Seminar Hasil Tugas Akhir

Transkripsi

1 Seminar Hasil Tugas Akhir Penentuan Indikator Kemiskinan Berdasarkan Dimensi Kualitas Kesehatan dan Kualitas Ekonomi menggunakan Confirmatory Factor Analysis (CFA) dengan Pendekatan Bayesian di Kabupaten Jombang Oleh Farisca Susiani ( ) Pembimbing Dr. Bambang W. Otok, M.Si

2 Agenda Farisca Susiani ( ) Page 2

3 Rumusan Masalah Tujuan penelitian Latar Belakang Batasan Masalah Manfaat Penelitian Farisca Susiani ( ) Page 3

4 Rumusan Masalah Tujuan Penelitian 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) Kemiskinan Manfaat Penelitian Batasan Masalah Kesehatan Sosial-Budaya Sosial-Politik Pendidikan, Agama, dan Budi Pekerti Perdamaian Dunia Farisca Susiani ( ) Page 4

5 Rumusan Masalah Tujuan Penelitian Manfaat Penelitian Batasan Masalah 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. Farisca Susiani ( ) Page 5

6 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? Farisca Susiani ( ) Page 6

7 Latar Belakang Rumusan Masalah Tujuan Penelitian Bagi mahasiswa untuk tambahan pengetahuan mengenai metode Bayesian CFA pada penentuan indikator yang mempengaruhi kemiskinan. Sejutnya bagi masyarakat dalam memberikan informasi mengenai kemiskinan yang meda 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 Farisca Susiani ( ) Page 7

8 Pendekatan Bayesian Kemiskinan CFA Penelitian Terdahulu Kabupaten Jombang Farisca Susiani ( ) Page 8

9 Ekasari dan Sunaryo (2011) CFA Pendekatan Bayesian Kabupaten Jombang Kemiskinan Pemode SEM dengan Generalized Structured (GSCA) (Studi Kasus Penentuan Struktur Model Kemiskinan di Kabupaten/Kota Provinsi Jawa Tengah) Najafabadi, Hosseini, dan Bahramnejad (2011) A Bayesian Confirmatory Factor Analysis of Precision Agricultural Challenges Farisca Susiani ( ) Page 9

10 Penelitian Terdahulu CFA First-Order Higher-Order Model Pengukuran: x Matriks kovarians: ' ( x x = Λ x ξ + δ Σ θ ) = Λ ΦΛ + Θ δ Matriks kovarians Higher-Order: Pendekatan Bayesian Σ( θ ) = B( ΛΦΛ + Θ ) B ' δ ' + Θ ε Kabupaten Jombang Kemiskinan Model Pengukuran Higher-Order x = B( Λξ + δ ) + ε = BΛξ + Bδ + ε Farisca Susiani ( ) Page 10

11 Penelitian Terdahulu CFA Kabupaten Jombang Kemiskinan 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. p( θ, x) p( θ x) = = p( x) p( x θ ) p( θ ) p( x) Sejutnya persamaan di atas dapat ditulis menjadi p( θ x) p( x θ ) p( θ ) Distribusi Prior yang digunakan adalah conjugate prior distribution Θ 1 [ Λ Θ ] Φ δk k ~ ~ Gamma[ α δk 0δk, β ~ Normal[ Λ InverseWishart r 0δk [ R 0k 1 0 ], Θ δk, ρ ] 0 H 0xk ] Farisca Susiani ( ) Page 11

12 Penelitian Terdahulu CFA Pendekatan Bayesian Kemiskinan 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 ( jiwa), sedangkan terkecil di Kecamatan Ngusikan ( jiwa) pada tahun Jika dilihat dari perkembangan Rumah Tangga Miskin adalah. No Keterangan 1. Jumlah Rumah Tangga 2. Jumlah Rumah Tangga Miskin Tahun 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%. Farisca Susiani ( ) Page 12

13 Penelitian Terdahulu 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. CFA Pendekatan Bayesian Kemiskinan Farisca Susiani ( ) Page 13

14 Penelitian Terdahulu CFA Pendekatan Bayesian Kabupaten Jombang 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 bergedang dan tempat tinggal yang tidak memadai, lingkungan yang tidak aman, serta diskriminasi dan keterasingan sosial, dan dicirikan juga oleh rendahnya tingkat partisipasi dalam proses pengambi 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). Farisca Susiani ( ) Page 14

15 Penelitian Terdahulu CFA Pendekatan Bayesian Kabupaten Jombang 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). Farisca Susiani ( ) Page 15

16 Penelitian Sumber Data Teknik Analisis Variabel penelitian Farisca Susiani ( ) Page 16

17 Variabel Penelitian Teknik Analisis Data yang akan digunakan dalam penelitian adalah data sekunder yang diperoleh dari Badan Perencanaan Pembangunan Daerah (BAPPEDA) Kabupaten Jombang tahun Unit analisis pada penelitian ini adalah rumah tangga miskin 21 Kecamatan di Kabupaten Jombang. Untuk menganalisis data akan dipergunakan gabungan software R dan WinBUGS 1.4. Data awal yang diperoleh dari BAPPEDA Kabupaten Jombang sebanyak rumah tangga miskin. Perhitungan persentase disini berdasarkan jumlah rumah tangga miskin per Kecamatan. Farisca Susiani ( ) Page 17

18 Variabel Laten Variabel Indikator Sumber Data X1 X2 Persentase rumah tangga miskin yang luas tai bangunan tempat tinggalnya kurang dari 32 m 2 per Kecamatan Persentase rumah tangga miskin yang jenis tai bangunan tempat tinggalnya terbuat dari tanah/bambu/kayuberkualitas rendah per Kecamatan X3 Persentase rumah tangga miskin yang jenis dinding bangunan tempat tinggalnya terbuat dari bambu/rumbia/kayuberkualitas ren dah per Kecamatan Kesehatan X4 Persentase rumah tangga miskin yang tidak mempunyai fasilitas tem pat buang air besar atau bersifat umum per Ke camatan Teknik Analisis X5 X6 Persentase rumah tangga miskin yang sumber air minumnya berasal dari sumur/mata air tidak terlindung/sungai per Kecamatan Persentase rumah tangga miskin yang tidak mempunyai jenis atap dari genteng per Kecamatan X7 Persentase rumah tangga miskin yang tidak sanggup membayar bi aya pengobatan di Puskesmas/poliklinik per Kecamatan Farisca Susiani ( ) Page 18

19 Sumber Data Teknik Analisis Ekonomi X8 X9 X10 X11 X12 X13 X14 X15 Persentase rumah tangga miskin yang sumber penerangan tidak menggunakan listrik per Kecamatan Persentase rumah tangga miskin yang menggunakan bahan bakar untuk memasak sehari-hari adalah kayu bakar/arang/minyak tanah per Kecamatan Persentase rumah tangga miskin yang hanya mengkonsumsi daging/susu/ayam satu kali dalam seminggu per Kecamatan Persentase rumah tangga miskin yang tidak sanggup membeli satu set pa kaian baru dalam setahun per Kecamatan Persentase rumah tangga miskin yang hanya sanggup makan seba nyak satu/dua kali dalam sehari per Kecamatan Persentase rumah tangga miskin yang sumber penghasi kepala rumah tangga per bu dibawah Rp per Kecama tan Persentase rumah tangga miskin yang tidak memiliki aset dengan nilai Rp per Kecamatan Persentase rumah tangga miskin yang status kepemilikan bangunan tidak milik sendiri per Kecamatan Farisca Susiani ( ) Page 19

20 Sumber Data Variabel Penelitian 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 gkah-gkah yang perlu dilakukan. Menentukan model pengukuran X15 X8 X9 X7 X1 Kesehatan X2 X3 X14 Ekonomi X10 X6 X5 X4 X13 X12 X11 Farisca Susiani ( ) Page 20

21 Sumber Data Variabel Penelitian Estimasi parameter yang terdiri dari. Λ = matrik loading factor dari variabel indikator untuk laten kualitas kesehatan dan kualitas ekonomi. Φ = 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 Farisca Susiani ( ) Page 21

22 Karakteri stik Estimasi CFA (MLE) Estimasi CFA (Bayesian) Farisca Susiani ( ) 22 Page

23 Karakteristik Rumah Tangga Miskin di Kabupaten Jombang Estimasi ML Estimasi Bayesian 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, 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, x ,14 Farisca Susiani ( ) Page 23

24 Karakteris tik Estimasi Bayesian 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 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 Hasil dari pengujian menunjukkan bahwa nilai P-value kurang dari 0,05 sehingga data tidak berdistribusi multivariat normal Farisca Susiani ( ) Page 24

25 Karakteris tik Estimasi Bayesian Variabel Laten Kualitas Kesehatan Kualitas Ekonomi Indikator Loading Factor t-hitung Keterangan x 1 1,000* x 2-8,982-1,124 Tidak Signifikan x 3-9,265-1,122 Tidak Signifikan x 4-3,129-1,084 Tidak Signifikan x 5 1,505 0,78 Tidak Signifikan x 6 0,093 0,849 Tidak Signifikan x 7 0,184 0,826 Tidak Signifikan x 8 1,000* x 9 86,561 0,795 Tidak Signifikan x 10-18,239-0,765 Tidak Signifikan x 11-66,612-0,792 Tidak Signifikan x 12-57,221-0,784 Tidak Signifikan x 13-5,742-0,674 Tidak Signifikan x 14-54,677-0,799 Tidak Signifikan x 15-11,821-0,717 Tidak Signifikan Farisca Susiani ( ) Page 25

26 Karakteris tik Estimasi ML Penentuan Parameter untuk Distribusi Prior D [ Λ Θδ ] = Normal(0,84;9Θδ ) D = Θ δ D Inverse Gamma(9,4) ξ = Multi variate Normal(0, Φ) D 1 0 Φ = IW, Estimasi Parameter Menggunakan Bayesian CFA Dengan hasil iterasi sebanyak 20 ribu, proses estimasi parameter telah mencapai burn in untuk semua parameter pada iterasi pertama. Farisca Susiani ( ) Page 26

27 Karakteris tik Variabel Loading Factor 2,5% 97,5% Keterangan x 1 1, Signifikan x 2 0,7403 0,2637 1,208 Signifikan x 3 0,8103 0,3193 1,283 Signifikan x 4 0,7213 0, ,328 Signifikan x 5 0,9276 0,3982 1,441 Signifikan x 6 0,9427 0,2424 1,624 Signifikan x 7 0,9622 0,4385 1,468 Signifikan Kesehatan Estimasi ML Ekonomi Variabel Loading Factor 2,5% 97,5% Keterangan x 8 1, Signifikan x 9 0,7728 0,3525 1,179 Signifikan x 10 0,7551 0,2248 1,268 Signifikan x 11 0,8529 0,4058 1,295 Signifikan x 12 0,783 0,2054 1,341 Signifikan x 13 0,7495 0, ,443 Signifikan x 14 0,7672 0, ,426 Signifikan x 15 0,8858 0,1552 1,591 Signifikan Farisca Susiani ( ) Page 27

28 dan Saran Saran Farisca Susiani ( ) Page 28

29 Saran 1. Karakteristik rumah tangga miskin Kabupaten Jombang umumnya hanya mengkonsumsi daging/susu/ayam minimal satu kali dalam seminggu, sumber penghasi kepala rumah tangga per bu dibawah Rp , dan tidak memiliki aset dengan nilai minimal Rp 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 x 7, 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 x 15, yaitu persentase rumah tangga miskin yang status kepemilikan bangunan tidak milik sendiri. Farisca Susiani ( ) Page 29

30 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 sejutkan dapat ditambahkan lagi namun harus signifikan dalam mengukur variabel laten. 3. Sejutnya 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. Farisca Susiani ( ) Page 30

31 Daftar BAPPEDA Kab. Jombang. (2011). Laporan Akhir Penyusunan Indeks Pembangunan Manusia Kabupaten Jombang Tahun Jombang: BAPPEDA Kab. Jombang. Bollen, K. (1989). Structural Equations With Latent Variables. New York: John Wiley & Sons, Inc. BPS. (2008). PerhitunganTingkat Kemiskinan Tahun Jakarta: Badan Pusat Statistik. BPS. (2010). Perumahan. Diakses tanggal 10 Juli 2013, dari BPS. (2013). Profil Kemiskinan di Indonesia September Berita Resmi Statistik, 6(1), p.1-8. BPS Jombang. (2010). Kabupaten Jombang dalam Angka Jombang: Badan Pusat Statistik. Casella, G., dan George, E. I. (1992). Explaining the Gibbs Sampler. The American Statistician, 46(3), p Ekasari, D.F., dan Sunaryo, S. (2011). Pemode SEM dengan Generalized Structured Component Analysis (GSCA) (Studi Kasus Penentuan Struktur Model Kemiskinan di Kabupaten/Kota Provinsi Jawa Tengah), Magister Statistika, FMIPA. Surabaya : Institut Tekno Sepuluh Nopember. [Tidak dipublikasikan]. Pemerintah Kabupaten Jombang. (2009). Profil Kesehatan [online]. Diakses tanggal 10 Juli 2013, dari 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 Daftar (con 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, LP3ES Indonesia. Ibrahim, J. T., Soelistyo, A., dan Sutikno. (2009). Analisis Karakteristik Kemiskinan Petani di Jawa Timur. Jurnal Salam Universitas Muhammadiyah Mag, 12(1), p Kap, 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. Sosio FISIP, Unair, 20(1). Lee, S. Y. (2007). Structural Equation Modeling: A Bayesian Approach. Engd: 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 Persaulian, B., Aimon, H., dan Anis, A. (2013). Analisis Konsumsi Masyarakat di Indonesia. J. Kajian Ekonomi, 1(2), p 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

33 Daftar (con 2.) Tim Nasional Percepatan Penanggugan 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 BIMKMI, 1(1), p.1-8. Walpole, R. E. (1997). Pengantar Metode Statistika. Jakarta: PT. Gramedia Utama.

34