Professional Documents
Culture Documents
239 241 1 SM
239 241 1 SM
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.
PL1
e2
PL2
1
PL3
e3
1
e4
PL4
1
DJ
1 DJ1
DJ2
1
e12
e11
1
DJ3 e10
SK3
1 1 1
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
penelitian ini sesuai dengan ketentua diatas 4. Memilih jenis input matrik dan estimasi
(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
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
eksogen terhadap variabel laten endogen sumber daya kesehatan maka indikator
(derajat kesehatan) pada tabel 5.4 dapat derajat kesehatan akan meningkat.
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.