1 PENDAHULUAN Latar Belakang
2009 2010 2011 2009 2010 2011 IPM Rank IPM Rank IPM Rank IKLH 1) Rank IKLH 2) Rank IKLH 2) Rank
3.3.1. Penyusunan Indeks Komposit Pembangunan Berkelanjutan
Indeks komposit adalah kumpulan indikator atau sub indikator yang tidak memiliki unit pengukuran. Setiap indeks komposit dapat dianggap sebagai model, dan penyusunannya harus mengikuti serangkaian langkah-langkah tertentu agar indeks komposit yang dihasilkan menjadi berguna dan berlaku umum. Langkah- langkah penyusunan indeks komposit pembangunan berkelanjutan (IPB) ini mengikuti penyusunan indeks komposit dalam OECD(2008) dan Kondily (2010).
Keseluruhan tahapan terdiri dari delapan langkah yang dilakukan secara berurutan. Tahap pertama hingga tahap ketiga serta tahap kelima hingga tahap kedelapan mengacu kepada kedua referensi di atas. Namun dalam penelitian ini juga ditambahkan satu tahap lagi, tahap keempat, yang merupakan tahapan seleksi indikator. Dengan demikian keseluruhan langkah tersebut meliputi :
1) Penyusunan kerangka teoritis. Agar dapat memberikan dasar yang kuat untuk seleksi dan kombinasi indikator tunggal menjadi indikator komposit yang bermakna. Kerangka teoritis harus secara akurat menentukan fenomena yang akan diukur dan unsur-unsur yang membentuk mereka.
43 Tabel 9Metode Analisis
Tujuan Penelitian Sumber Data Metode Analisis Output Analisis
- Menganalisis capaian pembangunan di Indonesia dilihat dari dimensi ekonomi, sosial, lingkungan dan kelembagaan
Data sekunder dari BPS, Kementrian Kehutanan, Kementrian Lingkungan Hidup
Analisis deskriptif Perkembangan
pembangunan di Indonesia: Antar waktu Antar wilayah - Mengembangkan indeks komposit pembangunan berkelanjutan yang dibangun dari dimensi ekonomi, sosial, lingkungan dan kelembagaan
Data sekunder dari BPS, Kementrian Lingkungan Hidup Indeks komposit Second order Confirmatory Factor Analysis Analisis deskriptif Indeks komposit pembangunan berkelanjutan Perkembangan pembangunan berkelanjutan di Indonesia: Antar waktu Antar dimensi Antar wilayah - Menganalisis hubungan antara pembangunan berkelanjutan dengan modal sosial di Indonesia
Data sekunder dari BPS, Kementrian Lingkungan Hidup Indeks komposit Korelasi Analisis jalur Analisis deskriptif Indeks modal sosial Hubungan antara pembangunan berkelanjutan dengan modal sosial
2) Identifikasi indikator. Indikator yang digunakan harus dipilih berdasarkan tingkat kehandalannya, terkait ketersediaannya, cakupan spasial, relevan dengan fenomena yang diukur dan hubungan mereka satu sama lain. Penggunaan variabel proksi harus dipertimbangkan ketika data sulit untuk diperoleh.
3) Imputasi data yang hilang. Tiga metode yang tersedia untuk kasus dengan data yang hilang: a) tidak mengikutsertakan record dengan data yang hilang, b) imputasi tunggal (misalnya penggantian dengan regresi, rata-rata atau median) dan c) beberapa imputasi (misalnya Monte Carlo algoritma). Penelitian ini menggunakan metode amputasi data tunggal.
4) Seleksi indikator. Penentuan indikator yang menjadi komponen akhir dari indikator komposit dilakukan dengan menggunakan konfirmatori faktor analisis ordo kedua (second order confirmatory factor analysis).
5) Normalisasi data. Normalisasi dibutuhkan karena adanya perbedaan satuan ukuran pada indikator-indikator yang digunakan. Proses normalisasi akan menghasilkan nilai indikator yang sebanding.
6) Penentuan bobot. Bobot sangat mempengaruhi output dari indikator komposit. Oleh karena itu, indikator harus ditimbang sesuai dengan kerangka teoritis yang mendasari atau berdasarkan analisis empiris, tetapi juga dapat dilakukan
44
dengan memperhitungkan pendapat pakar dan atau opini publik. Secara umum, ada tiga cara untuk menetapkan bobot: a) menggunakan model statistik, b) mengadopsi metode partisipatif dan c) menetapkan bobot yang sama dengan indikator. Dalam penelitian ini, pembobotan dilakukan dengan memanfaatkan hasil konfirmatori faktor analisis ordo kedua (pembahasan lebih lanjut diuraikan setelah tahapan umum penyusunan IPB).
7) Agregasi: agregasi dari indikator dapat linier, geometris atau dapat didasarkan pada analisis multi kriteria. Dalam agregasi baik linier dan geometris, bobot mengekspresikan trade off antar indikator, sedangkan multikriteria analisis mencari kompromi antara dua atau lebih dari tujuan yang telah ditetapkan.Penelitian ini menggunakan agregasi secara linier.
8) Penyajian dan diseminasi hasil: indikator komposit harus mampu memberikan gambaran yang akurat kepada para pembuat keputusan dan pihak yang berkepentingan. Representasi grafis dari indikator komposit harus menunjukkan daerah-daerah yang memerlukan intervensi kebijakan.
Tahapan yang sangat penting di dalam penyusunan indeks komposit adalah penentuan bobot untuk setiap indikator. Dalam penelitian ini, penentuan bobot dilakukan dengan menggunakan loading factor yang dihasilkan dari model konfirmatori faktor analisis/confirmatory factor analysis (CFA).
CFA merupakan bagian dari model persamaan struktural / Structural Equation Model (SEM). Kusnendi (2008), menyebutkan bahwa model persamaan struktural lahir karena adanya kelemahan dari model-model analisis sebelumnya. Para pakar kemudian mencoba menggabungkan prinsip-prinsip analisis jalur, analisis faktor konfirmatori dan prinsip model persamaan simultan dalam ekonometrik. Hasilnya, diperoleh satu metode analisis multivariat dependensi yang dikenal dengan SEM. Dalam penelitian ini analisis SEM akan dipergunakan secara utuh untuk mengidentifikasi faktor-faktor yang mempengaruhi besaran modal sosial pada tingkat individu (tujuan ketiga dari penelitian ini).
Structural Equation Modeling (SEM) atau Model Persamaan Struktural merupakan model yang memiliki berbagai nama, diantaranya adalah analisis struktur kovarian (covariance structure analysis), analisis variabel laten (latent variable analysis), analisis faktor konfirmatori (confirmatory factor analysis), dan sering juga disebut sebagai analisis LISREL (Linear Structural Relationship) yang juga merupakan salah satu software statistik yang banyak digunakan untuk mengolah data menjadi model SEM. Dihasilkan dari sebuah evolusi dari
multiequation modeling yang dikembangkan dengan prinsip ekonometrik dan digabungkan dengan prinsip-prinsip pengukuran dalam psikologi dan sosiologi, SEM telah dimunculkan sebagai sebuah alat integral antara manajerial dan riset akademis, yang mungkin diharapkan menjadi sebuah teknik yang dapat digunakan dengan jangkauan yang luas dan diterapkan pada berbagai macam aplikasi. Lebih lanjut dijelaskan bahwa SEM merupakan metode analisis data untuk melihat pengaruh hubungan sebab akibat antara variabel bebas dengan variabel terikat dalam rangka mencari penjelasan dari korelasi yang teramati dengan membuat hubungan sebab akibat antar variabel. Formulasi SEM dalam bentuk persamaan adalah sebagai berikut:
45 Y1 = X11 + X12 + X13 + . . . + X1n Y2 = X21 + X22 + X23 + . . . + X2n Y3 = X31 + X32 + X33 + . . . + X3n … Ym = Xm1 + Xm2 + Xm3 + . . . + Xmn
(metrik) (metrik, non metrik)
Lebih lanjut dijelaskan bahwa SEM ini telah digunakan di berbagai bidang studi, antara lain bidang manajemen, perilaku organisasi, pendidikan, pemasaran, psikologi, sosiologi, kesehatan, demografi, biologi dan bahkan genetika. Ada dua hal alasan ketertarikan penggunaan penggunaan SEM dalam berbagai bidang tersebut, yaitu:
1. Memberikan metode yang mudah dipahami berkenaan dengan hubungan berganda secara simultan sambil memberikan efisiensi secara statistik.
2. Kemampuannya untuk mengakses hubungan secara komprehensif dan memberikan transisi dari analisis eksplanatori ke analisis konfirmatori. Transisi ini sesuai dengan semakin besarnya upaya dalam semua bidang studi menuju pengembangan ke suatu pandangan yang sistematis dan holistik terhadap pemecahan masalah. Upaya demikian ini memerlukan kemampuan menguji suatu seri hubungan yang terdiri atas suatu model berskala besar, melibatkan puluhan bahkan ratusan variabel dengan puluhan persamaan, suatu set prinsip mendasar atau teori secara keseluruhan.
Teknik SEM dapat dibedakan berdasarkan dua karakteristik, yaitu: (1) estimasi hubungan dependensi berganda dan saling terkait dan (2) kemampuan untuk menggambarkan konsep tak teramati dalam hubungan-hubungan tersebut dan memperhitungkan pengukuran kesalahan dalam proses estimasi.
Teknik SEM memiliki tiga karakteristik, yaitu: (1) melakukan estimasi untuk serangkaian persamaan regresi berganda yang terpisah tetapi saling bergantung, (2) merepresentasikan keterhubungan konsep-konsep tidak teramati (unobserved concept) dan mengkoreksi kesalahan pengukuran (measurement error) dalam proses estimasi tersebut, dan (3) mendefinisikan keterkaitan sejumlah variabel dalam sebuah model tunggal.
Dengan menggunakan SEM, peneliti dapat mendefinisikan variabel dependen dalam suatu persamaan dapat menjadi variabel independen dalam persamaan lain. Di samping itu, SEM juga memiliki kemampuan untuk memasukkan variabel laten ke dalam analisis. Variabel laten adalah konsep yang dihipotesiskan dan tidak teramati, yang hanya dapat diestimasikan oleh variabel yang teramati dan terukur. Variabel teramati yang diperoleh dari responden disebut sebagai variabel manifes atau variabel indikator.
Terdapat tiga alternatif strategi pengembangan model yang disarankan dengan menggunakan SEM, yaitu:
1. Confirmatory modelling strategy, yaitu strategi pemodelan yang bertujuan menguji tingkat signifikansi model tunggal. Jika model yang diusulkan dapat diterima atau sesuai dengan kriteria tertentu, peneliti tidak melakukan pembuktian model yang diusulkan tersebut, melainkan hanya mengonfirmasi sebagai salah satu model dari beberapa model dapat diterima.
2. Competing model strategy, yaitu strategi pemodelan yang bertujuan mengevaluasi beberapa model alternatif yang diusulkan peneliti berdasarkan
46
kajian teoritis yang telah dilakukan. Masing-masing model alternatif merepresentasikan hipotesis hubungan struktural yang cukup berbeda. Selanjutnya, masing-masing model diidentifikasi berdasarkan uji-uji yang ditentukan dan dievaluasi sesuai dengan kerangka konseptual yang dibangun. 3. Model development strategy, yaitu strategi pemodelan yang bertujuan untuk
memperbaiki suatu model dasar melalui modifikasi model pengukuran atau model struktural atau kedua-duanya yang diistilahkan sebagai respesifikasi model. Pengembangan model SEM dengan menggunakan strategi ini, teori diposisikan sebagai titik awal untuk pengembangan model yang memiliki justifikasi secara teoritis dan didukung data empirik.
Tahapan penting yang dilakukan dalam mengembangkan SEM meliputi: (1) mendefinisikan konstruk-konstruk secara individual, (2) mengembangkan keseluruhan model pengukuran, (3) mendesain penelitian untuk memperoleh hasil secara empiris (4) melakukan validasi model pengukuran, (5) melakukan spesifikasi model struktural
Dalam SEM, model pengukuran terdiri atas dua macam persamaan, yaitu persamaan variabel laten eksogen dan persamaan variabel laten endogen yang dinotasikan sebagai berikut:
Yn = λyη + εn
Xn= λxξ + n
Dimana:
Yn = indikator ke-n dari variabel laten endogen
λy= koefisien model pengukuran konstruk y
η= peubah laten endogen
εn= kesalahan pengukuran untuk y
Xn = indikator ke-n dari variabel laten eksogen
λx= koefisien model pengukuran konstruk x
ξ= peubah laten eksogen
n= kesalahan pengukuran untuk x
Tahapan validasi model pengukuran merupakan tahapan yang dilakukan untuk melihat tingkat kevalidan model. Validasi model dilakukan dengan beberapa kriteria Good-of-fit (GOF) yang mengindikasikan derajat kesesuaian antara model yang dihipotesiskan dan data yang diperoleh. Secara umum, GOF dikelompokkan menjadi tiga, yaitu:
a. Absolute fit measures (kecocokan absolut), yang hanya mengkaji model secara keseluruhan (model struktural dan model pengukuran secara bersama-sama). Beberapa kriteria yang dapat digunakan adalah nilai: chi-square (x2) = diharapkan kecil atau signifikansi (p) > 0,05, Goodness of Fit Index (GFI) = semakin besar semakin baik/tidak ada batasan nilai, Root Mean Square Error of Approximation (RMSEA) < 0.08.
b. Incremental fit measures (kecocokan inkremental), yang membandingkan model yang diusulkan dengan model lain yang ditetapkan peneliti. Kriteria yang dapat digunakan adalah nilai: Adjusted Goodness of Fit Index (AGFI) direkomendasikan ≥ 0,90, Normed Fit Index (NFI) semakin tinggi semakin baik/direkomendasikan ≥ 0,90, Non-Normed Fit Index (NNFI)
47 direkomendasikan ≥ 0,90, Comparative Fit Index (CFI) = semakin tinggi semakin baik, Incremental Fit Index (IFI) = semakin tinggi semakin baik, Relative Fit Index (RFI) = semakin tinggi semakin baik.
c. Parsimonious fit measures (kecocokan parsimoni), yang menginformasikan kesederhanaan model dalam kaitannya dengan jumlah parameter yang diestimasi. Dalam konteks ini, model dikatakan fit dengan data jika model yang diusulkan relatif sederhana dibandingkan dengan model alternatif. Kriteria yang dapat digunakan adalah nilai: Parsimonious Normed Fit Index (PNFI) = semakin tinggi semakin baik, dan Parsimonious Goodness of Fit Index (PGFI) = semakin tinggi semakin baik.
Pengukuran goodness of fit yang dipergunakan dalam menilai validitas persamaan struktural sangat beragam dengan berbagai tujuan. Untuk lebih menyederhanakan pemahaman tentang uji validitas ini, Kusnendi (2008) meringkas beberapa ukuran goodness of fit yang paling sering dipergunakan dalam tabel berikut.
Tabel 10Beberapa ukuran goodness of fit test (GFT) dalam Model Persamaan Struktural
Ukuran GFT Kriteria kesesuaian model Kriteria uji Hasil uji p-value chi-square 1,00 (model fit sempurna) ≥ 0,05 Model fit RMSEA 0,00 (model fit sempurna) ≤ 0,08 Model fit GFI, AGFI, CFI,
NFI dan NNFI
0,00 (model fit sempurna) - 1,00 (model fit sempurna)
≥ 0,90 Model fit
Sumber : Kusnendi (2008)
Sebagai sebuah metode, SEM tentunya memiliki keunggulan dan kelemahan. Salah satu keunggulan SEM adalah kemampuannya untuk membuat model dengan variabel laten atau variabel yang tidak diukur secara langsung. Variabel laten diestimasi dari variabel-variabel yang diukur yang diasumsikan mempunyai hubungan dengan variabel tersebut. Beberapa keunggulan SEM lainnya adalah: (a) memungkinkan adanya asumsi-asumsi yang lebih fleksibel, (b) penggunaan analisis faktor penegasan (confirmatory factor analysis) untuk mengurangi kesalahan pengukuran, (c) kemampuannya untuk menguji model dengan menggunakan beberapa variabel tak bebas, dan (d) kemampuannya untuk mengatasi data yang sulit, seperti data time series dengan kesalahan otokorelasi, data yang tidak normal, dan data yang tidak lengkap.
Sementara beberapa kelemahan yang dimiliki oleh SEM adalah sebagai berikut: (a) SEM tidak digunakan untuk menghasilkan model namun untuk mengonfirmasi suatu bentuk model dan (b) hubungan kausalitas di antara variabel tidak ditentukan oleh SEM, namun dibangun oleh teori yang mendukungnya.
Mengacu kepada konsep dasar tentang model persamaan struktural, dengan menggunakan indikator yang telah ditetapkan sebelumnya, maka disusun model konfirmatori faktor analisis ordo keduadalam penyusunan IPB seperti dalam Gambar 5. Nama variabel yang dipergunakan di dalam model, mengacu kepada
48
Tabel 7. Data yang dipergunakan untuk menyusun model tersebut bersumber dari data sekunder yang menggambarkan kondisi 33 provinsi di Indonesia selama periode 2007 hingga 2012.
Penghitungan IPB dilakukan pada tingkat provinsi dan nasional. Selain menghitung IPB secara total, juga dihitung IPB pada masing-masing dimensi, ekonomi, sosial, lingkungan dan kelembagaan. Nilai IPB pada masing-masing dimensi bermanfaat untuk mengukur capaian pembangunan pada setiap dimensi,sehingga dapat memberikan arah untuk menyusun kebijakan yang lebih spesifik untuk masing-masing daerah.Sesuai dengan ketersediaan datanya, penghitungan IPB dilakukan untuk mengukur capaian pembangunan berkelanjutan selama periode 2007 hingga 2012.