ANALISIS DERAJAT KESEHATAN MASYARAKAT PROVINSI BALI
PUTU NOPITA PURNAMA NINGSIH1, KETUT JAYANEGARA2, I PUTU EKA NILA KENCANA3
1,2,3Jurusan Matematika FMIPA Universitas Udayana, Bukit Jimbaran-Bali
Abstract
The aim of this
research
is to determine the relationship between
environmental, behavioral, health services, education, and economic variables to
health status in the Province of Bali. These variables are constructs (latents ) that can not be
measured directly by
observation. If there
was a
relationship between latent and its indicators,
it is recomended to use Structural
Equation Modeling
(SEM). In this research we used variance-based SEM i.e. Generalized Structured Component Analysis (GSCA). This method not based on many assumptions such as the data does not have a multivariate normal
distribution, the sample size does
is not necessary large. Moreover, GSCA provides by overall goodness-fit of the model. The result of this research indicates that the environmental, behavioral,
economic and educational variable influenced health status, but health service does not significantly affect the health status; economic does not significantly affect the environment; and education does not significantly affect the behavior. The
result of the FIT value 0.450 and the AFIT value 0.429 showed that overall
model in this research is not good enough because of both
of these values are under
0.50.
Keywords
: Latent
Variable, Structural Equation
Modeling (SEM), Generalized
Structured
Component Analysis (GSCA), Derajat Kesehatan
1.
Pendahuluan
Derajat kesehatan
merupakan sebuah konsep yang menurut
Hendrik L. Blum dalam Effendy[1] dipengaruhi oleh empat faktor, yaitu: lingkungan, prilaku, pelayanan kesehatan, dan genetik. Untuk meningkatkan
derajat kesehatan, faktor- faktor
tersebut
harus dikendalikan
dengan baik. Namun, faktor-faktor tersebut
merupakan sebuah konstrak (latent/construct) yang
hanya bisa diukur secara tidak
langsung melalui pengamatan pada variabel observasi (observation/item variable). Pada
saat hubungan antarvariabel yang terbentuk merupakan hubungan
antarvariabel
laten,
maka metode yang dapat
digunakan
adalah
Structural
1 Mahasiswa Jurusan Matematika FMIPA Universitas Udayana
2,3 Staf Pengajar Jurusan Matematika
FMIPA Universitas
Udayana
Equation
Modeling (SEM).
Terdapat SEM
berbasis kovarians dan SEM berbasis varians atau komponen. Generalized Structured
Component Analysis (GSCA) merupakan
SEM
berbasis varians. SEM
berbasis varians merupakan soft modeling
yang tidak didasari asumsi berdistribusi normal, jumlah
data tidak harus
besar. Selain itu, dapat menganalisis secara
bersamaan indikator
dengan bentuk reflektif
dan
formatif [2]. Generalized Structured Component Analysis (GSCA) yang
diusulkan oleh Hwang and Takane dapat mengatasi kelemahan Partial Least Squares (PLS) yang
tidak menyediakan criteria global least square optimization yang dilengkapi dengan ukuran goodness-fit model secara keseluruhan [3] karena GSCA
memiliki criteria global least square
optimization, yang dapat secara konsisten meminimumkan sum squares residual untuk memperoleh estimasi
parameter model.
Derajat kesehatan
sangat penting
dalam menggambarkan profil kesehatan masyarakat di suatu daerah. Dalam menilai derajat kesehatan
masyarakat, digunakan indikator Angka Kematian Bayi
(AKB) dan Angka Kematian Ibu
(AKI). Faktor-faktor
yang memengaruhi
derajat kesehatan masyarakat tidak hanya berasal dari sektor kesehatan
melainkan juga dipengaruhi oleh faktor ekonomi, pendidikan, lingkungan sosial, keturunan, dan faktor lainnya [4]. Rumusan masalah adalah bagaimana hubungan antara variabel lingkungan, perilaku,
pelayanan kesehatan, pendidikan dan ekonomi terhadap derajat
kesehatan masyarakat di Provinsi Bali dengan metode
Generalized
Structured Component Analysis
(GSCA). Penelitian ini bertujuan
untuk
mengetahui hubungan antara variabel lingkungan, perilaku, pelayanan kesehatan, pendidikan,
dan
ekonomi terhadap
derajat
kesehatan
masyarakat di Provinsi
Bali dengan metode
Generalized Structured Component Analysis (GSCA).
2. Metode Penelitian
Data dalam penelitian ini adalah data sekunder yang
diperoleh dari Dinas
Kesehatan dan Badan
Pusat Statistik (BPS) Provinsi Bali untuk tiap kecamatan di Provinsi Bali sebanyak 57 kecamatan.
Variabel penelitian
ini,
yaitu: variabel laten ekonomi indikatornya jumlah penduduk yang bekerja pada sektor
pertanian (X1),
jumlah penduduk
15 tahun ke atas yang bekerja (X2), dan jumlah anggota KUD (X3). Pendidikan, indikatornya
persentase penduduk
berumur 10 tahun ke atas
yang melek huruf (X4), jumlah
murid SD dan SMP (X5), jumlah penduduk
yang lulus sarjana (X6). Pelayanan
kesehatan, indikatornya persentase bayi yang diimunisasi campak (X7), persentase
persalinan ditolong
oleh tenaga medis (X8), persentase ibu nifas mendapat Vit A (X9). Lingkungan, indikatornya persentase rumah sehat (Y1),
persentase keluarga memiliki jamban (Y2), persentase keluarga dengan sumber
air
minum terlindung (Y3). Perilaku, indikatornya persentase keluarga yang
berperilaku
hidup bersih (PHBS) (Y4), persentase bayi diberi ASI
eksklusif (Y5), persentase posyandu aktif (Y6),
persentase masyarakat miskin berobat pada tenaga
kesehatan (puskesmas) (Y7).
Derajat Kesehatan, indikatornya,
angka kematian bayi (AKB)
per 1000
P.Nopita Purnama
Ningsih, Ketut Jayanegara, I P.E. Nila Kencana Metode
Generalized Structured
Component Analysis (GSCA)
kelahiran hidup (Y8), jumlah kasus penyakit TB Paru (Y9),
persentase balita gizi buruk
(Y10), angka kematian ibu (AKI) per 100000 kelahiran hidup (Y11).
Adapun
langkah-langkah untuk analisis
data dengan
metode
Generalized
Structured Component Analysis (GSCA), sebagai berikut:
1. Spesifikasi model.
2. Mengestimasi parameter menggunakan
software open source GeSCA.
3. Mengevalusi model
pengukuran dengan melihat signifikansi, menguji validitas
dan reliabilitas menggunakan Average Variance
Extracted (AVE) dengan AVE > 0.50 [5] dan
Composite Reliability (ρc) dengan nilai ρc ≥
0.6.
4. Mengevaluasi model struktural menggunakan koefisien determinasi (R2) dan
signifikansi koefisien
jalur strukturalnya dilihat dari nilai CR (critical ratio)
setara t-statistik melalui tahap bootstraping.
5. Evaluasi
overall goodness fit
model.
6. Membuat
kesimpulan.
3. Hasil dan Pembahasan
Angka Kematian Bayi (AKB)
terendah terdapat di Kecamatan Pupuan dan Kuta
Utara dengan tidak ditemukannya kematian bayi. AKB
tertinggi terdapat di
Kecamatan Bangli sebesar 20 per 1000 kelahiran hidup.
Jumlah kasus penyakit
TB Paru terendah di Kecamatan Busungbiu, Selemadeg Timur dan Petang sebanyak
2
kasus sedangkan yang tertinggi di Kecamatan Denpasar Utara
sebanyak 79 kasus.
Persentase balita
gizi
buruk
terendah
terdapat di 20
Kecamatan dengan
tidak ditemukannya balita gizi buruk di daerah
tersebut dan tertinggi di Kecamatan
Jembrana sebesar 1,90%. Angka Kematian Ibu (AKI) terendah terdapat
di 25 Kecamatan dengan
tidak ditemukannya kematian ibu
dan yang tertinggi di Kecamatan
Pekutatan sebesar
70 per
100.000 kelahiran hidup.
Hasil evalusi model pengukuran menunjukkan bahwa indikator �1 , �2 , �5 ,
�6 , �7 , �8 , �9, �1 , �2 , �3 , �6 , �7 , �8, �9 berpengaruh
terhadap
variabel
laten
masing-masing, dengan nilai 𝐴𝑉𝐸 lebih besar dari 0,5 dan composite
reliability
(𝜌𝑐) di atas 0,7 maka indikator dikatakan valid dan reliabel dalam mengukur
variabel latennya.
Dilanjutkan dengan
evaluasi model struktural.
Tabel 1.
Estimasi Parameter pada Model
Struktural
Hubungan variabel
|
Estimate
|
SE
|
CR
|
Korelasi Ekonomi dengan
Pendidikan
|
0,674
|
0,101
|
6,66*
|
Ekonomi
Lingkungan
|
0,110
|
0,143
|
0,77
|
Ekonomi
Derajat Kesehatan
|
-0,351
|
0,140
|
2,51*
|
Pendidikan Perilaku
|
-0,029
|
0,153
|
0,19
|
Pendidikan Derajat Kesehatan
|
-0,321
|
0,140
|
2,29*
|
Pelayanan Kesehatan
Derajat Kesehatan
|
-0,176
|
0,144
|
1,22
|
Lingkungan Derajat Kesehatan
|
-0,217
|
0,104
|
2,09*
|
Perilaku Derajat Kesehatan
|
0,305
|
0,117
|
2,6*
|
CR* = signifikan pada taraf nyata 0,05. Dikatakan signifikan pada α = 0,05 jika nilai t-
statistik(critical ratio) >
t0,025;56 = 2.
e-Jurnal Matematika
Vol. 2,
No. 2, Mei 2013, 54-58
Diperoleh nilai R2 untuk variabel derajat kesehatan sebesar 0,679, artinya
keragaman derajat kesehatan dapat dijelaskan oleh
variabel laten ekonomi,
pendidikan, lingkungan, perilaku dan
pelayanan
kesehatan sebesar 67,9%. sedangkan sisanya yaitu sebesar 32,1% dipengaruhi oleh variabel lain yang tidak terdapat dalam
model penelitian. Seperti yang
dinyatakan oleh Kementerian
Kesehatan RI[4] faktor-faktor yang
memengaruhi derajat kesehatan
tidak hanya
ekonomi, pendidikan, lingkungan, perilaku
dan
pelayanan kesehatan.
Akan tetapi
terdapat faktor lain yaitu: ketersediaan sarana dan prasarana kesehatan, lingkungan sosial, keturunan, dan kontribusi sektor yang terkait yang
ikut memengaruhi derajat kesehatan masyarakat.
Pada tabel 1 dapat dijelaskan
nilai
koefisien jalur dan signifikansinya, yaitu:
Nilai koefisien jalur hubungan
ekonomi terhadap
lingkungan
sebesar
(0,110),
menyatakan
bahwa
ekonomi
tidak
signifikan berpengaruh positif
terhadap lingkungan. Nilai koefisien jalur hubungan ekonomi terhadap derajat kesehatan sebesar
(-0,351) menyatakan
bahwa kondisi ekonomi berpengaruh negatif
terhadap derajat kesehatan. Nilai
koefisien jalur hubungan pendidikan terhadap
perilaku sebesar (-0,029), menyatakan bahwa pendidikan tidak signifikan
berpengaruh negatif terhadap perilaku. Nilai koefisien jalur hubungan pendidikan
terhadap derajat kesehatan sebesar (-0,321)
menyatakan bahwa tingkat pendidikan
berpengaruh negatif terhadap derajat kesehatan. Nilai koefisien jalur hubungan pelayanan
kesehatan
terhadap derajat kesehatan
sebesar (-0,176) menyatakan bahwa pelayanan kesehatan tidak signifikan berpengaruh negatif terhadap derajat
kesehatan. Nilai koefisien jalur hubungan lingkungan terhadap derajat kesehatan
sebesar (-0,217) menyatakan bahwa lingkungan
berpengaruh
negatif
terhadap derajat kesehatan. Nilai
koefisien jalur hubungan
perilaku terhadap
derajat
kesehatan sebesar (0,305)
menyatakan
bahwa
perilaku berpengaruh
positif terhadap derajat kesehatan. Serta terdapat korelasi positif yang signifikan antara
ekonomi dengan pendidikan
sebesar 0,674.
Berdasarkan
hasil
evaluasi
model
keseluruhan didapatkan nilai FIT sebesar 0,450 dan AFIT sebesar 0,429. Hal ini
menunjukkan bahwa model belum cukup baik memperhatikan nilai FIT dan AFIT di bawah
0,5 dan hanya sekitar 45%
keragaman
data dapat dijelaskan oleh model.
4. Kesimpulan
Semakin
tinggi ekonomi, semakin
tinggi
tingkat pendidikan, dan
semakin baik lingkungan akan
menurunkan
pengukur
derajat
kesehatan
(AKB,
kasus TB paru). Semakin meningkat
pengukur perilaku sehat akan
meningkatkan
pengukur
derajat kesehatan
(AKB, kasus TB paru). Pengaruh ekonomi terhadap
lingkungan, pendidikan terhadap perilaku dan pelayanan kesehatan terhadap
derajat kesehatan menunjukkan hubungan tidak signifikan. Model yang dibangun
dalam penelitian ini belum cukup
baik memperhatikan
nilai
FIT
dan
AFIT di bawah 0,5. Peneliti yang tertarik melanjutkan agar lebih mengkaji indikator yang
P.Nopita Purnama
Ningsih, Ketut Jayanegara, I P.E. Nila Kencana Metode
Generalized Structured
Component Analysis (GSCA)
digunakan dan disarankan memperhatikan adanya kemungkinan efek moderasi dan
mediasi pada model struktural.
Daftar Pustaka
[1] Effendy,
N.,
1998. Dasar-Dasar Keperawatan Kesehatan Masyarakat.
Jakarta:
Kedokteran EGC.
[2] Ghozali, I., 2008. Generalized Structured Component Analysis (GSCA) Model
Persamaan Structural Berbasis Komponen. Semarang: Penerbit Universitas Diponegoro.
[3] Hwang, H. & Takane, Y., 2004. Generalized Structured Component
Analysis.
Psychometrika, 69(1),
pp.81-99.
[4] Kementerian Kesehatan RI, 2011. Profil Kesehatan
Indonesia Tahun 2010.
Jakarta:
Kementrian Kesehatan
RI.
[5] Fornell, C. & Larcker,
D.F., 1981. Evaluating Structural Equation Models with Unobservable
Variables and
Measurement Error. Journal
of Marketing Research, 18(1), pp.39-50.
Tags : Jurnal Sosiologi