Universitas Airlangga Official Website

Pemodelan dan Segmentasi Faktor-Faktor yang Mempengaruhi Pembangunan Manusia di Kepulauan Jawa

Ilustrasi AIP (Foto: UNAIR NEWS)
Ilustrasi AIP (Foto: UNAIR NEWS)

Pembangunan manusia merupakan indikator utama kualitas sumber daya negara yang diukur melalui Indeks Pembangunan Manusia (IPM), namun tren peningkatan positif di Indonesia saat ini masih terhambat oleh tantangan ketimpangan distribusi kesejahteraan dan disparitas gender. Mengingat Pulau Jawa sebagai pusat pertumbuhan ekonomi dan populasi terbesar paradoksnya masih menghadapi masalah pemerataan akses kerja dan layanan dasar, diperlukan pendekatan analisis statistik yang mampu menangkap heterogenitas data yang tidak dapat dijelaskan oleh model global biasa. Artikel ini memodelkan faktor-faktor determinan IPM menggunakan metode Finite Mixture Partial Least Square (FIMIX-PLS) dengan mengintegrasikan kesetaraan gender sebagai variabel mediasi. Penerapan metode ini secara spesifik diarahkan untuk mengidentifikasi segmen-segmen wilayah dengan karakteristik unik, di mana interaksi kompleks antara faktor kemiskinan, ekonomi, kesehatan, pendidikan, dan ketenagakerjaan diuji dalam struktur model yang heterogen untuk mengungkap bagaimana kesetaraan gender berperan dalam memediasi capaian pembangunan manusia di setiap klaster. Penelitian ini bertujuan untuk menentukan segmentasi model terbaik dalam memetakan pola pembangunan yang lebih akurat dan mendukung Tujuan Pembangunan Berkelanjutan (SDGs) nomor 10 tentang pengurangan ketimpangan.

Penelitian ini menggunakan data sekunder tahun 2023 yang diperoleh dari publikasi Badan Pusat Statistik (BPS), publikasi profil kesehatan untuk setiap provinsi oleh Dinas Kesehatan, dan situs web Portal Data Pendidikan. Data diambil dari 119 kabupaten/kota di 6 provinsi di Pulau Jawa. Variabel yang digunakan dalam penelitian ini yaitu variabel laten yang digunakan terdiri dari variabel endogen Pembangunan Manusia, variabel mediasi Kesetaraan Gender dengan 5 variabel eksogen Kemiskinan, Ekonomi, Kesehatan, Ketenagakerjaan, dan Pendidikan. Data tersebut akan dimodelkan menggunakan metode FIMIX-PLS untuk mengidentifikasi segmen-segmen wilayah dengan karakteristik unik. Dalam penentuan jumlah segmen yang paling optimal digunakan perbandingan nilai CAIC (Consistent AIC), nilai BIC (Bayesian Information Criterion), dan nilai EN (Entropy Normalize) untuk melihat tingkat keoptimalan segmen.

Hasil evaluasi model pengukuran mengkonfirmasi reliabilitas dan validitas konvergen serta diskriminan dari semua variabel laten, di mana beberapa indikator harus dieliminasi karena outer loading di bawah 0,6. Secara struktural, model ini menunjukkan kecocokan yang sangat baik dengan data empiris dengan nilai Goodness of Fit (Gof) 0,808, sementara variabel Pembangunan Manusia dan Kesetaraan Gender dijelaskan dari nilai  masing-masing sebesar 85,4% dan 81,1% oleh faktor-faktor dalam penelitian. Hasil analisis jalur menunjukkan bahwa Kesetaraan Gender, Ekonomi, dan Kesehatan memiliki pengaruh langsung signifikan terhadap Pembangunan Manusia. Menariknya, variabel Ketenagakerjaan dan Pendidikan menunjukkan pengaruh tidak langsung signifikan yang sepenuhnya melalui mediasi variabel Kesetaraan Gender. Segmentasi FIMIX-PLS mengidentifikasi dua segmen terbaik, dengan Segmen 1 meliputi 99 Kabupaten/Kota yang didominasi oleh pengaruh variabel secara keseluruhan, dan Segmen 2 merupakan kelompok wilayah kecil yang menunjukkan masalah ketimpangan lebih besar dan sangat menekankan perlunya kebijakan afirmasi gender.

Berdasarkan hasil penelitian ini, dapat disimpulkan bahwa model SEM-PLS dengan segmentasi FIMIX-PLS dua klaster adalah pendekatan yang paling sesuai dalam memetakan faktor-faktor determinan Pembangunan Manusia di Jawa, khususnya dengan mengidentifikasi peran mediasi Kesetaraan Gender. Temuan ini memiliki implikasi penting dalam perumusan kebijakan, terutama untuk menciptakan intervensi program pembangunan yang berbeda dan spesifik bagi karakteristik unik antara dua segmen wilayah yang teridentifikasi. Artikel ini diharapkan dapat menjadi sumber pembelajaran mengenai analisis model heterogenitas serta menjadi referensi bagi penelitian mendatang yang mengintegrasikan data spasial atau longitudinal untuk hasil yang lebih optimal.

Penulis  :  Ardi Kurniawan

Artikel lengkap (open access) dapat diakses melalui laman :

https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/18329/11884