pemodelan sem dengan generalized structured … · model konseptual yang dihasilkan dalam...

PEMODELAN SEM DENGAN GENERALIZED STRUCTURED

COMPONENT ANALYSIS (GSCA)(Studi Kasus Penentuan Struktur Model Kemiskinan

Kabupaten/Kota di Provinsi Jawa Tengah)

Surabaya, 10 Januari 2012Seminar Hasil Thesis 1

Oleh:Dewi Fenty Ekasari

NRP. 1310 201 708

Pembimbing:Dr. Sony Sunaryo, M.Si

Mahasiswa Pasca Sarjana Jurusan Statistika FMIPAInstitut Teknologi Sepuluh November Surabaya


OUTLINE

PENDAHULUAN KAJIAN PUSTAKA

METODOLOGI PENELITIAN

ANALISIS DAN PEMBAHASAN

KESIMPULAN DAN SARAN

DAFTAR PUSTAKA


PENDAHULUAN

Kemiskinan multidimensional simultankebijakan pengentasan kemiskinan

Beberapa pencapaian tujuan pembangunan milleniumIndonesia 2010:1. Menanggulangi Kemiskinan dan Kelaparan2. Mencapai Pendidikan Dasar3. Menurunkan separuh proporsi penduduk tanpa akses

sumber air mnum dan fasilitas sanitasi


PENDAHULUAN

Proporsi ruta dengan akses kepemilikan terhadap sumber air minum layak 58,30% (peringkat ke-2 tertinggi untuk wilayah pulau Jawa dan Bali)

Proporsi ruta yang memiliki akses sanitasi layak 54,06%Proporsi banyaknya ruta kumuh 5,6% (peringkat ke-2 terendah untuk wilayah pulau Jawa dan Bali)

AKAN TETAPI

Persentase penduduk miskin 16,60%(diatas persentase penduduk miskin Indonesia 13,3%)

(peringkat ke-2 terbanyak penduduk miskinnya di pulau Jawa dan Bali)

Sumber: Laporan Pencapaian Tujuan Pembangunan Milenium di Indonesia 2010, Bappenas, 2010


PENDAHULUAN

Kondisi data: Jumlah sampel data kecil yaitu 35 unit observasi. Tidak semua variabel yang diobservasi berdistribusi normal

Karena keterbatasan dua hal tersebut maka :

Penelitian ini tidak dapat mengunakan SEM berbasis kovarian

Sebagai alternatif, digunakan SEM berbasis komponen yaitu:SEM dengan Generalized Structured Component Analysis (SEM-GSCA)


PENDAHULUAN

Rumusan Masalah:1. Bagaimana membuat

program SEM–GSCAuntuk studi kasuspenentuan strukturmodel kemiskinan diProvinsi Jateng dengandengan software opensource?

2. Bagaimana penerapanSEM-GSCA terhadapstudi kasus penentuanstruktur modelkemiskinan di ProvinsiJawa Tengah?

Tujuan Penelitian:1. Membuat program

SEM–GSCA untuk studikasus penentuanstruktur modelkemiskinan di ProvinsiJateng dengan dengansoftware open source.

2. Menerapkan SEM-GSCAterhadap studi kasuspenentuan strukturmodel kemiskinan diProvinsi Jawa Tengah.


PENDAHULUAN

Manfaat Penelitian:1. Kontribusi dalam bidang keilmuan dengan

menerapkan dan mengembangkan GeneralizedStructured Component Analysis (GSCA).

2. Menambah pengetahuan peneliti tentangpenerapan ilmu statistika dalam masalah sosialmasyarakat.

3. Informasi untuk strategi pembangunanberkelanjutan didaerah khususnya olehPemerintah Daerah untuk membuat kebijakanselanjutnya.


PENDAHULUAN

Batasan Permasalahan

Dalam penelitian ini ruang lingkup permasalahandibatasi dengan membuat model SEM-GSCA yangrekursif (satu arah) dan variabel laten denganindikator refleksif.


PENDAHULUAN


KAJIAN PUSTAKA

GSCA adalah SEM berbasis komponen dimana variabellaten didefinisikan sebagai komponen atau komposittertimbang dari indikatornya dengan persamaan:

(1)Persamaan Model Pengukuran

(2)Persamaan Model Struktural

(3)

Persamaan Model GSCA adalah (4)atau


= +ZV ZWA E= +i i i

V'z A'W'z e

γ = ii W'z

= γ +εi i iz C'

γ = γ +ξi i iB'

KAJIAN PUSTAKA


KAJIAN PUSTAKA

Parameter GSCA yang tidak diketahui (V, W dan A)diestimasi sehingga nilai sum squares dari semuaresidual sekecil mungkin untuk semua observasi.Hal ini berarti meminimumkan dengan least squareoptimization criterion

(5)

Persamaan (5) diminimumkan dengan algoritmaalternating least squares (ALS) sampai konvergen


( ) ( )( )'f trace= − −ZV ZWA ZV ZWA'f = trace(( ) ( ))− −A Aψ τ ψ τ

KAJIAN PUSTAKA

GSCA memberikan ukuran overall model fit denganrumus sebagai berikut:

FIT=1-[trace((ZV–ZWA)’(ZV–ZWA))/trace((ZV)’(ZV))] (6)

AFIT = 1 – (1 - FIT)(do)/(d1) (7)

Dimana: do = derajat bebas ketika W=0 dan A=0

d1 = derajat bebas model yang diuji


KAJIAN PUSTAKA


Skema 1. Keterkaitan antara Pembangunan Ekonomi dan Kesehatan

(Sumber: Suryawati, Chriswardani (2005), “ Memahami kemiskinan secara multidimensional “, JMPK Vol. 08/No.03/September/2005.)

KAJIAN PUSTAKA

Data yang digunakan adalah data sekunder yangberasal dari Susenas Provinsi Jawa Tengah tahun2009 yang telah dipublikasikan. Informasi yangdidapatkan antara lain adalah persentasependuduk miskin, indeks kedalaman kemiskinan,indeks keparahan kemiskinan, keterangankesehatan, keterangan pengeluaran, keteranganketenagakerjaan, keterangan pendidikan dan danketerangan fasilitas perumahan. Software yang digunakan adalah Octave-3.2.4



Variabel yang akan digunakan terdiri atas tiga variabellaten endogen satu variabel laten eksogen , 9 variabelindikator (Y) dan 5 variabel indikator (X) dengan unitobservasi adalah 35 Kabupaten/Kota di Provinsi JawaTengah.



Variabel Laten Variabel IndikatorKode Nama Variabel Kode Nama Variabel

Kualitas Kesehatan X1 Persentase balita yang proses kelahirannya ditolong oleh tenaga kesehatan

X2 Angka harapan hidup

X3 Persentase ruta yang menggunakan jamban sendiri/bersama

X4 Persentase ruta yang menggunakan air bersih

Kualitas Ekonomi Y1 Persentase pengeluaran perkapita untuk non makanan

Y2 Persentase penduduk usia 15 + yang bekerja disektor non pertanian

Y3 Persentase penduduk usia 15 + yang bekerja disektor formal


ξi

η1


Variabel Leten Variabel IndikatorKode Nama Variabel Kode Nama Variabel

Kualitas SDM Y4 Angka Melek Huruf (15-55 tahun)

Y5 Rata-rata lama sekolah

Y6 Persentase penduduk yang tamat SD/SLTP/SLTA/SLTA+

Kemiskinan Y7 Persentase Penduduk Miskin

Y8 Indeks Kedalaman Kemiskinan

Y9 Indeks Keparahan Kemiskinan


η3

η2



X1 X2 X3 X4

ξ1η1

Y1

Y2

Y3

Y6Y5Y4

Y9

Y8

Y7

η2η3



Mulai Input Data

Merancang Model Struktural

Merancang Model Pengukuran

Merancang Diagram Jalur

Estimasi Bootsrtap

Estimasi parameter

Uji signifikansi

Model Pengukuran

Evaluasi Overall Model Fit

Interpretasi dan

KesimpulanSelesai

Tidak

YaUji

signifikansi Model

Struktural

Ya

Tidak



Input yang digunakan dalam penelitian ini adalah matrikX yang merupakan matrik data.

Selain input data, diperlukan pula inputan lain untukmenjalankan program SEM dengan GSCA yaitu matrikyang menunjukkan hubungan diantara variabel, yaitumatrik: V, W, B, C dan n. Dimana n adalah banyaknyaresampling yang dilakukan untuk proses bootstrap.

Inisialisasi awal untuk V, W dan B diberi nilai 0.3sedangkan untuk C diberikan nilai 0.8



1. A diperbaharui dengan V dan W fixed.Step 1: Inisialisasi V dan WStep 2: Bentuk matrik Step 3: Bentuk matrik Step 4: Perbaharui matrik A dengan menggunakan estimasi

least squares sebagai berikut:

Step 5: Bentuk matrik A baru dengan memasukkan nilai yang telah diperbaharui.

( ) ( )-1= ' 'vecaΩΩ Ω ψ

⊗Iτ

Ω

a



2.V dan W diperbaharui dengan A fixed.Step 6 : Inisialisasi A dengan menggunakan A yang telah

diperbaharui.Step 7 : Bentuk matrik S yang berisi parameter bobot yang

akan diestimasi.Step 8 : Definisikan tiap kolom pada matrik S (sebanyak k

kolom) tersebut berasal dari kolom mana saja pada matrik W (sebanyak q kolom) dan V (sebanyak p kolom).

Step 9 : Definisikan dan didefinisikan sebagaimana sesuai ketentuan

β' Δ



Step 10: Bentuk matrik Step 11: Bentuk matrik Step 12: Estimasi s1 dengan Step 13: Perbaharui s1 yang lama dengan s1 yang baru, masukkan

kedalam kolom pada matrik W dan/atau V yang sesuai dimana matrik W dan V yang telah diperbaharui ini digunakan untuk perbaharui s2.

Step 14: Ulangi step 12 dan step 13 sebanyak K kali (K kolom).Step 15: Didapatkan matrik W dan V baruStep 16: Cek konvergen bila belum konvergen maka ulangi step 1.

⊗Zβ

Π ( ) ( )

1' '1 vec

−= Zη ΠΠ Π ∆



Beberapa kesimpulan yang didapatkan dari hasil penelitian ini adalah sebagaiberikut:Program SEM-GSCA untuk model rekursif dan variabel laten dengan indikator

reflektif dapat dibuat dengan software open source yaitu Octave, denganinputan adalah matriks V, W, C dan B serta n. Output yang dihasilkan adalahestimasi bobot, estimasi koefisien loading, estimasi koefisien jalur, estimasistandard error, factor score dari variabel laten serta overall goodness-fit model.

Kualitas kesehatan berpengaruh terhadap kualitas ekonomi, kualitas ekonomiberpengaruh terhadap kualitas SDM, kualitas kesehatan berpengaruh terhadapkemiskinan, kualitas ekonomi berpengaruh terhadap kemiskinan, dan kualitasSDM tidak berpengaruh terhadap kemiskinan.

Model konseptual yang dihasilkan dalam penelitian ini menunjukkan bahwasecara keseluruhan merupakan model yang baik berdasarkan nilai FIT dan AFITyang diatas 0.50. Model baru ini didapat dengan menghilangkan koefisien jalurantara kualitas SDM dengan kemiskinan.



Semakin tinggi kualitas kesehatan penduduk di suatu Kabupaten/Kotapada Provinsi Jawa Tengah berpengaruh terhadap tinggi nya kualitasekonomi penduduknya, dan rendahnya kemiskinan pada Kabupaten/Kotatersebut. Semakin tinggi kualitas ekonomi penduduknya, maka semakintinggi kualitas SDM penduduk pada Kabupaten/Kota tertentu.

Berdasarkan factor score yang didapatkan untuk variabel laten, terlihatbahwa lima Kabupaten yang terendah kualitas kesehatannya yaitu: Brebes,Purbolinggo, Batang, Pemalang dan Banjarnegara. Lima Kabupaten yangterendah kualitas ekonominya yaitu: Wonosobo, Temanggung, Grobogan,Wonogiri dan Banjarnegara. Lima Kabupaten yang terendah kualitas SDMnya adalah Tegal, Batang, Cilacap, Banjarnegara dan Brebes. LimaKabupeten tertinggi kemiskinannya adalah Brebes, Purbolinggo, Rembang,Kebumen dan Wonosobo. Kabupaten Cilacap, Purbolinggo, Banjarnegara,Kebumen, Wonosobo, Pemalang dan Brebes memiliki kualitas kesehatan,ekonomi serta SDM yang rendah dan kemiskinan yang tinggi.



Hasil penelitian ini dapat digunakan sebagai langkahawal untuk pemodelan kemiskinan sebagai model yangnon rekursif (dua arah) antar variabel latennya.

Hasil penelitian ini dapat dikembangkan untukmembuat program SEM-GSCA menggunakan variabellaten dengan indikator refleksif.

Berdasarkan hasil yang didapatkan, diharapkan agarada peningkatan pembangunan dalam kualitaskesehatan dan kualitas ekonomi dan kualitassumberdaya manusia guna keberhasilan pengentasankemiskinan.


Badan Pusat Statistik (2010), “Data dan Informasi Kemiskinan 2009”, Badan Pusat Statistik.----------------- (2010), “Survei Sosial Ekonomi Juli 2010, Buku 3, Pedoman Pencacahan Kor

(Untuk Pencacah dan Kortim”), Badan Pusat Statistik.Bappenas (2010), “Laporan Pencapaian Tujuan Pembangunan Millenium Indonesia 2010”,

Kementrian Perencanaan Pembangunan Nasional/Badan Perencanaan Pembangunan Nasional (Bappenas), 2010.

Bollen K.A. (1989). “Structural Equation with Laten Variabels”, Departement of Sociology, John Wiley & Sons, New York.

Bentler, P.M., (1980), “Multivariate Analysis with Latent Variables: Causal Modeling”, Annual Review of Psychology, 31, hal 419-456.

de Leeuw, J., Young, F.W., & Takane, Y. (1976). Regression With Qualitative and Quantitative Variables : An Alternating Least Squares Method With Optimal Scaling Features. Psychometrica.Vol. 41 No.4.pp.505-529.

Efron, B. (1982). The Jackknife, The Bootstrap and Other Resampling Plans. Philadelphia: SIAM.

Fornell, C. and Bookstein, F. (1982), “Two Structural Equation Models: LISREL and PLS Applied to Consumer Exit-Voice Theory”. Journal of Marketing Research.19. 440-452.


DAFTAR PUSTAKA

Fornell,C, and Larcker, D.(1981).”Evaluating Structural Equation Model with Unobservable Variable and Measurement Error”. Journal of Marketing Research.18.pp.39-50.

Ghozali, Imam (2008), “ Generalized Structured Component Analysis (GSCA)“, Universitas Diponegoro, Semarang.

------------------- (2008), “ Structural Equation Modelling Metode Alternatif dengan Partial Least Square “, Universitas Diponegoro, Semarang.

Hwang, H. and Takane, Y. (2004), “Generalized Structured Component Analysis”. Psychometrica.Vol.69 No.1pp.81-99

Hwang, H. (2009), “ Regularized Generalized Structured Component Analysis”. Psychometrica.Vol.74 No.3pp.517-530

Soebagio, Tulus (2011), “Pengembangan Structural Equation Modeling (SEM) dengan Partial Least Square (PLS)”, Program Magister Jurusan Statistika FMIPA, Institut Teknologi Surabaya, 2011.

Sudiman, Herman (2008), “Tantangan Litbang Lintas Disiplin Dalam Penanggulangan Masalah Kemiskinan, Kelaparan dan Kurang Gizi di Indonesia “, Badan Litbang Kesehatan Depkes RI, 2008.

Suryawati, Chriswardani (2005), “ Memahami kemiskinan secara multidimensional “, JMPK Vol. 08/No.03/September/2005.


DAFTAR PUSTAKA

Umami, Dewi Rosiyana (2010), “ Analisis Indikator Pembangunan Berkelanjutan di Jawa Timur Menggunakan Metode Struktural Equation Modeling –Partial Least Square”Program Magister Jurusan Statistika FMIPA, Institut Teknologi Surabaya, 2010

Wardono, Ari, (2009), “ Analisis Kebutuhan dan Potensi Fiskal Dengan Structural Equation Modelling”, Program Magister Jurusan Statistika FMIPA, Institut Teknologi Surabaya, 2009.

Wijayanto, Setyo Hari, (2008). “ Konsep dan Tutorial Structural Equation Modelling dengan LISREL 8.8 “, Graha Ilmu, Yogyakarta.

Wold, H. (1985), “Partial Least Square”. In S Kotz & N.L.Johnson (Eds). Encyclopedia of Statistical Sciences. Vol 8 (pp. 587-599). New York. Wiley.

Word Development Report (2008), “ Attacking Poverty ”, Word Development Report, September 2008.

Wrihatnolo, Randy R (2009), “Membumikan demokrasi, mewujudkan negara kesejahteraan”, Sedikit Tentang Karakteristik Kemiskinan, Maret 2009.


DAFTAR PUSTAKA


TERIMA KASIH

pemodelan sem dengan generalized structured … · model konseptual yang dihasilkan dalam...

Documents