Seminar Hasil Tugas Akhir · Bagi mahasiswa untuk tambahan pengetahuanmengenai metode Bayesian CFA pada penentuan indikator yang mempengaruhi kemiskinan. Selanjutnya

Penentuan Indikator Kemiskinan Berdasarkan Dimensi KualitasKesehatan dan Kualitas Ekonomi menggunakan Confirmatory

Factor Analysis (CFA) dengan Pendekatan Bayesian diKabupaten Jombang

Oleh PembimbingFarisca Susiani (1309100113) Dr. Bambang W. Otok, M.Si

S e m i n a r H a s i l T u g a s A k h i r

A g e n d a

F a r i s c a S u s i a n i ( 1 3 0 9 1 0 0 1 1 3 ) P a g e 2

LatarBelakang

RumusanMasalah

Tujuanpenelitian


P e n d a h u l u a n

ManfaatPenelitian

BatasanMasalah

Pendahuluan

Kemiskinan merupakan permasalahan klasik yang mendera berbagai negara, termasuk negara berkembang seperti Indonesia.Kekeliruan yang sering terjadi adalah kemiskinan semata-mata hanyadidefinisikan sebagai permasalahan ekonomi.Suryawati (2005)


TinjauanPustaka

Metodologi

RumusanMasalah

TujuanPenelitian

ManfaatPenelitian

BatasanMasalah

Analisis danPembahasan

Kesimpulan

Kemiskinan

Kesehatan Sosial-Budaya Sosial-Politik Pendidikan, Agama, dan Budi

Pekerti

PerdamaianDunia

Pendahuluan

Pada penelitian ini kemiskinan dipandang melalui dua dimensi, yaitu kualitaskesehatan dan kualitas ekonomi.Persentase jumlah penduduk miskin Kabupaten Jombang mengalami kenaikanpada tahun 2005 (14,12%) ke 2006 (18,18%).Setelah tahun 2006 perlahan-lahan persentase jumlah penduduk miskinKabupaten Jombang mengalami penurunan, namun tidak menutup kemungkinandapat mengalami penambahan kembali dikarenakan pertambahan pendudukyang terjadi setiap tahunnya..Metode Confirmatory Factor Analysis (CFA) dengan pendekatan Bayesian digunakan untuk mengidentifikasi indikator rumah tangga miskin yang dapatmengukur kedua dimensi tersebut.


TinjauanPustaka

Metodologi

RumusanMasalah

TujuanPenelitian

ManfaatPenelitian

BatasanMasalah


Kesimpulan

Pendahuluan


LatarBelakang

ManfaatPenelitian

BatasanMasalah

1. Bagaimana karakteristik darirumah tangga miskin diKabupaten Jombang?

2. Apa saja indikator yang memilikipengaruh besar dalammengukur variabel laten kualitaskesehatan menggunakanBayesian CFA?

3. Apa saja indikator yang memilikipengaruh besar dalammengukur variabel laten kualitasekonomi menggunakan Bayesian CFA?

1. Mengetahui karakteristik darirumah tangga miskin diKabupaten Jombang.

2. Mendapatkan nilai indikatoryang memiliki pengaruh besardalam mengukur variabellaten kualitas kesehatanmenggunakan Bayesian CFA?

3. Mendapatkan nilai indikatoryang memiliki pengaruh besardalam mengukur variabellaten kualitas ekonomimenggunakan Bayesian CFA?

TinjauanPustaka

Metodologi


Kesimpulan

Pendahuluan


LatarBelakang

RumusanMasalah

TujuanPenelitian

Bagi mahasiswa untuk tambahanpengetahuan mengenai metode Bayesian

CFA pada penentuan indikator yang mempengaruhi kemiskinan. Selanjutnya

bagi masyarakat dalam memberikaninformasi mengenai kemiskinan yang

melanda penduduk di Kabupaten Jombangsehingga dapat membantu pihak

pemerintah daerah setempat untukmenentukan kebijakan terkait program

pengentasan kemiskinan.

Ruang lingkuppenelitiaan ini hanyadibatasi untuk rumahtangga di Kabupaten

Jombang, Jawa Timur

TinjauanPustaka

Metodologi


Kesimpulan

PenelitianTerdahulu

CFA

PendekatanBayesian


T i n j a u a n P u s t a k a

KabupatenJombang

Kemiskinan

TinjauanPustaka

• Pemodelan SEM dengan Generalized Structured (GSCA) (Studi KasusPenentuan Struktur Model Kemiskinan di Kabupaten/Kota Provinsi JawaTengah)

Ekasari dan Sunaryo (2011)

• A Bayesian Confirmatory Factor Analysis of Precision Agricultural Challenges

Najafabadi, Hosseini, dan Bahramnejad (2011)


CFA

PendekatanBayesian

KabupatenJombang

Kemiskinan

PendahuluanMetodo

logiAnalisis danPembahasan

Kesimpulan

TinjauanPustaka

CFA

First-Order

Higher-Order

F a r i s c a S u s i a n i ( 1 3 0 9 1 0 0 1 1 3 ) P a g e 1 0

PenelitianTerdahulu

PendekatanBayesian

KabupatenJombang

Kemiskinan

PendahuluanMetodo


Kesimpulan

Model Pengukuran: δξ +Λ= xx

Matriks kovarians:

δθ Θ+ΦΛΛ=Σ ')( xx

εδξεδξ ++Λ=++Λ= BBBx )(

Model Pengukuran Higher-Order

εδθ Θ+Θ+ΛΦΛ=Σ '' )()( BB

Matriks kovarians Higher-Order:

TinjauanPustaka

Hal dasar dari pendekatan bayesian adalah memanfaatkan informasisebelumnya tentang masalah (yang diterjemahkan dalam distribusi prior) untukmencapai hasil yang lebih baik. Berdasarkan Teorema Bayes.

Selanjutnya persamaan di atas dapat ditulis menjadi

Distribusi Prior yang digunakan adalah conjugate prior distribution


PenelitianTerdahulu

CFA

KabupatenJombang

Kemiskinan

PendahuluanMetodo


Kesimpulan

)()()|(

)(),()|(

xppxp

xpxpxp θθθθ ==

)()|()|( θθθ pxpxp ∝

[ ]],[~

],[~|

],[~

01

00

001

0ρ

βα

δδ

δδδ

−

−

Φ

ΘΛΘΛ

Θ

RhartInverseWis

HNormal

Gamma

r

xkkkkk

kkk

TinjauanPustaka

Kabupaten Jombang mempunyai luas wilayah 1.159,50 km2. Terdiri dari 21 Kecamatan dan301 desa, 5 kelurahan, dengan jumlah penduduk terbesar terdapat di kecamatanJombang (148.494 jiwa), sedangkan terkecil di Kecamatan Ngusikan (22.958 jiwa) padatahun 2009. Jika dilihat dari perkembangan Rumah Tangga Miskin adalah.

persentase Rumah Tangga Miskin (RTM), pada tahun 2005 hingga 2009 (21,6%) sempatmengalami penurunan namun kembali naik pada tahun 2010, yaitu sebesar 23,12%.


PenelitianTerdahulu

CFA

PendekatanBayesian

Kemiskinan

PendahuluanMetodo


Kesimpulan

No KeteranganTahun

2005 2006 2009 20101. Jumlah Rumah

Tangga 273.917 313.874 344.104 321.356

2. Jumlah Rumah Tangga Miskin

78.053 78.044 74.340 74.301

TinjauanPustaka

Laju pertumbuhan ekonomi sekiranya juga dapat mempengaruhi jumlahpenduduk miskin. Laju pertumbuhan ekonomi Kabupaten Jombang secara umumterus berfluktuasi naik, namum pada tahun 2008 dan 2009 pertumbuhanekonomi sempat mengalami penurununan.


PenelitianTerdahulu

CFA

PendekatanBayesian

Kemiskinan

PendahuluanMetodo


Kesimpulan

TinjauanPustaka

• Konferensi Dunia untuk Pembangunan Sosial dalam Roebyantho, et.al, (2011) mendefnisikan Kemiskinan sebagai rendahnya tingkat pendapatandan sumber daya produktif yang menjamin kehidupan berkesinambungan, kelaparan dan kekurangan gizi, rendahnya tingkat kesehatan, keterbatasan dan kurangnya akses pada pendidikan dan layanan-layananpokok lainnya, kondisi tak wajar akibat penyakit yang terus meningkat, kehidupan bergelandang dan tempat tinggal yang tidak memadai, lingkungan yang tidak aman, serta diskriminasi dan keterasingan sosial, dan dicirikan juga oleh rendahnya tingkat partisipasi dalam prosespengambilan keputusan dan dalam kehidupan sipil, sosial dan budaya.

• Ada tiga macam konsep kemiskinan yang paling sering dijadikan acuanyakni, kemiskinan absolut, kemiskinan relatif, dan kemiskinan subyektif(Usman, 2003 dalam Handayani, 2006).


PenelitianTerdahulu

CFA

PendekatanBayesian

KabupatenJombang

PendahuluanMetodo


Kesimpulan

TinjauanPustaka

Kemiskinan Berdasarkan Dimensi KesehatanIndikator yang sering digunakan untuk mencerminkan status kesehatan adalah mortalitas, status gizi dan morbiditas. Angka Harapan Hidup juga dapat digunakan sebagai indikatoryang mencerminkan kualitas kesehatan.Menurut BPS (2008), kesehatan dapat dinyatakan dengan indikator pengeluaran rata-rata untuk penyediaan obat-obatan di rumah, ongkos dokter, perawatan, termasuk obat-obatan.Kemiskinan Berdasarkan Dimensi Ekonomi• Badan Pusat Statistik (BPS) dalam Suryawati (2005): tingkat kemiskinan didasarkan

pada jumlah rupiah konsumsi berupa makanan yaitu kurang dari 2100 kalori per orangper hari dan konsumsi nonmakanan.

• Sayogyo dalam Suryawati (2005): tingkat kemiskinan didasarkan jumlah rupiah pengeluaran rumah tangga yang disetarakan dengan jumlah kilogram konsumsi berasper orang per tahun dan dibagi wilayah pedesaan dan perkotaan.

• Bank Dunia dalam Suryawati (2005): mengukur garis kemiskinan berdasarkan padapendapatan seseorang kurang dari US$1 per hari (setara Rp8.500,00 per hari).


PenelitianTerdahulu

CFA

PendekatanBayesian

KabupatenJombang

PendahuluanMetodo


Kesimpulan

Variabelpenelitian

TeknikAnalisis

SumberData


M e t o d o l o g i P e n e l i t i a n

Metodologi


VariabelPenelitian

TeknikAnalisis

Data yang akan digunakan dalampenelitian adalah data sekunder yang diperoleh dari Badan PerencanaanPembangunan Daerah (BAPPEDA) Kabupaten Jombang tahun 2010. Unit analisis pada penelitian ini adalah rumahtangga miskin 21 Kecamatan di KabupatenJombang. Untuk menganalisis data akandipergunakan gabungan software R 2.14.0 dan WinBUGS 1.4. Data awal yang diperoleh dari BAPPEDA KabupatenJombang sebanyak 74.301 rumah tanggamiskin. Perhitungan persentase disiniberdasarkan jumlah rumah tangga miskinper Kecamatan.

PendahuluanAnalisis danPembahasan

Kesimpulan

TinjauanPustaka

Metodologi


SumberData

TeknikAnalisis


Kesimpulan

TinjauanPustaka

VariabelLaten Variabel Indikator

Kesehatan

X1Persentase rumah tangga miskin yang luas lantai bangunan tempat tinggalnyakurang dari 32 m2 per Kecamatan

X2Persentase rumah tangga miskin yang jenis lantai bangunan tempat tinggalnyaterbuat dari tanah/bambu/kayu berkualitas rendah per Kecamatan

X3Persentase rumah tangga miskin yang jenis dinding bangunan tempat tinggalnyaterbuat dari bambu/rumbia/kayu berkualitas rendah per Kecamatan

X4Persentase rumah tangga miskin yang tidak mempunyai fasilitas tempat buangair besar atau bersifat umum per Kecamatan

X5Persentase rumah tangga miskin yang sumber air minumnya berasal darisumur/mata air tidak terlindung/sungai per Kecamatan

X6Persentase rumah tangga miskin yang tidak mempunyai jenis atap dari gentengper Kecamatan

X7Persentase rumah tangga miskin yang tidak sanggup membayar biayapengobatan di Puskesmas/poliklinik per Kecamatan

Metodologi


SumberData

TeknikAnalisis


Kesimpulan

TinjauanPustaka

Ekonomi

X8Persentase rumah tangga miskin yang sumber penerangan tidakmenggunakan listrik per Kecamatan

X9Persentase rumah tangga miskin yang menggunakan bahan bakar untukmemasak sehari-hari adalah kayu bakar/arang/minyak tanah perKecamatan

X10Persentase rumah tangga miskin yang hanya mengkonsumsidaging/susu/ayam satu kali dalam seminggu per Kecamatan

X11Persentase rumah tangga miskin yang tidak sanggup membeli satu setpakaian baru dalam setahun per Kecamatan

X12Persentase rumah tangga miskin yang hanya sanggup makan sebanyaksatu/dua kali dalam sehari per Kecamatan

X13Persentase rumah tangga miskin yang sumber penghasilan kepala rumahtangga per bulan dibawah Rp. 600.000 per Kecamatan

X14Persentase rumah tangga miskin yang tidak memiliki aset dengan nilai Rp500.000 per Kecamatan

X15Persentase rumah tangga miskin yang status kepemilikan bangunan tidakmilik sendiri per Kecamatan

Metodologi

1. Melakukan Analisis Statistika Deskriptif, guna mengetahui karakteristik dari unit yang akan dianalisis, dalam hal ini adalah penduduk miskin Kabupaten Jombang, yaitumenghitung nilai mean dan varians.

2. Melakukan Analisis Confirmatory Factor Analysis guna mendapatkan indikatorkemiskinan dilihat dari berbagai dimensi dengan pendekatan Bayesian. Adapunlangkah-langkah yang perlu dilakukan.• Menentukan model pengukuran


SumberData

VariabelPenelitian


Kesimpulan

TinjauanPustaka

Ekonomi

X8

X14

X9

X10

X13X12

X11

X15Kesehatan

X1

X7

X2

X3

X6X5

X4

Metodologi

Estimasi parameter yang terdiri dari.= matrik loading factor dari variabel indikator untuk laten kualitas

kesehatan dan kualitas ekonomi.= matrik kovarian dari (variabel laten kualitas kesehatan) dan

(variabel laten kualitas ekonomi).• Menentukan distribusi prior untuk setiap parameter yang akan diestimasi.

Distribusi prior mengacu pada penelitian Lee (2007)• Penerapan MCMC dengan Gibbs Sampler untuk mendapatkan hasil

estimasi dari distribusi posterior


SumberData

VariabelPenelitian


Kesimpulan

TinjauanPustaka

Λ

Φ

EstimasiCFA

(Bayesian)

EstimasiCFA

(MLE)

Karakteristik


A n a l i s i s d a n P e m b a h a s a n


Karakteristik Rumah Tangga Miskin di Kabupaten Jombang


EstimasiML

EstimasiBayesian

PendahuluanMetodo

logiKesimpu

lanTinjauanPustaka

Mean (%) Varian (%) Mean (%) Varian (%)x1 35,21 107,52 x8 1,05 0,51x2 34,44 450,90 x9 52,89 170,04x3 37,24 533,98 x10 92,36 20,70x4 54,79 132,59 x11 38,03 116,41x5 60,24 262.16 x12 26,00 120,88x6 1,27 0,72 x13 92,56 7,17x7 2,51 3,12 x14 79,61 51.51

x15 15.57 19,14


Analisis CFA dengan estimasi Maksimum Likelihood (ML) mensyaratkan data memenuhi asumsi multivariat normal. Pengujian multivariat normal terhadapdata.H0: Data berdistribusi normal multivariatH1: Data tidak berdistribusi normal multivariat

Hasil dari pengujian menunjukkan bahwa nilai P-value kurang dari 0,05 sehinggadata tidak berdistribusi multivariat normal


Karakteristik

EstimasiBayesian

PendahuluanMetodo

logiKesimpu

lanTinjauanPustaka

Variabel Laten W P-value KeteranganKualitas Kesehatan 0,7218 5,205e-05 Tidak Multivariat NormalKualitas Ekonomi 0,6828 1,694e-05 Tidak Multivariat Normal


Variabel Laten

Indikator Loading Factor t-hitung Keterangan

Kualitas Kesehatan

x1 1,000*x2 -8,982 -1,124 Tidak Signifikanx3 -9,265 -1,122 Tidak Signifikanx4 -3,129 -1,084 Tidak Signifikanx5 1,505 0,78 Tidak Signifikanx6 0,093 0,849 Tidak Signifikanx7 0,184 0,826 Tidak Signifikan

Kualitas Ekonomi

x8 1,000*x9 86,561 0,795 Tidak Signifikanx10 -18,239 -0,765 Tidak Signifikanx11 -66,612 -0,792 Tidak Signifikanx12 -57,221 -0,784 Tidak Signifikanx13 -5,742 -0,674 Tidak Signifikanx14 -54,677 -0,799 Tidak Signifikanx15 -11,821 -0,717 Tidak Signifikan


Karakteristik

EstimasiBayesian

PendahuluanMetodo

logiKesimpu

lanTinjauanPustaka


Penentuan Parameter untuk Distribusi Prior

Estimasi Parameter Menggunakan Bayesian CFADengan hasil iterasi sebanyak 20 ribu, proses estimasi parameter telahmencapai burn in untuk semua parameter pada iterasi pertama.


Karakteristik

EstimasiML

PendahuluanMetodo

logiKesimpu

lanTinjauanPustaka

)9;84,0(]|[ δδ Θ=ΘΛ NormalD

)4,9(GammaInverseD=Θδ

),0(var Φ= NormaliateMultiD

ξ

=Φ 15,

1001

IWD


Variabel Loading Factor 2,5% 97,5% Keteranganx1 1,000 - - Signifikanx2 0,7403 0,2637 1,208 Signifikanx3 0,8103 0,3193 1,283 Signifikanx4 0,7213 0,09484 1,328 Signifikanx5 0,9276 0,3982 1,441 Signifikanx6 0,9427 0,2424 1,624 Signifikanx7 0,9622 0,4385 1,468 Signifikan


Karakteristik

EstimasiML

PendahuluanMetodo

logiKesimpu

lanTinjauanPustaka

Kesehatan

Ekon

omi

Variabel Loading Factor 2,5% 97,5% Keteranganx8 1,000 - - Signifikanx9 0,7728 0,3525 1,179 Signifikanx10 0,7551 0,2248 1,268 Signifikanx11 0,8529 0,4058 1,295 Signifikanx12 0,783 0,2054 1,341 Signifikanx13 0,7495 0,03618 1,443 Signifikanx14 0,7672 0,07571 1,426 Signifikanx15 0,8858 0,1552 1,591 Signifikan

Kesimpulan

Saran


K e s i m p u l a n d a n S a r a n


1. Karakteristik rumah tangga miskin Kabupaten Jombang umumnya hanyamengkonsumsi daging/susu/ayam minimal satu kali dalam seminggu, sumberpenghasilan kepala rumah tangga per bulan dibawah Rp. 600.000, dan tidak memilikiaset dengan nilai minimal Rp. 500.000.

2. Indikator-indikator penyusun variabel laten kualitas kesehatan memiliki nilai loading factor > 0,50 dan nilai interval probabilitas 2,5% sampai dengan 97,5% tidakmemuat nilai nol, menunjukkan semua variabel indikator berpengaruh signifikanterhadap laten kesehatan. Variabel indikator yang memiliki kontribusi terbesar dalammengukur kualitas kesehatan adalah variabel x7, yaitu persentase rumah tanggamiskin yang tidak sanggup membayar biaya pengobatan di Puskesmas/Poliklinik.

3. Indikator-indikator penyusun variabel laten kualitas ekonomi memiliki nilai loading factor > 0,50 dan nilai interval probabilitas 2,5% sampai dengan 97,5% tidakmemuat nilai nol, menunjukkan semua variabel indikator berpengaruh signifikanterhadap laten ekonomi. Untuk kontribusi terbesar laten kualitas ekonomi adalahvariabel x15, yaitu persentase rumah tangga miskin yang status kepemilikan bangunantidak milik sendiri.


Saran

PendahuluanMetodo

logiKesimpu

lanTinjauanPustaka


1. Terkait dengan jumlah sampel yang digunakan, sebaiknya menggunakanjumlah sampel yang lebih besar agar didapatkan hasil yang lebih sesuaidengan keadaan.

2. Selain jumlah sampel, perlu diperhatikan pula variabel-variabel indikatoryang akan digunakan. Variabel indikator pada penelitian selanjutkan dapatditambahkan lagi namun harus signifikan dalam mengukur variabel laten.

3. Selanjutnya jika berbicara tentang variabel laten, pada penelitian inikemiskinan hanya diukur oleh dimensi laten kualitas kesehatan dankualitas ekonomi. Akan lebih baik jika ditambahkan dengan dimensi latensumber daya manusia SDM yang juga turut berperan.


Kesimpulan

PendahuluanMetodo

logiKesimpu

lanTinjauanPustaka

D a f t a r P u s t a k aBAPPEDA Kab. Jombang. (2011). Laporan Akhir Penyusunan Indeks Pembangunan Manusia Kabupaten JombangTahun 2011. Jombang: BAPPEDA Kab. Jombang.Bollen, K. (1989). Structural Equations With Latent Variables. New York: John Wiley & Sons, Inc.BPS. (2008). Analisis dan Perhitungan Tingkat Kemiskinan Tahun 2008. Jakarta: Badan Pusat Statistik.BPS. (2010). Perumahan. Diakses tanggal 10 Juli 2013, dari http://sp2010.bps.go.id/index.php/BPS. (2013). Profil Kemiskinan di Indonesia September 2012. Berita Resmi Statistik, 6(1), p.1-8.BPS Jombang. (2010). Kabupaten Jombang dalam Angka 2010. Jombang: Badan Pusat Statistik.Casella, G., dan George, E. I. (1992). Explaining the Gibbs Sampler. The American Statistician, 46(3), p. 167-335. Ekasari, D.F., dan Sunaryo, S. (2011). Pemodelan SEM dengan Generalized Structured Component Analysis (GSCA) (Studi Kasus Penentuan Struktur Model Kemiskinan di Kabupaten/Kota Provinsi Jawa Tengah), Magister Statistika, FMIPA. Surabaya : Institut Teknologi Sepuluh Nopember. [Tidak dipublikasikan].Pemerintah Kabupaten Jombang. (2009). Profil Kesehatan [online]. Diakses tanggal 10 Juli 2013, darihttp://jombangkab.go.id/Efendi, M. M, dan Purnomo, J. D. T. (2012). Analisis Faktor Konfirmatory untuk Mengetahui Kesadaran Berlalu LintasPengendara Sepeda Motor di Surabaya. Jurnal Sains dan Seni, 1(1). p.D-106-D-111.Gelman, A., Carlin, J. B., Stern, H. S., dan Rubin, D. B. (2004). Bayesian Data Analysis 2nd. New York: Chapman & Hall/CRC Press.Hair, J. F., Black, W. C., Babin, B. J., dan Anderson, R. E. (2010). Multivariate Data Analysis 7th. Pearson Prentice Hall.

http://sp2010.bps.go.id/index.php/

http://jombangkab.go.id/

D a f t a r P u s t a k a ( c o n 1 . )Handayani, R. (2006). Paradigma Baru Pengentasan Kemiskinan di Indonesia Bukan Sekedar Tugas Dan Kebajikan, Tapi Sebuah Investasi. Menuju Indonesia Sejahtera: Upaya Konkret Pengentasan Kemiskinan. Jakarta: Khanata, Pustaka LP3ES Indonesia.Ibrahim, J. T., Soelistyo, A., dan Sutikno. (2009). Analisis Karakteristik Kemiskinan Petani di Jawa Timur. JurnalSalam Universitas Muhammadiyah Malang, 12(1), p. 57-73.Kaplan, D., dan Depaoli, S. Bayesian Structural Equation Modeling. Hoyle, R. (Eds.) Handbook of Structural Equation Modeling. New York: Guilford Press.Karnaji. (2007). Komitmen dan Konsistensi Pemerintah dalam Mengatasi Masalah Kemiskinan: Analisis Kasus diJawa Timur. J. Sosiologi FISIP, Unair, 20(1).Lee, S. Y. (2007). Structural Equation Modeling: A Bayesian Approach. England: John Wiley & Sons Ltd.Najafabadi, M. O., Hosseini, S. J. F., dan Bahramnejad, S. (2011). A Bayesian Confirmatory Factor Analysis of Precision Agricultural Challenges. African Journal of Agricultural Research, 6(5), p.1219-1225.Persaulian, B., Aimon, H., dan Anis, A. (2013). Analisis Konsumsi Masyarakat di Indonesia. J. Kajian Ekonomi, 1(2), p.1-23.Roebyantho, H., Setiti, S. G., dan Rahman A. (2011). Dampak Sosial Ekonomi Program Penanganan Kemiskinan melaluiKUBE. Jakarta: P3KS Press.Suryawati, C. (2005). Memahami Kemiskinan Secara Multidimensional. J. Manajemen Pelayanan Kesehatan, 8(3). p.121-129.

D a f t a r P u s t a k a ( c o n 2 . )Tim Nasional Percepatan Penanggulangan Kemiskinan (TNP2K). (2011). Indikator Kesejahteraan Daerah ProvinsiJawa Timur. Jakarta: TNP2K.Wahyuni, D. S. (2012). Hubungan Kondisi Fisik Rumah dan Karakteristik Individu dengan Kejadian Tuberkulosis paruBTA Positif di Puskesmas Ciputat Kota Tangerang Selatan Tahun 2012. BIMKMI, 1(1), p.1-8.Walpole, R. E. (1997). Pengantar Metode Statistika. Jakarta: PT. Gramedia Pustaka Utama.

Documents

Seminar Hasil Tugas Akhir · Bagi mahasiswa untuk tambahan pengetahuanmengenai metode Bayesian CFA pada penentuan indikator yang mempengaruhi kemiskinan. Selanjutnya