View
7
Download
0
Category
Preview:
Citation preview
Structural Equation Modelling untukMengetahui Keterkaitan Faktor-Faktor
Yang Mempengaruhi Kemiskinan di Kabupaten Jombang
Oleh :Renanthera Puspita N.
1
Pembimbing :Dr. Bambang Widjanarko Otok, M.Si.
AGENDA
2
PENDAHULUAN
TINJAUAN PUSTAKA
METODOLOGI PENELITIAN
ANALISIS & PEMBAHASAN
KESIMPULAN & SARAN
Latar Belakang
3
5,071 juta jiwa (13,40 persen)
74.340 keluarga.Dari jumlah total keluarga miskin tersebut,sekitar 11 ribu keluarga masuk kategori sangatmiskin.
Jawa Timur
67,84 persen diantaranya ada di daerahperdesaan atau 3,44 juta penduduk.(BPS, 2012)
Jombang
Penelitian Terdahulu
4
Vibryanto (2010)
Analisis faktor-faktor yang mempengaruhitingkat pengangguran di Kabupaten jombang
Pamungkas (2012)
Revitalisasi sektor pertanian untukmenanggulangi masalah kemiskinan diKabupaten Jombang
Afandi, Sumartonodan Wahab (2009)
Pembangunan daerah dan penanggulangan kemiskinan (studikasus implementasi proyek pembinaan peningkatanpendapatan petani dan nelayan kecil / P4K di KabupatenJombang.
5
• Bagaimana keterkaitan antar faktorpenentuan kemiskinan di KabupatenJombang dengan menggunakan metodeSEM
RumusanMasalah
• Mengetahui faktor-faktor yang mempengaruhi penentuan kemiskinan diKabupaten Jombang.
ManfaatPenelitian
• Metode SEM-PLS Penelitian menggunakandata dari BAPPEDA Kabupaten Jombangtahun 2010
BatasanMasalah
Latar Belakang
Tinjauan Pustaka
6
Parwoto, 2001
Suatu situasi atau kondisi yang dialami olehseseorang atau kelompok orang yang tidakmampu menyelenggarakan hidupnya sampaisuatu taraf yang dianggap manusiawi.
BPS
Tingkat kemiskinan didasarkan pada jumlahrupiah konsumsi berupa makanan yaitu 2100 kalori per orang per hari.
Tinjauan Pustaka
7
7.20' dan 7.45' . Lintang Selatan 5.20º -
5.30 º Bujur Timur. Luas wilayah kabupaten
115.950 Ha : 1.159,5 Km².
Ibukota Kabupaten Jombang terletak pada
ketinggian 44m di atas permukaan laut.
Kabupaten Jombang terdiri atas 21
kecamatan 301 desa dan 5 kelurahan
Tinjauan Pustaka
8
Structural Model Measurement Model
ζξηη +Γ+= BAsumsi :
0)( =ηE
0)( =ξE0)( =ζE
0)'( =ξζE
1
2
3
4
εη +Λ= yy
δξ +Λ= xx
Hair et al., 1998
Model statistika yang mengkombinasikan aspek multiple regresion (memeriksa hubungan dependensi) dan analisis faktor (merepresentasikan konsep yang tidak bisa diukur-faktor dengan variabel banyak) untuk mengestimasi hubungan struktural yang relatif “rumit” secara simultan
Tinjauan Pustaka
9
Confirmatory Factor Analysis Analisis Jalur
Tinjauan Pustaka
10
Outer Model Inner Model
Estimasi Parameter SEM-PLS
( )jhjh
J
hjhj xxwy −= ∑
−1
: outer weightsjhw
∑jj ndihubungkaj
jjjj yezξξ
α.':'
''
Pemilihan bobot inner disebut denganskema centroid.
Uji Kelayakan Model
1. Convergent Validity
2. Diskriminant Validity 3. Composite Reliability
Model dikatakan baikapabila nilai korelasi lebih
tinggi dari 0.70
)var(2
2
ii
ii
iAVE
ελλ
∑∑
+=
Nilai AVE yang direkomendasikan yaituharus lebih besar 0.05.
( ))var()( 2
2
ii
ii
ipc
ελλ
∑∑∑+
=
Tinjauan Pustaka
11
•Nilai t-statistik muatan faktornya (loading faktor) lebih besar dari t-tabel(1.96).•Standardized loading factor sebesar 0.5.
•Koefisien hubungan antar variabel signifikan (t-statistik 1.96).•Nilai R-square mendekati 1.
Uji Kelayakan Model
Boostrap
Bootstrap merupakan metode penaksir nonparametric yang dapatmenaksir parameter-parameter dari suatu distribusi, varians dari sampelmedian, serta dapat menaksir error.
Metodologi Penelitian
12
Badan Perencanaan dan Pembangunan Daerah (BAPPEDA) Kabupaten Jombang pada tahun 2010.
Unit sampling yang digunakan adalah 21 Kecamatan diKabupaten Jombang.
Variabel LatenEndogen3 1 Variabel Laten
Eksogen
Metodologi Penelitian
13
Kesehatan
X1 Rumah tangga yang luas bangunan tempat tinggal kurang dari 8m2 per orang.
X2Rumah tangga yang jenis atap bangunan tempat tinggal terbuat dari bambu/
kayu murahan.
X3Rumah tangga yang jenis lantai bangunan tempat tinggal terbuat dari tanah/
bambu/ kayu murahan.
X4Rumah tangga yang jenis dinding tempat tinggal terbuat dari bambu/ rumbia/
kayu berkualitas rendah/ tembok tanpa diplester.
X5Rumah tangga yang tidak memiliki fasilitas buang air besar/ bersama-sama
dengan rumah tangga lain.
X6Rumah tangga yang sumber air minum berasal dari sumur/ mata air tidak
terlindung/ sungai/ air hujan.
X7Rumah tangga yang tidak sanggup membayar biaya pengobatan di puskesmas/
poliklinik.
X8 Rumah tangga yang tidak memiliki tempat pembuangan akhir tinja.
Metodologi Penelitian
14
Kualitas Ekonomi
Y1 Rumah tangga yang status penguasaan bangunan.
Y2Rumah tangga yang sumber penerangan rumah tangga tidak
menggunakan listrik.
Y3Rumah tangga yang bahan bakar untuk memasak sehari-hari
adalah kayu bakar/ arang/ minyak tanah.
Y4Rumah tangga yang hanya mengkonsumsi daging/ susu/ ayam
satu kali dalam seminggu.
Y5Rumah tangga yang hanya membeli satu stel pakaian baru dalam
setahun.
Y6Rumah tangga yang hanya sanggup makan sebanyak satu/ dua kali
dalam sehari.
Y7Rumah tangga yang tidak memiliki tabungan/ barang yang mudah
dijual.
Y8Rumah tangga yang sumber penghasilan kepala rumah tangga per
bulan dibawah Rp. 600.000.
Metodologi Penelitian
15
SDM
Kemiskinan
Y9Rumah tangga dengan pendidikan tertinggi kepala rumah
tangga tidak sekolah/ tidak tamat SD/ hanya SD.
Y10 Rumah tangga yang berstatus sangat miskin.
• Mendapatkan model berbasis konsep dan teori yang dikembangkan untuk merancang model struktural dan model pengukuran
• Membuat diagram jalur yang dapat menjelaskan pola hubungan antara variabel laten dan juga indikatornya
• Melakukan analisis konfirmatori dari masing-masing variable laten• Menguji signifikansi parameter model pengukuran• Mengestimasi model persamaan struktural • Konversi diagram jalur ke dalam persamaan• Mengestimasi parameter (bobot, faktor loading, koefisien jalur)
– Mengambil sampel bootstrap sebanyak n dari data set denganpengulangan sebanyak n.
– Memodelkan SEM dari data set hasil sampel bootstrap– Mengulang langkah sebelumnya sebanyak B kali (replikasi bootstrap).– Memilih model terbaik dari berbagai replikasi bootstrap
16
Metodologi Penelitian
Analisis & Pembahasan
17
Deskriptif
0
5
10
15
20
25
30
35
3.31
32.17
Analisis & Pembahasan
18
Pengujian Model Pengukuran
Variabel AVE Composite reliability
Kesehatan 0.443 0.696Ekonomi 0.415 0.489
SDM 1 1
Kemiskinan 1 1
Nilai AVE > 0.5
Nilai Composite reliability > 0.7
Analisis & Pembahasan
19
Loading Pengukuran
Original sample estimate Mean of subsamples T-Statistic
KesehatanX1 -0.787 -0.785 28.799X2 0.083 0.08 1.099X3 0.544 0.539 10.345X4 0.933 0.934 203.101X5 0.914 0.913 72.491X6 0.291 0.29 4.848X7 0.395 0.372 7.523X8 0.823 0.827 59.698
EkonomiY1 0.136 0.152 1.774Y2 -0.265 -0.26 5.607Y3 -0.946 -0.947 199.273Y4 0.504 0.518 7.281Y5 0.77 0.781 40.81Y6 0.834 0.83 56.758Y7 0.865 0.875 47.136Y8 0.218 0.224 3.406
KemiskinanY10 1 1SDMY9 1 1
20
Pengujian Model Pengukuran
Analisis & Pembahasan
AVEComposite Reliability
Kesehatan 0.513 0.744
Ekonomi 0.474 0.517
Kemiskinan 1 1
SDM 1 1
Kesehatan Ekonomi SDM Kemiskinan
X1 -0.777 0.59 -0.767 -0.178
X3 0.576 -0.376 0.322 0
X4 0.923 -1.156 1.068 0.28
X5 0.932 -0.799 0.732 0.132
X6 0.246 -0.475 0.677 -0.008
X7 0.395 -0.232 0.229 -0.06
X8 0.848 -1.077 0.803 0.299
Y2 0.008 -0.263 0 0.035
Y3 1.073 -0.947 0.893 0.252
Y4 -0.097 0.51 -0.053 -0.064
Y5 -0.122 0.782 -0.082 -0.001
Y6 -0.951 0.824 -0.941 -0.061
Y7 -0.452 0.872 -0.328 -0.099
Y8 -0.017 0.206 -0.055 0.005
Y9 0.958 -0.836 1 0.078
Y10 0.165 -0.166 0.062 1
Analisis & Pembahasan
21
Loading Pengukuran
Original sample estimate Mean of subsamples T-Statistic Keterangan
KesehatanX1 -0.777 -0.775 41.447 SignifikanX3 0.576 0.57 18.11 SignifikanX4 0.923 0.923 251.071 SignifikanX5 0.932 0.931 135.111 SignifikanX6 0.246 0.248 6.55 SignifikanX7 0.395 0.391 7.725 SignifikanX8 0.848 0.848 100.932 Signifikan
EkonomiY2 -0.263 -0.272 6.811 SignifikanY3 -0.947 -0.947 211.637 SignifikanY4 0.51 0.516 6.029 SignifikanY5 0.782 0.779 63.896 SignifikanY6 0.824 0.823 68.95 SignifikanY7 0.872 0.87 94.39 SignifikanY8 0.206 0.202 3.839 Signifikan
SDMY9 1 1
KemiskinanY10 1 1
22
Pengujian Model Struktural
Analisis & Pembahasan
Original sample
Mean of subsamples
T-Statistic
Kesehatan -> Ekonomi -0.677 -0.68 24.179
SDM -> Ekonomi -0.176 -0.17 5.472
Kesehatan -> Kemiskinan 0.567 0.549 6.202
Ekonomi -> Kemiskinan -0.193 -0.196 2.773
SDM -> Kemiskinan -0.56 -0.549 5.651Kesehatan -> SDM 0.891 0.892 105.688
R-squareKesehatanEkonomi 0.702
SDM 0.794Kemiskinan 0.12
23
Analisis & Pembahasan
24
Analisis & Pembahasan
Original Sample
Mean of subsamples50 100 200 300 400 500
Kes -> Eko -0.677 -0.624 -0.646 -0.665 -0.672 -0.68 -0.68
SDM -> Eko -0.176 -0.25 -0.216 -0.184 -0.182 -0.17 -0.177
Kes -> Kem 0.567 0.621 0.607 0.621 0.582 0.549 0.579
Eko -> Kem -0.193 0.134 -0.089 -0.231 -0.184 -0.196 -0.158
SDM -> Kem -0.56 -0.239 -0.534 -0.64 -0.57 -0.549 -0.545
Kes -> SDM 0.891 0.885 0.895 0.898 0.892 0.892 0.886
SEM Boostrap
T-StatisticB=50 B=100 B=200 B=300 B=400 B=500
Kesehatan -> Ekonomi 4.437 7.305 10.059 12.163 25.179 16.686SDM -> Ekonomi 1.108 1.752 2.469 2.645 5.472 3.659
Kesehatan -> Kemiskinan 1.487 2.107 3.535 3.886 6.202 6.103
Ekonomi -> Kemiskinan 0.438 0.652 1.599 1.127 2.773 1.323
SDM -> Kemiskinan 1.429 2.119 4.08 4.475 5.651 7.666Kesehatan -> SDM 19.285 38.6 59.866 57.514 105.688 88.009
25
Analisis & PembahasanSEM Boostrap
Original sample estimate
Mean of subsamples
Standard deviation
T-Statistic
KesehatanX1 -0.777 -0.775 0.019 41.45X3 0.576 0.57 0.032 18.11X4 0.923 0.923 0.004 251.071X5 0.932 0.931 0.007 135.111X6 0.246 0.248 0.038 6.44X7 0.395 0.391 0.051 7.725X8 0.848 0.848 0.008 100.932
EkonomiY2 -0.263 -0.272 0.039 6.811Y3 -0.947 -0.947 0.004 211.637Y4 0.51 0.516 0.085 6.029Y5 0.784 0.779 0.012 63.896Y6 0.824 0.823 0.012 68.95Y7 0.872 0.87 0.009 94.39Y8 0.206 0.202 0.054 3.839
KemiskinanY10 1 1 0SDMY9 1 1 0
Kontribusi paling tinggiberada pada koefisienjalur prosentase kepalarumah tangga yang tidaksekolah atau tidak tamatSD (Y9) terhadapvariabel SDM sertaprosentase rumahtangga yang berstatussangat miskin (Y10)terhadap variabelkemiskinan. Sedangkankontribusi paling rendahadalah pada prosentaserumah tangga yang tidakmenggunakan listriksebagai sumberpenerangan terhadapvariabel ekonomi
Kesimpulan & Saran
26
• Kesehatan memberikan pengaruh negatif dansignifikan terhadap ekonomi dengan koefisienjalur sebesar 0.667 dan nilai t-statistik sebesar24.179.
• Sumber daya manusia (SDM) berpengaruhnegatif terhadap ekonomi sebesar 0.176 dengannilai t-statistik sebesar 5.472.
• Kesehatan berpengaruh positif dan signifikanterhadap kemiskinan dengan koefisien jalursebesar 0.567 dan t-statistik sebesar 6.202.
• Ekonomi berpengaruh negatif dan signifikanterhadap kemiskinan, dengan nilai koefisien jalursebesar 0.193 dan t-statistik sebesar 2.773.
• SDM memberikan pengaruh yang negatif dansignifikan terhadap kemiskinan, dengan nilaikoefisien jalur sebesar 0.56 dan nilai t-statistiksebesar 5.651.
• Kesehatan berpengaruh positif dan signifikanterhadap SDM dengan nilai koefisien jalursebesar 0.891 dan nilai t-statistik sebesar105.688.
• Penambahan-penambahan indikatormaupun variabel baru untuk memperjelashubungan antar variabel laten danvariabel indikator dalam model yangsignifikan.
• modifikasi konstruk model struktural agarmendapatkan model yang lebih baik.
Recommended