Bagi peneliti sebagai bahan pembelajaran dan penambah pengetahuan serta

memahami kajian penerapan Analisis Jalur dalam teori dan praktek di lapangan

menggunakan aplikasi Amos dan Lisrel.

3. Sebagai bahan masukan atau sumber informasi bagi peneliti lain.

 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 effect’s 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 panah-

anak panah menuju ke variabel yang sudah ada tersebut.

3. Variabel exogenous

Adalah semua variabel yang tidak ada penyebab–penyebab 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:
 X Z

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:

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 :

1 P41

P31

3 P43 4

r21 P21

P32

2 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 Path (Jalur)
Variabel Bebas (X), Terikat (Y) 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 4. Penelusuran mekanisme (lintasan)
variable bebas (X) 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 Minimal skala interval dan data
yang dinyatakan dalam satuan baku atau z skor
dianalisis
Prinsip 1. Hubungan antar 1. Hubungan antar variabel berpola
variabel berpola linear, linear, bersifat normal.
bersifat normal. 2. Sistem aliran kausal satu arah.
2. Sistem aliran kausal 3. Sampel random
satu arah. 4. Model dianalisis berdasarkan teori-
3. Sampel random teori yang relevan
4. Model dianalisis 5. Variabel terikat/endogen (Y) minimal
berdasarkan teori-teori dalam skala ukur interval dan rasio.
yang relevan.
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, menguraikan, mendefenisikan, menyatakan dan

sebagainya.
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. Browne’s 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. χ 2 – Chi Square Statistic

Semakin kecil nilai χ 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 chi-

square 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 χ 2 dibagi degree of freedom-nya sehingga

disebut χ 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

χ 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 > α 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.

 BAB III
METODE PENELITIAN

3.1 Jenis Penelitian

Penelitian ini merupakan applied research (penelitian terapan) yang

menekankan aplikasinya menggunakan Amos dan Lisrel. Penelitian ini bertujuan

untuk menguji pengaruh pengetahuan dan motivasi terhadap sikap WUS untuk

melakukan pemeriksaan IVA dengan menggunakan aplikasi Amos dan Lisrel.

3.2 Lokasi dan Waktu Penelitian

Penelitian ini dilakukan di Kelurahan Gambir Baru yang merupakan salah

satu kelurahan di kota Kisaran. Penelitian ini dimulai sejak bulan September 2013

hingga Januari 2014.

3.3 Populasi dan Sampel

3.3.1 Populasi

Populasi dalam penelitian ini adalah seluruh WUS yang pernah menikah di

kelurahan Gambir Baru Kisaran sebanyak 1960.

3.3.2 Sampel

Sampel dalam penelitian ini adalah WUS di Kelurahan Gambir Baru

Kisaran atas dasar inklusi:

1. WUS yang pernah menikah karena untuk Tes IVA ini biasa dilakukan pada

WUS yang telah menikah.

2. WUS dalam keadaan sadar dan mampu berwawancara/menjawab pertanyaan

3. WUS berada dirumah dan bersedia diwawancara.

 Teknik pengambilan sampel pada penelitian ini dilakukan dengan

Stratified Random Sampling yaitu teknik pengambilan sampel dimana anggota

populasi diambil secara acak dan berstrata berdasarkan pendidikan terakhir.

Besar sampel dihitung menggunakan rumus sampel tunggal untuk uji

hipotesis. Rumus besar sampel adalah:

{ �1−∝�2 ��0 (1 − �0 ) + �1−� ��� (1 − �� ) }2

�=
(�� − �� )2

dimana: � = Besar sampel minimum

�1−∝�2 = Nilai distribusi normal baku α 5% sebesar 1,96

�1−� = Nilai distribusi normal baku β 20% sebesar 0,842

�0 = Proporsi WUS yang melakukan tes IVA

(�0 = 0,08)

�� = Perkiraan WUS yang melakukan melakukan tes IVA

(�� = 0,03)

�� − �� = Perkiraan selisih proporsi yang diteliti dengan proporsi WUS

yang memiliki motivasi melakukan tes IVA (Pa–Po= - 0,05)

{ 1,96 �0,08(1−0,08)+ 0,842 �0,03(1−0,03) }2

Sehingga:� = = 130 ���������
(0,03−0,08)2

Jumlah sampel dari hasil perhitungan diatas sebanyak 130 responden

dengan ketentuan di Lingkungan I sebanyak 23 responden, Lingkungan II

sebanyak 23 responden, Lingkungan III sebanyak 21 responden, Lingkungan IV

sebanyak 21 responden, Lingkungan V sebanyak 14 responden, Lingkungan VI

sebanyak 13 responden dan Lingkungan VII sebanyak 15 responden.

Setelah dilakukan pengujian distribusi normal menggunakan software

Amos maka terdapat penghapusan terhadap 13 data outlier sehingga tersisa 117

sampel.

3.4 Metode Pengumpulan Data

1. Data primer

Penulis memperoleh data primer melalui instrumen kuesioner yang di

sebar di Kelurahan Gambir Baru Kisaran. Penyebaran kuesioner dilakukan

langsung dari penulis kepada responden dan pengisian kuesioner dilakukan sendiri

oleh responden (self-adminitered questionnaire).

2. Data sekunder

Untuk menunjang penelitian, penulis memperoleh data sekunder melalui

buku kuliah dan buku umum yang relevan dengan permasalahan penelitian serta

penelitian terdahulu yang membahas permasalahan seperti dalam penelitian ini.

Penelitian terdahulu berupa skripsi serta jurnal ilmiah yang dipublikasikan

secara luas serta serta internet yang menyediakan data mengenai objek

penelitian.

3.5 Defenisi Operasional

I. Analisis Jalur

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.

II. Variabel Eksogenous

Pengetahuan adalah pemahaman WUS terhadap sejumlah objek yang

berkaitan dengan pemeriksaan IVA.

III. Variabel Intervening

Motivasi adalah daya upaya yang mendorong WUS untuk melakukan

pemeriksaan IVA.

IV. Variabel Endogenous

Sikap adalah respon WUS terhadap pemeriksaan IVA.

V. Amos

Amos adalah program komputer yang dapat digunakan untuk membuat

model persamaan struktural dengan grapgical interface yang harus

memenuhi indikator goodness of fit.

VI. Lisrel

Lisrel adalah program komputer yang dapat digunakan untuk membuat model

persamaan struktural dengan kemampuan mengestimasi masalah dalam

model sebab akibat yang harus memenuhi indikator goodness of fit.

3.6 Pengukuran

Tabel 3.1 Aspek Pengukuran

Variabel Defenisi Operasional Instrumen Kriteria Skala

Pengukuran Pengukuran

Pengetahuan Pemahaman Kuesioner - Baik, bila skor Guttman

responden mengenai 76-100%
pemeriksaan IVA - Cukup, bila
 skor 56-75%
- Kurang, bila
skor <55%
Motivasi Daya upaya yang Kuesioner - Kuat, skor 67- Likert
mendorong WUS 100%
untuk melakukan - Sedang, skor
34-66%
pemeriksaan IVA.
- Lemah, skor 0-
33%
Sikap Respon WUS Kuesioner - Baik, skor 76- Likert
terhadap pemeriksa- 100%
an IVA. - Cukup baik,
56-75%
- Kurang baik,
≤ 55%

3.7 Teknik Analisis Data

Dari kuesioner yang telah dikumpulkan tentang pengaruh pengetahuan dan

motivasi terhadap sikap WUS lalu dilakukan penerapan analisis jalur

menggunakan komputer yang memakai software Amos dan Lisrel.

Menurut Widiyanto (2013), adapun langkah dalam analisis jalur adalah:

1. Menghitung koefisien korelasi sederhana

2. Membuat matriks korelasi

3. Pengujian signifikasi koefisien jalur

4. Pengaruh langsung, tidak langsung dan total

Menurut Mustafa dan Wijaya (2012), langkah analisis menggunakan

Amos adalah sebagai berikut:

1. Menghubungkan diagram (model input) dengan data input. Untuk ini dapat

dilakukan dengan 2 pilihan:

a. Menggambar diagram (model input) terlebih dahulu, baru membuka dan

menghubungkan dengan data input.

 b. Membuka data input terlebih dahulu, baru menggambarkan dan

menghubungkan dengan diagram (model input).

2. Menentukan karakteristik objek dalam diagram (dengan object properties dan

menentukan regression weight).

3. Menentukan bentuk tampilan yang diinginkan (Figure caption (title), interface

properties).

4. Menentukan output yang akan dihasilkan oleh proses analisis (Analysis

properties).

5. Menjalankan analisis (calculate estimates).

6. Menampilkan output, dapat dalam bentuk:

a. Diagram

b. Teks output

Menurut Ghozali (2008), langkah analisis jalur dengan menggunakan

Lisrel yaitu :

1. Mengubah input data menjadi data prelis dengan langkah membuka program

Lisrel dari menu pilih File lalu Import Data dan akan tampak windows open.

2. Membuka data dan menyimpannya dalam bentuk prelis.

3. Menentukan analisis dengan metode simplis.

4. Memanggil data prelis dengan langkah dari menu utama Lisrel pilih Setup lalu

Variables.

5. Membuat Simplis Syntax dengan langkah dari menu Lisrel pilih Setup

kemudian pilih Build Simplis Syntax dan menuliskan syntax .

6. Mengeksekusi Simplis Syntax den menganalisis hasilnya.

 BAB IV
HASIL PENELITIAN

4.1 Gambaran Umum Kelurahan Gambir Baru

Wilayah penelitian ini adalah kelurahan Gambir Baru yang memiliki VII

lingkungan.

Lingkungan I : Jl. Ir. Juanda, Jl. Seriti, Jl. Merak, Jl. Merbuk, Jl. Bayan

Lingkungan II : Jl. Bayan, Jl. Merbuk, Jl. Seriti, Jl. Merpati, Jl. Murai

Lingkungan III : Jl. Ir. Juanda

Lingkungan IV : Jl. FL Tobing, Jl. Cenderawasih, Jl. Merak, Jl. Nuri Baru

Lingkungan V : Jl. FL Tobing, Jl. Merak, Jl. Nuri, Jl. Kakatua

Lingkungan VI : Jl. FL Tobing, Jl. Nuri, Jl. Murai, Jl. Berdikari, Jl. Nuri

Baru

Lingkungan VII : Jl. FL Tobing, Jl. Merpati, Jl. Murai

Kelurahan Gambir Baru Kisaran memiliki batas wilayah sebagai berikut:

1. Bagian Utara : Kelurahan Lestari

2. Bagian Selatan : Kelurahan Karang Anyer

3. Bagian Barat : Kelurahan Panca Arga

4. Bagian Timur : Kelurahan Selawan

Luas wilayah kelurahan Gambir Baru adalah ± 597 Ha dengan jumlah

penduduk 5256 jiwa.

4.2 Gambaran Umum Karakteristik Responden

Berdasarkan hasil penelitian yang dilakukan terhadap 117 orang responden

di Kelurahan Gambir Baru Kisaran melalui wawancara, berikut ini disajikan

gambaran umum mengenai karakteristik responden.

4.2.1 Karakteristik Responden Berdasarkan Umur

Data deskriptif berdasarkan umur responden dapat dilihat dalam Tabel 4.1

sebagai berikut:

Tabel 4.1 Karakteristik Responden Berdasarkan Umur

Kelompok Umur Jumlah %

21-30 69 59,0
31-40 41 35,0
41-50 7 6,0
Jumlah 117 100,0

Dari Tabel 4.1 dapat dilihat bahwa sebagian besar responden adalah

berumur 21-30 tahun yaitu sebesar 59,0% kemudian disusul umur 31-40 tahun

sebesar 35,0% dan 41-50 tahun sebesar 6,0%.

4.2.2 Karakteristik Responden Berdasarkan Status Pernikahan

Data deskriptif berdasarkan status pernikahan responden dapat dilihat

dalam Tabel 4.2 sebagai berikut:

Tabel 4.2 Karakteristik Responden Berdasarkan Status Pernikahan

Status Pernikahan Jumlah %

Menikah 117 100,0
Cerai Hidup 0 0
Cerai Mati 0 0
Jumlah 117 100,0
 Dari Tabel 4.2 dapat dilihat bahwa semua responden memiliki status

pernikahan yaitu menikah sebesar 100%.

4.2.3 Karakteristik Responden Berdasarkan Pendidikan Terakhir

Data deskriptif berdasarkan pendidikan terakhir responden dapat dilihat

dalam Tabel 4.3 sebagai berikut:

Tabel 4.3 Karakteristik Responden Berdasarkan Pendidikan Terakhir

Pendidikan Jumlah %
SD 3 2,6
SMP 9 7,7
SMU 101 86,3
Diploma 4 3,4
Jumlah 117 100,0

Dari Tabel 4.3 dapat dilihat bahwa sebagian besar responden adalah

berpendidikan SMU sebesar 86,3%, SMP sebesar 7,7% kemudian Diploma

sebesar 3,4% dan SD sebesar 2,6%.

4.2.4 Karakteristik Responden Berdasarkan Pekerjaan

Data deskriptif berdasarkan pekerjaan responden dapat dilihat dalam Tabel

4.4 sebagai berikut:

Tabel 4.4 Karakteristik Responden Berdasarkan Pekerjaan

Pekerjaan Jumlah %
Tidak Bekerja 106 90,6
Wiraswasta 4 3,4
Pegawai 7 6,0
Jumlah 117 100,0

Dari Tabel 4.4 dapat dilihat bahwa sebagian besar responden adalah tidak

bekerja sebesar 90,6% kemudian disusul pegawai sebesar 6,0% dan wiraswasta

sebesar 3,4%.
4.2.5 Karakteristik Responden Berdasarkan Pendapatan Keluarga

Data deskriptif berdasarkan pendapatan keluarga responden dapat dilihat

dalam Tabel 4.5 sebagai berikut:

Tabel 4.5 Karakteristik Responden Berdasarkan Pendapatan Keluarga

Pendapatan Jumlah %
<1 juta 0 0
1-2 juta 74 63,2
>2 juta 43 36,8
Jumlah 117 100,0

Dari Tabel 4.5 dapat dilihat bahwa sebagian besar responden adalah

berpenghasilan 1 – 2 juta sebesar 63,2% dan > 2 juta sebesar 36,8%.

4.2.6 Karakteristik Responden Berdasarkan Agama

Data deskriptif berdasarkan agama responden dapat dilihat dalam Tabel

4.6 sebagai berikut:

Tabel 4.6 Karakteristik Responden Berdasarkan Agama

Agama Jumlah %
Islam 114 97,4
Kristen 3 2,6
Jumlah 117 100,0

Dari Tabel 4.6 dapat dilihat bahwa sebagian besar responden adalah

beragam Islam yaitu sebesar 97,4% dan Kristen sebesar 2,6%.

4.2.7 Karakteristik Responden Berdasarkan Pengetahuan

Data deskriptif berdasarkan pengetahuan responden dapat dilihat dalam

Tabel 4.7 sebagai berikut:

Tabel 4.7 Karakteristik Responden Berdasarkan Pengetahuan

Pengetahuan Jumlah %
Baik 0 0
Cukup 37 31,6
Kurang 80 68,4
Jumlah 117 100,0

Dari Tabel 4.7 dapat dilihat bahwa sebagian besar responden adalah

memiliki pengetahuan kurang sebesar 68,4% dan cukup sebesar 31,6%.

4.2.8 Karakteristik Responden Berdasarkan Motivasi

Data deskriptif berdasarkan motivasi responden dapat dilihat dalam Tabel

4.8 sebagai berikut:

Tabel 4.8 Karakteristik Responden Berdasarkan Motivasi

Motivasi Jumlah %
Kuat 80 68,4
Sedang 37 31,6
Lemah 0 0
Jumlah 117 100,0

Dari Tabel 4.8 dapat dilihat bahwa sebagian besar responden adalah

memiliki motivasi kuat sebesar 68,4% dan cukup sebesar 31,6%.

4.2.9 Karakteristik Responden Berdasarkan Sikap

Data deskriptif berdasarkan sikap responden dapat dilihat dalam Tabel 4.9

sebagai berikut:

Tabel 4.9 Karakteristik Responden Berdasarkan Sikap

Agama Jumlah %
Baik 18 15,4
Cukup 99 84,6
Kurang 0 0
Jumlah 117 100,0
 Dari Tabel 4.9 dapat dilihat bahwa sebagian besar responden adalah

memiliki sikap yang cukup sebesar 84,6%, dan baik sebesar 15,4%.

4.3 Deskripsi Pengujian Menggunakan Amos

4.3.1 Cara Menjalankan Amos

1. Setelah program Amos dijalankan dan tampak layar kerja, buka data input

yang akan dipergunakan dalam analisis. Caranya dengan menggunakan tool

Data Files pada Toolbox.

Klik tool Select Data Files

Lalu muncul kontak dialog seperti dibawah ini :

Pada kotak dialog, klik File Name, tampak kotak dialog berikutnya. Pada

kotak dialog ini pilih data yang akan dipergunakan dalam analisis (pada

folder/direktori dimana file data disimpan).

 Setelah memilih data yang akan dipergunakan dalam analisis (misalnya:

Data1.sav), klik Open. Selanjutnya kembali ke kotak dialog sebelumnya.

Perhatikan nama file Data1.sav telah masuk daftar dalam kotak dialog

tersebut. N sebesar 130 menunjukkan besarnya sampel yang digunakan dalam

analisis.

Lalu klik Ok untuk menutup kotak dialog tersebut.

2. Tampilkan nama-nama variabel yang akan dianalisis dengan menggunakan

tool Variables in Data Set ( ).

Hasilnya adalah tampak kotak yang berisi semua nama variabel dalam data set

yang akan dipergunakan dalam analisis.

3. Langkah selanjutnya adalah membuat diagram (model input). Untuk

menggambarkan variabel observed dapat digunakan tool Draw Observed.

Tool Draw observed Tool draw a latent

variables or add
variable an indicator
to a latent variable

Tool Duplicate Objects Tool Erase object

Dengan menggunakan tool tersebut dapat digambarkan variabel unobserved

secara klik dan drag.

Untuk menggambar variabel jenis yang sama (menduplikasi) dapat digunakan

fasilitas tool Duplicate Objects. Untuk mengatur posisi objek dapat digunakan

tool Move Objects.

Selanjutnya masukkan nama-nama variabel yang akan dianalisis ke dalam

kotak variabel dengan jalan drag and drop. Tiap variabel dalam daftar

(Variables in Data Set) di-drag dan diletakkan pada tempatnya masing-

masing.
 Hasil yang diperoleh adalah sebagai berikut:

Sampai di sini, kotak Variables in Dataset tidak lagi dipergunakan, dapat

dihilangkan degan mengklik tanda X pada pojok kanan atas.

Nama-nama variabel yang ditampilkan pada diagram tersebut sesuai dengan

nama variabel dalam data input. Tampilan nama-nama tersebut dapat diubah

dengan memberi label variabel (Variabel label) menggunakan tool Object

Properties yang secara singkat dapat diakses dengan cara dobel klik pada

objek yang akan diberi label.

4. Setelah semua variabel selesai dibuat, selanjutnya adalah memberikan jalur

(tanda panah) yang menghubungkan faktor dengan tiap variabel dengan

menggunakan tool Draw Path ( ). Sehingga didapatkan hasil sebagai

berikut:
5. Setelah selesai, dilanjutkan dengan menggambarkan error atau residu (Unique

Variable) dengan menggunakan tool Add a Unique variable to an existing

variable ( ).

Dari gambar di atas terlihat bahwa terdapat variabel eksogen yaitu

Sikap, variabel endogen yaitu Pengetahuan dan Motivasi sebagai variabel

intervening.

6. Setelah diagram siap, perlu ditentukan jenis output yang akan dihasilkan oleh

analisis. Untuk menentukan jenis output yang diinginkan digunakan tool

Analysis Properties ( )

Kotak dialog Analysis Properties seperti berikut:

 Pada lembar Output, tandai semua output yang ingin dihasilkan oleh analisis,

dan akhiri dengan mengklik tanda X pada pojok kanan atas.

7. Tahap terakhir dari analisis adalah memberikan perintah dengan menggunakan

tool Calculate Estimates ( ).

8. Setelah perintah penghitungan diberikan, sebelum perintah tersebut

dilaksanakan, Amos menanyakan nama file diagram yang akan disimpan.

Pemberian nama ini dapat dilakukan setelah diagram lengkap (sebelum

perintah analisis) atau sesudah perintah analisis diberikan.

Pada saat proses penghitungan berjalan, pada bagian kiri kotak bawah (diatas

kotak nama-nama file) akan tampak tahap-tahap analisis yang sedang berjalan

dan setelah selesai diakhiri dengan Finished.

Tool View the output path diagram

9. Hasil analisis dapat ditampilkan dalam 2 bentuk:

a. Diagram, dengan menekan tombol View the Output path diagram. Output

diagram dapat dalam bentuk Unstandardized atau Standardized estimate.

Bentuk diagram yang dihasilkan sebagai berikut:

Unstandardized Estimate Standardized Estimate

b. Teks Output, dengan cara memilih submenu Teks Output pada menu View

Text. Hasil output dalam bentuk teks:

Gambar 4.1 Text Output-Notes for Group

Berdasarkan data notes of group sebagaimana hasil text output Amos

terlihat bahwa model berbentuk recursive yang berarti model hanya satu

arah, dengan jumlah sampel 130.

 Tabel 4.10 Variabel Summary

4.3.2 Uji Normalitas Menggunakan Amos

Proses analisis dimulai dari uji distribusi normal dan eliminasi terhadap

data oulier. Setelah distribusi normal terpenuhi maka dilakukan uji kesesuaian

model dan pengujian hipotesis penelitian. Uji distribusi normal terhadap 130

sampel yang sudah dipilih, didapatkan data tidak terdistribusi secara normal baik

secara univariat maupun multivariat, yang hal ini ditandai dari nilai cr kurtosis

9,960 > 2,58 (signifikan pada 1%) sebagaimana pada tabel 4.11.

Tabel 4.11 Uji Distribusi Normal atas 130 data

 Berdasarkan tabel 4.11 di atas terlihat bahwa cr kurtosis univariat yang

paling kecil adalah -2,064 dan cr kurtosis multivariate adalah 9,960 lebih besar

dari 2,58. Dengan tidak terpenuhinya distribusi normal terhadap 130 data yang

dijadikan sampel, maka harus dilakukan pengecekan data outlier dengan

membuka Observation farthest from the centroid sebagaimana pada Tabel 4.12

Tabel 4.12 Observations Farthest from the Centroid atas 130 data

Dari tabel 4.12 tersebut terlihat bahwa data pada nomor 39, 34, 40, 118,

37, 30, 3, 116, 32, 8, 122, 27, 117 merupakan data outlier karena memiliki nilai p1

dan p2 kurang dari 0,05. Mahalanobis d-squared digunakan untuk mengukur

jarak skor hasil observasi terhadap nilai centroid nya. Dari data di atas terlihat

bahwa data no. 39 memiliki jarak yang paling jauh dari nilai centroid nya, yaitu

dengan nilai mahalanobis d-squared 31,405.

Penanganan terhadap data outlier adalah dengan eliminasi/penghapusan

data yang dimaksud. Setelah dilakukan penghapusan terhadap data outlier, maka

akan dilakukan uji distribusi normal. Jika hasil masih menunjukkan distribusi data

tidak normal, maka akan dilakukan pengecekan data outlier yang kemudian akan
diikuti proses eliminasi data outlier serta uji distribusi normal, demikian

seterusnya sehingga didapatkan distribusi data normal.

Berdasarkan pengujian dengan program aplikasi Amos maka distribusi

data normal didapatkan setelah proses eliminasi data outlier mencapai 13 buah

data sehingga tersisa 117 data.

Tabel 4.13 Uji Distribusi Normal atas 117 data

Assessment of normality (Group number 1)

Variable min max skew c.r. kurtosis c.r.

Pengetahuan 3.000 10.000 -.317 -1.401 -.410 -.906
Motivasi 16.000 35.000 -.248 -1.097 -1.029 -2.272
Sikap 40.000 58.000 .267 1.180 -.907 -2.002
Multivariate .305 .301

Pada tabel 4.13 diatas terlihat bahwa cr kurtosis multivariat adalah 0,301

yang berarti berada pada interval -2,58 s/d 2,58 sebagaimana dipersyaratkan

sebagai cr kurtosis untuk distribusi data yang normal pada tingkat signifikasi 1%.

Hal ini sejalan juga dengan nilai p1 dan p2 yang secara tidak bersama-sama

kurang dari 0,05 seperti pada tabel 4.14

Tabel 4.14 Observations Farthest from the Centroid atas 117 data

Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

Observation Number Mahalanobis d-squared p1 p2

38 15.337 .002 .166
4 10.801 .013 .444
21 9.567 .023 .495
30 8.357 .039 .677
3 7.842 .049 .691

Berdasarkan Tabel 4.14 terlihat bahwa walaupun masih terdapat p1 yang

dibawah 0,05 namun karena p2 diatas 0,05 maka sudah tidak ada data yang
dikatakan sebagai data outlier sehingga data 117 yang tersisa sudah siap

dilaksanakan analisis untuk pengujian hipotesis. Tetapi sebelum pengujian

hipotesis perlu dilakukan pengujiaan kesesuaian model (goodness of fit).

4.3.3 Uji Kesesuaian Model

Dari beberapa uji kesesuaian model didapatkan bahwa pengujian goodness

of fit berdasarkan X2 Chi Square menunjukkan nilai 0,000 (sekecil mungkin),

dengan nilai p 0,000 (<0,05) dan RMSEA 0,933 (>0,08) berarti tidak memenuhi

kriteria berdasarkan Chi Square dan RMSEA. Lalu dilihat menggunakan indikator

lain yaitu GFI 1,000 dan CFI 1,000 sehingga model persamaan struktural ini

masih memenuhi kriteria Goodness fit of model.

4.3.4 Uji Hipotesis Penelitian

Dengan menggunakan program Amos (Analysis of Moment Structure)

maka diagram jalur yang sudah di buat yang kemudian dikonversi ke persamaan

struktural, dilakukan analisis berdasarkan nilai estimasi dan probabilitas yang di

hasilkan dari perhitungan komputer sebagaimana pada Tabel 4.15

Tabel 4.15 Regression Weight (Group Number 1 – Default Model)

Estimates (Group Number 1 - Default model)

Scalar Estimates (Group number 1 - Default model)

Maximum Likelihood Estimates

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Motivasi <--- Pengetahuan 2.159 .147 14.640 *** par_1
Sikap <--- Pengetahuan .298 .199 1.498 .134 par_2
Sikap <--- Motivasi .845 .074 11.381 *** par_3
 Tabel 4.16 Standardized Regression Weight (Group Number 1 – Default
Model)
Standardized Regression Weights: (Group number 1 - Default model)

Estimate
Motivasi <--- Pengetahuan .806
Sikap <--- Pengetahuan .106
Sikap <--- Motivasi .805

Tabel 4.17 Standardized Direct Effects (Group Number 1 – Default Model)

Standardized Direct Effects (Group number 1 - Default model)

Pengetahuan Motivasi
Motivasi .806 .000
Sikap .106 .805

Sehingga didapatkan hasil sebagai berikut:

Tabel 4.18 Pengujian Hipotesis Penelitian Berdasarkan Probabilitas

Hipotesis P Estimasi Keterangan

Pengetahuan Motivasi 0,001 2,159 Signifikan

Motivasi Sikap 0,001 0,845 Signifikan

Pengetahuan Sikap 0,134 0,298 Tidak Signifikan

1. Pengujian Hipotesis 1

H1 : Ada pengaruh pengetahuan terhadap motivasi Wanita Usia Subur (WUS)

untuk melakukan pemeriksaan IVA

Berdasarkan hasil uji hipotesis menunjukkan Pengetahuan berpengaruh

signifikan terhadap motivasi. Hal ini ditandai dengan nilai p (probabilitas) sebesar

0,001 yang berada kurang dari 0,05. Pengaruh positif pengetahuan terhadap

motivasi ditunjukkan dari estimasi koefisien regresi adalah 2,159. Tetapi pengaruh
sebenarnya bisa dilihat pada tabel 4.16 yaitu pada tabel Standardized Regression

Weights sebesar 0,806 yang berarti pengetahuan akan memberikan kenaikan

kontribusi rata-rata sebesar 80,6% terhadap motivasi.

2. Pengujian Hipotesis 2

H2 : Ada pengaruh motivasi terhadap sikap Wanita Usia Subur (WUS) untuk

melakukan pemeriksaan IVA

Motivasi memiliki pengaruh yang signifikan terhadap sikap Wanita Usia

Subur untuk melakukan pemeriksaan IVA di kelurahan Gambir Baru Kisaran

tahun 2013 dengan p sebesar 0,001 dengan estimasi koefisien regresi sebesar

0,805. Motivasi memberikan kenaikan kontribusi rata-rata sebesar 80,5% terhadap

sikap.

3. Pengujian Hipotesis 3

H0 : Tidak Ada pengaruh pengetahuan terhadap sikap Wanita Usia Subur

(WUS) untuk melakukan pemeriksaan IVA

Pengetahuan tidak berpengaruh secara signifikan terhadap sikap Wanita

Usia Subur untuk melakukan pemeriksaan IVA di kelurahan Gambir Baru Kisaran

tahun 2013, hal ini terlihat dari nilai p sebesar 0,134 yang lebih besar dari 0,05.

Tabel 4.19 Standardized Indirect Effects (Group Number 1 – Default Model)

Standardized Indirect Effects (Group number 1 - Default model)

Pengetahuan Motivasi
Motivasi .000 .000
Sikap .648 .000

Dari tabel 4.19 diatas dapat dilihat pengaruh tidak langsung yang

merupakan perkalian antara pengaruh langsung pengetahuan terhadap motivasi

dengan pengaruh langsung antara motivasi terhadap sikap yaitu (0,806 x 0,805) =

0,648.

Tabel 4.20 Standardized Total Effects (Group Number 1 – Default Model)

Standardized Total Effects (Group number 1 - Default model)

Pengetahuan Motivasi
Motivasi .806 .000
Sikap .754 .805

Dari tabel 4.20 di atas dapat dilihat pengaruh total yang merupakan hasil

dari penjumlahan pengaruh langsung dan tidak langsung yaitu 0,106 + 0,648 =

0,754.

4.4 Deskripsi Pengujian Menggunakan Lisrel

4.4.1 Uji Normalitas Menggunakan SPSS

Model yang baik adalah model yang memiliki nilai residual yang

terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing

variabel tetapi pada nilai residualnya. Uji normalitas dalam penelitian ini

menggunakan Kolmogorov Smirnov (K-S) yang menunjukkan nilai Asympg.Sig

adalah 0,377 (lebih besar dari 0,05) sehingga dapat disimpulkan residual

berdistribusi normal.

Berdasarkan grafik Histogram juga dapat diketahui bahwa sebaran data

yang menyebar ke semua daerah kurva normal begitu pula dengn Normal P-Plot,

data menyebar disekitar garis diagonal yang menandakan normalitas data.

Dengan demikian dapat disimpulkan bahwa berdasarkan hasil uji diketahui

bahwa model tidak terkena masalah normalitas.

4.4.2 Cara Menjalankan Lisrel

1. Buka Program Lisrel (dalam aplikasi menggunakan Lisrel 8.80), seperti pada

tampilan gambar berikut ini :

2. Sistim kerja Lisrel 8.80 menggunakan Prelis, maka langkah selanjutnya klik

File dan pilih dan klik New maka akan muncul tampilan seperti berikut :

Pada tampilan diatas pilih PRELIS Data dan klik Ok, maka akan muncul

lembar kerja Lisrel seperti gambar berikut ini:

3. Selanjutnya klik File dan pilih Import Data, akan muncul tampilan gambar

sebagai berikut:

Pada tampilan di atas berfungsi untuk membuka data yang telah tersimpan.

Dalam konteks ini data telah disimpan di dalam folder dokumen maka pada

baris atau kotak Look in pilih dokument dan dalam kolom File name

menuliskan nama file yang tersimpan dan dalam kolom File name menuliskan

nama file yang tersimpan dan dalam kolom Files of type disesuaikan dengan

tipe data yang telah disimpan.

Dalam konteks ini nama file adalah Data1 dan telah disimpan dalam format

SPSS, maka pilih nama Data dan format SPSS selanjutnya Open, sehingga

akan muncul tampilan gambar sebagai berikut:

 Tampilan gambar diatas untuk menyimpan dan memberikan nama file dalam

format PRELIS Data (*psf). Data disimpan dengan nama file Data1,

kemudian klik Save untuk menyimpan file tersebut, sehingga akan muncul

tampilan seperti gambar berikut :

4. Selanjutnya klik File dan pilih New dan akan muncul tampilan gambar berikut

ini:

Kemudian pilih SIMPLIS Project dan save data dalam format SIMPLIS

Project (*.spj) dan nama File yang sama. Seperti tampilan gambar berikut ini:
 Selanjutnya akan muncul tampilan sebagai berikut:

5. Klik Setup dan pilih dan klik Variable akan muncul tampilan gambar seperti

berikut:

Pada kotak Add/Read Variables di klik sehingga muncul tampilan sebagai

berikut:
6. Pada Read from file terdapat 2 pilihan, yaitu LISREL System File dan

PRELIS System File. Pilih PRELIS System File dan klik Browse dan klik

nama file yang tersimpan dalam format *psf, Open dan kembali pada tampilan

seperti gambar di atas kemudian klik Ok. Selanjutnya akan kembali ke

tampilan sebelumya dan klik Next sehingga muncul tampilan seperti pada

gambar berikut ini:

Pada kotak Number of observation masukkan jumlah data yang akan di

analisis. Data yang dianalisis sebanyak 130 maka tuliskan angka tersebut

dalam kotak tersebut dan klik Ok dan kembali ke tampilan awal seperti

gambar berikut ini:

7. Kemudian klik Output dan pilih LISREL Output dan klik Selections

kemudian akan muncul tampilan gambar berikut ini:

Pilih dan klik Total Effects dan Indirect Effect, dan Completely Standardize

Solution. Pada bagian Number of Decimal (0-8) in the Printed Output

isikan nilai atau angka 3 (berarti kita menginginkan hanya 3 angka

dibelakang koma atau 3 desimal). Selanjutnya Ok dan akan muncul tampilan

gambar sebagai berikut:

Pada bagian bawah Relationships tuliskan persamaan sesuai dengan hipotesis

penelitian. Dalam persamaan sebagai berikut:

Kemudian klik gambar berikut ini dan akan terlihat output hasil analisis.

Pada output ini hanya menampilkan persamaan dan koefisien regresi serta

hasil uji t.

Gambar 4.2 Hasil Uji t-hitung

Untuk mengetahui koefisien jalur, pengaruh total dan pengaruh tidak langsung

dapat dilakukan dengan kembali pada lembar kerja Lisrel dengan memilih

menu Setup dan mengklik Build LISREL Syntax seperti gambar berikut:

Kemudian klik Output dan pilih LISREL Output dan klik Selections. Pilih

dan klik Total Effects dan Indirect Effect dan Completely Standardize

Solution. Pada bagian Number of Decimal (0-8) in the Printed Output isikan
nilai atau angka 3 (berarti kita menginginkan hanya 3 angka dibelakang koma

atau 3 desimal). Selanjutnya Ok dan akan muncul tampilan gambar sebagai

berikut:

Kemudian klik gambar berikut ini dan hasil analisis akan keluar dalam

bentuk output.

Pada path diagram menampilkan gambar 4.4 seperti di bawah ini:

Gambar 4.3 Path Diagram

Pada estimasi standardized terlihat bahwa variabel yang memiliki

pengaruh terbesar terhadap sikap adalah pengetahuan dengan estimasi

standardized sebesar 0,170. Selanjutnya juga dapat dilihat besarnya pengaruh

total dan tidak langsung melalui gambar 4.4 dan koefisien jalur melalui

gambar 4.5.
 Gambar 4.4 Pengaruh Total dan Tidak Langsung

Gambar 4.5 Koefisien Jalur

4.4.3 Uji Kesesuaian Model

Dari beberapa uji kesesuaian model didapatkan bahwa pengujian goodness

of fit berdasarkan X2 Chi Square menunjukkan nilai 0,000 (sekecil mungkin),

RMSEA 0,000 (<0,08) berarti model sudah fit.

4.4.4 Uji Hipotesis Penelitian

Dengan menggunakan program Lisrel, maka didapatkan hasil pada tabel

4.21 yang digunakan untuk menguji hipotesis penelitian.

 Tabel 4.21 Nilai t hitung

Pengaruh Hipotesis t-hitung Keterangan

Pengaruh Langsung Pengetahuan Motivasi 9,066 Signifikan
Motivasi Sikap 10,194 Signifikan
Pengetahuan Sikap 2,530 Signifikan

1. Pengujian Hipotesis 1

H1 : Ada pengaruh pengetahuan terhadap motivasi Wanita Usia Subur (WUS)

untuk melakukan pemeriksaan IVA

Berdasarkan hasil uji hipotesis menunjukkan pengetahuan berpengaruh

signifikan terhadap motivasi. Hal ini ditandai dengan nilai 9,066 yang lebih besar

dari 1,96. Pada besarnya koefisien jalur terlihat bahwa pengaruh pengetahuan

terhadap motivasi adalah 0,625 yang berarti pengetahuan memiliki kontribusi

62,5% terhadap motivasi Wanita Usia Subur untuk melakukan pemeriksaan IVA

di kelurahan Gambir Baru Kisaran tahun 2013.

2. Pengujian Hipotesis 2

H2 : Ada pengaruh motivasi terhadap sikap Wanita Usia Subur (WUS) untuk

melakukan pemeriksaan IVA

Motivasi berpengaruh signifikan terhadap sikap dengan dengan nilai 10,194

yang lebih besar dari 1,96. Pada besarnya koefisien jalur terlihat bahwa pengaruh

motivasi terhadap sikap adalah 0,686 yang berarti motivasi memiliki kontribusi

68,6% terhadap sikap.

3. Pengujian Hipotesis 3

H3 : Ada pengaruh pengetahuan terhadap sikap Wanita Usia Subur (WUS)

untuk melakukan pemeriksaan IVA

 Pengetahuan berpengaruh secara signifikan terhadap sikap yang

ditunjukkan oleh nilai 2,530 yang lebih besar dari 1,96. Pada besarnya koefisien

jalur terlihat bahwa pengaruh pengetahuan terhadap sikap adalah 0,170 yang

berarti pengetahuan memiliki kontribusi 17% terhadap sikap.

Pengaruh Pengetahuan terhadap sikap melalui motivasi merupakan

pengaruh tidak langsung. Nilai tersebut merupakan perkalian antara pengaruh

langsung pengetahuan terhadap motivasi dengan pengaruh langsung antara

motivasi terhadap sikap yaitu (0,625 x 0,686) = 0,429.

Pengaruh total merupakan pengaruh pengetahuan terhadap sikap sebesar

0,600. Nilai ini merupakan jumlah dari pengaruh langsung pengetahuan terhadap

sikap, dengan pengaruh tidak langsung pengetahuan terhadap sikap melalui

motivasi yaitu (0,171 + 0,429)= 0,600.

4.5 Perbandingan Berdasarkan Kesesuaian Model Menggunakan Amos dan

Lisrel

Tabel 4.22 Tabel Perbandingan Berdasarkan Kesesuaian Model Menggunakan

Amos dan Lisrel
Uji Kesesuaian Model AMOS LISREL
X2 Chi Square (sekecil mungkin) 0,000 0,000
p > 0,05 0,000 1,000
RMSEA < 0,08 0,975 0,000

Dari tabel 4.22 dilihat bahwa Amos tidak goodness of fit bila dilihat dari

nilai p-value dan RMSEA. Menurut Modul Laboratorium Metodologi Penelitian

(2005), jika dengan menggunakan p-value belum fit maka dapat digunakan

indikator lain seperti Goodness of Fit Index (GFI), Comparative Fit Index (CFI)
dan lain-lain. Pada Amos nilai GFI nya adalah 1,000, begitu pula dengan CFI

yaitu 1,000 sehingga dapat disimpulkan bahwa model masih goodness of fit.

4.6 Langkah Analisis Jalur

Sebelumnya terlebih dahulu dibuat model diagram analisis jalur yang

didasarkan pada variabel yang akan diteliti:

X1
p 31

p 21 r 13 X3

r 12 p 32

X2 r 23

Gambar 4.6 Model Diagram Analisis Jalur

Persamaan struktural:

X 2 = p 21 X 1

X 3 = p 31 X 1 + p 32 X 2

Keterangan :

X1 : Pengetahuan

X2 : Motivasi

X3 : Sikap
4.6.1 Menghitung Koefisien Korelasi Sederhana

Dari Output Amos dilihat berdasarkan Implied Correlations (Group

number 1 – Default Model) dan pada Lisrel dilihat berdasarkan nilai Correlation

Matriks of Y and X yaitu:

Tabel 4.23 Koefisien Korelasi Sederhana

Koefisien Korelasi AMOS LISREL
r 12 0,806 0,625
r 13 0,754 0,600
r 23 0,890 0,793

4.6.2 Membuat Matriks Korelasi

Tabel 4.24 Matriks Koefisien Korelasi dengan Amos

Rij X1 X2 X3
X1 1,000 0,806 0,754
X2 1,000 0,890
X3 1,000

Tabel 4.25 Matriks Koefisien Korelasi dengan Lisrel

Rij X1 X2 X3
X1 1,000 0,625 0,600
X2 1,000 0,793
X3 1,000

4.6.3 Menghitung Koefisien Jalur

Dari Output Amos dilihat berdasarkan nilai Standardized Regression

Weights (Group Number 1 – Default Model) dan pada Lisrel dilihat berdasarkan

nilai Standardized Solution Beta Gamma yaitu:

 Tabel 4.26 Koefisien Jalur

Koefisien Jalur AMOS LISREL

p 21 0,806 0,625
p 31 0,106 0,170
p 32 0,805 0,686

4.6.4 Pengujian Signifikasi Koefisien Jalur

Dari Output Amos dilihat berdasarkan nilai p pada Regression Weights

dan pada Lisrel dilihat berdasarkan nilai Structural Equation yaitu:

Tabel 4.27 Pengujian Signifikasi Koefisien Jalur dengan Amos

Amos p-value α Keterangan

p 21 0,001 0,05 Signifikan
p 31 0,134 0,05 Tidak Signifikan
p 32 0,001 0,05 Signifikan

Tabel 4.28 Pengujian Signifikasi Koefisien Jalur dengan Lisrel

Lisrel t-hitung t-tabel Keterangan

p 21 9,066 1,96 Signifikan
p 31 2,530 1,96 Signifikan
p 32 10,194 1.96 Signifikan

4.6.5 Pengaruh Langsung, Tidak Langsung dan Total

Pada Amos dilihat dari Standardized Direct Effects (Group Number 1 –

Default Model), Standardized Indirect Effects (Group Number 1 – Default

Model), dan Standardized Total Effects (Group Number 1 – Default Model).

Pada Lisrel, dilihat dari koefisien jalur dan Standardized Total and Indirect

Effects

1. Pengaruh Langsung

Merupakan pengaruh pengetahuan terhadap motivasi, motivasi terhadap

sikap dan pengetahuan terhadap sikap.

 Tabel 4.29 Besar Pengaruh Langsung dengan Amos dan Lisrel
Besar pengaruh Langsung Amos Lisrel
Pengaruh pengetahuan terhadap motivasi (p 21 ) 0,806 0,625
Pengaruh pengetahuan terhadap sikap (p 31 ) 0,106 0,170
Pengaruh motivasi terhadap sikap (p 32 ) 0,805 0,686

2. Pengaruh Tidak Langsung

Merupakan pengaruh pengetahuan terhadap sikap melalui motivasi yaitu :

Perkalian antara pengaruh langsung pengetahuan terhadap motivasi dengan

pengaruh langsung antara motivasi terhadap sikap. Pada table 4.30 dapat

dilihat pengaruh tidak langsung dengan menggunakan Amos lebih besar

dibandingkan dengan menggunakan Lisrel.

Tabel 4.30 Besar Pengaruh Tidak Langsung dengan Amos dan Lisrel
Besar pengaruh Tidak Langsung Amos Lisrel
Pengaruh langsung pengetahuan terhadap sikap (p 31 ) x 0,648 0,429
pengaruh langsung motivasi terhadap sikap (p 32 )

3. Pengaruh Total

Merupakan jumlah pengaruh langsung pengetahuan terhadap sikap yaitu

penjumlahan pengaruh langsung pengetahuan terhadap sikap dengan

pengaruh tidak langsung pengetahuan terhadap sikap melalui motivasi.

Tabel 4.31 Besar Pengaruh Total dengan Amos dan Lisrel

Besar pengaruh Total Amos Lisrel
Pengaruh langsung pengetahuan terhadap sikap (p 31 ) + 0,754 0,600
pengaruh tidak langsung pengetahuan terhadap sikap
 BAB V
PEMBAHASAN

5.1 Perbandingan Pengaruh Pengetahuan Terhadap Motivasi Menggunakan

Aplikasi Amos dan Lisrel

Pengetahuan yang dimaksud pada penelitian ini adalah pemahaman

responden mengenai pemeriksaan IVA yang meliputi defenisi kanker serviks dan

pemeriksaan IVA, penyebab kanker serviks, tujuan pemeriksaan IVA, kelebihan

pemeriksaan IVA dan kontraindikasinya.

Berdasarkan hasil penelitian, pengetahuan responden mengenai

pemeriksaan IVA berada pada kategori kurang sebesar 68,4% dan kategori cukup

31,6%. Sehingga dapat dilihat bahwa responden belum mampu menjawab dengan

benar pertanyaan tersebut. Menurut asumsi peneliti, hal ini dipengaruhi karena

responden benar-benar tidak mendapatkan informasi tentang deteksi dini dengan

pemeriksaan IVA baik dari tenaga kesehatan, media cetak dan elektronik serta

penyuluhan sehingga dalam pengisian kuesioner responden mengalami kesulitan

dalam menjawab pertanyaaan. Sehingga untuk menanggapi masalah tentang

pemeriksaan IVA dibutuhkan informasi yang lebih untuk responden dari tenaga

kesehatan dan dari sumber informasi lainnya seperti penyuluhan yang diberikan

kepada wanita usia subur agar pengetahuannya menjadi lebih baik.

Dari hasil analisis yang dilakukan menggunakan Amos menunjukkan nilai

p (0,001) < α (0,05) yang menunjukkan pengetahuan berpengaruh signifikan

terhadap motivasi Wanita Usia Subur untuk melakukan pemeriksaan IVA dan

hasil analisis yang dilakukan menggunakan Lisrel juga menunjukkan bahwa

pengetahuan berpengaruh signifikan terhadap motivasi Wanita Usia Subur untuk

melakukan pemeriksaan IVA di kelurahan Gambir Baru Kisaran tahun 2013

dengan nilai t-hitung (9,066) > t tabel (1,96). Hal ini berarti tidak ada perbedaan

dari hasil uji menggunakan Amos dan Lisrel dalam mengambil keputusan.

Menurut asumsi penulis, motivasi akan muncul apabila Wanita Usia Subur

memahami tentang kanker serviks dan deteksi dini dengan pemeriksaan IVA

sehingga sangat penting bagi Wanita Usia Subur untuk mengetahui hal ini

mengingat penyakit ini juga merupakan penyakit yang sangat berbahaya bagi

wanita.

5.2 Perbandingan Pengaruh Motivasi Terhadap Sikap Menggunakan

Aplikasi Amos dan Lisrel

Motivasi terhadap pemeriksaan IVA diartikan sebagai daya upaya yang

mendorong WUS untuk melakukan pemeriksaan IVA. Berdasarkan hasil

penelitian, motivasi responden mengenai pemeriksaan IVA berada pada kategori

kuat sebesar 68,4% dan kategori sedang 31,6%. Menurut asumsi peneliti, motivasi

merupakan faktor yang sangat penting yang dapat mendorong Wanita Usia Subur

untuk lebih peduli terhadap kesehatannya dengan ikut berpartisipasi melakukan

deteksi dini kanker serviks melalui pemeriksaan IVA apalagi pemeriksaan ini

tergolong murah sehingga bisa dijangkau oleh semua kalangan.

Dari hasil analisis yang dilakukan menggunakan Amos didapatkan bahwa

motivasi memiliki pengaruh yang signifikan terhadap sikap Wanita Usia Subur

untuk melakukan pemeriksaan IVA di kelurahan Gambir Baru Kisaran tahun 2013

dengan p (0,001) < α (0,05), demikian pula pada Lisrel motivasi berpengaruh

signifikan terhadap sikap dengan dengan t-hitung (9,066) > t tabel (1,96). Hal ini
berarti tidak ada perbedaan dari hasil uji menggunakan Amos dan Lisrel dalam

mengambil keputusan.

Menurut asumsi peneliti, dengan adanya motivasi pada Wanita Usia Subur

maka akan menunjukkan suatu sikap yang terarah untuk mencapai suatu tujuan

yaitu untuk hidup sehat dan terbebas dari kanker serviks yang sama-sama

diketahui merupakan penyakit yang berbahaya bagi wanita.

5.3 Perbandingan Pengaruh Pengetahuan Terhadap Sikap Menggunakan

Aplikasi Amos dan Lisrel

Sikap dalam hal ini merupakan respon WUS terhadap pemeriksaan IVA.

Berdasarkan hasil penelitian, sikap Wanita Usia Subur terhadap pemeriksaan IVA

yaitu kategori cukup sebesar 84,6% dan baik sebesar 15,4%.

Menurut Arikunto (2002), pengetahuan seseorang tentang suatu objek

mengandung dua aspek yaitu aspek positif dan negatif. Kedua aspek inilah yang

akan menentukan sikap seseorang, semakin banyak aspek positif dan objek yang

diketahui maka akan menimbulkan sikap positif terhadap objek tersebut.

Hasil uji analisis menggunakan Amos didapatkan bahwa tidak ada

pengaruh pengetahuan terhadap sikap Wanita Usia Subur (WUS) untuk

melakukan pemeriksaan IVA dengan p (0,134) > α (0,05). Berbeda halnya dengan

menggunakan Lisrel diperoleh bahwa pengetahuan berpengaruh secara signifikan

terhadap sikap Wanita Usia Subur untuk melakukan pemeriksaan IVA di

kelurahan Gambir Baru Kisaran tahun 2013 yang ditunjukkan oleh t-hitung

(2,530) > t tabel (1,96). Hal ini berarti terdapat perbedaan dari hasil uji

menggunakan Amos dan Lisrel dalam mengambil keputusan.

 Menurut asumsi peneliti, sikap yang dimiliki Wanita Usia Subur

dipengaruhi oleh pengetahuan yang dimilikinya. Semakin baik pengetahuan yang

dimiliki akan semakin baik pula respon yang muncul dalam dirinya. Sehingga

untuk hasil pengujian ini, peneliti lebih setuju dengan hasil pengujian dengan

menggunakan Lisrel.
 BAB VI
KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil analisis dan pengujian hipotesis dapat ditarik beberapa

kesimpulan sebagai berikut:

1. Pada uji normalitas menggunakan software Amos didapatkan bahwa data

berdistribusi tidak normal sehingga terdapat 13 data yang harus dihapus dari

outlier. Sedangkan untuk software Lisrel, peneliti menggunakan SPSS

disebabkan software Lisrel for student yang dimiliki peneliti memiliki

keterbatasan dalam uji normalitas.

2. Pada uji kesesuaian menggunakan software Amos dan Lisrel sama-sama

didapatkan hasil goodness of fit yang menghasilkan model yang fit.

3. Pada uji hipotesis menggunakan software Amos dan Lisrel sama-sama

didapatkan hasil bahwa pengetahuan berpengaruh signifikan terhadap motivasi

Wanita Usia Subur untuk melakukan pemeriksaan IVA di kelurahan Gambir

Baru Kisaran tahun 2013.

4. Pada uji hipotesis menggunakan software Amos dan Lisrel sama-sama

didapatkan hasil bahwa motivasi berpengaruh signifikan terhadap sikap

Wanita Usia Subur untuk melakukan pemeriksaan IVA di kelurahan Gambir

Baru Kisaran tahun 2013.

5. Pada uji hipotesis menggunakan software Amos didapatkan hasil bahwa

pengetahuan tidak berpengaruh terhadap sikap Wanita Usia Subur untuk

melakukan pemeriksaan IVA, sedangkan pada software Lisrel didapatkan

bahwa pengetahuan berpengaruh signifikan terhadap sikap Wanita Usia Subur

 untuk melakukan pemeriksaan IVA di kelurahan Gambir Baru Kisaran tahun

2013.

6. Pengaruh tidak langsung pengetahuan terhadap sikap melalui motivasi Wanita

Usia Subur untuk melakukan pemeriksaan IVA dengan menggunakan Amos

adalah 0,648 dan Lisrel yaitu 0,429, semakin besar angka koefisien maka

semakin besar pengaruh tidak langsungnya.

7. Pengaruh total yang didapatkan melalui Amos adalah 0,754 dan Lisrel yaitu

0,600.

8. Penerapan analisis jalur untuk melihat pengaruh pengetahuan dan motivasi

terhadap sikap Wanita Usia Subur untuk melakukan pemeriksaan IVA lebih

arahkan untuk menggunakan software Lisrel karena tepat digunakan untuk

data yang memiliki sampel 113 dengan model kombinasi, selain itu juga

sesuai dengan pengujian hipotesis penelitian yang sejalan dengan teori pada

tinjauan pustaka.

6.2 Saran

Setelah dilakukan analisis menggunakan Amos dan Lisrel untuk melihat

pengetahuan dan motivasi terhadap sikap Wanita Usia Subur untuk melakukan

pemeriksaan IVA, peneliti merekomendasikan penelitian selanjutnya juga

melakukan analisis menggunakan kedua software ini kemudian melihat indikator

goodness of fit setelah itu menyesuaikan dengan uji hipotesis sesuai dengan teori

pada tinjauan pustaka.

 DAFTAR PUSTAKA

Al-Faditya, R, 2013. Statistika dalam Pengembangan IPTEK.

http://blog.ub.ac.id/rizalalfaditya/2013/03/07/statistika-dalam-
bidang-industri-dan-pengembangan-iptek/, diakses tanggal 2 Oktober
2013.

Arikunto, S, 2002. Prosedur Penelitian Suatu Pendekatan Praktek Edisi

Revisi V. Salemba Medika, Jakarta

Azizah, AD, 2010. Gambaran Pengetahuan Ibu tentang Pemeriksaan IVA

(Inspeksi Visual Asam Asetat) di Klinik Rhidos Medan. Karya
Tulis Ilmiah AKBID Indah, Medan

Budiarto, E, 2002. Biostatistika untuk Kedokteran dan Kesehatan

Masyarakat. EGC, Jakarta

Delima, B, 2011. Deteksi Dini Kanker Leher Rahim dengan IVA Test.
http://bidandelima.wordpress.com/2011/05/11/deteksi-dini-kanker-leher-
rahim-dengan-iva-test/, diakses tanggal 2 Oktober 2013.

Duniabaca.com, 2011. Defenisi Pengetahuan Serta Faktor-faktor yang

Mempengaruhi Pengetahuan. http://duniabaca.com/defenisi-
pengetahuan-serta-faktor-faktor-yang-mempengaruhi-
pengetahuan.html#atas/, diakses tanggal 7 Oktober 2013.

Fabi, P, 2011. Asumsi Klasik. http://purariset.web.id/klasik/, diakses 7 Oktober 2013.

Ghozali, Imam. 2013. Multivariate. http://www.mitrariset.com/MULTIVARIATE.html,

diakses 7 Desember 2013.

Ghozali, I dan Fuad, 2005. Structural Equation Modeling Teori, Konsep, dan
Aplikasi dengan Program Lisrel 8.80 Edisi 3. Universitas Diponegoro,
Semarang

Hisyam, A, 2009. Aplikasi Metode Structural Equation Modeling dengan Lisrel 8.54
(Edisi Kedua). Olah Data, Jakarta

Kartikawati, E, 2013. Awas!!! Bahaya Kanker Payudara dan Kanker Serviks.

Buku Baru, Bandung

Kasjono, SH, Yasril, 2009. Teknik Sampling untuk Penelitian Kesehatan.

Graha Ilmu, Yogyakarta
Misaroh, S dan Proverawati, A, 2009. Menarche Menstruasi Pertama Penuh
Makna. Nuha Medika, Yogyakarta

Mustafa, H. 2009. Hubungan Sikap dengan Motivasi.

http://hasanmustafa.blogspot.com/2009/11/hubungan-sikap-dengan-
motivasi.html?m=1, diakses 11 Februari 2014.

Mustafa, Z dan Wijaya, T, 2012. Panduan Teknik Statistik SEM & PLS
dengan SPSS AMOS. Cahaya Atma Pustaka, Yogyakarta

Notoatmodjo, S, 2005. Promosi Kesehatan Teori dan Aplikasi. Rineka Cipta,

Jakarta

Notoatmodjo, S, 2003. Pendidikan dan Perilaku Kesehatan. Rineka Cipta,

Jakarta

Nuswantoro, D, 2005. Workshop SEM (Structural Equation Modeling)

Dengan Lisrel. http://dinus.ac.id/hal/newsDetail/info/Workshop-
SEM-Structural-Equation-Modeling-dengan-Lisrel/152/, diakses 7
Oktober 2013.

Rasjidi, I, 2009. Deteksi Dini dan Pencegahan Kanker Pada Wanita. Sagung
Seto, Jakarta

Riduan, dkk, 2011. Cara Mudah Belajar SPSS Versi 17.0 dan Aplikasi
Statistik Penelitian. Alfabeta. Bandung

Riyanto, A, 2012. Penerapan Analisis Multivariat Dalam Penelitian

Kesehatan. Nuha Medika, Yogyakarta

Runasmi, NE, 2012. Penerapan Path Analysis Untuk Melihat Pengaruh

Kualitas Pelayanan terhadap Kepuasan Pasien dan Citra Rawat
Inap Kelas III di RSUD Cut Nyak Dhien Meulaboh. Skripsi FKM
USU, Medan

Saparina, K, 2013. Analisis Jalur (Path Analysis).

http://kailasaparina.blogspot.com/2013/04/analisi-jalur-path-
analysis.html?m=1/, diakses 7 Oktober 2013

Sarwono, J, 2007. Analisis Jalur Untuk Riset Bisnis Dengan SPSS. Andi,
Yogyakarta
Sarwono, J, 2012. Mengenal Amos dan Dalam Structural Equation Model.
http://jonathansarwono.info/amos/amos.htm/, diakses 7 Oktober
2013.

Suliyanto, 2005. Analisis Data Dalam Aplikasi Pemasaran. Ghalia Indonesia,

Bogor

Suliyanto, 2013. Structural Equation Modeling (SEM).

https://www.google.com/search?q=goo&oq=goo&aqs=chrome..69i5
7j0l3j69i60l2.2693j0j4&sourceid=chrome&espv=210&es_sm=93&ie=
UTF-
8#es_sm=93&espv=210&q=model+yang+fit+pada+amos+dengan+an
alisis+jalur, diakses 7 Desember 2013

Sunjoyo, dkk, 2013. Aplikasi SPSS Untuk Smart Riset. Alfabeta, Bandung

Universitas Trisakti, 2005. Modul Laboratorium Metodologi Penelitian

Fakultas Ekonomi Universitas Trisakti. http://xa.yimg.com/kq/g
roups/23373302/1542593417/name/interpretasi, diakses 28 Januari
2014

Widhiarso, W, 2011. Menghitung Signifikansi Peranan Tidak Langsung

Program Amos. http://widhiarso.staff.ugm.ac.id/wp/menghitung-
signifikansi-peranan-tidak-langsung-program-amos/, diakses 11
Oktober 2013.

Widiyanto, AM, 2013. Statistika Terapan. PT Elex Media Komputindo, Jakarta

 Umur Didik Hasil Motiv
Ling Nama Umur k k Kerja Hasil k Agm Tahu Motiv Skp Tahu k k Sikap k
1 Rika 38 3 3 1 2,5 juta 3 2 3 19 40 Kurang Sedang Cukup
1 Kurni 30 2 3 1 1,5 juta 2 1 3 20 42 Kurang Sedang Cukup
1 Nuriana 31 3 3 2 1,5 juta 2 1 5 28 40 Kurang Kuat Cukup
1 Ros A 36 3 3 1 1,2 juta 2 1 6 24 52 Kurang Kuat Cukup
1 Emy L 34 3 4 1 2,5 juta 3 1 5 31 52 Kurang Kuat Cukup
1 Laila 31 3 3 1 1,2 juta 2 1 3 19 40 Kurang Sedang Cukup
1 Dewi 28 2 3 1 1 juta 2 1 3 20 42 Kurang Sedang Cukup
1 Lia 27 2 3 1 1,4 juta 2 1 5 25 55 Kurang Kuat Baik
1 Astri 27 2 3 2 2 juta 3 1 8 30 56 Cukup Kuat Baik
1 Fitriani 26 2 3 1 1,5 juta 2 1 7 31 55 Kurang Kuat Baik
1 Sulastri 29 2 3 1 2 juta 3 1 8 32 55 Cukup Kuat Baik
1 Muliani 30 2 3 3 3 juta 3 1 7 30 55 Kurang Kuat Baik
1 Maysarah 26 2 1 1 1 juta 2 1 7 20 45 Kurang Sedang Cukup
1 Nani 25 2 2 1 1 juta 2 1 6 25 49 Kurang Kuat Cukup
1 Nuriah 30 2 3 1 1,5 juta 2 1 5 27 47 Kurang Kuat Cukup
1 Nurjanah 31 3 3 1 1,5 juta 2 1 5 28 48 Kurang Kuat Cukup
1 Devi 37 3 3 1 2 juta 3 1 7 29 50 Kurang Kuat Cukup
1 Suwarni 26 2 3 1 2 juta 3 1 9 32 55 Cukup Kuat Baik
1 Nuraini 24 2 3 1 1,2 juta 2 1 8 29 52 Cukup Kuat Cukup
1 Rika A 32 3 3 1 1,75 juta 2 1 9 30 50 Cukup Kuat Cukup
1 Susiyanti 31 3 3 1 1,5 juta 2 1 5 20 45 Kurang Sedang Cukup
1 Yulia 30 2 2 1 1 juta 2 1 3 16 42 Kurang Sedang Cukup
1 Suherni 30 2 3 1 1,7 juta 2 1 3 18 45 Kurang Sedang Cukup
2 Evi 26 2 2 1 1,75 juta 2 1 3 16 40 Kurang Sedang Cukup
2 Sri W 21 2 3 1 1,75 juta 2 1 5 17 42 Kurang Sedang Cukup
2 Sania 49 4 1 1 2 juta 3 1 6 19 42 Kurang Sedang Cukup
2 Shella 22 2 3 1 2 juta 3 1 3 16 45 Kurang Sedang Cukup
2 Natasya 29 2 4 3 2 juta 3 1 5 20 41 Kurang Sedang Cukup
2 Yunita 26 2 2 1 1,8 juta 2 1 9 25 46 Cukup Kuat Cukup
2 Yoana 21 2 3 1 1,2 juta 2 1 12 25 48 Baik Kuat Cukup
2 Susi A 35 3 3 1 2,5 juta 3 1 7 31 52 Kurang Kuat Cukup
2 Jamilah 50 4 3 2 3 juta 3 1 11 25 45 Baik Kuat Cukup
2 Lina 28 2 4 3 1 juta 2 2 9 35 55 Cukup Kuat Baik
2 Rindu R 31 3 3 1 2 juta 3 1 11 19 43 Baik Sedang Cukup
2 Marina 28 2 3 1 2 juta 3 1 5 19 40 Kurang Sedang Cukup
2 Darma 28 2 3 1 3 juta 3 1 4 27 48 Kurang Kuat Cukup
2 Ita 41 4 2 2 25 juta 3 1 12 25 46 Baik Kuat Cukup
2 Sri H 30 2 3 1 1,2 juta 2 1 8 30 51 Cukup Kuat Cukup

2 Sri R 40 3 3 2 4,5 juta 3 1 5 16 55 Kurang Sedang Baik

2 Sabarhati 45 4 3 3 5 juta 3 1 14 35 60 Baik Kuat Baik
2 Erlina 49 4 4 1 3 juta 3 1 8 29 49 Cukup Kuat Cukup
2 Nurul 29 2 3 1 2 juta 3 1 7 28 49 Kurang Kuat Cukup
2 Dewi S 34 3 3 1 1,8 juta 2 1 9 31 52 Cukup Kuat Cukup
2 Nurhaidah 37 3 3 1 2,4 juta 3 1 8 30 51 Cukup Kuat Cukup
2 Erni 30 2 3 3 3 juta 3 1 10 33 57 Cukup Kuat Baik
2 Khadijah 49 4 3 1 2 juta 3 1 8 30 52 Cukup Kuat Cukup
3 Dewi A 35 3 3 2 2,5 juta 3 1 8 19 45 Cukup Sedang Cukup
3 Susilawati 27 2 3 1 1 juta 2 1 5 20 40 Kurang Sedang Cukup
3 Sugiarti 37 3 3 1 2 juta 3 1 7 29 48 Kurang Kuat Cukup
3 Upik 25 2 3 1 1,2 juta 2 1 6 24 45 Kurang Kuat Cukup
3 Rohaila 28 2 3 1 1,5 juta 2 1 7 30 55 Kurang Kuat Baik
3 Nurbaiti 45 4 2 1 1,5 juta 2 1 7 28 50 Kurang Kuat Cukup
3 Ririn 32 3 3 1 1,2 juta 2 1 7 28 50 Kurang Kuat Cukup
3 Ayu 30 2 3 1 1,75 juta 2 1 8 30 54 Cukup Kuat Baik
3 Elia U 29 2 3 1 1,75 juta 2 1 6 25 45 Kurang Kuat Cukup
3 Lina M 29 2 3 1 1 juta 2 1 6 27 46 Kurang Kuat Cukup
3 Santi 25 2 3 2 2 juta 3 1 9 32 55 Cukup Kuat Baik
3 Jumiani 43 4 3 1 2 juta 3 1 6 23 42 Kurang Sedang Cukup
3 Ulfa 27 2 3 1 1,5 juta 2 1 6 25 48 Kurang Kuat Cukup
3 Heni 30 2 3 1 1 juta 2 1 7 25 45 Kurang Kuat Cukup
3 Fitri N 32 3 3 1 2 juta 3 1 5 25 45 Kurang Kuat Cukup
3 Darma W 35 3 3 1 2 juta 3 1 5 20 42 Kurang Sedang Cukup
3 Lia 36 3 3 1 1 juta 2 1 5 24 45 Kurang Kuat Cukup
3 Rusliani 40 3 2 1 1,8 juta 2 1 5 20 46 Kurang Sedang Cukup
3 Nurleli 33 3 3 1 1,5 juta 2 1 6 21 43 Kurang Sedang Cukup
3 Eva 34 3 3 2 2,5 juta 3 1 7 30 52 Kurang Kuat Cukup
3 Wulan S 38 3 3 1 1,2 juta 2 1 6 28 48 Kurang Kuat Cukup
4 Dahlia 36 3 1 1 1,2 juta 2 1 3 23 44 Kurang Sedang Cukup
4 Ngatiem 42 4 2 1 1,2 juta 2 1 5 21 42 Kurang Sedang Cukup
4 Irma Y 27 2 3 3 2,5 juta 3 1 8 28 48 Cukup Kuat Cukup
4 Sari R 25 2 3 1 2 juta 3 1 6 24 46 Kurang Kuat Cukup
4 Suryani 24 2 3 1 2 juta 3 1 6 24 46 Kurang Kuat Cukup
4 Faujiah 39 3 3 1 1 juta 2 1 7 29 52 Kurang Kuat Cukup
4 Hartini 29 2 3 1 1 juta 2 1 6 23 48 Kurang Sedang Cukup
4 Jihan 26 2 3 1 1,5 juta 2 1 7 28 50 Kurang Kuat Cukup
4 Fatimah 30 2 3 1 1,2 juta 2 1 7 28 50 Kurang Kuat Cukup
4 Mariyati 33 3 3 1 1,2 juta 2 1 6 20 43 Kurang Sedang Cukup
4 Ida W 33 3 3 3 3 juta 3 1 9 33 56 Cukup Kuat Baik
4 Siti K 37 3 3 1 1,2 juta 2 1 4 20 43 Kurang Sedang Cukup
4 Susi 35 3 3 1 2 juta 3 1 5 19 41 Kurang Sedang Cukup
4 Sofia 40 3 3 1 1,5 juta 2 1 6 20 40 Kurang Sedang Cukup
4 Fina 31 3 3 1 1,5 juta 2 1 6 20 44 Kurang Sedang Cukup
4 Ahyan 39 3 3 1 1 juta 2 1 7 26 45 Kurang Kuat Cukup
4 Faridah 29 2 3 1 1 juta 2 1 7 26 46 Kurang Kuat Cukup
4 Novalina 25 2 3 1 2 juta 3 1 8 29 50 Cukup Kuat Cukup
4 Nurhidayati 38 3 3 1 1,5 juta 2 1 6 26 46 Kurang Kuat Cukup
4 Siti 26 2 3 3 3 juta 3 1 10 35 57 Cukup Kuat Baik
4 Wahyuni 24 2 3 1 1,2 juta 2 1 5 23 43 Kurang Sedang Cukup
5 Sri M 35 3 3 1 2 juta 3 1 8 29 52 Cukup Kuat Cukup
5 Novi 28 2 3 1 2 juta 3 1 9 32 58 Cukup Kuat Baik
5 Yeni 30 2 3 1 1,5 juta 2 1 6 24 49 Kurang Kuat Cukup
5 Nur H 30 2 3 1 1,2 juta 2 1 7 26 46 Kurang Kuat Cukup
5 Sri Y 31 3 3 1 1,2 juta 2 1 7 24 46 Kurang Kuat Cukup
5 Rahmawati 29 2 3 1 1 juta 2 1 6 22 47 Kurang Sedang Cukup
5 Mariani 28 2 3 1 1 juta 2 1 6 22 45 Kurang Sedang Cukup
5 Pina 28 2 3 1 1,5 juta 2 1 7 24 45 Kurang Kuat Cukup
5 Juni 27 2 3 1 1,2 juta 2 1 8 30 54 Cukup Kuat Baik
5 Wati 28 2 3 1 1 juta 2 1 5 20 41 Kurang Sedang Cukup
5 Pida 30 2 3 1 1 juta 2 1 9 31 57 Cukup Kuat Baik
5 Dian 25 2 3 1 1,5 juta 2 1 8 32 55 Cukup Kuat Baik
5 Masriani 27 2 3 1 1,75 juta 2 1 6 20 43 Kurang Sedang Cukup
5 Laila U 26 2 3 1 1,75 juta 2 1 9 30 56 Cukup Kuat Baik
6 Neneng 31 3 3 1 2 juta 3 1 8 30 52 Cukup Kuat Cukup
6 Ani 29 2 3 1 1 juta 2 1 8 29 52 Cukup Kuat Cukup
6 Juliani 39 3 3 1 1 juta 2 1 7 28 50 Kurang Kuat Cukup
6 Painem 40 3 2 1 2 juta 3 1 4 19 40 Kurang Sedang Cukup
6 Jumini 39 3 3 1 1,75 juta 2 1 8 28 45 Cukup Kuat Cukup
6 Milah 30 2 3 1 1 juta 2 1 8 27 46 Cukup Kuat Cukup
6 Nurmala 29 2 3 1 1,5 juta 2 1 7 26 43 Kurang Kuat Cukup
6 Fitri 28 2 3 1 1,5 juta 2 1 8 30 52 Cukup Kuat Cukup
6 Yuli 27 2 3 1 1,5 juta 2 1 8 29 48 Cukup Kuat Cukup
6 Marisa 28 2 3 1 2 juta 3 2 7 26 46 Kurang Kuat Cukup
6 Sriwati 26 2 3 1 2 juta 3 1 8 28 46 Cukup Kuat Cukup
6 Mariam 42 4 2 1 1 juta 2 1 4 20 41 Kurang Sedang Cukup
6 Lailan 28 2 3 1 1,5 juta 2 1 7 26 47 Kurang Kuat Cukup
7 Sudarsih 37 3 3 1 1 juta 2 1 2 27 45 Kurang Kuat Cukup
7 Legiem 45 4 1 1 1 juta 2 1 2 26 45 Kurang Kuat Cukup
7 Dewi 24 2 3 1 1 juta 2 1 2 29 45 Kurang Kuat Cukup
7 Halimah 30 2 3 1 2 juta 3 1 10 30 50 Cukup Kuat Cukup
7 Ida 31 3 3 1 2 juta 3 1 5 22 43 Kurang Sedang Cukup
7 Fatmah 34 3 3 1 1,5 juta 2 1 7 28 45 Kurang Kuat Cukup
7 Junaida 33 3 3 1 1,2 juta 2 1 8 29 42 Cukup Kuat Cukup
7 Julia 33 3 3 1 1,75 juta 2 1 7 28 46 Kurang Kuat Cukup
7 Rani 26 2 3 1 1,5 juta 2 1 8 30 50 Cukup Kuat Cukup
7 Pipit 25 2 3 1 1,5 juta 2 1 3 19 42 Kurang Sedang Cukup
7 Rosidah 26 2 3 1 1 juta 2 1 5 20 40 Kurang Sedang Cukup
7 Rini 24 2 3 1 2 juta 3 1 7 28 46 Kurang Kuat Cukup
7 Ainul 22 2 3 1 2 juta 3 1 6 27 46 Kurang Kuat Cukup
7 Nuraisyah 26 2 3 1 2,5 juta 3 1 9 32 55 Cukup Kuat Baik
7 Suparmi 37 3 3 1 2 juta 3 1 8 30 52 Cukup Kuat Cukup
 KUESIONER PENELITIAN
PENERAPAN ANALISIS JALUR UNTUK MELIHAT PENGARUH
PENGETAHUAN DAN MOTIVASI TERHADAP SIKAP WANITA USIA
SUBUR UNTUK MELAKUKAN PEMERIKSAAN IVA MENGGUNAKAN
APLIKASI AMOS DAN LISREL DI KELURAHAN GAMBIR BARU
KISARAN TAHUN 2013

I. Petunjuk Pengisian :
a. Mohon dengan hormat bantuan dan kesediaan ibu untuk menjawab seluruh
pertanyaan yang ada.
b. Pilihlah salah satu jawaban ibu dengan tanda silang (X) yang ibu anggap
paling tepat dan sesuai dengan keadaan ibu dengan sungguh-sungguh dan
sejujur-jujurnya.
c. Jawaban ibu adalah jawaban pribadi yang tidak akan diketahui orang lain
dan akan terjamin kerahasiaannya, karena tanpa menggunakan nama dan
hanya untuk penelitian saja.
d. Untuk pertanyaan tentang pengetahuan pada pertanyaan (III), ada tiga (3)
pilihan jawaban yang sudah ditentukan yaitu: “benar”, “salah”, dan “tidak
tahu”.
e. Untuk pertanyaan tentang motivasi pada pertanyaan (IV), ada lima (5)
pilihan jawaban yang sudah ditentukan yaitu: ”selalu”, “sering”, “kadang-
kadang”, “jarang”, dan “tidak pernah”.
f. Untuk pertanyaan tentang sikap pada pertanyaan (V), ada lima (5) pilihan
jawaban yang sudah ditentukan yaitu: “sangat setuju”, “setuju”, “tidak
tahu”, “kurang setuju”, dan “tidak setuju”.

II. Identitas Responden

No. Responden : Lingkungan :

Nama :
Umur :
Status pernikahan :
Pendidikan terakhir :
Pekerjaan :
Pendapatan keluarga/bulan :
Agama :
 III. Pertanyaan

Alternatif Jawaban
Variabel Sub Variabel Indikator Item Pernyataan Variabel Benar Salah Tidak
Tahu
1. Pengetahuan 1. Kanker 1. Pengertian Berikan jawaban yang paling tepat terhadap pernyataan di
Serviks kanker serviks bawah ini :
1. Kanker serviks (leher rahim) adalah kanker ganas pada
leher rahim.

2. Penyebab 2. Kanker serviks disebabkan oleh infeksi virus HPV

kanker serviks (Human Papilloma Virus).

3. Gejala kanker 3. Penyakit ini ditandai dengan gejala perdarahan dari

serviks kemaluan di luar siklus haid

4. Penyakit ini tidak ditandai dengan gejala keputihan

4. Deteksi dini 5. Deteksi dini kanker leher rahim tidak dapat dilakukan
dengan Pap Smear

6. Deteksi dini kanker leher rahim dapat dilakukan dengan

Pemeriksaan IVA

7. Pemeriksaan IVA lebih mahal dibandingkan dengan Pap

Smear

2. Pemeriksaan 1. Pengertian 1. Pemeriksaan IVA adalah metode pemeriksaan dengan

IVA pemeriksaan mengoles serviks dengan asam asetat kemudian diamati
IVA apakah ada kelainan.

2. Kelainan yang dilihat adalah tidak adanya perubahan

warna.

3. Jika tidak ada perubahan warna maka tidak ada infeksi

pada serviks.

2. Tujuan 4. Pemeriksaan IVA sebagai skrining kanker serviks.

pemeriksaan
IVA
3. Kelebihan 5. Pemeriksaan IVA tidak sesuai untuk pusat pelayanan
pemeriksaan sederhana.
IVA
6. Pemeriksaan IVA tidak dapat dilakukan oleh tenaga
kesehatan bukan dokter ginekologi.

4. Kontraindikasi 7. Pemeriksaan IVA direkomendasikan pada wanita pasca

menopause
 Alternatif Jawaban
Variabel Sub Indikator Item Pernyataan Variabel Selalu Sering Kadang Jarang Tidak
Variabel -kadang Pernah
2. Motivasi Kanker Motif Bagaimana motivasi (hal yang mendorong Ibu
Serviks untuk melakukan sesuatu) terhadap pernyataan
di bawah ini :
1. Saya berfikiran bahwa kanker serviks
merupakan penyakit kanker ganas pada
wanita

2. Saya berfikiran bahwa saya tidak harus

waspada kalau ada tanda gejala seperti
perdarahan di luar siklus haid

3. Saya berfikiran bahwa saya harus waspada

kalau ada tanda gejala seperti keputihan

4. Saya berfikiran bahwa saya akan melakukan

Pemeriksaan IVA agar dapat mengetahui
kanker serviks secara dini.

Pemeriksaan Harapan 1. Saya berfikiran bahwa dengan melakukan

IVA pemeriksaan secara awal maka tidak akan
mempermudah dalam proses pengobatan.

2. Saya berfikiran bahwa pemeriksaan IVA

bisa dilakukan oleh semua kalangan karena
relative murah

3. Saya berfikiran bahwa izin suami tidak

penting untuk melakukan pemeriksaan IVA
 Alternatif Jawaban
Variabel Sub Indikator Item Pernyataan Variabel Sangat Tidak Kurang Setuju Sangat
Variabel Tidak Setuju Setuju Setuju
Setuju
3. Sikap 1. Kanker 1. Pengertian Bagaimana sikap (persetujuan Ibu) terhadap
Serviks kanker pernyataan dibawah ini:
serviks
1. Kanker serviks (leher rahim) adalah kanker
ganas pada leher rahim.

2. Penyebab 2. Kanker serviks disebabkan oleh infeksi

kanker virus HPV (Human Papilloma Virus).
serviks
3. Gejala 3. Penyakit ini ditandai dengan gejala
kanker perdarahan dari kemaluan di luar siklus haid
serviks
4. Penyakit ini tidak ditandai dengan gejala
keputihan

4. Deteksi dini 5. Deteksi dini kanker leher rahim tidak dapat

dilakukan dengan Pap Smear

6. Deteksi dini kanker leher rahim dapat

dilakukan dengan Pemeriksaan IVA

7. Pemeriksaan IVA lebih mahal dibandingkan

dengan Pap Smear

2. Pemeriks 1. Pengertian 1. Pemeriksaan IVA adalah metode

aan IVA pemeriksaan pemeriksaan dengan mengoles serviks
IVA dengan asam asetat kemudian diamati
apakah ada kelainan.

2. Kelainan yang dilihat adalah tidak adanya

perubahan warna.

3. Jika tidak ada perubahan warna maka tidak

ada infeksi pada serviks.

2. Tujuan 4. Pemeriksaan IVA sebagai skrining kanker

pemeriksaan serviks.
IVA
3. Kelebihan 5. Pemeriksaan IVA tidak sesuai untuk pusat
pemeriksaan pelayanan sederhana.
IVA
6. Pemeriksaan IVA tidak dapat dilakukan
oleh tenaga kesehatan bukan dokter
ginekologi.

4. Kontraindika 7. Pemeriksaan IVA tidak direkomendasikan

si pada wanita pasca menopause
OUTPUT KARAKTERISTIK RESPONDEN

Frequencies
[DataSet2] C:\Users\Acer\Documents\Skripsi.sav

Statistics

N
Valid Missing
Kelompok Umur 117 0
Status Pernikahan 117 0
Pendidikan 117 0
Pekerjaan 117 0
Penghasilan keluarga/bulan 117 0
Agama 117 0
Pengetahuan k 117 0
Motivasi k 117 0
Sikap k 117 0

Frequency Table
Kelompok Umur

Frequency Percent Valid Percent Cumulative Percent

Valid 21-30 69 59.0 59.0 59.0
31-40 41 35.0 35.0 94.0
41-50 7 6.0 6.0 100.0
Total 117 100.0 100.0

Status Pernikahan

Frequency Percent Valid Percent Cumulative Percent

Valid Menikah 117 100.0 100.0 100.0

Pendidikan

Frequency Percent Valid Percent Cumulative Percent

Valid SD 3 2.6 2.6 2.6
SMP 9 7.7 7.7 10.3
SMU 101 86.3 86.3 96.6
Diploma 4 3.4 3.4 100.0
Total 117 100.0 100.0
 Pekerjaan

Frequency Percent Valid Percent Cumulative Percent

Valid IRT 106 90.6 90.6 90.6
Wiraswasta 4 3.4 3.4 94.0
Pegawai 7 6.0 6.0 100.0
Total 117 100.0 100.0

Penghasilan keluarga/bulan

Frequency Percent Valid Percent Cumulative Percent

Valid 1-2 juta 74 63.2 63.2 63.2
>2 juta 43 36.8 36.8 100.0
Total 117 100.0 100.0

Agama

Frequency Percent Valid Percent Cumulative Percent

Valid Islam 114 97.4 97.4 97.4
Kristen 3 2.6 2.6 100.0
Total 117 100.0 100.0

Pengetahuan k

Frequency Percent Valid Percent Cumulative Percent

Valid Cukup 37 31.6 31.6 31.6
Kurang 80 68.4 68.4 100.0
Total 117 100.0 100.0

Motivasi k

Frequency Percent Valid Percent Cumulative Percent

Valid Kuat 80 68.4 68.4 68.4
Sedang 37 31.6 31.6 100.0
Total 117 100.0 100.0

Sikap k

Frequency Percent Valid Percent Cumulative Percent

Valid Baik 18 15.4 15.4 15.4
Cukup 99 84.6 84.6 100.0
Total 117 100.0 100.0
OUTPUT AMOS

Assessment of normality (Group number 1)

Variable min max skew c.r. kurtosis c.r.

Pengetahuan 3.000 10.000 -.317 -1.401 -.410 -.906
Motivasi 16.000 35.000 -.248 -1.097 -1.029 -2.272
Sikap 40.000 58.000 .267 1.180 -.907 -2.002
Multivariate .305 .301
Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

Observation number Mahalanobis d-squared p1 p2

38 15.337 .002 .166
4 10.801 .013 .444
21 9.567 .023 .495
30 8.357 .039 .677
3 7.842 .049 .691
20 7.749 .051 .563
59 7.548 .056 .491
26 7.533 .057 .345
11 7.092 .069 .418
107 6.430 .092 .649
81 6.219 .101 .649
98 5.925 .115 .709
23 5.817 .121 .669
90 5.812 .121 .561
93 5.685 .128 .539
22 5.479 .140 .580
100 5.278 .153 .626
14 5.260 .154 .538
36 5.099 .165 .565
7 4.921 .178 .613
6 4.803 .187 .617
2 4.803 .187 .524
109 4.801 .187 .431
112 4.686 .196 .442
5 4.549 .208 .476
1 4.549 .208 .387
78 4.529 .210 .321
55 4.513 .211 .259
28 4.411 .220 .268
42 4.366 .225 .234
10 4.366 .225 .174
72 4.300 .231 .162
24 4.280 .233 .126
8 4.224 .238 .113
104 4.061 .255 .161
13 3.962 .266 .177
73 3.330 .344 .762
99 3.185 .364 .836
19 3.157 .368 .809
Observation number Mahalanobis d-squared p1 p2
114 3.062 .382 .839
110 3.062 .382 .788
69 3.051 .384 .740
18 2.944 .400 .793
92 2.941 .401 .738
68 2.941 .401 .673
29 2.811 .422 .763
97 2.695 .441 .829
113 2.690 .442 .783
39 2.690 .442 .724
9 2.622 .454 .747
91 2.622 .454 .683
116 2.562 .464 .699
48 2.562 .464 .631
16 2.562 .464 .559
85 2.562 .464 .486
27 2.536 .469 .451
49 2.469 .481 .483
70 2.442 .486 .451
105 2.426 .489 .404
71 2.418 .490 .347
102 2.329 .507 .414
115 2.208 .530 .542
47 2.208 .530 .468
52 2.203 .531 .404
65 2.191 .534 .352
34 2.149 .542 .351
82 2.100 .552 .361
45 2.072 .558 .338
88 2.072 .558 .273
58 2.069 .558 .218
40 2.056 .561 .182
74 1.958 .581 .256
89 1.941 .585 .222
25 1.941 .585 .170
56 1.848 .605 .240
53 1.613 .656 .603
57 1.611 .657 .531
61 1.595 .661 .488
79 1.560 .668 .482
Observation number Mahalanobis d-squared p1 p2
111 1.428 .699 .682
87 1.392 .707 .681
51 1.391 .708 .610
32 1.372 .712 .573
60 1.351 .717 .539
64 1.256 .740 .671
54 1.255 .740 .595
12 1.151 .765 .746
86 1.101 .777 .777
84 1.076 .783 .760
108 1.040 .792 .765
95 1.027 .795 .721
80 1.027 .795 .641
17 1.027 .795 .553
31 .957 .812 .643
35 .957 .812 .553
77 .952 .813 .473
103 .930 .818 .436
83 .930 .818 .343
75 .930 .818 .257
37 .908 .824 .226

Estimates (Group number 1 - Default model)

Scalar Estimates (Group number 1 - Default model)

Maximum Likelihood Estimates

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Motivasi <--- Pengetahuan 2.159 .147 14.640 *** par_1
Sikap <--- Pengetahuan .298 .199 1.498 .134 par_2
Sikap <--- Motivasi .845 .074 11.381 *** par_3

Standardized Regression Weights: (Group number 1 - Default model)

Estimate
Motivasi <--- Pengetahuan .806
Sikap <--- Pengetahuan .106
Sikap <--- Motivasi .805

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label

Pengetahuan 2.948 .387 7.616 *** par_4
e2 7.435 .976 7.616 *** par_5
e1 4.750 .624 7.616 *** par_6

Squared Multiple Correlations: (Group number 1 - Default model)

Estimate
Motivasi .649
Sikap .796

Matrices (Group number 1 - Default model)

Implied (for all variables) Covariances (Group number 1 - Default model)

Pengetahuan Motivasi Sikap

Pengetahuan 2.948
Motivasi 6.364 21.173
Sikap 6.253 19.778 23.316

Implied (for all variables) Correlations (Group number 1 - Default model)

Pengetahuan Motivasi Sikap

Pengetahuan 1.000
Motivasi .806 1.000
Sikap .754 .890 1.000
Implied Covariances (Group number 1 - Default model)

Pengetahuan Motivasi Sikap

Pengetahuan 2.948
Motivasi 6.364 21.173
Sikap 6.253 19.778 23.316

Implied Correlations (Group number 1 - Default model)

Pengetahuan Motivasi Sikap

Pengetahuan 1.000
Motivasi .806 1.000
Sikap .754 .890 1.000

Residual Covariances (Group number 1 - Default model)

Pengetahuan Motivasi Sikap

Pengetahuan .000
Motivasi .000 .000
Sikap .000 .000 .000

Standardized Residual Covariances (Group number 1 - Default model)

Pengetahuan Motivasi Sikap

Pengetahuan .000
Motivasi .000 .000
Sikap .000 .000 .000

Factor Score Weights (Group number 1 - Default model)

Total Effects (Group number 1 - Default model)

Pengetahuan Motivasi
Motivasi 2.159 .000
Sikap 2.121 .845

Standardized Total Effects (Group number 1 - Default model)

Pengetahuan Motivasi
Motivasi .806 .000
Sikap .754 .805
Direct Effects (Group number 1 - Default model)

Pengetahuan Motivasi
Motivasi 2.159 .000
Sikap .298 .845

Standardized Direct Effects (Group number 1 - Default model)

Pengetahuan Motivasi
Motivasi .806 .000
Sikap .106 .805

Indirect Effects (Group number 1 - Default model)

Pengetahuan Motivasi
Motivasi .000 .000
Sikap 1.823 .000

Standardized Indirect Effects (Group number 1 - Default model)

Pengetahuan Motivasi
Motivasi .000 .000
Sikap .648 .000

Model Fit Summary

CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 6 .000 0
Saturated model 6 .000 0
Independence model 3 305.955 3 .000 101.985

RMR, GFI

Model RMR GFI AGFI PGFI

Default model .000 1.000
Saturated model .000 1.000
Independence model 8.858 .427 -.145 .214
Baseline Comparisons

NFI RFI IFI TLI

Model CFI
Delta1 rho1 Delta2 rho2
Default model 1.000 1.000 1.000
Saturated model 1.000 1.000 1.000
Independence model .000 .000 .000 .000 .000

Parsimony-Adjusted Measures

Model PRATIO PNFI PCFI

Default model .000 .000 .000
Saturated model .000 .000 .000
Independence model 1.000 .000 .000

NCP

Model NCP LO 90 HI 90
Default model .000 .000 .000
Saturated model .000 .000 .000
Independence model 302.955 249.209 364.110

FMIN

Model FMIN F0 LO 90 HI 90
Default model .000 .000 .000 .000
Saturated model .000 .000 .000 .000
Independence model 2.638 2.612 2.148 3.139

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE

Independence model .933 .846 1.023 .000

AIC

Model AIC BCC BIC CAIC

Default model 12.000 12.429 28.573 34.573
Saturated model 12.000 12.429 28.573 34.573
Independence model 311.955 312.170 320.242 323.242
ECVI

Model ECVI LO 90 HI 90 MECVI

Default model .103 .103 .103 .107
Saturated model .103 .103 .103 .107
Independence model 2.689 2.226 3.216 2.691

HOELTER

HOELTER HOELTER
Model
.05 .01
Default model
Independence model 3 5
LAMPIRAN OUTPUT NORMALITAS SPSS

Regression
[DataSet1] C:\Users\Acer\Documents\Skripsi.sav

Variables Entered/Removed
Model Variables Entered Variables Removed Method
1 Motivasi, . Enter
Pengetahuana
a. All requested variables entered.

Model Summaryb
Std. Error of the
Model R R Square Adjusted R Square Estimate
1 .804a .647 .641 2.955
a. Predictors: (Constant), Motivasi, Pengetahuan
b. Dependent Variable: Sikap

ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 2028.779 2 1014.390 116.155 .000a
Residual 1109.097 127 8.733

Total 3137.877 129

a. Predictors: (Constant), Motivasi, Pengetahuan
b. Dependent Variable: Sikap

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 26.385 1.455 18.139 .000

Pengetahuan .395 .157 .170 2.520 .013

Motivasi .723 .071 .686 10.155 .000
a. Dependent Variable: Sikap

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 39.14 57.23 47.57 3.966 130
Residual -8.608 15.069 .000 2.932 130
Std. Predicted Value -2.125 2.435 .000 1.000 130
Std. Residual -2.913 5.099 .000 .992 130
a. Dependent Variable: Sikap
Charts
NPar Tests

[DataSet1] C:\Users\Acer\Documents\Skripsi.sav
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 130
Normal Parametersa,,b Mean .0000000
Std. Deviation 2.93217574
Most Extreme Differences Absolute .080
Positive .080
Negative -.080
Kolmogorov-Smirnov Z .911
Asymp. Sig. (2-tailed) .377
a. Test distribution is Normal.
b. Calculated from data.
LAMPIRAN OUTPUT LISREL