4.3.1 Analisis Deskriptif
Analisis deskriptif digunakan untuk menganalisis karakteristik rumah tangga di wilayah pembangunan Bogor Timur. Analisis karakteristik rumah
tangga dilakukan melalui tabulasi silang cross tabulation antara variabel sektor pekerjaan utama kepala rumah tangga dengan indikator-indikator kemiskinan.
Sektor pekerjaan utama dibagi menjadi sektor pertanian dan sektor non-pertanian untuk menyelaraskan dengan pembagian wilayah pembangunan kabupaten Bogor
yang didasarkan pada sektor utama di masing-masing wilayah. Hasil tabulasi silang masing-masing variabel kemudian diinterpretasikan agar diperoleh
gambaran karakteristik rumah tangga di Bogor Timur.
4.3.2. Analisis Model Persamaan Struktural
Model persamaan struktural atau Structural Equation Model ialah suatu model yang digunakan untuk mengukur peubah yang tidak dapat diukur secara
langsung. Pengukuran peubah ini haruslah melalui peubah lain sebagai indikator- indikatornya. Peubah yang tidak dapat diukur secara langsung disebut peubah
laten sedangkan peubah-peubah indikatornya disebut peubah manifes. Model yang menggambarkan hubungan antara peubah laten dengan peubah-peubah
manifesnya dinamakan model pengukuran measurement model. Bila di dalam model terdapat hubungan antara peubah-peubah laten dinamakan model atau
analisis persamaan struktural Firdaus dan Apendi, 2008. Model Persamaan Struktural digunakan untuk menganalisis keterkaitan
antara karakteristik dan kesejahteraan rumah tangga di wilayah pembangunan Bogor Timur. Variabel laten dalam model ini sebanyak empat variabel laten
dengan 18 variabel manifes. Dalam hal ini, yang menjadi variabel laten ialah kesejahteraan rumah tangga, karakteristik pendapatan, pekerjaan, dan pendidikan.
Kesejahteraan rumah tangga dapat diukur dengan mengidentifikasi apakah suatu rumah tangga dikategorikan miskin atau tidak. Berdasarkan kriteria
kemiskinan BPS, kemiskinan rumah tangga diukur dengan 14 indikator kemiskinan. Berdasarkan hal tersebut, maka digunakan indikator-indikator
kemiskinan tersebut sebagai variabel manifes indikator variabel kesejahteraan rumah tangga. Dalam hal ini hanya digunakan 12 indikator kemiskinan karena
variabel pendidikan kepala rumah tangga dan sektor pekerjaan utama digunakan sebagai variabel manifes untuk variabel laten pendidikan dan pekerjaan. Variabel
karakteristik pendapatan diukur dengan menggunakan variabel pendapatan kepala rumah tangga dari sektor pekerjaan utama.
Terdapat tujuh langkah dalam permodelan SEM Firdaus dan Apendi, 2008 yaitu:
1. Pengembangan model teoritis. Pada prinsipnya merupakan pengujian
kausalitas secara empiris dari teori yang sudah ada dan digunakan untuk mengkonfirmasi model teoritis tersebut. Hubungan kausalitas dapat dibuat
dalam berbagai bentuk dan arti namun pola hubungan akan menjadi rasional bila dilandaskan pada suatu teori.
2. Pengembangan diagram path atau diagram alur. Diagram dibangun
berdasarkan pada konstruk untuk menunjukkan hubungan kausalitas. Cara membangun konstruk dengan mencari peubah penjelas yang dapat
menjelaskan konstruk tersebut. Gambar 6 menggambarkan model kesejahteraan rumah tangga wilayah Bogor Timur
3. Mengkonversi diagram path ke dalam persamaan. Diagram path dikonversikan
ke dalam bentuk persamaan struktural untuk menyatakan hubungan kausalitas. 4.
Menentukan matrik input dan estimasi model. Data input SEM merupakan matrik kovarian untuk melakukan pengujian model dari teori yang ada setara
dengan regresi untuk digunakan dalam penjelasan atau prediksi fenomena yang dikaji.
5. Pendugaan koefisien model
Kadangkala proses pendugaan memberikan hasil yang irasonal. Hal ini disebabkan ketidakmampuan struktur model dalam menduga hasil yang unik atau
setiap koefisien memerlukan model tersendiri atau terpisah dalam pendugaannya. Untuk menanggulangi model tak teridentifikasi perlu dilakukan penetapan
beberapa nilai koefisien pada nilai tertentu fix coefficient dan peubah laten yang hanya memiliki satu peubah indikator ditetapkan nilainya umumnya 1.
Pendugaan parameter dalam analisis SEM didasarkan pada matriks koragam data peubah-peubah manifes, bukan data asal. Hal ini dikarenakan fokus
analisis SEM bukan pada masing-masing pengamatan namun lebih pada pola hubungan antar pengamatan. Dalam pendugaan parameter digunakan matriks
korelasi sebagai alternatif input matriks di dalam analisis SEM karena matriks korelasi juga merupakan matriks koragam hanya saja peubah-peubahnya telah
dibakukan terlebih dahulu. Ukuran contoh juga memegang peranan penting dalam analisis SEM
karena ukuran contoh mempengaruhi di dalam pendugaan dan interpretasi hasil yang diperoleh. Terdapat empat hal yang berkaitan dengan penentuan ukuran
contoh yang memadai, yaitu: 1 kesalahan spesifikasi model, 2 ukuran model, 3 ketidaknormalan data, dan 4 prosedur pendugaan.
Kesalahan spesifikasi model timbul akibat adanya spesification error. Error ini dapat dihindari apabila semua peubah manifes maupun peubah laten
yang relevan secara teori telah dimasukkan ke dalam model SEM. Dengan ukuran contoh yang memadai, kesalahan ini dapat diidentifikasi.
Ukuran contoh yang dibutuhkan mestinya lebih besar dari banyaknya unsur pada matriks koragam atau korelasi yang digunakan. Dalam hal ini, ukuran
contoh yang disarankan berkisar antara 5 sampai 10 kali banyaknya unsur pada matriks koragam atau korelasi. Selain itu, terkait dengan ketidaknormalan data,
semakin jauh penyimpangan data terhadap sebaran normal, maka rasio pengamatan per parameter yang akan diduga juga semakin besar dengan panduan
yang umum digunakan adalah 15 pengamatan untuk setiap parameter yang akan diduga.
Metode pendugaan yang paling sering digunakan ialah metode pendugaan kemungkinan maksimum maximum likelihood estimation. Hanya saja pada
ukuran contoh yang sangat besar lebih dari 400 metode ini menjadi terlalu sensitif sehingga banyak perbedaan yang dideteksi antara model dengan data,
sehingga pada gilirannya ukuran kebaikan model menjadi jelek. Beberapa metode lain yang dapat dijadikan alternatif antara lain metode kuadrat terkecil terboboti
Weighted Least SquareWLS, metode kuadrat terkecil terampat Generalized Least Square
GLS, dan metode bebas sebaran secara asimtotik Asymptotically Distribution Free
ADF.
Identifikasi Model Struktural
Setelah model disusun, langkah berikutnya adalah penentuan apakah model tersebut dapat diduga yang dikenal dengan identifikasi model. Berkaitan
dengan identifikasi model, suatu model tergolong underidentified apabila model tersebut tidak dapat diperoleh dugaan bagi parameter-parameternya, just identified
apabila dapat diperoleh dugaan yang unik bagi parameter-parameternya, dan overidentified
apabila terdapat berbagai kemungkinan dugaan bagi parameter- parameternya.
Derajat bebas db di dalam analisis SEM merupakan selisih antara banyaknya koragam atau korelasi data dengan banyaknya koefisien yang akan
diduga, dengan formula sebagai berikut ini
[ ]
t q
p q
p db
− +
+ +
= 1
2 1
dimana p = banyaknya peubah manifes untuk peubah laten endogen
q = banyaknya peubah manifes untuk peubah laten eksogen t = banyaknya koefisien model yang akan diduga
Untuk penentuan identifikasi model, terdapat dua kondisi yang harus dipenuhi, yaitu rank dan order condition. Order condition merupakan syarat perlu
bagi identifikasi model, dimana suatu model dapat diduga apabila besarnya derajat bebas model lebih dari atau sama dengan nol. Apabila derajat bebas model sama
dengan nol, maka model tersebut tergolong just identified, sedangkan apabila lebih dari nol, maka model tergolong overidentified. Apabila order condition tidak
dipenuhi, yaitu derajat bebas model bernilai negatif, maka model tersebut tergolong underidentified.
Selain harus memenuhi order condition, suatu model juga harus memenuhi rank condition yang merupakan syarat cukup bagi identifikasi model.
Pendekatan yang bisa digunakan pada syarat ini adalah pertama, apabila suatu peubah laten diukur dengan paling tidak oleh tiga peubah manifes three measures
rule maka peubah laten tersebut akan selalu dapat diidentifikasididuga
identified. Pendekatan kedua adalah aturan model rekursif recursive model rule
yang menyatakan bahwa model rekursif model yang tidak memiliki hubungan timbal balik yang dicirikan dengan tidak adanya panah dua arah pada
diagram lintas dengan peubah latennya tergolong dapat diidentifikasi dari three measure rule
maka model rekursif tersebut akan selalu dapat diidentifikasi. 6.
Evaluasi kriteria goodness-of-fit SEM tidak mempunyai alat uji statistik tunggal untuk menguji antara
model dengan data yang disajikan. Beberapa indeks kesesuaian dan cut-off-value yang umumnya digunakan adalah sebagai berikut:
a. Offending Estimates
Kategori