P. 1
ANALISIS PENGARUH DIMENSI KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA (IPM) PROVINSI JAWA BARAT PADA DINAS KESEHATAN PROVINSI JAWA BARAT

ANALISIS PENGARUH DIMENSI KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA (IPM) PROVINSI JAWA BARAT PADA DINAS KESEHATAN PROVINSI JAWA BARAT

|Views: 155|Likes:
Dipublikasikan oleh KARYAGATA MANDIRI

More info:

Published by: KARYAGATA MANDIRI on Apr 27, 2012
Hak Cipta:Traditional Copyright: All rights reserved

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/23/2013

pdf

text

original

ANALISIS PENGARUH DIMENSI KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA (IPM) PROVINSI JAWA BARAT PADA DINAS KESEHATAN

PROVINSI JAWA BARAT

DIMENSIONAL ANALYSIS OF EFFECT ON HEALTH HUMAN DEVELOPMENT INDEX (HDI) WEST JAVA PROVINCE HEALTH AGENCY IN WEST JAVA PROVINCE

LAPORAN TUGAS AKHIR

Karya tulis sebagai salah satu syarat kelulusan untuk memperoleh gelar Program S1 Jurusan Teknik Industri

Oleh: HARI CAHYADI 1.03.05.021

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA BANDUNG 2010

ABSTRAK

Indeks Pembangunan Manusia (IPM) atau Human Development Index (HDI) adalah pengukuran perbandingan dari harapan hidup, melek huruf, pendidikan dan standar hidup untuk semua negara seluruh dunia. Desentralisasi Provinsi Jawa Barat diharapkan mampu melakukan penataan yang dapat mewujudkan kehidupan masyarakat Jawa Barat agar semakin sejahtera dan sehat, baik jasmani serta rohani yang merupakan pertanggungjawaban publik bagi penyelenggaraan pembangunan khususnya peningkatan kualitas kesehatan.

Provinsi Jawa Barat sementara terlampir IPM tahun 2008 ditetapkan Badan Pusat Statistik (BPS) sebesar 71,12 dan masih tertinggal sekitar 8,88 poin, untuk mencapai angka IPM 80 sebagai provinsi terdepan di Indonesia. Berdasarkan sektor kesehatan, indikator utama yang diukur adalah Umur Harapan Hidup (UHH) waktu lahir. Salah satu cara yang dapat dilakukan untuk meningkatkan Indeks Pembangunan Manusia, maka pembangunan kesehatan masyarakat Jawa Barat Sehat 2010 diarahkan pada fokus pencapaian program yaitu “Jabar Siaga” dan “Jamkesmas Jawa Barat”.

Analisis pengaruh dimensi kesehatan terhadap Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat menggunakan Multiple Regression. Variabel penelitian terbagi dua yaitu variabel bebas Umur Harapan Hidup (UHH), Angka Melek Huruf (AMH), Rata-rata Lama Sekolah (RLS) dan Daya Beli (PPP). Variabel terikat pada penelitian ini adalah Indeks Pembangunan Manusia (IPM). Didapatkan dari metode regresi berganda besarnya pengaruh dimensi kesehatan terhadap IPM sebesar 36%. Analisis lebih lanjut mengenai koefisien korelasi menggunakan Path Analysis, didapatkan model struktural variabel eksogen dan endogen. Kata Kunci : Indeks Pembangunan Manusia (IPM), Umur Harapan Hidup (UHH), Multiple Regression, Path Analysis.

ABSTRATION

DIMENSIONAL ANALYSIS OF EFFECT ON HEALTH HUMAN DEVELOPMENT INDEX (HDI) WEST JAVA PROVINCE HEALTH AGENCY IN WEST JAVA PROVINCE

Human Development Index (HDI) or the Human Development Index (HDI) is a comparative measure of life expectancy, literacy, education and living standards to all countries around the world. Decentralization of West Java Province is expected to make arrangements that can realize the life of the people of West Java in order to increasingly prosperous and healthy, both physically and spiritually, which is public accountability for the implementation of development especially in health care quality improvement.

West Java Province in 2008 while accompanying IPM established the Central Statistics Agency (BPS) at 71.12 and remained around 8.88 points, to reach number 80 as a provincial leader IPM in Indonesia. Based on the health sector, key indicators measured were life expectancy (UHH) the time of birth. One way that can be done to improve the Human Development Index, the public health development Health of West Java in 2010 aimed at achieving the focus of the program is "JABAR SIAGA" and "JAMKESMAS PROVINSI JAWA BARAT".

Analysis of the influence of the health dimensions of the Human Development Index (HDI) of West Java province using Multiple Regression. The research variables are divided into two independent variables life expectancy (UHH), Literacy Rate (AMH), Avg Length of School (RLS) and Purchasing Power (PPP). Dependent variable in this study is the Human Development Index (HDI). Obtained from multiple regression analysis the influence of the health dimensions of the HDI by 36%. Further analysis of the correlation coefficient using a path analysis, structural models obtained exogenous and endogenous.

Keywords: Human Development Index (HDI), life expectancy (UHH), Multiple Regression, Path Analysis.

KATA PENGANTAR

Segala puji hanya bagi Allah Maha Pemilik Ilmu Pengetahuan yang senantiasa menuntun dan melimpahkan rahmat serta karunia-Nya penulis dapat menyelesaikan penyusunan laporan tugas akhir ini yang berjudul “ANALISIS PENGARUH DIMENSI KESEHATAN TERHADAP INDEKS

PEMBANGUNAN MANUSIA (IPM) PROVINSI JAWA BARAT PADA DINAS KESEHATAN PROVINSI JAWA BARAT”. Penulis menyadari bahwa laporan tugas akhir ini mungkin belum sempurna. Keterbatasan pengetahuan menjadi kendala terbesar dalam penulisan laporan tugas akhir ini. Namun, penulis yakin bahwa tugas akhir ini akan bermanfaat khususnya bagi penulis dan umum bagi masyarakat khususnya pemerintah Provinsi Jawa Barat. Dalam penyelesaian laporan tugas akhir ini penulis banyak mendapat dukungan dan bantuan dari berbagai pihak. Pada kesempatan ini, penulis bermaksud untuk mengucapkan terimakasih yang sebesarbesarnya kepada : 1. I Made Aryantha A. ST, MT, selaku dosen pembimbing dan Ketua Jurusan Program S1 Teknik Industri Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia. 2. Julian Robecca ST, MT, selaku Dosen Wali dan Koordinator TA dalam penyusunan laporan ini yang telah memberikan saran sehingga laporan tugas akhir ini dapat penulis selesaikan dengan baik.

3. Iyan Andriana ST dan Alam Santosa ST, MT, selaku Dosen Penguji Tugas Akhir Program S1 Teknik Industri Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia. 4. Para Dosen dan staf sekertaris jurusan Program S1 Teknik Industri Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia, yang telah memberikan bantuan selama penulis melaksanakan studi. 5. Orang tua dan adik-adik tercinta yang selalu memberikan dukungan baik moral maupun material. 6. Terimakasih kepada inisial N.A atas bantuan doa serta semangat untuk menyelesaikan tugas akhir ini. 7. Rekan-rekan mahasiswa Teknik Industri dan rekan-rekan seperjuangan tugas akhir angkatan 2005 terima kasih atas bantuannya.

Akhir kata, penulis berharap semoga Laporan Tugas Akhir ini dapat bermanfaat. Semoga semua bantuan yang telah diberikan mendapat balasan dari Allah yang Maha Adil.

Jaza kumullahu khoeron katsiro....Amin Ya Allah Ya Robbal’alamin. Wassalamu’alaikum Wr. Wb.

Bandung, Agustus 2010

Penulis

DAFTAR ISI

LEMBAR PENGESAHAN.................................................................................... ABSTRAK.............................................................................................................. KATA PENGANTAR............................................................................................ DAFTAR ISI........................................................................................................... DAFTAR TABEL................................................................................................... DAFTAR GAMBAR..............................................................................................

i ii iii v viii ix

Bab 1 Pendahuluan 1.1 Latar Belakang............................................................................................ 1.2 Identifikasi Masalah.................................................................................... 1.3 Maksud dan Tujuan..................................................................................... 1.4 Pembatasan Masalah.................................................................................... 1.5 Sistematika Penulisan.................................................................................. 1 3 4 4 5

Bab 2 Landasan Teori 2.1 Analisis Multivariat...................................................................................... 2.2 Analisis Regresi Linier Berganda................................................................ 2.3 Asumsi-Asumsi Regresi Linear Berganda.................................................. 2.3.1 Pemeriksaan Asumsi Kenormalan........................................................ 2.3.2 Pemeriksaan Asumsi Autocorelasi........................................................ 2.3.3 Pendeteksian Asumsi Homoskedastisitas.............................................. 2.3.4 Pendeteksian Asumsi Multikolinearitas................................................ 2.4 Uji Kecocokan Model................................................................................. 2.5 Pengujian Parameter.................................................................................... 2.5.1 Statistik Uji F........................................................................................ 2.5.2 Statistik Uji t......................................................................................... 2.6 Analisis Jalur............................................................................................... 2.6.1 Interpretasi Koefisien Korelasi............................................................. 2.6.2 Digram Jalur......................................................................................... 6 7 7 8 8 9 9 11 11 12 12 13 14 14

Bab 3 Pemecahan Masalah 3.1 Flowchart Pemecahan Masalah.................................................................. 3.2 Langkah-langkah Pemecahan Masalah...................................................... 3.2.1 Mulai.................................................................................................... 3.2.2 Observasi............................................................................................. 3.2.3 Studi Litelatur..................................................................................... 3.2.4 Latar Belakang Masalah...................................................................... 3.2.5 Identifikasi Masalah............................................................................ 3.2.6 Tujuan Penelitian................................................................................. 3.2.7 Pembatasan Masalah........................................................................... 3.2.8 Pengumpulan Data............................................................................... 3.2.9 Pengolahan Data.................................................................................. 3.2.10 Analisis.............................................................................................. 3.2.11 Kesimpulan........................................................................................ 3.2.12 Selesai................................................................................................ 15 16 16 16 16 16 16 17 17 17 18 18 18 18

Bab 4 Pengumpulan dan Pengolahan Data 4.1 Pengumpulan Data..................................................................................... 4.1.1 Data Umum Indeks Pembangunan Manusia...................................... 4.1.2 Populasi dan Sampel........................................................................... 4.1.3 Variabel Penelitian.............................................................................. 4.2 Pengolahan Data........................................................................................ 4.2.1 Analisis Regresi Berganda Indeks Pembangunan Manusia................ 4.2.2 Menaksir Model Persamaan Regresi Berganda.................................. 4.2.3 Pengujian Signifikansi Secara Keseluruhan (Overall)........................ 4.2.4 Pengujian Signifikansi Secara Individual (Partial)............................ 4.2.5 Uji koefisien Determinasi................................................................... 4.3 Pengujian Asumsi Model Regresi Berganda............................................. 4.3.1 Asumsi Kenormalan............................................................................ 4.3.2 Asumsi Non Autocorelation................................................................ 4.3.3 Asumsi Homoskedastisitas................................................................. 4.3.4 Asumsi Non Multicolienarity.............................................................. 19 19 20 20 22 22 22 23 23 24 25 25 27 29 31

4.4 Analisis Jalur (Path Analysis) Indeks Pembangunan Manusia................. 4.4.1 Analisis Korelasi................................................................................. 4.4.2 Pengaruh Langsung dan Tidak Langsung........................................... 4.4.3 Menentukan Model Diagram...............................................................

32 32 34 35

Bab 5 Analisis 5.1 Analisis Regresi Berganda Indeks Pembangunan Manusia....................... 5.1.1 Pengujian Parameter Koefisien Regresi Berganda............................. 5.1.2 Pengujian Asumsi Model Regresi Berganda...................................... 5.2 Pengujian Asumsi Model Regresi Berganda............................................. 5.3 Analisis Jalur (Path Analysis).................................................................... 36 36 36 38 39

Bab 6 Kesimpulan dan Saran 6.1 Kesimpulan............................................................................................... 6.2 Saran......................................................................................................... 41 41

DAFTAR PUSTAKA........................................................................................... LAMPIRAN 1. Progres Report 2. Surat Ijin Penelitian Dinas Kesehatan Provinsi Jawa Barat 3. Data Komponen Angka Harapan Hidup (AHH) 4. Data Komponen Angka Melek Huruf (AMH) 5. Data Komponen Rata-rata Lama Sekolah (RLS) 6. Data Komponen Daya Beli (PPP) 7. Data Indeks Pembangunan Manusia (IPM) 8. Tabel Distribusi F α = 0,01 9. Tabel Distribusi F α = 0,025 10. Tabel Distribusi F α = 0,05 11. Tabel Distribusi t 12. Tabel Normal Standar 13. Tabel Distribusi Chi-Kuadrat X2 14. Biodata Penulis

42

Bab 1 Pendahuluan

1.1 Latar Belakang Indeks Pembangunan Manusia (IPM) atau Human Development Index (HDI) adalah pengukuran perbandingan dari harapan hidup, melek huruf, pendidikan dan standar hidup untuk semua negara seluruh dunia. Indeks ini pada 1990 dikembangkan oleh pemenang nobel dari India Amartya Sen dan Mahbub ul Haq seorang ekonom Pakistan dibantu oleh Gustav Ranis dari Yale University dan Lord Meghnad Desai dari London School of Economics dan sejak itu dipakai oleh program pembangunan PBB pada laporan HDI tahunannya. Digambarkan sebagai pengukuran (vulgar) oleh Amartya Sen karena batasanya. Indeks ini lebih fokus pada hal-hal yang lebih sensitif dibandingkan menggunakan indikator pendapatan perkapita yang selama ini digunakan dan indeks ini juga berguna sebagai jembatan bagi peneliti yang serius untuk mengetahui hal-hal yang lebih terinci dalam membuat laporan pembangunan manusianya.

██ tinggi (0.800 - 1)

██ menengah (0.500 - 0.799)

██ rendah (0.300 - 0.499)

██ data tidak tersedia

Gambar 1.1 Peta Dunia Berdasarkan Indeks Pembangunan Manusia (2004).

Suatu negara yang dikatakan maju dapat tercermin jika yang dijadikan acuan salah satunya adalah masalah Indeks Pembangunan Manusia (IPM), yang tentu saja menjelaskan seberapa besar perkembangan manusia disuatu negara. Indonesia memiliki sumber daya manusia yang bisa dieksplorasi dan digali sehingga menunjukan Indeks Pembangunan Manusia yang signifikan. Indeks Pembangunan Manusia (IPM) merupakan indeks komposit yang dipengaruhi oleh indikator kesehatan yang diwakili oleh Umur Harapan Hidup (UHH), indikator pendidikan yang diwakili oleh Angka Melek Huruf (AMH), Rata-rata Lama Sekolah (RLS) dan indikator ekonomi yang diwakili oleh Daya Beli masyarakat (PPP).

Desentralisasi Provinsi Jawa Barat diharapkan mampu melakukan penataan yang dapat mewujudkan kehidupan masyarakat Jawa Barat agar semakin sejahtera dan sehat, baik jasmani maupun rohani yang merupakan pertanggungjawaban publik bagi penyelenggaraan pembangunan kesehatan dalam memberikan pelayanan kesehatan yang bermutu dan terjangkau oleh segenap lapisan masyarakat khususnya masyarakat miskin. Salah satu unsur dalam pembangunan manusia adalah lebih mengupayakan agar penduduk dapat mencapai “usia hidup” yang panjang dan sehat. United Nations Development Program (UNDP) memilih indikator angka harapan hidup waktu lahir (life expectancy at birth) yang biasa dinotasikan dengan e0 dari sektor kesehatan, indikator utama yang diukur adalah Umur Harapan Hidup (UHH) waktu lahir (e0), yang dipengaruhi oleh indikator yaitu Angka Kematian Bayi (AKB), Angka Kematian Ibu (AKI), Angka Kematian Balita (AKABA) dan Angka Kematian Kasar (AKK).

Peraturan Gubernur Jawa Barat nomor 54 tahun 2008 bahwa Visi Pemerintah Provinsi Jawa Barat tahun 2008-2013 adalah “Tercapainya Masyarakat Jawa Barat yang Mandiri, Dinamis dan Sejahtera”.

Peraturan Daerah Nomor 9 Tahun 2008 tentang Visi Pembangunan Jawa Barat Tahun 2005-2025 sebagaimana ditetapkan adalah “Dengan Iman dan Taqwa, Provinsi Jawa Barat Termaju di Indonesia”.

Berdasarkan Visi, Misi, Tujuan, Strategi, Program dan Sasaran Program Dinas Kesehatan Jawa Barat (Profil Kesehatan Provinsi Jawa Barat 2008). Maka pembangunan kesehatan masyarakat Jawa Barat Sehat 2010 diarahkan pada fokus pencapaian program yaitu “Jabar Siaga” dan “Jamkesmas Jawa Barat”.

Berdasarkan Teori H.L. Blum, derajat kesehatan masyarakat dengan indikatornya angka kematian (mortalitas) dan angka kesakitan (morbiditas) sangat dipengaruhi oleh empat faktor yaitu faktor lingkungan, faktor perilaku, faktor pelayanan kesehatan dan faktor keturunan. Indikator utama dari pencapaian visi tersebut adalah tingkat kesehatan. Provinsi Jawa Barat ingin mencapai indikator IPM sebesar 80. Sementara terlampir IPM Jawa Barat tahun 2008 ditetapkan Badan Pusat Statistik (BPS) sebesar 71,12 dan masih tertinggal sekitar 8,88 poin untuk mencapai angka IPM 80 sebagai provinsi terdepan di Indonesia. Melihat keadaan tersebut penulis mengajukan judul tugas akhir yaitu:

“ANALISIS PENGARUH DIMENSI KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA (IPM) PROVINSI JAWA BARAT PADA DINAS KESEHATAN PROVINSI JAWA BARAT”

1.2 Identifikasi Masalah Menentukan analisis variabel komponen kesehatan terhadap peningkatan Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat. Sehingga dapat lebih cermat menentukan langkah pertama untuk memperbaiki Sumber Daya Manusia (SDM). Berdasarkan hal tersebut terdapat permasalahan yang terjadi : 1. Menaksir model persamaan regresi Indeks Pembangunan Manusia berdasarkan tiga indeks pembangunan (Kesehatan, Pendidikan dan Ekonomi). 2. Seberapa besar pengaruh dimensi kesehatan, mempengaruhi Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat berdasarkan model persamaan regresi dan arah jalur pergeseran koefisien korelasi dimensi kesehatan dan karakteristik dimensi lain?

1.3 Maksud dan Tujuan Maksud penelitian adalah diharapkan Dinas Kesehatan Provinsi Jawa Barat dapat menyusun rencana program dan kebijakan untuk periode selanjutnya serta bekerja sama dengan Dinas Kesehatan kabupaten dan kota terkait sehingga peningkatan indeks dapat tercapai. Menyelesaikan masalah kesehatan yang terjadi antara dimensi kesehatan terhadap Indeks Pembangunan Manusia (IPM). Fokus analisis berdasarkan pengaruh komponen kesehatan terhadap peningkatan kualitas kesehatan di Propinsi Jawa Barat. Tujuan dari pembuatan penelitian ini adalah untuk mengetahui : 1. Menaksir model persamaan regresi Indeks Pembangunan Manusia (IPM) terbaik yang dapat menggambarkan keadaan di lapangan dengan efektif. 2. Mengetahui besar pengaruh dimensi kesehatan terhadap Indeks

Pembangunan Manusia (IPM) Provinsi Jawa Barat berdasarkan model persamaan regresi dan arah jalur pergeseran koefisien korelasi dimensi kesehatan dan karakteristik dimensi lain.

1.4 Pembatasan Masalah Penulis membatasi penelitian dalam ruang lingkup dimensi kesehatan yang diwaliki oleh variabel komponen kesehatan Umur Harapan Hidup (UHH) terhadap Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat, yaitu : 1. Pengaruh Umur Harapan Hidup (UHH) terhadap Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat dari sektor komponen pembangunan kesehatan. 2. Penelitian dibatasi data sekunder dari waktu yaitu pada tahun 2006 sampai tahun 2008, ruang lingkup pada dimensi kesehatan dan wilayah di Dinas Kesehatan Provinsi Jawa Barat. 3. Analisis ini hanya dilakukan pada satu dimensi kesehatan di Provinsi Jawa Barat selama periode tahun 2006 sampai tahun 2008, maka tidak selayaknya dilakukan generalisasi kesimpulan pada kasus yang lain.

1.5 Sistematika Penulisan Untuk memperoleh penyusunan penelitian ini, maka sistematika penulisan yang digunakan adalah sebagai berikut: Bab 1 Pendahuluan Pendahuluan terdiri dari latar belakang masalah, identifikasi masalah, maksud dan tujuan penelitian, pembatasan masalah dan sistematika penulisan.

Bab 2 Landasan Teori Berisikan teori-teori yang berhubungan dengan permasalahan serta teori-teori yang mendukung dalam pemecahan masalah.

Bab 3 Kerangka Pemecahan Masalah Bab ini berisikan tentang pemecahan masalah dan langkah-langkah pemecahan masalah.

Bab 4 Pengumpulan dan Pengolahan Data Berisikan data-data yang terkumpul selama penelitian yang dilakukan disertai dengan pengolahan data menggunakan software SPSS 16.0, Minitab 15.0, Lisrel 8.7 dan R. 2.10.0.

Bab 5 Analisis Membandingkan beberapa metode yang digunakan dan menerapkan metode terbaik dari hasil pengolahan data.

Bab 6 Kesimpulan dan Saran Berisikan kesimpulan dan saran untuk permasalahan setelah peneliti

mengumpulkan dan mengolah data yang didapat dari data sekunder.

Bab 2 Landasan Teori

2.1 Analisis Multivariat Analisis statistik multivariat merupakan metode dalam melakukan penelitian terhadap lebih dari dua variable secara bersamaan. Dengan menggunakan teknik analisis ini maka kita dapat menganalisis pengaruh beberapa variable terhadap variabel lainnya dalam waktu yang bersamaan. Berdasarkan hubungan antar variabel, analisis multivariat dapat dibedakan menjadi dependence techniques dan interdependence techniques. Dalam dependence techniques, terdapat dua jenis variabel, yaitu variabel terikat dan variabel bebas. Dependence techniques ini digunakan untuk menyelesaikan permasalahan-permasalahan mengenai hubungan antara dua kelompok variabel tersebut. Sedangkan dalam interdependence techniques, kedudukan setiap variabel sama, tidak ada variabel terikat dan variabel bebas. Biasanya interdependence techniques ini digunakan untuk melihat saling keterkaitan hubungan antar semua variabel tanpa memperhatikan bentuk variabel yang dilibatkan (Bilson Simamora, 2005).

Zikmund (1997: 634)

Gambar 2.1 Klasifikasi Metode Dependensi dan Interdependensi Analisis Multivariat

2.2 Analisis Regresi Linier Berganda Analisis regresi berganda adalah suatu metode analisis regresi untuk lebih dari dua variabel, karena itu termasuk dalam analisis multivariat. Namun karena dalam analisis regresi ganda juga dianalisis hubungan antar satu variabel bebas X dengan variabel terikat Y manakala variabel bebas X lainnya dianggap konstan, maka dalam analisisnya juga masih bisa digunakan metode kuadrat terkecil. Karena itu analisis regresi ganda merupakan jembatan penghubung antara analisis regresi sederhana yang bersifat bivariate, dengan model analisis regresi yang bersifat multivariate. Analisis regresi merupakan studi dalam menjelaskan dan mengevaluasi hubungan antara suatu peubah bebas (independent variable) dengan satu peubah tak bebas (dependent variable) dengan tujuan untuk mengestimasi atau meramalkan nilai peubah tak bebas didasarkan pada nilai peubah bebas yang diketahui (Widarjono, 2005).

2.3 Asumsi-Asumsi Regresi Linear Berganda Metode Kuadrat Terkecil dapat dilakukan apabila asumsi regresi linear klasik terpenuhi. Beberapa asumsi yang yang harus dipenuhi oleh persamaan regresi linear berganda ini adalah sebagai berikut: 1. Normalitas, regresi linear klasik mengasumsikan bahwa tiap εi mengikuti distribusi normal, εi ~ N(0,σ2). 2. Non autokorelasi antar sisaan, berarti cov (εi ,εj ) = 0, dimana i ke j. 3. Homoskedastisitas, var (εi) = σ2 untuk setiap i, i= 1,2,…,n yang artinya varians dari semua sisaan adalah konstan atau homoskedastik. 4. Tidak terjadi multikolinearitas. Tidak terdapat hubungan linear yang sempurna atau pasti diantara variabel.

Untuk mengetahui apakah model persamaan yang digunakan sudah memenuhi asumsi-asumsi regresi tersebut maka perlu dilakukan pemeriksaan pada masingmasing asumsi.

2.3.1 Pemeriksaan Asumsi Kenormalan Pemeriksaan kenormalan sisaan bertujuan untuk melihat distribusi sisaan (εi). Pemeriksaan kenormalan sisaan dilakukan dengan menggunakan plot persentilpersentil (P-P Plot) (Draper dan Smith, 1992). Jika plot sisaan menyebar dekat di sekitar garis diagonal maka model regresi memenuhi asumsi kenormalan. Selain itu, asumsi normalitas juga dapat diperiksa dengan uji Kolmogorov-Smirnov. Pengujian dilakukan dengan menggunakan sisaan sebagai variabel yang akan dilihat, berdistribusi normal atau tidak. Hipotesis H0 : Sisaan berdistribusi normal. H1 : Sisaan tidak berdistribusi normal. Asumsi normalitas terpenuhi jika uji Kolmogorov-Smirnov berada pada tingkat signifikansi > α yang ditetapkan (Singgih, 2003).

2.3.2 Pemeriksaan Asumsi Autocorelasi Autokorelasi dapat diartikan sebagai korelasi sisaan yang satu (εi) dengan sisaan lainnya (εj). Biasanya autocorelasi sering terjadi pada data-data time series. Penyebab utama terjadinya autocorelasi adalah ada variabel penting yang tidak digunakan dalam model. Pendeteksian autocorelasi dapat dilakukan dengan menggunakan statistik Durbin-Watson. Prosedur pengujiannya adalah sebagai berikut (Gujarati, 1999):   Lakukan regresi OLS dan dapatkan residual. Hitung angka statistik d Durbin-Watson (didapat dari hasil pengolahan perangkat lunak software SPSS 16.0). Diharapkan nilai d mendekati sekitar angka 2. Maka secara praktis asumsikan tidak ada autokorelasi.   Untuk ukuran sampel tertentu dan banyaknya peubah yang menjelaskan Data tertentu, dapatkan nilai kritis dL dan dU. Pengujian Hipotesis : Ho : Tidak ada autocorelasi antar sisaan H1 : Ada autocorelasi antar sisaan

Pengambilan keputusan ada tidaknya autocorelasi: a. Jika hipotesis nol (Ho) adalah bahwa tidak ada korelasi serial positif, maka apabila: d < dL = menolak Ho d > dU = tidak menolak Ho dL < d ≤ dU = pengujian tidak meyakinkan b. Jika hipotesis nol (Ho) adalah bahwa tidak ada korelasi serial negatif, maka jika: d > 4- dL = menolak Ho d < 4- dU = tidak menolak Ho 4- dU ≤ d ≤ 4- dL = pengujian tidak meyakinkan

Sebagai catatan, jika ada masalah autokorelasi maka model regresi yang seharusnya signifikan (dari uji-F) menjadi tidak layak untuk dipakai.

2.3.3 Pendeteksian Asumsi Homoskedastisitas Artinya pada nilai variabel bebas berapapun variannya konstan yakni σ2 . Jika variannya berbeda-beda atau bervariasi, berarti terjadi heteroskedastisitas. Pendeteksian heteroskedastisitas dapat dengan membuat plot data antara nilai prediksi ( Ŷi ) pada sumbu X dengan nilai kuadrat residualnya ( et2 ) pada sumbu Y (Gujarati, 1995). Jika tidak terdapat pola yang jelas serta titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau model regresi baik untuk digunakan (Gujarati, 1999).

2.3.4 Pendeteksian Asumsi Multikolinearitas Multikolinearitas adalah terjadinya hubungan linier yang sempurna atau pasti antara peubah-peubah bebas. Multikolinearitas dapat dideteksi dengan (Supranto, 1995):   Nilai R2 tinggi tetapi tidak satupun atau sangat sedikit yang diduga signifikan secara statistik. F hitung tinggi (signifikan) akan tetapi tidak satupun koefisien yang signifikan secara parsial.

Metode regresi linear berganda dapat digunakan untuk melihat pengaruh beberapa peubah penjelas atau peubah bebas terhadap satu peubah tak bebas yaitu suatu variabel dependet dipengaruhi oleh banyak variabel independent. Jadi Y dipengaruhi oleh X1, X2, X3, ... dst (ini disebut juga explanatory variable). Sehingga model regresi linier berganda melibatkan lebih dari satu variabel bebas. Dimana dari hasil eksperimen, data yang diperoleh berbentuk seperti pada tabel sebagai berikut: Tabel 2.1 Contoh Model Regresi Berganda. No. 1 2 n Yn Xn1 Xn2 Xnk Y Y1 Y2 X1 X11 X21 X2 X12 X22 ... Xk X1k X2k

Sehingga modelnya : Y   0  1 X 1   2 X 2  ...   k X k Dengan Y Xi = variabel terikat (dependent) = variabel bebas / independent ( i = 1, 2, 3, …, k)

0 = intersept i = koefisien regresi ( i = 1, 2, 3, …, k)
Model pendugaanya adalah Y  b0  b1 X 1  b2 X 2  ...  bk X k Misalkan model regresi dengan kasus 2 peubah bebas X1 dan X2 maka modelnya : Y   0  1 X 1   2 X 2 Sehingga setiap pengamatan akan memenuhi persamaan : Y   0  1 X 1   2 X 2   i

2.4 Uji Kecocokan Model Koefisien determinasi merupakan besaran yang lazim digunakan untuk mengukur kelayakan model (lack of fit test). Koefisien determinasi ini dikenal dengan besaran R2. Koefisien determinasi digunakan untuk mengetahui proporsi varians variabel tidak bebas yang dijelaskan oleh variabel bebas secara bersama-sama atau secara verbal R2 mengukur proporsi (bagian) atau persentase total variasi dalam Y yang dijelaskan oleh model regresi (Gujarati, 1999). R2 diperoleh dengan rumus :
R2  SSR SST

R2 terletak antara 0 dan 1. Jika R2 = 1, berarti suatu kecocokan sempurna. Jika R2 = 0, berarti tidak ada hubungan antara variabel tak bebas dan variabel bebas. Semakin besar nilai R2 maka model semakin baik model regresinya. Di dalam regresi berganda, koefisien determinasi R2 tidak bisa dibandingkan oleh karena koefisien determinasi R2 akan mengalami peningkatan sebanding dengan penambahan variable independent. Maka untuk bisa membandingkannya digunakan R2 yang disesuaikan (adjusted R2) yang diperoleh dari :

Ra 2  1  1  R 2
Dengan :

n  n  11 k

k = banyaknya parameter penduga dalam model n = banyaknya percobaan

2.5 Pengujian Parameter Pengujian penduga parameter memiliki tujuan untuk mengetahui tingkat keberartian penduga parameter yang digunakan melalui pengujian hipotesis. Jika hipotesis ditolak maka dapat disimpulkan bahwa penduga parameter tersebut signifikan atau berarti.

2.5.1 Statistik Uji F Pengujian parameter dengan statistik F menjelaskan semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersamasama terhadap variabel terikat. Hipotesis H0 : 1  2 = … = k = 0 dengan k adalah peubah bebas H1 : minimal ada i  0 dengan i = 1,2,...,k Statisik Uji SSR F SSE k

n  k  1

Dengan SSR = Sum Square Of Regresi SSE = Sum Square Of Error k n = banyaknya parameter yang diduga = adalah banyaknya observasi

Kriteria Uji H0 ditolak jika Fhitung > Ftabel  (k , n-k-1) H0 ditolak jika P value < 

Keputusan yang diharapkan adalah tolak H0 yang berarti peubah-peubah bebas yang dimasukkan ke dalam model secara bersama-sama mempengaruhi peubah tidak bebas pada tingkat kepercayaan (1-) persen. Pengambilan keputusan dalam output SPSS juga dapat dilihat dari tingkat signifikansinya p <  yang ditetapkan maka keputusannya adalah H0 ditolak.

2.5.2 Statistik Uji t Uji t dilakukan untuk mengetahui keberartian dari masing-masing penduga parameter secara parsial, apakah koefisien parsial yang diperoleh tersebut mempunyai pengaruh atau tidak dengan asumsi bahwa variabel tidak bebas lainnya konstan.

Hipotesis H0 : i 0 (Tidak ada pengaruh dari peubah Xi terhadap Y) H1 : i  0 (Ada pengaruh dari peubah Xi terhadap Y) Statistik Uji
t bi s bi 

Dengan bi S(bi) = koefisien regresi ke-i = standar error dari koefisien regresi ke-i

Kriteria Uji H0 ditolak jika thitung > t /2(db= n-k-1) H0 ditolak jika P value < 

Keputusan yang diharapkan adalah tolak H0 yang berarti ada pengaruh nyata peubah-peubah bebas secara individu terhadap peubah tidak bebas pada tingkat kepercayaan (1- ) persen.

2.6 Analisis Jalur Analsis jalur merupakan pilihan lain dalam rangka mempelajari keterikatan sejumlah peubah juga berpedoman pada dasar tidak untuk menemukan penyebabpenyebab, melainkan merupakan metoda yang digunakan pada model kausal yang telah dirumuskan peneliti atas dasar pertimbangan-pertimbangan teoritis dan pengetahuan tertentu (Sudjana : 293).

Pembahasan dilakukan dari dua segi, ialah regresi dan korelasi, baik sederhana, ganda, parsial maupun semi parsial. Berdasarkan adanya korelasi ini kita telah melihat berapa kuat keterikatan yang ada antara peubah-peubah melalui jalur hubungan di antara mereka, dengan tidak mengatakan atau menyimpulkan bahwa terjadi kausal di antara peubah-peubah itu tanpa informasi tambahan yang dapat diandalkan. Penelitian dengan melakukan eksperimen peneliti memanipulasi peubah-peubah yang diperhatikan dan kemudian mempelajari kelakuan peubah tersebut mempengaruhi variasi peubah tak bebas.

2.6.1 Interpretasi Koefisien Korelasi Pedoman Untuk Memberikan Interpretasi Koefisien Korelasi, Menurut Gulford. Tabel 2.2 Interpretasi Koefisien Korelasi Interval Koefisien 0,00 - 0,199 0,20 - 0,399 0,40 - 0,599 0,60 - 0,799 0,80 - 1,000 Tingkat Hubungan Sangat rendah Rendah Sedang Kuat Sangat kuat

Penafsiran koefisien kolerasi menurut Gulford dapat dijelaskan dalam dua tanda. Nilai kolerasi bisa bertanda positif dan bisa juga bertanda negatif. Menghitung seluruh koefisien jalur variabel X secara parsial terhadap Y, diperoleh interpretasi kriteria korelasi menurut Gulford.

Interpretasi kriteria korelasi menurut Gulford sebagai berikut: a. Tanda positif menunjukan adanya hubungan yang selaras atau searah antara variabel X dengan variabel Y (artinya semakin besar nilai variabel X semakin besar juga nilai variabel Y) b. Tanda negatif menunjukan adanya hubungan yang terbalik antara variabel dengan variabel Y (artinya semakin besar nilai variabel X semakin kecil juga nilai variabel Y)

2.6.2 Digram Jalur Digram Jalur secara grafis sangat membantu untuk melukiskan pola hubungan kausal antar sejumlah peubah dan untuk model kausal kita perlu membedakan peubah-peubah ini menjadi dua golongan ialah eksogenus dan endogenus. Peubah eksogenus adalah peubah yang variabilitasnya diasumsikan terjadi oleh karena penyebab diluar model kausal. Peubah endogenus adalah peubah yang variasinya terjelaskan oleh peubah eksogenus ataupun peubah endogenus dalam sistem.

Bab 3 Kerangka Pemecahan Masalah

3.1 Flowchart Pemecahan Masalah

Gambar 3.1 Flowchart Pemecahan Masalah.

3.2 Langkah-langkah Pemecahan Masalah Pemecahan masalah dalam penelitian ini, merupakan kerangka berfikir dalam menyelesaikan permasalahan penelitian pengaruh dimensi kesehatan terhadap indeks pembangunan manusia Provinsi Jawa Barat pada tahun 2006-2008.

3.2.1 Mulai

3.2.2 Observasi Penulis melakukan penelitian langsung kebagian data dan informasi. Data didapat dari laporan dan visualisasi kesehatan data 2008 Dinas Kesehatan Provinsi Jawa Barat (data sekunder).

3.2.3 Studi Literatur Kajian keilmuan yang berhubungan dengan objek penelitian yaitu metoda statistik dengan jenis analisis multivariat untuk menganalisis data yang terdiri dari banyak variabel.

3.2.4 Latar Belakang Masalah Pembangunan kesehatan masyarakat Jawa Barat sehat 2010 diarahkan pada fokus pencapaian program yaitu “Jabar Siaga” dan “Jamkesmas Jawa Barat”. Program unggulan untuk penajaman kegiatan provinsi Jawa Barat ingin menjadi provinsi terdepan di Indonesia dengan target IPM 80, terlampir IPM JABAR tahun 2008 ditetapkan sebesar 71,12 dan masih tertinggal sekitar 8,88 poin untuk mencapai target.

3.2.5 Identifikasi Masalah Menentukan analisis variabel komponen kesehatan terhadap peningkatan Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat. Sehingga dapat lebih cermat menentukan langkah pertama untuk memperbaiki Sumber Daya Manusia (SDM). khususnya dimensi kesehatan di Provinsi Jawa Barat.

3.2.6 Tujuan Penelitian Maksud penelitian adalah diharapkan Dinas Kesehatan Provinsi Jawa Barat dapat menyusun rencana program dan kebijakan untuk periode selanjutnya serta bekerja sama dengan Dinas Kesehatan kabupaten dan kota terkait sehingga peningkatan indeks dapat tercapai. Menyelesaikan masalah kesehatan yang terjadi antara dimensi kesehatan terhadap Indeks Pembangunan Manusia (IPM). Fokus analisis berdasarkan pengaruh komponen kesehatan terhadap peningkatan kualitas kesehatan di Propinsi Jawa Barat.

3.2.7 Pembatasan Masalah Penulis membatasi penelitian dalam ruang lingkup dimensi kesehatan yang diwaliki oleh variabel komponen kesehatan Umur Harapan Hidup (UHH) terhadap Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat, yaitu : 1. Pengaruh Umur Harapan Hidup (UHH) terhadap Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat dari sektor komponen pembangunan kesehatan. 2. Penelitian dibatasi data sekunder dari waktu yaitu pada tahun 2006 sampai tahun 2008, ruang lingkup pada dimensi kesehatan dan wilayah di Dinas Kesehatan Provinsi Jawa Barat. 3. Analisis ini hanya dilakukan pada satu dimensi kesehatan di Provinsi Jawa Barat selama periode tahun 2006 sampai tahun 2008, maka tidak selayaknya dilakukan generalisasi kesimpulan pada kasus yang lain.

3.2.8 Pengumpulan Data Data sekunder didapat dari hasil observasi dari bagian data dan Informasi Dinas Kesehatan yang dituangkan kedalam beberapa tabel dan keterangan, meliputi beberapa hal sebagai berikut: 1. Data IPM Kota dan Kab Provinsi JABAR tahun 2006-2008 2. Data Indeks Umur Harapan Hidup (UHH) 3. Data Indeks Angka Melek Huruf (AMH) 4. Data Indeks Rata-rata Lama Sekolah (RLS) 5. Data Indeks Daya Beli (PPP)

3.2.9 Pengolahan Data Pengolahan data sekunder ini menggunakan metoda statistik dengan jenis analisis multivariat untuk menganalisis data yang terdiri dari banyak variabel. Pengolahan data menggunakan perangkat lunak berlisensi yaitu Software SPSS 16.0, Minitab 15.0, Lisrel 8.7 & R. 2.10.0 Program SPSS memiliki keunggulan rancangan tabel secara interface friendly, Minitab memiliki keunggulan penyajian diagram lebih aplikatif dan R memiliki keunggulan keakuratan dalam perhitungan. Berikut ini langkah-langkah pengolahanya: 1. Analisi Regresi Berganda (Multiple Regression Analysis) 2. Analisis Jalur (Path Analysis)

3.2.10 Analisis Analisis yang dilakukan dari pengumpulan dan pengolahan data mengenai pengaruh dimensi kesehatan terhadap indeks pembangunan manusia. 1. Analisis pengaruh dimensi kesehatan terhadap Indeks Pembangunan Manusia yaitu variable independent Umur Harapan Hidup (UHH) dan variable dependent (IPM) Provinsi JABAR. 2. Analisis Jalur model persamaan regresi Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat.

3.2.11 Kesimpulan Berisikan tentang kesimpulan penulis mengenai pengaruh dimensi kesehatan terhadap indeks pembangunan manusia Provinsi Jawa Barat tahun 2006-2008. 1. Secara statistik tujuan dari penelitian adalah untuk mengetahui hubungan antara variable independent Umur Harapan Hidup dari dimensi kesehatan, Angka Melek Huruf (AMH), Rata-rata Lama Sekolah (RLS) dari dimensi pendidikan dan Daya Beli (PPP) dari dimensi ekonomi dengan variable dependent Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat. 2. Seberapa besar pengaruh antara variable independent UHH terhadap variable dependent (IPM).

3.2.12 Selesai

Bab 4 Pengumpulan dan Pengolahan Data

4.1 Pengumpulan Data 4.1.1 Data Umum Indeks Pembangunan Manusia Dalam pelaksanaan pembanguan Provinsi Jawa Barat, bidang kesehatan mempunyai peran didalam misi pertama yaitu mewujudkan sumber daya manusia Jawa Barat yang produktif dan berdaya saing, dengan salah satu tujuannya adalah mendorong tingkat indeks kesehatan dan menjadikan masyarakat Jawa Barat yang sehat, berbudi pekerti luhur dan menguasai ilmu pengetahuan dan teknologi. Dari sektor kesehatan. Provinsi Jawa Barat ingin mencapai indikator IPM sebesar 80. Sementara terlampir IPM Jawa Barat tahun 2008 ditetapkan Badan Pusat Statistik (BPS) sebesar 71,12 dan masih tertinggal sekitar 8,88 poin untuk mencapai angka IPM 80 sebagai provinsi terdepan di Indonesia.

IPM JAWA BARAT: 71,12

Kab. Bekasi (72,10) Kota Bekasi (75,73) Kota Depok (78,36) Kab.Bogor (69.79) Kota Bogor (75,16) Kab. Purwakarta (70,31) Kota Sukabumi (74,17) Kab. Bandung (73,41) Kab. Sukabumi (69.67) Kab. Cianjur (68,16) Kota Cimahi (74,79) Kab. Bandung Barat (72,65) Kota Bandung (75,35)

Kab. Subang (70,43) Kab. Karawang (69,06) Kab. Indramayu (66.78) Kab. Cirebon (67,71) Kota Cirebon (74,26) Kab. Majalengka (69,40) Kab. Sumedang (71,68) Kab. Kuningan (70,11) Kab. Ciamis (70,57) Kota Banjar (70,62) Kota Tasikmalaya (73,35) Kab. Garut (70,53) Kab. Tasikmalaya (71,35)

= < 65 = rendah = 65 - 70 = menengah = > 71 = tinggi

Sumber: BPS Provinsi Jawa Barat

Gambar 4.1 Indeks Pembangunan Manusia (IPM) Diperinci Menurut Kabupaten/Kota di Provinsi Jawa Barat Tahun 2008.

4.1.2 Populasi dan Sampel Populasi adalah keseluruhan obyek penelitian yang dapat terdiri dari manusia, benda, tumbuhan, gejala-gejala, nilai tes atau peristiwa-peristiwa sebagai sumber data yang memiliki karakteristik tertentu sebagai sumber penelitian. Sumber data dalam penelitian yang merupakan satu kesatuan sering disebut dengan populasi. Populasi dalam penelitian ini adalah jumlah keseluruhan kota dan kabupaten di Provinsi Jawa Barat, yaitu jumlah seluruh populasi penelitian sebanyak 26 kota dan kabupaten.

Pendapat Roscoe dalam Purnomo (2003: 227) memberikan pedoman penentuan besaranya sample penelitian, yaitu jumlah sampel lebih besar dari 30 dan lebih kecil dari 500 telah mencukupi untuk semua penelitian. Dalam penelitian multivariat, jumlah sampel seharusnya beberapa kali (lebih baik apabila 10 kali atau lebih) dari jumlah variabel dalam penelitian.

Jumlah sampel yang dianalisis (5 variabel x 26 kota & kabupaten x 3 tahun) yaitu sebanyak 390 sampel. Alasan dikarenakan data tiga tahun kedepan yaitu indeks tahun 2009 & 2010 masih dalam proses di Badan Pusat Statistik (BPS) dan masih menunggu nilai indeks tahun 2011. Untuk itu peneliti mengambil data masa lalu tiga tahun kebelakang sebagai informasi analisis dan langkah awal evaluasi untuk menentukan variabel komponen Indeks Pembangunan Manusia (IPM) tahun 2010 yang lebih berpengaruh khususnya dimensi kesehatan.

2.1.3 Variabel Penelitian Indeks Pembangunan Manusia (Y), yaitu hasil jumlah dibagi dimensi pembangunan merupakan hasil capaian dari indeks komponen pembangunan. Umur Harapan Hidup (X1), yaitu komponen pembangunan dari dimensi kesehatan. Angka Melek Hurup (X2), yaitu komponen pembangunan dari dimensi pendidikan. Rata-rata Lama Sekolah (X3), yaitu komponen pembangunan dari dimensi pendidikan. Daya Beli (X4), yaitu komponen pembangunan dari dimensi ekonomi.

Tabel 4.1 Komponen Tiga Dimensi Indeks Pembangunan Manusia di Provinsi Jawa Barat Tahun 2006 - 2008
Indeks Komponen IPM No Kota dan Kabupaten 2006 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 Kab. Bogor Kab.Sukabumi Kab.Cianjur Kab.Bandung Kab.Garut Kab.Tasikmalaya Kab.Ciamis Kab.Kuningan Kab.Cirebon Kab.Majalengka Kab.Sumedang Kab.Indramayu Kab.Subang Kab.Purwakarta Kab.Karawang Kab.Bekasi Kab. Bandung Barat Kota Bogor Kota Sukabumi Kota Bandung Kota Cirebon Kota Bekasi Kota Depok Kota Cimahi Kota Tasikmalaya Kota Banjar 70.33 68.00 66.00 72.83 65.00 70.17 69.33 70.00 66.33 67.17 70.00 67.00 73.00 68.17 67.50 71.83 72.50 72.50 72.33 74.17 72.33 74.00 79.33 73.17 72.33 68.00 UHH 2007 71.95 68.53 66.60 72.97 65.70 70.53 69.62 70.20 66.53 67.62 70.17 67.70 73.25 68.67 67.83 72.38 72.55 72.65 72.78 74.25 72.37 74.08 79.53 73.28 72.97 68.18 2008 71.72 69.05 67.15 73.10 66.33 70.88 69.90 70.36 66.75 68.03 70.35 68.35 73.48 69.13 68.50 72.90 72.63 72.80 73.20 74.35 72.42 74.20 79.75 73.40 73.55 68.38 2006 93.59 96.59 97.09 98.37 98.89 98.81 96.68 93.64 88.51 94.81 97.40 83.80 92.38 94.24 88.21 92.70 98.00 98.70 99.64 99.58 97.00 97.70 98.39 99.63 98.80 96.20 AMH 2007 93.59 96.59 97.09 98.37 98.89 98.81 96.68 93.64 90.66 94.81 97.51 85.58 92.38 95.59 93.06 93.67 98.00 98.70 99.64 99.58 97.00 98.46 98.90 99.63 99.20 96.43 2008 93.59 96.59 97.21 98.59 98.89 98.81 96.68 93.86 90.66 94.81 97.51 85.58 92.38 95.59 93.06 93.67 98.00 98.70 99.64 99.64 97.00 98.46 98.90 99.63 99.42 96.65 2006 48.00 42.00 42.67 54.67 47.33 45.33 46.00 45.33 40.67 44.67 48.00 36.67 44.00 46.67 43.33 54.00 53.33 64.00 60.00 67.33 61.33 66.67 70.00 64.67 56.00 52.00 RLS 2007 48.00 42.58 42.67 54.67 47.33 45.33 46.00 45.33 42.81 44.67 50.98 36.67 44.00 46.67 44.51 54.00 53.33 64.00 60.00 67.33 61.33 67.96 70.00 68.39 56.00 52.00 2008 48.00 42.60 42.80 54.67 47.33 45.33 46.00 45.33 42.80 44.67 51.00 36.67 44.00 46.67 44.53 54.00 53.33 64.00 60.00 67.33 61.33 67.93 70.00 68.40 56.00 52.00 2006 60.46 60.24 56.36 61.23 61.69 61.64 60.28 60.10 60.07 59.97 60.76 60.70 60.34 60.03 60.09 60.53 61.19 64.08 60.24 60.56 63.95 63.11 64.76 58.90 59.93 59.44 PPP 2007 60.80 60.51 57.41 62.14 62.56 62.19 61.01 61.36 60.67 61.12 61.74 61.70 60.58 61.71 60.64 61.82 61.19 64.40 61.76 61.50 64.14 63.56 64.87 60.77 60.47 60.71 2008 61.87 61.36 58.26 63.20 63.54 62.19 62.01 62.27 61.66 62.07 62.69 62.72 61.55 62.53 61.80 62.96 62.21 65.55 62.90 62.82 65.25 64.69 66.07 61.75 61.55 61.70 2006 69.73 68.88 67.10 72.62 69.46 70.86 69.80 69.21 66.32 68.41 70.56 65.26 69.85 68.86 66.95 70.72 72.27 74.57 73.00 74.52 73.80 74.82 77.67 73.35 72.26 69.63 2007 70.08 69.21 67.65 72.97 69.99 71.23 70.14 69.70 67.30 68.94 71.30 66.22 70.03 69.88 68.45 71.55 72.29 74.73 73.66 74.86 73.87 75.31 77.89 74.42 72.74 70.17 2008 70.66 69.67 68.16 73.41 70.53 71.35 70.57 70.11 67.71 69.40 71.68 66.78 70.43 70.31 69.06 72.10 72.65 75.16 74.17 75.35 74.26 75.73 78.36 74.79 73.35 70.62

4.2 Pengolahan Data 4.2.1 Analisis Regresi Berganda Indeks Pembangunan Manusia Untuk mengetahui model regresi Indeks Pembangunan Manusia (IPM), dilakukan penghitungan r (koefisien korelasi) output Software SPSS 16.0 sebagai berikut: Tabel 4.2 Uji Koefisien Korelasi
Model 1 R 1,000(a) R Square 1,000 Adjusted R Square 1,000 Std. Error of the Estimate .0353

Dapat dilihat bahwa R = 1,000 yang artinya menunjukan koefisien kolerasi (R) Indeks Pembangunan Manusia (IPM), Umur Harapan Hidup (UHH), Angka Melek Huruf (AMH), Rata-rata Lama Sekolah (RLS) dan Daya Beli (PPP) berhubungan secara positif dengan tingkat yang tinggi.

4.2.2 Menaksir Model Persamaan Regresi Berganda Pada tabel komponen tiga dimensi indeks pembangunan manusia di Provinsi Jawa Barat pada tahun 2006-2008, diperoleh hasil perhitungan sebagai berikut dengan menggunakan perangkat lunak yaitu Software SPSS 16.0 sebagai berikut: Tabel 4.3 Model Persamaan Regresi Berganda
Unstandardized Coefficients Model 1 (Constant) Umur Harapan Hidup Angka Melek Huruf Rata-rata Lama Sekolah Daya Beli B ,057 ,330 ,222 ,112 ,335 Std. Error ,252 ,002 ,002 ,001 ,003 Beta ,360 ,276 ,368 ,204 ,226 147,526 141,970 124,540 118,172 ,822 ,000 ,000 ,000 ,000 Standardized Coefficients t Sig.

Sehingga didapat model regresi taksirannya sebagai berikut:

Y  0,057  0.330 x1  0.222 x2  0.112 x3  0.335 x4
b1X1 dalam model persamaan memberikan nilai taksiran setiap peningkatan Umur Harapan Hidup (UHH) selama 1 tahun dengan tingkat melek huruf, rata-rata lama sekolah, pengeluaran perkapita yang disesuaikan dianggap konstan maka akan terjadi peningkatan nilai IPM sebesar 0.330. Untuk mencapai IPM 80 dengan IPM tahun 2008 sebesar 71,12 adalah sebagai berikut : Target IPM (80) =
, ,

= 26,9090 ≈ 27 kenaikan

4.2.3 Pengujian Signifikansi Secara Keseluruhan (Overall) Pengujian parameter dengan statistik F menjelaskan semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersamasama terhadap variabel terikat. Hipotesis H0 : β1= β2 = β3 = β4 = 0 (Tidak ada koefisien atau sama dengan nol) H1 : βij≠ 0 (Minimal ada satu koefisien yang tidak sama dengan nol ) α = 5% Statistik Uji Tabel 4.4 Uji Analisis Varian (ANAVA) Menggunakan Software SPSS 16.
Model 1 Regression Residual Total Sum of Squares 625.127 .091 625.218 df 4 73 77 Mean Square 156.282 .001 F 125110.527 Sig. .000
a

Kriteria Uji Tolak Ho jika F Hitung > Ftabel, 125110,527 > 2,50. H0 ditolak Kesimpulan Dengan taraf signifikansi sebesar 5% dan tingkat kepercayaan sebesar 95% data variabel bebas mendukung pendapat bahwa keseluruhan koefisien regresi berpengaruh dan koefisien regresi variabel terikat tidak berpengaruh.

4.2.4 Pengujian Signifikansi Secara Individual (Partial) Pengujian parameter dengan statistik t menunjukkan seberapa jauh pengaruh satu variabel penjelas secara individual dalam menerangkan variasi variabel terikat. Hipotesis 1. H0 : βi = 0 (koefisien regresi tidak berarti) H1 : βi ≠ 0 (koefisien regresi berarti) 2. Ho : β1= 0 (Koefisien regresi variabel X1 tidak berpengaruh) H1 : β1 ≠ 0 (Koefisien regresi variabel X1 berpengaruh) 3. H0 : β2= 0 (Koefisien regresi variabel X2 tidak berpengaruh) H1 : β2≠ 0 (Koefisien regresi variabel X2 berpengaruh)

4. H0 : β3= 0 (Koefisien regresi variabel X3 tidak berpengaruh) H1 : β3≠ 0 (Koefisien regresi variabel X3 berpengaruh) 5. H0 : β4= 0 (Koefisien regresi variabel X4 tidak berpengaruh) H1 : β4 ≠ 0 (Koefisien regresi variabel X4 berpengaruh) α = 5% Statistik Uji Tabel 4.5 Uji t test Menggunakan Software SPSS16.0
Unstandardized Coefficients B Std. Error ,057 ,252 ,330 ,002 ,222 ,002 ,112 ,001 ,335 ,003 Standardized Coefficients Beta ,360 ,276 ,368 ,204

Model 1

t ,226 147,526 141,970 124,540 118,172

(Constant) Umur Harapan Hidup Angka Melek Huruf Rata-rata Lama Sekolah Daya Beli

Sig. ,822 ,000 ,000 ,000 ,000

a.

Kriteria Uji Tolak Ho Jika t hitung > t tabel, 147,526 (UHH), 141,970 (AMH), 124,540 (RLS) dan 118,172 (PPP) > 2,13. Ho ditolak. Kesimpulan Dengan taraf signifikasi sebesar 5% dan tingkat kepercayaan sebesar 95% data mendukung pendapat bahwa koefisien regresi variabel X berpengaruh terhadap variabel Y pada model regresi tersebut. Dimensi pembangunan berpengaruh terhadap Indeks Pembangunan Manusia.

4.2.5 Uji Koefisien Determinasi Koefisien determinasi merupakan pengujian kelayakan model koefisien regresi besaran yang lazim digunakan untuk mengukur model (lack of fit test). Koefisien determinasi ini dikenal dengan besaran R2. Koefisien determinasi digunakan untuk mengetahui proporsi varians variabel tidak bebas yang dijelaskan oleh variabel bebas secara bersama-sama atau secara verbal R2 mengukur proporsi bagian atau persentase total variasi dalam Y yang dijelaskan oleh model regresi (Gujarati, 1999).

Statistik Uji
R 2 yx1x2x3x4  JK(Regression)

y
Kesimpulan

2

625,127  0.9998  1 625,218

Koefisien determinasi (R square) sebesar 0,9998 menunjukan bahwa sebesar 99,98% variansi IPM dapat dijelaskan dari nilai UHH, AMH, RLS dan PPP dan sebesar 0,0002 merupakan error artinya IPM dapat dijelaskan variabel lain dalam hubungan linier sebesar 0,02%. Secara deskriptif dengan besar koefisien determinasi 99,98% mendekati nilai 100% menunjukkan model sangat baik. Namun masih harus dilakukan pengujian lanjutan sehingga dapat diyakini model adalah model terbaik.

4.3 Pengujian Asumsi Model Regresi Berganda. Penggunaan Metode Kuadrat Terkecil dapat dilakukan apabila asumsi regresi linear klasik terpenuhi. Beberapa asumsi yang yang harus dipenuhi oleh persamaan regresi linear multivariat ini adalah sebagai berikut: 1. Distribusi Normalitas 2. Non Autocorelation 3. Homoskedastisitas 4. Multikolinearitas.

4.3.1 Asumsi Kenormalan 1. Metode Grafik Pemeriksaan kenormalan sisaan bertujuan untuk melihat distribusi sisaan (εi). Pemeriksaan kenormalan sisaan dilakukan dengan menggunakan (P-P Plot) (Draper dan Smith, 1992). Jika plot sisaan menyebar di sekitar garis diagonal maka model regresi memenuhi asumsi kenormalan.Output Minitab 15.0.

Normal Probability Plot
(response is IPM)
99,9 99 95 90 80 70 60 50 40 30 20 10 5 1 0,1

Percent

-0,3

-0,2

-0,1 Residual

0,0

0,1

Gambar 4.2 Grafik Normalitas IPM

2. Uji Kolmogorov-Smirnov Asumsi normalitas juga dapat diperiksa dengan Uji Kolmogorov-Smirnov. Pengujian dilakukan dengan menggunakan sisaan sebagai variabel yang akan dilihat, berdistribusi normal atau tidak. Hipotesis H0: sisaan berdistribusi normal. H1: sisaan tidak berdistribusi normal. α = 5% Stat Uji Tabel 4.7 Uji Kormogorov-Smirnov Menggunakan Software SPSS 16.0
Indes Pembangunan Manusia N Normal Parameters(a,b) Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) Mean Std. Deviation Absolute Positive Negative 78 71.3004 2.84951 ,106 ,106 -,048 ,939 ,341

Atau menggunakan rumus JB = (n-k)/6 . [S2+1/4(K-3)2] Kriteria Uji Tolak Ho jika P-value < α, 0,341 > 0,05 maka Ho diterima atau koefisien Jarque-Bera 708,4 > 0,05 jadi koefisien residual berdistribusi normal.

Kesimpulan Dengan taraf signifikansi sebesar 5 % data mendukung pendapat bahwa sisaan berdistribusi normal maka asumsi klasik pertama terpenuhi dimana tiap sisaan mengikuti distribusi normal, εi ~ N(0,σε2).

4.3.2 Asumsi Non Autocorelation Autokorelasi dapat diartikan sebagai korelasi sisaan yang satu (εi) dengan sisaan lainnya (εj) Biasanya sering terjadi pada data-data time series. Penyebab utama terjadinya autocorelation adalah ada variabel penting yang tidak digunakan dalam model. Pendeteksian autokorelasi dapat dilakukan dengan menggunakan metode grafik dan pengujian secara statistik Durbin-Watson. 1. Metode Grafik Jika plot ini menunjukkan adanya pola tertentu maka patut dicurigai adanya pelanggaran asumsi non autocorelation. Pengujian dalam metode grafik dengan menggunakan Software Minitab 15.0.

Ver sus O r de r
(response is IPM)

0,00 -0,05
Residual

-0,10 -0,15 -0,20 -0,25 -0,30 1 5 10 15 20 25 30 35 40 45 50 Obse r v ation Or de r 55 60 65 70 75

Gambar 4.3 Grafik Non Autocorelation IPM

2. Metode Durbin-Watson Pengujian hipotesis merupakan satu cara yang dapat dilakukan untuk menjawab keraguan pelanggaran asumsi yang diperoleh dari metode grafis. Pengujian hipotesis ada tidaknya pelanggaran asumsi autokorelasi dapat dilakukan dengan statistik Uji Durbin-Watson sebagai berikut :

Hipotesis H0 : ps = 0 Tidak terdapat autokorelasi H1 : ps ≠ 0 Terdapat autokorelasi α = 5% Statistik Uji Tabel 4.7 Uji Durbin-Watson Menggunakan Software SPSS 16.0
Model 1 Durbin-Watson 1,990

Keriteria Uji Nilai Durbin-Watson dimana nilai tersebut dapat menunjukan ada atau tidaknya Autokorelasi dengan ketentuan sebagai berikut : Tabel 4.8 Interval Koefisien (Markridakis, 1983). Interval Koefisien 1.65<DW<2.35 1.21<DW<1.65 2.35<DW<2.79 DW<1.21 DW> 2.79 Keterangan Non Autocorelasi Tidak dapat disimpulkan Tidak dapat disimpulkan Autocorelasi Autocorelasi

Berdasarkan ketentuan di atas dapat disimpulkan bahwa nilai DW sebesar 1,990 berada pada selang interval 1.65<DW<2.35 Non Autocorelation. Kesimpulan Dari hasil output software SPSS 16.0 diperoleh nilai statistik Uji DurbinWatson sebesar DW = 1,990. Nilai ini berada dalam daerah penerimaan H0 (1.65 < d < 2.35) sehingga dapat disimpulkan H0 diterima. Hasil ini menunjukkan tidak terdapat pelanggaran asumsi non autocorelation yang signifikan. Artinya dengan taraf signifikansi sebesar 5% data mendukung pendapat bahwa tidak terjadi pelanggarana asumsi klasik yaitu data bersifat non autocorelation. Maka salah satu asumsi regresi berganda terpenuhi.

4.3.3 Asumsi Homoskedastisitas Artinya pada nilai variabel bebas berapapun variannya konstan yakni σ2 . Jika variannya berbeda-beda atau bervariasi, berarti terjadi heteroskedastisitas. Jika tidak terdapat pola yang jelas serta titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau model regresi baik untuk digunakan (Gujarati, 1999). 1. Metode Grafik Pendeteksian dengan metode ini dilakukan dengan membuat plot antara nilai-nilai sisaan ei dengan nilai prediksi i Yˆ. Jika plot menunjukkan pola tertentu, jika adanya pola titik-titik yang semakin melebar seiring peningkatan nilai
i

Yˆ maka patut dicurigai adanya pelanggaran

homoskedastisitas. Menggunakan software Minitab15.0.

P r ob a b il ity P lo t of IP M
N o rm a l - 9 5 % C I
99,9 99 95 90 80 70 60 50 40 30 20 10 5 1 0,1 M ean S tD ev N AD P - V alu e 71,30 2,850 78 0,575 0,131

Percent

60

65

70 IPM

75

80

Gambar 4.4 Grafik Homoskedastisitas IPM

Berdasarkan

gambar 4.3 sekilas terlihat bahwa ploting ei dengan

i

membentuk sebuah pola berupa pita yang menyebar semakin melebar seiring semakin meningkatnya nilai i Yˆ . Ini patut dicurigai adanya adanya pelanggaran asumsi homoskedastisitas. Namun seperti yang telah dijelaskan bahwa terdapat kelemahan dalam metode grafik yaitu untuk data yang relatif kecil sulit menjelaskan pola yang terbentuk. Untuk lebih meyakinkan apakah pelanggaran ini signifikan atau tidak dapat dilakukan pengujian hipotesis.

2. Uji Langrang Multiplier Pengujian Heteteroskedastisitas menggunakan metode Langrang Multiplier Test = R2 error x N. Koefisien determinasi error diperoleh dari standart error of the estimate terhadap Y estimasi dan N adalah besarnya observasi dalam Purnomo Joko (Setiaji,2004) yaitu: Hipotesis H0 : Tidak Terdapat Heteroskedastisitas H1 : Terdapat Heteroskedastisitas α = 5%

Statistik Uji Tabel 4.9 Uji Langrang Multiplier Menggunakan Software SPSS 16.0
Model 1 R 1,000(a) R Square 1,000 Adjusted R Square 1,000 Std. Error of the Estimate .0353

LM test = R2 error x N = 0,353 x 26 = 9,1 Kriteria Uji Berdasarkan ketentuan Ho diterima, jika LM<9,2. Nilai LM sebesar 9,1 lebih kecil dari 9,2. Ho diterima.

Kesimpulan Dari hasil output Software SPSS 16.0 diperoleh nilai statistik Uji Langrang Multiplier LM= 9,1 sehingga dapat disimpulkan Ho diterima. Hasil ini menunjukkan tidak terdapat pelanggaran asumsi

homoskedastisitas yang signifikan. Artinya dengan taraf signifikansi sebesar 5 % data mendukung pendapat bahwa tidak terjadi pelanggaran asumsi klasik yaitu data bersifat homoskedastisitas. Maka salah satu asumsi regresi berganda terpenuhi.

4.3.4 Asumsi Non Multicolienarity Pengujian ini dimaksudkan untuk mengidentifikasi ada tidaknya hubungan antar variabel independent dalam regresi. Pengujian terhadap multikolinearitas dilakukan dengan menggunakan nilai Variance Inflation Factor (VIF) dan nilai tolerance. Tabel di bawah ini menunjukkan nilai VIF dan tolerance masingmasing variabel. Hipotesis H0 : Model persamaan ada kolerasi tinggi antar variabel independent H1 : Model persamaan tidak ada kolerasi tinggi antar variabel independent α = 5% Statistik Uji Tabel 4.10 Uji Multikolinearitas Menggunakan Nilai VIF
Coefficients Unstandardized Standardized Coefficients Coefficients Model B Std. Error Beta t 1 (Constant) ,057 ,252 ,226 Umur Harapan Hidup ,330 ,002 ,360 147,526 Angka Melek Huruf ,222 ,002 ,276 141,970 Rata-rata Lama Sekolah ,112 ,001 ,368 124,540 Daya Beli ,335 ,003 ,204 118,172 a.Dependent Variable: Indeks Pembangunan Manusia Collinearity Statistics Sig. Tolerance VIF ,822 ,000 ,335 2,985 ,000 ,530 1,886 ,000 ,229 4,369 ,000 ,668 1,497

Kriteria Uji Batas terhadap pengujian terjadinya multikolinearitas nilai VIF dibawah 10 dan nilai tolerance lebih besar dari 0,10. Artinya Ho ditolak. Kesimpulan UHH Tolerance 0,335 VIF 2,985 Nilai VIF yang dihasilkan dari regresi yaitu di bawah 10 sedangkan nilai tolerance yang dihasilkan yaitu di atas 0,10. Menunjukkan tidak terjadi korelasi yang sangat tinggi antar variabel independent atau Non Multicolinearity dalam penelitian model persamaan ini.

Gujarati (1999) menyatakan bahwa apabila asumsi-asumsi regresi klasik tersebut terpenuhi menjadikan teknik analisis dengan metode kuadrat terkecil biasa (OLS) menghasilkan penaksiran tak bias linier terbaik (BLUE/ Best Liniear Unbiased Estimator). Menggunakan Software Minitab15.0.

Residual Plots for IPM
Normal Probability Plot
99,9 99

Versus Fits
0,0
Residual

Percent

90 50 10 1 0,1

-0,1 -0,2 -0,3

-0,3

-0,2

-0,1 Residual

0,0

0,1

65

70 75 Fitted Value

80

Histogram
80 0,0
Frequency

Versus Order

60
Residual

-0,1 -0,2 -0,3

40 20 0 -0,25 -0,20 -0,15 -0,10 Residual -0,05 0,00

1 5

10 15 20 25 30 35 40 45 50 55 60 65 70 75

Observation Order

Gambar 4.5 Grafik Asumsi Regresi Linier Klasik IPM. 4.4 Analisis Jalur (Path Analysis) Indeks Pembangunan Manusia Langkah-langkah yang dijalankan dalam menganalisis data yang diperoleh dengan menggunakan analisis jalur (Path analysis) didasarkan pada koefisien korelasi modifikasi Harun Al Rasyid (Nirwana SK. Sitepu dalam Haryati, 1994 : 19-28). Adapun hasil dari analisis data dengan mengunakan analisis jalur (path analysis) menggunakan langkah-langkah sebagai berikut.

4.4.1 Analisis Korelasi Menghitung seluruh koefisien jalur variabel X secara parsial terhadap Y, diperoleh interpretasi kriteria korelasi menurut Gulford. Tabel 4.11 Interpretasi Koefisien Korelasi Interval Koefisien 0,00 - 0,199 0,20 - 0,399 0,40 - 0,599 0,60 - 0,799 0,80 - 1,000 Tingkat Hubungan Sangat rendah Rendah Sedang Kuat Sangat kuat

Tabel 4.12 Koefisien Korelasi Menggunakan Software SPSS 16.0
Umur Harapan Angka Hidup Melek Huruf 1 ,444** . ,000 78 78 ,444** 1 ,000 . 78 78 ,800** ,660** ,000 ,000 78 78 ,535** ,222 ,000 ,051 78 78 ,886** ,724** ,000 ,000 78 78 Rata-rata Indeks Lama Pembangun Sekolah Daya Beli an Manusia ,800** ,535** ,886** ,000 ,000 ,000 78 78 78 ,660** ,222 ,724** ,000 ,051 ,000 78 78 78 1 ,527** ,946** . ,000 ,000 78 78 78 ,527** 1 ,652** ,000 . ,000 78 78 78 ,946** ,652** 1 ,000 ,000 . 78 78 78

Umur Harapan Hidup

Angka Melek Huruf

Rata-rata Lama Sekolah

Daya Beli

Indeks Pembangunan Manusia

Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N

**. Correlation is significant at the 0.01 level (2-tailed).

Kesimpulan 1. Korelasi antar Umur Harapan Hidup dan Angka Melek Huruf. Berdasarkan perhitungan diperoleh angka korelasi sebesar 0,444 mempunyai arti terdapat hubungan rendah dan searah. 2. Korelasi antar Umur Harapan Hidup dan Rata-rata Lama Sekolah. Berdasarkan perhitungan diperoleh angka korelasi sebesar 0,800 mempunyai arti tedapat hubungan kuat dan searah. 3. Korelasi antar Umur Harapan Hidup dan Daya Beli. Berdasarkan perhitungan diperoleh angka korelasi sebesar 0,535 mempunyai arti tedapat hubungan sedang dan searah. 4. Korelasi antar Angka Melek Huruf dan Rata-rata Lama Sekolah Berdasarkan perhitungan diperoleh angka korelasi sebesar 0,660 mempunyai arti tedapat hubungan kuat dan searah. 5. Korelasi antar Angka Melek Huruf dan Daya Beli Berdasarkan perhitungan diperoleh angka korelasi sebesar 0,222 mempunyai arti tedapat hubungan rendah dan searah. 6. Korelasi antar Rata-rata Lama Sekolah dan Daya Beli Berdasarkan perhitungan diperoleh angka korelasi sebesar 0,527 mempunyai arti tedapat hubungan kuat dan searah.

4.4.2 Pengaruh Langsung dan Tidak Langsung Mengukur pengaruh langsung dan tidak langsung antara Umur Harapan Hidup, Angka Melek Huruf, Rata-rata Lama Sekolah dan Daya Beli terhadap Indeks Pembangunan Manusia Provinsi Jawa Barat Tahun 2006-2008. Adapun langkahangkah pengolahan data, menurut Nirwana dalam Haryati (1994:130).

Tabel 4.13 Pengaruh Langsung dan Tidak Langsung IPM Pengaruh Variabel X1 Langsung Melalui X2 Melalui X3 Melalui X4 Variabel X2 Langsung Melalui X1 Melalui X3 Melalui X4 Variabel X3 Langsung Melalui X1 Melalui X2 Melalui X3 Variabel X4 Langsung Melalui X1 Melalui X2 Melalui X4 Jalur Y-X1-Y Formulasi Rumus ρyx12 Perhitungan 0.360 x 0.360 Besarnya Pengaruh 0.1296 0.0441 0.1059 0.0392 0,3188 0.0761 0.0441 0.0670 0.0124 0,1996 0.0416 0.0392 0.0124 0.0395 0,1327 0.1354 0.1059 0.0670 0.0395 0,3478 0,9989 0.0011

Y-X1-X2-Y ρyx1.rx1x2.ρyx2 0. 360 x 0.444 x 0.276 Y-X1-X3-Y ρyx1.rx1x3.ρyx3 0. 360 x 0.800 x 0.368 Y-X1-X4-Y ρyx1.rx1x4.ρyx4 0.360 x 0.535 x 0.204 Pengaruh Total X1 Y-X2-Y ρyx22 0.276 x 0.276

Y-X2-X1-Y ρyx2.rx2x1.ρyx1 0.276 x 0.444 x 0.360 Y-X2-X3-Y ρyx2.rx2x3.ρyx3 0.276 x 0.660 x 0.368 Y-X2-X4-Y ρyx2.rx2x4.ρyx4 0.276 x 0.222 x 0.204 Pengaruh Total X2 Y-X4-Y ρyx42 0.204 x 0.204

Y-X4-X1-Y ρyx4.rx4x1.ρyx1 0.204 x 0.535 x 0.360 Y-X4-X2-Y ρyx4.rx4x2.ρyx2 0.204 x 0.222 x 0.276 Y-X4-X3-Y ρyx4.rx4x3.ρyx3 0.204 x 0.527 x 0.368 Pengaruh Total X3 Y-X3-Y ρyx32 0.368 x 0.368

Y-X3-X1-Y ρyx3.rx3x1.ρyx1 0.368 x 0.800 x 0.360 Y-X3-X2-Y ρyx3.rx3x2.ρyx2 0.368 x 0.660 x 0.276 Y-X3-X4-Y ρyx3.rx3x4.ρyx4 0.368 x 0.527x 0.204

Pengaruh Total X4 Pengaruh Total Variabel X1,X2, X3 dan X4 Pengaruh Variabel Lain

4.4.3 Menentukan Model Diagram Model diagram satu jalur berdasarkan hubungan antar variabel dependent yaitu Indeks Pembangunan Manusia (IPM) dan independent Daya Beli (PPP). Dengan menggunakan Software Lisrel 8.7 yaitu Umur Harapan Hidup (UHH), Angka Melek Huruf (AMH), Rata-rata Lama Sekolah (RLS) dan

Gambar 4.6 Diagram Jalur Indeks Pembangunan Manusia (IPM)

Diagram jalur tersebut terdiri atas satu persamaan struktural dengan hanya substruktur, yaitu X1,X2,X3 dan X4 disebut sebagai variabel eksogen dan Y sebagai variabel endogen dengan persamaan struktural untuk model diatas adalah:

Y  0,33 x1  0,226 x x  0,11 x3  0,34 x4  0,00€
Keterangan : 1. Indeks Pembangunan Manusia, merupakan suatu peubah tak bebas (Y) 2. Umur Harapan Hidup, sebagai peubah bebas pertama (X1) 3. Angka Melek Huruf, sebagai peubah bebas kedua (X2) 4. Rata-rata Lama Sekolah, sebagai peubah bebas ketiga (X3) 5. Daya Beli, sebagai peubah bebas ketiga (X4) 6. Variabel lain atau error (€)

Bab 5 Analisis

5.1 Analisis Regresi Berganda Indeks Pembangunan Manusia Bedasarkan data Indeks Pembangunan Manusia (IPM) 26 kabupaten dan kota di Provinsi Jawa Barat sebagai variable dependent dengan Umur Harpan Hidup, Angka Melek Huruf, Rata-rata Lama Sekolah dan Daya Beli sebagai variable independent. Maka didapat model regresi taksiran berdasarkan dimensi pembangunan perumusannya dapat dituliskan sebagai berikut : IPM = b0 + b1UHH + b2AMH + b3RLS + b4PPP Dengan : IPM UHH AMH RLS PPP b0

= Indeks Pembangunan Manusia = Angka Harapan Hidup = Angka Melek Huruf = Rata-rata Lama Sekolah = Daya Beli = Konstanta

Y  0,057  0.330 x1  0.222 x2  0.112 x3  0.335 x4
5.1.1 Pengujian Parameter Koefisien Regresi Berganda Dengan taraf signifikasi sebesar 5% data mendukung pendapat bahwa model regresi tersebut berarti atau persamaan regresi tersebut linier. Pengujian berdasarkan uji F hitung > F tabel (125110,527 > 2,50) dan t hitung > t tabel, (147,526 (UHH), 141,970 (AMH), 124,540 (RLS) dan 118,172 (PPP) > 2,13), maka Ho ditolak jadi koefisien regresi berpengaruh.

5.1.2 Uji Koefisien Determinasi Koefisien determinasi (R square) sebesar 0,9998 menunjukan bahwa sebesar 99,98% variansi IPM dapat dijelaskan dari nilai UHH, AMH, RLS dan PPP dan sebesar 0,02% merupakan error artinya IPM dapat dijelaskan variabel lain dalam hubungan linier.

Pada hasil Tabel 4.3 Model Persamaan Regresi Berganda. Data menunjukan koefisien regresi, standar error koefisien regresi, koefisien yang distandarkan dan nilai t hitung beserta tingkat signifikasinya. Penjelasannya sebagi berikut: 1. b0 dalam model di atas memberikan makna bahwa indeks secara rata-rata IPM adalah 0,057. Umur harapan hidup tidak ada atau nol tahun, angka melek huruf 0%, rata-rata lama sekolah tidak pernah atau nol tahun, pengeluaran per kapita yang disesuaikan nol rupiah. 2. b1X1 dalam model persamaan memberikan gambaran bahwa setiap peningkatan umur harapan hidup satu tahun dengan tingkat melek huruf, rata-rata lama sekolah, pengeluaran perkapita yang disesuaikan dianggap konstan maka terjadi peningkatan nilai IPM sebesar 0.330. dibutuhkan (27 kenaikan untuk mencapai IPM Jawa Barat 80) jika hanya mengandalkan dari dimensi kesehatan saja. Besarnya pengaruh umur harapan hidup dan indeks pembangunan manusia sebesar 0,360 atau 36,0%. 3. b2X2 dalam model di atas memberikan gambaran bahwa setiap peningkatan angka melek huruf sebesar satu persen dengan tingkat harapan hidup, rata-rata lama sekolah, pengeluaran perkapita yang disesuaikan dianggap konstan maka akan terjadi peningkatan nilai IPM sebesar 0.222. Besarnya pengaruh angka melek huruf dan indeks pembangunan manusia sebesar 0,276 atau 27,6%. 4. b3X3 dalam model di atas memberikan gambaran bahwa setiap peningkatan rata-rata lama sekolah huruf selama satu tahun dengan tingkat harapan hidup, tingkat melek huruf, pengeluaran perkapita yang disesuaikan dianggap konstan maka akan terjadi peningkatan nilai IPM sebesar 0.112. Besarnya pengaruh rata-rata lama sekolah dan indeks pembangunan manusia sebesar 0,368 atau 36,8%. 5. b4X4 dalam model di atas memberikan gambaran bahwa setiap peningkatan pengeluaran daya beli (Rp ribu) sebesar satu dengan tingkat harapan hidup, tingkat melek huruf, rata-rata lama sekolah dianggap konstan maka akan terjadi peningkatan nilai IPM sebesar 0.335. Besarnya pengaruh daya beli dan indeks pembangunan manusia sebesar 0,204 atau 20,4%.

5.2 Pengujian Asumsi Model Regresi Berganda. Penggunaan Metode Ordinary Least Square (OLS) dapat dilakukan apabila asumsi regresi linear klasik terpenuhi. Beberapa asumsi yang yang harus dipenuhi oleh persamaan regresi linear multivariat ini adalah sebagai berikut: 1. Normalitas Model regresi linear klasik mengasumsikan bahwa tiap sisaan mengikuti distribusi normal, εi ~ N(0,σ2). Tolak Ho jika P-value < α, 0,341 > 0,05 maka Ho diterima atau koefisien Jarque-Bera 708,4 > 0,05 jadi koefisien residual berdistribusi normal. 2. Non Autocorelation Antar residual tidak ada korelasi yang berarti, cov (εi ,εj ) = 0, dimana i ke j. Berdasarkan ketentuan interval koefisien (Markridakis,1983) dapat disimpulkan bahwa nilai DW sebesar 1,990 berada pada selang interval 1.65<DW<2.35 Non Autocorelation. 3. Homoskedastisitas, var (εi) = σ2 untuk setiap i, i= 1,2,…,n yang artinya varians dari semua sisaan adalah konstan atau homoskedastik. Berdasarkan ketentuan Ho diterima, jika LM<9,2. Nilai LM sebesar 9,1 lebih kecil dari 9,2. Ho diterima. 4. Non Multicolinearity. Tidak terdapat hubungan linear yang sempurna atau pasti diantara variabel. Nilai VIF yang dihasilkan dari regresi yaitu di bawah 10 sedangkan nilai tolerance yang dihasilkan yaitu di atas 0,10. Nilai UHH Tolerance 0,335 VIF 2,985, AMH Tolerance 0,530 VIF 1,886, RLS Tolerance 0,229 VIF 4,369 dan PPP Tolerance 0,668 VIF 1,497. Menunjukkan tidak terjadi korelasi yang sangat tinggi antar variabel independent atau Non Multicolinearity dalam penelitian model persamaan ini.

Gujarati (1999) menyatakan bahwa apabila asumsi-asumsi regresi klasik tersebut terpenuhi menjadikan teknik analisis dengan metode kuadrat terkecil biasa (OLS) menghasilkan penaksiran tak bias linier terbaik (BLUE/ Best Liniear Unbiased Estimator).

5.3 Analisis Jalur (Path Analysis) Berdasarkan Gambar 4.6 Diagram Jalur Indeks Pembangunan Manusia (IPM). Model diagram satu jalur berdasarkan hubungan antar variabel dependent yaitu Indeks Pembangunan Manusia (IPM) dan independent yaitu Umur Harapan Hidup (UHH), Angka Melek Huruf (AMH), Rata-rata Lama Sekolah (RLS) dan Daya Beli (PPP). Dengan menggunakan Software Lisrel 8.7 kesimpulan analisis koefisien korelasi sebagi berikut: 1. Korelasi antar Umur Harapan Hidup dan Angka Melek Huruf Berdasarkan perhitungan diperoleh angka korelasi antara variabel Umur Harapan Hidup dan Angka Melek Huruf sebesar 0,444 mempunyai arti yaitu tedapat hubungan variabel UHH dan AMH rendah dan searah (hasilnya positif). Searah artinya jika UHH dan AMH juga hubungan rendah. Kolerasi dua variabel bersifat signifikan karena angka signifikasi sebesar 0,000<0,05. Jika Angka signifikasi (sig) < 0,05 maka hubungan kedua variabel signifikan. 2. Korelasi antar Umur Harapan Hidup dan Rata-rata Lama Sekolah Berdasarkan perhitungan diperoleh angka korelasi antara variabel Umur Harapan Hidup dan Rata-rata Lama Sekolah sebesar 0,800 mempunyai arti yaitu tedapat hubungan variabel UHH dan RLS kuat dan searah (hasilnya positif). Searah artinya jika UHH dan RLS juga hubungan tinggi. Kolerasi dua variabel bersifat signifikan karena angka signifikasi sebesar 0,000<0,05 maka hubungan kedua variabel signifikan. 3. Korelasi antar Umur Harapan Hidup dan Daya Beli Berdasarkan perhitungan diperoleh angka korelasi antara variabel Umur Harapan Hidup dan Daya Beli sebesar 0,535 mempunyai arti yaitu tedapat hubungan variabel UHH dan PPP sedang dan searah (hasilnya positif). Searah artinya jika UHH dan PPP juga hubungan cukup. Kolerasi dua variabel bersifat signifikan karena angka signifikasi sebesar 0,003<0,05 maka hubungan kedua variabel signifikan.

4. Korelasi antar Angka Melek Huruf dan Rata-rata Lama Sekolah Berdasarkan perhitungan diperoleh angka korelasi antara variabel Umur Harapan Hidup dan Rata-rata Lama Sekolah sebesar 0,660 mempunyai arti yaitu tedapat hubungan variabel UHH dan RLS kuat dan searah (hasilnya positif). Searah artinya jika UHH dan RLS juga hubungan tinggi. Kolerasi dua variabel bersifat signifikan karena angka signifikasi sebesar 0,000<0,05 maka hubungan kedua variabel signifikan. 5. Korelasi antar Angka Melek Huruf dan Daya Beli Berdasarkan perhitungan diperoleh angka korelasi antara variabel Umur Harapan Hidup dan Daya Beli sebesar 0,222 mempunyai arti yaitu tedapat hubungan variabel UHH dan PPP rendah dan searah (hasilnya positif). Searah artinya jika UHH dan PPP juga hubungan rendah. Kolerasi dua variabel bersifat tidak signifikan karena angka signifikasi sebesar 0,051>0,05 maka hubungan kedua variabel tidak signifikan. 6. Korelasi antar Rata-rata Lama Sekolah dan Daya Beli Berdasarkan perhitungan diperoleh angka korelasi antara variabel Ratarata Lama Sekolah dan Daya Beli sebesar 0,527 mempunyai arti yaitu tedapat hubungan variabel UHH dan PPP kuat dan searah (hasilnya positif). Searah artinya jika UHH dan PPP juga hubungan tinggi. Kolerasi dua variabel bersifat signifikan karena angka signifikasi sebesar 0,000<0,05 maka hubungan kedua variabel signifikan.

Bab 6 Kesimpulan dan Saran

6.1 Kesimpulan Berdasarkan hasil pembahasan penelitian yang telah dilakukan sebelumnya, maka diperoleh kesimpulan sebagai berikut: 1. Variabel Umur Harapan Hidup (UHH) teruji signifikan berpengaruh terhadap Indeks Pembangunan Manusia (IPM) dalam sektor kesehatan. Hubungan antara UHH (X1), AMH (X2), RLS (X3) dan PPP (X4) terhadap IPM (Y). Dapat dijelaskan model persamaan regresi sebagai berikut:

Y  0,057  0.330 x1  0.222 x2  0.112 x3  0.335 x4
2. Besarnya pengaruh dimensi kesehatan yang diwakili Umur Harapan Hidup (UHH) dan Indeks Pembangunan Manusia (IPM) sebesar 0,360 atau 36,0%. Dengan IPM 2008 sebesar 71,12 selisih 8,88 untuk mencapai IPM Jawa Barat 80 perlu waktu 27 kenaikan upaya peningkatan dari sektor kesehatan.

6.2 Saran Berdasarkan hasil kesimpulan yang telah dijelaskan sebelumnya, penulis mengemukakan beberapa saran sebagai berikut: 1. Untuk penelitian selanjutnya agar menggunakan wilayah provinsi yang berbeda sebagai pembanding Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat. 2. Pada analisis jalur didapat grafik model struktural berfungsi untuk menyelidiki pengaruh langsung dan tidak langsung sehingga

mempermudah penyelidikan pengaruh dimensi kesehatan terhadap Indeks Pembangunan Manusia (IPM) Provinsi Jawa Barat.

DAFTAR PUSTAKA

Sudjana. (1996) Teknik Analisis Regresi Dan Korelasi. Tarsito: Bandung. Wijaya, Tony. (2010) Analisis Multivariat. Universitas Atma Jaya: Yogyakarta Sarwono, Jonathan.(2007) Analisis Jalur Untuk Riset Bisnis Dengan SPSS. Yogyakarta: Penerbit ANDI. Pujiati, S.A. Analisis Regresi Linier Berganda Untuk Mengetahui Hubungan Antara Beberapa Aktifitas Promosi dengan Penjualan Produk. FMIPA ITS : Pasca Sarjana Jurusan Statistika. Purnomo, Joko Pengaruh kepemimpinan, motivasi, dan Lingkungan Kerja Terhadap Kinerja Pegawai Negri Sipil pada Dinas Kehutanan dan Perkebunan Kabupaten Jepara. Syafei H.M. Pribadi, Maulana Erwin Analisis Pengaruh Motivasi Kerja Dan Faktor Kognisi Pekerja Terhadap Kemampuan Kerja Serta Dampaknya Terhadap Performansi Kerja (Studi Kasus Di PT. Sanken IndonesiaBekasi) Jurusan Teknik Industri Fakultas Teknik Universitas Pasundan.

Dokumen : Dinas Kesehatan Provinsi Jawa Barat (2008). Profil Kesehatan Provinsi Jawa Barat Tahun 2008. Bandung: Dinas Kesehatan Provinsi Jawa Barat. Indeks Pembangunan Manusia Kabupaten Way kanan (2008). Human development Index of Way Kanan Regency. Lampung: Badan Perencanaan Daerah Kabupaten Way Kanan Dan BPS Kabupaten Way Kanan. www.youngstatistician.com milist: Stis44@yahoo.com http://www.google.com. http://www.diskes.javarprov.go.id

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->