Tahap ini berhubungan dengan pengembanga
Tahap ini berhubungan dengan pengembangan hipotesis (berdasarkan
teori) sebagai dasar dalam menghubungkan variabel laten dengan variabel laten
lainnya, dan juga dengan indikator-indikatornya. Dengan kata lain, model yang
dibentuk adalah persepsi kita mengenai bagaimana variabel laten dihubungkan
berdasarkan teori dan bukti yang kita peroleh dari disiplin ilmu kita. Dalam tahap
ini kita harus mampu membedakan variabel endogen dan variabel eksogen serta
menentukan sifat dari indikator yaitu bersifat reflektif (Indikator seolah-olah
dipengaruhi oleh variabel laten) atau formatif (Indikator
seolah-olah
mempengaruhi variabel laten). Pada umumnya dalam SEM, indikator bersifat
reflektif.
Pada GSCA diperlukan spesifikasi model pengukuran (refkelsif atau formatif) dan
model struktural. Kedua sub model tersebut diintegrasikan ke dalam sebuah persamaan aljabar,
dan pendugaan parameter diperlakukan padanya. Pendugaan parameter GSCA memiliki satu
kriteria tunggal secara konsisten yaitu meminimumkan residual dari model terintegrasi tersebut.
Dengan demikian analisis GSCA memiliki kriteria global optimasi sehingga dapat memberikan
kesesuaian model secara global (keseluruhan).
MODEL PENGUKURAN ATAU OUTER MODEL
Convergent validity dari model pengukuran dengan refleksif indikator dinilai
berdasarkan nilai loading factor masing-masing indikator pembentuk konstruk laten.
Suatu konstruk laten dinilai mempunyai convergent validity yang baik jika nilai loading
factor lebih dari 0,70 dan signifikan. Namun demikian untuk penelitian tahap awal
pengembangan skala pengukuran, maka nilai loading 0,5 sampai 0,6 dianggap cukup.
Discriminant validity model pengukuran dengan refleksif indikator dinilai dengan
membandingkan nilai square root (akar kuadrat) dari average variance extracted (
√ AVE ) setiap konstruk laten dengan korelasi antara konstruk bersangkutan dengan
konstruk lainnya dalam model. Jika nilai akar kuadrat AVE setiap konstruk lebih besar
daripada nilai korelasi antara konstruk dengan konstruk lainnya dalam model, maka
dikatakan memiliki nilai discriminant validity yang baik. Berikut ini rumus menghitung
AVE:
AVE=
∑ λ i2
∑ λ i2+∑ 1−λ i2
Dimana
λi
2
adalah komponen loading factor dan 1- λ i 2
= var ( εi ). Jika semua
indikator loading distandardisasi, maka ukuran ini sama dengan average communalities
dalam blok. Fornell dan Lacker (1981) menyatakan bahwa pengukuran AVE ini dapat
digunakan untuk mengukur reliabilitas component score konstruk laen dan hasilnya lebih
konservatif dibandingkan nilai composite reliability ( ρc ¿ . Direkomendasikan nila
AVE harus lebih besar dari 0,50.
Composite reliability blok indikator yang mengukur suatu konstruk laten dapat dievaluasi
dengan dua macam ukuran yaitu internal consistency yang dikembangkan oleh Werts, Linn dan
Joreskog (1974) dan Cronbach Alpha. Dengan menggunakan output yang dihasilkan GSCA,
maka composite reliability dapat dihitung dengan rumus:
2
( ∑ λi )
ρc=
2
( ∑ λi ) + ( ∑ 1−λi 2)
Direkomendasikan nilai composite reliability lebih besar atau sama dengan 0,70.
MODEL STRUKTURAL ATAU INNER MODEL
Model structural dievaluasi dengan melihat nilai koefisien parameter dan nilai t statistik serta
signifikansi koefisien parameter tersebut. Nilai t statistic diperoleh dari hasil bootstrapping
dengan membagi nilai koefisien parameter dengan nilai standar errornya.
LANGKAH-LANGKAH GSCA
Langkah-langkah pemodelan persamaan struktural GSCA mirip dengan PLS dengan software
GeSCA adalah seperti dapat dilihat pada gambar berikut.
1. Merancang Model Struktural (hubungan antar variabel laten)
Perancangan model struktural hubungan antar variabel laten pada GSCA
didasarkan pada rumusan masalah atau hipotesis penelitian. Pada SEM perancangan
model adalah berbasis teori, akan tetapi pada GSCA rujukan hubungan antar variabel bisa
berupa teori yang udah ada, hasil penelitian empiris, analogi dan rasional.
Oleh karena itu, pada GSCA dimungkinkan melakukan eksplorasi hubungan antar
variabel laten, sehingga sebagai dasar perancangan model struktural bisa rasional yang
tertuang dalam premis-premis, sehingga hubungan antar variabel yang akan diuji adalah
berupa proposisi. Hal ini tidak direkomendasikan di dalam SEM, yaitu perancangan
model berbasis teori, sehingga pemodelan didasarkan pada hubungan antar variabel laten
yang ada di dalam hipotesis.
2. Merancang Model Pengukuran (refleksif atau formatif)
Pada SEM perancangan model pengukuran hanya merujuk pada definisi
operasional variabel, sesuai dengan proses perancangan instrumen penelitian. Model
indikator di dalam SEM semua bersifat refleksif, sehingga perancangan model
pengukuran jarang dibicarakan secara detail.
Di sisi lain, pada GSCA (seperti pada PLS) perancangan model pengukuran menjadi
sangat penting, yaitu terkait dengan apakah indikator bersifat refleksif atau formatif.
Merancang model pengukuran yang dimaksud di dalam GSCA adalah
menentukan sifat indikator dari masing-masing variabel laten, apakah refleksif atau
formatif. Kesalahan dalam menentukan model pengukuran ini akan bersifat serius, yaitu
memberikan hasil analisis yang bias. Dasar yang dapat digunakan sebagai rujukan untuk
menentukan sifat indikator apakah refleksif atau formatif adalah: normative finalitas,
teori, penelitian empiris sebelumnya, atau kalau belum ada adalah rasional. Pada tahap
awal penerapan GSCA (seperti pada PLS), tampaknya rujukan berupa teori atau
penelitian empiris sebelumnya masih jarang, atau
bahkan belum ada. Oleh karena itu, dengan merujuk pada definisi konseptual dan definisi
operasional variabel, diharapkan sekaligus dapat dilakukan identifikasi sifat indikatornya,
bersifat refleksif atau formatif.
3. Mengkonstruksi Diagram jalur
Bilamana langkah satu dan dua sudah dilakukan, maka agar hasilnya lebih mudah
dipahami, hasil perancangan tersebut selanjutnya dinyatakan dalam bentuk diagram jalur.
Contoh bentuk diagram jalur untuk GSCA dapat dilihat pada gambar berikut.
4. Konversi diagram jalur ke system persamaan
a) Spesifikasi hubungan antara variabel laten dengan indikatornya, disebut juga dengan
measurement model, mendefinisikan karakteristik variabel laten dengan indikatornya.
Model indikator refleksif dapat ditulis persamaannya sebagai berikut:
5. Estimasi
6. Evaluasi goodness of fit
7. Pengujian hipotesis (resampling bootstraping)
METODE PENELITIAN
Sumber Data
Data pada penelitian ini yaitu data sekunder yang diperoleh dari Dinas Kesehatan
Provinsi Jawa Tengah tahun 2012 untuk tiap kabupaten di Provinsi Jawa Tengah Sebanyak 67
kabupaten.
Evaluasi Model GSCA
Seperti halnya model Partial Least Square (PLS), evaluasi terhadap model
GSCA dilakukan tiga tahap. Pertama evaluasi terhadap model pengukuran (outer
model) dengan melihat convergent validity, discriminant validity, composite
reliability dan average variance extracted. Tahap kedua evaluasi model
strukturalnya (inner model) dengan melihat koefisien jalur dari variabel exogen ke
endogen dan melihat nilai signifikansi. Tahap ketiga melihat overall goodness fit
model dengan uji FIT, AFIT, GFI dan SRMR.
BAB II
METODE PENELITIAN
A. MODEL PENGUMPULAN DATA
Model penelitian yang digunakan dalam penelitian ini adalah model
dokumentasi. Model dokumentasi adalah model dengan cara mengumpulkan
dan mencari data-data yang diperlukan. Data dalam penelitian ini adalah data
persentase rumah sehat, persentase keluarga yang memiliki akses air bersih,
persentase keluarga yang memiliki pengelolaan limbah, persentase posyandu
aktif, persentase bayi yang mendapat ASI eksklusif, persentase keluarga miskin
yang berobat pada tenaga kesehatan (puskesmas), persentase pertolongan
persalinan dengan tenaga kesehatan, persentase deteksi tumbuh kembang anak
balita melalui pelayanan kesehatan, persentase penduduk berumur 15 tahun ke
atas yang melek huruf, persentase angka putus sekolah SD, persentase angka
putus sekolah SMP, persentase laju pertumbuhan ekonomi dan persentase nilai
tukar petani.
Data yang digunakan dalam penelitian ini adalah data sekunder yang
diperoleh dari Dinas Kesehatan Provinsi Jawa Tengah dan BPS Provinsi Jawa
Tengah tahun 2012, yaitu data tentang faktor-faktor yang mempengaruhi dan
indikator-indikator yang terkait pada derajat kesehatan masyarakat untuk tiap
Kabupaten/Kota di Provinsi Jawa Tengah yang terdiri dari 35 Kabupaten/Kota.
B. IDENTIFIKASI VARIBEL PENELITIAN
Variabel yang digunakan dalam penelitian ini yaitu:
1. Variabel Eksogen (independen)
Variabel lingkungan indikatornya persentase rumah sehat (X1), persentase
keluarga yang memiliki akses air bersih (X2), dan persentase keluarga yang
memiliki pengelolaan air limbah (X3). Variabel perilaku hidup sehat
indikatornya persentase posyandu aktif (X4), persentase bayi yang mendapat
ASI eksklusif (X5) dan persentase keluarga miskin yang berobat pada tenaga
kesehatan (X6). Variabel pelayanan kesehatan indikatornya persentase
pertolongan persalinan dengan tenaga kesehatan (X7), persentase deteksi
tumbuh kembang anak balita melalui pelayanan kesehatan (X8), jumlah
sarana x9. Variabel Ekonomi indikatornya persentase laju pertumbuhan
ekonomi/tingkat pengangguran(X10) dan banyaknya penduduk miskin/nilai
tukar petani (X11), bnykny penduduk x12 Variabel pendidikan indikatornya
persentase penduduk berumur 10 tahun ke atas yang melek huruf (X13),
angkatan kerja. X14
2. Variabel Endogen (Dependen)
Variabel derajat kesehatan indikatornya Angka kematian Bayi per 1000
kelahiran (Y1), persentase Angaka Kematian Ibu melahirkan per 100.000
kelahiran (Y2), dan persentase status gizi bayi buruk (Y3).
3. Variabel laten
Variabel laten dalam penelitian ini adalah variabel lingkungan, variabel
perilaku hidup sehat, variabel pelayanan kesehatan dan variabel derajat
kesehatan. Kemudin variabel indikator terhadap variabel derajat kesehatan
dapat didefinisikan sebagai variabel manifest.
C. TEKNIK ANALISIS DATA
Analisis data dilakukan berdasarkan tujuan penelitian adapun langkahlangkahnya sebagai berikut:
1. Spesifikasi model
2. Mengestimasi parameter menggunakan software GeSCA
3. Mengevaluasi model pengukuran dengan melihat signifikansi, menguji
validitas dan reliabilitas menggunakan Average Variance Extracted (AVE)
dengan AVE > 0,50 dan Composite Reliability ( ρc ) dengan nilai
ρc
≥ 0,6.
4. Mengevaluasi model structural menggunakan koefisien determinasi ( R2 )
dan signifikansi koefisien jalur strukturalnya dilihat dari nilai CR (Critical
Ratio) setara t-statistik melalui tahap bootstrapping.
5. Evaluasi overall goodness fit model.
6. Membuat kesimpulan.
teori) sebagai dasar dalam menghubungkan variabel laten dengan variabel laten
lainnya, dan juga dengan indikator-indikatornya. Dengan kata lain, model yang
dibentuk adalah persepsi kita mengenai bagaimana variabel laten dihubungkan
berdasarkan teori dan bukti yang kita peroleh dari disiplin ilmu kita. Dalam tahap
ini kita harus mampu membedakan variabel endogen dan variabel eksogen serta
menentukan sifat dari indikator yaitu bersifat reflektif (Indikator seolah-olah
dipengaruhi oleh variabel laten) atau formatif (Indikator
seolah-olah
mempengaruhi variabel laten). Pada umumnya dalam SEM, indikator bersifat
reflektif.
Pada GSCA diperlukan spesifikasi model pengukuran (refkelsif atau formatif) dan
model struktural. Kedua sub model tersebut diintegrasikan ke dalam sebuah persamaan aljabar,
dan pendugaan parameter diperlakukan padanya. Pendugaan parameter GSCA memiliki satu
kriteria tunggal secara konsisten yaitu meminimumkan residual dari model terintegrasi tersebut.
Dengan demikian analisis GSCA memiliki kriteria global optimasi sehingga dapat memberikan
kesesuaian model secara global (keseluruhan).
MODEL PENGUKURAN ATAU OUTER MODEL
Convergent validity dari model pengukuran dengan refleksif indikator dinilai
berdasarkan nilai loading factor masing-masing indikator pembentuk konstruk laten.
Suatu konstruk laten dinilai mempunyai convergent validity yang baik jika nilai loading
factor lebih dari 0,70 dan signifikan. Namun demikian untuk penelitian tahap awal
pengembangan skala pengukuran, maka nilai loading 0,5 sampai 0,6 dianggap cukup.
Discriminant validity model pengukuran dengan refleksif indikator dinilai dengan
membandingkan nilai square root (akar kuadrat) dari average variance extracted (
√ AVE ) setiap konstruk laten dengan korelasi antara konstruk bersangkutan dengan
konstruk lainnya dalam model. Jika nilai akar kuadrat AVE setiap konstruk lebih besar
daripada nilai korelasi antara konstruk dengan konstruk lainnya dalam model, maka
dikatakan memiliki nilai discriminant validity yang baik. Berikut ini rumus menghitung
AVE:
AVE=
∑ λ i2
∑ λ i2+∑ 1−λ i2
Dimana
λi
2
adalah komponen loading factor dan 1- λ i 2
= var ( εi ). Jika semua
indikator loading distandardisasi, maka ukuran ini sama dengan average communalities
dalam blok. Fornell dan Lacker (1981) menyatakan bahwa pengukuran AVE ini dapat
digunakan untuk mengukur reliabilitas component score konstruk laen dan hasilnya lebih
konservatif dibandingkan nilai composite reliability ( ρc ¿ . Direkomendasikan nila
AVE harus lebih besar dari 0,50.
Composite reliability blok indikator yang mengukur suatu konstruk laten dapat dievaluasi
dengan dua macam ukuran yaitu internal consistency yang dikembangkan oleh Werts, Linn dan
Joreskog (1974) dan Cronbach Alpha. Dengan menggunakan output yang dihasilkan GSCA,
maka composite reliability dapat dihitung dengan rumus:
2
( ∑ λi )
ρc=
2
( ∑ λi ) + ( ∑ 1−λi 2)
Direkomendasikan nilai composite reliability lebih besar atau sama dengan 0,70.
MODEL STRUKTURAL ATAU INNER MODEL
Model structural dievaluasi dengan melihat nilai koefisien parameter dan nilai t statistik serta
signifikansi koefisien parameter tersebut. Nilai t statistic diperoleh dari hasil bootstrapping
dengan membagi nilai koefisien parameter dengan nilai standar errornya.
LANGKAH-LANGKAH GSCA
Langkah-langkah pemodelan persamaan struktural GSCA mirip dengan PLS dengan software
GeSCA adalah seperti dapat dilihat pada gambar berikut.
1. Merancang Model Struktural (hubungan antar variabel laten)
Perancangan model struktural hubungan antar variabel laten pada GSCA
didasarkan pada rumusan masalah atau hipotesis penelitian. Pada SEM perancangan
model adalah berbasis teori, akan tetapi pada GSCA rujukan hubungan antar variabel bisa
berupa teori yang udah ada, hasil penelitian empiris, analogi dan rasional.
Oleh karena itu, pada GSCA dimungkinkan melakukan eksplorasi hubungan antar
variabel laten, sehingga sebagai dasar perancangan model struktural bisa rasional yang
tertuang dalam premis-premis, sehingga hubungan antar variabel yang akan diuji adalah
berupa proposisi. Hal ini tidak direkomendasikan di dalam SEM, yaitu perancangan
model berbasis teori, sehingga pemodelan didasarkan pada hubungan antar variabel laten
yang ada di dalam hipotesis.
2. Merancang Model Pengukuran (refleksif atau formatif)
Pada SEM perancangan model pengukuran hanya merujuk pada definisi
operasional variabel, sesuai dengan proses perancangan instrumen penelitian. Model
indikator di dalam SEM semua bersifat refleksif, sehingga perancangan model
pengukuran jarang dibicarakan secara detail.
Di sisi lain, pada GSCA (seperti pada PLS) perancangan model pengukuran menjadi
sangat penting, yaitu terkait dengan apakah indikator bersifat refleksif atau formatif.
Merancang model pengukuran yang dimaksud di dalam GSCA adalah
menentukan sifat indikator dari masing-masing variabel laten, apakah refleksif atau
formatif. Kesalahan dalam menentukan model pengukuran ini akan bersifat serius, yaitu
memberikan hasil analisis yang bias. Dasar yang dapat digunakan sebagai rujukan untuk
menentukan sifat indikator apakah refleksif atau formatif adalah: normative finalitas,
teori, penelitian empiris sebelumnya, atau kalau belum ada adalah rasional. Pada tahap
awal penerapan GSCA (seperti pada PLS), tampaknya rujukan berupa teori atau
penelitian empiris sebelumnya masih jarang, atau
bahkan belum ada. Oleh karena itu, dengan merujuk pada definisi konseptual dan definisi
operasional variabel, diharapkan sekaligus dapat dilakukan identifikasi sifat indikatornya,
bersifat refleksif atau formatif.
3. Mengkonstruksi Diagram jalur
Bilamana langkah satu dan dua sudah dilakukan, maka agar hasilnya lebih mudah
dipahami, hasil perancangan tersebut selanjutnya dinyatakan dalam bentuk diagram jalur.
Contoh bentuk diagram jalur untuk GSCA dapat dilihat pada gambar berikut.
4. Konversi diagram jalur ke system persamaan
a) Spesifikasi hubungan antara variabel laten dengan indikatornya, disebut juga dengan
measurement model, mendefinisikan karakteristik variabel laten dengan indikatornya.
Model indikator refleksif dapat ditulis persamaannya sebagai berikut:
5. Estimasi
6. Evaluasi goodness of fit
7. Pengujian hipotesis (resampling bootstraping)
METODE PENELITIAN
Sumber Data
Data pada penelitian ini yaitu data sekunder yang diperoleh dari Dinas Kesehatan
Provinsi Jawa Tengah tahun 2012 untuk tiap kabupaten di Provinsi Jawa Tengah Sebanyak 67
kabupaten.
Evaluasi Model GSCA
Seperti halnya model Partial Least Square (PLS), evaluasi terhadap model
GSCA dilakukan tiga tahap. Pertama evaluasi terhadap model pengukuran (outer
model) dengan melihat convergent validity, discriminant validity, composite
reliability dan average variance extracted. Tahap kedua evaluasi model
strukturalnya (inner model) dengan melihat koefisien jalur dari variabel exogen ke
endogen dan melihat nilai signifikansi. Tahap ketiga melihat overall goodness fit
model dengan uji FIT, AFIT, GFI dan SRMR.
BAB II
METODE PENELITIAN
A. MODEL PENGUMPULAN DATA
Model penelitian yang digunakan dalam penelitian ini adalah model
dokumentasi. Model dokumentasi adalah model dengan cara mengumpulkan
dan mencari data-data yang diperlukan. Data dalam penelitian ini adalah data
persentase rumah sehat, persentase keluarga yang memiliki akses air bersih,
persentase keluarga yang memiliki pengelolaan limbah, persentase posyandu
aktif, persentase bayi yang mendapat ASI eksklusif, persentase keluarga miskin
yang berobat pada tenaga kesehatan (puskesmas), persentase pertolongan
persalinan dengan tenaga kesehatan, persentase deteksi tumbuh kembang anak
balita melalui pelayanan kesehatan, persentase penduduk berumur 15 tahun ke
atas yang melek huruf, persentase angka putus sekolah SD, persentase angka
putus sekolah SMP, persentase laju pertumbuhan ekonomi dan persentase nilai
tukar petani.
Data yang digunakan dalam penelitian ini adalah data sekunder yang
diperoleh dari Dinas Kesehatan Provinsi Jawa Tengah dan BPS Provinsi Jawa
Tengah tahun 2012, yaitu data tentang faktor-faktor yang mempengaruhi dan
indikator-indikator yang terkait pada derajat kesehatan masyarakat untuk tiap
Kabupaten/Kota di Provinsi Jawa Tengah yang terdiri dari 35 Kabupaten/Kota.
B. IDENTIFIKASI VARIBEL PENELITIAN
Variabel yang digunakan dalam penelitian ini yaitu:
1. Variabel Eksogen (independen)
Variabel lingkungan indikatornya persentase rumah sehat (X1), persentase
keluarga yang memiliki akses air bersih (X2), dan persentase keluarga yang
memiliki pengelolaan air limbah (X3). Variabel perilaku hidup sehat
indikatornya persentase posyandu aktif (X4), persentase bayi yang mendapat
ASI eksklusif (X5) dan persentase keluarga miskin yang berobat pada tenaga
kesehatan (X6). Variabel pelayanan kesehatan indikatornya persentase
pertolongan persalinan dengan tenaga kesehatan (X7), persentase deteksi
tumbuh kembang anak balita melalui pelayanan kesehatan (X8), jumlah
sarana x9. Variabel Ekonomi indikatornya persentase laju pertumbuhan
ekonomi/tingkat pengangguran(X10) dan banyaknya penduduk miskin/nilai
tukar petani (X11), bnykny penduduk x12 Variabel pendidikan indikatornya
persentase penduduk berumur 10 tahun ke atas yang melek huruf (X13),
angkatan kerja. X14
2. Variabel Endogen (Dependen)
Variabel derajat kesehatan indikatornya Angka kematian Bayi per 1000
kelahiran (Y1), persentase Angaka Kematian Ibu melahirkan per 100.000
kelahiran (Y2), dan persentase status gizi bayi buruk (Y3).
3. Variabel laten
Variabel laten dalam penelitian ini adalah variabel lingkungan, variabel
perilaku hidup sehat, variabel pelayanan kesehatan dan variabel derajat
kesehatan. Kemudin variabel indikator terhadap variabel derajat kesehatan
dapat didefinisikan sebagai variabel manifest.
C. TEKNIK ANALISIS DATA
Analisis data dilakukan berdasarkan tujuan penelitian adapun langkahlangkahnya sebagai berikut:
1. Spesifikasi model
2. Mengestimasi parameter menggunakan software GeSCA
3. Mengevaluasi model pengukuran dengan melihat signifikansi, menguji
validitas dan reliabilitas menggunakan Average Variance Extracted (AVE)
dengan AVE > 0,50 dan Composite Reliability ( ρc ) dengan nilai
ρc
≥ 0,6.
4. Mengevaluasi model structural menggunakan koefisien determinasi ( R2 )
dan signifikansi koefisien jalur strukturalnya dilihat dari nilai CR (Critical
Ratio) setara t-statistik melalui tahap bootstrapping.
5. Evaluasi overall goodness fit model.
6. Membuat kesimpulan.