Dampak Fenomena Covid 19 Terhadap

Angka Harapan Hidup di Indonesia tahun

2020

Ananda Kurnia Fitri - 5553180044

 Data yang digunakan
Provinsi LE (Tahun) Ln_ACTIVE Ln_DEATH Ln_RECOVER Ln_POSITIVE
ACEH 69.975 7.12 5.88 8.88 9.08
BALI 72.155 7.02 6.27 9.70 9.80
BANTEN 70.005 8.97 6.07 9.26 9.84
BENGKULU 69.37 6.64 4.76 7.96 8.23
DI YOGYAKARTA 75.025 8.26 5.66 9.07 9.46
DKI JAKARTA 72.95 9.65 8.11 12.05 12.15
GORONTALO 68.115 5.92 4.64 8.13 8.26
JAMBI 71.17 6.61 4.03 7.83 8.11
JAWA BARAT 73.15 9.42 7.07 11.21 11.38
JAWA TENGAH 74.405 10.10 8.23 10.94 11.34
JAWA TIMUR 71.345 8.70 8.70 11.22 11.37
KALIMANTAN BARAT 70.735 5.63 3.30 7.96 8.06
KALIMANTAN SELATAN 68.69 6.81 6.38 9.55 9.65
KALIMANTAN TENGAH 69.75 7.53 5.61 8.97 9.21
KALIMANTAN TIMUR 74.375 8.24 6.64 10.06 10.24
KALIMANTAN UTARA 72.535 7.29 4.09 7.81 8.29
KEP. BANGKA BELITUNG 70.68 6.48 3.58 7.52 7.84
KEP. RIAU 69.99 6.51 5.15 8.73 8.86
 Data yang digunakan
Provinsi LE (Tahun) Ln_ACTIVE Ln_DEATH Ln_RECOVER Ln_POSITIVE
LAMPUNG 70.695 7.44 5.63 8.43 8.79
MALUKU 66.025 7.03 4.39 8.43 8.66
MALUKU UTARA 68.375 5.82 4.50 7.77 7.93
NUSA TENGGARA BARAT 66.51 6.82 5.63 8.44 8.67
NUSA TENGGARA TIMUR 67.055 6.82 3.97 7.14 7.71
PAPUA 65.835 8.63 5.00 8.93 9.49
PAPUA BARAT 66.05 5.97 4.62 8.62 8.70
RIAU 71.65 7.03 6.39 10.07 10.14
SULAWESI BARAT 65.11 5.94 3.58 7.36 7.59
SULAWESI SELATAN 70.62 8.12 6.41 10.25 10.40
SULAWESI TENGAH 68.745 7.38 4.72 7.62 8.23
SULAWESI TENGGARA 71.34 6.75 5.03 8.86 8.99
SULAWESI UTARA 71.745 8.07 5.77 8.89 9.20
SUMATERA BARAT 69.52 7.85 6.23 9.93 10.07
SUMATERA SELATAN 69.93 7.38 6.42 9.19 9.39
SUMATERA UTARA 69.15 7.63 6.53 9.66 9.82

Sumber Data :
Data LE (angka harapan hidup) bersumber dari publikasi BPS
Data Active, Death, Recover , Positive karena covid -19bersumber dari SATGAS Covid-19
 Model dan Variabel

Dimana :
1. LE : Life Expectancy
2. Active : Kasus Orang yang masih sakit karena Covid-19
3. Death : Kasus Meninggal Karena Covid-19
4. Recover : Sembuh dari Positif Covid-19
5. Positive : Kasus Poitif Covid-19, Baik yang Sembuh, Meninggal dan Aktif
Dependent Variable: LE
Method: Least Squares
Date: 05/27/21 Time: 16:15
MENCARI
Sample: 1 34
Included observations: 34 PERSAMAAN
Variable
C
Coefficient
64.04399
Std. Error
6.453749
t-Statistic
9.923534
Prob.
0.0000
MODEL
LN_ACTIVE 2.480855 1.641478 1.511354 0.1415
Fungsi :
LN_DEATH -0.010122 0.825146 -0.012267 0.9903
LN_RECOVER 8.171127 6.505060 1.256119 0.2191
Y = f (X1, X2, X3, X4, )
LN_POSITIVE -9.273248 8.135017 -1.139917 0.2636 LEi = f ( ACTIVEi ,DEATHi, ,RECOVERi, POSITIVEi,)
R-squared 0.352643 Mean dependent var 70.08162
Adjusted R-squared 0.263352 S.D. dependent var 2.524388
Persamaan Regresi
S.E. of regression 2.166636 Akaike info criterion 4.519282
Sum squared resid 136.1351 Schwarz criterion 4.743747
Log likelihood -71.82779 Hannan-Quinn criter. 4.595831
F-statistic 3.949381 Durbin-Watson stat 1.791556
Prob(F-statistic) 0.011165
 Interpretasi
•Koefisien / β0 = 64.0439, artinya ketika nilai variabel Active, Death, Recover, Positif
karena Covid-19 sama dengan nol maka Angka Harapan Hidup sebesar 64.043
Tahun

•Jumlah kasus aktif terhadap angka harapan hidup, jika jumlah kasus aktif meningkat
sebesar 1% maka Angka harapan hidup akan meningkat juga sebesar 2.480 Tahun.

•Jumlah kasus meninggal terhadap angka harapan hidup, jika jumlah kasus meninggal
meningkat sebesar 1% maka Angka harapan hidup akan menurun sebesar 0.010
Tahun.

•Jumlah kasus sembuh terhadap angka harapan hidup, jika jumlah kasus sembuh
meningkat sebesar 1% maka Angka harapan hidup akan meningkat juga sebesar
8.171 Tahun.

•Jumlah kasus positif terhadap angka harapan hidup, jika jumlah kasus positif
meningkat sebesar 1% maka Angka harapan hidup akan menurun juga sebesar
9.273 Tahun.
 Uji Normalitas

Untuk menentukan data normal atau tidaknya dapat dilakukan dengan 2 kriteria yaitu :
1. Chi square > JB = maka data terdistribusi normal atau Chi square < JB maka data tidak terdistribusi
normal. Diketahui nilai Chi square (43.77297) > JB (0.253053) Artinya berdasarkan kriteria pertama uji normalitas
dikatakan data terdistribusi normal pada model regresi berganda.
2. Prob. JB > Prob. Taraf nyata = maka data terdistribusi normal atau Prob. JB < Prob. Taraf nyata = maka
data tidak terdistribusi normal. Diketahui nilai prob. (0.881151) > (0.05) artinya data terdistribusi normal pada
model regresi berganda.
Multikolinearitas
Variance Inflation Factors
Date: 05/27/21 Time: 16:17
Sample: 1 34
Included observations: 34

Coefficient Uncentered Centered

Variable Variance VIF VIF

C 41.65087 301.6691 NA
LN_ACTIVE 2.694450 1092.508 23.85113
LN_DEATH 0.680866 160.8770 8.465087
LN_RECOVER 42.31580 25319.14 428.9211
LN_POSITIVE 66.17850 41747.25 617.8113

Pada bagian Centered VIF, nilai dari masing-masing variabel bebas < 10, artinya model
regresi terbebas dari multikolinearitas. Sedangkan pada hasil output menyatakan
bahwa Centered VIF > 0.10 artinya data mengandung Multikolinearitas
 Multikolinearitas

LN_ACTIVE LN_DEATH LN_RECOVER LN_POSITIVE

LN_ACTIVE 1.000000 0.780038 0.771885 0.842029

LN_DEATH 0.780038 1.000000 0.931055 0.938218
LN_RECOVER 0.771885 0.931055 1.000000 0.991899
LN_POSITIVE 0.842029 0.938218 0.991899 1.000000

Untuk mendeteksi apakah model regresi linier mengalami multikolinearitas dapat

diperiksa menggunakan Coefficient Correlations untuk masing-masing Variabel
Independen, dengan syarat apabila Variabel Independen mempunyai nilai Coefficient
Correlations > 0,80 berarti telah terjadi multikolinearitas. Dan dapat dilihat dari output
bahwa Variabel tertentu memiliki korelasi atau hubungan yang melebihi 0,80 yang artinya
terjadi Multikolinearitas.
 Heteroskedastisitas
Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 2.531970 Prob. F(4,29) 0.0618

Obs*R-squared 8.800577 Prob. Chi-Square(4) 0.0663
Scaled explained SS 5.734120 Prob. Chi-Square(4) 0.2199

•Apabila nilai probilitas p-value (Chi-Square) < dari α (5%) maka terdapat Heteroskedastisitas
•Apabila nilai probilitas p-value (Chi-Square) > dari α (5%) maka tidak terdapat
Heteroskedastisitas.

Dan dapat dilihat dari output hasil pengujian di bawah nilai Obs*R-squared 8.800577 dan nilai
Prob.Chi-Square 0.0663 > (0,05) artinya tidak terdapat Heteroskedastisitas.
 Autokorelasi
Untuk menguji Autokorelasi dapat dilihat dari nilai Durbin Waston (DW), yaitu jika
nilai DW terletak antara du dan (4 – dU) atau du ≤ DW ≤ (4 – dU) berarti bebas
dari Autokorelasi, sebaliknya jika nilai DW < dL atau DW > (4 – dL) berarti
terdapat Autokorelasi. Nilai dL dan dU dapat dilihat pada tabel Durbin Waston,
yaitu nilai dL ; dU ; α ; n ; (k – 1). Keterangan: n adalah jumlah sampel, k adalah
jumlah variabel, dan α adalah taraf signifikan. Langkah untuk mengetahui adanya
autokorelasi dengan uji nilai Durbin Watson sebagai berikut:

❑Mencari nilai tabel Durbin Watson pada α = 5%; n = 34; k = 4 adalah dL = 1,2078
dan dU = 1.7277. (berdasarkan tabel DW).
❑Hasil pengolahan data regresi (equation) menunjukkan nilai Durbin Watson sebesar
1.7915 dan nilai tersebut berada di antara dU dan (4 – dU) sebagai berikut: DU <
DW < 4-DU atau 1.7277 < 1.79151 < 2.2723 . Maka dapat disimpulkan bahwa
dalam regresi linier tersebut terbebas dari autokorelasi.
 Uji t (Pengaruh secara parsial)
Adapun Kriteria Uji t, sebagai berikut:
•Jika nilai t statistik > t tabel atau –t statistik < -t tabel dengan probabilitas < α (0,05) maka H0 ditolak,
artinya secara parsial variabel bebas berpengaruh signifikan terhadap variabel terikat.
•Jika nilai t statistik < t tabel atau –t statistik > -t tabel dengan probabilitas > α (0,05) maka H1 ditolak, artinya
secara parsial variabel bebas tidak berpengaruh secara signifikan terhadap variabel terikat

•T tabel : 2.359562
•Active, t statistik (1.511354) < t tabel (2.359562) dengan nilai probabilitas < α (0.025) maka H1 ditolak, artinya secara
parsial variabel Angka Harapan Hidup tidak berpengaruh signifikan terhadap variabel Active Covid-19 di Indonesia
pada tahun 2020.
•Death, -t statistik (-0.012267) > -t tabel (-2.359562) dengan nilai probabilitas < α (0.025) maka H1 ditolak, artinya
secara parsial variabel Angka Harapan Hidup tidak berpengaruh signifikan terhadap variabel Death karena covid-19
di Indonesia pada tahun 2020.
•Recover, t statistik (1.256119) < t tabel (2.359562) dengan nilai probabilitas < α (0.025) maka H1 ditolak, artinya
secara parsial variabel Angka Harapan Hidup tidak berpengaruh signifikan terhadap variabel Recover dari positif
covid-19 di Indonesia pada tahun 2020.
•Positive, -t statistik (-1.139917) > -t tabel (-2.359562) dengan nilai probabilitas < α (0.025) maka H1 ditolak, artinya
secara parsial variabel Angka Harapan Hidup tidak berpengaruh signifikan terhadap variabel positive covid-19 di
Indonesia pada tahun 2020.
 Uji f (Pengaruh secara simultan)

Nilai F statistik > F tabel dengan Probabilitas < α (0,05) maka H0

ditolak, (3.949381) > (2.922277) maka tolak H0, artinya secara
simultan variabel Active, Death, Recover dan Positive berpengaruh
signifikan terhadap Angka Harapan Hidup di Indonesia pada tahun
2020.
 Determinasi dan Korelasi
Determinasi ( R2) = 0.352643
Dapat dilihat pada output regresi sederhana yang diolah menggunakan
eviews, bahwa nilai R-squared sebesar 0.352643 Nilai tersebut menggambarkan
pengaruh antara Variabel Independen (Active, Death, Recover dan Positive)
terhadap naik turunnya atau variasi Variabel Dependen (Angka Harapan Hidup)
adalah sebesar 35.26% dan sisanya sebesar 64.74% merupakan sumbangan dari
variabel lain yang tidak dimasukkan dalam model.

Kolerasi (R) = 0.164699

Korelasi pada nilai r (Adjusted R-squared) sebesar 0.263352 atau 26%
artinya hubungan antara Variabel Independen dengan Variabel Dependen dalam
penelitian tersebut dapat dikatakan mempunyai hubungan yang lemah atau tidak
kuat karena jauh dari angka 100%.
 Kesimpulan
•Koefisien / β0 = 64.0439, artinya ketika nilai variabel Active, Death, Recover, Positif karena
Covid-19 sama dengan nol maka Angka Harapan Hidup sebesar 64.043 Tahun

•Jika jumlah kasus aktif meningkat sebesar 1% maka Angka harapan hidup akan meningkat
juga sebesar 2.480 Tahun.

•Jika jumlah kasus meninggal meningkat sebesar 1% maka Angka harapan hidup akan
menurun sebesar 0.010 Tahun.

•Jika jumlah kasus sembuh meningkat sebesar 1% maka Angka harapan hidup akan
meningkat juga sebesar 8.171 Tahun.

•Jika jumlah kasus positif meningkat sebesar 1% maka Angka harapan hidup akan menurun
juga sebesar 9.273 Tahun.