Tahap 1.4 : Pemeriksaan Konvergensi
3. Evaluasi Model PLS-PM
PLS-PM adalah model statistik yang terdiri dari model struktural dan model pengukuran. Dengan demikian evaluasi model pada PLS-PM terdiri dari dua tahap yaitu: (1) validasi untuk penaksiran model pengukuran, dan (2) evaluasi model struktural. Hal yang perlu diperhatikan dalam menggunakan PLS-PM adalah tidak adanya suatu kriteria statistik yang mampu menilai secara keseluruhan kualitas sebuah model sehingga peneliti tidak mampu melakukan analisis inferensia untuk uji kelayakan model. Sebagai alternatif, uji non parametrik melalui metode
resamplingseperti jackknifing atau bootstrapping bisa digunakan pada penaksiran
kebaikan model yang dihasilkan.
Outside Approximation
Inside Approximation
Outer Weight
Konvergensi
Estimasi Akhir Variabel Laten
Estimasi Koefisien Jalur dan Loading
Ya Tidak
20
Validasi Model Pengukuran : Hubungan Refleksif
Pada model pengukuran dengan hubungan refleksif, ada tiga hal yang perlu diperhatikan. Yaitu (1) loading, (2) composite reability dan (3) Average
Variance Extacted (AVE).
• Loading
Nilai loading menunjukkan korelasi antara indikator dengan konstruk latennya. Indikator dengan nilai loading yang rendah menunjukkan bahwa indikator tersebut “tidak bekerja” pada model pengukurannya. Nilai loading sebuah indikator idealnya berada di atas 0,7. Namun indikator dengan nilai loading 0,5 – 0,6 masih bisa digunakan pada penelitian awal (Ghozali, 2008).
• Composite Reability (
Nilai Composite Reability ( mengukur konsistensi indikator-indikator yang digunakan dalam model pengukuran refleksif. Nilai yang tinggi menunjukkan konsistensi yang tinggi dari masing-masing indikator dalam mengukur konstruk latennya. Nilai dalam model pengukuran refleksif harus diatas 0,6 (Ghozali, 2008).
• Average Variance Extracted (AVE)
Average Variance Extracted (AVE) digunakan untuk mengukur
banyaknya varians yang dapat ditangkap oleh sebuah konstruk laten dibandingkan dengan variansi yang ditimbulkan oleh kesalahan pengukuran. Nilai AVE untuk variabel laten ke-j harus lebih besar dari 0,5 (Ghozali, 2008)
Validasi Model Pengukuran : Hubungan Formatif
Pada model pengukuran dengan hubungan formatif, outer wieght (penimbang) setiap indikator dibandingkan satu sama lain untuk menentukan indikator yang memberikan kontribusi terbesar dalam suatu konstruk. Pada α = 5% indikator dengan nilai penimbang yang kecil (t-statistik < 1,96) menunjukkan bahwa indikator tersebut secara signifikan tidak memberikan kontribusi dalam mengukur konstruk latennya. Namun, indikator tersebut tidak harus dieliminasi dari konstruknya. Eliminasi suatu indikator dari suatu
21
konstruk bisa dilakukan jika muncul multikolinearitas yang tinggi (VIF > 10) dalam konstruk tersebut (Trujillo, 2009).
Evaluasi Model Struktural
Evaluasi model struktural pada PLS-PM dilakukan dengan melihat signifikansi dari nilai inner weight (koefisien jalur) sebuah variabel laten. Pada α = 5% sebuah variabel laten eksogen berpengaruh secara signifikan terhadap variabel laten endogen jika didapatkan nilai koefisien jalur dengan t-statistik lebih besar dari 1,96. Selain itu, kebaikan dari model struktural yang dihasilkan diukur melalui nilai koefisien determinasi R2. Pada PLS-PM nilai
R2 merupakan nilai koefisien determinasi untuk variabel laten endogen. Sehingga, untuk setiap regresi pada model struktural akan didapatkan sebuah nilai R2 (Trujillo, 2009). Nilai R2
Selain itu, kebaikan seluruh model struktural yang terbentuk, dinilai dengan koefisien determinasi total Q
menunjukkan seberapa besar keragaman pada variabel laten endogen yang mampu dijelaskan oleh variabel laten eksogen.
2
. Nilai Q2 menjelaskan keragaman pada seluruh variabel laten tak bebas yang dapat dijelaskan oleh variabel laten bebasnya. Nilai Q2 berkisar antara 0 – 1. Semakin besar nilai Q2
dengan adalah koefisien determinasi untuk sebanyak p variabel laten endogen.
semakin banyak keragaman pada variabel laten endogen di model struktural yang dapat dijelaskan oleh variabel laten eksogennya.
Validasi dengan Metode Resampling
PLS-PM bukanlah metode statistik yang mengikuti suatu distribusi tertentu sehingga signifikansi dari estimasi parameternya tidak bisa diuji melalui uji statistik parametrik. Namun, pendekatan statistik non-parametrik bisa dilakukan dengan menggunakan berbagai metode resampling seperti
jackknifing atau bootstrapping. Metode resampling dengan bootstrapping
lebih baik dibandingkan dengan metode resampling lainnya. Secara sederhana, prosedur bootstrapping adalah sebagai berikut :
22
- Sebanyak M kelompok sampel (replika) dibangun untuk kemudian didapatkan sebanyak M estimasi untuk setiap parameter pada model PLS-PM.
- Setiap replika memiliki ukuran sampel yang sama dengan banyaknya kasus yang ada pada dataset yang diperoleh dengan metode sampling
23
METODOLOGI
Metodo Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data sekunder, dengan mengacu pada indikator-indikator yang digunakan dalam pembuatan peta kerawanan pangan Indonesia yang disusun oleh Dewan Ketahanan Pangan RI.
Data tersebut berasal dari beberapa sumber yaitu Badan Pusat Statistik (BPS), Kementerian Kesehatan dan Kementerian Pertanian. Data sekunder yang berasal dari BPS diperoleh dari Indeks Pembangunan Manusia Tahun 2007, dan Statistik Potensi Desa 2008. Data yang berasal dari Kementerian Kesehatan adalah data hasil Riset Kesehatan Dasar (RISKESDAS) tahun 2007 dan data mentah yang berasal dari Susenas 2007. Sedangkan data yang berasal dari Kementerian Pertanian adalah data klasifikasi kabupaten menurut tingkat kerawanan pangan yang berasal dari publikasi FSVA 2009.Rincian untuk masing-masing indikator yang digunakan tersaji pada Tabel 1.
Tabel 1 Daftar Variabel dan Indikator
No. Variabel Indikator Sumber Tahun
1 Ketersediaan Pangan
- Konsumsi kalori per kapita per hari
- Konsumsi protein per kapita per hari
- Rasio antara produksi pangan terhadap konsumsi normatif penduduk (300 gr serelia per kapita per hari Hasil Riset Kesehatan Dasar (RISKESDAS) dari Kementrian Kesehatan 2007 2 Akses Pangan - Persentase penduduk tidak miskin - Persentase rumah tangga yang menggunakan listrik
- Persentase desa yang memiliki akses jalan kendaraan roda empat - Persentase desa yang
memiliki akses pasar
Susenas Kor Susenas Kor Statistik Potensi Desa (PODES) Statistik Potensi Desa (PODES) 2007 2007 2008 2008
24
No. Variabel Indikator Sumber Tahun
3 Penyerapan Pangan
- Persentase rumah tangga yang menggunakan air dengan kualitas fisik air yang baik
- Persentase rumah tangga yang memiliki akses terhadap fasilitas pelayanan kesehatan Hasil Riset Kesehatan Dasar (RISKESDAS) dari Kementrian Kesehatan 2007 4 Ketahanan Pangan
- Persentase balita yang tidak mengalami kekurangan gizi (underweight)
- Persentase balita yang tidak mengalami kekurusan (stunting)
- Angka harapan hidup
Hasil Riset Kesehatan Dasar (RISKESDAS) dari Kementrian Kesehatan Indeks Pembangunan Manusia (IPM) 2007 2007
Pengolahan data-data tersebut dilakukan dengan menggunakan beberapa software diantaranya MS EXCEL, SPSS 16.0, dan SmartPLS versi 2.0.
Metode Analisis
Secara garis besar, tahapan analisis data pada penelitian ini adalah : 1. Analisis Deskriptif
Analisis deskriptif merupakan bentuk analisis sederhana yang bertujuan untuk mempermudah penafsiran data. Analisis deskriptif yang digunakan dalam penelitian ini disajikan dalam bentuk tabel dan grafik untuk memberikan gambaran umum variabel-variabel pada faktor ketersediaan, akses, penyerapan dan ketahanan pangan.
2. Analisis PLS-PM
Penelitian ini menggunakan metode analisis Partial Least Square Path
Modelling (PLS-PM) sebagai alat analisis inferensia. PLS-PM merupakan
metode statistik yang digunakan untuk analisis model struktural menggunakan variabel laten. PLS-PM tidak mengasumsikan sebaran peluang teoritis tertentu sehingga pengujian statistik dilakukan dengan metode
25
resampling seperti jackknifing atau bootstrapping. Namun PLS-PM
mengharuskan adanya hubungan yang rekursif, linier dan aditif antar variabel laten.
PLS-PM merupakan pendekatan alternatif model persamaan struktural (SEM) yang bertujuan untuk mendapatkan prediksi skor variabel laten.
Secara garis besar, tahap-tahap analisis data pada penelitian ini meliputi tahap deskripsi data dan tahap pemodelan. Tahap pemodelan dalam penelitian ini mengikuti tahap-tahap prosedur PLS-PM yang meliputi (a) Spesifikasi model, (b) Identifikasi, (c) dugaan, dan (d) Evaluasi model.
Pengembangan Diagram Jalur
Berdasarkan model teoritis selanjutnya dikembangkan konstruksi diagram jalur sebagaimana ditunjukkan pada Gambar 5.
26
Keterangan :
= Penduduk tidak miskin (Tdk_Miskin)
= Rumah tangga yang menggunakan Listrik (Ak-Listrik) = Akses jalan (Ak_Jalan)
= Akses pasar (Ak_Pasar)
= Rumah tangga yang menggunakan air dengan kualitas baik (Ak_Air) = Rumah tangga yang memiliki akses ke fasilitas kesehatan (Ak_Sehat) = Konsumsi Kalori (Kons_Kalori)
= Konsumsi Protein (Kons_Protein) =Rasio konsumsi normatif (Kons_Norm)
= Angka harapan hidup (AHH)
= Balita yang tidak underweight (Tdk_Under) = Balita yang tidak stunting (Tdk_Stunting)
Formulasi Model Jalur
Berdasarkan Gambar 5, maka dapat dibentuk beberapa model persamaan sebagai berikut :
- Model pengukuran variabel Laten dengan menggunakan hubungan refleksif Pada penelitian ini hanya ada satu variabel laten yang dibentuk dengan menggunakan hubungan refleksif yaitu variabel laten ketahanan pangan. Model pengukurannya sebagai berikut :
dengan :
= Angka harapan hidup (AHH)
= Balita yang tidak underweight (Tdk_Under) = Balita yang tidak stunting (Tdk_Stunting)
- Model pengukuran variabel Laten dengan menggunakan hubungan formatif Dalam penelitian ini terdapat tiga variabel laten yang disajikan dalam bentuk hubungan formatif yaitu variabel laten ketersediaan pangan, akses pangan dan penyerapan pangan. Model pengukurannya sebagai berikut :
27
dengan :
= Penduduk tidak miskin (Tdk_Miskin)
= Rumah tangga yang menggunakan Listrik (Ak-Listrik) = Akses jalan (Ak_Jalan)
= Akses pasar (Ak_Pasar)
= Rumah tangga yang menggunakan air dengan kualitas baik (Ak_Air) = Rumah tangga yang memiliki akses ke fasilitas kesehatan (Ak_Sehat) = Konsumsi Kalori (Kons_Kalori)
= Konsumsi Protein (Kons_Protein) =Rasio konsumsi normatif (Kons_Norm) - Model Persamaan Struktural
Persamaan struktural dalam penelitian ini adalah sebagai berikut :
Hipotesis
Berdasarkan latar belakang dan tinjauan pustaka, diajukan hipotesis penelitian sebagai berikut.
1. Akses pangan berpengaruh nyata dan positif terhadap penyerapan pangan. 2. Ketersediaan pangan berpengaruh nyata dan positif terhadap akses pangan.
28
3. Penyerapan pangan berpengaruh nyata dan positif terhadap ketahanan pangan.
4. Ketersediaan pangan berpengaruh nyata dan positif terhadap ketahanan pangan.
5. Ketersediaan pangan berpengaruh nyata dan positif terhadap penyerapan pangan.
29