METODE ANALISIS STRUCTURAL EQUATION MODELLING

TERHADAP DATA SURVEY FAKTOR YANG MEMPENGARUHI

DERAJAT KESEHATAN
1Ifa
Roifah
2Arif
Wicaksono
3Chaterina Janes Pratiwi

ABSTRACT

The phenomenon of health data presentation in the central statistical agency or health
department, still presented by deskripitif statistical form. Health research is still limited by
correlation analysis. Theories and models in the health departement generally can be
formulating using which construct can’t be measured or observed directly, so there is
variables unobserved and variables observed. Usually, the analysis used is multiple
regression analysis. This analysis only observed the direct influence on the response variable.
Structural equation modeling is an alternative option to solve the problem if the research
variables is a unobserved variable. This research purpose use validity and reliability of the
survey data that influence health status and the determination of the structural model and the
goodness of fit of the survey data factors that affect health status. This research is non-
reactive research by use of secondary data, that is data of East Java health department.
Validity and reliability of the indicators can measure constructs significantly manifest latent
exogenous variables and endogenous latent variable with loading factor / λ> 0.5 and construct
reliability values> 0.6. Causality interaction variables formed by latent product is health care,
health behaviors and health resources that influence the health status line parameter
coefficient> 0.5, p-value <0.05 at significance level α = 5%. Result of this research,
expected to contribute for the development of science, such as : (1) considerations to setting
health policy and health promotion to preventive & improve health status (2) Guidance to
creating health modeling.

Keywords : structural equation modeling, health status.

PENDAHULUAN bahwa ada beberapa faktor yang
Konsep teori tentang derajat mempengaruhi derajat kesehatan yaitu
kesehatan dan faktor yang mempengaruhi faktor lingkungan, faktor perilaku
kesehatan tidak bisa diukur secara langsung, masyarakat dan faktor pelayanan kesehatan.
sehingga untuk melakukan analisis data Semua faktor tersebut tidak bisa diukur
tidak bisa hanya menggunakan analisis langsung, melainkan melalui indikator-
deskriptif ataupun analisis korelasi saja. indikator yang diketahui. Hasil penelitian
Hasil pengolahan data yang dilakukan oleh bidang dengan menggunakan analisis regresi
badan pusat statistic menunjukkan AKB yang dilakukan oleh Budiantara (2012)
Jawa Timur tahun 2005-2010 turun dari menunjukkan faktor penyebab kejadian
36,65 (tahun 2005) menjadi 29.99 per 1.000 balita gizi buruk di Jawa Timur tahun 2007
kelahiran hidup. Angka tersebut masih jauh adalah prosenntase ibu yang memeriksakan
dari target MDG’S tahun 2015 sebesar 23 kehamilan.
per 1.000 kelahiran hidup. Indikator lain dari Fenomena diatas menunjukkan
derajat kesehatan yang masih menjadi bahwa penelitian dalam bidang kesehatan
masalah di Jawa Timur adalah masalah pada umumnya sangat komplek, banyak
status gizi. Berdasarkan data Dinas fenomena yang saling berhubungan sebab
Kesehatan Jawa Timur pada tahun 2010 akibat yang melibatkan multivariable.
terdapat 136 kecamatan yang rawan gizi Analisis data lebih lanjut sangat diperlukan
atau 20,54 % dari 662 kecamatan. untuk mengetahui kondisi kesehatan
Pengolahan data lain juga masih masyarakat. Oleh karena masalah kesehatan
menggunakan analisis deskriptif yaitu merupakan salah satu faktor yang berperan
tenaga kesehatan di Jawa Timur masih penting dalam mewujudkan sumber daya
belum sesuai dengan kebutuhan dan manusia yang berkualitas. Teori dan model
penyebaran, masih banyak tenaga kesehatan dalam dunia kesehatan umumnya
yang bertugas di rumah sakit yaitu sebesar diformulasikan menggunakan konstruk yang
52,29 %, sedangkan 36,97 % di Puskesmas tidak dapat diukur atau diamati secara
(Dinkes, 2012) langsung, sehingga ada variabel tidak
Hasil penelitan tentang masalah teramati atau terukur dan variabel teramati
kesehatan dilakukan oleh Wulandari, dkk atau terukur.
(2010) dengan menggunakan analisis regresi
 Pola hubungan antar variabelnya pun berpengaruh pada estimasi parameter dari
sering kali berhubungan secara langsung dan sudut biased-unbiased dan besar-kecilnya
tidak langsung. Model kausal yang sering variansi. Masalah kesalahan pengukuran ini
digunakan untuk mengetahui hubungan diatasi oleh SEM melalui persamaan-
antar variabel adalah regresi linier atau persamaan yang ada pada model
regresi linier berganda. Analisis regresi pengukuran.
berganda hanya dapat melihat pengaruh Hair et al. (2006) menunjukkan
langsung terhadap variabel responnya. perbedaan antara SEM dengan teknik regresi
Tetapi untuk melihat besarnya pengaruh dan multivariat yaitu (1) estimaasi terhadap
langsung maupun tidak langsung perlu multiple interrelated dependence
dilakukan analisis lebih lanjut. Model relationship yang istilah sederhananya
persamaan struktural merupakan alternatif adalah susunan beberapa persamaan regresi
pilihan untuk menyelesaikan masalah berganda yang terpisahkan tetapi saling
tersebut jika variabel penilitian adalah berkaitan. Susunan persamaan ini
variabel tidak terukur (unobserved variable). dispesifikasikan dalam bentuk model
Model persamaan struktural lebih struktural dan di estimasi secara simultan.
umum dikenal dengan structural equation Perbedaan yang paling nampak antara SEM
modelling (SEM) merupakan suatu teknik dan regresi berganda adalah pada SEM
multivariat yang menggabungkan aspek- sebuah variabel bebas pada satu persamaan
aspek pada analisis faktor dan analisis bisa menjadi variabel terikat pada
regresi berganda yang memungkinkan persamaan yang lain. (2) kemampuan untuk
peneliti untuk mensimulasi seri dari menunjukkan konsep-konsep tidak teramati
hubungan dependen antar variabel terukur (unobserved concepts) serta hubungan-
dan variabel laten (Hair et al., 2006). Alasan hubungan yang ada didalamnya, dan
penggunaan SEM dibandingkan dengan perhitungan terhadap kesalahan-kesalahan
regresi dikemukakan oleh Gujarati (1995) pengukuran dalam estimasi. Tujuan
yang dikutip oleh Wijanto 2009 penelitian ini adalah pengukuran model
menunjukkan bahwa penggunaan variabel- (validitas dan reliabilitas) variable manifest
variabel laten pada regresi berganda terhadap data survey faktor yang
menimbulkan kesalahan-kesalahan mempengaruhi derajat kesehatan dan
pengukuran (measurement error) yang penentuan model struktural dan goodness of
fit terhadap data survey faktor yang sehat (PK2), jumlah dokter (SK1), jumlah
mempengaruhi derajat kesehatan. perawat (SK2) dan jumlah bidan (SK3).
METODE PENELITIAN Data penelitian dianalisis melalui , yaitu :
Penelitian ini merupakan penelitian 1. Membuat Model berdasarkan konsep dan
non-reaktif karena pengukuran variabel yang teori
digunakan peneliti menggunkan data 2. Membuat path diagram
sekunder yaitu data Dinas Kesehatan e1
1

PL1
e2

PL2
1

PL3
e3
1
e4

PL4
1

provinsi Jawa Timur. Jenis penelitian ini PL

analitik dengan melakukan analisis berbagai

e13
e5 PK1 1

variabel eksogen yang mempengaruhi e6

1
PK2
1 PK

DJ
1 DJ1

DJ2
1
e12

e11

1
DJ3 e10

variabel endogen dengan menggunakan

analisis structural equational modeling.
SK

Bentler dan Chou (1987) yang dikutip SK1 SK2

1

SK3
1 1 1

Wijanto (2009) menyarankan bahwa paling e7 e8 e9

rendah rasio 5 sampai dengan 10 responden Gambar 4.2 Gambar path diagram

per variabel teramati akan mencukupi untuk 3. Membuat konversi path diagram ke

distribusi normal. Besar sampel dalam dalam persamaan

penelitian ini sesuai dengan ketentua diatas 4. Memilih jenis input matrik dan estimasi

adalah antara 60 kecamatan sampai dengan model

120 kecamatan. 5. Menilai identifikasi model struktural

Variabel dalam penelitian ini angka 6. Uji Kecocokan Model

kematian bayi (DJ1), status gizi balita buruk HASIL PENELITIAN

(DJ2), berat badan bayi baru lahir rendah Hasil penelitian diuraikan mulai dari

(DJ3), deteksi tumbuh kembang balita analisis deskriptif dan analisis multivariate

(PL2), pertolongan persalinan oleh tenaga atau pemodelan dengan analisis structural

kesehatan (PL1), deteksi tumbuh kembang equation modelling. Asumsi dasar yang

balita (PL2), kunjungan pemeriksaan harus dipenuhi dalam analisis structural

kehamilan pada trimester 1 (K1) (PL3), equation modeling adalah asumsi

kunjungan pemeriksaan kehamilan pada multivariate normal. Untuk memenuhi

trimester 3 (K4) (PL4), bayi diberi asi asumsi tersebut data outlier harus dibuang

ekslusif (PK1), perilaku hidup bersih dan sampai dengan asumsi dasar terpenuhi.
Pengujian asumsi multivariate normal di adalah jumlah dokter yaitu 4,47. Range
mulai hasil data cleaning sebanyak 557 terbesar pada variabel jumlah perawat yaitu
sampai dengan didapatkan besar sampel 85 35.
kecamatan. Asumsi multivariate normal 1. Evaluasi Pengukuran model
didapatkan hasil 2,111 < 2,56. Hasil Evaluasi pengukuran model
analisis deskriptif sebagai berikut : menggunakan Confirmatory Factor Analysis
Tabel 1 Deskripsi variabel (CFA) melalui pengujian validitas dan
derajat kesehatan
reliabilitas pada data.
a. Pengujian validitas

Hasil pengujian validitas pada

variabel laten eksogen (pelayanan kesehatan,
perilaku kesehatan dan sumber daya
kesehatan) dan variabel laten endogen
(derajat kesehatan) sebagai berikut :
Mean minimum pada variable 1. Variabel laten eksogen
observerd/manifest derajat kesehatan adalah Tabel 2 Nilai loading factor/𝜆 variable
eksogen
angka kematian bayi yaitu 1,13 dengan nilai
minimum 0,19 dan nilai maximum 3,63,
sedangkan range atau jangkauan data
terbesar pada berat badan bayi lahir rendah
yaitu 8,85. Mean minimum pada variable
observerd/manifest pelayanan kesehatan
adalah deteksi tumbuh kembang yaitu
66,58. Range terbesar pada variabel deteksi
tumbuh kembang yaitu 76,10. Mean
Nilai loading factor dari hubungan
minimum pada variable observerd/manifest
variabel manifest dengan konstruk
perilaku kesehatan perilaku hidup sehat dan
pelayanan kesehatan adalah pertolongan
bersih adalah yaitu 43,28. Range terbesar
persalinan oleh tenaga kesehatan, deteksi
pada variabel bayi diberi asi eksklusif yaitu
tumbuh kembang balita, kunjungan
85,40. Mean minimum pada variable
pemeriksaan kehamilan trimester 1 (K1) dan
observerd/manifest sumber daya kesehatan
kunjungan pemeriksaan kehamilan trimester
3 (K4) masing-masing lebih dari 0,5
sehingga dapat disimpulkan bahwa keempat
variabel manifest tersebut signifikan dalam
mengukur variabel laten konstruk pelayanan
kesehatan.
Nilai loading factor dari hubungan
variabel manifest dengan konstruk perilaku
kesehatan adalah bayi diberi asi eksklusif
dan perilaku hidup bersih dan sehat,
masing-masing lebih dari 0,5 sehingga dapat
disimpulakan bahwa kedua variabel manifest
tersebut signifikan dalam mengukur variabel
laten konstruk perilaku kesehatan.
Nilai loading factor dari hubungan
variabel manifest dengan konstruk sumber
daya kesehatan adalah jumlah dokter,
jumlah perawat dan jumlah bidan, masing-
masing lebih dari 0,5 sehingga dapat
disimpulkan bahwa ketiga variabel manifest
tersebut signifikan dalam mengukur variabel
laten konstruk sumber daya kesehatan.
2. Variabel laten endogen
Tabel 3 Nilai loading factor/𝜆 variable
endogen
,status gizi buruk dan berat badan bayi lahir
rendah, masing-masing lebih dari 0,5
sehingga dapat disimpulkan bahwa ketiga
variabel manifest tersebut signifikan dalam
mengukur variabel laten konstruk derajat
kesehatan.
b. Pengujian reliabilitas
Variabel dikatakan dikatakan cukup
bagus reliabilitasnya bila variabel tersebut
mempunyai construct reliability lebih besar
dari 0,6. Hasil pengujian reliabilitas pada
masing-masing variabel laten eksogen dan
variabel laten endogen sebagai berikut :
1. Variabel eksogen
1) Pelayanan kesehatan
Hasil perhitungan konstruk reliabilitas
adalah 0,808 dari batas nilai konstruk
reliabilitas yaitu 0,6, dapat disimpulkan
bahwa variabel pelayanan kesehatan
mempunyai reliabilitas yang baik.
2) Perilaku kesehatan

Hasil perhitungan konstruk reliabilitas

adalah 0,677 lebih dari batas nilai konstruk
reliabilitas yaitu 0,6, dapat disimpulkan
Nilai loading factor dari hubungan
bahwa variabel perilaku kesehatan
variabel manifest dengan konstruk derajat
mempunyai reliabilitas yang baik.
kesehatan adalah angka kematian bayi
 3) Sumber daya kesehatan pelayanan kesehatan dengan derajat
kesehatan. Nilai negatif pada koefisien
parameter artinya semakin tinggi
Hasil perhitungan konstruk reliabilitas
pelayanan kesehatan maka indikator
adalah 0,97 lebih dari batas nilai konstruk
derajat kesehatan akan menurun.
reliabilitas yaitu 0,6 dapat disimpulkan
b. Koefisien parameter jalur dari hubungan
bahwa variabel sumber daya kesehatan
antara variabel perilaku kesehatan dengan
mempunyai reliabilitas yang baik.
derajat kesehatan sebesar 0,028 dengan
4) Variable endogen
p-value 0,006 < α artinya terdapat
Perhitungan konstruk reliabilitas pengaruh yang signifikan antara
derajat kesehatan sebagai berikut : pelayanan kesehatan dengan derajat
kesehatan. Nilai positif pada koefisien
parameter artinya semakin baik perilaku
Hasil perhitungan konstruk reliabilitas
kesehatan maka indikator derajat
adalah 0,784 lebih dari batas nilai konstruk
kesehatan akan meningkat.
reliabilitas yaitu 0,6, dapat disimpulkan
c. Koefisien parameter jalur dari hubungan
bahwa variable derajat kesehatan
antara variabel sumber daya kesehatan
mempunyai reliabilitas yang baik.
dengan derajat kesehatan sebesar 0,084
2. Evaluasi Model Struktural
dengan p-value 0,002 < α artinya
Tabel 4 Evaluasi model struktural
terdapat pengaruh yang signifikan antara
pelayanan kesehatan dengan derajat
kesehatan. Nilai positif pada koefisien

Pengaruh hubungan variabel laten parameter artinya semakin banyak

eksogen terhadap variabel laten endogen sumber daya kesehatan maka indikator

(derajat kesehatan) pada tabel 5.4 dapat derajat kesehatan akan meningkat.

dijelaskan sebagai berikut. 5.2.3 Uji Kelayakan Model Derajat

a. Koefisien parameter jalur dari hubungan Kesehatan

antara variabel pelayanan kesehatan Tabel 5.6. Hasil Goodness of fit model
derajat kesehatan
dengan derajat kesehatan sebesar -0,044
dengan p-value 0,022 < α artinya
terdapat pengaruh yang signifikan antara
Uji kelayakan model derajat kesehatan sedangkan variabel manifest reliable secara
secara keseluruhan sudah memenuhi kriteria signifikan terhadap variable manifest jika
goodness of fit yaitu nilai CFI, IFI, TLI dan nilai C.R (counstruct reliability) lebih dari
NFI ≥ 0,9 dapat disimpulkan model derajat 0,6.
kesehatan adalah baik. Model akhir dari Konsep teori tentang indikator
pengujian hipotesis adalah : derajat kesehatan dikemukakan oleh
Derajat kesehatan = -0,044 PL + 0,028 PK + Hapsari (2004) bahwa indikator derajat
0,084 SK kesehatan secara umum adalah angka
PEMBAHASAN kematian (mortalitas), status gizi dan angka
Asumsi multivariate normal kesakitan (morbiditas) . Angka kematian
merupakan persyaratan dalam analisis bayi menjadi indikator pertama dalam
structural equation modeling, jika asumsi menentukan derajat kesehatan anak karena
tidak terpenuhi maka akan didapatkan hasil merupakan cerminan dari status kesehatan
standart error yang rendah dan fit index anak saat ini. Tingginya angka kematian
menghasilkan nilai yang underestimate. bayi di Indonesia disebabkan oleh berbagai
Asumsi multivariate normal pada penelitian faktor, diantaranya faktor penyakit infeksi
ini bisa terpenhi melalui beberapa tahap dan kekurangan gizi. Status gizi balita
pengujian yaitu dengan membuang data kurang dan buruk serta berat badan lahir
outlier. Data mengalami outlier menurut rendah merupakan salah satu sebab
Wijaya, 2009 jika nilai probabilitas lebih kematian bayi/balita sekaligus sebagai
kecil dari 0,05. Outlier bisa terjadi indikator derajat kesehatan di Indonesia.
kemungkinan adanya kesalahan mulai dari Hasil penelitian yang dilakukan oleh
pengumpulan data sampai dengan input Riskiyanti dan Wulandari tahun 2010
data. tentang Analisis regresi multivariate
1. Model pengukuran (validitas dan berdasarkan faktor-faktor yang
reliabilitas) variable manifest terhadap
mempengaruhi derajat kesehatan
data survey faktor yang mempengaruhi
derajat kesehatan (prosentase kematian bayi, prosentase angka
harapan hidup dan prosentase status gizi
Wijanto (2009) mengemukakan
buruk,) propinsi Jawa Timur menunjukkan
suatu variable manifest secara signifikan
bahwa factor yang mempengaruhi derajat
dapat mengukur konstruk variable laten jika
kesehatan (prosentase kematian bayi,
nilai loading factor/𝜆 lebih dari 0,5
prosentase angka harapan hidup dan manifest/indikator tersebut signifikan dapat
prosentase status gizi buruk) adalah mengukur variabel latennya. Sedangkan
prosentase persalinan yang dilakukan oleh pengujian reliabilitas pada ketiga variabel
tenaga medis dan prosentase imunisasi laten eksogen didapatkan hasil lebih dari 0,6
lengkap yang meliputi imunisasi BCG, artinya mempunyai reliabilitas yang baik.
DPT, campak dan hepatitis, dengan model Hal ini sesuai dengan teori yang
sebagai berikut: dikemukakan oleh Hendrick L.Blum yang
AKB = 89,947 - 0,377 X5 - 0,145 X6 dikutip oleh Mubarak, 2009 terdapat empat
AHH = 45,605 + 0,21 X5 + 0,059 X6 faktor yang mempenaruhi derajat kesehatan
Gizi Buruk = 5,894 - 0,026 X5 - 0,017 X6 masyarakat yaitu genetika (keturunan),
Besarnya hubungan antara variabel pelayanan kesehatan, perilaku masyarakat,
respon dan variabel prediktor diperoleh lingkungan. Analisis program dan pelayanan
0,837. Ini dapat dikatakan bahwa model kesehatan dapat dilakukan dengan
dapat menjelaskan informasi data sebesar menggunakan pendekatan sistem, yaitu
83,7 persen denagn memperhatikan komponen input-
Evaluasi pengukuran model melalui proses-output. Ouput dalam pelayanan
pengujian validitas pada masing-masing kesehatan yang berkaitan dengan factor
indikator baik pada variable laten pelayanan yang mempengaruhi derajat kesehatan
kesehatan (variabel persalinan oleh tenaga adalah persalinan oleh tenaga kesehatan,
kesehatan, deteksi tumbuh kembang balita, deteksi tumbuh kembang balita, kunjungan
kunjungan pemeriksaan kehamilan pada pemeriksaan kehamilan pada trimester
trimester pertama (K1) dan pemeriksaan pertama (K1) dan pemeriksaan kehamilan
kehamilan pada trimester ketiga (K4)), pada trimester ketiga (K4). Perilaku
variable laten perilaku kesehatan dengan berhubungan dengan peningkatan dan
variabel manifest bayi diberi asi eksklusif pemeliharaan kesehatan diantaranya PHBS,
dan perilaku hidup bersih dan sehat serta gizi seimbang dan pemberian asi eksklusif.
variabele aten sumber daya kesehatan Disamping ke empat faktor tersebut ada
dengan variable manifest jumlah dokter, faktor yang mempengruhi derajat kesehatan
jumlah perawat dan jumlah bidan yaitu manajemen kesehatan, sumber daya
didapatkan hasil nilai loading factor/𝜆 lebih kesehatan (misalnya jumlah dokter, jumlah
dari 0,5 artinya masing-masing variabel
perawat dan jumlah bidan) dan sektor- dipertanggungjawabkan misalnya masih
sektor terkait. banyak didapatkan hasil prosentase yang
2. Model struktural dan goodness of fit melebihi 100%, range/ jangkauan data yang
terhadap data survey faktor yang
cukup tinggi dan banyaknya data missing
mempengaruhi derajat kesehatan
pada tiap variabel sehingga sangat
Hubungan kausalitas dapat
berpengaruh terhadap hasil analisis secara
ditentukan oleh nilai koefisien paramaeter
statistik.
jalur (nilai loading faktor/λ), nilai t-
Hasil penelitian ini berbanding
hitung/C.R dan nilai probabilitas/p-value
terbalik dengan hasil penelitian yang
pada taraf signifikansi α = 5 %. Hasil
dilakukan oleh Salisa tentang Pemodelan
penelitian menunjukkan pelayanan
persamaan struktural pada derajat kesehatan
kesehatan, perilaku kesehatan dan sumber
dengan moderasi infrastruktur pada tingkat
daya kesehatan berpengaruh terhadap derajat
kabupaten Propinsi Jawa Timur tahun 2010.
kesehatan. Nilai positif pada koefisien
Analisis dalam penelitian ini menggunakan
parameter jalur pada perilaku kesehatan
M-SEM dengan Smart PLS, hasil evaluasi
terhadap derajat kesehatan dan sumber daya
model struktural menunjukkan kondisi
kesehatan terhadap derajat kesehatan. Nilai
lingkungan, pelayanan kesehatan, tenaga
negatif pada koefisien jalur palayanan
kesehatan dan infrastruktur berpengaruh
kesehatan terhadap derajat kesehatan artinya
terhadap derajat kesehatan,
semakin tinggi pelayanan maka derajat
korelasi/hubunngan mempunyai negatif.
kesehatan akan menurun.
Hasil uji kelayakan model secara
Kemungkinan nilai negative terjadi
keseluruhan model derajat kesehatan adalah
karena banyaknya data yang missing dari
baik, hal ini didukung oleh semua kriteria
557 hanya 85 data yang tidak missing dan
ketepatan model yang hampir semua
outlier. Asumsi multivariate normal
memenuhi rentang yang diharapkan, model
terpenuhi pada besar sampel 85 unit
ini sesuai dengan teori yang dikembangkan
kecamatan, sehingga banyak data yang
oleh Hendrick L. Blum. Hasil penelitian ini
dibuang yaitu sebanyak 472 kecamatan.
didukung oleh penelitian dari Salisa tentang
Oleh karena data yang digunakan dalam
pemodelan persamaan struktural pada
penelitian ini adalah data sekunder, sehingga
derajat kesehatan dengan moderasi
kualitas data tidak dapat
infrastruktur pada tingkat kabupaten
Propinsi Jawa Timur tahun 2010. Analisis variable latennya dengan nilai loading
dalam penelitian ini menggunakan M-SEM factor/𝜆 > 0,5 dan niilai reliabilitas >0,6.
dengan Smart PLS, hasil uji kelayakan 2. Hubungan kausalitas dari variabel laten
model sebelum dibentuk variabael interaksi eksogen dengan variabel laten endogen
model derajat kesehatan adalah baik. sebelum dimasukkan variabel
Teori lain yang dikemukanan oleh interaksi/latent product didapatkan hasil
beberapa peneliti yaitu Jaccard dan Wan koefisien parameter jalur > 0,5 dengan p-
(1996), Kline (1998) (dalam Garson, value < 0,05 pada taraf signifikansi 5 %
2000;Sharma, 1996) menyarankan untuk artinya terdapat pengaruh variabel laten
menggunakan paling sedikit tiga uji eksogen dengan variabel laten endogen,
kelayakan model. Beberapa ukuran sehingga analisis moderating structural
kesesuaian model yang sering digunakan equation modeling bisa ddilanjutkan.
untuk menilai kelayakan suatu model Hasil uji kelayakan model derajat
(Bollen, 1989) adalah (1) uji χ ² dimana kesehatan menunjukkan model fit
model dikatakan baik jika p-value lebih sehingga model derajat kesehatan yang
besar dari α. (2) GFI atau Goodness of dikembangkan berdasarkan teori Hendrik
FitIndex, suatu model dikatakan baik jika L. Blum sudah tepat dan secara umum
nilai GFI lebih besar dari 0,09 dan nilai model sudah mewakili data yang
maksimumnya adalah 1 (Sharma, 1996). (3) sebenarnya
AGFI atau AdjustedGoodness of FitIndex, SARAN
suatu model dikatakan baik jika nilai AGFI 1. Perlu diadakan pelatihan analisis data
lebih besar dari 0,80 dan nilai bagi petugas pe-input data mulai dari
maksimumnya adalah 1 (Sharma, 1996). (4) tingkat kecamatan sampai dengan tingkat
RMSEA atau Root Mean Squares Error of provinsi.
Approximation, bila RMSEA ≤ 0,08 maka 2. Perlu penelitian model derajat kesehatan
secara umum model sudah mewakili data yang lain sehingga dapat memberikan
yang sebenarnya (Sharma, 1996). kontribusi yang lebih terhadap
SIMPULAN perkembangan pembangunan di Jawa
1. Hasil pengujian validitas dan reliabilitas Timur khususnya di bidang kesehatan
menunjukkan variabel manifest/indikator
secara signifikan dapat mengukur
DAFTAR PUSTAKA
Mubarak, I. (2006). Ilmu Kesehatan
Masyarakat, Salemba Medika,
Budiantara, I.Y. (2012) Faktor-Faktor yang
Jakarta
Mempengaruhi Angka Gizi Buruk Di
Jawa Timur dengan Pendekatan
Sharma, S., Mukherjee, S., Kumar, A., &
Regresi Nonparametrik Spline,
Dillon, W.R. (2005). A simulation
Jurnal Sains dan Seni 1 (1)
study to investigate the use of cutoff
values for assessing model fit in
Dinkes. (2012). Profil Kesehatan Jawa
covariance structure models. Journal
Timur Tahun 2010, sitasi 14 Maret
of Business Research. 58, 935-43.
2012
Wijanto, H. (2009), Struktural Equation
Hapsari, E.D. (2004). Kontribusi Penting
Modelling, Graha Ilmu, Jakarta
Menyelamatkan Persalinan Sehat
dan Buku KIA, sitasi 22 Maret 2012
Wulandari, S.P (2010). Analisis Regresi
Hair, J.F., R.E. Anderson, R.L. Thatam, Multivariate Berdasarkan Faktor
and W.C. Black. (2006). yang mempengaruhi Derajat
Multivariate Data Analysis With Kesehatan di Propinsi Jawa Timur.
Reading, 6th edition. Englewood Jurnal Sains dan Seni. 1 (1)
Cliffs, NJ: Prentice Hall. Upper
Saddle River.