Panduan Penghitungan IPM (Revisi)

DAFTAR ISI
DAFTAR ISI ....................................................................................................................................................................... i

BAB 1 PENDAHULUAN .............................................................................................................................................. 1
1.1 Arti dan Ruang Lingkup Pembangunan Manusia .............................................................. 1
1.2 Indeks Pembangunan Manusia (IPM) ............................................................................... 2
1.3 Fungsi dan Keterbatasan IPM............................................................................................ 2
1.4 Perbandingan Komponen IPM Internasional dan IPM Indonesia .................................... 3
BAB 2 INDIKATOR PENDIDIKAN.......................................................................................................................... 5

2.1 Konsep Rata-rata Lama Sekolah ............................................................................................ 5
2.2 Teknis Penghitungan Rata-rata Lama Sekolah (MYS) ............................................................. 6
2.3 Konsep Angka Melek Huruf..................................................................................................21
2.4 Teknis Penghitungan Angka Melek Huruf (AMH) ..................................................................22
BAB 3 INDIKATOR DAYA BELI ........................................................................................................................... 31

3.1 Konsep Standar Hidup Layak ................................................................................................31
3.1.1 Pengeluaran per Kapita .............................................................................................31
3.1.2 PPP per Unit ..............................................................................................................32
3.2 Teknis Penghitungan Daya Beli yang Disesuaikan .................................................................33
3.2.1 Menghitung Angka Rata-rata Pengeluaran per Kapita ................................................33
3.2.2 Menghitung Nilai Riil dari Rata-rata Pengeluaran per Kapita ......................................37
3.2.3 Penghitungan PPP (unit) ............................................................................................39
3.2.3 Penghitungan PPP (Purchasing Power Parity).............................................................49
BAB 4 PENGHITUNGAN INDEKS........................................................................................................................ 51

4.1 Penghitungan Indeks Tunggal ..............................................................................................51
4.1.1 Indeks Kesehatan (X1) ............................................................................................53
4.1.2 Indeks Pendidikan (X2) ...........................................................................................53
4.1.3 Indeks Daya Beli (X3) ..............................................................................................54
4.2 Penghitungan Indeks Komposit ............................................................................................54
4.3 Reduksi Shortfall...........................................................................................................55
BAB 5 REKONSILIASI DAN ESTIMASI DATA................................................................................................ 59

5.1 Pentingnya Rekonsiliasi dan Estimasi Data .....................................................................59
5.2 Estimasi Komponen IPM ..................................................................................................59
5.3 Metode Estimasi Komponen IPM .....................................................................................60
Panduan Penghitungan Indeks Pembangunan Manusia (IPM)
1.
Pertumbuhan Susenas ............................................................................................ 60
2.
Moving Average ....................................................................................................... 60
3.
Regresi Panel .......................................................................................................... 61
4.
Pertumbuhan IPM 2004 s.d. 2009 .......................................................................... 62
5.
Penggunaan Interval Estimasi ................................................................................ 63
5.4 Rekonsiliasi dengan Indikator Pendukung ...................................................................... 63
DAFTAR PUSTAKA .................................................................................................................................................... 65

LAMPIRAN ........................................................................................................................................66
ii
BAB
PENDAHULUAN
1.1 Arti dan Ruang Lingkup Pembangunan Manusia

Dalam perspektif the United Nations Development Programme (UNDP), pembangunan
manusia (human development) dirumuskan sebagai perluasan pilihan bagi penduduk (enlarging the
choices of people), yang dapat dilihat sebagai proses upaya ke arah "perluasan pilihan" dan
sekaligus sebagai taraf yang dicapai dari upaya tersebut (UNDP, 1990). Pada saat yang sama
pembangunan manusia dapat dilihat juga sebagai pembangunan (formation) kemampuan
manusia melalui perbaikan taraf kesehatan, pengetahuan, dan keterampilan; sekaligus sebagai
pemanfaatan (utilization) kemampuan/keterampilan mereka tersebut. Konsep pembangunan di
atas jauh lebih luas pengertiannya dibandingkan konsep pembangunan ekonomi yang
menekankan pada pertumbuhan (economic growth), kebutuhan dasar (basic needs), kesejahteraan
masyarakat (social welfare), atau pengembangan sumber daya manusia (human resource
development). Hal ini terkait konsep pembangunan manusia UNDP yang mengandung empat unsur
yaitu: produktifitas (productivity), pemerataan (equity), kesinambungan (sustainability), dan
pemberdayaan (empowerment).
Pembangunan manusia dapat juga dilihat dari sisi pelaku atau sasaran yang ingin
dicapai. Dalam kaitan ini UNDP melihat pembangunan manusia sebagai suatu "model"
pembangunan tentang penduduk, untuk penduduk, dan oleh penduduk:
a. tentang penduduk; berupa investasi di bidang pendidikan, kesehatan, dan pelayanan
sosial lainnya;
b. untuk penduduk, berupa penciptaan peluang kerja melalui perluasan (pertumbuhan)
ekonomi dalam negeri; dan
c. oleh penduduk; berupa upaya pemberdayaan (empowerment) penduduk dalam
menentukan harkat manusia dengan cara berpartisipasi dalam proses politik dan
pembangunan.
BAB 1
Pendahuluan
1.2 Indeks Pembangunan Manusia (IPM)

Uraian singkat di atas memberikan ilustrasi bahwa konsep pembangunan manusia
memiliki dimensi yang sangat luas. Menurut UNDP upaya ke arah "perluasan pilihan" hanya
mungkin dapat direalisasikan jika penduduk paling tidak memiliki: peluang berumur panjang dan
sehat, pengetahuan dan keterampilan yang memadai, serta peluang untuk merealisasikan
pengetahuan yang dimiliki dalam kegiatan yang produktif (misalnya dapat bekerja dan
memperoleh "uang", sehingga memiliki daya beli). Dengan kata lain, tingkat pemenuhan ketiga
unsur tersebut sudah dapat merefleksikan, secara minimal, tingkat keberhasilan pembangunan
manusia suatu wilayah.
UNDP sejak 1990 menggunakan Indeks Pembangunan Manusia (IPM) atau Human
Development Index (HDI) untuk mengukur keberhasilan atau kinerja (performance) suatu negara
dalam bidang pembangunan manusia. Selanjutnya sejak tahun 1990, indeks tersebut digunakan
untuk mengukur kinerja pembangunan manusia di Indonesia pada tingkat provinsi hingga tingkat
kabupaten/kota.
Untuk mengukur tingkat pemenuhan ketiga unsur di atas, UNDP menyusun suatu indeks
komposit berdasarkan pada 3 (tiga) indikator yaitu: Angka Harapan Hidup (life expectancy at
age 0: e0), Angka Melek Huruf penduduk dewasa (adult literacy rate: AMH) dan Rata-Rata Lama
Sekolah (mean years of schooling: MYS), serta Purchasing Power Parity (merupakan ukuran
pendapatan yang sudah disesuaikan dengan paritas daya beli). Indikator pertama mengukur
"umur panjang dan sehat", dua indikator berikutnya mengukur "pengetahuan dan keterampilan",
sedangkan indikator terakhir mengukur kemampuan dalam mengakses sumber daya ekonomi
dalam arti luas. Ketiga indikator inilah yang digunakan sebagai komponen dalam penyusunan HDI
yang diterjemahkan menjadi IPM.
1.3 Fungsi dan Keterbatasan IPM

Secara umum, fungsi IPM sebagai sarana untuk mengukur masalah pembangunan manusia
diakui secara luas. Statistical Institute for Asia and the Pacific (SIAP) merekomendasikan negara
anggotanya untuk menghitung IPM "yang cocok" untuk perbandingan antarwilayah dalam suatu
negara. Rekomendasi SIAP tersebut cukup realistis karena konsep/definisi sistem perstatistikan
dalam suatu negara pada umumnya relatif seragam sehingga kualitas data yang dihasilkannya
tidak berbeda. IPM provinsi serta kabupaten/kota yang dihitung hingga saat ini, antara lain untuk
menanggapi rekomendasi SIAP tersebut.
Sementara itu secara khusus untuk Indonesia, IPM mempunyai manfaat sebagi berikut:
2
Pendahuluan
1) Mengetahui perkembangan hasil pembangunan SDM dalam berbagai aspek kehidupan.

2) Mengetahui capaian program-program pemerintah yang berkaitan dengan peningkatan
kualitas hidup masyarakat.
3) Mendapatkan feedback atas ketidak/kekurang-berhasilan pembangunan.
4) Sebagai alokator dalam penyusunan DAU.
5) Mengukur keterkaitan dengan proses pembangunan dibidang lainnya (ekonomi, sosial,
politik dan sebagainya)
Selain manfaat yang dimilikinya, IPM juga
mempunyai beberapa keterbatasan sebagai
berikut:
1) Adalah suatu kemustahilan bahwa pembangunan manusia dalam arti luas dapat diukur
hanya dengan satu indeks komposit, tak peduli seberapa banyak komponen indikatornya
(apalagi jika diingat bahwa semakin banyak variabel yang dimasukkan ke dalam indeks
komposit tersebut semakin tinggi pula kemungkinan besarnya kesalahan/error).
2) IPM juga masih mempunyai kelemahan dari segi data dan arti. Kelemahan yang bersifat
umum dari suatu indeks komposit adalah tidak memiiiki arti tersendiri secara individual.
Jelasnya, IPM suatu negara, provinsi atau kabupaten/kota tidak bermakna tanpa
dibandingkan dengan IPM negara, provinsi atau kabupaten/kota lainnya.
3) IPM belum mempertimbangkan kesetaraan gender. Untuk menanggapi masalah ini, UNDP
menyusun dua indeks turunan IPM yaitu IPG (Indeks Pembangunan Gender) dan IDG
(Indeks Pemberdayaan Gender).1 Sementara untuk mempertimbangkan kemiskinan,
disusunlah Indeks Kemiskinan Manusia (IKM)2.
1.4 Perbandingan Komponen IPM Internasional dan IPM Indonesia

Dengan mempertimbangkan ketersediaan data di Indonesia dan merespon saran dari
SIAP, maka IPM Indonesia mengalami beberapa modifikasi seperti terlihat dalam tabel 1.1.
IPG disusun dari angka harapan hidup; angka melek huruf; rata-rata lama sekolah; rata-rata upah buruh non
pertanian; dan sumbangan pendapatan (dalam persen). Sedangkan IDG disusun dari data keterwakilan dalam
parlemen; proporsi dari manajer, staf administrasi, pekerja profesional dan teknisi; persentase aktif secara
ekonomi (proporsi dari angkatan kerja); serta upah di bidang non pertanian. Masing-masing indikator penyusun
IPG dan IDG tersebut dibedakan berdasarkan jenis kelamin (menggunakan data laki-laki dan perempuan).
2 IKM dibangun oleh tiga komponen yaitu peluang suatu populasi untuk tidak bertahan hidup sampai umur 40 tahun ,
indikator kedua diukur dengan angka buta huruf penduduk umur dewasa [15 tahun keatas], serta keterbatasan
akses terhadap pelayanan dasar [meliputi akses terhadaop air bersih, akses terhadaop sarana kesehatan, dan
persentase balita dengan status gizi kurang].
1
BAB 1
BAB 1
Pendahuluan
Tabel 1.1. Perbandingan Indikator IPM UNDP dan BPS

Dimensi
Indikator UNDP
(1)
(2)
(3)
Angka harapan hidup pada saat

lahir (e0)
Angka Melek Huruf (AMH)
GER
Pendapatan per kapita riil yang
disesuaikan (PPP Rupiah): PDB riil
Angka harapan hidup pada saat

lahir (e0)
Angka Melek Huruf (AMH)
Rata-rata Lama Sekolah (MYS)
Pengeluaran per kapita riil yang
disesuaikan (PPP Rupiah): Data
Susenas
Umur panjang dan sehat

Pengetahuan
Kehidupan yang layak
Indikator BPS
BAB
INDIKATOR PENDIDIKAN
2.1 Konsep Rata-rata Lama Sekolah

Lamanya sekolah atau years of schooling adalah sebuah angka yang menunjukkan
lamanya bersekolah seseorang dari masuk sekolah dasar (SD) sampai dengan kelas terakhir
yang diselesaikan pada tingkat pendidikan terakhir. Lamanya bersekolah merupakan ukuran
akumulasi investasi pendidikan individu. Setiap tahun, tambahan sekolah diharapkan akan
membantu meningkatkan pendapatan individu tersebut.
Indikator yang diturunkan dari data lama sekolah menggambarkan rata-rata lama
sekolah dari penduduk di suatu wilayah adalah rata-rata lama sekolah /mean years of schooling
(MYS). Sebagai indikator tunggal, rata-rata lama sekolah dapat dijadikan ukuran akumulasi
modal manusia suatu daerah. Ukuran ini mengatasi masalah kekurangan estimasi dari tingkat
pendidikan tertinggi yang tidak mengakomodir kelas tertinggi yang pernah dicapai individu.
Namun demikian, rata-rata lama sekolah ini tidak mempertimbangkan kasus-kasus tidak naik
kelas, putus sekolah yang kemudian melanjutkan kembali, dan masuk sekolah dasar di usia yang
terlalu muda atau sebaliknya. Sehingga nilai dari jumlah tahun bersekolah bisa menjadi terlalu
tinggi (overestimate) atau bahkan terlalu rendah (underestimate).
Pada awalnya UNDP menggunakan MYS sebagai indikator pendidikan yang dikombinasikan
dengan AMH dalam penyusunan Indeks Pembangunan Manusia (IPM). Populasi yang digunakan UNDP
untuk penghitungan MYS dibatasi pada penduduk berumur 25 tahun ke atas. Batasan itu diperlukan
agar angkanya lebih mencerminkan kondisi sebenarnya mengingat penduduk yang berusia kurang
dari 25 tahun masih dalam proses sekolah sehingga belum pantas ditanyakan MYS-nya. Namun karena
keterbatasan data, sejak tahun 1995 MYS digantikan dengan GER (Gross Enrolment Ratio) dan pada
tahun 2010 dalam metode IPM yang baru GER digantikan kembali dengan MYS.
Di Indonesia, data Susenas cukup valid untuk menghitung MYS sehingga dalam penghitungan
IPM Indonesia, indikator MYS tetap digunakan. Perbedaannya, populasi yang digunakan adalah
penduduk berumur 15 tahun ke atas disesuaikan dengan populasi dalam penghitungan AMH. Rata-
BAB 2
Indikator Pendidikan
rata lama sekolah/MYS menggambarkan jumlah tahun yang digunakan oleh penduduk usia 15
tahun ke atas dalam menjalani pendidikan formal.
Cara menghitung lamanya bersekolah dapat dikonversikan langsung dari jenjang
pendidikan dan kelas tertinggi yang pernah diduduki seseorang, misalnya jika seseorang
pendidikan tertingginya adalah SMP kelas 2, maka ia memiliki jumlah tahun bersekolah sama
dengan 8 tahun, yaitu 6 tahun bersekolah di tingkat SD ditambah dengan 2 tahun di SMP. Data
yang diperlukan untuk penghitungan rata-rata lama sekolah adalah jenjang pendidikan dan
kelas/tingkat tertinggi yang pernah diduduki. Sumber data lama sekolah dapat menggunakan
Susenas, yaitu dari pertanyaan tentang Jenjang atau Jenis Pendidikan Tertinggi yang pernah
atau sedang diduduki dari Seksi Keterangan Pendidikan3.
Rata-rata lama sekolah dapat dihitung dengan rumus sebagai berikut:
=
di mana :
: rata-rata lama sekolah penduduk usia 15 tahun ke atas
: lamanya sekolah individu usia 15 tahun ke atas
n
: jumlah penduduk usia 15 tahun ke atas.

Sebagai contoh, tabel berikut menunjukkan lama sekolah 3 individu dilihat dari jenjang
pendidikan yang ditamatkan dan kelas tertinggi.
Individu
Jenjang
Kelas/tingkat
Lama sekolah (tahun)
(1)
(2)
(3)
(4)
A
B
C
SMP
SD
Universitas
2
6 (tamat)
2
6+2 =8
6
12+2=4
Maka rata-rata lama sekolah = (8+6+14)/3 =9.3 tahun atau secara rata-rata ketiga orang
tersebut bersekolah sampai Tamat SMP.
2.2 Teknis Penghitungan Rata-rata Lama Sekolah (MYS)

Teknis untuk menghitung rata-rata lama sekolah dapat dibagi menjadi dua metode, yaitu
dengan menggunakan kotak dialog dan menggunakan syntax. Sebelum memulai penghitungan
MYS, terlebih dulu buka raw data Susenas Kor Individu Juli 2010.
3
Dalam data SUSENAS variabel kelas, terdapat pilihan tingkat 8. Angka 8 ini menunjukkan bahwa seseorang telah
tamat di jenjang tertentu.
Indikator Daya Beli
Menggunakan Kotak Dialog

a. Langkah Pertama, seleksi penduduk pada umur 15 tahun ke atas, caranya:
Klik menu Data, lalu pilih Select Cases.
Setelah muncul kotak dialog Select Case seperti gambar di bawah, pada bagian
Select, tandai if condition is statisfied.
Pada bagian Output tandai Filter out unselected case.
Kembali ke pilihan if condition is statisfied pada bagian Select dan klik kotak
bertuliskan if... di bawahnya.
Setelah muncul kotak dialog Select Cases: If, masukan variabel umur (umur anggota
rumah tangga) ke kolom persamaan.
Yaitu, dari daftar variabel sebelah kiri ke kolom kosong di sebelah kanan atas dengan
cara mengklik tanda segitiga yang dilingkari pada gambar di bawah.
Lalu tambahkan > = 15,
Sehingga tampak tampilan di layar sebagai berikut:
Klik Continue, lalu OK

b. Langkah Kedua, mengelompokkan jenjang pendidikan yang pernah/sedang diduduki.
Pada langkah ini, kelompokkan jenis pendidikan yang berada pada tingkat yang sama
dengan menggunakan fungsi Recode. Contohnya, sekolah dasar dan madrasah ibtidaiyah
BAB 3
BAB 3
Indikator Daya Beli
dijadikan satu kelompok sebagai tingkat sekolah dasar. Pada Susenas 2010, pertanyaan
mengenai jenjang pendidikan yang pernah/sedang diduduki berada pada Blok VC rincian 16
seperti berikut:
Dalam buku ini, pengelompokkan dilakukan dengan membentuk variabel baru

dengan nama Jenjang. Adapun pengelompokkan yang dilakukan mengikuti tabel berikut:
Old
Value
Jenis Pendidikan
New
Value
Jenjang
(1)
(2)
(3)
(4)
SD/SDLB
Madrasah Ibtidaiyah
Paket A
SMP/SMPLB
Madrasah Tsanawiyah
Paket B
SMA/SMLB
Madrasah Aliyah
SMK
10
Paket C
11
13
Prog. D1/D2
Prog. D3/Sarjana
Muda
Prog. D4/S1
14
Prog. S2/S3
12
Sekolah Dasar
SMP
SMA
D1/D2
D3
S1
S2/S3
Cara pengelompokkan tersebut adalah:

Klik menu Transform Recode into Different Variables,
Masukan variabel b5r16 (jenjang dan jenis pendidikan) ke kolom Numeric Variables>Output Variable: dari kolom di sebelah kirinya.
Pada bagian Output Variable, untuk variabel baru, beri nama Jenjang pada kolom
Name:
Pada kolom Label:, ketik Jenjang Pendidikan.
Indikator Daya Beli
Klik Change pada tombol di bawah Label, hingga tampilan di layar:
Selanjutnya klik kotak Old and New Values...

Akan muncul kotak dialog Recode into Different Variables: Old and New Values,
Pada bagian Old Value tandai Range lalu isikan 1 through 3, sehingga tampilan di
layar seperti bagian yang ditandai pada gambar berikutnya.
Pada bagian New Value, tandai pilihan value, lalu ketik 1.
Klik Add, maka tampilan di layar menjadi:
BAB 3
BAB 3
Indikator Daya Beli
Langkah tersebut berarti membentuk New Value 1 (sekolah dasar) dari Old Value 1 (SD)
sampai dengan 3 (Paket A).
Lakukan langkah yang sesuai untuk variabel B5R16 berkode 4 s.d. 10.
Sementara untuk variabel B5R16 berkode 11 s.d. 14:
Tandai pilihan Value: pada frame Old Value.
Ketik 11 pada kolom Value: tersebut.
Sementara pada frame New Value, pilih Value: dan ketik 4 di kolomnya.
Lakukan langkah yang sesuai untuk variabel B5R16 berkode 12 s.d. 14, sehingga
tampilan di layar menjadi:
Klik Continue, lalu OK.

Penamaan isian variabel Jenjang bisa melalui sheet variable view atau dengan
menggunakan syntax.
c.
Langkah Ketiga, mengelompokkan ijazah/STTB tertinggi yang dimiliki.

Cara pengelompokkan ijazah/STTB tertinggi yang dimiliki sama dengan cara yang
digunakan pada langkah kedua. Untuk variabel baru yang dibentuk, gunakan nama variabel
10
Indikator Daya Beli
IJAZAH dan nama label Ijazah/STTB tertinggi yang dimiliki. Pada Susenas 2010,
pertanyaan mengenai ijazah/STTB tertinggi tersebut berada pada Blok VC rincian 18 (B5R18).
Pengelompokkan yang dilakukan mengikuti tabel berikut:

Old
Value
Ijazah/STTB
Tertinggi
New
Value
IJAZAH
(1)
(2)
(3)
(4)
Tidak punya ijazah SD
Tidak punya ijazah SD
SD/SDLB
Madrasah Ibtidaiyah
Paket A
SMP/SMPLB
Madrasah Tsanawiyah
Paket B
Sekolah Dasar
SMP
SMA/SMLB
Madrasah Aliyah
10
SMK
11
Paket C
12
D1/D2
D3
14
Prog. D1/D2
Prog. D3/Sarjana
Muda
Prog. D4/S1
S1
15
Prog. S2/S3
S2/S3
13
SMA
Dengan mengacu pada tabel di atas, maka kotak dialog yang dihasilkan adalah
sebagai berikut:
Selanjutnya klik Continue, lalu OK.
11
BAB 3
BAB 3
Indikator Daya Beli
d. Langkah Keempat, membuat variabel baru dengan nama TAMAT

Variabel TAMAT ini menunjukkan lama sekolah (dalam tahun) yang telah dijalani sesuai
dengan ijazah/STTB yang telah diperoleh. Dalam hal ini, diasumsikan tidak terjadi pengulangan
kelas. Sebagai contoh, SMA diberi nilai sebesar 12, yang berarti telah menjalani pendidikan
selama 12 tahun. Nilai variabel TAMAT lainnya disesuaikan dengan ijazah yang telah
diperoleh sebagai berikut:
Old
Value
IJAZAH
New Value
(TAMAT)*
(1)
(2)
(3)
1
2
3
4
5
6
7
8
Tidak punya ijazah

Sekolah Dasar
SMP
SMA
D1/D2
D3
S1/D4
S2/S3
0
6
9
12
14
15
16
18
Ket: *Merupakan jumlah tahun pendidikan yang

telah dijalani
Dalam SPSS, pendefinisian variabel baru tersebut dapat menggunakan fungsi Compute,
caranya:
Klik menu Transform Compute Variable...,
Ketik TAMAT (nama variabel) pada kolom Target Variable:,
Ketik 0 pada kolom Numeric Expression:,
Klik Type & Label...,

Kemudian pada kotak dialog baru akan muncul tampilan sebagai berikut.
12
Indikator Daya Beli
Pada kolom Label ketik Lama tahun untuk memperoleh ijazah terakhir.
Pada kolom Type biarkan tetap Numeric.
Klik Continue.
Setelah kembali ke kotak dialog Compute Variable:.
Klik If... (optional case selection condition).
Tandai pilihan Include if case satisfies condition:.
Masukan variabel IJAZAH ke kotak di bawah pilihan Include if case satisfies condition:
lalu tambahkan = 1. seperti diilustrasikan pada gambar berikut.
klik Continue, lalu OK.

Langkah tersebut menunjukan bahwa jika IJAZAH=1 (tidak punya ijazah), maka TAMAT=0
(lama sekolah sama dengan 0 tahun).
Lakukan penyesuaian untuk tingkat ijazah yang lainnya, dengan mengganti kode 0 pada
kolom Numeric Expression: menjadi 6. Kemudian dalam If... (optional case selection
condition), kondisi bersyaratnya menjadi IJAZAH=2 (SD). Selanjutnya, Numeric
Expression: menjadi 9 untuk IJAZAH=3 (SMP), demikian seterusnya (untuk variabel
IJAZAH=4 s.d. 8).
e.
Langkah Kelima, membuat variabel baru dengan nama LAMA

Variabel LAMA ditujukan untuk menghitung lamanya sekolah (dalam tahun) yang telah
dijalani sesuai dengan ijazah terakhir ditambah lamanya sekolah untuk kelas yang telah
diselesaikan pada tingkat pendidikan berikutnya. Sebagai contoh, seseorang yang berhenti
sekolah setelah menyelesaikan kelas 2 di sebuah SMU akan memiliki nilai variabel LAMA sebesar
11. Nilai tersebut berasal dari IJAZAH=9 (jumlah tahun sekolah hingga memperoleh ijazah SMP)
ditambah 2 (jumlah tahun sekolah yang telah dijalani selama SMU). Nilai yang ditambahkan
tersebut berasal dari rincian b5r17 (pada Susenas 2010) berikut:
13
BAB 3
BAB 3
Indikator Daya Beli
Langkah untuk mengerjakannya adalah sebagai berikut:

Klik menu Transform Compute Variable....
Ketik LAMA (nama variabel) pada kolom Target Variable:.
Ketik TAMAT + b5r17 pada kolom Numeric Expression:, sehingga muncul tampilan
berikut:
Klik OK.
f.
Langkah Keenam, membuat variabel baru dengan nama MYS1

Variabel MYS1 ditujukan untuk menghitung lamanya sekolah (dalam tahun) secara
keseluruhan untuk setiap individu. Pertama, variabel partisipasi sekolah digunakan sebagai
kondisi bersyarat dalam menghitung MYS1. Pada Susenas 2010, pertanyaan mengenai
partisipasi sekolah terdapat pada Blok VC rincian 15 sebagai berikut:
Selanjutnya, Lama sekolah (MYS1) dihitung sesuai dengan uraian dalam tabel berikut:
Partisipasi Sekolah
Keterangan
(1)
(2)
Tidak/belum pernah bersekolah

Masih bersekolah
Tidak bersekolah lagi
Lama Sekolah
(MYS1)
(3)
0 tahun
- Kasus umum
lama sekolah - 1
- Jenjang yang dijalani S2/S3,

Ijazah tertinggi DIV/S1, Status
Belum tamat
Ijazah tertinggi +1
- Belum tamat
lama sekolah - 1
- Sudah tamat
Sesuai ijazah tertinggi
Cara penghitunganya mirip dengan pengolahan variabel TAMAT, yaitu:
Ketik MYS1 (nama variabel) pada kolom Target Variable:.
Ketik 0 pada kolom Numeric Expression:. Kemudian, tampilan kotak dialog menjadi:
14
Indikator Daya Beli
Klik Type & Label.
Beri nama label Lamanya sekolah keseluruhan.
Pada kolom Type biarkan tetap Numeric. Tampilan akan menjadi seperti berikut.
Klik Continue.
Setelah kembali ke kotak dialog Compute Variable:
Masukan variabel B5R15 ke kotak di bawah pilihan Include if case satisfies condition:
Tambahkan = 1, seperti diilustrasikan pada gambar berikut:

Langkah di atas menghasilkan nilai variabel MYS1 = 0 (nilai variabel MYS1= 0,
atau lama sekolah 0 tahun) untuk kondisi B5R15=1 (partisipasi sekolah = 1, atau
tidak/belum pernah bersekolah).
Selanjutnya, lakukan hal yang sama untuk kondisi lainnya sesuai dengan kriteria pada
tabel berikut.
15
BAB 3
BAB 3
Indikator Daya Beli
Include if case satisfies condition:
MYS1
(1)
(2)
B5R15=1
B5R15=2
LAMA-1
B5R15=3 & b5r17<8
LAMA-1
B5R15=3 & b5r17=8
TAMAT.
B5R15=2 & JENJANG=7 & IJAZAH=7 & B5R17<8
TAMAT+1
Sebagai contoh, untuk kondisi (B5R15=2), maka langkah untuk mengerjakannya yaitu:
Ketik MYS1 (nama variabel) pada kolom Target Variable:.
Ketik LAMA-1 pada kolom Numeric Expression:.
Ketik B5R15 = 2.
Dan seterusnya untuk kasus yang lain.
g. Langkah Ketujuh, mengaktifkan penimbang individu
Sebelum mengesekusi (run) data untuk menghasilkan tabel, terlebih dulu aktifkan
penimbang individu4.
Klik menu Data, lalu klik Weight Cases.
Masukkan variable weind (penimbang individu) ke kolom Frequency Variable hingga
muncul tampilan sebagai berikut:
Klik OK
Jika tidak terdapat penimbang individu dalam file Susenas yang digunakan, cara memunculkan penimbang
individu dapat dilihat pada lampiran.
16
Indikator Daya Beli
h. Langkah Kedelapan, menampilkan tabel MYS menurut provinsi atau kabupaten/kota

Pada langkah terakhir ini, hitung MYS untuk setiap provinsi atau kabupaten/kota. Salah
satu caranya adalah dengan menggunakan Custom Tables sebagai berikut:
Klik menu Analyze Tables Custom Tables.
Jika muncul pesan seperti di bawah ini, klik OK.
Setelah muncul kotak dialog Custom Tables, pastikan variabel B1R1 (provinsi) dan B1R2
(kabupaten/kota) dalam bentuk variabel nominal. Jika masih dalam bentuk lain (misalnya
scale), ubah dengan cara:
a) Klik kanan pada variabel B1R1 dan B1R2 di kolom Variables,
b) Tandai pilihan Nominal.
Jika tabel yang ingin dimunculkan hanya pada level provinsi, maka caranya:
Drag (tarik/geser) variabel B1R1 (kode provinsi) pada kolom Variables ke arah Rows
pada kotak kosong di tengah.
Kemudian akan muncul tampilan sebagai berikut:

17
BAB 3
BAB 3
Indikator Daya Beli
Namun, jika ingin menghasilkan tabel AMH hingga level kabupaten/kota, maka langkahlangkahnya:
Drag juga B1R2 dan tempatkan di sebelah kanan B1R1 hingga tampilannya seperti
berikut:
Selanjutnya klik B1R2 pada posisi berikut:
Klik Categories and totals... pada kolom Define.
18
Indikator Daya Beli
Setelah muncul kotak dialog baru (Categories and totals), pada bagian Show:
Tandai kolom Total seperti gambar berikut:
Klik Apply.
Langkah ini bertujuan untuk memunculkan angka provinsi (jika yang di klik B1R2). Jika ingin
menghitung angka nasional maka munculkan juga nilai total dengan mengklik B1R1lebih dulu
(tidak dilakukan dalam pelatihan).
Setelah kembali ke kolom Custom Tables, pastikan variabel MYS1 dalam bentuk Scale,
bukan nominal atau lainnya.
Drag variabel MYS1 lalu letakan di Columns pada kotak yang sudah berisikan B1R1
dan B1R2 hingga tampilan di layar menjadi seperti berikut:
Tampilan default untuk satuan dari MYS1adalah Mean. Biarkan dalam kondisi tersebut.
Kemudian untuk menuliskan judul tabel:
Klik Titles,
Pada kolom Title, tuliskan judul tabel misalnya Rata-Rata Lama Sekolah 15+ 2010,
19
BAB 3
BAB 3
Indikator Daya Beli
Klik OK
Menggunakan Syntax
Syntax yang ditampilkan di bawah ini merupakan pengganti dari serangkaian prosedur
mendapatkan angka rata-rata lama sekolah dengan menggunakan kotak dialog, dengan tetap
memerhatikan urutan langkahnya.
a. Langkah Pertama, seleksi penduduk pada umur 15 tahun ke atas
SELECT IF(UMUR >= 15).
EXECUTE .
b. Langkah Kedua, mengelompokkan jenjang pendidikan yang pernah/sedang diduduki.

RECODE
b5r16
(1 thru 3=1) (4 thru 6=2) (7 thru 10=3) (11=4) (12=5) (13=6) (14=7)
INTO Jenjang.
VARIABLE LABELS Jenjang ' Jenjang Pendidikan' .
EXECUTE.
**Penamaan isian variabel
VALUE LABEL Jenjang 1' SD' 2' SLTP' 3' SLTA' 4' DI_II' 5' DIII' 6' S1_DIV' 7' S2_S3'.
c. Langkah Ketiga, mengelompokkan ijazah/STTB tertinggi yang dimiliki.

RECODE
b5r18
(1=1) (2 thru 4=2) (5 thru 7=3) (8 thru 11=4) (12=5) (13=6) (14=7) (15=8)
INTO IJAZAH.
VARIABLE LABELS IJAZAH 'Ijazah/STTB tertinggi yang dimiliki' .
EXECUTE.
VALUE LABEL IJAZAH 1' TDK/BELUM TAMAT' 2' SD' 3' SLTP' 4' SLTA' 5' DI_II' 6' DIII' 7'
S1_DIV' 8' S2_S3'.
d. Langkah Keempat, membuat variabel baru dengan nama TAMAT

IF (IJAZAH=1) TAMAT=0.
VARIABLE LABELS TAMAT 'Lama tahun untuk memperoleh ijazah terakhir'.
e. Langkah Kelima, membuat variabel baru dengan nama LAMA

COMPUTE LAMA=TAMAT+ b5r17.
EXECUTE.
20
Indikator Daya Beli
f.
Langkah Keenam, membuat variabel baru dengan nama MYS1

IF (B5R15=1) MYS1=0.
IF (B5R15=2) MYS1=LAMA-1.
IF (B5R15=3 & b5r17<8) MYS1=LAMA-1.
IF (B5R15=3 & b5r17=8) MYS1=TAMAT.
IF (B5R15=2 & JENJANG=7 & IJAZAH=7 & B5R17<8) MYS1=TAMAT+1.
VARIABLE LABELS MYS1 'Rata-Rata Lama Sekolah 15 Tahun Keatas'.
EXECUTE .
g. Langkah Ketujuh, mengaktifkan penimbang individu

WEIGHT
BY weind10 .
h. Langkah Kedelapan, menampilkan tabel MYS menurut provinsi atau kabupaten/kota

* Custom Tables.
CTABLES
/VLABELS VARIABLES=MYS1 b1r1 b1r2 DISPLAY=DEFAULT
/TABLE b1r1 [C] > b1r2 [C] BY MYS1 [MEAN]
/CATEGORIES VARIABLES=b1r1 ORDER=A KEY=VALUE EMPTY=EXCLUDE
/CATEGORIES VARIABLES=b1r2 ORDER=A KEY=VALUE EMPTY=EXCLUDE TOTAL=YES
POSITION=BEFORE
/TITLES
TITLE= 'Rata-Rata Lama Sekolah 15+ 2010'.
2.3 Konsep Angka Melek Huruf

Angka Melek Huruf (AMH) adalah persentase penduduk usia 15 tahun ke atas yang
dapat membaca dan menulis huruf latin dan atau huruf lainnya. Pentingnya angka melek huruf
(AMH) sebagai komponen IPM tidak banyak diperdebatkan. Permasalahannya adalah bahwa AMH
yang digunakan UNDP bervariasi antarnegara dalam hal konsep operasional dan kualitas data.
Sebagai ilustrasi, konsep AMH yang didefinisikan sebagai "mampu membaca dan menulis"
diperkirakan akan menghasilkan angka yang berbeda jika misalnya, didefinisikan sebagai "mampu
membaca pesan tertulis yang sederhana". Datanya diperkirakan juga berbeda jika pengumpulan
datanya menggunakan atau tidak mengunakan alat peraga (penguji). Dalam penghitungan AMH pada
tingkat provinsi dan kabupaten/kota, masalah tersebut dapat dihindari karena konsep "mampu
membaca dan menulis" dan cara menanyakannya (tanpa alat peraga) di Indonesia diberlakukan
secara seragam (tidak ada perbedaan antarprovinsi serta kabupaten/kota).
Sebagai indikator tunggal, AMH dapat digunakan untuk:
a) menunjukkan kemampuan penduduk di suatu wilayah dalam menyerap informasi dari
berbagai media.
b) mengukur keberhasilan program-program pemberantasan buta huruf.
c) menunjukkan kemampuan untuk berkomunikasi secara lisan dan tertulis.
21
BAB 3
BAB 3
Indikator Daya Beli
Cara menghitung angka melek huruf adalah dengan membagi jumlah penduduk usia 15
tahun ke atas yang dapat membaca dan menulis dengan jumlah penduduk usia 15 tahun ke atas
kemudian hasilnya dikalikan dengan seratus. Secara matematis, rumusnya adalah sebagai
berikut:
=
di mana:
= angka melek huruf ( penduduk usia 15 tahun ke atas) pada tahun t.
= jumlah penduduk (usia 15 tahun ke atas) yang bisa membaca dan menulis pada
tahun t.
= jumlah penduduk usia 15 tahun ke atas.
Data yang diperlukan dalam penghitungan AMH adalah data jumlah penduduk berumur
15 tahun ke atas yang bisa membaca dan menulis dan jumlah penduduk umur 15 tahun ke atas
secara keseluruhan. Sementara sumber data yang digunakan adalah data Susenas pada
pertanyaan "Dapat membaca dan menulis" yang dapat diperoleh dari seksi Keterangan
Pendidikan.
Pada saat ini, AMH kurang dapat menggambarkan disparitas pendidikan antardaerah
karena nilainya yang relatif sama antarwilayah di Indonesia. Untuk mengatasi masalah tersebut
dilakukan dengan menambahkan MYS dalam penghitungan indeks pendidikan.
2.4 Teknis Penghitungan Angka Melek Huruf (AMH)

Dengan menggunakan SPSS, langkah-langkah penghitungan AMH dapat dibedakan menjadi dua
macam, yaitu dengan menggunakan kotak dialog dan menggunakan syntax.
Menggunakan Kotak Dialog
Dalam tahapan ini, cara select case yang dilakukan sama persis dengan langkah pertama
pada subbab teknis penghitungan MYS halaman 7.
22
Indikator Daya Beli
b. Langkah Kedua, membuat variabel AMH

AMH dapat dihitung dari rincian pertanyaan mengenai kemampuan membaca dan
menulis. Pada Susenas tahun 2010, pertanyaan tersebut terdapat pada Blok VC rincian 19 ,5
sebagai berikut:
Dari bentuk rincian pertanyaan di atas, ada tiga jenis huruf yang ditanyakan, yaitu huruf
latin, huruf Arab, dan huruf lainnya. Jika seseorang dapat membaca dan menulis salah satu
saja di antara ketiga jenis huruf tersebut (misalnya huruf Arab saja), maka orang tersebut
dikategorikan melek huruf. Kelompokkan responden menjadi dua dengan membuat variabel
baru dengan nama AMH. Beri kode 1 untuk penduduk dalam kategori melek huruf, dan kode 2
untuk buta huruf.
Langkah kerja dengan menggunakan SPSS adalah sebagai berikut:
Lalu akan muncul kotak dialog Compute Variable,
Ketik AMH (nama variabel baru) pada kolom Target Variable:,
Ketik 1 pada kolom Numeric Expression:, hingga tampak di layar:
Klik kotak Type & Label...,

Setelah kotak dialog baru muncul,
Pada kolom Label ketik Melek Huruf,
Pada kolom Type biarkan tetap Numeric. Tampilan kotak dialog akan menjadi seperti
berikut.
Pada pelaksanaan Susenas di tahun-tahun yang lain, letak pertanyaan ini tidak selalu berada di rincian yang
sama (Blok VC rincian 17).
23
BAB 3
BAB 3
Indikator Daya Beli
Klik Continue.
Dua langkah di atas bertujuan untuk membentuk variabel baru dengan nama AMH
dan nama label Melek Huruf dengan type Numeric. Pemberian nilai 1 akan dibahas di point
berikutnya.
Setelah kembali ke kotak dialog Compute Variable:
Setelah muncul kotak dialog Compute Variable: If Cases:
Pilih Include if case satisfies condition:,
Ketik b5r19a = 1 | b5r19b = 1 | b5r19c = 1 6 pada kolom di bawahnya.
Tampak di layar:

Langkah ini bertujuan untuk membentuk kondisi bersyarat jika dapat membaca dan
menulis satu (atau lebih) jenis huruf, maka nilai variabel AMH = 1.
Kemudian lakukan hal yang sama (Klik menu Transform Compute Variable...., dan
seterusnya).
Ganti kode 1 pada kolom Numeric Expression: menjadi 2, seperti pada tampilan
berikut:
Statement tersebut mensyaratkan bahwa jika seseorang bisa membaca dan menulis satu jenis huruf saja maka beri
kode 1 (melek huruf).
24
Indikator Daya Beli
Kemudian ganti kondisi bersyarat dalam If...(optional case selection condition), menjadi
b5r19a = 2 & b5r19b = 2 & b5r19c = 2. Sehingga tampilan di layar menjadi:
Kondisi tersebut dapat diartikan bahwa jika seseorang tidak bisa membaca dan menulis jenis
huruf apapun, maka variabel AMH bernilai 2 (buta huruf).
Selanjutnya, kita definisikan pengkodean sebelumnya, 1 sebagai melek huruf dan 2
sebagai buta huruf. Caranya bisa dengan membuat label dengan meng-klik sheet
Variable View (pojok kiri bawah tampilan SPSS), lalu klik kolom Value pada variabel
AMH.
Ketik 1 pada kolom Value:

Ketik Melek Huruf pada kolom Label:
Klik tombol Add.
Kemudian ketik 2 pada kolom Value: dan ketik Buta Huruf pada kolom Label, lalu klik
Add. Setelah muncul tampilan seperti gambar di bawah, klik OK.
25
BAB 3
BAB 3
Indikator Daya Beli
c.
Langkah Ketiga, mengaktifkan penimbang individu

Pada langkah ini, cara mengaktifkan penimbang individu yang dilakukan sama persis
dengan langkah ketujuh pada subbab teknis penghitungan MYS halaman 16.
d. Langkah Keempat, menampilkan tabel AMH menurut provinsi atau kabupaten/kota
Dalam langkah terakhir ini, hitung AMH untuk setiap provinsi atau kabupaten/kota. Salah
satu caranya adalah dengan menggunakan Custom Tables sebagai berikut:
Klik menu Analyze Tables Custom Tables.
Jika muncul pesan seperti di bawah ini, klik OK.
Setelah muncul kotak dialog Custom Tables, pastikan variabel B1R1 (provinsi) dan B1R2
(kabupaten/kota) dalam bentuk variabel nominal. Jika masih dalam bentuk lain (misalnya scale),
ubah dengan cara:
o Klik kanan pada variabel B1R1 dan B1R2 di kolom Variables,
o Tandai pilihan Nominal.
Jika tabel yang ingin dimunculkan hanya pada level provinsi, maka caranya:
Drag (tarik/geser) variabel B1R1 (kode provinsi) pada kolom Variables ke arah Rows
pada kotak kosong di tengah.
26
Indikator Daya Beli
Kemudian akan muncul tampilan sebagai berikut:
Namun, jika ingin menghasilkan tabel AMH hingga level kabupaten/kota, maka caranya:
Drag juga B1R2 dan tempatkan di sebelah kanan B1R1 hingga tampilannya seperti
berikut:
27
BAB 3
BAB 3
Indikator Daya Beli

Klik Apply.
Langkah ini bertujuan untuk memunculkan angka provinsi (jika yang di klik B1R2). Jika ingin
menghitung angka nasional maka munculkan juga nilai total dengan mengklik B1R1lebih dulu
(tidak dilakukan dalam pelatihan).
Setelah kembali ke kolom Custom Tables, pastikan variabel AMH dalam bentuk
Nominal, bukan scale atau lainnya.
Drag variabel AMH lalu letakan di Columns pada kotak yang sudah berisikan B1R1 dan
B2R2 seperti berikut:
Kemudian tampilan pada kotak dialog akan menjadi seperti berikut:

28
Indikator Daya Beli
Tampilan yang tersedia untuk satuan dari AMH adalah Count, untuk merubahnya lakukan
langkah-langkah berikut.
Klik b1r2 (jika hanya menghitung angka provinsi, klik b1r1), lalu Klik N% Summary
Statistics... pada bagian Define.
Setelah muncul kotak dialog Summary Statistics: Categorical variables:
Ganti Count di kolom Display: dengan Row N% dengan menggunakan tanda mata
panah/segitiga yang dilingkari pada gambar di bawah.
Beri tanda cheklist pada Custom Summary for Totals and Subtotals seperti bagian yang
dilingkari pada gambar di bawah.
Dan lakukan hal yang sama pada bagian Display yang kedua (ganti Count dengan
Row N%), lalu klik Apply to All.
Klik OK
29
BAB 3
BAB 3
Indikator Daya Beli
i. Menggunakan Syntax
Prosedur sistematis untuk memperoleh angka melek huruf dapat ditulis dalam bentuk
syntax yang terbagi menjadi beberapa langkah berikut ini.
Dalam tahapan ini, syntax select case yang digunakan sama persis dengan langkah pertama
pada subbab teknis penghitungan MYS halaman 20.
b. Langkah Kedua, membuat variabel AMH
IF (b5r19A = 1 | b5r19B = 1 | b5r19C = 1) AMH = 1 .
VARIABLE LABELS AMH 'Melek Huruf'.
IF (b5r19A = 2 & b5r19B = 2 & b5r19C = 2) AMH = 2 .
EXECUTE .
**Penamaan Label setiap value AMH
VALUE LABELS AMH
1 'Melek Huruf'
2 'Buta Huruf' .
c.
Langkah Ketiga, mengaktifkan penimbang individu

WEIGHT
BY weind10 .
d. Langkah Keempat, menampilkan tabel AMH menurut provinsi atau kabupaten/kota

* Custom Tables.
CTABLES
/VLABELS VARIABLES=AMH b1r1 b1r2 DISPLAY=DEFAULT
/TABLE b1r1 [C] > b1r2 [C][ROWPCT.COUNT PCT40.1] BY AMH [C]
/CATEGORIES VARIABLES=AMH b1r1 ORDER=A KEY=VALUE EMPTY=EXCLUDE
/CATEGORIES VARIABLES=AMH b1r2 ORDER=A KEY=VALUE EMPTY=EXCLUDE
TOTAL=YES POSITION=AFTER
/TITLES
TITLE= 'Angka Melek Huruf 15+'.
30
Indikator Daya Beli
BAB
INDIKATOR DAYA BELI
3.1 Konsep Standar Hidup Layak

Dimensi ketiga dari ukuran kualitas hidup manusia - yang direpresentasikan melalui
angka IPM adalah standar hidup layak. Dalam arti yang lebih luas, standar hidup layak
menggambarkan tingkat kesejahteraan yang dinikmati oleh penduduk sebagai dampak semakin
membaiknya kondisi ekonomi berikut pemerataannya. UNDP mengukur standar hidup layak
menggunakan Produk Domestik Bruto (PDB) riil yang disesuaikan, sedangkan BPS dalam
menghitung standar hidup layak menggunakan rata-rata pengeluaran per kapita riil yang
disesuaikan dengan formula Atkinson.
Tahapan penghitungan rata-rata pengeluaran riil yang disesuaikan adalah sebagai
berikut7.
1) Menghitung angka rata-rata pengeluaran per kapita per tahun dengan menggunakan data
Susenas.
2) Menghitung nilai pengeluaran riil (harga konstan) dengan membagi rata-rata pengeluaran
dengan Indeks Harga Konsumen (IHK). Tahapan ini bertujuan agar PPP dapat dibandingkan
antartahun.
3) Penghitungan PPP (unit), semacam faktor pengali, dengan tujuan untuk menghilangkan
pengaruh perbedaan harga antarprovinsi.
4) Menghitung nilai PPP dalam rupiah dengan cara membagi pengeluaran per tahun dalam
harga konstan dengan PPP per unit.
5) Menghitung penyesuaian PPP (rupiah) dengan formula Atkinson.
3.1.1 Pengeluaran per Kapita
Nilai rata-rata pengeluaran per kapita diperoleh dari data Susenas Modul Konsumsi (jika
tersedia). Jika modul konsumsi tidak tersedia, maka digunakan data Susenas KOR. Selanjutnya,
nilai tersebut di deflate dengan angka IHK sehingga menghasilkan angka yang bisa
dibandingkan dengan tahun sebelumnya.
Langkah tersebut secara lebih detail dibahas pada subbab teknis penghitungan daya beli disesuaikan.
31
BAB 3
BAB 3
Indikator Daya Beli
3.1.2 PPP per Unit

Selain keterbandingan antarwaktu, IPM dan komponennya juga dituntut agar mampu
membandingkan pencapaian pembangunan manusia antardaerah. Untuk itu perlu dibuat
standardisasi mengingat nilai uang secara riil yang beragam antar wilayah. Misalnya, untuk
membeli 1 kg beras Rojolele di Jakarta Selatan diperlukan uang senilai Rp. 9.500,- sementara di
Cianjur cukup dengan Rp. 7.000,-. Untuk membandingkan pengeluaran penduduk dua daerah
tersebut, perlu distandarkan agar nilai riil uang tidak berbeda, artinya seribu rupiah di Cianjur
menjadi sama nilainya dengan seribu rupiah di Jaksel. Maka dirumuskanlah PPP per unit yang
disusun berdasarkan 27 komoditi kebutuhan pokok seperti terlihat dalam tabel 3.1.
Penggunakan PPP per unit dalam penghitungan ini mengacu pada metode yang juga
digunakan oleh International Comparison Project (ICP) dalam menstandardisasi PDB untuk
perbandingan antarnegara. Penghitungan PPP per unit didasarkan pada harga 27 komoditi
yang ditanyakan pada modul konsumsi Susenas. Harga ke-27 komoditas di Jakarta Selatan
digunakan sebagai standar harga. Formula penghitungan PPP per unit adalah sebagai berikut:
(, )
(, )
( , )
(, )
di mana:
( , ) = harga per unit komoditi j yang dikonsumsi di provinsi/kabupaten i
( , ) = harga per unit komoditi j di Jakarta Selatan
( , ) = volume komoditi j (unit) yang dikonsumsi di provinsi/kabupaten i
Value dan kuantitas dari 26 komoditas tersedia dalam modul konsumsi Susenas.
Sementara untuk unit kuantitas rumah dihitung berdasarkan data Susenas KOR melalui indeks
kualitas rumah. Indeks kualitas rumah dibentuk dari tujuh komponen kualitas rumah yang
diperoleh dari blok keterangan perumahan Susenas.
3.1.3 Formula Atkinson
Untuk mendapatkan nilai Purchasing Power Parity (PPP), pengeluaran per tahun dalam
harga konstan yang telah dibagi dengan PPP per unit masih harus distandardisasi dengan
menggunakan formula atkinson. Formula atkinson, pada awalnya digunakan oleh UNDP untuk
mencerminkan daya manfaat yang standar. Penyesuaian ini dianggap perlu karena kenaikan
US$ 500 bagi negara yang sudah memiliki GNP US$ 5000 akan memiliki manfaat yang
berbeda dengan kenaikan yang sama bagi negara yang baru mempunyai GNP US$ 1000.
32
Indikator Daya Beli
Penyesuaian dengan formula Atkinson pada dasarnya menggunakan prinsif diminishing marginal
utility yang setelah diadaptasi, secara matematis dapat dinyatakan sebagai berikut.
C (I) = C(i)
Jika C(i) < Z
= Z + 2(C(i)`-Z)1/2
Jika Z < C(i) < 2Z
= Z + 2(Z)1/2 + 3(C(i)- 2Z)1/3
Jika 2Z < C(i) < 3Z
= Z + 2(Z)1/2 + 3(Z)1/3 + 4(C(i)- 3Z)1/4
Jika 3Z < C(i) < 4Z
di mana:
C(i) = PPP dari nilai riil pengeluaran per kapita
Z = Batas tingkat pengeluaran yang ditetapkan secara arbiter sebesar Rp.549.500
per kapita per tahun atau Rp. 1.500 per kapita per hari
3.2 Teknis Penghitungan Daya Beli yang Disesuaikan

Pada bagian ini, dibahas petunjuk teknis mengenai cara penghitungan daya beli
disesuaikan. Untuk simulasi, digunakan software SPSS 15.0 sebagai program pengolahan data.
Data yang digunakan untuk menghitung pengeluaran per kapita tahun 2010 adalah Susenas Juli
Tahun 2010. Sementara untuk menghitung PPP per unit digunakan data Susenas Modul Konsumsi
tahun 2008, karena Susenas Juli Tahun 2010 bukan merupakan modul konsumsi. Tahapan
penghitungan PPP yang akan dibahas dalam subbab ini sesuai dengan tahapan yang telah
dibahas pada subbab 3.1, yaitu sebagai berikut.
3.2.1 Menghitung Angka Rata-rata Pengeluaran per Kapita
Sumber data yang digunakan adalah Susenas Modul Konsumsi (jika tersedia). Sementara
variabel yang digunakan adalah pengeluaran rata-rata per bulan total makanan dan non
makanan (contohnya pada Susenas Modul Konsumsi Juli tahun 2008, terdapat pada Blok 4C
rincian 25). Namun karena contoh penghitungan menggunakan data tahun 2010, sementara
Susenas Juli 2010 tidak menggunakan modul konsumsi maka pengeluaran rata-rata per bulan
total makanan dan non makanan diambil dari B7R25 (Blok 7 Rincian 25) Susenas KOR Juli
2010.
Untuk menghitung angka rata-rata pengeluaran per kapita, terdapat dua pilihan metode
yang dapat digunakan, yaitu:
33
BAB 3
BAB 3
Indikator Daya Beli
1) Menggunankan Kotak Dialog
Langkah 1: Hitung pengeluaran per kapita (per anggota rumah tangga) untuk setiap rumah
tangga.
Buka file KOR rumah tangga Susenas Juli 2010.
Bagi pengeluaran rumah tangga dengan jumlah anggota rumah tangga, caranya:
Klik menu Transform
Compute Variable
Ketik exp_capita (expenditure per capita) pada kolom Target Variable,

Masukan B7R25 (pengeluaran rata-rata per bulan total makanan dan nonmakanan)
pada kolom Numeric Expression kemudian bagi dengan B2R1 (jumlah anggota
rumah tangga)8, maka pada layar akan muncul tampilan berikut:
Klik OK.
Lalu akan muncul variabel baru dengan nama exp_capita.
Langkah 2: Aktifkan penimbang individu9
Pada langkah ini, cara mengaktifkan penimbang individu yang dilakukan sama persis
dengan langkah ketujuh pada subbab teknis penghitungan MYS halaman 16.
Langkah 3: Hitung rata-rata pengeluaran per kapita untuk setiap provinsi atau
kabupaten/kota.
Klik menu Analyze
Pastikan variabel B1R1 (provinsi) dan B1R2 (kabupaten/kota) dalam bentuk variabel
Tables dan pilih Custom Tables.
nominal. Jika masih dalam bentuk lain, ubah dengan meng-klik kanan pada variabel
B1R1 dan B1R2 lalu tandai pilihan Nominal.
8
9
Pada raw data Susenas di tahun-tahun yang lain seringkali diberi nama variabel jart.
Jika tidak terdapat penimbang individu dalam file Susenas yang digunakan, cara memunculkan penimbang
individu dapat dilihat di lampiran.
34
Indikator Daya Beli
Jika tabel yang ingin dimunculkan hanya pada level provinsi, maka cukup drag variabel
B1R1 (kode provinsi) ke Rows pada kotak kosong di tengah. Kemudian akan muncul
tampilan sebagai berikut:
Namun, jika ingin menghasilkan tabel hingga level kabupaten/kota, maka drag juga
B1R2 dan tempatkan di sebelah kanan B1R1 hingga tampilannya seperti di bawah ini:
Klik B1R2 di kotak sebelah kanan
double click di Categories and totals
35
BAB 3
BAB 3
Indikator Daya Beli
Kemudian pada kotak dialog baru di kotak Show, beri tanda cek pada kolom Total
seperti dibawah ini.
Klik Apply.
Langkah ini bertujuan untuk memunculkan angka nasional dan angka provinsi.
Pastikan variabel exp_capita dalam bentuk scale, bukan nominal atau lainnya.
Drag variabel exp_capita lalu letakan di Columns pada kotak yang sudah berisikan
B1R1 dan B1R2, hingga tampilan di layar menjadi seperti berikut:
Tampilan default untuk satuan dari exp_capita adalah Mean. Biarkan dalam kondisi
tersebut.
Klik OK
Output yang dihasilkan (dalam bentuk tabel) kemudian dipindahkan/di-copy ke dalam
worksheet excel untuk kemudian dilakukan langkah berikutnya (langkah 4 dan 5).
Langkah 4:
Dalam tabel yang dihasilkan pada langkah sebelumnya, rata-rata pengeluaran

per kapita yang diperoleh masih merupakan rata-rata pengeluaran per kapita
per bulan. Maka perlu dikalikan 12 sebagai estimasi data tahunan10.
10 Rata-
36
rata pengeluaran per kapita yang digunakan untuk menyusun PPP adalah nilai 1 tahun.
Indikator Daya Beli
Langkah 5: Karena data Susenas secara umum di kalangan internal BPS diduga underestimate
sekitar 20% dari kondisi riil, maka hasil hitungan yang kita peroleh dikalikan
120% atau 1,2.
2) Menggunakan Syntax
Langkah 1: Hitung pengeluaran per kapita (per anggota rumah tangga) untuk setiap rumah
tangga
COMPUTE exp_capita = B7R25 / B2R1.
EXECUTE .
Langkah 2: Aktifkan penimbang individu

WEIGHT
BY weind10 .
Langkah 3: Hitung rata-rata pengeluaran per kapita untuk setiap provinsi atau
kabupaten/kota.
* Custom Tables.
CTABLES
/VLABELS VARIABLES=exp_capita B1R1 B1R2 DISPLAY=DEFAULT
/TABLE B1R1 [C] > B1R2 [C] BY exp_capita [MEAN]
/CATEGORIES VARIABLES=B1R1 ORDER=A KEY=VALUE EMPTY= EXCLUDE
/CATEGORIES VARIABLES=B1R2 ORDER=A KEY=VALUE EMPTY=EXCLUDE TOTAL=YES
POSITION=AFTER.
3.2.2 Menghitung Nilai Riil dari Rata-rata Pengeluaran per Kapita

Menghitung nilai pengeluaran riil bertujuan agar nilai tersebut dapat dibandingkan
antarwaktu. Cara penghitungannya adalah dengan membagi rata-rata pengeluaran dengan
Indeks Harga Konsumen (IHK) pada masing masing provinsi. IHK yang digunakan dihitung
berdasarkan tahun dasar 1988/1989. Langkah pengerjaannya adalah sebagai berikut.
Kumpulkan nilai IHK pada kota-kota yang dihitung nilai IHK-nya (pada tahun 2009,
terdapat 66 kota di seluruh Indonesia). Dalam hal ini, IHK yang ada masih menggunakan
tahun dasar yang terbaru.
Sebagai pendekatan, untuk kabupaten/kota yang tidak ada nilai IHK-nya bisa
menggunakan IHK dari kota terdekat yang memiliki nilai IHK dan memiliki karakteristik
ekonomi yang mirip. Perlakuan ini karena pada umumnya harga tidak jauh berbeda pada
dua daerah yang berdekatan. Sebagai contoh, Kota Cimahi bisa menggunakan IHK Kota
Bandung karena kedua kota tersebut berdekatan dan memiliki karakteristik yang serupa.
37
BAB 3
BAB 3
Indikator Daya Beli
Sementara untuk IHK provinsi diperoleh dari rata-rata tertimbang kota-kota di dalam
provinsi tersebut yang dihitung nilai IHK-nya. Cara penghitungannya adalah dengan
meggunakan rumus berikut:
Keterangan:
IHKi
: Indeks Harga Konsumen Provinsi ke-i
IHKij
: Indeks Harga Konsumen Kabupaten ke-j di Provinsi ke-i
Wij
: Bobot Kota Kabupaten ke-j di Provinsi ke-i
Contoh: Kota di Provinsi Aceh yang dihitung IHK-nya adalah Kota Banda Aceh dan Kota
Lhokseumawe. IHK Kota Banda Aceh pada bulan Juli 2010 adalah 123,27 dengan bobot
kota 0,31, sementara IHK Kota Lhokseumawe adalah 128,54 dengan bobot kota 0,28.
Maka IHK Provinsi Aceh adalah:
IHK
(123,27 x 0,31) + (128,54 X 0,28)

(0,31 + 0,28)
Ubah tahun dasar IHK menjadi tahun 1989. Misalnya, kita ingin merubah tahun dasar IHK
suatu provinsi tahun 2010, maka kita dapat gunakan cara penghitungan sebagai berikut:
)=
Catatan: IHK (
) (
+ )
sudah dihitung sebelumnya berdasarkan rumus seperti di atas.
Setelah didapat nilai IHK, kemudian rata-rata pengeluaran per kapita per tahun pada
langkah a) dibuat konstan dengan tahun dasar 1989 menggunakan rumus sebagai berikut:
(,
di mana :
X = Rata-rata pengeluaran per kapita per tahun atas dasar harga konstan 1989
X = Rata-rata pengeluaran per kapita per tahun pada tahun t
IHK ( ,
38
)=
IHK tahun t dengan tahun dasar 1989
Indikator Daya Beli
3.2.3 Penghitungan PPP (unit)

PPP per unit merupakan faktor pengali untuk menghilangkan pengaruh perbedaan harga
antarprovinsi atau kabupaten/kota. Data dasar yang digunakan adalah kuantum dan harga
dari 27 komoditi dari modul konsumsi Susenas. Harga di Kota Jakarta Selatan dijadikan sebagai
acuan sehingga faktor pengali untuk kota tersebut bernilai 1. Oleh karena Susenas Juli 2010
tidak menggunakan modul konsumsi, maka yang digunakan adalah Modul Konsumsi Susenas
Juli 2008 yang harganya di-inflate dengan angka inflasi selama bulan Juli tahun 2008 sd Juni
2010. Catatan: raw data yang tersedia biasanya belum bisa langsung digunakan dengan
software SPSS, sehingga data harus direstruktur terlebih dahulu. Cara merestruktur data dapat
dilihat pada lampiran 5 halaman 72. Seperti halnya pada AMH dan MYS, pernghitungan PPP
(unit) dapat menggunakan dua alternatif, yaitu dengan kotak dialog dan syntax.
1) Menggunakan Kotak Dialog
Langkah 1: Menghitung value (rupiah yang dikeluarkan) dan quantity (jumlah barang yang
dikonsumsi) 27 komoditas PPP.
Tabel 3.1 Rincian Harga dan Kuantitas 27 Komoditas Dalam Susenas Juli 2008
Komoditi
Quantity
Value
Komoditi
Quantity
Value
(1)
(2)
(3)
(4)
(5)
(6)
B41K8.002
B41K9.002
15.
Pepaya
B41K8.140
B41K9.140
B41K8.008
B41K9.008
16.
Kelapa
B41K8.155
B41K9.155
B41K8.011
B41K9.011
17.
Gula
B41K8.159
B41K9.159
B41K8.022
B41K9.022
18.
Kopi
B41K8.162
B41K9.162
B41K8.043
B41K8.054
B41K9.043
B41K9.054
19.
20.
Garam
Merica
B41K8.168
B41K8.171
B41K9.168
B41K9.171
B41K8.058
B41K9.058
21.
Mie instan
B41K8.182
B41K9.182
B41K8.072
B41K9.072
22.
Rokok
kretek
B41K8R224
B41K9R224
B41K8.080
B41K9.080
23.
Listrik
B42K3.237
B42K3.238
B41K8.086
B41K9.086
24.
Air minum
B42K3.239
B42K3.240
B41K8.092
B41K9.092
25.
Bensin
B42K3.291
B42K3.292
B41K8.116
B41K9.116
26.
Minyak
tanah
B42K3.245
B42K3.246
27.
Sewa
rumah
KOR
B42K3.234
lanjutan
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
Beras
Tepung
terigu
Singkong
Tuna/cakala
ng
Teri
Daging sapi
Daging
ayam ras
Telur ayam
ras
Susu kental
manis
Bayam
Kacang
panjang
Kacang
tanah
13.
Tempe
B41K8.123
B41K9.123
14.
Jeruk
B41K8.128
B41K9.128
Catatan:
B(i)K(j).(r) = Blok i, kolom ke-j, & rincian ke-r
39
BAB 3
BAB 3
Indikator Daya Beli
Data
Modul
Konsumsi
Susenas
Juli
2008
dibagi
menjadi
tiga
file,
yaitu:
mod2008_41(makanan), mod2008_42 (non makanan), mod2008_43 (rekapitulasi). Untuk

komoditas nomor 1 sampai dengan 22 pada tabel 3.2 gunakan file mod2008_41, untuk
komoditas nomor 23 s.d. 26 gunakan mod2008_42, sementara untuk sewa rumah (27)
menggunakan mod2008_42 dan Susenas KOR rumah tangga Juli 2008. Langkah pengerjaan
adalah sebagai berikut:
a. Langkah untuk menghitung quantity komoditi makanan (nomor 1 s.d. 22)
Buka file modul konsumsi Susenas (mod2008_41 terlebih dahulu).
Aktifkan penimbang rumah tangga dengan cara: klik menu Data Weight Cases.
Masukan WERT (penimbang rumah tangga) ke kolom Frequency Variabel
Klik OK.
Langkah berikutnya adalah membuat tabel yang berisi kuantum dari komoditas no. 1 s.d.
22. Caranya:
Klik menu Analyze Tables pilih Custom Tables.
Pastikan variabel B1R1 (provinsi) dan B1R2 (kabupaten/kota) dalam bentuk variabel
nominal.
Jika tabel yang ingin dimunculkan hanya pada level provinsi, maka cukup dengan drag
variabel B1R1 (kode provinsi) ke Rows pada kotak kosong di tengah. Namun, jika ingin
menghasilkan tabel hingga level kabupaten/kota, maka drag juga B1R2 dan tempatkan
di sebelah kanan B1R1.
40
Indikator Daya Beli
Klik Apply.
Langkah ini bertujuan untuk memunculkan angka provinsi (jika yang di klik B1R2).
Dalam file Susenas Juli 2008, kuantitas diberi nama variabel sesuai dengan yang
ditampilkan pada tabel 3.2. Sebelum dibuat tabel, pastikan setiap item kuantitas dalam
bentuk scale.
Drag satu per satu variabel kuantitas untuk komoditas nomor 1 s.d. 22 (B41K8.002,
B41K8.008, ..., B41K8R224) dan letakan di Columns pada kotak kosong sebelah kanan
hingga tampilan pada layar menjadi sebagai berikut:
Klik salah satu variabel kuantitas di kotak sebelah kanan (misal B41K8.002), lalu klik N%
Summary Statistics.
41
BAB 3
BAB 3
Indikator Daya Beli
Setelah muncul kotak dialog di atas, ganti Mean pada kolom Display dengan Sum yang
ada pada kolom Statistics: dengan menggunakan tanda kepala panah ditengah kedua
kolom tersebut sehingga tampilan di layar menjadi:
Klik Apply to All.
Klik OK.
b. Langkah untuk menghitung value komoditi makanan (nomor 1 s.d. 22)
Masih menggunakan file mod2008_41(makanan)
Dalam langkah ini, hitung value komoditas no. 1 s.d. 22 dengan cara yang sama dengan
cara menghitung kuantitas. Perbedaannya, yang dimasukan kedalam Custom Tabel
bukanlah kolom 2 dan 5 pada tabel 3.2 namun kolom 3 dan 6 (judul kolom Value).
Sehingga tampilan pada kotak dialog Custom Table menjadi:
c.
Langkah untuk menghitung quantity komoditi non makanan (nomor 23 s.d. 26) kecuali
sewa rumah
42
Pertama, Buka file mod2008_42(non makanan)

Indikator Daya Beli
Hitung kuantitas komoditas non makanan (komoditas nomor 23 s.d. 26 pada tabel 3.2)
selain sewa rumah dengan cara yang sama seperti menghitung kuantitas pada komoditas
makanan. Sehingga tampilan pada kotak dialog Custom Table menjadi:
d. Langkah untuk menghitung value komoditi nonmakanan termasuk sewa rumah (nomor
23 s.d. 27)
Masih menggunakan file mod2008_42(non makanan)
Hitung Value komoditas non makanan termasuk sewa rumah (komoditas nomor 23 s.d.
27 pada tabel 3.2) dengan cara yang sama seperti menghitung value pada komoditas
makanan. Sehingga tampilan pada kotak dialog Custom Table menjadi:
Langkah 2: Menghitung quantity komoditi perumahan

Kuantitas perumahan dihitung menggunakan indeks kualitas rumah dibagi 8. Pada Susenas Juli
2008 skoring yang dilakukan adalah:
Komponen Kualitas Rumah
Jenis
Skor
(1)
(2)
(3)
Lantai(B6R4)
Luas lantai per orang

(B6R5/B2R1)
Dinding (B6R3)
Atap(B6R2)
Fasilitas penerangan
(B6R10a)
Fasilitas air minum (B6R6a)
Jamban(B6R9a)
Skor awal untuk setiap rumah
Bukan tanah
Lainnya
10 m2
Lainnya
Tembok
Lainnya
Beton/genteng/sirap
Lainnya
Listrik
Lainnya
Air kemasan/isi ulang/Ledeng (Kode 1-4)
Lainnya
Milik sendiri
Lainnya
1
0
1
0
1
0
1
0
1
0
1
0
1
0
1
43
BAB 3
BAB 3
Indikator Daya Beli
Langkah pengerjaan dengan SPSS adalah sebagai berikut:

Buka file Susenas KOR Rumah Tangga (untuk contoh dalam buku panduan ini, buka
Susenas Juli 2008) pada blok perumahan (blok 6).
Aktifkan penimbang rumah tangga (WEIGHT BY WERT).
Lakukan select case dengan maksud hanya menggunakan case dengan penguasaan
tempat tinggal dengan cara sewa (b6r1 = 3). Caranya serupa dengan select case yang
dilakukan pada tahap pertama penghitungan MYS halaman 7 (menggunakan menu Data
Select Case...). Adapun kotak dialog yang dihasilkan adalah:
Rubah kode (recode) ketujuh variabel di atas menjadi sesuai dengan skor kualitas rumah.
Contohnya pada variabel atap:
o Klik menu Transform, Recode into Same Variables,
o Masukan variabel B6R2 (atap) ke kolom Numeric Variables.
o Klik Old and New Value....
Pada kotak Old Value, tandai lingkaran Range lalu ketik 1 pada kolom atas dan ketik
3 di kolom bawah. Sementara pada kotak New Value, tandai lingkaran Value lalu
ketik 1 di kolom sebelah kirinya, kemudian klik Add pada kotak di bawahnya.
Kemudian kembali ke Old Value lalu tandai lingkaran All other values dan pada
kotak New Value pilih Value dan ketik 0 (nol) lalu klik Add.
44
Indikator Daya Beli
Klik Continue klik OK

Buat variabel baru dengan nama Luas_Lantai dan label Luas Lantai Per Orang
dengan membagi variabel B6R5 oleh B2R1(B6R5/B2R1). Caranya menggunakan menu
Transform Compute Variable dan buat persamaan sebagai berikut:
Klik OK.
Recode 7 komponen kualitas rumah lainnya dengan langkah yang serupa dan kode
barunya (new value) disesuaikan dengan nilai kualitas rumah yang telah diuraikan
sebelumnya. Untuk luas lantai, yang di recode adalah variabel Luas_Lantai, bukan
B6R5.
Jumlahkan ketujuh komponen Indeks Kualitas Rumah dengan membuat sebuah variabel
baru dengan nama Q_rumah (bisa juga menggunakan nama lain). Setelah
dijumlahkan, lalu dibagi 8. Caranya:
Klik menu Transform, lalu Compute Variable dan buat persamaan seperti pada
tampilan berikut:
Klik OK
Berikutnya munculkan tabel dengan cara yang sama dengan saat membuat tabel 26
komoditas sebelumnya.
45
BAB 3
BAB 3
Indikator Daya Beli
Langkah 3: Hitung harga rata-rata setiap komoditas dengan membagi total value di suatu
provinsi atau kabupaten/kota dengan total quantity-nya, dengan rumus:
=
Pi
Vi
Qi
= Rata-rata harga komoditi i per satu satuan di suatu wilayah

= Total value (biaya) yang dikeluarkan untuk komoditi i di suatu wilayah
= Total kuantum dari komoditi i yang dikonsumsi di suatu wilayah
Langkah 4: Hitung PPP per unit dengan rumus berikut:
(, )
(, )
( , )
(, )
di mana:
( , ) = harga per unit komoditi j yang dikonsumsi di provinsi/kabupaten i
( , ) = harga per unit komoditi j di Jakarta Selatan
( , ) = volume komoditi j (unit) yang dikonsumsi di provinsi/kabupaten i
Catatan:
Jika pada tahun t tidak tersedia data modul konsumsi, maka harga harus diinflate dengan
inflasi selama tahun Modul Konsumsi yang digunakan sampai ke tahun t.
2) Menggunakan Syntax
Langkah 1:
Menghitung quantity (jumlah barang yang dikonsumsi) dari 26 komoditi (selain

komoditi perumahan) dan value (rupiah yang dikeluarkan) dari 27 komoditi.
Syntax untuk menghitung quantity komoditi makanan (nomor 1 s.d. 22)
WEIGHT BY WERT .
46
Indikator Daya Beli
* Custom Tables.
CTABLES
/VLABELS VARIABLES=b41k8.002 b41k8.008 b41k8.011 b41k8.022 b41k8.043
b41k8.054 b41k8.058 b41k8.072 b41k8.080 b41k8.086 b41k8.092 b41k8.116
b41k8.123 b41k8.128 b41k8.140 b41k8.155 b41k8.159 b41k8.162 b41k8.168
b41k8.171 b41k8.182 b41k8.224 b1r1 b1r2
DISPLAY=DEFAULT
/TABLE b1r1 > b1r2 [C] BY b41k8.002 [SUM] + b41k8.008 [SUM] + b41k8.011
[SUM] + b41k8.022 [SUM] + b41k8.043 [SUM] + b41k8.054 [SUM] + b41k8.058
[SUM] + b41k8.171 [SUM] + b41k8.182 [SUM] + b41k8.224 [SUM]
POSITION=AFTER.
Syntax untuk menghitung value komoditi makanan (nomor 1 s.d. 22)
WEIGHT BY WERT .
* Custom Tables.
CTABLES
/VLABELS VARIABLES=b41k9.002 b41k9.008 b41k9.011 b41k9.022 b41k9.043
b41k9.054 b41k9.058 b41k9.072 b41k9.080 b41k9.086 b41k9.092 b41k9.116
b41k9.123 b41k9.128 b41k9.140 b41k9.155 b41k9.159 b41k9.162 b41k9.168
b41k9.171 b41k9.182 b41k9.224 b1r1 b1r2
DISPLAY=DEFAULT
[SUM] + b41k9.171 [SUM] + b41k9.182 [SUM] + b41k9.224 [SUM]
POSITION=AFTER.
Syntax untuk menghitung quantity komoditi non makanan (nomor 23 s.d. 26) kecuali sewa
rumah
WEIGHT BY WERT .
* Custom Tables.
CTABLES
/VLABELS VARIABLES=b42k3.237 b42k3.239 b42k3.245 b42k3.291 b1r1 b1r2
DISPLAY=DEFAULT
[SUM] + b42k3.291 [SUM]
POSITION=AFTER.
47
BAB 3
BAB 3
Indikator Daya Beli
Syntax untuk menghitung value komoditi non makanan termasuk sewa rumah (nomor 23
s.d. 27)
WEIGHT BY WERT .
* Custom Tables.
CTABLES
/VLABELS VARIABLES=b42k3.234 b42k3.238 b42k3.240 b42k3.246 b42k3.292 b1r1 b1r2
DISPLAY=DEFAULT
[SUM] + b42k3.246 [SUM] + b42k3.292 [SUM]
POSITION=AFTER.
Langkah 2: Menghitung quantity komoditi perumahan (Q_rumah) dalam bentuk indeks kualitas
rumah
FILTER OFF.
USE ALL.
SELECT IF(b6r1 = 3).
EXECUTE .
COMPUTE Luas_Lantai = b6r5 / b2r1 .
EXECUTE .
RECODE
B6R2 (1 thru 3=1) (ELSE=0) .
EXECUTE .
RECODE
B6R3 (1=1) (ELSE=0) .
EXECUTE .
RECODE
B6R4 (1=1) (ELSE=0) .
EXECUTE .
RECODE
Luas_Lantai (10 thru Highest=1) (ELSE=0) .
EXECUTE .
RECODE
B6R6A (1 thru 4=1) (ELSE=0) .
EXECUTE .
RECODE
B6R9A (1=1) (ELSE=0) .
EXECUTE .
RECODE
B6R10A (1 thru 2=1) (ELSE=0) .
EXECUTE .
RECODE
B6R1 (3=1) (ELSE=0) .
EXECUTE .
COMPUTE Q_rumah = (B6R4+Luas_Lantai+B6R3+B6R2+B6R10A+B6R6A+B6R9A+1) / 8 .
EXECUTE .
48
Indikator Daya Beli
Untuk memunculkan tabel Q_rumah dapat menggunakan syntax berikut:

WEIGHT BY WERT28 .
* Custom Tables.
CTABLES
/VLABELS VARIABLES=Q_rumah b1r1 b1r2 DISPLAY=DEFAULT
/TABLE b1r1 [C] > b1r2 [C] BY Q_rumah [SUM]
POSITION=AFTER.
Langkah 3 dan Langkah 4 dapat dikerjakan dengan menggunakan Ms.Excel.

3.2.3 Penghitungan PPP (Purchasing Power Parity)
Langkah 1: Menghitung nilai PPP dalam rupiah dengan rumus:
()
()
()
()
: PPP (rupiah)
()
: Pengeluaran per kapita per tahun dalam harga konstan 1989
( )
: PPP (unit)
(i)
: Provinsi atau kabupaten/kota ke-i
Langkah 2: Menghitung penyesuaian PPP (rupiah) dengan formula Atkinson sebagai berikut:
C (I) = C(i)
Jika C(i) < Z
= Z + 2(C(i)`-`Z)1/2
Jika Z < C(i) < 2Z
= Z + 2(Z)1/2 + 3(C(i)`- 2Z)1/3
Jika 2Z < C(i) < 3Z
= Z + 2(Z)1/2 + 3(Z)1/3 + 4(C(i)`- 3Z)1/4
Jika 3Z < C(i) < 4Z
di mana:
C (I)= PPP (rupiah) yang telah disesuaikan dengan formula Atkinson.
C(i) = PPP dari nilai riil pengeluaran per kapita (nilai yang dihitung pada langkah
sebelumnya).
Z = Batas tingkat pengeluaran yang ditetapkan secara arbiter sebesar
Rp.549.500 per kapita per tahun atau Rp. 1.500 per kapita per hari.
49
BAB 3
BAB
PENGHITUNGAN INDEKS
Secara umum, metodologi yang digunakan dalam penghitungan IPM antarwilayah di

Indonesia mengikuti metodologi yang telah diterapkan UNDP dalam menyusun HDI. Dalam
beberapa hal, dilakukan "penyesuaian" terutama dalam penyusunan indeks daya beli
antarprovinsi (PPP).
4.1 Penghitungan Indeks Tunggal

Seperti dijelaskan sebelumnya, komponen IPM terdiri dari Angka Harapan Hidup (e0),
Angka Melek Huruf (AMH), rata-rata lama sekolah (MYS), dan pengeluaran per kapita konstan
yang disesuaikan (PPP). Sebelum menghitung IPM, masing-masing komponen tersebut terlebih
dahulu dihitung indeksnya sehingga bernilai antara 0 (keadaan terburuk) dan 1 (keadaan
terbaik). Indeks tersebut dinyatakan dalam ratusan (dikalikan 100) untuk mempermudah
penafsiran.
Berdasarkan gambar 4.1, terlihat bahwa untuk menghitung IPM, terlebih dahulu harus
dihitung Indeks Harapan Hidup, Indeks Pendidikan dan Indeks Pendapatan. Penghitungan
masing-masing indeks dilakukan mengikuti rumus nomor 1.
Gambar 4.1 Diagram Penghitungan IPM
Dimensi
INDIKATOR
INDEKS
Umur Panjang dan

Sehat
Angka Harapan Hidup
pada saat lahir
Indeks Harapan Hidup
Pengetahuan
Angka Melek
Huruf (AMH)
Rata-rata Lama
Sekolah (MYS)
Indeks Pendidikan
Kehidupan yang layak

Pengeluaran per Kapita
Riil yang Disesuaikan
(PPP Rupiah)
Indeks Pendapatan
INDEKS PEMBANGUNAN MANUSIA (IPM)
51
BAB 4
Penghitungan Indeks
Rumus indeks tunggal pada dasarnya mengikuti rumus sebagai berikut:
(,)
(,)
)
(
di mana :
X(i,j)
X(i-min)
X(i-maks)
= Komponen IPM ke-i dari daerah j

= Nilai minimum dari Xi
= Nilai maksimum dari Xi
Nilai minimum dan maksimum yang digunakan dalam penghitungan IPM disajikan pada
Tabel 4.1. Nilai e0, AMH, dan MYS merujuk pada nilai yang telah ditetapkan UNDP (1994),
sehingga nilai indeks untuk masing-masing komponen tersebut dapat dibandingkan secara
internasional. Sementara nilai minimum dan maksimum PPP menyesuaikan kondisi Indonesia.
Tabel 4.1 Nilai Maksimum dan Minimum dari Setiap Komponen IPM
Komponen IPM
(1)
1. Angka Harapan Hidup

2. Angka Melek Huruf
3. Rata-Rata Lama Sekolah
4. Daya Beli
Maksimum
Minimum
(2)
(3)
85
100
15
25
0
0
732,720a
300,000 (1996)
360,000b (1999,
2002)
Keterangan
(4)
Standar UNDP
Standar UNDP
UNDP
Menggunakan
PDB Riil
disesuaikan
Keterangan : a) Perkiraan maksimum pada akhir PJP II tahun 2018

b)Penyesuaian garis kemiskinan lama dengan garis kemiskinan baru
Nilai minimum dan maksimum untuk komponen PPP ditentukan sebagai berikut:
(1) Nilai minimum adalah nilai PPP provinsi terendah tahun 1990, namun kemudian mengalami
penyesuaian pada tahun 1999 akibat terjadinya krisis moneter
(2) Nilai maksimum adalah nilai PPP "target" yang ingin dicapai pada akhir PJP II oleh provinsi
yang memiliki nilai PPP tertinggi pada tahun 1993. Nilai maksimum tersebut ditetapkan 4
(empat) kali nilai PPP provinsi tertinggi tahun 1993 (Jakarta tahun 1993), suatu nilai yang
setara dengan nilai proyeksi PPP untuk provinsi tersebut pada akhir PJP II dengan asumsi
tingkat pertumbuhan PDB 6 sampai 7 persen/tahun11.
11Tingkat
pertumbuhan tersebut ditargetkan berlaku untuk perekonomian nasional selama PJP II sebagaimana
diisyaratkan dalam Repelita VI (kenaikan pendapatan per kapita riil dari US$ 700 pada akhir PJP I menjadi US$
2600 pada akhir PJP II).
52
Penghitungan Indeks
4.1.1 Indeks Kesehatan (X1)

Misalnya, angka harapan hidup di Provinsi A sebesar
73,22, maka penghitungan
indeks kesehatan di Provinsi A yaitu:

Indeks X(i,j)
(,)
Indeks X(1,prov A)
=
=
)
(
)
(
(
(
)
)
,
(
0,80
4.1.2 Indeks Pendidikan (X2)

Angka melek huruf di Provinsi A sebesar 90,84 dan rata-rata lama sekolahnya sebesar
9,07. Sebelum menghitung indeks pendidikan, terlebih dahulu dihitung indeks melek huruf dan
indeks rata-rata lama sekolah dengan cara seperti berikut:
a. Indeks Melek Huruf
Indeks X(i,j)
(,)
Indeks X(21,prov A)
)
(
=
=
=
(
(
)
)
0,91
b. Indeks Rata-rata Lama Sekolah

Indeks X(i,j)
(,)
=
(
Indeks X(22,prov A)
)
(
( .
(
0,60
)
)
)
Setelah diperoleh indeks melek huruf dan indeks rata-rata lama sekolah, tahap
selanjutnya adalah menghitung indeks pendidikan dari rata-rata tertimbang kedua indeks
tersebut. Angka melek huruf diberi bobot 2 dan rata-rata lama sekolah diberi bobot 1.
Penghitungan indeks melek huruf sebagai berikut:
53
BAB 4
BAB 4
Penghitungan Indeks
Indeks X2
=
=
=
0.81
4.1.3 Indeks Daya Beli (X3)

Nilai PPP di Provinsi A sebesar 646,56 ; maka penghitungan indeks daya beli di Provinsi
A yaitu:
Indeks X(i,j)
(,)
=
=
)
(
Indeks X(1,prov A)
)
(
))
0,66
Keterangan: *) nilai minimum pembilang dan penyebut berbeda karena pada tahun 1999 nilai
minimum disesuaikan menjadi Rp 360.000. Hal ini dilakukan karena krisis ekonomi
telah
menyebabkan
penurunan
daya
beli
masyarakat
secara
drastis
sebagaimana terlihat dari peningkatan angka kemiskinan dan penurunan upah riil.
Penambahan sebesar Rp 60.000 didasarkan pada perbedaan antara garis
kemiskinan lama dengan garis kemiskinan baru sebesar Rp 5.000 perbulan
atau setara dengan Rp 60.000 per tahun.
4.2 Penghitungan Indeks Komposit

Setelah diperoleh indeks dari ketiga dimensi IPM, maka tahap berikutnya adalah
menghitung angka IPM. Nilai IPM dapat dihitung sebagai:
IPM =
1
3
indeks X( , )
di mana :
Indeks X(i,j)
= Indeks komponen IPM ke-i untuk wilayah ke j;
= 1, 2, 3;
= 1, 2 . k wilayah.
54
Penghitungan Indeks
Sebagai lanjutan dari contoh penghitungan indeks tunggal pada subbab 4.1, berikut
ditampilkan penghitungan IPM untuk provinsi A:
IPMprovA
=
=
=
x 100
,
x 100
75,77
4.3 Reduksi Shortfall

Untuk mengukur kecepatan perkembangan IPM dalam suatu kurun waktu digunakan
ukuran reduksi shortfall per tahun. Reduksi shortfall menunjukkan perbandingan antara capaian
yang telah ditempuh dengan capaian yang harus ditempuh untuk mencapai titik IPM ideal (100).
Semakin tinggi nilai reduksi shortfall, semakin cepat IPM suatu wilayah untuk mencapai nilai
idealnya.
Secara harafiah reduksi berarti pengurangan. Reduksi shortfall sendiri bisa diartikan
sebagai pengurangan sisa langkah menuju nilai ideal yang merupakan gambaran laju
pergerakan IPM untuk mencapai nilai idealnya. Semakin besar nilai reduksi shortfall maka
semakin cepat suatu wilayah akan mencapai IPM ideal.
Selama ini konsep reduksi shortfall sering rancu/tertukar dengan konsep pertumbuhan.
Pada konsep pertumbuhan, semakin besar nilai IPM, dengan gerakan yang sama maka akan
menghasilkan pertumbuhan yang semakin kecil. Rumus pertumbuhan adalah:
Sementara pada reduksi shortfall, jika nilai IPM sudah tinggi, maka gerakan yang
kecilpun dapat menghasilkan nilai reduksi shortfall yang tinggi karena penyebutnya berupa sisa
langkah menuju IPM ideal. Reduksi shortfall dihitung dengan:
=
(
(
di mana:
RSF
= Reduksi Shortfall
= tahun
55
BAB 4
BAB 4
Penghitungan Indeks
= selisih tahun antar IPM
IPMideal = 100
Agar lebih jelas memahami penjelasan di atas, maka akan dilakukan simulasi penerapan
kedua rumus tersebut.
Tabel 4.2. IPM Provinsi S Tahun 2004-2009
Tahun
IPM
Selisih
IPM
Pertumbuhan
IPM tahunan
Reduksi shortfall
tahunan
(1)
(2)
(3)
(4)
(5)
2005
2006
2007
2008
2009
73.70
74.05
74.40
74.75
75.10
0.35
0.35
0.35
0.35
0.4749
0.4727
0.4704
0.4682
1.331
1.349
1.367
1.386
P2005-2006 =
x 100
).
x 100
= 0.4749
(
P2008-2009 =
=
x 100
.)
x 100
= 0.4682
Sementara penerapan rumus reduksi shortfall:
RSF2005-2006 =
=
100
)
(
(
).
.)
100
= 1.33
RSF2008-2009 =
=
100
)
(
(
.)
. )
100
= 1.39
Berdasarkan simulasi di atas, terlihat bahwa dengan perubahan yang sama yaitu sebesar
0.35, nilai IPM yang semakin besar akan menghasilkan petumbuhan yang semakin kecil.
Sementara konsep reduksi shortfall justru tidak demikian. Dengan gerakan yang sama yaitu
sebesar 0.35, semakin besar nilai IPM akan menghasilkan nilai reduksi shortfall yang semakin
56
Penghitungan Indeks
besar pula. Arti dari nilai 1,39 yaitu persentase pergerakan angka IPM dari sisa langkah yang
diperlukan untuk mencapai nilai ideal (IPM tahun 2008 bergerak sebesar 1,39 persen dari sisa
langkah (24,90) untuk mencapai nilai ideal).
Simulasi di atas merupakan simulasi penghitungan reduksi shortfall tahunan. Selanjutnya
akan dihitung nilai rata-rata reduksi shortfall selama 4 tahun.
RSF2005-2009 =
=
100
)
(
(
.)
.)
100
= 1.52
Catatan: nilai reduksi shortfall yang dihitung tahunan dan rata-rata pertahun tidaklah sama
karena rata-rata yang digunakan bukanlah rata-rata aritmetika tetapi rata-rata
geometrik.
57
BAB 4
BAB 4
Penghitungan Indeks
58
BAB
REKONSILIASI DAN ESTIMASI DATA
5.1 Pentingnya Rekonsiliasi dan Estimasi Data

Sebelum komponen IPM digunakan untuk menghitung angka IPM, perlu dilakukan
pengecekan konsistensi antarwaktu dan antarwilayah. Pengecekan ini diperlukan agar mampu
menjawab keterkaitan antara fenomena yang ada dengan data empiris yang dihasilkan.
Dinamika sosial dan ekonomi di dalam masyarakat seharusnya dapat tergambar dari data
empiris yang dihasilkan. Namun, terkadang hal tersebut tidak dapat terlihat karena adanya
sampling error dan non sampling error. Oleh karena itu, untuk menjembatani ketidaksesuaian
antara data dan fakta perlu kiranya dilakukan rekonsiliasi data yang ada dengan data
pendukung lainnya. Meskipun tidak semua permasalahan dapat terjawab, setidaknya rekonsiliasi
ini bisa membantu menjawab ketidaksesuaian yang ada.
Selain rekonsilasi data dengan indikator lainnya, dalam penghitungan IPM juga dilakukan
estimasi untuk data series yang berfluktuasi. Estimasi dilakukan karena secara teoritis komponen
IPM tidak tepat jika berfluktuasi. Estimasi ini dilakukan dengan menggunakan data series
sebelumnya ataupun menggunakan model statistik.
Metode estimasi yang digunakan adalah estimasi mengikuti perubahan data susenas,
model moving average, pertumbuhan aritmetika, pertumbuhan geometrik, pertumbuhan
exponential, model regresi panel, dan estimasi nilai minimum dan maksimum berdasarkan relative
standard error. Penggunaan beberapa metode estimasi ini dilakukan karena tidak ada satu
metode yang tepat untuk semua daerah. Namun demikian, untuk keseragaman dibuat prioritas
pemilihan metode estimasi.
5.2 Estimasi Komponen IPM

Tidak semua komponen IPM harus diestimasi. Estimasi hanya dilakukan untuk komponen
IPM yang nilainya berfluktuasi. Untuk lebih jelasnya estimasi dilakukan dengan aturan sebagai
berikut.
1) Untuk komponen IPM yang nilainya naik dibandingkan dengan tahun sebelumnya:
59
BAB 5
Rekonsiliasi Data
a) jika pertumbuhannya kurang atau sama dengan 2*) kali rata-rata pertumbuhan per
tahunnya, maka tidak dilakukan estimasi.
b) jika pertumbuhannya lebih dari 2 kali*) rata-rata pertumbuhan per tahunnya , maka
dilakukan estimasi.
2) Untuk komponen IPM yang nilainya turun dibandingkan dengan tahun sebelumnya
dilakukan dua macam penyesuaian, yaitu:
a) jika data Susenas tahun ini turun dibandingkan tahun lalu dan level data Susenas di
bawah data IPM, maka data IPM tahun ini disamakan dengan data tahun lalu.
b) jika data Susenas tahun ini turun dibandingkan tahun lalu dan level data Susenas di atas
data IPM, maka data IPM tahun ini menggunakan estimasi.
5.3 Metode oEstimasi Komponen IPM

Untuk setiap komponen IPM yang mengalami fluktuasi, terlebih dahulu diestimasi dengan
beberapa metode yang akan disebutkan di bawah ini. Selanjutnya, dipilih metode estimasi
sesuai urutan yang ada. Jika estimasi 1 menghasilkan nilai yang lebih kecil atau tidak sesuai
dengan kondisi lapangan, maka dipilih metode ke 2. Jika metode 2 belum menghasilkan nilai
yang sesuai, ganti dengan metode berikutnya (nomor pada metode-metode di bawah ini
menunjukkan urutan estimasi).
1. Pertumbuhan Susenas
Estimasi ini dilakukan dengan mengalikan data IPM tahun 2009 dengan perubahan data
Susenas tahun 2009 ke 2010. Tujuan dari estimasi ini adalah agar level data tetap di atas tahun
lalu , namun perubahan pada data dasar tetap terakomodasi.
Pt = Po (1 + r)
di mana:
Pt = estimasi komponen IPM ke t
Po = komponen IPM tahun t-1
r = pertumbuhan komponen IPM berdasarkan data Susenas
2. Moving Average
Estimasi menggunakan Moving Average dimaksudkan untuk menanggulangi data yang
berfluktuasi.
60
Rekonsiliasi Data
Jumlah Penduduk yang Melek Huruf 15 Tahun Ke Atas

per Kabupaten / Provinsi Tahun X Jumlah Penduduk yang Melek Huruf
Moving Average tahun X=
15 Tahun Ke Atas per Kabupaten / Provinsi Dua Tahun Sebelumnya
100
Jumlah Penduduk 15 Tahun Ke Atas per Kabupaten / Provinsi Tahun X

per Kabupaten / Provinsi Dua Tahun sebelumnya
Contoh:
Moving Average tahun 2010=
per Kabupaten / Provinsi Tahun 2010 Tahun 2009 + Tahun 2008
100
Jumlah Penduduk 15 Tahun Ke Atas per Kabupaten / Provinsi Tahun 2010

Tahun 2009 + Tahun 2008
Penghitungan Moving Average untuk Rata-rata Lama Sekolah 15 Tahun ke Atas adalah:
Jumlah Lama Sekolah Penduduk Berumur 15 Tahun ke Atas
per Kabupaten/Provinsi Tahun X + Jumlah Lama Sekolah
Penduduk Berumur 15 Tahun ke Atas per Kabupaten/Provinsi
Rata-rata Lama Sekolah Tahun X=
Dua Tahun Sebelumnya
100
Jumlah Penduduk Berumur 15 Tahun ke Atas per Kabupaten/

Provinsi Tahun X + Jumlah Penduduk Berumur 15 Tahun ke Atas
per Kabupaten/Provinsi Dua Tahun Sebelumnya
Contoh:
Jumlah Lama Sekolah Penduduk Berumur 15 Tahun ke Atas
Rata-rata Lama Sekolah Tahun 2010=
per Kabupaten/Provinsi Tahun 2010 + Tahun 2009 + Tahun 2008
100
Jumlah Penduduk Berumur 15 Tahun ke Atas per Kabupaten/

Provinsi Tahun 2010 + Tahun 2009 + Tahun 2008
3. Regresi Panel
Estimasi menggunakan model regresi panel dilakukan dengan mencari faktor-faktor yang
mempengaruhi setiap komponen IPM selama tahun 2004-2009. Model regresi panel yang sudah
dibuat adalah model untuk provinsi selama tahun 2004 sampai dengan 2009. Dengan model ini
dibuat estimasi masing-masing komponen IPM tahun 2010.
Model regresi panel untuk masing-masing komponen IPM adalah sebagai berikut (BPS,
2010).
Indikator Kesehatan
e0it (66.3177 Ci ) 0.0556Medisit 0.0178Minumit 0.0435Dokit it
61
BAB 5
BAB 5
Rekonsiliasi Data
Angka Melek Huruf
AMH it 90.9886 Ci 0.1851Misit 0.1431Rasit 0.7533MysKrtit 0.000144 PDRBpit it

Rata-rata Lama Sekolah
MYSit 6.2955 Ci 0.0238Misit 0.036Rasit 0.2576MysKrtit 0.000119 Konsit it

Indikator Daya Beli
PPPit 660.521 Ci 1.682Misit 29.605Giniit 1.179TPTit 1.863Konsit it

di mana:
Mis
Persentase penduduk miskin
Ras
Rasio murid-guru SMP
MysKrt
Rata-rata lama sekolah kepala rumah tangga
PDRBp
PDRB per kapita atas dasar harga konstan 2000 dengan migas
Kons
Pengeluaran konsumsi rumah tangga per kapita atas dasar harga konstan
2000
Gini
Gini Rasio
TPT
Tingkat Pengangguran Terbuka
Medis
Persentase penolong kelahiran pertama oleh tenaga medis
Minum
Persentase rumah tangga dengan sumber air minum bersih
Dok
Rasio dokter per 10.000 penduduk
Ci
Intercept model, di mana nilainya berbeda untuk setiap model dan setiap
provinsi. Keterangan lebih jelas dapat dilihat pada IPM 2008-2009 (BPS,
2010)
4. Pertumbuhan IPM 2004 s.d. 2009

Alternatif lain untuk estimasi komponen IPM adalah menggunakan pertumbuhan series
data IPM selama tahun 2004-2009 dengan berbagai rumus pertumbuhan yaitu:
a) Pertumbuhan Eksponensial
Pt = Po er.t
b) Pertumbuhan Geometrik
Pt = Po (1+r)t
c) Pertumbuhan Aritmatik
Pt = Po (1 + r.t)
62
Rekonsiliasi Data
di mana
Pt = Nilai Komponen IPM tahun t
Po = Nilai Komponen IPM tahun dasar
r = Angka petumbuhan komponen IPM
t = Waktu (tahun)
5. Penggunaan Interval Estimasi
Berdasarkan informasi relatif standard error (RSE) setiap variabel di tingkat kabupaten,
dapat diketahui selang estimasi suatu variabel. Dalam kaitannya dengan penghitungan IPM, nilai
minimum dan maksimum angka melek huruf (AMH) dan rata-rata lama sekolah tingkat kabupaten
dapat dihitung. Setiap nilai estimasi yang masih berada di antara nilai minimum dan maksimum,
secara statistik masih dapat ditolerir karena masih berada di dalam selang kepercayaan.
5.4 Rekonsiliasi dengan Indikator Pendukung

Setelah dilakukan estimasi terhadap komponen IPM yang berfluktuasi, perlu dilakukan
rekonsiliasi terhadap angka IPM. Rekonsiliasi ini sangat diperlukan mengingat bahwa IPM
merupakan salah satu indikator daya saing yang nilainya akan dibandingkan antarwilayah.
Proses rekonsiliasi suatu komponen IPM dilakukan dengan melihat indeks komposit dari beberapa
variabel yang terkait dengan kesehatan, pendidikan, dan daya beli. Sebagai contoh, untuk
membandingkan angka harapan hidup dua daerah dilakukan perbandingan komposit beberapa
indikator kesehatan yang ada seperti: Angka Morbiditas, Persentase Bayi dan Balita yang
menderita Gizi Buruk, Persentase Penolong Kelahiran Pertama oleh Tenaga Medis, dan Rasio
tenaga medis per penduduk.
Berikut ini adalah indikator-indikator yang digunakan dalam membandingkan komponen
IPM di Indonesia.
Kelompok Indikator
(1)
Jenis Indikator
(2)
Indikator Kesehatan
Angka Morbiditas, Persentase Bayi dan Balita yang menderita Gizi Buruk,
Persentase Penolong Kelahiran Pertama oleh Tenaga Medis, Rasio tenaga
medis per penduduk.
Indikator Pendidikan
Angka Partisipasi Sekolah (APS) maupun Angka Partisipasi Kasar (APK)

SMP dan SMA , Rasio murid guru, Rata-rata lama sekolah (MYS) KRT
Indikator Daya Beli
Persentase penduduk miskin, Rasio Gini, PDRB perkapita, Pertumbuhan

PDRB perkapita, Tingkat Pengangguran Terbuka, Konsumsi Rumah
Tangga per Kapita.
63
BAB 5
BAB 5
Rekonsiliasi Data
64
DAFTAR PUSTAKA
Badan Pusat Statistik. 2009. Indeks Pembangunan Manusia 2007-2008. Jakarta: Badan Pusat
Statistik.
_______. 2010. Indeks Pembangunan Manusia 2008-2009. Jakarta: Badan Pusat Statistik.
BPS, UNDP. 1996. Indeks Pembangunan Manusia Perbandingan Antar Provinsi 1990-1993.
Jakarta: Badan Pusat Statistik
BPS, BAPPENAS, UNDP. 2004. Indonesia Human Development Report 2004.
http:// datastatistik-indonesia.com
Santoso, Singgih. 2001. SPSS Versi 10 Mengolah Data Statistik Secara Profesional. Jakarta:
PT Elex Media Komputindo.
Suhaimi, Uzair dan Wynandin Imawan. Status dan Perkembangan Upaya Pembangunan
Manusia di Indonesia: Perbandingan Antarprovinsi, disampaikan dalam Seminar
Sehari Laporan Pembangunan Manusia Indonesia 1996, Biro Analisis dan
Pengembangan BPS, Jakarta 12 Agustus 1997.
65
LAMPIRAN
Lampiran 1. Cara Pengolahan Data Menggunakan Syntax
Dalam lampiran ini, dibahas mengenai contoh melakukan seleksi kasus dengan
menggunakan syntax. Tujuan dari langkah ini adalah menyeleksi penduduk pada data Susenas
hanya pada penduduk berumur 15 tahun ke atas. Sementara penduduk di bawah umur 15 tahun
tidak digunakan dalam pengolahan. Syntax yang digunakan adalah:
SELECT IF(UMUR >= 15).
EXECUTE .
Sedangkan cara menggunakan syntax tersebut adalah sebagai berikut::
Klik File New Syntax,
Paste-kan syntax di atas hingga tampak di layar:
Untuk me-run syntax tersebut, maka:
Blok kalimat syntax-nya
Klik tombol Run (tombol segitiga yang ditandai pada gambar di bawah),
Atau bisa juga dengan meng-klik menu Run Selection pada layar syntax.
Lampiran 2. Keterangan Mengenai Penimbang Individu

Jika tidak ada penimbang individu pada raw data yang digunakan, maka penimbang
tersebut dapat diperoleh dari file Susenas kor individu dengan di merge terlebih dahulu.
Langkahnya adalah:
66
Buka file Susenas individu.
Select Case hanya kepala rumah tangga saja (yang lain dihapus). Caranya, klik menu Data
Select Cases. Pada bagian Output tandai Deleted unselected cases. Kemudian pada
bagian Select, tandai if condition is statisfied lalu klik kotak bertuliskan if... di bawahnya.
Masukan variabel HB (hubungan dengan kepala keluarga) dari daftar variabel ke kolom
kosong di sebelah kanan atas dan tambahkan = 1, sehingga tampilannya sebagai berikut:
Klik Continue lalu klik OK
Hapus semua variabel selain variabel identitas (variabel yang ada pada blok 1 kuesioner)
dan weind (penimbang individu)
Blok semua variabel identitas lalu sort secara ascending (klik kanan lalu klik Sort Ascending)
67
Save as data individu tersebut. Tutup data individu tersebut. Namun, untuk SPSS 15.0 atau
lebih tinggi, bisa tetap dibiarkan terbuka.
Buka kembali data modul konsumsi
Sort Ascending pada variabel identitas untuk data modul konsumsi
Klik menu Data, lalu Merge Files, kemudian klik Add Variables. Setelah kotak di bawah
terbuka, pilih file individu yang sudah diubah sebelumnya, melalui An open dataset jika file
individunya dalam keadaan terbuka. Atau melalui An external SPSS data file jika file
individunya dalam keadaan tertutup.
68
Klik Continue, kemudian cheklist pilihan Match cases on key variables in sorted files lalu
pindahkan variabel identitas yang ada pada kolom Exclude Variables ke kolom Key
Variables dengan menggunakan tanda panah di samping kiri kolom Key Variables.
Klik OK
Dalam bentuk syntax, langkah di atas dapat ditulis:

MATCH FILES /FILE=*
/FILE='DataSet2'
/BY B1R1 B1R10 B1R11 B1R12A B1R12B B1R2 B1R3 B1R4 B1R5 B1R7
B1R8 B1R9 jart.
EXECUTE.
Kemudian variabel weind (penimbang individu) yang sudah ada dalam file modul konsumsi,
dikalikan dengan jart untuk mendapatkan penimbang yang baru dengan menggunakan
menu Compute Variable. Caranya, ketik weind_baru (penimbang individu baru) pada
kolom Target Variable, lalu masukan weind pada kolom Numeric Expression dan kalikan
dengan jart. Pada layar akan muncul tampilan berikut:
Klik OK.
Selanjutnya, variabel weind_baru inilah yang digunakan sebagai penimbang dalam

menghitung rata-rata pengeluaran per kapita.
69
Lampiran 3. Alasan Penggunaan Data Konsumsi Susenas (BPS dan UNDP, 1996)
Untuk mengukur daya beli penduduk antarprovinsi atau kabupaten/kota sebenarnya
tersedia berbagai alternatif seperti PDRB; rata-rata konsumsi rumah tangga yang dihitung dari
PDRB menurut penggunaannya; rata-rata konsumsi dari susenas ditimbang dengan Indeks Harga
Konsumen (IHK); dan rata-rata konsumsi dari susenas yang disesuaikan dengan indeks PPP.
Hasil evaluasi secara cermat menunjukan bahwa indikator terakhir dianggap paling baik
sebagai ukuran daya beli antarprovinsi. PDRB tidak digunakan karena dalam sistem
perekonomian di Indonesia, penduduk suatu provinsi tidak langsung menikmati hasil produksi di
masing-masing provinsi, tapi sebaliknya terjadi mobilisasi pendapatan dan keuntungan
antarprovinsi. Rata-rata konsumsi yang yang dikoreksi dengan IHK tidak dipilih sebagai indikator
PPP karena IHK hanya mencerminkan perbedaan daya beli daerah perkotaan. Disamping itu,
komoditi yang digunakan dalam penghitungan IHK kurang mencerminkan kondisi pada saat
tertentu karena hanya ditentukan dalam lima sampai sepuluh tahun sekali (out of date). Lebih
lanjut, indeks yang dihasilkan hanya benar untuk perbandingan antara dua provinsi (tepatnya
antara Jakarta yang dijadikan tolok ukur dengan provinsi lain) atau binary comparison.
Sebaliknya angka PPP yang dihitung menggunakan teknik yang dikembangkan ICP sudah dapat
dibandingkan antarprovinsi (multiple comparison). Namun demikian, angka IHK di 27 ibukota
provinsi tetap digunakan sebagai deflator dalam menghitung nilai perkiraan nilai PPP
antarprovinsi dalam harga konstan.
Lampiran 4. Paradigma Awal Penghitungan Daya Beli (BPS dan UNDP, 1996)
Pembangunan ekonomi secara ringkas dapat diartikan sebagai proses peningkatan
pendapatan nasional secara terus menerus dalam periode waktu tertentu melalui peningkatan
produktivitas per kapita. Dengan demikian pengumpulan data income, atau konsumsi sebagai
proxy dari income, dapat dipahami sebagai konsekuensi logis dalam rangka penyusunan
indikator pembangunan tersebut.
Indikator tersebut, pada dasarnya mengukur nilai barang dan jasa yang diproduksi oleh
suatu perekonomian dalam periode tertentu. Berbagai persoalan kemudian apabila tingkat
pendapatan tersebut dibandingkan antarwilayah. Persoalan tersebut berasal dari basket
komoditas (commodity basket) dan harga yang akan digunakan sebagai dasar perbandingan.
Masalah pemilihan basket komoditas biasanya dapat diatasi dengan penggunaan
komoditas standar atau asumsi homogenitas pola konsumsi masyarakat yang dibandingkan
apabila data konsumsi digunakan sebagai pendekatan pendapatan. Tidak demikian halnya
dengan harga, yang sebenarnya merupakan refleksi dari tingkat efisiensi suatu perekonomian.
70
Contoh berikut ini menunjukan bahwa pemilihan harga akan sangat mempengaruhi hasil akhir
perbandingan walaupun masalah basket komoditas sudah teratasi.
Dua wilayah (A dan B) memproduksi dua komoditas yang sama dengan harga dan jumlah
produksi yang berbeda:
Jenis
Barang
1
2
Jumlah Produksi
A
B
3
8
6
4
Harga
A
2
3
B
1
4
Kalau harga di daerah A digunakan sebagai dasar penilaian, maka akan diperoleh
pendapatan daerah A sebesar 24 dan B sebesar 28. Dengan demikian pendapatan daerah A
lebih kecil dibandingkan dengan pendapatan daerah B. Jika harga di daerah B dipilih sebagai
dasar perbandingan, maka pendapatan daerah A menjadi 27 dan B menjadi 24. Dengan
demikian pendapatan daerah A lebih besar dibandingkan dengan di daerah B. Nampak bahwa
perbedaan pemilihan harga dapat menghasilkan kesimpulan yang bertentangan. Hal ini karena
adanya perbedaan kualitas dan atau efisiensi produksi yang tercermin pada harga antarkedua
wilayah tersebut (perbedaan jenis komoditas yang dipilih sudah diasumsikan tidak ada).
Apabila masalah di atas dicoba diatasi dengan penggunaan nilai tukar nominal (nominal
exchange rate) memang akan diperoleh hasil perbandingan yang konsisten. Namun demikian
penghitungan nilai tukar antar daerah yang tepat tidak mudah dan bahkan dalam beberapa hal
tidak mungkin dihitung secara langsung. Hal ini dapat terjadi karena transaksi antardaerah yang
akan dibandingkan bisa jadi sangat kompleks, melibatkan berbagai jenis pasar (pasar barang
dan jasa, pasar uang, pasar modal, dsb) atau sebaliknya tidak ada sama sekali, sehingga nilai
tukarnya tidak bisa dihitung secara langsung. Terlebih lagi jika diingat bahwa nilai tukar tersebut
hanya dihitung dari barang dan jasa yang diperdagangkan antarwilayah saja sehingga
mengabaikan peranan barang dan jasa yang hanya diperdagangkan di masing-masing wilayah
atau tidak diperdagangkan sama sekali.
Pemahaman
akan
keterbatasan
nilai
tukar
nominal
diatas
telah
mendorong
pengembangan konsep nilai tukar yang sebenarnya (Real Exchange Rate). Salah satu metode
pendekatan penghitungan nilai tukar yang sesungguhnya adalah dengan menggunakan konsep
Paritas Daya Beli (Purchasing Power Parity/PPP). Dalam konsep PPP, nilai tukar akan berfluktuasi
sebagai akibat dari perbedaan tingkah laku harga antarwilayah sedemikian rupa sehingga nilai
tukar perdagangan (term of trade/TOT) akan konstan. Dengan demikian fluktuasi nilai tukar
tersebut sebagian besar merupakan pencerminan perbedaan tingkat inflasi (Dombusch, R.et.al
1990). Keterkaitan antara TOT, nilai tukar dan harga tersebut dapat dirumuskan sebagai:
71
TOT = Nilai Tukar Nominal x
= E x
Dalam konsep ini, perubahan dalam Pf (Foreign Price) atau Pd (Domestic Price) akan
mendorong E berubah sedemikian rupa untuk menjaga TOT tetap konstan. TOT ini sebenarnya
merupakan nilai tukar riil yang mencerminkan paritas daya beli (PPP) antarwilayah tersebut.
Dalam praktek, terdapat beberapa cara dalam menghitung PPP. Dua diantaranya yang
sering digunakan (luas penggunaannya) adalah Model Perbedaan Produktivitas (Productivity
Differential Model) dan Model Proyek Perbandingan Internasional (International Comparison
Project/ICP), yang juga dikenal sebagai Model Gearry-Khamis (G-K Model) sesuai dengan
nama penyusunnya.
Model perbedaan produktivitas menunjukkan bahwa perbedaan tingkat pendapatan
antarwilayah seringkali hanya karena adanya perbedaan dalam tingkat harga dan bukan
karena perbedaan dalam produktivitas. Dalam kasus perbandingan antar dua wilayah A dan B,
jika harga barang dan jasa yang diperdagangkan, Pa = Pb, maka jika produktifitas pekerja di A
sama dengan di B, tingkat upah di A lebih tinggi, hal ini akan menurunkan tingkat pendapatan
di B dari yang sebenarnya. Dengan demikian nilai tukar riil antar kedua wilayah tersebut (RA-B)
harus memperhitungkan baik barang dan jasa yang diperdagangkan antarwilayah tersebut
(tradable goods) maupun yang hanya diperdagangkan pada masing-masing wilayah (nontradable), sehingga:
di mana:
E
= Nilai tukar nominal
PT
= Price of Tradables (harga barang dan jasa yang diperdagangkan

antarwilayah)
PN
= Price of Non-tradables (harga barang dan jasa yang diperdagangkan dalam

wilayah masing-masing)
P dan q
Share of Tradables (proporsi barang dan jasa yang diperdagangkan

antarwilayah pada masing-masing wilayah A dan B)
(1-p) dan (1-q) = Share of Non tradables (proporsi barang dan jasa yang hanya
diperdagangkan pada masing-masing wilayah)
Secara sekilas model ini nampak sangat sederhana, tetapi dalam praktek akan banyak
ditemui kesulitan terutama dalam menghitung tingkat harga dan peranan masing-masing jenis
komoditas tersebut.
72
Model ke-2, G-K Method, pada dasarnya adalah penurunan perbandingan kuantitas
dengan membagi rasio pengeluaran dengan rasio harga, mengingat bahwa pengeluaran
(konsumsi) sama dengan kuantitas dikalikan harga. Secara matematis:
Sehingga
Atau
Prinsip di atas dapat diperluas untuk A sampai AA wilayah (27 wilayah) yang masingmasing mencakup 1 sampai 27 komoditas seperti yang digunakan dalam penghitungan R
antarprovinsi.
Dengan menggunakan prinsif bahwa total penawaran, akan sama dengan total
permintaan dan RA-AA adalah paritas daya beli12 masing-masing wilayah dan P1-27 adalah
harga bersama (common price atau international price) masing-masing komoditas di semua
provinsi13, maka hubungan antara nilai pengeluaran (V), kuantitas barang yang dikonsumsi (Q),
paritas daya beli, dan harga bersama dapat diuraikan sebagai berikut:
V1ARA + V1BRB + V1CRC + ... + V1AARAA
= (Q1A+ Q1B+...+ Q1AA)P1
V2ARA + V2BRB + V2CRC + ... + V2AARAA
= (Q2A+ Q2B+...+ Q2AA)P2
.
.
.
V27ARA + V27BRB + V27CRC + ... + V27AARAA = (Q27A+ Q27B+...+ Q27AA)P27
Total pengeluaran dalam satuan yang
Total kuantum yang di
sudah dikonversikan untuk mencerminkan
konsumsi dikalikan
adanya perbedaan daya beli.
harga rata-ratanya.
12Paritas
daya beli disini sebenarnya merupakan harga komoditas tersebut dalam satuan yang sudah
memperhitungkan nilai tukarnya terhadap harga nasional, sehingga
=
13Harga bersama ini sebenarnya merupakan harga rata-rata nasional masing-masing komoditi, yang dihitung dari
rata-rata tertimbang harga masing-masing komoditi tersebut di tingkat provinsi (saat masih 27 provinsi)
73
Atau dalam bentuk matriks dapat digambarkan sebagai berikut:
V1A
V1B
...
V1AA
RA
P1
...
Q1A+ Q1B+...+ Q1AA
V2A
V2B
...
V2AA
RB
P2
...
Q2A+ Q2B+...+ Q2AA
...
...
...
...
...
...
V27A
V27B
...
V27AA
RAA
...
P27
Q27A+Q27B+..+Q27AA
V (27x27)
R (27x1)
P (27x27)
V (27x27)
Sehingga R = V-1(PQ)
Hasil penghitungan R yang akhirnya digunakan dalam penghitungan IPM didasarkan atas
27 komoditas makanan dan non makanan hasil Susenas. Pada prinsipnya pemilihan ke-27
komoditas tersebut untuk mempermudah penghitungan R antarprovinsi yang berjumlah 27 (dulu)
sehingga dapat dilakukan dengan menggunakan kaidah matriks seperti telah dirumuskan.
Sedangkan kriteria pemilihannya adalah sebagai berikut.
1.
Termasuk sebagai komoditas yang penting (esensial) dalam pola konsumsi masyarakat
Indonesia.
2.
Mempunyai kuantitas karena akan digunakan sebagai penimbang seperti terlihat dalam
matriks tersebut di atas.
3.
Memperhatikan
sebaran
menurut
subkelompok
makanan
dan
nonmakanan
agar
mencerminkan pola konsumsi penduduk/rumah tangga masing-masing provinsi.

4.
Konsumsi komoditas tersebut tercatat di semua provinsi.

Lebih lanjut, diasumsikan pula bahwa harga bersama komoditas yang terpilih tersebut
sama dengan 1 (semacam standardisasi), sehingga peranan kuantitas dalam penentuan nilai riil R
sangat menonjol. Dalam perbandingan antarprovinsi tersebut, angka DKI Jakarta telah dipilih
sebagai dasar mengingat bahwa tingkat konsumsi di daerah ini tercatat paling tinggi sehingga
dasar tersebut bisa pula dianggap semacam target realistis yang mungkin bisa dicapai dalam
jangka waktu dekat.
Penerapan R mempengaruhi tidak hanya pengeluaran tapi bahkan peringkat
antarprovinsi. Lebih lanjut, penyesuaian dengan Atkinson juga semakin memperhalus disparitas
pengeluaran antarprovinsi karena perbedaan pengeluaran dinilai berdasarkan manfaat yang
ditimbulkannya.
74
Lampiran 5. Cara Merestruktur Raw Data Susenas

Langkah 1: Restruktur data Susenas Modul 4.1 dan 4.2
Langkah ini bertujuan untuk merubah struktur data sehingga memudahkan untuk
menghitung kuantum dari masing-masing komditi yang dikonsumsi. Dalam data Susenas, konsumsi
rumah tangga ter-record dalam beberapa baris sesuai dengan jumlah komoditi yang dikonsumsi
(pada data view kolom b1r8 berkode sama di beberapa baris,) selanjutnya data tersebut akan
direstruktur sehingga setiap baris hanya mewakili 1 rumah tangga sampel.
75
Tahapan restruktur data sebagai berikut:
Siapkan file SPSS yang akan direstruktur
Keterangan:
B1r1 : kode provinsi
B1r2 : kode kabupaten/kota
B1r3 : kode kecamatan
B1r4 : kode desa/kelurahan
B1r5 : status desa/kelurahan
B1r7 : nomor kode sampel
B1r8 : nomor urut sampel rumah tangga
Kode : kode komoditi yang dikonsumsi oleh rumah tangga
B42k3 : besar pengeluaran untuk mengkonsumsi komoditi (kode) sebulan terakhir
B42k4 : besar pengeluaran untuk mengkonsumsi komoditi (kode) 12 bulan terakhir
76
Pilih restructure selected case into variables kemudian klik next
Selanjutnya masukkan variabel identitas wilayah (b1r1 sampai b1r8) sebagai identifier
variable(s) dan variabel kode sebagai index variable(s) kemudian klik next
77
Pilih Yes-data will be sorted by the identifier and index variables.
Kemudian pilih Group by original variable (for example: w1, w2, w3, h1, h2, h3
kemudian klik next.
78
Kemudian pilih restructure data now jika ingin langsung di-run atau pilih paste the
syntax generated by the wizard into a syntax window jika ingin menyimpan syntax-nya.
Langkah terakhir klik finish.
Kemudian akan muncul kotak dialog seperti di bawah ini.
Kemudian klik OK
Setelah tahapan restruktur dilakukan, pada data view di kolom b1r8 akan berbeda kode
di setiap barisnya, ini menunjukkan bahwa satu rumah tangga sampel sudah ter-record dalam
satu baris.
79
Lampiran 6. Tahapan Adjusting Harga

Terkadang ditemukan harga suatu komoditi tidak wajar, terlalu besar atau terlalu kecil.
Maka perlu dilakukan adjusting harga komoditi tersebut berdasarkan sumber yang kuat.
Misalnya, harga air dari PAM/PDAM atau harga listrik dari PLN. Contoh tahapan adjusting
harga yaitu:
a) Buat variabel baru berupa variabel harga dari setiap komoditi PPP (contoh variabel p_beras)
dengan cara:
Klik menu transform compute variabel lalu buat persamaan seperti tampilan berikut.
80
Klik OK
Jika menggunakan syntax yaitu sebagai berikut:
COMPUTE q_beras=b41k9.002 / b41k8.002.
EXECUTE.
Lakukan langkah yang sama untuk komoditi PPP yang lain.

b) Setelah diperoleh variabel harga untuk 27 komoditi PPP tahap selanjutnya adalah membuat
tabulasi harga maksimum minimum setiap komoditi dengan cara:
Klik menu Analyze Tables pilih Custom Tables
Drag seluruh variabel harga ke dalam kotak column
Klik N% Summary Statistics
81
Setelah muncul kotak dialog di atas, ganti Mean pada kolom Display dengan Maximum
dan Minimum yang ada pada kolom Statistics: dengan menggunakan tanda kepala
panah di tengah kedua kolom tersebut.
Klik Apply to All, lalu OK.
Cara di atas dapat diganti dengan syntax sebagai berikut:
*Custom Tables
CTABLES
/VLABELS VARIABLES=p_beras p_terigu p_singkong p_tongkol p_teri p_sapi p_ayam p_telur
p_susu
p_bayam p_kcgpjg p_kcgtnh p_tempe p_jeruk p_pepaya p_kelapa p_gula p_kopi p_garam
p_merica p_mi p_rokok p_listrik p_air p_minyak p_bensin
DISPLAY=LABEL
/TABLE BY p_beras [MAXIMUM, MINIMUM] + p_terigu [MAXIMUM, MINIMUM] + p_singkong
[MAXIMUM, MINIMUM] + p_tongkol [MAXIMUM, MINIMUM] + p_teri [MAXIMUM, MINIMUM] +
p_sapi [MAXIMUM, MINIMUM] + p_ayam [MAXIMUM, MINIMUM] + p_telur [MAXIMUM,
MINIMUM] + p_susu [MAXIMUM, MINIMUM] + p_bayam [MAXIMUM, MINIMUM] + p_kcgpjg
[MAXIMUM, MINIMUM] + p_kcgtnh [MAXIMUM, MINIMUM] + p_tempe [MAXIMUM, MINIMUM] +
p_jeruk [MAXIMUM, MINIMUM] + p_pepaya [MAXIMUM, MINIMUM] + p_kelapa [MAXIMUM,
MINIMUM] + p_gula [MAXIMUM, MINIMUM] + p_kopi [MAXIMUM, MINIMUM] + p_garam
[MAXIMUM, MINIMUM] + p_merica [MAXIMUM, MINIMUM] + p_mi [MAXIMUM, MINIMUM] +
p_rokok [MAXIMUM, MINIMUM] + p_listrik [MAXIMUM, MINIMUM] + p_air [MAXIMUM,
MINIMUM] + p_minyak [MAXIMUM, MINIMUM] + p_bensin [MAXIMUM, MINIMUM] + p_rumah
[MAXIMUM, MINIMUM].
c) Jika ditemukan harga yang tidak wajar, maka perlu dilakukan adjusting. Contoh adjusting
harga pada komoditi beras. Ketika tabulasi ditemukan harga beras hanya Rp. 167 per kg
dan ada pula yang mencapai Rp. 88.000. Langkah yang harus dilakukan yaitu:
Tentukan nilai maksimum dan minimum untuk setiap komoditi
Misalnya untuk komoditi beras harga menimumnya Rp. 1.000 per kg (harga raskin) dan
maksimum Rp 35.000 (kemungkinan harga beras tertinggi yaitu beras organik)
Ganti nilai variabel harga setiap komoditi yang diluar range harga wajar dengan cara:
Klik menu Transform Recode into Same Variables
Masukkan variabel p_beras ke dalam kolom numeric variables
82
Klik Old and New Values

Klik Range, LOWEST through Value: lalu isikan 1000
Klik Value lalu isikan 1000 Add
Klik Range, Value through HIGHEST: lalu isikan 35000
Klik Value lalu isikan 35000 Add
Klik Continue OK
83
Cara di atas dapat diganti dengan syntax sebagai berikut:

RECODE p_beras (Lowest thru 1000=1000) (35000 thru Highest=35000).
EXECUTE.
Lakukan tahapan di atas untuk komoditi PPP lainnya.

Lampiran 7. Perkiraan Harga Maksimum dan Minimum Komoditi IPM 2008
No
(1)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
84
Komoditi
Harga Minimum
(Rp)
Harga Maksimum
(Rp)
(2)
(3)
(3)
Beras
Tepung Terigu
Ketela Pohon
Tongkol/Tuna
Teri
Daging Sapi
Daging Ayam Ras
Telur Ayam Ras
Susu Kental Manis
Bayam
Kacang Panjang
Kacang Tanah
Tempe
Jeruk
Pepaya
Kelapa
Gula Pasir
Kopi
Garam
Merica
Mie Instant
Rokok Kretek
Listrik
Air
Minyak Tanah
Bensin
1.000
3.000
500
4.000
1.000
20.000
7.000
4.500
3.000
800
900
3.000
1.500
2.000
500
500
250
500
100
500
500
200
170
400
1.250
2.250
35.000
15.000
15.000
50.000
12.000
100.000
50.000
35.000
13.000
15.000
17.000
25.000
20.000
35.000
15.000
8.000
2.500
10.000
1.800
12.000
8.000
2.500
1.500
25.000
20.000
18.000
Lampiran 8.
Penimbang Provinsi (2007=100)
No
Kode
Kabupaten/Kota
Nilai
No
Kode
Kabupaten/Kota
Nilai
(1)
(2)
(3)
(4)
(1)
(2)
(3)
(4)
1171
BANDA ACEH
0.31
34
3574
PROBOLINGGO
0.46
1174
1271
LHOKSEUMAWE
0.28
35
3577
MADIUN
0.43
SIBOLGA
0.21
36
3578
SURABAYA
6.47
1273
PEMATANG SIANTAR
0.56
37
3604
SERANG
0.74
1275
MEDAN
4.67
38
3671
TANGERANG
3.94
1277
PADANG SIDEMPUAN
0.26
39
3672
CILEGON
0.69
1371
PADANG
1.69
40
5171
DENPASAR
1.53
1471
PAKANBARU
1.7
41
5271
MATARAM
0.79
1473
DUMAI
0.37
42
5272
BIMA
0.21
10
1571
JAMBI
0.98
43
5310
MAUMERE
0.09
11
1671
PALEMBANG
2.96
44
5371
KUPANG
0.49
12
1771
BENGKULU
0.59
45
6171
PONTIANAK
1.05
13
1871
BANDAR LAMPUNG
1.91
46
6172
SINGKAWANG
0.23
14
1971
PANGKAL PINANG
0.34
47
6202
SAMPIT
0.29
15
2171
BATAM
2.02
48
6271
PALANGKARAYA
0.36
16
2172
TANJUNG PINANG
0.45
49
6371
BANJARMASIN
1.54
17
3100
JAKARTA
22.49
50
6471
BALIKPAPAN
1.11
18
3271
BOGOR
2.2
51
6472
SAMARINDA
1.31
19
3272
SUKABUMI
0.73
52
6473
TARAKAN
0.36
20
3273
BANDUNG
5.38
53
7171
MANADO
0.98
21
3274
CIREBON
0.78
54
7271
PALU
0.59
22
3275
BEKASI
5.26
55
7311
WATAMPONE
0.18
23
3276
DEPOK
3.76
56
7371
MAKASAR
2.56
24
3278
TASIKMALAYA
0.52
57
7372
PARE-PARE
0.22
25
3302
PURWOKERTO
0.47
58
7373
PALOPO
0.19
26
3372
SURAKARTA
1.27
59
7471
KENDARI
0.43
27
3374
SEMARANG
3.48
60
7571
GORONTALO
0.37
28
3376
TEGAL
0.62
61
7604
MAMUJU
0.06
29
3471
YOGYAKARTA
1.03
62
8171
AMBON
0.42
30
3509
JEMBER
0.71
63
8271
TERNATE
0.28
31
3529
SUMENEP
0.34
64
9105
MANOKWARI
0.09
32
3571
KEDIRI
0.69
65
9171
SORONG
0.34
33
3573
MALANG
1.77
66
9471
JAYAPURA
0.4
85
Lampiran 9.
86
Contoh Pilihan Rekonsiliasi Data

Panduan Penghitungan IPM (Revisi)

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Panduan Penghitungan IPM (Revisi)

Diunggah oleh

Hak Cipta:

Format Tersedia

DAFTAR ISI

DAFTAR ISI ....................................................................................................................................................................... i

BAB 2 INDIKATOR PENDIDIKAN.......................................................................................................................... 5

BAB 3 INDIKATOR DAYA BELI ........................................................................................................................... 31

BAB 4 PENGHITUNGAN INDEKS........................................................................................................................ 51

BAB 5 REKONSILIASI DAN ESTIMASI DATA................................................................................................ 59

Pertumbuhan Susenas ............................................................................................ 60

Moving Average ....................................................................................................... 60

Regresi Panel .......................................................................................................... 61

Pertumbuhan IPM 2004 s.d. 2009 .......................................................................... 62

Penggunaan Interval Estimasi ................................................................................ 63

5.4 Rekonsiliasi dengan Indikator Pendukung ...................................................................... 63

DAFTAR PUSTAKA .................................................................................................................................................... 65

Panduan Penghitungan Indeks Pembangunan Manusia (IPM)

1.1 Arti dan Ruang Lingkup Pembangunan Manusia

Panduan Penghitungan Indeks Pembangunan Manusia (IPM)

1.2 Indeks Pembangunan Manusia (IPM)

1.3 Fungsi dan Keterbatasan IPM

Panduan Penghitungan Indeks Pembangunan Manusia (IPM)

1) Mengetahui perkembangan hasil pembangunan SDM dalam berbagai aspek kehidupan.

mempunyai beberapa keterbatasan sebagai

1.4 Perbandingan Komponen IPM Internasional dan IPM Indonesia

Panduan Penghitungan Indeks Pembangunan Manusia (IPM)

Tabel 1.1. Perbandingan Indikator IPM UNDP dan BPS

Angka harapan hidup pada saat

Angka harapan hidup pada saat

Umur panjang dan sehat

Panduan Penghitungan Indeks Pembangunan Manusia (IPM)

2.1 Konsep Rata-rata Lama Sekolah

Panduan Penghitungan Indeks Pembangunan Manusia (IPM)

: jumlah penduduk usia 15 tahun ke atas.

pendidikan yang ditamatkan dan kelas tertinggi.

Lama sekolah (tahun)

2.2 Teknis Penghitungan Rata-rata Lama Sekolah (MYS)

Panduan Penghitungan Indeks Pembangunan Manusia (IPM)

Indikator Daya Beli

Menggunakan Kotak Dialog

Klik Continue, lalu OK

Indikator Daya Beli

Dalam buku ini, pengelompokkan dilakukan dengan membentuk variabel baru

Cara pengelompokkan tersebut adalah:

Panduan Penghitungan Indeks Pembangunan Manusia (IPM)

Indikator Daya Beli

Klik Change pada tombol di bawah Label, hingga tampilan di layar:

Selanjutnya klik kotak Old and New Values...

Klik Add, maka tampilan di layar menjadi:

Panduan Penghitungan Indeks Pembangunan Manusia (IPM)

Indikator Daya Beli

Klik Continue, lalu OK.

Langkah Ketiga, mengelompokkan ijazah/STTB tertinggi yang dimiliki.

Panduan Penghitungan Indeks Pembangunan Manusia (IPM)

Indikator Daya Beli

Pengelompokkan yang dilakukan mengikuti tabel berikut:

Tidak punya ijazah SD

Tidak punya ijazah SD

Selanjutnya klik Continue, lalu OK.

Panduan Penghitungan Indeks Pembangunan Manusia (IPM)

Indikator Daya Beli

d. Langkah Keempat, membuat variabel baru dengan nama TAMAT

Tidak punya ijazah

Ket: *Merupakan jumlah tahun pendidikan yang

Klik Type & Label...,

Panduan Penghitungan Indeks Pembangunan Manusia (IPM)

Indikator Daya Beli