Penerapan Structural Equation Modelling-Partial Least Squares pada Faktor Kemiskinan di Jawa Tengah

Abstract

Jumlah penduduk miskin di Jawa Tengah pada Maret 2020 sebesar 3,98 juta orang (11,41%), peringkat kedua terbesar di Pulau Jawa. Angka jumlah penduduk miskin yang relatif tinggi menjadi prioritas bagi pemerintah untuk menanggulangi kemiskinan. Salah satu cara penanggulangan kemiskinan adalah dengan mengetahui faktor kemiskinan. Penelitian ini bertujuan untuk mengidentifikasi faktor kemiskinan di Jawa Tengah menggunakan metode Structural Equation Modelling-Partial Least Squares (SEM-PLS). Data yang digunakan dalam penelitian ini adalah data kabupaten/kota di Jawa Tengah tahun 2020. Pada kasus ini, terdapat satu peubah laten eksogen kesehatan dan tiga peubah laten endogen kemiskinan, ekonomi, dan sumberdaya manusia. Permasalahan yang ditemui adalah data amatan relatif kecil yaitu 35 amatan serta sebaran data tidak memenuhi asumsi kenormalan, sehingga analisis yang tepat digunakan dalam penelitian ini adalah Structural Equation Modelling-Partial Least Squares (SEM-PLS). Hasil penelitian menunjukkan bahwa peubah laten ekonomi dan Sumber Daya Manusia memiliki pengaruh positif tetapi tidak signifikan. Peubah laten kesehatan memiliki pengaruh negatif dan signifikan terhadap peubah laten kemiskinan. Nilai Q2 untuk peubah laten kemiskinan adalah 0,333, hal ini menunjukkan bahwa sebesar 33,3% keragaman peubah laten kemiskinan dapat dijelaskan oleh peubah laten ekonomi, kesehatan, dan sumber daya manusia.

The number of poverty-stricken people in Central Java in March 2020 was 3.98 million people (11.41%), the second-largest in Java. The approximately high number of poverty-stricken people is a priority for the government to reduce poverty. One of the solutions to reduce poverty is knowing the factors of poverty. The purpose of this study is to identify poverty factors in Central Java using the Structural Equation Modeling-Partial Least Squares (SEM-PLS) method. This study used data from districts/ cities in Central Java in 2020. In this case, there is one exogenous latent variable for health and three endogenous latent variables for poverty, economy, and human resources. The problem encountered that the observed data is relatively small, specifically for 35 observations and the data distribution is suspected not fulfilled the normal assumptions. In conclusion, the appropriate analysis used in this study is Structural Equation Modeling-Partial Least Squares (SEM-PLS). The results showed that the latent variables of economics and human resources had a positive but not significant effect. Latent variables for health had a negative and significant effect on the latent variables of poverty. The Q2 value for the latent variable of poverty is 0.333, this shows that 33.3% of the diversity of the latent variable of poverty can be explained by the latent variables of economy, health, and human resources.