PEMODELAN SEM DENGAN GENERALIZED STRUCTURED COMPONENT ANALYSIS (GSCA)

PEMODELAN SEM DENGAN GENERALIZED STRUCTURED COMPONENT ANALYSIS (GSCA) (Studi Kasus Penentuan Struktur Model Kemiskinan Kabupaten/Kota di Provinsi Jawa Tengah) Oleh: Dewi Fenty Ekasari NRP. 1310 201 708

Pembimbing: Dr. Sony Sunaryo, M.Si

Mahasiswa Pasca Sarjana Jurusan Statistika FMIPA Institut Teknologi Sepuluh November Surabaya Seminar Hasil Thesis

Surabaya, 10 Januari 2012

1

OUTLINE

PENDAHULUAN

KAJIAN PUSTAKA

METODOLOGI PENELITIAN

ANALISIS DAN PEMBAHASAN

KESIMPULAN DAN SARAN

Seminar Hasil Thesis

DAFTAR PUSTAKA


2

PENDAHULUAN



3

PENDAHULUAN 



Kemiskinan multidimensional simultan kebijakan pengentasan kemiskinan

Beberapa pencapaian tujuan pembangunan millenium Indonesia 2010: 1. Menanggulangi Kemiskinan dan Kelaparan 2. Mencapai Pendidikan Dasar 3. Menurunkan separuh proporsi penduduk tanpa akses sumber air mnum dan fasilitas sanitasi



4

PENDAHULUAN Proporsi ruta dengan akses kepemilikan terhadap sumber air minum layak 58,30% (peringkat ke-2 tertinggi untuk wilayah pulau Jawa dan Bali)

Proporsi ruta yang memiliki akses sanitasi layak 54,06% Proporsi banyaknya ruta kumuh 5,6% (peringkat ke-2 terendah untuk wilayah pulau Jawa dan Bali)

AKAN TETAPI

Persentase penduduk miskin

16,60%

(diatas persentase penduduk miskin Indonesia 13,3%) (peringkat ke-2 terbanyak penduduk miskinnya di pulau Jawa dan Bali) Sumber: Laporan Pencapaian Tujuan Pembangunan Milenium di Indonesia 2010, Bappenas, 2010 Seminar Hasil Thesis


5

PENDAHULUAN Kondisi data:  

Jumlah sampel data kecil yaitu 35 unit observasi. Tidak semua variabel yang diobservasi berdistribusi normal Karena keterbatasan dua hal tersebut maka :

Penelitian ini tidak dapat mengunakan SEM berbasis kovarian Sebagai alternatif, digunakan SEM berbasis komponen yaitu: SEM dengan Generalized Structured Component Analysis (SEMGSCA) Seminar Hasil Thesis


6

PENDAHULUAN Rumusan Masalah: 1.

2.

Bagaimana membuat program SEM–GSCA untuk studi kasus penentuan struktur model kemiskinan di Provinsi Jateng dengan dengan software open source? Bagaimana penerapan SEM-GSCA terhadap studi kasus penentuan struktur model kemiskinan di Provinsi Jawa Tengah?

Tujuan Penelitian: 1.

2.

Membuat program SEM–GSCA untuk studi kasus penentuan struktur model kemiskinan di Provinsi Jateng dengan dengan

software open source.

Menerapkan SEM-GSCA terhadap studi kasus penentuan struktur model kemiskinan di Provinsi Jawa Tengah.



7

PENDAHULUAN Manfaat Penelitian:

1. Kontribusi dalam bidang keilmuan dengan menerapkan dan mengembangkan Generalized Structured Component Analysis (GSCA). 2. Menambah pengetahuan peneliti tentang penerapan ilmu statistika dalam masalah sosial masyarakat. untuk strategi pembangunan 3. Informasi berkelanjutan didaerah khususnya oleh Pemerintah Daerah untuk membuat kebijakan selanjutnya. Seminar Hasil Thesis


8

PENDAHULUAN Batasan Permasalahan

Dalam penelitian ini ruang lingkup permasalahan dibatasi dengan membuat model SEM-GSCA yang rekursif (satu arah) dan variabel laten dengan indikator refleksif.



9

KAJIAN PUSTAKA



10

KAJIAN PUSTAKA GSCA adalah SEM berbasis komponen dimana variabel laten didefinisikan sebagai komponen atau komposit tertimbang dari indikatornya dengan persamaan: γi=W'zi (1) Persamaan Model Pengukuran zi= C'γi +εi (2) Persamaan Model Struktural (3) γi= B'γi +ξi ZV ZWA + E Persamaan Model GSCA adalah = V'zi A'W'zi + ei atau = Seminar Hasil Thesis

(4)


11

KAJIAN PUSTAKA



12

KAJIAN PUSTAKA



13

KAJIAN PUSTAKA



14

KAJIAN PUSTAKA Parameter GSCA yang tidak diketahui (V, W dan A) diestimasi sehingga nilai sum squares dari semua residual sekecil mungkin untuk semua observasi. Hal ini berarti meminimumkan dengan least square

optimization criterion ' f =trace ( ( ZV − ZWA ) ( ZV − ZWA ) ) f = trace((ψ − τA)' (ψ − τA))

(5)

Persamaan (5) diminimumkan dengan algoritma alternating least squares (ALS) sampai konvergen Seminar Hasil Thesis


15

KAJIAN PUSTAKA GSCA memberikan ukuran overall model fit dengan rumus sebagai berikut: FIT=1-[trace((ZV–ZWA)’(ZV–ZWA))/trace((ZV)’(ZV))] (6)

AFIT = 1 – (1 - FIT)(do)/(d1)

Dimana: do = derajat bebas ketika W=0 dan A=0

(7)

d1 = derajat bebas model yang diuji



16

KAJIAN PUSTAKA

Skema 1. Keterkaitan antara Pembangunan Ekonomi dan Kesehatan

(Sumber: Suryawati, Chriswardani (2005), “ Memahami kemiskinan secara multidimensional “, JMPK Vol. 08/No.03/September/2005.) Seminar Hasil Thesis


17

METODOLOGI PENELITIAN  Data yang digunakan adalah data sekunder yang berasal dari Susenas Provinsi Jawa Tengah tahun 2009 yang telah dipublikasikan. Informasi yang didapatkan antara lain adalah persentase penduduk miskin, indeks kedalaman kemiskinan, indeks keparahan kemiskinan, keterangan kesehatan, keterangan pengeluaran, keterangan ketenagakerjaan, keterangan pendidikan dan dan keterangan fasilitas perumahan.  Software yang digunakan adalah Octave-3.2.4 Seminar Hasil Thesis


18


Variabel yang akan digunakan terdiri atas tiga variabel laten endogen satu variabel laten eksogen , 9 variabel indikator (Y) dan 5 variabel indikator (X) dengan unit observasi adalah 35 Kabupaten/Kota di Provinsi Jawa Tengah.



19


Kode ξi

η1

Variabel Laten

Nama Variabel

Kualitas Kesehatan

Kualitas Ekonomi

Kode

Variabel Indikator

Nama Variabel

X1

Persentase balita yang proses kelahirannya ditolong oleh tenaga kesehatan

X3

Persentase ruta yang menggunakan jamban sendiri/bersama

X2 X4 Y1 Y2 Y3

Angka harapan hidup

Persentase ruta yang menggunakan air bersih Persentase pengeluaran perkapita untuk non makanan Persentase penduduk usia 15 + yang bekerja disektor non pertanian Persentase penduduk usia 15 + yang bekerja disektor formal Seminar Hasil Thesis


20


Kode η2

η3

Variabel Leten

Nama Variabel

Kualitas SDM

Kemiskinan

Kode

Variabel Indikator

Nama Variabel

Y4

Angka Melek Huruf (15-55 tahun)

Y6

Persentase penduduk yang tamat SD/SLTP/SLTA/SLTA+

Y5 Y7 Y8 Y9

Rata-rata lama sekolah

Persentase Penduduk Miskin

Indeks Kedalaman Kemiskinan Indeks Keparahan Kemiskinan



21

METODOLOGI PENELITIAN X1

X2

X3

X4

Y1

ξ1

η1

η3

η2

Y2 Y3

Y7 Y8 Y9

Y4

Y5

Y6



22

METODOLOGI PENELITIAN Mulai

Estimasi parameter

Estimasi Bootsrtap

Selesai

Input Data

Merancang Model Struktural

Merancang Diagram Jalur

Merancang Model Pengukuran

Tidak

Uji signifikansi Model Pengukuran

Tidak

Ya

Uji signifikansi Model Struktural Ya

Interpretasi dan Kesimpulan

Evaluasi Overall Model Fit Seminar Hasil Thesis


23

ANALISIS DAN PEMBAHASAN  Input

yang digunakan dalam penelitian ini adalah matrik X yang merupakan matrik data.  Selain input data, diperlukan pula inputan lain untuk menjalankan program SEM dengan GSCA yaitu matrik yang menunjukkan hubungan diantara variabel, yaitu matrik: V, W, B, C dan n. Dimana n adalah banyaknya resampling yang dilakukan untuk proses bootstrap.  Inisialisasi awal untuk V, W dan B diberi nilai 0.3 sedangkan untuk C diberikan nilai 0.8 Seminar Hasil Thesis


24




25




26

ANALISIS DAN PEMBAHASAN 1. A diperbaharui dengan V dan W fixed. Step 1: Inisialisasi V dan W Step 2: Bentuk matrik Iτ⊗ Step 3: Bentuk matrik Ω Step 4: Perbaharui matrik A dengan menggunakan estimasi least squares sebagai berikut: -1  =Ω aΩ ψ( ) ( ' Ω) 'vec Step 5: Bentuk matrik A baru dengan memasukkan nilai a yang telah diperbaharui. Seminar Hasil Thesis


27

ANALISIS DAN PEMBAHASAN 2.V dan W diperbaharui dengan A fixed. Step 6 : Inisialisasi A dengan menggunakan A yang telah diperbaharui. Step 7 : Bentuk matrik S yang berisi parameter bobot yang akan diestimasi. Step 8 : Definisikan tiap kolom pada matrik S (sebanyak k kolom) tersebut berasal dari kolom mana saja pada matrik W (sebanyak q kolom) dan V (sebanyak p kolom). Step 9 : Definisikan β' dan Δ didefinisikan sebagaimana sesuai ketentuan Seminar Hasil Thesis


28

ANALISIS DAN PEMBAHASAN Bentuk matrik β ⊗ Z Π Bentuk matrik  = ( Π 'Π )−1 Π ' vec ( Z∆ ) η Estimasi s1 dengan 1 Perbaharui s1 yang lama dengan s1 yang baru, masukkan kedalam kolom pada matrik W dan/atau V yang sesuai dimana matrik W dan V yang telah diperbaharui ini digunakan untuk perbaharui s2. Step 14: Ulangi step 12 dan step 13 sebanyak K kali (K kolom). Step 15: Didapatkan matrik W dan V baru Step 16: Cek konvergen bila belum konvergen maka ulangi step 1. Step 10: Step 11: Step 12: Step 13:



29




30




31




32

KESIMPULAN DAN SARAN Beberapa kesimpulan yang didapatkan dari hasil penelitian ini adalah sebagai berikut:  Program SEM-GSCA untuk model rekursif dan variabel laten dengan indikator reflektif dapat dibuat dengan software open source yaitu Octave, dengan inputan adalah matriks V, W, C dan B serta n. Output yang dihasilkan adalah estimasi bobot, estimasi koefisien loading, estimasi koefisien jalur, estimasi standard error, factor score dari variabel laten serta overall goodness-fit model.  Kualitas kesehatan berpengaruh terhadap kualitas ekonomi, kualitas ekonomi berpengaruh terhadap kualitas SDM, kualitas kesehatan berpengaruh terhadap kemiskinan, kualitas ekonomi berpengaruh terhadap kemiskinan, dan kualitas SDM tidak berpengaruh terhadap kemiskinan.  Model konseptual yang dihasilkan dalam penelitian ini menunjukkan bahwa secara keseluruhan merupakan model yang baik berdasarkan nilai FIT dan AFIT yang diatas 0.50. Model baru ini didapat dengan menghilangkan koefisien jalur antara kualitas SDM dengan kemiskinan. Seminar Hasil Thesis


33

KESIMPULAN DAN SARAN  Semakin tinggi kualitas kesehatan penduduk di suatu Kabupaten/Kota pada Provinsi Jawa Tengah berpengaruh terhadap tinggi nya kualitas ekonomi penduduknya, dan rendahnya kemiskinan pada Kabupaten/Kota tersebut. Semakin tinggi kualitas ekonomi penduduknya, maka semakin tinggi kualitas SDM penduduk pada Kabupaten/Kota tertentu.  Berdasarkan factor score yang didapatkan untuk variabel laten, terlihat bahwa lima Kabupaten yang terendah kualitas kesehatannya yaitu: Brebes, Purbolinggo, Batang, Pemalang dan Banjarnegara. Lima Kabupaten yang terendah kualitas ekonominya yaitu: Wonosobo, Temanggung, Grobogan, Wonogiri dan Banjarnegara. Lima Kabupaten yang terendah kualitas SDM nya adalah Tegal, Batang, Cilacap, Banjarnegara dan Brebes. Lima Kabupeten tertinggi kemiskinannya adalah Brebes, Purbolinggo, Rembang, Kebumen dan Wonosobo. Kabupaten Cilacap, Purbolinggo, Banjarnegara, Kebumen, Wonosobo, Pemalang dan Brebes memiliki kualitas kesehatan, ekonomi serta SDM yang rendah dan kemiskinan yang tinggi. Seminar Hasil Thesis


34

KESIMPULAN DAN SARAN Hasil penelitian ini dapat digunakan sebagai langkah awal untuk pemodelan kemiskinan sebagai model yang non rekursif (dua arah) antar variabel latennya. Hasil penelitian ini dapat dikembangkan untuk membuat program SEM-GSCA menggunakan variabel laten dengan indikator refleksif. Berdasarkan hasil yang didapatkan, diharapkan agar ada peningkatan pembangunan dalam kualitas kesehatan dan kualitas ekonomi dan kualitas sumberdaya manusia guna keberhasilan pengentasan kemiskinan. Seminar Hasil Thesis


35

DAFTAR PUSTAKA Badan Pusat Statistik (2010), “Data dan Informasi Kemiskinan 2009”, Badan Pusat Statistik. ----------------- (2010), “Survei Sosial Ekonomi Juli 2010, Buku 3, Pedoman Pencacahan Kor (Untuk Pencacah dan Kortim”), Badan Pusat Statistik. Bappenas (2010), “Laporan Pencapaian Tujuan Pembangunan Millenium Indonesia 2010”, Kementrian Perencanaan Pembangunan Nasional/Badan Perencanaan Pembangunan Nasional (Bappenas), 2010. Bollen K.A. (1989). “Structural Equation with Laten Variabels”, Departement of Sociology, John Wiley & Sons, New York. Bentler, P.M., (1980), “Multivariate Analysis with Latent Variables: Causal Modeling”, Annual Review of Psychology, 31, hal 419-456. de Leeuw, J., Young, F.W., & Takane, Y. (1976). Regression With Qualitative and Quantitative Variables : An Alternating Least Squares Method With Optimal Scaling Features. Psychometrica.Vol. 41 No.4.pp.505-529. Efron, B. (1982). The Jackknife, The Bootstrap and Other Resampling Plans. Philadelphia: SIAM. Fornell, C. and Bookstein, F. (1982), “Two Structural Equation Models: LISREL and PLS Applied to Consumer Exit-Voice Theory”. Journal of Marketing Research.19. 440-452. Seminar Hasil Thesis


36

DAFTAR PUSTAKA Fornell,C, and Larcker, D.(1981).”Evaluating Structural Equation Model with Unobservable Variable and Measurement Error”. Journal of Marketing Research.18.pp.39-50. Ghozali, Imam (2008), “ Generalized Structured Component Analysis (GSCA)“, Universitas Diponegoro, Semarang. ------------------- (2008), “ Structural Equation Modelling Metode Alternatif dengan Partial Least Square “, Universitas Diponegoro, Semarang. Hwang, H. and Takane, Y. (2004), “Generalized Structured Component Analysis”. Psychometrica.Vol.69 No.1pp.81-99 Hwang, H. (2009), “ Regularized Generalized Structured Component Analysis”. Psychometrica.Vol.74 No.3pp.517-530 Soebagio, Tulus (2011), “Pengembangan Structural Equation Modeling (SEM) dengan Partial Least Square (PLS)”, Program Magister Jurusan Statistika FMIPA, Institut Teknologi Surabaya, 2011. Sudiman, Herman (2008), “Tantangan Litbang Lintas Disiplin Dalam Penanggulangan Masalah Kemiskinan, Kelaparan dan Kurang Gizi di Indonesia “, Badan Litbang Kesehatan Depkes RI, 2008. Suryawati, Chriswardani (2005), “ Memahami kemiskinan secara multidimensional “, JMPK Vol. 08/No.03/September/2005. Seminar Hasil Thesis


37

DAFTAR PUSTAKA Umami, Dewi Rosiyana (2010), “ Analisis Indikator Pembangunan Berkelanjutan di Jawa Timur Menggunakan Metode Struktural Equation Modeling –Partial Least Square” Program Magister Jurusan Statistika FMIPA, Institut Teknologi Surabaya, 2010 Wardono, Ari, (2009), “ Analisis Kebutuhan dan Potensi Fiskal Dengan Structural Equation Modelling”, Program Magister Jurusan Statistika FMIPA, Institut Teknologi Surabaya, 2009. Wijayanto, Setyo Hari, (2008). “ Konsep dan Tutorial Structural Equation Modelling dengan LISREL 8.8 “, Graha Ilmu, Yogyakarta. Wold, H. (1985), “Partial Least Square”. In S Kotz & N.L.Johnson (Eds). Encyclopedia of Statistical Sciences. Vol 8 (pp. 587-599). New York. Wiley. Word Development Report (2008), “ Attacking Poverty ”, Word Development Report, September 2008. Wrihatnolo, Randy R (2009), “Membumikan demokrasi, mewujudkan negara kesejahteraan”, Sedikit Tentang Karakteristik Kemiskinan, Maret 2009.



38

TERIMA KASIH



39

PEMODELAN SEM DENGAN GENERALIZED STRUCTURED COMPONENT ANALYSIS (GSCA)

Recommend Documents