Pemodelan Persamaan Struktural pada Kasus Dependensi Spasial (Studi Kasus: Indeks Kebahagiaan di Indonesia Tahun 2021)
Date
2022Author
Hasan, M.Yusril Muiz
Sulvianti, Itasia Dina
Djuraidah, Anik
Metadata
Show full item recordAbstract
Kesejahteraan masyarakat mencerminkan keberhasilan pembangunan di suatu daerah. Indeks kebahagiaan merupakan indikator subjektif yang dapat menggambarkan kesejahteraan masyarakat di suatu daerah. Pendidikan, ekonomi, kesehatan, dan kemiskinan diasumsikan memiliki pengaruh terhadap indeks kebahagiaan. Penelitian ini bertujuan untuk mengetahui indikator yang paling berpengaruh pada tiap peubah laten serta mengetahui peubah laten yang memengaruhi indeks kebahagiaan menggunakan model spasial. Data penelitian ini diperoleh dari Badan Pusat Statistik (BPS) dengan jumlah indikator adalah 22 yang dikelompokkan ke dalam lima peubah laten. Metode yang digunakan untuk menganalisis hubungan antar peubah laten adalah Structural Equation Modeling (SEM). Pendekatan pada metode analisis SEM untuk jumlah data yang kecil dan tidak memenuhi asumsi distribusi normal adalah Structural Equation Modeling-Partial Least Square (SEM-PLS). Peubah laten yang berpengaruh signifikan terhadap indeks kebahagiaan pada beberapa model spasial adalah lag indeks kebahagiaan dan kemiskinan. Indikator yang paling berpengaruh pada peubah laten kemiskinan adalah indeks kedalaman kemiskinan, sedangkan indikator dari peubah laten indeks kebahagiaan yang paling berpengaruh adalah indeks kepuasan hidup. Community welfare reflects the success of development in an area. The happiness index is a subjective indicator that can describe the welfare of the community in an area. Education, economy, health, and poverty are assumed to have an influence on the happiness index. This study aims to determine the most influential indicator on each latent variable and determine the latent variable that affects the happiness index using a spatial model. The data for this study were obtained from the Badan Pusat Statistik (BPS) with 22 indicators grouped into five latent variables. The method that can be used to analyze latent variables is Structural Equation Modeling (SEM). The approach to the SEM analysis method for a small amount of data and does not meet the assumption of a normal distribution is Structural Equation Modeling-Partial Least Square (SEM-PLS). Latent variables that have a significant effect on the happiness index in some spatial models are the happiness index lag and poverty. The indicator has the most influence on the latent variable of poverty is the poverty depth index, while the indicator has the most influence on the latent variable of the happiness index is the life satisfaction index.