Interaksi Sosial Kehidupan Masyarakat
LISREL Variabel
laten unik, sedangkan variabel laten yang mempengaruhi lebih dari satu variabel pengukuran disebut faktor laten umum.
Tabel 6 Matriks- matriks Model Laten Variabel
Nama Deskripsi Simbol Unsur Notasi
LISREL Variabel
Eta Variabel laten endogenus η mx1 η
Xi Variabel laten exogenus ξ nx1 ξ
Zeta Error ζ mx1 ζ
Model Laten Variabel:
Beta Hubungan antara konstruk endogen
B ßnn BE
Gamma Hubungan antara konstruk eksogen dan endogen
Γ Ynm GA
Phi Korelasi antara konstruk eksogen F Fm m PH Psi Korelasi persamaan struktural
atau konstruk endogen
Model persamaan struktural melibatkan dua tipe konstrak laten yaitu:
(a) Variabel laten eksogenus adalah variabel tak terukur yang tidak dipengaruhi oleh variabel lain di dalam sistem.
(b) Variabel laten endogenus adalah variabel tak terukur yang diakibatkan oleh variabel lain di dalam sistem.
Bentuk endogenus dan eksogenus adalah model khusus, sehingga dimungkinkan suatu variabel merupakan variabel eksogenus di satu model namun endogenus di model lain. Dimungkinkan pula, suatu variabel menunjukkan eksogenus namun dapat dipengaruhi oleh variabel- variabel eksogenus lainnya.
Model Pengukuran
Menggambarkan hubungan antara variabel- variabel indikator (variabel pengamatan) dengan variabel-variabel tak terukur (variabel laten) yang dibangunnya. Adapun model pengukuran ini ada dua yaitu :
x = Λxξ + δ dan y = Λyη + ε Keterangan:
§ η adalah vektor m x 1 dari variabel endogenus (variabel terikat yang terukur),
§ξ adalah vektor n x 1 dari variabel eksogenus (variabel bebas yang tak terukur),
§ y adalah vektor p x 1 dari variabel terukur atau variabel indikator bagi variabel endogenus (variabel terikat yang terukur),
§ Λy adalah matriks p x m koefisien loading dari y terhadap variabel endogenus (η),
§ ε adalah gala t pengukuran y berukuran p x 1,
§ x adalah vektor q x 1 dari variabel terukur atau variabel indikator bagi variabel eksogenus (variabel bebas yang tak terukur),
§ Λx adalah matriks q x n koefisien loading dari x terhadap variabel eksogenus (ξ), dan
Menurut Bollen (1989), sistem persamaan struktural terdiri atas:
a. Variabel acak, yaitu variabel laten (laten variabel), variabel pengamatan (observed variabel) dan variabel simpangan (disturbance/error variabel), b. Paramaeter struktural, dan
c. Variabel tak acak, yaitu variabel penjelas nilai-nilai sama pada contoh acak berulang (fixed or nonstochatic variabel). Untuk lebih jelasnya dapat dilihat pada tabel 7.
Tabel 7 Matriks- matriks Model Pengukuran
Nama Deskripsi Simbol Unsur Notasi
LISREL Variabel
- Indikator observasi dari η Y px1 y
- Indikator observasi dari ε X qx1 x
Epsilon Error dari y E px1 e
Delta Error dari x δ qx1 δ
Model Pengukuran:
Lamda-X Koefisien jalur indikator eksogen
? x λxpn LX
Lamda-Y Koefisien jalur indikator endogen
? y λyqn LY
Theta-delta Matriks error indikator konstruk eksogen
Td dpp TD
Theta- epsilon
Matriks error indikator konstruk endogen
Tε εqq TE
Evaluasi Kriteria Goodness-of-fit
Pada langkah ini kesesuaian model dievaluasi melalui telaah terhadap berbagai kriteria goodness-of-fit. Untuk itu tindakan pertama yang dilakukan adalah mengevaluasi apakah data yang digunakan dapat memenuhi asumsi- asumsi SEM.
a. Uji Kesesuaian & Uji Statistik
Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model (Hair et al., 1995; Joreskog &
Sorbom, 1989; Long, 1983; Tabachnick & Fidel, 1996). Umumnya terhadap berbagai jenis fit index yang digunakan untuk mengukur derajad keseuaian antara model yang dihipotesakan dengan data yang disajikan. Peneliti diharapkan untuk melakukan pengujian dengan menggunakan beberapa fit indeks untuk mengukur kebenaran model yang diajukannya. Berikut ini disajikan beberapa indeks kesesuaian dan nilai cut off untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak.
(1) ?2-Chi-Square Statistic
Alat uji fundamental untuk mengukur kehandalan model secara menyeluruh adalah analisis Khi-Kuadrat.. Khi-Kuadrat ini bersifat sangat sensitif terhadap besarnya sampel yang digunakan. Karena itu, bila jumlah sampel adalah cukup besar yaitu lebih dari 200 sampel, maka statistik chi- square ini harus didampingi dengan alat uji lainnya (Hair et al., 1995; Tabachnick & Fidel, 1996). Model yang diuji akan dipandang baik atau memuaskan bila nilai chi-squarenya rendah. Semakin kecil nilai ?2 semakin baik model itu (karena dalam uji beda chi-square, ?2=0, berarti benar-benar tidak ada perbedaan, Ho diterima) dan diterima berdasarkan probabilitas dengan nilai cut off sebesar p>0.05 atau p>0.10 (Hulland et al., 1996).
Karena tujuan analisis adalah mengembangkan dan menguji sebuah model yang sesuai dengan data atau yang fit terhadap data, maka yang dibutuhkan justeru sebuah nilai ?2 yang tidak signifikan, yang menguji hipotesa nol bahwa estimasi populasi kovarians tidak sama dengan sampel kovarians. Nilai ?2 ini dapat juga dibandingkan dengan derajat bebas (degrees of freedom) untuk mendapatkan nilai ?2-relatif dan digunakan untuk membuat kesimpulan bahwa nilai ?2-relatif yang tinggi menandakan adanya perbedaan yang signifikan antara matriks kovarians yang diobservasi dan yang diestimasi. Dalam pengujian ini nilai ?2 yang rendah menghasilkan sebuah tingkat signifikansi yang lebih besar dari 0.05 akan
mengindikasikan tak adanya perbedaan yang signifikan antara matriks kovarians data dan matriks kovarians yang diestimasi (Hair et al., 1995) Seperti dikemukakan diatas, Khi-Kuadrat bersifat sangat sensitif terhadap besarnya sampel yaitu terhadap sampel yang terlalu kecil (<50) maupun terhadap sampel yang terlalu besar (>500). Oleh karena itu penggunaa Khi- Kuadrat hanya sesuai bila ukuran sampel adalah antara 100 dan 200 sampel. Bila ukuran sampel ada di luar rentang itu, uji signifikansi akan menjadi kurang reliabel. Oleh karena itu pengujian ini perlu dilengkapi dengan alat uji yang lainnya. Menurut Baker et al. (2005:9), uji yang tepat dalam menghandel jumlah sampel yang besar diantaranya yaitu menggunakan uji Comparative Fit Index (CFI) dan uji Root Mean Square Error of Approximation (RMSEA) dengan masing- masing cut-off: CFI > 0,94 (fit) dan RMSEA < 0,08 (fit).
(2) RMSEA – Thew Root Mean Square Error of Approximation
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi nilai Khi-Kuadrat dalam sampel yang besar (Baumgartner & Homburg, 1996). Nilai RMSEA menunjukkan kehandalan model (goodness of fit) yang dapat diharapkan bila model diestimasi dalam populasi (Hair et al., 1995). Nilai RMSEA yang lebih kecil atau sama dengan 0.08 merupakan indeks untuk dapat diterimanya model dan nilai ini diambil dari nilai derajat bebas (degrees of freedom) (Browne & Cudeck, 1993). Lebih lanjut Browne & Cudeck menegaskan bahwa nilai RMSEA sekitar 0.08 atau kurang, mengindikasikan model yang digunakan lebih fit bila dibandingkan dengan nilai RMSEA lebih besar dari 0.08.
(3) GFI – Goodness of Fit Index
Indeks kesesuaian (fit indeks) ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan (Bentler, 1983; Tanaka & Huba, 1989). Indeks ini dihasilkan melalui rumus sebagai berikut:
s) W' (s' tr ) ' ( tr GFI= σWσ
dimana penyebut (numerator) adalah jumlah varians tertimbang kuadrad dari matriks kovarians model yang diestimasi, sementara pembilang (denumerator) adalah jumlah tertimbang kuadrad dari matriks kovarians sampel. W adalah matriks bobot yang dipilih sesuai dengan metode estimasi yang dipilih. GFI adalah sebuah ukuran non-statistikal yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1.0 (Perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah better fit.
(4) AGFI – Adjusted Goodness-of-fit Index
Tanaka dan Huba (1989) menyatakan bahwa GFI adalah anolog dari R2 dalam regresi berganda. Fit indeks ini dapat diadjust terhadap degress of freedom yang tersedia untuk menguji diterima tidaknya model (Arbuckle, 1999). Indeks ini diperoleh dengan rumus sebagai berikut :
( ) d db GFI - 1 - 1 AGFI= Keterangan:
db = ( ) jumlah -sampel-moments 1 = ∑ = g G k p
d = derajat bebas (degress of freedom)
tingkat penerimaan yang direkomendasikan adalah bila GFI mempunyai nilai sama dengan atau lebih besar dari 0.9 (Hair et al.: Hulland et al., 1996). Perlu diketahui bahwa baik GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians dalam sebuah matriks kovarians sampel. Nilai sebesar 0.95 dapat diinterpretasikan sebagai tingkatan yang baik-good overall model fit (baik) sedangkan besaran nilai antara 0.90-0.95 menunjukkan tingkatan cukup-adequate fit (Hulland et al., 1996).
(5) CMIN/DF The minimum sample discrepancy function
(CMIN) dibagi dengan degree of freedomnya akan menghasilkan indeks CMIN/DF, yang umumnya dilaporkan oleh para peneliti sebagai salah satu
indikator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMIN/DF tidak lain adalah statistik chi-square, ?2 dibagi Dfnya sehingga disebut ?2 relatif. Nilai ?2 relatif kurang dari 2.0 atau bahkan kadang kurang dari 3.0 adalah indikasi dari acceptable fit antara model dan data (Arbuckle,1997). Dengan demikian indeks- indeks yang dapat digunakan untuk menguji kelayakan sebuah model adalah seperti yang diringkas padaTabel 8.
Tabel 8 Goodness of Fit Indices
No Goodness of fit index Cut-off
value
01 X2 (Chi – Square) no sign.
02 Significaned Propability = 0.05
03 RMSEA (Root Mean Square Error of Approximation) = 0.08
04 RMR (Root Mean Square Residual) = 0.05
05 SRMR (Standardized Root Mean Square Residual) = 0.05
06 GFI (Goodness of Fit Index) = 0.90
07 AGFI (Adjusted Goodness of Fit Index) = 0.90
08 PGFI (Parsimony Goodness of Fit Index) = 0.50
09 NNFI or TLI or RNI (Non- normed Fit Index) = 0.95
10 CFI (Comparative Fit Index) = 0.94
11 RFI (Relative Fit Index) = 0.95
12 CMIN/DF = 2.00
Keunggulan, dan Kelemahan SEM
SEM dengan A Latent Variable memiliki tiga keunggulan dalam persamaan simultan dengan tingkat estimasi yang lebih tepat dan akurat: (1) Pengukuran model (atau submodel) pada variabel dependent endogenous, (2) Pengukuran (sub) model pada variabel independent exogenous, dan
(3) Persamaan (sub) model, semua estimasi secara simultan.
SEM adalah model struktural yang digunakan untuk menguji pengaruh (efek regresi) dari variabel exogenous terhadap variabel endogenous dan
sebaliknya. SEM suatu pengukuran model bagi variabel endogenous terutama yang melibatkan variabel endogenous dan exogenous tersembunyi.
Model SEM adalah pengukuran digunakan untuk menguji variabel yang lebih spesifik/ a latent variable (tidak diamati). Model SEM hampir sama dengan Analysis Factor tetapi memiliki perbedaan yang mendasar. Model SEM, semua unsur-unsur matriks melukiskan variabel tersembunyi (faktor) dalam kaitannya dengan kombinasi linear-variabel yang diamati dan menerima nilai nol. Nilai- Nilai ini (faktor yang memuat) biasanya mengukur korelasi antar faktor dan variabel yang diamati, dan perputaran secara rutin dilakukan untuk membantu menginterpretasikan faktor dengan memaksimalkan banyaknya pemuatan dengan nilai mutlak tinggi dan rendah. Namun nilai covarian yang ditentukan dalam menguji model harus tidak bernilai nol. Kemudian, model SEM melihat hubungan efek baik efek langsung maupun total efek. Arah efek adalah mata rantai antar suatu variabel produktif dan variabel target. Oleh karena itu hampir semua variabel mengarahkan efek sesuai dengan arah panah di dalam suatu model.
Model SEM melalui program LISREL didesain dalam bentuk model struktural yang mempunyai keistimewaan dan keunggulan dalam menganalisis data yang bersifat laten dan memiliki hubungan kausalitas. Dengan demikian, Model ini tidak begitu valid dan pemborosan apabila menganalisis data yang bersifat fungsional dengan jumlah sampel kecil dan jenis data nominal serta data observasi bukan dalam bentuk data laten.
Konstruksi Peubah Laten Eksogenus Penelitian:
Xij = Λxξ + δ ... (1) Keterangan: untuk ξ = 1; j = 1, 2, 3 untuk ξ = 2; j = 1, 2, 3 untuk ξ = 3; j = 1, 2, 3 untuk ξ = 4; j = 1, 2, 3
ξ1 = peubah laten eksogenus sosio -demografi
ξ11 = peubah pengamatan “pendidikan kepala keluarga”
ξ12 = peubah pengamatan “pendidikan non formal kepala keluarga”
ξ13 = peubah pengamatan “beban ketergantungan keluarga”
ξ2 = peubah laten eksogenus manajemen sumberdaya keluarga
ξ21 = peubah pengamatan “manajemen sumberdaya waktu”
ξ23 = peubah pengamatan “manajemen keuangan keluarga”
ξ3 = peubah laten eksogenus asosiasi lokal
ξ31 = peubah pengamatan “jumlah asosiasi yang diikuti”
ξ32 = peubah pengamatan “tingkat partisipasi”
ξ33 = peubah pengamatan “manfaat asosiaisi”
ξ4 = peubah laten eksogenus karakter masyarakat
ξ41 = peubah pengamatan “keterpercayaan”
ξ42 = peubah pengamatan “solidaritas”
ξ43 = peubah pengamatan “semangat kerja”
ξ = vektor n x 1 dari variabel eksogenus, x = vektor q x 1 dari variabel terukur,
Λx = matriks q x n koefisien loading, dan
δ = vektor galat.
Konstruksi Peubah Laten Endogenus Penelitian:
Yij = Λyη + ε ... (2) Keterangan:
untuk η = 1, j = 1, 2, 3 untuk η = 2, j = 1, 2, 3
η1 = peubah laten endogenus kesejahteraan ekonomi objektif
η11 = peubah pengamatan “kebutuhan pangan keluarga”
η12 = peubah pengamatan “kebutuhan non pangan keluarga”
η13 = peubah pengamatan “kebutuhan investasi sumberdaya manusia”
η2 = peubah laten endogenus kesejahteraan ekonomi subjektif
η21 = peubah pengamatan “pemenuhan kebutuhan pangan keluarga”
η22 = peubah pengamatan “pemenuhan kebutuhan non pangan keluarga”
η23 = peubah pengamatan “pemenuhan kebutuhan investasi sumberdaya manusia”
η = vektor m x 1 dari variabel endogenus, y = vektor p x 1 dari variabel terukur,
Λy = matriks p x m koefisien loading, dan
ε = vektor galat.
Uji Reliabilitas
Tingkat validitas penelitian salah satunya ditentukan oleh reliabilitas instrumen atau tingkat konsistensi antar konstrak variabel penelitian. Reliabilitas adalah ukuran mengenai konsistensi internal dari indikator- indikator sebuah konstrak yang menunjukkan derajad sampai dimana masing- masing indikator itu mengindikasikan sebuah konstrak/faktor laten yang umum. Dengan kata lain, bagaimana hal-hal yang spesifik saling membantu dalam menjelaskan sebuah fenomena yang umum. Reliabilitas salah satunya dapat diuji dengan menggunakan nilai Cronbach’s Alpha (Cr) melalui program SPSS. Pengujian ini dilakukan dengan tujuan agar setiap indikator masing- masing peubah yang digunakan dalam model dapat diketahui kehandalannya. Cr Dapat dirumuskan sebagai berikut:
Cr =
(
)
2 1 2 2 1 t k i t t k k σ σ σ − −∑
= Keterangan:K = Jumlah item pertanyaan 2
t
σ = Keragaman total 2
i
σ = Keragaman masing- masing item pertanyaan.
Instrumen telah handal/reliabel digunakan, apabila nilai Cr > 0,6.
Hasil pengujian dilapangan menunjukkan bahwa reliabilitas instrumen yang digunakan dalam penelitian tentang “Modal Sosial dan Kesejahteraan ekonomi keluarga di Daerah Perdesaan Provinsi Jambi” cukup handal dan signifikan dengan nilai a-cronbach antara 0,672-0,920. Namun demikian, apabila dibandingkan dengan nilai a-cronbach setelah distansdarisasi pada setiap item pertanyaan ternyata masih terdapat beberapa item pertanyaan yang memiliki nilai yang lebih besar. Artinya, instrumen penelitian ini lebih handal/reliabel lagi apabila pertanyaan-pertanyaan tersebut dikeluarkan kalau memang tidak memberi kontribusi penting terhadap penjaringan informasi dalam penelitian. Namun data menunjukkan bahwa rentang perbedaan nilai tersebut tidak terlalu mencolok terhadap standar nilai yang diperoleh yaitu berkisar antara 0,01 – 0,029. Maka oleh sebab itu, item- item pertanyaan tersebut masih dapat dipertahankan. Adapun, peubah-peubah penelitian yang memperoleh kesenjangan nilai a-cronbach dalam penelitian ini seperti pada peubah penelitian Modal Sosial terdapat perbedaan nilai sebesar 0,029 atau antara 0,887 - 0,916 (pertanyaan tentang manfaat dari asosiasi yang diikuti masyarakat). Oleh karena item pertanyaan ini penting untuk melihat kontribusi kelompok/organisasi (modal sosial) terhadap peningkatan kesejahteraan ekonomi keluarga maka secara content validitas cukup besar sehingga pertanyaan ini tetap dipertahankan. Untuk lebih jelasnya nilai reliabilitas instrumen penelitian dapat dilihat pada Tabel 9.
Tabel 9 Reliabilitas Instrumen Penelitian: Jumlah item Petanyaan, Nilai
a cronbach dan Nilai a-cronbach Standarisasi, 2006
No Peubah Penelitian Jumlah
item a-cronbach
a-cronbach standarisasi
01 Sosio-Demografi Keluarga 3 0,720 -
02 Manajemen Sumberdaya Keluarga (Total) 12 0,885 -
a. Manajemen Waktu 4 0,867 -
b. Manajemen Anggota Keluarga 4 0,879 -
c. Manajemen Keuangan 4 0,880 -
03 Modal Sosial (MS) (Total) 12 0,920 -
a. Asosiasi Lokal (Aslok) 4 0,887 0,916
b. Karakter Masyarakat (Kmas) 8 0,890 -
04 Kesejahteraan Ekonomi Subjektif (KES) 3 0,893 -
Definisi Operasional
Modal sosial merupakan bentuk jaringan kerja sosial dan ekonomi di masyarakat yang terjadi antar individu dan kelompok baik formal maupun informal yang bermanfaat dan menguntungkan. Besarnya modal sosial diukur melalui dua dimensi, yakni: asosiasi lokal, dan dimensi karakter masyarakat.
Asosiasi lokal diukur dalam bentuk Kelompok dan organisasi.
Kelompok: atau kelompok informal merupakan hubungan dua individu atau lebih (face to face interaction), masing- masing individu menyadari tugas/wewenangnya dan saling ketergantungan untuk mencapai tujuan bersama (Johnson: Sarwono, 2005:5).
Organisasi: suatu unit sosial yang berupa ”wadah” sekelompok atau beberapa kelompok orang guna melakukan proses kegiatan yang terkoordinasikan dengan menetapkan pembagian tugas, wewenang, tanggung jawab dan peranan setiap anggota untuk mencapai tujuan. (Chester Barnard (Ruwiyanto, Wahyudi, 1988:24). Tinggi rendah kontribusi asosiasi lokal terhadap kesejahteraan ekonomi keluarga diukur secara komposit dari dimensi asosiasi lokal dengan nilai sebagai berikut: (1) sangat rendah, (2) rendah, (3) tinggi, dan (4) sangat tinggi.
Karakter masyarakat yaitu pola hidup masyarakat dalam kehidupan sehari- hari. Karakter masyarakat dapat dilihat dari dua pola yakni pola represif dan pola ekspresif. Pola hidup masyarakat dapat diukur dengan tiga dimensi, yakni: keterpercayaan, solidaritas, dan dimensi semangat kerja.
Keterpercayaan diukur dalam bentuk tingkat keyakinan seseorang terhadap perkataan, perjanjian, dan tindakatan secara konsisten pada saat terjalinnya hubungan antar individu atau kelompok/organisasi. Tingkat
keterpercayaan seseorang dapat dilihat dari dimensi: tingkat komitmen, kejujuran dan tanggung jawab.
Solidaritas yaitu saling mau menerima, merasa memiliki sebagai anggota dari sebuah sistem, dimana mereka saling bergantung satu sama lain, mereka saling percaya untuk memenuhi keinginan bersama sehingga ketentraman dan keharmonisan dapat tercapai. Solidaritas masyarakat dilihat dari tiga aspek: tingkat ketergantungan antar anggota masyarakat, saling bantu membantu, dan aspek kepekaan terhadap kemajuan desa. Semangat Kerja yaitu seorang individu mampu mencurahkan waktu secara
optimal dalam setiap aktivitas sehari- hari. Semangat kerja masyarakat diukur dari disiplin dan keule tan kerja masyarakat. Tinggi rendah kontribusi karakter masyarakat terhadap kesejahteraan ekonomi keluarga diukur secara komposit dari dimensi sebagai berikut: (1) sangat rendah, (2) rendah, (3) tinggi, dan (4) sangat tinggi.
Kesejahteraan yaitu kondisi relatif yang didefinisikan dan dibentuk masyarakat melalui proses interaksi sosial. Pendefinisian kesejahteraan tersebut didasarkan pada stratifikasi sosial dalam masyarakat. Kesejahteraan diukur dengan dua pendekatan yakni: Kesejahteraan Ekonomi Objektif dan Kesejahteraan Ekonomi Subjektif. Tinggi rendahnya tingkat kesejahteraan ekonomi objektif diukur dari nilai komposit kesejahteraan ekonomi objektif keluarga (rasio) dari tiga variabel, yakni: (1) Kebutuhan pangan, (2) Kebutuhan non pangan, dan (3) Kebutuhan investasi sumberdaya manusia dengan nilai sebagai berikut: (1) tidak sejahtera, (2) kurang sejahtera, (3) sejahtera, dan (4) sangat sejahtera. Kesejahteraan ekonomi subjektif (subjective economic well-being) yang diukur dengan tingkat kepuasan keluarga terhadap pemenuhan kebutuhan keluarga.
Kepuasan (satisfaction) sesuatu yang dirasakan oleh keluarga dengan perasaan senang atau puas dengan tingkat kesejahteraan yang dimiliki. Tinggi rendahnya tingkat kepuasan keluarga diukur dari nilai komposit kesejahteraan ekonomi subjektif keluarga dari tiga variabel, yakni: (1) Kepuasan terhadap pemenuhan kebutuhan pangan, (2) Kepuasan terhadap pemenuhan kebutuhan non pangan, dan (3) Kepuasan terhadap pemenuhan kebutuhan investasi dengan nilai sebagai berikut: (1) tidak puas, (2) kurang puas, (3) merasa puas, dan (4) sangat puas.Peubah yang digunakan dalam analisis disparitas adalah peubah kesejahteraan ekonomi objektif froxy pengeluaran dan peubah kesejahteraan ekonomi subjektif secara total, sedangkan dalam analisis struktural adalah menggunakan peubah kesejahteraan dalam konteks distribusi, yaitu: alokasi pengeluaran dan kepuasan terhadap kebutuhan pangan, non pangan dan alokasi pengeluaran dan kepuasan terhadap kebutuhan investasi sumberdaya manusia.
Sosio Demografi Keluarga. Tinggi rendahnya tingkat status sosio demografi yang dimiliki keluarga dan diukur dari nilai komposit dari tiga variabel, yakni: (1) Tingkat Pendidikan (SD, SLTP, SLTA dan PT); (2) Tingkat Keterampilan (tidak terampil, kurang terampil, terampil, dan sangat terampil); dan variabel (3) Beban tanggungan (sangat tinggi, tinggi, rendah dan sangat rendah) dengan nilai sebagai berikut: (1) sangat rendah, (2) rendah, (3) baik, dan (4) sangat baik.
MSDK (Manajemen Sumberdaya Keluarga). Tinggi rendahnya tingkat MSDK keluarga diukur dari nilai komposit dari tiga variabel, yakni: (1) Manajemen waktu; (2) Manajemen Anggota Keluarga (AK); dan variabel (3) Manajemen keuangan dengan nilai sebagai berikut: (1) Sangat kurang, (2) kurang, (3) baik, dan (4) Sangat baik.
Tabel 10 Konstruk/Variabel Penelitian, Indikator, Nilai dan Skala Pengukuran Penelitian, Tahun 2006
No Konstruk/Variabel Indikator Nilai Skala
01 Sosio-Demografi (1) Tingkat Pendidikan (2) Tingkat Keterampilan (3) Beban tanggungan 1. sangat rendah 2. rendah 3. tinggi 4. sangat tinggi Ordinal 02 Manajemen Sumberdaya Keluarga (1) Manajemen waktu (2) Manajemen AK (3) Manajemen uang 1. sangat kurang 2. kurang 3. baik 4. sangat baik Ordinal Modal sosial: - Asosiasi lokal
(1) jumlah asosiasi yang diikuti, (2) tingkat partisipasi , (3) Manfaat asosiasi 1. sangat rendah 2. rendah 3. tinggi 4. sangat tinggi ordinal
Jumlah asosiasi yang diikuti 1. sangat kecil 2. sedikit 3. banyak 4. sangat banyak ordinal Tingkat partisipasi 1. tidak aktif 2. kurang aktif 3. aktif 4. sangat aktif ordinal Manfaat asosiasi 1. tidak bermanfaat 2. kurang bermanfaat 3. bermanfaat 4. sangat bermanfaat ordinal 03 - Karakter Masyarakat (1) Keterpercayaan (2) Solidaritas (3) Kerja Keras 1. sangat rendah 2. rendah 3. tinggi 4. sangat tinggi Ordinal 04 Kesejahteraan Ekonomi Objektif (1) Kebutuhan pangan (2) Kebutuhan non pangan (3) Kebutuhan investasi 1. tidak sejahtera 2. kurang sejahtera 3. sejahtera 4. sangat sejahtera Ordinal 05 Kesejahteraan Ekonomi Subjektif (kepuasan)
(1) Kepuasan Pemenuhan pangan (2) Kepuasan Pemenuhan non pgn. (3) Kepuasan Pemenuhan investasi
1. sangat tidak puas 2. kurang puas 3. puas, dan 4. sangat puas