Response Based Units Segmentation Partial Least Square (REBUS PLS) dan Finite Mixture Model Partial Least Square (FIMIX PLS) pada Data Bergerombol

Abstract

Analisis regresi adalah model statistik yang digunakan untuk menggambarkan hubungan kausal antara dua peubah atau lebih. Peubah-peubah yang digunakan dalam analisis regresi merupakan peubah terukur atau peubah yang dapat langsung diketahui nilai/besarannya melalui suatu pengamatan. Analisis regresi tidak dapat menganalisis antar peubah tak terukur (peubah laten) atau peubah yang tidak dapat langsung diketahui nilai/ besarannya. Structural Equation Modeling (SEM) merupakan salah satu analisis statistik yang dapat digunakan untuk menganalisis hubungan kausal dengan melibatkan peubah laten. SEM merupakan model pendekatan model struktural, analisis faktor dan analisis lintas. SEM memiliki beberapa metode pendugaan paramater model, salah satunya adalah Partial Least Square-Path Modeling (PLS-PM). Prinsip kerja PLS-PM menggunakan pendekatan ragam sehingga tidak memerlukan asumsi yang ketat. Penduga parameter dan validasi model akan berbias sebagai akibat dari keragaman unit-unit amatan belum dapat diatasi. Salah satu cara untuk mengatasi hal tersebut dapat digunakan dengan teknik penggerombolan. Pada penelitian ini, pendekatan teknik penggerombolan yang digunakan untuk mendeteksi keragaman unit-unit amatan dengan menggunakan REBUS PLS dan FIMIX PLS. REBUS PLS merupakan metode yang dapat mendeteksi keragaman yang berasal dari model struktural dan model pengukuran termasuk peubah laten eksogen dan endogen yang ada di dalam model. FIMIX PLS merupakan metode yang dapat mendeteksi keragaman yang berasal dari model struktural. Data pada penelitian ini terdiri dari data simulasi dan data empiris. Data simulasi dibangun dari dua koefisien lintas pada model struktural yang berbeda untuk masing-masing gerombol dengan ragam sisaan untuk setiap simulasi adalah 10%, 25% da 50%. Data empiris yang digunakan yaitu data ketahanan pangan di Pulau Jawa. Hasil simulasi mempertimbangkan nilai Rataan Bias Relatif Absolut (RBRA) yang merupakan indikator kebaikan model pada koefisien model. Nilai RBRA pada FIMIX PLS dan REBUS PLS menunjukkan ketidakteraturan kondisi kenaikan dan penurunan RBRA terhadap kenaikan ragam sisaan. Secara umum, FIMIX PLS memberikan hasil yang lebih baik dalam pendugaan koefisien lintas pada model struktural. Hasil pada data empiris menunjukkan gerombol optimum sebanyak dua. Model lokal untuk setiap gerombol dibandingkan nilai koefisien jalur (peubah laten penyerapan, akses dan pendapatan dan keterdesediaan) dan R-kuadrat. Gerombol 1 (n=110yh) membentuk penduga koefisien peubah laten dan R-kuadrat lebih kecil daripada model lokal 2 (n=110) baik pada model struktural penyerapan maupun model struktural akses dan pendapatan.