Penentuan kuintil indeks kepemilikan

1. Penentuan kuintil indeks kepemilikan

Status sosial ekonomi merupakan salah satu variabel proxy yang sering digunakan untuk mengukur tingkat kesejahteraan suatu rumah tangga. Terdapat tiga cara untuk mengukur status sosio-ekonomi, yaitu melalui data penghasilan per bulan, atau pengeluaran per bulan atau berdasarkan kepemilikan barang tahan lama. Ketiga proxy pengukuran status ekonomi tersebut mempunyai kelebihan dan kelemahan.

Pengukuran status ekonomi berdasarkan data penghasilan per bulan mudah ditanyakan, namun mempunyai akurasi yang sulit dipercaya, mengingat tidak semua responden bersedia menjawab dengan jujur jumlah penghasilan per bulan mereka. Di beberapa negara berkembang, sebagian besar penduduk berkerja pada sektor informal, sehingga sulit untuk mendapatkan informasi jumlah penghasilan pasti per bulannya.

Mengukur status ekonomi berdasarkan data pengeluaran per bulan mempunyai akurasi yang cukup baik diantara ketiga cara pengukuran, namun untuk dapat memperoleh informasi pengeluaran tersebut diperlukan data rinci tentang berbagai jenis pengeluaran RT secara detail yang seringkali membingungkan responden dan time consumed.

Pada beberapa tahun terakhir, pengukuran status ekonomi banyak menggunakan data kepemilikan barang tahan lama, seperti rumah, mobil, motor, sepeda, kulkas dan lain sebagainya. Kelebihan pengukuran berdasarkan kepemilikan barang tahan lama ini lebih mudah ditanyakan dan diobservasi, namun memerlukan perhitungan yang lebih kompleks untuk menyusun satu indeks kepemilikan yang merupakan komposit dari beberapa variabel terkait kepemilikan RT yang bersangkutan.

Principal Component Analysis (PCA) merupakan salah satu teknik statistik yang menyatukan beberapa variabel menjadi indikator tunggal, seperti yang dilaporkan Ariawan (2006). Indikator tersebut berisi skor, bobot atau indeks untuk mengukur status ekonomi RT yang selanjutnya disebut indeks kepemilikan.

Simulasi model penyusunan indeks dilakukan dengan cara mengidentifikasi variabel yang menunjukkan kepemilikan. Adapun hasil identifikasi variabel kepemilikan data Riskesdas 2013 dapat dilihat pada Tabel 2.7. Simulasi model penyusunan indeks kepemilikan untuk Riskesdas

2013 menggunakan variabel kepemilikan Susenas 2010 yang dibandingkan dengan pengukuran status ekonomi berdasarkan pengeluaran per bulan pada survei yang sama.

Dari 21 variabel pada Tabel 2.7 terdapat 17 variabel yang dimiliki kedua survei (Susenas dan Riskesdas 2013) untuk analisis PCA dengan menggunakan korelasi polychoric. Dari matriks yang terbentuk hanya variabel yang memiliki nilai korelasi diatas 0,3 yang digunakan sebagai prediksi status ekonomi. Penapisan variabel dilakukan dengan mengeliminasi satu persatu variable secara bertahap yang memiliki korelasi dengan variabel lain dibawah 0,3 sampai didapat seluruh variabel dengan nilai korelasi diatas 0,3 dan besarnya proportion explained diatas 0,5.

Dari 17 variabel tersebut diperoleh sembilan variabel yang memiliki korelasi diatas 0,3 dengan proportion explained 0,57, yang berarti komposit sembilan variabel tersebut dapat menjelaskan

57 persen status ekonomi RT. Tahap selanjutnya adalah membagi semua sampel RT menjadi lima kelompok sesuai indeks kepemilikan. Hasil pengelompokan RT tersebut diuji tabulasi silang dengan pengelompokan RT berdasarkan pengeluaran per bulan untuk melihat apakah rumah tangga kuintil terbawah pada status ekonomi berdasarkan indeks kepemilikan juga termasuk kuintil terbawah berdasarkan pengeluaran. Metoda yang sama juga dilakukan terhadap kuintil lainnya. Dari ke lima kuintil tersebut hanya kuintil terbawah dan teratas yang mempunyai ketepatan cukup baik. Artinya indeks kepemilikan mempunyai sensitivitas yang baik pada RT dengan status ekonomi terendah dan tertinggi.

Model yang dibentuk dari 9 variabel tersebut diterapkan kedalam variabel yang ada pada data Riskesdas 2013, ditambah dengan 4 variabel kepemilikan pada Riskesdas 2013 yang tidak terdapat pada data Susenas 2010, kemudian dilakukan penapisan variabel dengan cara yang sama, pada akhirnya diperoleh 12 variabel yang mempunyai korelasi di atas 0,3 dan Proportion explained 53,6 persen. Variabel pembentuk indeks adalah: 1) sumber air utama untuk minum, 2) bahan bakar memasak, 3) kepemilikan fasilitas buang air besar, 4) jenis kloset, 5) tempat pembuangan akhir tinja, 6) sumber penerangan, 7) sepeda motor, 8) TV, 9) pemanas air, 10) tabung gas 12 kg, 11) lemari es, dan 12) mobil. Tahapan selanjutnya indeks yang sudah terbentuk dikelompokkan kedalam 5 kuintil: terbawah, menengah bawah, menengah, menengah atas, dan teratas

Tabel 2.7 Variabel kepemilikan data Riskesdas 2013 Variabel Kepemilikan Data Riskesdas 2013

Variabel

1 Status kepemilikan rumah

B9R1

2 Jenis atap terluas

B9R6

3 Jenis dinding terluas

B9R5

4 Jenis lantai terluas

B9R4

5 Luas lantai

B9R2

6 Jenis sumber air utama untuk minum

B8R2

7 Kepemilikan fasilitas tempat BAB

B9R8a

8 Jenis kloset