Dosen Pembimbing
Dr. Bambang Widjanarko Otok, M.Si
PROGRAM STUDI S1
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA, KOMPUTASI, DAN SAINS DATA
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
2019
TUGAS AKHIR – KS184822
Dosen Pembimbing
Dr. Bambang Widjanarko Otok, M.Si
PROGRAM STUDI S1
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA, KOMPUTASI, DAN SAINS DATA
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
2019
FINAL PROJECT– KS184822
Supervisor
Dr. Bambang Widjanarko Otok, M.Si
UNDERGRADUATE PROGRAMME
DEPARTMENT OF STATISTICS
FACULTY OF MATHEMATICS, COMPUTING AND DATA
SCIENCE
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2019
LEMBAR PENGESAHAN
TUGAS AKHIR
Diajukan Untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Statistika
pada
Program Studi Sarjana Departemen Statistika
Fakultas Matematika, Komputasi, dan Sains Data
Institut Teknologi Sepuluh Nopember
Oleh :
Dimas Achmad Fadhila
NRP. 062115 4000 0117
Mengetahui,
Kepala Departemen
Dr. Suhartono
NIP. 19710929199512 1 001
Abstrak
Suatu daerah dikatakan sebagai daerah tertinggal apabila pada
daerah tersebut terdapat kabupaten yang masyarakat dan
wilayahnya relatif kurang berkembang dibandingkan daerah lain
dalam skala nasional. Pada penelitian ini, ketertinggalan daerah
di Pulau Jawa diukur berdasarkan lima kriteria utama yaitu
ekonomi, sumber daya manusia, infrastruktur, aksesibilitas, dan
karakteristik daerah dengan mengacu pada Petunjuk Teknis
Penentuan Indikator Daerah Tertinggal oleh Kementerian Desa,
Pembangunan Daerah Tertinggal dan Transmigrasi. Agar
analisis pengujian teori daerah tertinggal menjadi lebih spesifik,
digunakan metode Second-Order Confirmatory Factor Analysis
(CFA). Pengolahan menggunakan first-order CFA menunjukkan
bahwa dari 28 variabel indikator, terdapat 21 variabel indikator
yang telah valid dan dari 5 variabel laten terdapat 3 variabel
laten yang reliabel, yakni Sumber Daya Manusia,
Infrastruktur/Sarana Prasarana, dan Aksesibilitas. Pada
pengolahan menggunakan second-order CFA model Daerah
Tertinggal didapatkan model yang fit setelah adanya modifikasi.
Kontribusi yang didapatkan model antara lain, setiap kenaikan
satu satuan Daerah Tertinggal akan menaikkan nilai Sumber
Daya Manusia sebesar 0,718, setiap kenaikan satu satuan
Daerah Tertinggal akan menurunkan nilai Infrastruktur/Sarana
Prasarana sebesar 0,779, dan setiap kenaikan satu satuan
Daerah Tertinggal akan menurunkan nilai Aksesibilitas sebesar
0,675.
i
(Halaman ini sengaja dikosongkan)
ii
MODELING THE FACTORS AFFECTING
UNDERDEVELOPED REGION IN JAVA ISLAND USING
SECOND-ORDER CONFIRMATORY FACTOR ANALYSIS
(CFA)
Abstract
An underdeveloped region is regency in the area where the
community are relatively less developed than other regions on a
national scale. In this study, underdeveloped regions in Java were
measured based on five main criteria, namely economic, human
resources, infrastructure, accessibility, and regional
characteristics with reference to the technical guidelines for
determining indicators of underdeveloped regions by the Ministry
of Village, Development of Underdeveloped Regions and
Transmigration. In order for the analysis of the theory of
underdeveloped regions to be more specific, the Second-Order
Confirmatory Factor Analysis (CFA) method is used. Processing
using first-order CFA shows that out of 28 indicator variables,
there are 21 valid variable variables and from 5 latent variables
there are 3 reliable latent variables, namely Human Resources,
Infrastructure, and Accessibility. In processing using Second-
order CFA, the underdeveloped region model is found to be fit
after modification. The contribution of the model includes, for
each increase in one unit of underdeveloped region will increase
the value of human resources by 0.718, each increase in one unit
of underdeveloped region will decrease the value of
Infrastructure by 0.779, and each increase in one unit of
underdeveloped region will decrease the value of accesibility by
0.675.
iii
(Halaman ini sengaja dikosongkan)
iv
KATA PENGANTAR
v
8. Tim PKM-P Daerah Tertinggal, Zumar dan Diyah atas
dukungan, ilmu, dan pengalaman dalam meneliti daerah
tertinggal semasa berkuliah di Departemen Statistika ITS
9. Dwinda, Muthia, Vienesca, Nesia, Charles, Alvin, Ihsan,
Antok, Arrafi, Bagus, Marham, Vito, serta teman-teman
Statistika ITS 2015 atas segala dukungan dan semangat yang
diberikan kepada penulis selama pengerjaan Tugas Akhir
10. Teman-teman fungsionaris HIMASTA-ITS 2016/2017,
HIMASTA-ITS 2017/2018, dan IHMSI 2016/2018 yang
selama perkuliahan membeberikan banyak pembelajaran dan
mendukung penulis dalam mengembangkan softskill penulis
11. Semua pihak yang turut membantu dalam pelaksanaan Tugas
Akhir yang tidak bisa penulis sebutkan satu persatu.
Besar harapan penulis untuk mendapatkan kritik dan
saran yang membangun sehingga Tugas Akhir ini dapat
memberikan manfaat bagi semua pihak yang terkait.
Penulis
vi
DAFTAR ISI
Abstrak………………………………………………………... i
Abstract…………………………………………………….….. iii
KATA PENGANTAR………………………………………... v
DAFTAR ISI………………………………………………….. vii
DAFTAR GAMBAR…………...……………………...……... ix
DAFTAR TABEL……………………………………...…….. xi
DAFTAR LAMPIRAN………...…………………………….. xiii
BAB I PENDAHULUAN…………………………………….. 1
1.1 Latar Belakang……………………………...…………….. 1
1.2 Perumusan Masalah……………...………………………... 6
1.3 Tujuan……………………………………………………... 7
1.4 Manfaat……………………………………………………. 7
1.5 Batasan Masalah………………………………………....... 7
BAB II TINJAUAN PUSTAKA……...……..………………. 9
2.1 Structural Equation Modeling (SEM)…………………….. 9
2.2 Confirmatory Factor Analysis (CFA)…………………….. 10
2.2.1 First-Order Confirmatory Factor Analysis (CFA)……... 11
2.2.2 Second-Order Confirmatory Factor Analysis (CFA)…… 12
2.3 Asumsi dalam CFA……………………………………….. 13
2.4 Estimasi Parameter dalam CFA…………...……………… 14
2.5 Goodness of Fit Index (GFI)………...……………………. 16
2.6 Tinjauan Non Statistik…………………………….………. 19
2.6.1 Daerah Tertinggal……………………………….………. 19
2.6.2 Kriteria dan Indikator Ketertinggalan Suatu Daerah……. 20
BAB III METODOLOGI PENILITIAN………………..….. 23
3.1 Sumber Data………………………………….…………… 23
3.2 Kerangka Konseptual……………………………..………. 23
vii
3.3 Variabel Penelitian…………………………………………….. 26
3.4 Definisi Operasional…………...…………………….…….. 28
3.5 Struktur Data………………………………………….......... 29
3.6 Langkah Penelitian………………………………………..... 30
BAB IV ANALISIS DAN PEMBAHASAN…………............. 33
4.1 Karakteristik Data Daerah Tertinggal di Pulau Jawa..……..…...
33
4.2 Pengujian Asumsi dalam CFA……………………………... 35
4.3 Analisis Model Pengukuran………………………………... 37
4.3.1 First-Order Confirmatory Factor Analysis (CFA)……..... 37
4.32 Second-Order Confirmatory Factor Analysis (CFA).….… 47
BAB V KESIMPULAN DAN SARAN………….……...….… 55
5.1 Kesimpulan…………………………………………..….…. 55
5.2 Saran………………………………………………….….… 56
DAFTAR PUSTAKA……………...………….…………….… 57
LAMPIRAN………………………………………………….… 59
BIODATA PENULIS………...…………………………….…. 83
viii
DAFTAR GAMBAR
ix
(Halaman ini sengaja dikosongkan)
x
DAFTAR TABEL
xi
(Halaman ini sengaja dikosongkan)
xii
DAFTAR LAMPIRAN
xiii
(Halaman ini sengaja dikosongkan)
xiv
BAB I
PENDAHULUAN
1
2
1.3 Tujuan
Berdasarkan rumusan masalah yang telah diuraikan di
atas, tujuan yang ingin dicapai dalam penelitian ini adalah sebagai
berikut.
1. Mengukur kontribusi indikator pada variabel laten daerah
tertinggal di Pulau Jawa menggunakan first-order
Confirmatory Factor Analysis.
2. Mendapatkan model daerah tertinggal di Pulau Jawa
menggunakan second-order Confirmatory Factor Analysis.
1.4 Manfaat
Diharapkan hasil dari penelitian ini dapat dimanfaatkan
dalam menambah wawasan mengenai metode statistika yang
berkaitan dengan second-order CFA dan memberikan gambaran
mengenai faktor-faktor yang mempengaruhi daerah tertinggal di
provinsi-provinsi yang terletak di Pulau Jawa sehingga dapat
digunakan sebagai referensi pemerintah dalam menentukan arah
kebijakan untuk menanggulangi masalah pada daerah tertinggal.
8
9
BAB II
TINJAUAN PUSTAKA
λ3
δ3
X3
Gambar 2. 1 Model Pengukuran
(2.4)
dengan,
adalah indikator dari common factor
adalah loading factor dari model
adalah unique factor tiap persamaan error term.
ζ ξ ζ3
ζ
𝜂 𝜂 𝜂3
X1 X2 X3 X4 X5 X6 X7 X8 X9
𝜀 𝜀 𝜀3 𝜀4 𝜀5 𝜀6 𝜀7 𝜀8 𝜀9
Gambar 2. 2 Model Second-Order CFA
13
d 2j x j x S 1 x j x (2.7)
dimana,
: Jarak Mahalanobis pengamatan ke-j
j : Nilai observasi/pengamatan ke-j
14
tr SΣ( )1
N
2
16
c
N
2
log Σ( ) tr SΣ( ) 1
(2.14)
dimana,
Np
c log 2
2
pada persamaan di atas, constant tidak mempengaruhi pemilihan
̂, sehingga dapat dihilangkan menjadi persamaan 2.8 berikut.
log L( ) log Σ( ) tr SΣ( ) 1
(2.15)
Menurut Seber (1984), memaksimalkan fungsi likelihood
ekuivalen dengan meminimumkan fungsi FML sehingga
didapatkan fungsi sebagai berikut.
| ( ̂)| ( ( ̂ )) | | (2.16)
CFI 1
X 2 df
(2.21)
2 df
XN N
Dengan demikian indeks-indeks yang digunakan untuk
menguji kelayakan sebuah model adalah seperti dalam Tabel 2.1
berikut ini.
19
5. Kriteria Aksesibilitas
Terdiri dari tiga indikator yaitu:
a. Rata-rata jarak ke ibu kota kabupaten (kilometer)
b. Akses ke pelayanan kesehatan (kilometer)
c. Akses ke pelayanan pendidikan dasar (kilometer)
6. Kriteria Karakteristik Daerah
Terdiri dari tujuh indikator yaitu:
a. Gempa bumi (persentase jumlah desa)
b. Tanah longsor (persentase jumlah desa)
c. Banjir (persentase jumlah desa)
d. Bencana lainnya (persentase jumlah desa)
e. Kawasan hutan lindung (persentase jumlah desa)
f. Berlahan kritis (persentase jumlah desa)
g. Desa konflik (persentase jumlah desa)
BAB III
METODOLOGI PENILITIAN
23
24
BAB IV
ANALISIS DAN PEMBAHASAN
Dalam bab ini dilakukan analisis dan pembahasan
menggunakan data mengenai daerah tertinggal di Pulau Jawa
tahun 2014 dengan unit analisis kabupaten/kota pada 6 provinsi di
Pulau Jawa. Metode yang digunakan dalam analisis dan
pembahasan ini adalah second-order Confirmatory Factor
Analysis (CFA) untuk mengetahui validitas, reliabiltas, dan model
pengukuran dari kontribusi masing-masing indikator yang
menyusun variabel latennya, namun sebelumnya dilakukan
analisis statistika deskriptif untuk mendeskripsikan karakteristik
dari data dan menguji asumsi distribusi normal multivariat.
50
40
q
30
20
10
0 20 40 60 80 100 120
dj
e1.2 X1,2
Gambar 4. 2 First-Order CFA Perekonomian
Gambar 4.2 di atas merupakan hasil pengolahan
menggunakan first-order CFA. Hasil estimasi loading factor
38
0,598
e2.3 X2,3
Gambar 4. 3 First-Order CFA Sumber Daya Manusia
e5.8 X5,8
0,326
e5.9
X5,9
0,495
e5.10 -0,489
X5,10
Gambar 4. 6 First-Order CFA Karakteristik Daerah
Gambar 4.6 di atas merupakan hasil pengolahan
menggunakan first-order CFA. Hasil estimasi loading factor
dari masing-masing indikator dapat dijelaskan pada Tabel
4.11.
46
54
55
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil analisis dan pembahasan, dapat diambil
beberapa kesimpulan sebagai berikut:
1. Hasil analisis first-order CFA menunjukkan bahwa dari 28
variabel indikator, terdapat 21 variabel indikator yang telah
signifikan dan dari 5 variabel laten terdapat 3 variabel laten
yang reliabel, yakni sumber daya manusia,
infrastruktur/sarana prasarana, dan aksesibilitas. Adapun
variabel-variabel indikator yang memiliki kontribusi terbesar
dari masing-masing variabel laten adalah pengeluaran per
kapita penduduk, rata-rata lama sekolah, fasilitas kesehatan,
rata-rata jarak ke ibu kota kabupaten, dan kekeringan. Pada
pengolahan menggunakan second-order CFA model daerah
tertinggal didapatkan model yang fit setelah adanya
modifikasi.
2. Kesimpulan dari hasil analisis model second-order CFA
menunjukkan faktor-faktor yang memiliki pengaruh terbesar
terhadap daerah tertinggal di Pulau Jawa adalah
infrastruktur/sarana prasarana, selanjutnya sumber daya
manusia, dan aksesibilitas. Ketertinggalan suatu daerah
berbanding terbalik dengan kemajuan infrastruktur/sarana
prasarana dan kemudahan aksesibilitasnya. Sedangkan
ketertinggalan suatu daerah berbanding lurus dengan kualitas
sumber daya manusia di dalamnya.
56
5.2. Saran
Saran yang dapat disampaikan melalui penelitian ini
adalah penelitian selanjutnya diharapkan mengikutsertakan
variabel laten kemampuan keuangan daerah dan perlu dilakukan
penambahan variabel indikator pada standar yang ditetapkan oleh
Kementerian Desa, Pembangunan Daerah Tertinggal, dan
Transmigrasi agar diharapkan mampu menghasilkan variabel
laten yang reliabel serta mampu dapat menginterpretasikan model
lebih baik lagi. Hal ini bertujuan agar seluruh variabel yang
dianggap berpengaruh terhadap daerah tertinggal dapat diikutkan
kedalam pemodelan.
DAFTAR PUSTAKA
57
58
LAMPIRAN
50
40
q
30
20
10
0 20 40 60 80 100 120
dj
Estimate
Perekonomian <--- DT 0.988
SDM <--- DT -0.8
Infrastruktur <--- DT 0.296
Aksesibilitas <--- DT 0.519
KD <--- DT 0.758
X11 <--- Perekonomian 0.681
X12 <--- Perekonomian -0.898
X21 <--- SDM 0.457
X22 <--- SDM 1.141
X23 <--- SDM 0.598
X31 <--- Infrastruktur 0.104
X32 <--- Infrastruktur 0.116
X33 <--- Infrastruktur 0.121
X34 <--- Infrastruktur 0.011
X35 <--- Infrastruktur 0.422
X36 <--- Infrastruktur 1.033
X37 <--- Infrastruktur 0.771
X38 <--- Infrastruktur 0.873
72
FMIN
LO HI
Model FMIN F0 90 90
Default model 4.897 4.547 3.917 5.24
Saturated model 0 0 0 0
Independence
model 10.261 9.79 8.859 10.8
RMSEA
LO HI
Model RMSEA 90 90 PCLOSE
Default model 0.333 0.309 0.357 0
Independence
model 0.422 0.401 0.443 0
AIC
Model AIC BCC BIC CAIC
Default model 622.99 628.7 692.26 717.26
Saturated model 132 147.1 314.87 380.87
Independence
model 1222.5 1225 1253 1264
ECVI
LO
Model ECVI 90 HI 90 MECVI
Default model 5.325 4.695 6.018 5.374
Saturated model 1.128 1.128 1.128 1.257
Independence
model 10.449 9.517 11.444 10.47
HOELTER
HOELTER HOELTER
Model 0.05 0.01
Default model 12 14
Independence
model 8 9
77
FMIN
LO HI
Model FMIN F0 90 90
Default model 1.541 1.259 0.931 1.652
Saturated model 0 0 0 0
Independence
model 10.26 9.79 8.859 10.79
RMSEA
LO HI
Model RMSEA 90 90 PCLOSE
Default model 0.195 0.168 0.224 0
Independence
model 0.422 0.401 0.443 0
AIC
Model AIC BCC BIC CAIC
Default model 246.325 253.868 337.8 370.757
Saturated model 132 147.086 314.9 380.865
Independence
model 1222.49 1225 1253 1263.96
ECVI
LO HI
Model ECVI 90 90 MECVI
Default model 2.105 1.777 2.498 2.17
Saturated model 1.128 1.128 1.128 1.257
Independence
model 10.449 9.517 11.44 10.47
HOELTER
HOELTER HOELTER
Model 0.05 0.01
Default model 31 36
Independence
model 8 9
81
BIODATA PENULIS