Seminar Hasil Tugas Akhir

(1)

Penentuan Indikator Kemiskinan Berdasarkan Dimensi Kualitas Kesehatan dan Kualitas Ekonomi menggunakan Confirmatory

Factor Analysis (CFA) dengan Pendekatan Bayesian di Kabupaten Jombang

Oleh Pembimbing

Farisca 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

(2)

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

(3)

Latar Belakang

Rumusan Masalah

Tujuan penelitian

P e n d a h u l u a n

Manfaat Penelitian

Batasan

Masalah

(4)

Pendahuluan

Kemiskinan merupakan permasalahan klasik yang mendera berbagai negara, termasuk negara berkembang seperti Indonesia.

Kekeliruan yang sering terjadi adalah kemiskinan semata-mata hanya didefinisikan sebagai permasalahan ekonomi.

Suryawati (2005)

Tinjauan

Pustaka Metodo

logi

Rumusan Masalah

Tujuan Penelitian

Manfaat Penelitian

Batasan Masalah

Analisis dan

Pembahasan Kesimpu lan

Kemiskinan

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

Pekerti

Perdamaian Dunia

(5)

Pendahuluan

Pada penelitian ini kemiskinan dipandang melalui dua dimensi, yaitu kualitas kesehatan dan kualitas ekonomi.

Persentase jumlah penduduk miskin Kabupaten Jombang mengalami kenaikan pada tahun 2005 (14,12%) ke 2006 (18,18%).

Setelah tahun 2006 perlahan-lahan persentase jumlah penduduk miskin

Kabupaten Jombang mengalami penurunan, namun tidak menutup kemungkinan dapat mengalami penambahan kembali dikarenakan pertambahan penduduk yang terjadi setiap tahunnya.

.Metode Confirmatory Factor Analysis (CFA) dengan pendekatan Bayesian digunakan untuk mengidentifikasi indikator rumah tangga miskin yang dapat mengukur kedua dimensi tersebut.

Tinjauan

Pustaka Metodo

logi

Rumusan Masalah

Tujuan Penelitian

Manfaat Penelitian

Batasan Masalah

Analisis dan

Pembahasan Kesimpu

lan

(6)

Pendahuluan

Latar Belakang

Manfaat Penelitian

Batasan Masalah

1. Bagaimana karakteristik dari rumah tangga miskin di

Kabupaten Jombang?

2. Apa saja indikator yang memiliki pengaruh besar dalam

mengukur variabel laten kualitas kesehatan menggunakan

Bayesian CFA?

3. Apa saja indikator yang memiliki pengaruh besar dalam

mengukur variabel laten kualitas ekonomi menggunakan Bayesian CFA?

1. Mengetahui karakteristik dari rumah tangga miskin di

Kabupaten Jombang.

2. Mendapatkan nilai indikator yang memiliki pengaruh besar dalam mengukur variabel laten kualitas kesehatan menggunakan Bayesian CFA?

3. Mendapatkan nilai indikator yang memiliki pengaruh besar dalam mengukur variabel laten kualitas ekonomi

menggunakan Bayesian CFA?

Tinjauan

Pustaka Metodo

logi

Analisis dan

Pembahasan Kesimpu

lan

(7)

Pendahuluan

Latar Belakang Rumusan Masalah

Tujuan Penelitian

Bagi mahasiswa untuk tambahan pengetahuan mengenai metode Bayesian

CFA pada penentuan indikator yang mempengaruhi kemiskinan. Selanjutnya

bagi masyarakat dalam memberikan informasi mengenai kemiskinan yang melanda penduduk di Kabupaten Jombang

sehingga dapat membantu pihak pemerintah daerah setempat untuk menentukan kebijakan terkait program

pengentasan kemiskinan.

Ruang lingkup penelitiaan ini hanya dibatasi untuk rumah

tangga di Kabupaten Jombang, Jawa Timur Tinjauan

Pustaka Metodo

logi

Analisis dan

Pembahasan Kesimpu

lan

(8)

Penelitian Terdahulu

CFA

Pendekatan Bayesian

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

Kabupaten Jombang

Kemiskinan

(9)

Tinjauan Pustaka

• Pemodelan SEM dengan Generalized Structured (GSCA) (Studi Kasus Penentuan Struktur Model Kemiskinan di Kabupaten/Kota Provinsi Jawa Tengah)

Ekasari dan Sunaryo (2011)

• A Bayesian Confirmatory Factor Analysis of Precision Agricultural Challenges

Najafabadi, Hosseini, dan Bahramnejad (2011)

CFA Pendekatan

Bayesian Kabupaten

Jombang Kemiskinan

Pendahuluan Metodo

logi

Analisis dan

Pembahasan Kesimpu

lan

(10)

Tinjauan Pustaka

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

Penelitian Terdahulu

Pendekatan Bayesian Kabupaten

Jombang Kemiskinan

Pendahuluan Metodo

logi

Analisis dan

Pembahasan Kesimpu lan

Model Pengukuran: x = Λ

_x

ξ + δ

Matriks kovarians:

θ

= Λ ΦΛ + Θδ

Σ( ) _x ^'_x

ε δ ξ

ε δ

ξ + + = Λ + +

Λ

= B B B

x ( )

Model Pengukuran Higher-Order

ε

θ = ΛΦΛ + Θ

δ

+ Θ

Σ ( ) B (

^'

) B

^'

Matriks kovarians Higher-Order:

(11)

Tinjauan Pustaka

Hal dasar dari pendekatan bayesian adalah memanfaatkan informasi

sebelumnya tentang masalah (yang diterjemahkan dalam distribusi prior) untuk mencapai hasil yang lebih baik. Berdasarkan Teorema Bayes.

Selanjutnya persamaan di atas dapat ditulis menjadi

Distribusi Prior yang digunakan adalah conjugate prior distribution

Penelitian Terdahulu

CFA

Kabupaten Jombang Kemiskinan

Pendahuluan Metodo

logi

Analisis dan

Pembahasan Kesimpu lan

) (

) ( )

| ( )

( ) , ) (

|

( p x

p x

p x x p

p θ = θ = θ θ

) ( )

| ( )

|

( θ x p x θ p θ

p ∝

[ ]

] , [

~

] ,

[

~

|

] ,

[

~

0 1

0 0

1

0

ρ

β α

δ δ

δ

δ δ

−

Φ

Θ Λ

Θ

R hart InverseWis

H Normal

Gamma

r

xk k

k k

k

k k

(12)

Tinjauan Pustaka

Kabupaten Jombang mempunyai luas wilayah 1.159,50 km

²

. Terdiri dari 21 Kecamatan dan 301 desa, 5 kelurahan, dengan jumlah penduduk terbesar terdapat di kecamatan

Jombang (148.494 jiwa), sedangkan terkecil di Kecamatan Ngusikan (22.958 jiwa) pada tahun 2009. Jika dilihat dari perkembangan Rumah Tangga Miskin adalah.

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

Penelitian Terdahulu

CFA Pendekatan

Bayesian

Kemiskinan

Pendahuluan Metodo

logi

Analisis dan

Pembahasan Kesimpu lan

No Keterangan Tahun

2005 2006 2009 2010

1. Jumlah Rumah

Tangga 273.917 313.874 344.104 321.356 2. Jumlah Rumah

Tangga Miskin 78.053 78.044 74.340 74.301

(13)

Tinjauan Pustaka

Laju pertumbuhan ekonomi sekiranya juga dapat mempengaruhi jumlah

penduduk miskin. Laju pertumbuhan ekonomi Kabupaten Jombang secara umum terus berfluktuasi naik, namum pada tahun 2008 dan 2009 pertumbuhan

ekonomi sempat mengalami penurununan.

Penelitian Terdahulu

CFA Pendekatan

Bayesian

Kemiskinan

Pendahuluan Metodo

logi

Analisis dan

Pembahasan Kesimpu

lan

(14)

Tinjauan Pustaka

• Konferensi Dunia untuk Pembangunan Sosial dalam Roebyantho, et.al, (2011) mendefnisikan Kemiskinan sebagai rendahnya tingkat pendapatan dan sumber daya produktif yang menjamin kehidupan berkesinambungan, kelaparan dan kekurangan gizi, rendahnya tingkat kesehatan,

keterbatasan dan kurangnya akses pada pendidikan dan layanan-layanan pokok 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 proses

pengambilan keputusan dan dalam kehidupan sipil, sosial dan budaya.

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

Penelitian Terdahulu

CFA Pendekatan

Bayesian Kabupaten

Jombang

Pendahuluan Metodo

logi

Analisis dan

Pembahasan Kesimpu

lan

(15)

Tinjauan Pustaka

Kemiskinan Berdasarkan Dimensi Kesehatan

Indikator yang sering digunakan untuk mencerminkan status kesehatan adalah mortalitas, status gizi dan morbiditas. Angka Harapan Hidup juga dapat digunakan sebagai indikator yang 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 orang per hari dan konsumsi nonmakanan.

• Sayogyo dalam Suryawati (2005): tingkat kemiskinan didasarkan jumlah rupiah

pengeluaran rumah tangga yang disetarakan dengan jumlah kilogram konsumsi beras per orang per tahun dan dibagi wilayah pedesaan dan perkotaan.

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

Penelitian Terdahulu

CFA Pendekatan

Bayesian Kabupaten

Jombang

Pendahuluan Metodo

logi

Analisis dan

Pembahasan Kesimpu

lan

(16)

Variabel penelitian

Teknik Analisis

Sumber Data

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

(17)

Metodo logi

Variabel Penelitian

Teknik Analisis

Data yang akan digunakan dalam penelitian adalah data sekunder yang diperoleh dari Badan Perencanaan Pembangunan Daerah (BAPPEDA) Kabupaten Jombang tahun 2010. Unit analisis pada penelitian ini adalah rumah tangga miskin 21 Kecamatan di Kabupaten Jombang. Untuk menganalisis data akan dipergunakan gabungansoftwareR 2.14.0 dan WinBUGS 1.4. Data awal yang

diperoleh dari BAPPEDA Kabupaten Jombang sebanyak 74.301 rumah tangga miskin. Perhitungan persentase disini berdasarkan jumlah rumah tangga miskin per Kecamatan.

Pendahuluan Analisis dan

Pembahasan Kesimpu Tinjauan lan

Pustaka

(18)

Metodo logi

Sumber Data

Teknik Analisis

Pendahuluan Analisis dan

Pembahasan Kesimpu Tinjauan lan

Pustaka

Variabel

Laten Variabel Indikator

Kesehatan

X1 Persentase rumah tangga miskin yang luas lantai bangunan tempat tinggalnya kurang dari 32 m²per Kecamatan

X2 Persentase rumah tangga miskin yang jenis lantai bangunan tempat tinggalnya terbuat dari tanah/bambu/kayu berkualitas rendah per Kecamatan

X3 Persentase rumah tangga miskin yang jenis dinding bangunan tempat tinggalnya terbuat dari bambu/rumbia/kayu berkualitas rendah per Kecamatan

X4 Persentase rumah tangga miskin yang tidak mempunyai fasilitas tempat buang air besar atau bersifat umum per Kecamatan

X5 Persentase rumah tangga miskin yang sumber air minumnya berasal dari sumur/mata air tidak terlindung/sungai per Kecamatan

X6 Persentase rumah tangga miskin yang tidak mempunyai jenis atap dari genteng per Kecamatan

X7 Persentase rumah tangga miskin yang tidak sanggup membayar biaya pengobatan di Puskesmas/poliklinik per Kecamatan

(19)

Metodo logi

Sumber Data

Teknik Analisis

Pendahuluan Analisis dan

Pembahasan Kesimpu Tinjauan lan

Pustaka

Ekonomi

X8 Persentase rumah tangga miskin yang sumber penerangan tidak menggunakan listrik per Kecamatan

X9 Persentase rumah tangga miskin yang menggunakan bahan bakar untuk memasak sehari-hari adalah kayu bakar/arang/minyak tanah per Kecamatan

X10 Persentase rumah tangga miskin yang hanya mengkonsumsi daging/susu/ayam satu kali dalam seminggu per Kecamatan

X11 Persentase rumah tangga miskin yang tidak sanggup membeli satu set pakaian baru dalam setahun per Kecamatan

X12 Persentase rumah tangga miskin yang hanya sanggup makan sebanyak satu/dua kali dalam sehari per Kecamatan

X13 Persentase rumah tangga miskin yang sumber penghasilan kepala rumah tangga per bulan dibawah Rp. 600.000 per Kecamatan

X14 Persentase rumah tangga miskin yang tidak memiliki aset dengan nilai Rp 500.000 per Kecamatan

X15 Persentase rumah tangga miskin yang status kepemilikan bangunan tidak milik sendiri per Kecamatan

(20)

Metodo logi

1. Melakukan Analisis Statistika Deskriptif, guna mengetahui karakteristik dari unit yang akan dianalisis, dalam hal ini adalah penduduk miskin Kabupaten Jombang, yaitu

menghitung nilai mean dan varians.

2. Melakukan Analisis Confirmatory Factor Analysis guna mendapatkan indikator kemiskinan dilihat dari berbagai dimensi dengan pendekatan Bayesian. Adapun langkah-langkah yang perlu dilakukan.

• Menentukan model pengukuran

Sumber Data Variabel Penelitian

Pendahuluan Analisis dan

Pembahasan Kesimpu Tinjauan lan

Pustaka

Ekonomi X8

X14

X9

X10

X13 X12 X11

X15 Kesehatan

X1 X7

X2

X3

X6 X5 X4

(21)

Metodo logi

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

Sumber Data Variabel Penelitian

Pendahuluan Analisis dan

Pembahasan Kesimpu Tinjauan lan

Pustaka

Λ

Φ

(22)

Estimasi (Bayesian) CFA

Estimasi (MLE) CFA

Karakteri stik

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

(23)

Analisis dan Pembahasan

Karakteristik Rumah Tangga Miskin di Kabupaten Jombang

Estimasi ML Estimasi Bayesian

Pendahuluan Metodo

logi

Kesimpu Tinjauan lan

Pustaka

Mean (%) Varian (%) Mean (%) Varian (%)

x

₁

35,21 107,52 x

₈

1,05 0,51

x

₂

34,44 450,90 x

₉

52,89 170,04

x

₃

37,24 533,98 x

₁₀

92,36 20,70

x

₄

54,79 132,59 x

₁₁

38,03 116,41

x

₅

60,24 262.16 x

₁₂

26,00 120,88

x

₆

1,27 0,72 x

₁₃

92,56 7,17

x

₇

2,51 3,12 x

₁₄

79,61 51.51

x

₁₅

15.57 19,14

(24)

Analisis dan Pembahasan

Analisis CFA dengan estimasi Maksimum Likelihood (ML) mensyaratkan data memenuhi asumsi multivariat normal. Pengujian multivariat normal terhadap data.

H

₀

: Data berdistribusi normal multivariat

H

₁

: Data tidak berdistribusi normal multivariat

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

Karakteris tik

Estimasi Bayesian

Pendahuluan Metodo

logi

Kesimpu Tinjauan lan

Pustaka

Variabel Laten W P- value Keterangan

Kualitas Kesehatan 0,7218 5,205e-05 Tidak Multivariat Normal

Kualitas Ekonomi 0,6828 1,694e-05 Tidak Multivariat Normal

(25)

Analisis dan Pembahasan

Variabel

Laten Indikator Loading

Factor ^t-hitung ^Keterangan

Kualitas Kesehatan

x₁ 1,000*

x₂ -8,982 -1,124 Tidak Signifikan

x₃ -9,265 -1,122 Tidak Signifikan

x₄ -3,129 -1,084 Tidak Signifikan

x₅ 1,505 0,78 Tidak Signifikan

x₆ 0,093 0,849 Tidak Signifikan

x₇ 0,184 0,826 Tidak Signifikan

Kualitas Ekonomi

x₈ 1,000*

x₉ 86,561 0,795 Tidak Signifikan

x₁₀ -18,239 -0,765 Tidak Signifikan

x₁₁ -66,612 -0,792 Tidak Signifikan

x₁₂ -57,221 -0,784 Tidak Signifikan

x₁₃ -5,742 -0,674 Tidak Signifikan

x₁₄ -54,677 -0,799 Tidak Signifikan

x₁₅ -11,821 -0,717 Tidak Signifikan

Karakteris tik

Estimasi Bayesian

Pendahuluan Metodo

logi

Kesimpu Tinjauan lan

Pustaka

(26)

Analisis dan Pembahasan

Penentuan Parameter untuk Distribusi Prior

Estimasi Parameter Menggunakan Bayesian CFA

Dengan hasil iterasi sebanyak 20 ribu, proses estimasi parameter telah mencapai burn in untuk semua parameter pada iterasi pertama.

Karakteris tik Estimasi

ML

Pendahuluan Metodo

logi

Kesimpu Tinjauan lan

Pustaka

) 9

; 84 , 0 ( ]

|

[ Λ Θ

_δ

= Normal Θ

_δ

D

) 4 , 9 ( Gamma Inverse

D

= Θ

_δ

) , 0 (

var Φ

=Multi iate Normal ξ D

 





 



 



 



= 

Φ , 15

1 0

0 IW 1

D

(27)

Analisis dan Pembahasan

Variabel Loading Factor 2,5% 97,5% Keterangan

x₁ 1,000 - - Signifikan

x₂ 0,7403 0,2637 1,208 Signifikan

x₃ 0,8103 0,3193 1,283 Signifikan

x₄ 0,7213 0,09484 1,328 Signifikan

x₅ 0,9276 0,3982 1,441 Signifikan

x₆ 0,9427 0,2424 1,624 Signifikan

x₇ 0,9622 0,4385 1,468 Signifikan

Karakteris tik Estimasi

ML

Pendahuluan Metodo

logi

Kesimpu Tinjauan lan

Pustaka

Kes eha tan

Eko no mi

Variabel Loading Factor 2,5% 97,5% Keterangan

x₈ 1,000 - - Signifikan

x₉ 0,7728 0,3525 1,179 Signifikan

x₁₀ 0,7551 0,2248 1,268 Signifikan

x₁₁ 0,8529 0,4058 1,295 Signifikan

x₁₂ 0,783 0,2054 1,341 Signifikan

x₁₃ 0,7495 0,03618 1,443 Signifikan

x₁₄ 0,7672 0,07571 1,426 Signifikan

x₁₅ 0,8858 0,1552 1,591 Signifikan

(28)

Kesimpulan

Saran

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

(29)

Analisis dan Pembahasan

1. Karakteristik rumah tangga miskin Kabupaten Jombang umumnya hanya

mengkonsumsi daging/susu/ayam minimal satu kali dalam seminggu, sumber

penghasilan kepala rumah tangga per bulan dibawah Rp. 600.000, dan tidak memiliki aset 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% tidak

memuat nilai nol, menunjukkan semua variabel indikator berpengaruh signifikan

terhadap laten kesehatan. Variabel indikator yang memiliki kontribusi terbesar dalam mengukur kualitas kesehatan adalah variabel x₇, yaitu persentase rumah tangga miskin 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% tidak memuat nilai nol, menunjukkan semua variabel indikator berpengaruh signifikan terhadap laten ekonomi. Untuk kontribusi terbesar laten kualitas ekonomi adalah variabel x₁₅, yaitu persentase rumah tangga miskin yang status kepemilikan bangunan tidak milik sendiri.

Saran

Pendahuluan Metodo

logi

Kesimpu Tinjauan lan

Pustaka

(30)

Analisis dan Pembahasan

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

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

3. Selanjutnya jika berbicara tentang variabel laten, pada penelitian ini kemiskinan hanya diukur oleh dimensi laten kualitas kesehatan dan

kualitas ekonomi. Akan lebih baik jika ditambahkan dengan dimensi laten sumber daya manusia SDM yang juga turut berperan.

Kesimpulan

Pendahuluan Metodo

logi

Kesimpu Tinjauan lan

Pustaka

(31)

D a f t a r P u s t a k a

BAPPEDA Kab. Jombang. (2011). Laporan Akhir Penyusunan Indeks Pembangunan Manusia Kabupaten Jombang Tahun 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, darihttp://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, dari http://jombangkab.go.id/

Efendi, M. M, dan Purnomo, J. D. T. (2012). Analisis Faktor Konfirmatory untuk Mengetahui Kesadaran Berlalu Lintas Pengendara 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 2^nd. New York: Chapman &

Hall/CRC Press.

Hair, J. F., Black, W. C., Babin, B. J., dan Anderson, R. E. (2010). Multivariate Data Analysis 7^th. Pearson Prentice Hall.

(32)

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. Jurnal Salam 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 di Jawa 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 melalui KUBE. Jakarta: P3KS Press.

Suryawati, C. (2005). Memahami Kemiskinan Secara Multidimensional. J. Manajemen Pelayanan Kesehatan, 8(3).

p.121-129.

(33)

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 Provinsi Jawa Timur. Jakarta: TNP2K.

Wahyuni, D. S. (2012). Hubungan Kondisi Fisik Rumah dan Karakteristik Individu dengan Kejadian Tuberkulosis paru BTA 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.

(34)