METODE PARTIAL LEAST SQUARES
UNTUK MENGANALISIS PERTUMBUHAN
EKONOMI DI PULAU KALIMANTAN
BERBASIS DESKTOP APPLICATION
Melvin Hendri, Rokhana Dwi Bekti, Franky H. Marpaung
Universitas Bina Nusantara,Jl. Syahdan No. 9, Kebon Jeruk, Jakarta Barat 11480, 021-5345830 [email protected]
ABSTRACT
Structural Equation Model (SEM) is a multivariate statistics analysis which used for construct, estimate, and examine causal relationship. The object of this research are apply Partial Least Square (PLS) estimate method for analyze SEM and develop an efficient desktop application to analyze PLS method. PLS method is used as an alternative method for analyzing SEM model which have small number of data and non-normal distributed. This research use R software to help researcher analyze with PLS method. For desktop application development, this research use Java language and Net Beans software. Topic of this research is influence of natural and human resources for economic growth at Kalimantan Island. PLS analyze method which used in this research are validity, reliability, R-squared, and significant test. The result of this research show that agriculture production and labor factor not meet validity assumption. After respecification, this research get result that all manifest variable meet validity and reliability assumption. R2 score of this research is 51%, it mean that the model which developed is a good model. For significant test, this research use significant level 5%, result of this research show that natural and natural resources have a significant influence for economic growth at Kalimantan Island.
Keyword: Partial Least Square, natural resources, human resources, economic growth, desktop application
ABSTRAK
Structural Equation Model (SEM) adalah teknik analisis statistik multivariat yang digunakan untuk
membangun, mengestimasi, dan menguji relasi sebab akibat. Tujuan penelitian ini adalah mengaplikasikan metode estimasi Partial Least Square (PLS)dalam menganalisis SEM dan membangun sebuah aplikasi berbasis desktop untuk metode PLS yang mudah untuk digunakan. Penggunaan metode PLS sendiri dikarenakan sebagai metode alternatif dalam menganalisis model SEM yang memiliki data berjumlah kecil dan tidak berdistribusi normal. Penelitian ini menggunakan software R untuk membantu menganalisis penggunaan metode PLS. Pada pembangunan desktop aplication, penelitian ini menggunakan bahasa Java yang dibantu dengan software Net Beans dalam pembuatan aplikasi. Topik yang diangkat pada penelitian ini adalah pengaruh sumber daya alam (SDA) dan sumber daya manusia (SDM) terhadap pertumbuhan ekonomi di pulau Kalimantan. Analisis yang dilakukan pada PLS meliputi validitas, reliabilitas, R-squared, dan uji signifikansi. Hasil dari penelitian ini menunjukkan bahwa variabel hasil pertanian dan angkatan kerja tidak memenuhi asumsi validitas. Setelah dilakukan respesifikasi, diperoleh hasil bahwa semua variabel manifes telah memenuhi validitas dan realibilitas. Nilai R2 yang dihasilkan adalah 51% yang berarti model yang dibangun dikategorikan model yang baik. Pada uji signifikansi dengan taraf signifikansi 5%, diperoleh hasil bahwa SDA dan SDM memiliki pengaruh signifikan terhadap pertumbuhan ekonomi di Pulau Kalimantan.
Kata kunci: Partial Least Square, sumber daya alam, sumber daya manusia, pertumbuhan ekonomi,
desktop application
Pendahuluan
Structural Equation Modelling (SEM) merupakan sebuah metode yang terbentuk karena adanya
masalah pengukuran suatu variabel dimana terdapat suatu variabel yang tidak dapat diukur secara langsung (Santoso, 2012 : 1). Variabel – variabel yang tidak dapat terukur tersebut dinamakan sebagai variabel laten dimana membutuhkan sebuah variabel manifes sebagai indikator atau alat ukur variabel laten tersebut. Dalam perkembangannya, SEM menjadi metode yang populer karena dapat diaplikasikan pada beberapa analisis, seperti analisis causal modelling, confirmatiory analysis, second order factor
analysis, analisis regression models, analisis covariance structure models, dan analisis correlation structure models (Mustafa dan Wijaya, 2012 : 4-5).
Terdapat beberapa metode estimasi pada metode SEM, akan tetapi semua metode estimasi SEM tersebut memiliki kekurangan, yaitu membutuhkan sampel yang berjumlah besar, tidak boleh memiliki multikolinieritas dan data yang harus berdistribusi normal. Oleh karena itu, dikembangkan sebuah metode alternatif untuk mengestimasi SEM yang bertujuan untuk mengatasi kekurangan pada metode - metode lain, yaitu metode Partial Least Square (PLS).Partial Least Square (PLS) merupakan salah satu metode alternatif estimasi model untuk mengelola Structural Equation Modelling (SEM). Desain PLS dibuat untuk mengatasi keterbatasan metode SEM. Pada metode SEM mengharuskan data berukuran besar, tidak ada missing values, harus berdistribusi normal, dan tidak boleh memiliki multikolinieritas, sedangkan pada PLS menggunakan pendekatan distribution free dimana data dapat berdistribusi tertentu. Selain itu PLS juga dapat digunakan pada jumlah sampel yang kecil. (Mustafa dan Wijaya, 2012 : 11).
Pada penelitian ini mengangkat topik mengenai pengaruh Sumber Daya Alam (SDA) dan Sumber Daya Manusia (SDM) terhadap pertumbuhan ekonomi. Pada masa globalisasi sekarang ini, kondisi ekonomi merupakan salah satu aspek yang dianggap penting dalam kehidupan sosial. Menurut Todaro dan Smith (2006) dalam Indrasari (2011 : 19), pembangunan ekonomi merupakan suatu proses multidimensional yang mencakup berbagai perubahan mendasar atas struktur sosial, sikap - sikap masyarakat, dan institusi - institusi nasional, di samping tetap mengejar akselerasi pertumbuhan ekonomi, penanganan ketimpangan pendapatan, serta pemberantasan kemiskinan. Dengan demikian makin tingginya pertumbuhan ekonomi biasanya makin tinggi pula kesejahteraan masyarakat. Oleh karena itu, pertumbuhan ekonomi dapat dijadikan acuan untuk menilai tingkat keberhasilan suatu pemerintahan dalam meningkatkan kesejahteraan masyarakat.
Pada penelitian ini, variabel yang digunakan adalah pertumbuhan ekonomi, sumber daya alam dan sumber daya manusia. Ketiga variabel tersebut merupakan variabel kompleks dan tidak dapat diukur secara langsung. Karena model penelitian ini melibatkan beberapa variabel laten dan perlu dianalisis indikatornya, maka harus dibuat model Structural Equation Model (SEM). Untuk mengatasi keterbatasan kekurangan SEM pada jumlah dan distribusi data, maka penelitian ini menggunakan metode Partial Least
Square (PLS).
Seiring dengan kemajuan teknologi informasi, muncullah beberapa software khusus untuk menganalisis model SEM seperti LISREL, AMOS, dan R. Dengan menggunakan software ini, sebuah model yang kompleks dapat diuji, baik hubungan antar variabel manifes (indikator) dengan variabel laten, maupuan hubungan antar variabel laten. Pada saat ini, semua alat analisis model SEM tidak fokus untuk menganalisis model SEM tetapi juga memiliki fungsi pemakaian lain, oleh karena itu maka peneliti membangun sebuah desktop application yang digunakan khusus untuk menganalisis model SEM yang dapat dimengerti oleh pengguna dalam menganalisis dan membuat kesimpulan analisis model SEM.
Metode Penelitian
Pada penelitian ini menggunakan data sekunder, dimana data diperoleh dari data-data yang sudah tersedia. Data sekunder pada penelitian ini diperoleh dari Badan Pusat Statistik Indonesia (BPS). Data yang digunakan merupakan data - data pada tahun 2009. Jumlah data yang digunakan sebanyak 52 kabupaten di Pulau Kalimantan.
Langkah – langkah metode analisis pada penelitian ini adalah :
1. Melakukan statistika deskriptif untuk setiap variabel seperti perhitungan rata-rata, varians, median, standard deviasi, dan lain lain.
Perikanan = λ11 SDA + ε1 Perkebunan = λ21 SDA + ε2 Pertaninan = λ31 SDA + ε3 Angkatan Kerja = λ12 SDM + ε4 Melek Huruf = λ22 SDM + ε5 PDRB = λ13 EKONOMI + ε6 Pengeluaran = λ 23 EKONOMI + ε7 (1.1)
3. Merancang dan mengkonversi model struktural (inner model)
EKONOMI = γ11 SDA + γ12 SDM + ζ1 (1.2)
4. Konstruksi diagram jalur
Diagram jalur pada penelitian ini adalah sebagai berikut :
SDM EKONOMI SDA Perikanan Perkebunan Melek Huruf PDRB Pengeluaran Angkatan Kerja Pertanian
Gambar 1. Diagram Jalur 5. Mengestimasi Model
6. Mengevaluasi Outer Model
Tujuan dari evaluasi outer model adalah untuk memperoleh variabel manifes yang valid dan reliabel. Evaluasi validitas pada outer model dapat dilakukan dengan dua cara, yaitu convergent validity dan
discriminant validity. Evaluasi reliabilitas pada outer model dapat dilakukan melalui composite reliability
7. Mengevaluasi Inner Model
Tujuan dari evaluasi inner model adalah untuk menentukan bahwa model struktural dikatergorikan sebagai model yang baik atau tidak. Untuk mengevaluasi inner model pada penelitian ini dilakukan dengan uji R-squared (R2).
8. Uji Hipotesis (Resampling Bootstraping)
9. Perancangan aplikasi berbasis desktop menggunakan UML
10. Perancangan interface aplikasi dengan mengikuti aturan 8 aturan emas (8 Golden Rules)
Hasil dan Bahasan
Terdapat beberapa analisis statistika yang dilakukan pada penelitian ini, yaitu analisis deskriptif, analisis validitas, analisis relibailitas, uji R2, pembentukan model SEM dan uji signifikansi
Analisis Validitas
Analisis validitas bertujuan untuk mengevaluasi validitas dari variabel manifes pada outer
model. Dalam metode PLS, uji validitas dapat dilakukan dengan dua cara yaitu convergent validity dan discriminant validty
Pada Tabel 1, dapat dilihat bahwa indikator hasil pertanian dan indikator angkatan kerja memiliki loading lebih kecil dari 0,50. Hal ini menunjukkan bahwa indikator tersebut tidak memenuhi convergent validity.
Tabel 1. Tabel Faktor Loading
Estimate SDA -> Perikanan 0,62 SDA -> Perkebunan 0,79 SDA -> Pertanian -0,38 SDM -> Angkatan Kerja -0,61 SDM -> Melek Huruf 0,86 EKONOMI -> Pengeluaran 0,76 EKONOMI -> PDRB 0,80
Pada Tabel 2, terlihat bahwa variabel hasil petanian mempunyai korelasi yang besar terhadap SDM dibandingkan korelasinya dengan SDA, sehingga hasil pertanian tidak memenuhi discriminant
validity. Selain itu pada variabel angkatan kerja memiliki korelasi yang lebih besar terhadap SDA,
sehingga variabel angkatan kerja juga tidak memenuhi discriminant validity. Tabel 2. Tabel Cross Loadings
SDA SDM Ekonomi Perikanan 0,620 0,240 0,280 Perkebunan 0,791 -0,036 0,265 Pertanian -0,375 -0,124 -0,210 Angkatan Kerja -0,302 -0,610 -0,397 Melek Huruf 0,031 0,859 0,616 Pengeluaran 0,078 0,750 0,763 PDRB 0,556 0,352 0,804
Karena tidak memenuhi convergent validity dan discriminant validity, maka dilakukan modifikasi model dengan menghapus variabel manifes hasil pertanian dan variabel manifes angkatan kerja. Setelah dilakukan modifikasi model maka dilakukan pengujian convergent validity dan
discriminant validity kembali.
Tabel 3. Tabel Factor Loadings setelah respesifikasi Estimate SDA -> Perikanan 0,86 SDA -> Perkebunan 0,71 SDM -> Melek Huruf 1,00 EKONOMI -> Pengeluaran 0,83 EKONOMI -> PDRB 0,73
Dari Tabel 3, dapat dilihat bahwa factor loadings pada setiap variabel manifes memiliki loading lebih besar dari 0,50. Hal tersebut menunjukkan bahwa semua variabel manifes tersebut sudah memenuhi convergent validity.
Tabel 4. Tabel Cross Loadings setelah respesifikasi
SDA SDM Ekonomi Perikanan 0,859 0,129 0,279 Perkebunan 0,705 -0,070 0,201 Melek Huruf 0,056 1,000 0,662 Pengeluaran 0,081 0,754 0,832 PDRB 0,444 0,234 0,731
Dari Tabel 4, dapat dilihat bahwa variabel manifes hasil perikanan dan hasil perkebunan memiliki korelasi tertinggi terhadap variabel latennya, yaitu variabel laten SDA. Variabel manifes melek huruf juga memiliki korelasi paling tinggi dengan variabel latennya, yaitu variabel laten SDM. Variabel manifes PDRB dan Pengeluaran juga memiliki korelasi yang paling tinggi terhadap variabel latennya, yaitu variabel laten Ekonomi. Hal ini menunjukkan bahwa semua variabel manfies sudah memenuhi
Analisis Reliabilitas
Analisis reliabilitas bertujuan untuk mendapatkan variabel laten yang reliable. Dalam menguji reliabilitas dalam model PLS dapat menggunakan composite reliability. Variabel laten memiliki dapat dikatakan memiliki realibilitas yang baik apabila nilai composite reliability lebih besar dari 0,6.
Tabel 5. Tabel Composite Reliability Composite Reliability
SDA 0,76
EKONOMI 0,76
Pada Table 5 menunjukkan bahwa semua variabel laten SDA dan pertumbuhan ekonomi memiliki
composite reliability> 0,6, sehingga dapat disimpulkan bahwa ketiga variabel laten tersebut memiliki
reliabilitas yang baik.
Uji R-squared (R2)
Uji R-squared (R2) bertujuan untuk menentukan seberapa baik inner model (model struktural)yang dibentuk. Menurut Ghozali (2011 : 27), apabila nilai R2 sebesar 0,67; 0,33; 0,19 untuk variabel laten endogen dalam inner model, maka mengindikasikan bahwa model “baik”, “ moderat”, dan “lemah”. Penelitian ini memiliki nilai R-squared (R2) = 0,51. Hal ini menunjukkan bahwa penelitian ini memiliki inner model yang baik.
Model SEM PLS
Model yang diperoleh dari hasil penelitian adalah sebagai berikut:
SDM EKONOMI SDA Perikanan Perkebunan Melek Huruf PDRB Pengeluaran 0,71 0,86 1,0 0,27 0,65 0,83 0,73
Gambar 2. Model SEM PLS
Dari Gambar 2, persamaan inner model yang diperoleh pada penelitian ini adalah sebagai berikut:
EKONOMI = 0,27 SDA + 0,65 SDM
Persamaan outer model yang diperoleh pada penelitian ini adalah sebagai berikut : Perikanan = 0,86 SDA Perkebunan = 0,71 SDA Melek Huruf = 1 SDM PDRB = 0,83 EKONOMI Pengeluaran = 0,73 EKONOMI Uji Signifikansi
Untuk melihat signifikansi setiap variabel yang ada, maka dilakukan pengujian estimasi koefisien jalur melalui prosedur bootstrapping.
Tabel 6. Tabel Path Coefficient
Estimate Std Error T Statistk SDA -> Perikanan 0,860 0,239 3,598 SDA -> Perkebunan 0,706 0,329 2,146 SDM -> Melek huruf 1,000 4,4 10-17 2,272 1016 EKONOMI -> Pengeluaran 0,833 0,103 8,087 EKONOMI -> PDRB 0,731 0,060 12,183 SDA -> EKONOMI 0,274 0,138 1,985 SDM -> EKONOMI 0,647 0,062 10,435 Hipotesis T-1
Ho = Tidak ada pengaruh antara SDA terhadap pertumbuhan ekonomi di Pulau Kalimantan H1 = Ada pengaruh antara SDA terhadap pertumbuhan ekonomi di Pulau Kalimantan
Pada Tabel 6 menunjukkan bahwa model antara SDA terhadap pertumbuhan ekonomi memiliki T statistik 1,985. Nilai tersebut lebih kecil dari Tα, df dengan tingkat signifikansi 5% yaitu 1.960. Dengan
demikian maka H1 diterima, bahwa SDA memiliki pengaruh signifikan terhadap pertumbuhan ekonomi di Pulau Kalimantan.
Hipotesis T-2
Ho = Tidak ada pengaruh antara SDM terhadap pertumbuhan ekonomi di Pulau Kalimantan H1 = Ada pengaruh antara SDM terhadap pertumbuhan ekonomi di Pulau Kalimantan
Pada Tabel 6 menunjukkan bahwa korelasi antara SDM terhadap pertumbuhan ekonomi memiliki T statistik 10,435. Nilai tersebut lebih besar dari Tα,df dengan tingkat signifikansi 5% yaitu
1,960. Dengan demikian maka H1 diterima, bahwa SDM memiliki pengaruh signifikan terhadap pertumbuhan ekonomi di Pulau Kalimantan.
Spesifikasi dan Program Aplikasi
Spesifikasi perangkat keras yang disarankan untuk program ini adalah : 1.Processor : Intel(R) Core(TM) i3-2350M cpu @2.3GHz 2.Memory : 6GB
3.Harddisk : 500GB
4.VGA : Intel(R) HD Graphic Family (2GB) 5.Monitor : Resolusi 1360 x 768
Sedangkan spesifikasi perangkat lunak yang disarankan untuk program ini adalah : 1.NetBeans IDE version 7.3.1
2.Java Development Kit (JDK) version 1.7.0_21
3.R Language version 3.0.1. Perangkat lunak R Language ini menggunakan package library, seperti library(Runiversal) yang digunakan untuk konversi R ke Java dan XML, library(XLConnect) digunakan untuk membaca file dalam format xls atau xlsx, dan library(semPLS) digunakan untuk menganalisis dengan metode SEM PLS,
Gambar 3. Tampilan Utama Aplikasi
Tampilan utama aplikasi ditunjukkan pada Gambar 3. Pada Aplikasi ini, user dapat memulai urutan dari atas hingga ke bawah. Pada menu Import Rscript, user dapat mengimport Rscript yang ada. Kemudian user dapat melanjutkan dengan mengimport data yang akan digunakan dengan menggunakan fungsi Import Data. Kemudian user dapat membentuk variabel laten dengan menggunakan fungsi Add Laten. User juga dapat membentuk variabel manifes dengan menggunakan fungsi Add Manifest dimana variabel manifes akan terisi secara otomatis dari data yang di-import. Kemudian user dapat membentuk
structural relationships dan measurement relationships dengan menggunakan fungsi Add Structural dan
Add Measure. Setelah selesai membentuk relasi, user dapat menganlisa data dengan menggunakan fungsi Go To Analyze.
Evaluasi Aplikasi
Aplikasi yang dibuat telah dievaluasi dengan Delapan Aturan Emas (Eight Golden Rules), yaitu : 1. Berusaha untuk konsisten
Antarmuka yang dibentuk dibuat dengan font sejenis. Font yang digunakan juga memiliki ukuran yang sama. Selain itu warna pada background aplikasi yang dibuat juga konsisten, yakni menggunakan warna abu muda.
2. Universal Usability
Aplikasi ini memberikan fungsi Help sehingga pengguna pemula dapat menggunakan aplikasi ini dan mengetahui pengetahuan dasar dari menu yang ada. Kemudian bagi user yang expert, disediakan fungsi – fungsi cepat sehingga user dapat menggunakan aplikasi dengan cepat. 3. Memberikan umpan balik (feedback) yang informatif
Pada aplikasi memberikan feedback kepada user seperti pada layar import data. Apabila user memasukkan data dengan format yang salah, maka aplikasi akan memberikan feedback bahwa yang informatif dan mudah dimengerti.
4. Merancang dialog yang memberikan penutupan
Aplikasi ini dirancang agar user harus melakukan tindakan secara berurutan. User tidak dapat menambahkan variabel manifes sebelum mengimport data terlebih dahulu. Kemudian user juga tidak dapat analyze data apabila user belum membuat relasi.
5. Pencegahan kesalahan yang sederhana
Pada aplikasi ini juga memiliki pencegahan apabila user melakukan kesalahan. Pencegahan sederhana terdapat pada layar Home. Apabila user belum membentuk structural relation atau
measurement relation dan sudah melakukan analyze data, maka aplikasi akan memunculkan
layar peringatan untuk melakukan pengecekan terhadap structural relation atau measurement
relation yang dibentuk.
6. Memungkinkan pembalikan aksi (undo)
Aplikasi ini memungkinkan user untuk membatalkan aksi dan kembali pada kondisi sebelumnya. Contohnya pada layar structural relationship dan measurement relationship. Pada saat user membentuk relasi, aplikasi menyediakan tombol cancel untuk membalikkan relasi yang sudah dibentuk.
7. Mendukung pusat kendali internal (internal locus of control)
Aplikasi ini juga memungkinkan user untuk mengatur layar yang diinginkan. Semua layar pada aplikasi ini dapat diubah ukurannya sesuai dengan keinginan user.
8. Mengurangi beban ingatan jangka pendek
Aplikasi ini menggunakan fungsi yang mudah dimengerti sehingga user tidak perlu mengingat fungsi – fungsi yang tersedia pada aplikasi ini.
Simpulan Dan Saran
Kesimpulan
Berdasarkan hasil analisis dan output perancangan program melalui metode Partial Least
Square, maka didapatkan beberapa kesimpulan, yaitu :
1. Model struktural antara sumber daya alam, sumber daya manusia dan pertumbuhan ekonomi adalah
EKONOMI = 0,27 SDA + 0,65 SDM
Model tersebut memiliki nilai R-square (R2) sebesar 0,51 yang berarti penelitian ini memiliki model structural yang cukup baik.
2. Model pengukuran antara sumber daya alam, sumber daya manusia dan pertumbuhan ekonomi adalah : Perikanan= 0,86 SDA Perkebunan = 0,71 SDA Melek Huruf = 1,0 SDM PDRB = 0,83 EKONOMI Pengeluaran = 0,73 EKONOMI
Model tersebut telah memenuhi convergent validity, discriminant validity, dan composite
reliability.
3. Sumber daya alam signifikan berpengaruh terhadap pertumbuhan ekonomi pada taraf signifikansi 5%, Ini ditunjukkan oleh nilai T statistik sumber daya alam sebesar 1,985 yang kurang dari Tα/2, df tabel sebesar 1,960.
4. Sumber daya manusia signifikan berpengaruh terhadap pertumbuhan ekonomi pada taraf signifikansi 5%, Ini ditunjukkan oleh nilai T statistik sumber daya manusia sebesar 10,435 yang kurang dari Tα/2, df sebesar 1,960.
5. Fungsi – fungsi PLS yang terdapat aplikasi yang dikembangan adalah fungsi convergent validity,
discriminant validity, composite reliability, dan R-squared (R2).
Saran
Saran atau usulan untuk penelitian selanjutnya adalah :
1. Menggunakan metode SEM PLS untuk menganalisis permasalahan yang sama pada lokasi lain. 2. Menggunakan aplikasi Partial Least Square yang telah dikembangkan untuk menganalisa
permasalahan pada bidang lain.
Referensi
Ghozali, Imam. (2011). Structural Equation Modeling Metode Alternatif dengan Partial Least Square
Indrasari, Viki. (2011). Analisis Faktor-Faktor yang Mempengaruhi Pertumbuhan Ekonomi Provinsi
Jawa Tengah, Semarang.
Mustafa, Zainal E.Q. dan Wijaya, T. (2012). Panduan Teknik Statistik SEM & PLS dengan SPSS
AMOS.Yoyakarta : Cahaya Atma Pustaka.
Santoso, Singgih. (2012). Analisis SEM menggunakan AMOS.Jakarta : Penerbit PT Elex Media Komputindo.
Schneiderman, Ben dan Plaisant, Catherine. (2010). Designing The User Interface 5th edition. New York :
AddisonWeasley.
Todaro, Michael P. dan Smith, Stephen C. (2006). Pembangunan Ekonomi. Jakarta : Penerbit Erlangga. Wijanto, Setyo H. (2008). Structural Equation Modeling dengan LISREL 8.8.Yogyakarta : Graha Ilmu.
Riwayat Penulis
Melvin Hendri lahir di kota Palembang pada tanggal 2 Juni 1990. Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Teknologi Komputer dan Statistika pada tahun 2013.
