TUSI SUSILAWATI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Metode Alterntif untuk
Menghitung Indeks Pembangunan Manusia adalah benar karya saya dengan
arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada
perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya
yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam
teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, September 2014
Tusi Susilawati
NIM G14100037
ABSTRAK
TUSI SUSILAWATI. Metode Alternatif untuk Menghitung Indeks Pembangunan
Manusia di Indonesia. Dibimbing oleh MOHAMMAD MASJKUR dan BAGUS
SARTONO.
ABSTRACT
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi :Metode Alternatif untuk Menghitung Indeks Pembangunan
Manusia di Indonesia
Nama : Tusi Susilawati
NIM : G14100037
Disetujui oleh
Diketahui oleh
Tanggal Lulus:
PRAKATA
Segala puji bagi Allah sang pencipta alam yang telah memberikan karunia-
Nya kepada penulis untuk bisa menyelesaikan karya ilmiah ini. Topik yang
diangkat pada karya ilmiah ini adalah metode peringkat dengan judul Metode
Alternitaif untuk Menghitung Indeks Pembangunan Manusia di Indonesia.
Terima kasih penulis sampaikan kepada Bapak Ir M Masjkur, MS dan
Bapak Dr Bagus Sartono, MSi selaku pembimbing. Ungkapan terima kasih juga
penulis sampaikan kepada keluarga dan seluruh pihak yang membantu kelancaran
penyelesaian karya ilmiah ini. Semoga karya ini dapat bermanfaat.
Tusi Susilawati
DAFTAR ISI
1 Nilai p uji nilai tengah dua populasi data berpasangan padanilai rataan
mutlak perbedaan peringkat IPM TOPSIS dengan peringkat IPM
UNDP pada setiap pasang tipe normalisasi 8
2 Ragam tahunan setiap dimensi penyusun IPM TOPSIS (setelah
normalisasi dan pembobotan) 8
3 Statistika deskriptif korelasi 9 tahun antara IPM masing-masing
perhitungan dengan indikator penyusunnya 9
4 Nilai rataan mutlak perbedaan peringkat metode UNDP dengan dua
metode alternatif 10
5 Nilai maksimum, minimum,jangkauan dan ragam IPM TOPSIS 12
DAFTAR GAMBAR
DAFTAR LAMPIRAN
Latar Belakang
(VIKOR) yang fokus pada pemeringkatan dan pemilihan set alternatif dengan
adanya kriteria bertentangan (Tzeng & Huang 2011). Penelitian ini bermaksud
mengkaji metode alternatif dalam menghitung Indeks Pembangunan Manusia
dengan prosedur TOPSIS dan VIKOR.
Tujuan Penelitian
TINJAUAN PUSTAKA
Keterangan:
X1 =Angka harapan hidup (AHH)
X21 =Angka melek huruf (AMH)
X22 =Rata-rata lama sekolah (MYS)
X3 =Purchasing power parity (PPP)
=Daerah ke-i dari indikator ke-j
=Nilai minimum dari indikator tertentu yang dicapai oleh generasi
sebelumnya
= Nilai maksimum dari indikator tertentu yang harus dicapai oleh
generasi selanjutnya.
3
TOPSIS
Metode TOPSIS pertama kali diperkenalkan oleh Hwang dan Yoon pada
tahun 1981. Beberapa istilah yang digunakan dalam TOPSIS adalah sebagai
berikut [Olson (2004), Kabir & Hasin (2012)]:
1. Benefit criteria adalah kriteria yang nilainya lebih tinggi menunjukkan hal
yang lebih baik.
2. Cost criteria adalah kriteria yang nilainya lebih rendah menunjukkan hal
yang lebih baik.
3. Solusi ideal positif adalah solusi yang memaksimumkan benefit criteria dan
meminimumkan cost criteria.
4. Solusi ideal negatif adalah solusi yang meminimumkan benefit criteria dan
memaksimumkancost criteria.
5. Kriteria adalah peubah-peubah yang ditentukan peneliti untuk mengevaluasi
suatu alternatif.
6. Alternatif adalah pilihan yang dipilih atau pengamatan yang diperingkatkan.
7. Pembobot kriteria adalahukuran yang menunjukkan tingkat
kepentingan/preferensi pada masing-masing kriteria.
8. Normalisasi adalah proses yang dapat membuat nilai-nilai pada setiap kriteria
dapat dibandingkan.
Selain memilih alternatif yang memiliki jarak terpendek dengan solusi ideal
positif, TOPSIS juga memilih jarak terjauh dari solusi ideal negatif(Tzeng dan
Huang 2011).Beberapa kelebihan lain TOPSIS adalah metode yang sederhana dan
intuitif, memungkinkan hasil yang konsisten dan sistematis serta hanya sedikit
memasukan unsur subjektif yaitu dalam menentukan pembobot.TOPSIS cukup
objektif digunakan untuk membuat peringkatIPM (Zeineldin & Khater 2013).
Langkah-langkah yang dilakukan pada TOPSIS yaitu:
1. Menenentukanmatriks keputusan berukuran m n dengan m adalah jumlah
altenatif dann jumlah kriteria.
2. Membuat normalisasi dari matriks keputusan. Formula berikut digunakan
untuk normalisasi setiap peubah xi pada matriks keputusan dengan rij sebagai
hasil normalisasi:
√∑ , untuk xij;i , ,…, , ,…,
3. Menentukan pembobot untuk matriks normalisasi untuk i , ,…,
m dan j , , …, g adalah pembobot untuk kriteria ke-j.
4. Menentukan solusi ideal positif dan solusi ideal negatif.
* , , …, + menunjukkan solusi ideal positif dimana
2 ( ) ( ) -
3, - 2 - , - , …, - 3menunjukkan
solusi ideal negatif dimana - 2 ( ) ( ) -
3. J
menunjukkan benefit criteriadan menunjukkan cost criteria.
5. Menghitung jarak untuk semua peubah dengan solusi ideal positif dan solusi
ideal negatif. Jarak dari solusi ideal positif adalah 0∑( - ) 1 , i= 1,
,…, . erupa dengan sebelumnya, jarak dari solusi ideal negatif adalah
-
[∑. -
- /] , , ,…, .
4
-
, karena dan -
maka , , -
7. Menentukan peringkat dari perhitungan pada langkah sebelumnya.
VIKOR
, {∑[ ( )( )] } , , ,…,
∑ | || |,
| |
{ , ,…, }
| |
dimana pembobot kriteria yang menunjukkan kepentingan relatif kriteria
yang bersangkutan.
3. Hitung nilai , , ,…, dengan rumus:
( ) ( )( )
, , ,…,
Dengan:
= min( ) atau menunjukkan jarak sebesar nol dengan solusi
ideal positif
-
= maks( ) atau - menunjukkan solusi ideal negatif
= min( ) atau menunjukkan jarak sebesar nol dengan solusi
ideal positif
-
= maks( ) atau - menunjukkan solusi ideal negatif.
v = bobot untuk jarak Manhattan.
5
METODE
Data
Penelitian ini menggunakan data sekunder yang bersumber dari Badan Pusat
Statistik (BPS) Indonesia dari tahun 2004 hingga 2012. Peubah yang digunakan
adalah angka harapan hidup (AHH), angka melek huruf (AMH), rata-rata lama
sekolah (MYS),purchasing power parity (PPP), dan Indeks Pembangunan
Manusia.
Metode
nilai tengah menunjukkan peringkat IPM TOPSIS ketiga tipe normalisasi tidak
menghasilkan Rataan mutlak perbedaan yang berbeda secara signifikan pada taraf
nyata 5% maupun 10%. Bentuk normalisasi ini sesuai dengan TOPSIS yang
diperkenalkan Hwang dan Yoon pada tahun 1981 (Tzeng dan Huang 2011).
Metode perhitungan jarak antar objek dengan nilai solusi ideal positif dan
solusi ideal negatif mempengaruhi kekonsistenan IPM TOPSIS. Jarak Euclid tidak
mampu menghasilkan IPM yang konsisten karena tidak menyeragamkan ragam
2004 2005 2006
80 80 80
75 75 75
70 70 70
65 65 65
60 60 60
0 10 20 30 40 0 10 20 30 40 0 10 20 30 40
80 80 80
75 75 75
70 70 70
65 65 65
60 60 60
0 10 20 30 40 0 10 20 30 40 0 10 20 30 40
80 80 80
75 75 75
70 70 70
65 65 65
60 60 60
0 10 20 30 40 0 10 20 30 40 0 10 20 30 40
Tabel 1 Nilai p uji nilai tengah dua populasi data berpasangan padanilai
rataan mutlak perbedaan peringkat IPM TOPSIS dengan peringkat
IPM UNDP pada setiap pasang tipe normalisasi
Ragam
Tahun Pendidikan (angka melek Ekonomi
Kesehatan (angka
huruf dan rata-rata lama (kemampuan daya
harapan hidup)
sekolah) beli)
2004 0,0000515 0,0001331 0,0000223
2005 0,0001446 0,0002214 0,0001170
2006 0,0001439 0,0002187 0,0001169
2007 0,0000500 0,0001266 0,0000219
2008 0,0000497 0,0001253 0,0000219
2009 0,0000495 0,0001241 0,0000220
2010 0,0000492 0,0001221 0,0000221
2011 0,0000490 0,0001211 0,0000221
2012 0,0000488 0,0001196 0,0000222
Nilai IPM hasil UNDP, TOPSIS dan VIKOR terdapat pada Lampiran 2,
sedangkan peringkatnya terdapat pada Lampiran 3. Perbedaan IPM hasil TOPSIS,
VIKOR, dan UNDP terlihat dari statistika deskriptif korelasi tahunan antara IPM
yang dihasilkan dengan indikator penyusunnya. Nilai-nilai tersebut ditampilkan
pada Tabel 3. Nilai maksimum dan minimum korelasi yang lebih besar pada
TOPSIS dibandingkan dengan UNDP terdapat pada dua indikator penyusun IPM
yaitu pada angka harapan hidup dan purchasing power parity, sedangkanIPM
UNDP lebih besar pada angka melek huruf dan rata-rata lama sekolah. Nilai
maksimum dan minimum korelasi yang lebih besar pada VIKOR dibandingkan
dengan UNDP hanya terdapat pada indikator purchasing power parity,
sedangkanIPM UNDP lebih besar pada angka harapan hidup, angka melek huruf,
dan rata-rata lama sekolah. Maksimum dan minimum korelasi tersebut
menunjukkan metode TOPSIS dan UNDP cukup seimbang sedangkan metode
VIKOR lebih buruk dibandingkan dengan metode UNDP. Jangkauan dan ragam
nilai korelasi yang dihasilkan TOPSIS lebih kecil pada tiga indikator yaitu angka
harapan hidup, angka melek huruf, dan rata-rata lama sekolah dibandingkan
dengan UNDP. Semakin kecil nilai jangkauan dan ragam menunjukkan nilai yang
semakin baik karena metode yang bersangkutan menghasilkan korelasi-korelasi
yang lebih homogen. Metode UNDP hanya unggul pada indikator purchasing
9
power parityyaitu sebesar 0.089 pada jangkauan dan 0.00094 pada ragam,
sedangkan TOPSIS memiliki nilai sebesar 0.108 pada jangkauan dan 0.00124
pada ragam. TOPSIS unggul pada tiga indikator lainnya menunjukkan metode
TOPSIS lebih baik dilihat dari kehomogenan jangkauan dan ragam korelasi-
korelasi nilai IPM yang dihasilkan dengan indikator-indikator penyusunnya pada
9 tahun pengamatan. Metode VIKOR relatif seimbang dibandingkan dengan
metode UNDP dilihat dari jangkauan dan ragam. Jangkauan dan ragam nilai
korelasi yang dihasilkan VIKOR unggul pada dua indikator yaitu angka melek
huruf dan rata-rata lama sekolah dibandingkan dengan UNDP, sedangkan UNDP
unggul pada dua indikator lainnya.
Tabel 4 Nilai rataan mutlak perbedaan peringkat metode UNDP dengan dua
metode alternatif
ACEH
PAPUA 80 SUMUT
P. BARAT SUMBAR
MALUT RIAU
MALUKU 75 JAMBI
SULBAR SUMSEL 2004
70
GORONTALO BENGKULU 2005
SULTRA 65 LAMPUNG 2006
2007
SULSEL KEP. BABEL
60 2008
SULTENG KEP. RIAU 2009
SULUT JAKARTA 2010
KALTIM JABAR 2011
KALSEL JATENG 2012
KALTENG DIY
KALBAR JATIM
NTTNTB BALIBANTEN
Nilai IPM yang dieksplorasi adalah nilai IPM hasil TOPSIS karena metode
TOPSIS relatif lebih baik dibandingkan dengan metode VIKOR. Gambar 2
memperlihatkan eksplorasi Indeks Pembangunan Manusia yang dihitung
menggunakan metode TOPSIS. Nilai IPM selalu meningkat setiap tahun terihat
pada semakin melebarnya luas daerah dalam gambar. Hal ini menunjukkan bahwa
semakin lama tingkat kesejahteraan suatu wilayah semakin tinggi bila diukur
dengan Indeks Pembangunan Manusia karena adanya kecenderungan peningkatan
indikator-indikator penyusun IPM setiap tahunnya. Meningkatnya fasilitas
11
ACEH
PAPUA 35 SUMUT
P. BARAT SUMBAR
MALUT 30 RIAU
MALUKU 25 JAMBI
SULBAR SUMSEL 2004
20
GORONTALO 15 BENGKULU 2005
10 2006
SULTRA LAMPUNG
5 2007
SULSEL 0 KEP. BABEL
2008
SULTENG KEP. RIAU 2009
SULUT JAKARTA 2010
KALTIM JABAR 2011
KALSEL JATENG 2012
KALTENG DIY
KALBAR JATIM
NTTNTB BANTEN
BALI
Tahun
Statistik
2004 2005 2006 2007 2008 2009 2010 2011 2012
Maksimum 6.6 7.0 7.2 7.5 8.2 8.6 8.9 9.4 9.9
Minimum 62.0 63.2 63.9 64.7 65.4 66.1 66.6 67.1 67.7
Jangkauan 14.6 13.8 13.3 12.8 12.8 12.5 12.3 12.4 12.2
Ragam 12.5 11.3 10.2 9.8 9.8 9.65 9.5 9.5 9.2
Simpulan
Saran
DAFTAR PUSTAKA
Lampiran 1-a Selang kepercayaan 95% untuk nilai tengah IPM TOPSISpada tiga
tipe normalisasi
Lampiran 1-b Nilai p uji dua nilai tengah data berpasangan pada peringkat IPM
dengan tiga tipe normalisasi
2004 2005
Provinsi
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 71.53 68.82 66.05 71.89 69.22 66.65
Sumut 74.59 72.31 71.64 75.23 72.97 72.22
Sumbar 73.69 71.39 71.14 74.39 72.16 71.83
Riau 75.37 73.05 72.11 76.90 74.61 73.76
Jambi 73.25 70.85 70.85 74.19 71.90 72.08
Sumsel 72.68 70.20 69.67 73.33 70.91 70.24
Bengkulu 73.12 70.91 70.83 74.28 72.11 71.63
Lampung 71.42 69.00 68.55 71.89 69.50 68.83
Kep. Babel 72.92 70.55 71.62 74.00 71.61 72.92
Kep. Riau 73.95 71.70 70.92 75.48 73.28 72.87
DKI Jakarta 78.97 76.59 74.11 79.29 76.95 74.45
Jabar 72.31 70.01 70.51 73.15 70.91 71.41
Jateng 72.09 69.98 70.75 73.02 70.92 71.57
DI Yogyakarta 76.35 74.77 75.30 76.95 75.40 75.77
Jatim 70.03 68.11 69.43 71.68 69.79 71.02
Baten 71.09 68.85 67.46 72.02 69.74 68.51
Bali 72.29 70.39 70.33 72.98 71.15 71.13
NTB 63.74 62.12 60.54 65.67 64.12 62.42
NTT 65.53 63.30 62.96 66.44 64.28 64.05
Kalbar 68.48 66.28 67.34 69.30 67.17 68.11
Kalteng 74.88 72.48 71.72 76.49 74.16 73.61
Kalsel 69.96 67.50 65.48 70.70 68.29 66.27
Kaltim 75.46 73.35 72.63 76.18 74.10 73.16
Sulut 76.50 73.89 72.05 77.39 74.86 73.06
Sulteng 70.37 67.96 67.97 71.58 69.25 69.36
Sulsel 70.95 69.07 69.70 71.25 69.45 70.07
Sultra 69.62 67.39 66.49 70.49 68.28 67.29
Gorontalo 68.19 65.44 64.40 70.53 68.04 68.51
Sulbar 67.37 65.27 66.18 68.90 66.94 68.83
Maluku 71.96 69.28 67.65 72.19 69.54 67.93
Malut 69.19 66.65 65.30 69.81 67.31 65.80
Papua Barat 66.28 64.00 61.51 67.61 65.52 63.85
Papua 63.69 62.01 61.86 64.88 63.16 62.64
16
2008 2009
Provinsi
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 73.80 71.54 69.84 74.42 72.26 70.78
Sumut 76.64 74.64 74.54 77.21 75.28 75.46
Sumbar 76.33 74.31 74.59 76.84 74.90 75.14
Riau 78.54 76.56 76.61 79.11 77.20 77.46
Jambi 75.32 73.20 73.65 75.83 73.79 74.48
Sumsel 75.32 73.08 73.01 75.94 73.79 73.96
Bengkulu 75.43 73.43 73.35 75.85 73.94 73.72
Lampung 73.47 71.30 70.95 74.12 72.02 71.59
Kep. Babel 75.61 73.50 74.14 76.01 73.95 74.46
Kep. Riau 77.62 75.82 76.06 78.04 76.29 76.31
DKI Jakarta 80.32 78.20 75.80 80.67 78.61 76.22
Jabar 74.42 72.29 72.88 74.97 72.90 73.32
Jateng 74.99 72.98 74.20 75.53 73.62 74.84
DI Yogyakarta 78.39 76.91 77.19 78.76 77.30 77.57
Jatim 73.81 71.98 73.66 74.54 72.79 74.23
Baten 72.99 70.84 69.50 73.38 71.24 69.81
Bali 74.29 72.66 72.91 74.89 73.32 73.96
NTB 67.51 65.87 64.17 68.11 66.45 64.72
NTT 69.12 67.03 66.75 69.60 67.57 67.35
Kalbar 71.45 69.45 70.14 72.14 70.18 70.61
Kalteng 77.21 75.04 74.64 77.76 75.69 75.62
Kalsel 72.08 69.78 67.79 72.71 70.44 68.39
Kaltim 77.93 76.06 75.79 78.57 76.75 76.68
Sulut 78.46 76.22 74.86 79.04 76.93 75.87
Sulteng 73.34 71.19 70.92 74.02 71.93 71.47
Sulsel 73.58 71.86 73.12 74.35 72.70 74.13
Sultra 72.12 70.16 69.83 72.69 70.83 70.59
Gorontalo 72.51 70.18 70.59 73.03 70.79 71.10
Sulbar 71.84 70.03 71.25 72.53 70.76 71.76
Maluku 73.42 71.01 69.58 74.07 71.78 70.67
Malut 71.10 68.79 67.17 71.59 69.33 67.78
Papua Barat 70.84 68.60 66.70 71.50 69.36 67.31
Papua 66.96 65.44 65.63 67.56 66.08 66.49
18
2010 2011
Provinsi
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 74.82 72.70 71.14 75.33 73.31 71.95
Sumut 77.62 75.76 75.88 78.13 76.33 76.27
Sumbar 77.20 75.30 75.53 77.73 75.91 76.17
Riau 79.62 77.78 78.26 80.13 78.35 78.86
Jambi 76.13 74.17 74.78 76.74 74.87 75.25
Sumsel 76.30 74.23 74.29 76.82 74.82 75.11
Bengkulu 76.25 74.38 74.14 76.77 74.97 74.86
Lampung 74.62 72.61 72.01 75.18 73.23 72.71
Kep. Babel 76.35 74.35 74.76 76.90 74.96 75.16
Kep. Riau 78.58 76.83 76.62 79.31 77.62 77.03
DKI Jakarta 80.93 78.90 76.51 81.35 79.43 77.18
Jabar 75.66 73.70 73.83 76.14 74.23 74.24
Jateng 75.93 74.10 75.16 76.41 74.63 75.82
DI Yogyakarta 79.32 77.97 78.10 79.91 78.62 78.88
Jatim 75.13 73.42 74.73 75.74 74.06 75.25
Baten 73.83 71.74 70.16 74.34 72.29 70.55
Bali 75.69 74.23 74.69 76.28 74.86 75.42
NTB 68.67 67.00 65.26 69.74 67.99 66.04
NTT 70.27 68.36 67.84 70.82 68.97 68.58
Kalbar 72.52 70.59 70.92 73.08 71.18 71.33
Kalteng 78.07 76.07 76.12 78.54 76.62 76.93
Kalsel 73.36 71.13 69.02 73.92 71.70 69.60
Kaltim 79.07 77.32 77.43 79.77 78.12 78.25
Sulut 79.50 77.50 76.63 80.01 78.11 77.51
Sulteng 74.47 72.44 71.90 75.01 73.03 72.39
Sulsel 75.04 73.53 74.63 75.62 74.14 75.41
Sultra 73.18 71.40 71.06 73.78 72.08 71.96
Gorontalo 73.54 71.39 71.61 74.13 72.04 72.15
Sulbar 73.01 71.26 72.17 73.53 71.82 72.60
Maluku 74.57 72.37 71.36 75.06 72.95 72.11
Malut 72.01 69.79 68.23 72.49 70.34 68.87
Papua Barat 72.08 69.97 67.71 72.61 70.58 68.40
Papua 67.99 66.59 67.05 68.45 67.07 67.65
19
2012
Provinsi
UNDP TOPSIS VIKOR
NAD 75.72 73.79 72.58
Sumut 78.65 76.92 76.67
Sumbar 78.19 76.43 76.61
Riau 80.55 78.81 79.18
Jambi 77.26 75.46 75.66
Sumsel 77.43 75.52 75.94
Bengkulu 77.33 75.61 75.52
Lampung 75.74 73.87 73.49
Kep. Babel 77.36 75.46 75.52
Kep. Riau 79.79 78.14 77.32
DKI Jakarta 81.74 79.92 77.80
Jabar 76.57 74.70 74.62
Jateng 76.88 75.15 76.48
DI Yogyakarta 80.39 79.12 79.61
Jatim 76.44 74.77 75.79
Baten 74.92 72.90 70.99
Bali 76.97 75.60 76.16
NTB 70.44 68.70 66.66
NTT 71.38 69.57 69.26
Kalbar 73.76 71.92 71.82
Kalteng 78.99 77.14 77.62
Kalsel 74.60 72.42 70.23
Kaltim 80.31 78.70 78.97
Sulut 80.47 78.66 78.22
Sulteng 75.59 73.67 72.89
Sulsel 76.22 74.75 75.98
Sultra 74.34 72.71 72.83
Gorontalo 74.66 72.64 72.72
Sulbar 74.19 72.54 73.16
Maluku 75.65 73.62 72.72
Malut 73.04 70.96 69.55
Papua Barat 73.22 71.26 69.01
Papua 68.99 67.69 68.30
20
2004 2005
Provinsi
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 18 21 26 19 23 27
Sumut 7 7 7 8 8 9
Sumbar 9 9 9 9 9 11
Riau 5 5 4 4 4 3
Jambi 10 11 11 11 11 10
Sumsel 13 14 17 13 15 17
Bengkulu 11 10 12 10 10 12
Lampung 19 19 19 20 20 20
Kep. Babel 12 12 8 12 12 7
Kep. Riau 8 8 10 7 7 8
DKI Jakarta 1 1 2 1 1 2
Jabar 14 15 14 14 16 14
Jateng 16 16 13 15 14 13
DI Yogyakarta 3 2 1 3 2 1
Jatim 23 22 18 21 17 16
Baten 20 20 22 18 18 23
Bali 15 13 15 16 13 15
NTB 32 32 33 32 32 33
NTT 31 31 30 31 31 30
Kalbar 27 27 23 28 28 24
Kalteng 6 6 6 5 5 4
Kalsel 24 24 27 24 24 28
Kaltim 4 4 3 6 6 5
Sulut 2 3 5 2 3 6
Sulteng 22 23 20 22 22 19
Sulsel 21 18 16 23 21 18
Sultra 25 25 24 26 25 26
Gorontalo 28 28 29 25 26 22
Sulbar 29 29 25 29 29 21
Maluku 17 17 21 17 19 25
Malut 26 26 28 27 27 29
Papua Barat 30 30 32 30 30 31
Papua 33 33 31 33 33 32
21
2006 2007
Provinsi
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 21 23 27 17 19 25
Sumut 8 8 9 8 8 9
Sumbar 9 9 10 9 9 10
Riau 4 4 3 2 3 2
Jambi 10 11 11 12 12 13
Sumsel 13 13 17 13 13 18
Bengkulu 12 10 12 11 11 16
Lampung 19 19 21 21 20 22
Kep. Babel 11 12 7 10 10 7
Kep. Riau 7 7 5 6 5 3
DKI Jakarta 1 1 2 1 1 4
Jabar 14 16 15 15 16 15
Jateng 15 15 14 14 14 11
DI Yogyakarta 3 2 1 4 2 1
Jatim 18 17 13 18 17 12
Baten 20 20 23 22 23 24
Bali 16 14 16 16 15 14
NTB 32 32 33 32 32 33
NTT 31 31 31 31 31 31
Kalbar 29 28 22 28 28 23
Kalteng 5 6 4 7 7 6
Kalsel 25 24 28 26 27 28
Kaltim 6 5 6 5 6 5
Sulut 2 3 8 3 4 8
Sulteng 23 22 20 23 22 20
Sulsel 22 18 18 20 18 17
Sultra 26 25 26 25 25 27
Gorontalo 24 26 24 24 24 21
Sulbar 28 27 19 27 26 19
Maluku 17 21 25 19 21 26
Malut 27 29 29 29 29 29
Papua Barat 30 30 30 30 30 30
Papua 33 33 32 33 33 32
22
2008 2009
Provinsi
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 18 19 24 18 19 23
Sumut 8 8 9 8 8 8
Sumbar 9 9 8 9 9 9
Riau 2 3 2 2 3 2
Jambi 12 12 13 13 13 11
Sumsel 13 13 16 11 12 15
Bengkulu 11 11 14 12 11 17
Lampung 20 20 20 20 20 20
Kep. Babel 10 10 11 10 10 12
Kep. Riau 6 6 3 6 6 4
DKI Jakarta 1 1 4 1 1 5
Jabar 15 16 18 15 16 18
Jateng 14 14 10 14 14 10
DI Yogyakarta 4 2 1 4 2 1
Jatim 17 17 12 17 17 13
Baten 23 23 27 23 23 27
Bali 16 15 17 16 15 16
NTB 32 32 33 32 32 33
NTT 31 31 30 31 31 30
Kalbar 28 28 23 28 28 25
Kalteng 7 7 7 7 7 7
Kalsel 26 27 28 25 27 28
Kaltim 5 5 5 5 5 3
Sulut 3 4 6 3 4 6
Sulteng 22 21 21 22 21 21
Sulsel 19 18 15 19 18 14
Sultra 25 25 25 26 24 26
Gorontalo 24 24 22 24 25 22
Sulbar 27 26 19 27 26 19
Maluku 21 22 26 21 22 24
Malut 29 29 29 29 30 29
Papua Barat 30 30 31 30 29 31
Papua 33 33 32 33 33 32
23
2010 2011
Provinsi
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 19 19 24 19 19 25
Sumut 8 8 8 8 8 8
Sumbar 9 9 9 9 9 9
Riau 2 3 1 2 3 2
Jambi 13 14 11 13 12 14
Sumsel 11 12 16 11 14 16
Bengkulu 12 10 17 12 10 17
Lampung 20 20 20 20 20 19
Kep. Babel 10 11 12 10 11 15
Kep. Riau 6 6 5 6 6 6
DKI Jakarta 1 1 6 1 1 5
Jabar 16 16 18 16 16 18
Jateng 14 15 10 14 15 10
DI Yogyakarta 4 2 2 4 2 1
Jatim 17 18 13 17 18 13
Baten 23 23 27 23 23 27
Bali 15 13 14 15 13 11
NTB 32 32 33 32 32 33
NTT 31 31 30 31 31 30
Kalbar 28 28 26 28 28 26
Kalteng 7 7 7 7 7 7
Kalsel 25 27 28 25 27 28
Kaltim 5 5 3 5 4 3
Sulut 3 4 4 3 5 4
Sulteng 22 21 21 22 21 21
Sulsel 18 17 15 18 17 12
Sultra 26 24 25 26 24 24
Gorontalo 24 25 22 24 25 22
Sulbar 27 26 19 27 26 20
Maluku 21 22 23 21 22 23
Malut 30 30 29 30 30 29
Papua Barat 29 29 31 29 29 31
Papua 33 33 32 33 33 32
24
2012
Provinsi
UNDP TOPSIS VIKOR
NAD 20 20 19
Sumut 8 8 8
Sumbar 9 9 9
Riau 2 3 2
Jambi 13 14 13
Sumsel 10 12 10
Bengkulu 12 10 12
Lampung 19 19 21
Kep. Babel 11 13 11
Kep. Riau 6 6 6
DKI Jakarta 1 1 1
Jabar 16 18 16
Jateng 15 15 15
DI Yogyakarta 4 2 5
Jatim 17 16 17
Baten 23 23 23
Bali 14 11 14
NTB 32 32 32
NTT 31 31 31
Kalbar 28 28 28
Kalteng 7 7 7
Kalsel 25 27 25
Kaltim 5 4 4
Sulut 3 5 3
Sulteng 22 21 22
Sulsel 18 17 18
Sultra 26 24 26
Gorontalo 24 25 24
Sulbar 27 26 27
Maluku 21 22 20
Malut 30 30 30
Papua Barat 29 29 29
Papua 33 33 33
25
RIWAYAT HIDUP
Penulis lahir di Bogor pada tanggal 12 Januari 1992, putri pertama dari ayah
Suhandi (alm) dan ibu Nursiah. Penulis adalah putri pertama dari tiga bersaudara.
Tahun 2010 penulis lulus dari SMA Negeri 3 Bogor dan lulus seleksi masuk
Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB serta
diterima di Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Alam.
Selama mengikuti perkuliahan, penulis menjadi asisten responsi Metode
Statstika pada tahun ajaran 2011/2012 dan 2012/2013 serta asisten responsi
Analisis Regresi pada tahun ajaran 2012/2013. Penulis juga aktif mengajar mata
kuliah Pengantar Matematika, Kalkulus I, dan Metode Statistika di bimbingan
belajar dan privat mahasiswa Expert. Penulis juga pernah aktif sebagai staf
Departemen Sains dan sekretaris Beta Club Himpro GSB IPB. Bulan Juli-Agustus
2013 penulis melaksanakan Praktik Lapangan di Lingkaran Survei Indonesia
(LSI-Network). Bulan September 2013 penulis meraih Juara III Kompetisi
Statistika Nasional se-Indonesia GSB IPB.