FAKTOR FAKTOR YANG MEMPENGARUHI IPM

Rahmawati Sri Pujiantiningtyas

Universitas Negeri Malang
Email: rahmatyas48@gmail.com

Abstrak
Indeks Pembangunan Manusia adalah Indeks Pembangunan Manusia merupakan
salah satu indikator yang yang dijadikan alat ukur dalam pemantauan pembangunan
manusia, terutama dalam mengukur kualitas fisik penduduk.Indeks pembangunan
manusia dipengaruhi oleh variabel Indeks Angka Harapan Hidup (AHH), Indeks
Pendidikan, dan Indeks Pendapatan.Dengan menggunakan analisis regresi linear
berganda dengan menggunakan spss.Sehingga dapat ditemukan bahwa indeks
Angka Harapan Hidup, Indeks Pendidikan, dan Indeks pendapatan berpengaruh
terhadap IPM.
Kata Kunci : IPM, Angka Harapan Hidup,Indeks Pendidikan , Indeks pendapatan

Pendahuluan
Komponen IPM adalah usia hidup (longevity), pengetahuan (knowledge),
dan standar hidup layak (decent living). Usia hidup diukur dengan angka harapan
hidup.Komponen pengetahuan diukur dengan angka melek huruf dan rata-rata
lama sekolah.
Komponen standar hidup layak diukur dengan indikator rata-rata konsumsi
riil yang telah disesuaikan. Sebagai catatan, UNDP menggunakan indikator PDB
per kapita riil yang telah disesuaikan (adjusted real GDP per capita) sebagai
ukuran komponen tersebut karena tidak tersedia indikator lain yang lebih baik
untuk keperluan perbandingan antar negara.
Indeks Pembangunan Manusia merupakan salah satu indikator yang yang
dijadikan alat ukur dalam pemantauan pembangunan manusia, terutama dalam
mengukur kualitas fisik penduduk. Karena itu IPM digunakan sebagai
keberhasilan kebijakan pembangunan manusia. Melalui UNDP ( United Nation of
Development Program) ukuran ini selanjutnya disepakati dan dapat digunakan
untuk mengukur kinerja pembangunan manusia pada suatu wilayah tertentu. IPM
merupakan indeks komposit yang dihitung sebagai rata rata sederhana dari

indeks harapan hidup yang diukur dengan angka harapan hidup. Indeks
pendidikan terdiri dari komponen pengetahuan, yang diukur dengan angka melek
huruf, dan rata rata lama sekolah. Indeks pendapatan yang diukur dari pendapatan
per kapita riil yang telah disesuaikan daya belinya.
Metode
Penelitian ini menganalisis faktor faktor Indeks Pembangunan Manusia
dengan menggunakan variabel Indeks Angka Harapan Hidup, Indeks Pendidikan,
dan Indeks Pendapatan. Data yang digunakan adalah data data yang berasal dari
booklet penduduk indonesia yang berisi Angka Melek Huruf, Pengeluaran Riil,
Angka lama sekolah, dan data data statistik yang mendukung perhitungan nilai
IPM.
Untuk

mengetahui

besarnya

pengaruh

ketiga

variabel

tersebut

menggunakan analisis regresi dengan menggunkan bantuan aplikasi SPSS.

Analisis uji statistik regresi mempelajari bentuk hubungan antara satu atau lebih
peubah bebas (X) dengan satu peubah tak bebas (Y). dalam penelitian peubah
bebas (X) biasanya peubah yang ditentukan oleh penliti sacar bebas misalnya
dosis obat, lama penyimpanan, kadar zat pengawet, umur ternak dan sebagainya.
Disamping itu peubah bebas bisa juga berupa peubah tak bebasnya, misalnya
dalam penguluran panjang badan dan berat badan sapi, karena panjang badan
lebih mudah diukur maka panjang badan dimasukkan kedalam peubah bebas (X),
sedangkan berat badan dimasukkan peubah tak bebas (Y). Sedangkan peubah tak
bebas (Y) dalam penelitian berupa respon yang diukur akibat perlakuan/peubah
bebas, misalnya jumlah sel darahakibat pengobatan dengan dosis tertentu, jumlah
mikroba daging setelah disimpan beberapa hari, berat ayam pada umur tertentu
dan sebagianya.
Analisis uji statistik korelasi adalah metode statistika yang digunakan untuk
menentukan kuatnya atau derajat hubungan linier antara dua variable atau lebih.
Semakin nyata hubungan linier (garis lurus), maka semakin kuat atau tinggi
derajat hubungan garis lurus antara kedua variable atau lebih. Ukuran untuk
derajat garis lurus ini dinamakan koefisien korelasi. Koefisien korelasi

dilambangkan dengan r dengan ketentuan nilai r tidak lebih dari harga (-1 r 1).
Apabila nilai r = 1 artinyakoelasi negative sempurna, r = 0 artinya tidak ada
korelasi, dan r = 1 artinya korelasinya sangat kuat.
Penelitian ini menggunakan analisis korelasi, uji f dan uji t. Analisis
Korelasi bertujuan untuk mengukut kekuatan asosiasi (hubungan) linear Antara
dua variabel atau lebih, korelasi tidak menunjukkan hubungan fungsional atau
dengan kata lain analisis korelasi tidak membedakan antara variabel dependent
dengan variabel independent.
Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi
menunjukkan kekuatan (strength) hubungan linear dan arah hubungan dua
variabel acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai
hubungan searah. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan
tinggi pula. Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel
mempunyai hubungan terbalik. Artinya jika nilai variabel X tinggi, maka nilai
variabel Y akan menjadi rendah (dan sebaliknya). Untuk memudahkan melakukan
interpretasi mengenai kekuatan hubungan antara dua variabel penulis memberikan
kriteria sebagai berikut (Sarwono:2006):
0 : Tidak ada korelasi antara dua variabe
0 0,25: Korelasi sangat lemah
0,25 0,5: Korelasi cukup
0,5 0,75: Korelasi kuat
0,75 0,99: Korelasi sangat kuat
1: Korelasi sempurna
Uji F pada dasarnya menunjukkan apakah semua variabel independent
atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersamasama terhadap variabel dependent/terikat. Atau untuk mengetahui apakah model
regresi dapat digunakan untuk memprediksi variabel dependen atau tidak.
Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi (dapat

digeneralisasikan). Uji Simultan atau Overall ini dapat dilakukan dengan melihat
nilai Sig (p-value) atau membandingkan Fhitung dengan Ftabel.
HASIL DAN PEMBAHASAN

Descriptive Statistics
Mean

Std. Deviation

57.07

3.894

33

X1

75.01

4.657

33

X2

80.71

5.700

33

X3

15.48

4.796

33

Dari tabel di atas dapat bahwa rata rata IPM adalah sebesar 57,07 yang
menunjukkan bahwa nilai tersebut merupakan nilai indeks pembangunan manusia
tahun X. Selain itu, dapat diketahui juga bahwa rata rata indeks harapan hidup
(X1) sebesar 75,01 dengan standar deviasi 4,657, rata rata indeks pendidikan
(X2) sebesar 80,71 dengan standar deviasi 5,700, dan rata rata indeks
pendapatan (X3) sebesar 15,48 dengan standar deviasi 4,796. Kolom N di atas
menunjukkan bahwa jumlah data yang digunakan dalam analisis adalah sebanyak
33 buah data ( provinsi).

Correlations
Y
Pearson Correlation

Sig. (1-tailed)

X1

X2

X3

1.000

.699

.753

.862

X1

.699

1.000

.163

.536

X2

.753

.163

1.000

.486

X3

.862

.536

.486

1.000

.000

.000

.000

X1

.000

.183

.001

X2

.000

.183

.002

X3

.000

.001

.002

33

33

33

33

X1

33

33

33

33

X2

33

33

33

33

X3

33

33

33

33

Pada tabel diatas dapat diketahui atas menunjukkan bahwa besar hubungan
antara IPM (Y) dengan indeks harapan hidup (X1) sebesar 0,699 hal ini
menunjukkan hubungan positif antara IPM dengan indeks harapan hidup. Besar
hubungan antara IPM (Y) dengan indeks pendidikan (X2) adalah 0,753 yang
menunjukkan adanya hubungan postif antara keduanya. Adanya hubungan positif
juga ditunjukkan antara IPM (Y) dengan indeks pendapatan(X3) yang terlihat dari
nilai hubungan antara IPM dengan indeks pendapatan sebesar 0,862.

Variables Entered/Removed

Model
1

Variables

Variables

Entered

Removed

X3, X1, X2

Method
. Enter

a. All requested variables entered.

b. Dependent Variable: Y

Pada tabel ini menunjukkan variabel mana saja yang digunakan dan yang
dihilangkan. Dari tabel diatas variabel X1, X2, dan X3 digunakan dan Y sebagai
variabel dependen.

Model Summary

Model

1.000

R Square
a

1.000

Adjusted R

Std. Error of the

Square

Estimate

1.000

.003

Durbin-Watson
2.248

a. Predictors: (Constant), X3, X2, X1

b. Dependent Variable: Y

Dari tabel diatas R sebesar 1 artinya variabel X dan Y memiliki hubungan

yang sempurna. R-squared dan adjusted R-square item ini merupakan indicator
seberapa besar variabel-variabel bebas mampu menjelaskan perubahan yang

terjadi pada variabel tak bebas. Nilai R-square terpengaruh oleh banyaknya
jumlah variabel bebas. Semakin besar jumlah variabel bebas, maka nilai R-square
akan semakin besar sehingga untuk mendapatkan nilai sebenarnya, maka
dibuatlah suatu faktor koreksi.
Pada Tabel diatas R Square sebesar 1,000 artinya 100 % ketiga variabel
X1,X2, dan X3 mempengaruhi variabel Y. Standar Error of the Estimate (SEE)
menunjukkan 0,003. Semakin kecil SEE

regresi semakin tepat dalam

memperediksi variabel dependennya.

ANOVA
Model
1

Sum of Squares
Regression

Mean Square

485.237

161.746

.000

29

.000

485.237

32

Residual
Total

df

Sig.

1.468E7

.000

a. Predictors: (Constant), X3, X2, X1

b. Dependent Variable: Y

1. Hipotesis :

- H0 : tidak ada pengaruh signifikan indeks angka harapan hidup, indeks

pendidikan, dan pendapatan.
- H1: ada pengaruh signifikan indeks angka harapan hidup, indeks pendidikan,
dan pendapatan.
2. Ho diterima jika F hitung < F table
Ho ditolak jika F hitung > F table
3. Tingkat signifikansi 0,05 ( 5%)
4. Diketahui :

F hitung = 1,468E7 atau 14.680.000

Tingkat signifikansi = 0,05

Df1 = 3

Df2 = 32

F tabel = 2,9011

5. Perbandingan :

Fhitung = 14.680.000 > Ftabel 2,9011. Dari hasil tersebut dapat diketahui
bahwa H0 ditolak.

Kesimpulan :
Berdasarkan perhitungan Ftest tersebut Fhitung > dari Ftabel maka H0
ditolak. Berarti ada pengaruh signifikan indeks angka harapan hidup, indeks
pendidikan, dan pendapatan.
Coefficients

Standardized
Unstandardized Coefficients
Model

(Constant)

Std. Error

-.020

.014

X1

.334

.000

X2

.333

X3

.333

Coefficients
Beta

-1.392

.174

.399

2.216E3

.000

.000

.488

2.805E3

.000

.000

.410

2.018E3

.000

a. Dependent Variable: Y

a. Uji Variabel Indeks Harapan Hidup

1. - Ho : Tidak ada pengaruh indeks harapan hidup terhadap IPM
- H1 : ada pengaruh indeks harapan hidup terhadap IPM
2. Ho diterima jika t hitung < t tabel
H1 ditolak jika t hitung > t tabel
3. Diketahui :

Sig.

- Tingkat signifikansi 0,05 : 3 = 0,0167/1,67%

- t hitung: 2,216E3/ 2.216
- df 1 = 3-1 = 2
- df 2 = 32-2 = 30
- t tabel = 3,951307
4. Perbandingan

Ttable < thitung = Ho diterima dan H1 ditolak

Thitung>ttabel = Ho ditolak dan Ha diterima

Dari data diatas thitung 2216 > dari t tabel 3,951307

5. Kesimpulan
Dari data diatas, dapat diketahui thitung>ttabel, maka Ho ditolak, artinya
Indeks Angka Harapan Hidup mempengaruhi IPM.
b. Uji Variabel Indeks Pendidikan
1. - Ho : Tidak ada pengaruh indeks pendidikan terhadap IPM
- H1 : ada pengaruh indeks pendidikan terhadap IPM
2. Ho diterima jika t hitung < t tabel
H1 ditolak jika t hitung > t tabel
3. Diketahui :
- Tingkat signifikansi 0,05 : 3 = 0,0167 / 1,67%
- t hitung: 2.805E3/ 2805
- df 1 = 3-1 = 2
- df 2 = 32-2 = 30
- t tabel = 3,951307

4. Perbandingan

Ttable < thitung = Ho diterima dan H1 ditolak

Thitung>ttabel = Ho ditolak dan Ha diterima

Dari data diatas thitung 2805 > dari t tabel 3,951307

5. Kesimpulan
Dari data diatas, dapat diketahui thitung>ttabel, maka Ho ditolak, artinya
Indeks Pendidikan mempengaruhi IPM.
c. Uji Variabel Indeks Pendapatan
1. - Ho : Tidak ada pengaruh indeks pendapatan terhadap IPM
- H1 : ada pengaruh indeks pendapatan terhadap IPM
2. Ho diterima jika t hitung < t tabel
H1 ditolak jika t hitung > t tabel
3. Diketahui :
- Tingkat signifikansi 0,05 : 3 = 0,0167 / 1,67%
- t hitung: 2,018E3/2018
- df 1 = 3-1 = 2
- df 2 = 32-2 = 30
- t tabel = 3,951307
4. Perbandingan

Ttable < thitung = Ho diterima dan H1 ditolak

Thitung>ttabel = Ho ditolak dan Ha diterima

Dari data diatas thitung 2018 > dari t tabel 3,951307

5. Kesimpulan

Dari data diatas, dapat diketahui thitung>ttabel, maka Ho ditolak, artinya

Indeks Pendapatan mempengaruhi IPM.
KESIMPULAN
Penelitian ini menemukan bahwa Indeks Angka Harapan Hidup, Indeks
Pendidikan, dan Indeks Pendapatan mempengaruhi IPM sebesar 100%. Seperti
yang diharapkan Indeks Angka Harapan Hidup berpengaruh positif terhadap IPM.
Indeks Pendidikan juga dapat mempengaruhi IPM dan Indeks Pendapatan juga
dapat mempengaruhi IPM.
DAFTAR PUSTAKA
-

M.Bhakti,Setawan,

Abdul

Hakim.

Indeks

Pembangunan Manusia

Indonesia.
-

Portal statistik. http://portal-statistik.blogspot.com/(online: 27 November

2014)

Waluya, bagja. Statistik Geografi. FPIPS: UPI

Prasetyo. Indeks Pembangunan Manusia(IPM). http://hprasetyo.blogspot.in/2010/01/belajar-memahami-dan-menghitungindeks.html?m=1 (online : 20/11/2014)