ANALISIS RESPONSE BASED UNITS SEGMENTATION PARTIAL LEAST SQUARE (REBUS PLS) PADA DATA EKONOMI TERHADAP INDEKS PEMBANGUNAN MANUSIA = ANALYSIS OF RESPONSE BASED UNITS SEGMENTATION PARTIAL LEAST SQUARE (REBUS PLS) ON ECONOMIC DATA ON THE HUMAN DEVELOPMENT INDEX

ESRA ROMBEALLO. Analisis Response Based Units Segmentation Partial Least Square (REBUS PLS) pada Data Ekonomi terhadap Indeks Pembangunan Manusia (dibimbing oleh Dr. Dr Georgina Maria Tinungki, M.Si dan Dr. Anna Islamiyati, S.Si., M.Si).
Partial Least Square (PLS) merupakan bagian dari Structural Equation Modeling yang dapat digunakan untuk berbagai skala pengukuran data, ukuran sampel yang kecil, dan tidak memerlukan asumsi distribusi. Dalam PLS yang umumnya diasumsikan bahwa data bersifat homogen. Asumsi ini tidak rasional karena data dapat berasal dari beberapa segmen. Permasalahan ini dinamakan dengan heterogenitas. Metode yang dapat mengatasi masalah tersebut yaitu Response Based Units Segmentation Partial Least Square (REBUS PLS). Response Based Units Segmentation Partial Least Square merupakan metode yang dapat mensegmentasi unit observasi dan mendeteksi heterogenitas pada persamaan struktural maupun persamaan pengukuran. Salah satu bidang yang sering menggunakan banyak variabel dalam analisis Response Based Units Segmentation yang merupakan bagian dari Partial Least Squares (PLS) adalah ekonomi dan pembangunan manusia diantaranya sumber daya manusia, kesehatan dan kemiskinan. Penelitian ini bertujuan memperoleh hasil dan model segmentasi pada data ekonomi terhadap indeks pembangunan manusia dengan REBUS PLS. Variabel yang digunakan yaitu 4 variabel laten dan 14 variabel manifest. Hasil segmentasi pada penelitian ini yaitu membentuk 2 model lokal yang terdiri dari 9 provinsi dan 25 provinsi. Model lokal 1 yaitu η1=0,841 ξ, η2=-0,367 ξ+1,229η1, dan η3=-0,248 ξ+0,193η1-0,939η2 sedangkan model lokal 2 yaitu η1=0,364ξ, η2=-0,170ξ-0,727η1, dan η3=-0,286 ξ+0,263η1-0,414η2. Kesimpulan bahwa REBUS PLS mampu mendeteksi heterogenitas pada model SEM PLS dengan nilai GoF untuk model global sebesar 0,601, model lokal 1 sebesar 0,856, dan model lokal 2 sebesar 0,432 yang masuk dalam kategori GoF besar. Nilai GoF yang tinggi juga menunjukkan model struktural dan pengukuran yang lebih baik.

Keywords : Human Development Index, Partial Least Square, Response Based Units Segmentation, Structural Equation Modeling.