Structural Equation Modelling untuk Mengetahui Keterkaitan Faktor-Faktor Yang Mempengaruhi Kemiskinan di Kabupaten Jombang

(1)

Structural Equation Modelling untuk

Mengetahui Keterkaitan Faktor-Faktor

Yang Mempengaruhi Kemiskinan di

(2)

AGENDA

PENDAHULUAN

TINJAUAN PUSTAKA

METODOLOGI

PENELITIAN

ANALISIS &

PEMBAHASAN

KESIMPULAN &

SARAN

(3)

Latar Belakang

5,071 juta jiwa (13,40 persen)

74.340 keluarga.

Dari jumlah total keluarga miskin tersebut, sekitar 11 ribu keluarga masuk kategori sangat miskin.

Jawa Timur

67,84 persen diantaranya ada di daerah

perdesaan atau 3,44 juta penduduk.(BPS, 2012)

(4)

Penelitian Terdahulu

Vibryanto (2010)

Analisis faktor-faktor yang mempengaruhi tingkat pengangguran di Kabupaten jombang Pamungkas (2012)

Revitalisasi sektor pertanian untuk

menanggulangi masalah kemiskinan di Kabupaten Jombang

Afandi, Sumartono dan Wahab (2009)

Pembangunan daerah dan penanggulangan kemiskinan (studi kasus implementasi proyek pembinaan peningkatan

pendapatan petani dan nelayan kecil / P4K di Kabupaten Jombang.

(5)

• Bagaimana keterkaitan antar faktor

penentuan kemiskinan di Kabupaten

Jombang dengan menggunakan metode

SEM

Rumusan

Masalah

• Mengetahui faktor-faktor yang

mempengaruhi penentuan kemiskinan di

Kabupaten Jombang.

Manfaat

Penelitian

• Metode SEM-PLS Penelitian menggunakan

data dari BAPPEDA Kabupaten Jombang

tahun 2010

Batasan

Masalah

(6)

Tinjauan Pustaka

Parwoto, 2001

Suatu situasi atau kondisi yang dialami oleh seseorang atau kelompok orang yang tidak mampu menyelenggarakan hidupnya sampai suatu taraf yang dianggap manusiawi.

BPS

Tingkat kemiskinan didasarkan pada jumlah rupiah konsumsi berupa makanan yaitu 2100 kalori per orang per hari.

(7)

Tinjauan Pustaka

7.20' dan 7.45' . Lintang Selatan 5.20º -5.30 º Bujur Timur. Luas wilayah kabupaten 115.950 Ha : 1.159,5 Km².

Ibukota Kabupaten Jombang terletak pada ketinggian 44m di atas permukaan laut. Kabupaten Jombang terdiri atas 21

(8)

Tinjauan Pustaka

Structural Model Measurement Model

ζ

ξ

η

= B

+

Γ

+

Asumsi : 0 ) (

η

= E

0 )

(

ξ

=

E

0 ) (

ζ

= E

0 )

'

(

ξζ

=

E

1 2 3 4

ε

η

+

Λ

=

_y

y

δ

ξ

+

Λ

=

_x

x

Hair et al., 1998

Model statistika yang mengkombinasikan aspek multiple regresion (memeriksa

hubungan dependensi) dan analisis faktor (merepresentasikan konsep yang tidak bisa diukur-faktor dengan variabel banyak) untuk mengestimasi hubungan struktural yang relatif “rumit” secara simultan

(9)

Tinjauan Pustaka

Confirmatory Factor

(10)

Tinjauan Pustaka

Outer Model Inner Model Estimasi Parameter SEM-PLS

(

jh jh

)

J h jh j w x x y =

∑

− −1 : outer weights jh w

∑

j j dihubungkan j j jj j e y z ξ ξ α . ' :' ' '

Pemilihan bobot inner disebut dengan skema centroid.

Uji Kelayakan Model

1. Convergent Validity

2. Diskriminant Validity 3. Composite Reliability

Model dikatakan baik apabila nilai korelasi lebih

tinggi dari 0.70 ) var( 2 2 i i i i i AVE ε λ λ

∑

+ =

Nilai AVE yang direkomendasikan yaitu

harus lebih besar 0.05.

(

)

) var( ) ( 2 2 i i i i i pc ε λ λ

∑

+ =

(11)

Tinjauan Pustaka

•Nilai t-statistik muatan faktornya (loading faktor) lebih besar dari t-tabel (1.96).

•Standardized loading factor sebesar 0.5.

•Koefisien hubungan antar variabel signifikan (t-statistik 1.96). •Nilai R-square mendekati 1.

Uji Kelayakan Model

Boostrap

Bootstrap merupakan metode penaksir nonparametric yang dapat

menaksir parameter-parameter dari suatu distribusi, varians dari sampel median, serta dapat menaksir error.

(12)

Metodologi Penelitian

Badan Perencanaan dan Pembangunan Daerah (BAPPEDA) Kabupaten Jombang pada tahun 2010.

Unit sampling yang digunakan adalah 21 Kecamatan di

Kabupaten Jombang.

Variabel Laten Endogen

(13)

Metodologi Penelitian

Kesehatan

X1 Rumah tangga yang luas bangunan tempat tinggal kurang dari 8m2 per orang. X2 Rumah tangga yang jenis atap bangunan tempat tinggal terbuat dari bambu/

kayu murahan.

X3 Rumah tangga yang jenis lantai bangunan tempat tinggal terbuat dari tanah/ bambu/ kayu murahan.

X4 Rumah tangga yang jenis dinding tempat tinggal terbuat dari bambu/ rumbia/ kayu berkualitas rendah/ tembok tanpa diplester.

X5 Rumah tangga yang tidak memiliki fasilitas buang air besar/ bersama-sama dengan rumah tangga lain.

X6 Rumah tangga yang sumber air minum berasal dari sumur/ mata air tidak terlindung/ sungai/ air hujan.

(14)

Metodologi Penelitian

Kualitas Ekonomi

Y1 Rumah tangga yang status penguasaan bangunan.

Y2 Rumah tangga yang sumber penerangan rumah tangga tidak _{menggunakan listrik.} Y3 Rumah tangga yang bahan bakar untuk memasak sehari-hari

adalah kayu bakar/ arang/ minyak tanah.

Y4 Rumah tangga yang hanya mengkonsumsi daging/ susu/ ayam _{satu kali dalam seminggu.} Y5 Rumah tangga yang hanya membeli satu stel pakaian baru dalam

setahun.

Y6 Rumah tangga yang hanya sanggup makan sebanyak satu/ dua kali dalam sehari.

Y7 Rumah tangga yang tidak memiliki tabungan/ barang yang mudah _dijual. Y8 Rumah tangga yang sumber penghasilan kepala rumah tangga per

(15)

Metodologi Penelitian

SDM

Kemiskinan

Y9 Rumah tangga dengan pendidikan tertinggi kepala rumah_{tangga tidak sekolah/ tidak tamat SD/ hanya SD.}

(16)

• Mendapatkan model berbasis konsep dan teori yang dikembangkan untuk merancang model struktural dan model pengukuran

• Membuat diagram jalur yang dapat menjelaskan pola hubungan antara

variabel laten dan juga indikatornya

• Melakukan analisis konfirmatori dari masing-masing variable laten

• Menguji signifikansi parameter model pengukuran

• Mengestimasi model persamaan struktural

• Konversi diagram jalur ke dalam persamaan

• Mengestimasi parameter (bobot, faktor loading, koefisien jalur) – Mengambil sampel bootstrap sebanyak n dari data set dengan

pengulangan sebanyak n.

– Memodelkan SEM dari data set hasil sampel bootstrap

– Mengulang langkah sebelumnya sebanyak B kali (replikasi bootstrap). – Memilih model terbaik dari berbagai replikasi bootstrap

(17)

Analisis & Pembahasan

Deskriptif

0 5 10 15 20 25 30 35 3.31 32.17

(18)

Analisis & Pembahasan

Pengujian Model

Pengukuran

Variabel

AVE

Composite

_reliability

Kesehatan

0.443

0.696 Ekonomi

0.415

0.489 SDM

1

1 Kemiskinan

1

Nilai AVE > 0.5

(19)

Analisis & Pembahasan

Loading Pengukuran

Original sample estimate Mean of subsamples T-Statistic Kesehatan X1 -0.787 -0.785 28.799 X2 0.083 0.08 1.099 X3 0.544 0.539 10.345 X4 0.933 0.934 203.101 X5 0.914 0.913 72.491 X6 0.291 0.29 4.848 X7 0.395 0.372 7.523 X8 0.823 0.827 59.698 Ekonomi Y1 0.136 0.152 1.774 Y2 -0.265 -0.26 5.607 Y3 -0.946 -0.947 199.273 Y4 0.504 0.518 7.281 Y5 0.77 0.781 40.81 Y6 0.834 0.83 56.758 Y7 0.865 0.875 47.136 Y8 0.218 0.224 3.406 Kemiskinan

(20)

Pengujian Model

Pengukuran

Analisis & Pembahasan

AVE Composite Reliability Kesehatan 0.513 0.744 Ekonomi 0.474 0.517 Kemiskinan 1 1 SDM 1 1

Kesehatan Ekonomi SDM Kemiskinan

X1 -0.777 0.59 -0.767 -0.178 X3 0.576 -0.376 0.322 0 X4 0.923 -1.156 1.068 0.28 X5 0.932 -0.799 0.732 0.132 X6 0.246 -0.475 0.677 -0.008 X7 0.395 -0.232 0.229 -0.06 X8 0.848 -1.077 0.803 0.299 Y2 0.008 -0.263 0 0.035 Y3 1.073 -0.947 0.893 0.252 Y4 -0.097 0.51 -0.053 -0.064 Y5 -0.122 0.782 -0.082 -0.001 Y6 -0.951 0.824 -0.941 -0.061 Y7 -0.452 0.872 -0.328 -0.099 Y8 -0.017 0.206 -0.055 0.005 Y9 0.958 -0.836 1 0.078 Y10 0.165 -0.166 0.062 1

(21)

Analisis & Pembahasan

Loading Pengukuran

Original sample estimate Mean of subsamples T-Statistic Keterangan Kesehatan X1 -0.777 -0.775 41.447 Signifikan X3 0.576 0.57 18.11 Signifikan X4 0.923 0.923 251.071 Signifikan X5 0.932 0.931 135.111 Signifikan X6 0.246 0.248 6.55 Signifikan X7 0.395 0.391 7.725 Signifikan X8 0.848 0.848 100.932 Signifikan Ekonomi Y2 -0.263 -0.272 6.811 Signifikan Y3 -0.947 -0.947 211.637 Signifikan Y4 0.51 0.516 6.029 Signifikan Y5 0.782 0.779 63.896 Signifikan Y6 0.824 0.823 68.95 Signifikan Y7 0.872 0.87 94.39 Signifikan Y8 0.206 0.202 3.839 Signifikan SDM

(22)

Pengujian Model

Struktural

Analisis & Pembahasan

Original sample Mean of subsamples T-Statistic Kesehatan -> Ekonomi -0.677 -0.68 24.179 SDM -> Ekonomi -0.176 -0.17 5.472 Kesehatan -> Kemiskinan 0.567 0.549 6.202 Ekonomi -> Kemiskinan -0.193 -0.196 2.773 SDM -> Kemiskinan -0.56 -0.549 5.651 Kesehatan -> SDM 0.891 0.892 105.688 R-square Kesehatan Ekonomi 0.702 SDM 0.794 Kemiskinan 0.12

(23)

(24)

Analisis & Pembahasan

Original Sample Mean of subsamples 50 100 200 300 400 500 Kes -> Eko -0.677 -0.624 -0.646 -0.665 -0.672 -0.68 -0.68 SDM -> Eko -0.176 -0.25 -0.216 -0.184 -0.182 -0.17 -0.177 Kes -> Kem 0.567 0.621 0.607 0.621 0.582 0.549 0.579 Eko -> Kem -0.193 0.134 -0.089 -0.231 -0.184 -0.196 -0.158 SDM -> Kem -0.56 -0.239 -0.534 -0.64 -0.57 -0.549 -0.545 Kes -> SDM 0.891 0.885 0.895 0.898 0.892 0.892 0.886

SEM Boostrap

T-Statistic B=50 B=100 B=200 B=300 B=400 B=500 Kesehatan -> Ekonomi _4.437 _7.305 _10.059 _12.163 _25.179 _16.686 SDM -> Ekonomi _1.108 _1.752 _2.469 _2.645 _5.472 _3.659 Kesehatan -> Kemiskinan 1.487 2.107 3.535 3.886 6.202 6.103 Ekonomi -> Kemiskinan 0.438 0.652 1.599 1.127 2.773 1.323 SDM -> Kemiskinan _1.429 _2.119 _4.08 _4.475 _5.651 _7.666 Kesehatan -> SDM _19.285 _38.6 _59.866 _57.514 _105.688 _88.009

(25)

Analisis & Pembahasan

SEM Boostrap

Original sample estimate Mean of subsamples Standard deviation T-Statistic Kesehatan X1 -0.777 -0.775 0.019 41.45 X3 0.576 0.57 0.032 18.11 X4 0.923 0.923 0.004 251.071 X5 0.932 0.931 0.007 135.111 X6 0.246 0.248 0.038 6.44 X7 0.395 0.391 0.051 7.725 X8 0.848 0.848 0.008 100.932 Ekonomi Y2 -0.263 -0.272 0.039 6.811 Y3 -0.947 -0.947 0.004 211.637 Y4 0.51 0.516 0.085 6.029 Y5 0.784 0.779 0.012 63.896 Y6 0.824 0.823 0.012 68.95 Y7 0.872 0.87 0.009 94.39 Y8 0.206 0.202 0.054 3.839 Kemiskinan

Kontribusi paling tinggi berada pada koefisien jalur prosentase kepala rumah tangga yang tidak sekolah atau tidak tamat SD (Y9) terhadap variabel SDM serta prosentase rumah tangga yang berstatus sangat miskin (Y10) terhadap variabel kemiskinan. Sedangkan kontribusi paling rendah adalah pada prosentase rumah tangga yang tidak menggunakan listrik sebagai sumber

(26)

Kesimpulan & Saran

26 • Kesehatan memberikan pengaruh negatif dan

signifikan terhadap ekonomi dengan koefisien jalur sebesar 0.667 dan nilai t-statistik sebesar 24.179.

• Sumber daya manusia (SDM) berpengaruh negatif terhadap ekonomi sebesar 0.176 dengan nilai t-statistik sebesar 5.472.

• Kesehatan berpengaruh positif dan signifikan terhadap kemiskinan dengan koefisien jalur sebesar 0.567 dan t-statistik sebesar 6.202.

• Ekonomi berpengaruh negatif dan signifikan terhadap kemiskinan, dengan nilai koefisien jalur sebesar 0.193 dan t-statistik sebesar 2.773.

• SDM memberikan pengaruh yang negatif dan signifikan terhadap kemiskinan, dengan nilai koefisien jalur sebesar 0.56 dan nilai t-statistik sebesar 5.651.

• Kesehatan berpengaruh positif dan signifikan terhadap SDM dengan nilai koefisien jalur sebesar 0.891 dan nilai t-statistik sebesar

• Penambahan-penambahan indikator maupun variabel baru untuk memperjelas hubungan antar variabel laten dan variabel indikator dalam model yang signifikan.

• modifikasi konstruk model struktural agar mendapatkan model yang lebih baik.