Aplikasi Analisis Jalur Dalam Menganalisis Angka Indeks Pembangunan Manusia (IPM) Di Asahan Tahun 2011

(1)

APLIKASI ANALISIS JALUR DALAM MENGANALISIS ANGKA INDEKS PEMBANGUNAN MANUSIA (IPM) DI ASAHAN

TAHUN 2011

TUGAS AKHIR

ONGKI NOVRIANDI PURBA 102407035

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2013


(2)

APLIKASI ANALISIS JALUR DALAM MENGANALISIS ANGKA INDEKS PEMBANGUNAN MANUSIA (IPM) DI ASAHAN

TAHUN 2011

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya

ONGKI NOVRIANDI PURBA 102407035

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2013


(3)

PERSETUJUAN

Judul : APLIKASI ANALISIS JALUR DALAM

MENGANALISIS ANGKA INDEKS

PEMBANGUNAN MANUSIA (IPM) DI ASAHAN TAHUN 2011

Kategori : TUGAS AKHIR

Nama : ONGKI NOVRIANDI PURBA NIM : 102407035

Program Studi : D3 STATISTIKA Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juli 2013

Diketahui

Ketua Departemen Matematika FMIPA USU Pembimbing

Prof. Dr. Tulus, M.Si Dr. Sutarman, M.Sc


(4)

PENGHARGAAN

APLIKASI ANALISIS JALUR DALAM MENGANALISIS ANGKA INDEKS PEMBANGUNAN MANUSIA (IPM) DI ASAHAN TAHUN

2011

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Aplikasi Analisis Jalur Dalam Menganalisis Angka Indeks Pembangunan Manusia (IPM) di Asahan Tahun 2011.

Terimakasih penulis sampaikan kepada Bapak Dr. Sutarman, M.Sc, selaku pembimbing yang telah meluangkan waktunya selama penyusunan Tugas Akhir ini. Terimakasih kepada Bapak Drs. Faigiziduhu Bu’ulölö dan Bapak Drs. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si. PhD dan Ibu Dra. Mardiningsih, M.Si, selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dekan FMIPA USU Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, Pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada orang tua ku Bapak St. Edi Warman Purba, S.Pd dan Ibu Bidan Tiomaria Saragih dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.


(5)

DAFTAR ISI

Halaman

PERSETUJUAN ii

PERNYATAAN iii

PENGHARGAAN iv

DAFTAR ISI v

DAFTAR TABEL vi

DAFTAR GAMBAR vii

BAB 1 PENDAHULUAN 1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Batasan Masalah 4

1.4 Tujuan Penelitian 4

1.5 Manfaat Penelitian 4

1.6 Lokasi Penelitian 5

1.7 Metode Penelitian 5

1.7.1 Teknik Pengumpulan Data 6

1.7.2 Teknik Analisis Data 6

1.7.3 Variabel Penelitian 8

1.7.4 Hipotesis Penelitian 8

1.8 Tinjauan Pustaka 9

1.9 Sistematika Penulisan 10

BAB 2 LANDASAN TEORI 2.1 Sejarah Analisa Jalur 12

2.2 Pengertian Analisa Jalur 12

2.2.1 Kegunaan Analisa Jalur 14

2.2.2 Asumsi-asumsi Analisa Jalur 15

2.2.3 Model Analisa Jalur 16

2.2.4 Diagram Jalur dan Persamaan Struktural 21

2.2.5 Koefisien Jalur 24

2.2.6 Besarnya Pengaruh Var. Eksogen Terhadap Var. Endogen 27

2.2.7 Pengujian Koefisien Jalur 28

2.3 Konsep Pembangunan Manusia dan Pengukuran 30

2.4 Komponen-komponen IPM 32

2.5 Tahapan Perhitungan IPM 33

2.6 Pemanfaatan IPM Dalam Perencanaan Pembangunan Daerah 35

2.7 Kedudukan IPM Dalam Pembangunan Daerah 36

BAB 3 GAMBARAN UMUM 3.1 Sejarah Badan Pusat Statistik Propinsi Sumatera Utara 38

3.2 Visi dan Misi Badan Pusat Statistik Propinsi Sumatera Utara41 3.3 Struktur Organisasi Badan Pusat Statistik Propinsi Sumatera Utara 41


(6)

BAB 4 ANALISIS DATA

4.1 Pengumpulan Data 44

4.2 Sumber Data 44

4.3 Data Hasil Penelitian 45

4.4 Pembahasan Hasil Penelitian 47

4.5 Pengolahan Data 47

4.5.1 Menentukan Model Diagram Jalur 47

4.5.2 Membuat Diagram Jalur 48

4.5.3 Menganalisis Data Menggunakan Amos 49

4.6 Menafsirkan Hasil Analisis Data 50

4.6.1 Analisis Regresi 50

4.6.2 Analisis Korelasi 55

4.7 Perhitungan Pengaruh 59

4.7.1 Pengaruh Langsung 59

4.7.2 Pengaruh Tak Langsung 61

4.7.3 Pengaruh Total 62

BAB 5 IMPLEMENTASI SISTEM 5.1 Pengertian Implementasi Sistem 63

5.2 Sekilas Tentang Amos 63

5.3 Mengaktifkan Amos 64

5.4 Membuka Lembar Baru 65

5.5 Membuat Gambar Path Diagram 66

5.6 Pengisian Data 66

5.7 Pengolahan Data Dengan Analisis Jalur 67

5.8 Output Hasil Pengolahan Data 68

BAB 6 PENUTUP 6.1 Kesimpulan 70

6.2 Saran 72 DAFTAR PUSTAKA


(7)

DAFTAR TABEL

HALAMAN Tabel 2.1 Nilai Minimum dan Maksimum Indikator IPM 34 Tabel 2.2 Kriteria Tingkat Status IPM 35 Tabel 4.1 Persentase Perkembangan IPM 45 Tabel 4.2 Perkembangan IPM dan Komponen Kabupaten Asahan 45 Tabel 4.3 Persentase Penduduk Usia 10 Tahun ke Atas 46 Tabel 4.4 Tabel Profil Ketenagakerjaan Tahun 2007-2011 46 Tabel 4.5 Tingkat Pendidikan, Kesehatan, Ketenagakerjaan dan IPM 47


(8)

DAFTAR GAMBAR

Gambar 2.1 Model Regresi Berganda Dua Variabel 18

Gambar 2.2 Model Mediasi 18

Gambar 2.3 Model Kombinasi Regresi Berganda dan Mediasi 19

Gambar 2.4 Model Kompleks 19

Gambar 2.5 Model Rekursif 20

Gambar 2.6 Hubungan Kausal X1 sebagai Penyebab dan X2 sebagai Akibat 22

Gambar 2.7 Hubungan Kausal X1, X2, X3 dan X4 23

Gambar 2.8 Hubungan Kausal X1, X2 ke X3 dan X3 ke X4 23

Gambar 2.9 Hubungan Kausal X1, X2 ke X3 24

Gambar 4.1 Diagram Jalur dengan 3 Variabel Bebas dan 1 Variabel Terikat 47


(9)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Perkembangan teknologi dan ilmu pengetahuan mengantar manusia pada tahap pemahaman yang lebih tinggi di masing-masing bidang ilmu. Dalam mengaplikasikan bidang ilmu, baik dalam bidang ekonomi, sosial, dan matematika telah ditemukan beberapa cara dalam menganalisis suatu keadaan. Terutama dalam hal perkembangan metode statistik yang semakin lama semakin nyata dampaknya. Statistika yang merupakan salah satu cabang ilmu di bidang matematika yang dapat menganalisis suatu keadaan untuk membuat kesimpulan sehingga dapat menyelesaikan suatu permasalahan. Dalam dunia penelitian atau riset, statistika telah memberikan banyak manfaat. Misalnya saja untuk mengetahui hubungan ataupun pengaruh dari satu variabel dengan variabel lainnya.

Salah satu analisis yang digunakan dalam metode statistika untuk mengetahui hubungan antar variabel adalah analisis jalur. Analisis jalur, salah satu teknik analisis kuantitatif, merupakan pengembangan dari regresi berganda. Teknik ini mempunyai kelebihan dibandingkan dengan regresi linier. Dengan model analisis jalur dapat menemukan pengaruh tidak langsung dalam hubungan antar variabel melalui variabel perantara. Dengan menggunakan analisis ini, peneliti akan memperoleh hasil analisis secara lebih akurat, tajam, dan detail (Sarwono,2006).


(10)

Meskipun analisis jalur ini popular di kalangan ekonomi, namun teknik analisis ini juga digunakan di berbagai ilmu lainnya. Dalam ilmu sosial. Sebagai contoh kasus dalam hal ini, jika kita lihat di bidang sosial. Manusia merupakan kekayaan bangsa dan sekaligus sebagai modal dasar pembangunan. Tujuan utama dari pembangunan adalah menciptakan lingkungan yang memungkinkan bagi rakyatnya untuk menikmati hidup sehat, umur panjang dan menjalankan kehidupan yang produktif.

Untuk mewujudkan tercapainya ketiga tujuan tersebut dilakukan upaya konkrit dan berkesinambungan. Misalnya untuk mencapai umur yang panjang ataupun angka harapan hidup yang tinggi, harus didukung oleh tingkat kesehatan yang baik. Untuk memiliki pengetahuan dan keterampilan harus didukung oleh tingkat kesehatan yang baik. Untuk memiliki pengetahuan dan keterampilan harus didukung oleh pendidikan yang baik serat ketenagakerjaan yang terampil. Dengan meningkatnya kesehatan, pendidikan serta keterampilan ketenagakerjaan diharapkan masyarakat dapat memenuhi kebutuhan hidupnya dan meningkatkan kualitas hidup serta pencapaian standar hidup layak sehingga dapat meningkatkan Indeks Pembangunan Manusia (IPM) atau Human Development Indeks (HDI) di suatu daerah.

Pada dasarnya banyak variabel sektoral yang mempengaruhi Indeks Pembangunan Manusia (IPM). Diantaranya adalah kesehatan, pendidikan, ketenagakerjaan, perumahan, pengeluaran dan konsumsi rumah tangga yang mengungkapkan perkembangan fenomena tertentu, misalnya perkembangan atau peningkatan kualitas hidup yang setiap tahunnya di masing-masing kabupaten atau


(11)

yang dominan terhadap Indeks Pembangunan Manusia (IPM). Dalam rangka untuk mengukur pengaruh variabel sektoral terhadap Indeks Pembangunan Manusia (IPM) secara terus menerus setiap tahunnya. Untuk mengetahui seberapa besar pengaruh setiap sektor-sektor yang berpengaruh terhadap Indeks Pembangunan Manusia (IPM) Labuhan Batu Selatan, maka perlu dilakukan analisis hubungan antar variabel.

Dari pemaparan kasus di atas, analisis jalur mencoba mengupas tuntas hubungan sebab akibat yang ditimbulakan oleh beberapa variabel sektoral terhadap Indeks Pembangunan Manusia (IPM). Oleh sebab itu, penulis melakukan penelitian dengan judul “Aplikasi Analisis Jalur Dalam Menganalisis Angka Indeks Pembangunan Manusia (IPM) di Labuhan Batu Selatan Tahun 2011 “.

1.2 Rumusan Masalah

Rumusan masalah dalam penelitian ini adalah :

a. Bagaimana Keadaan Kesehatan di Daerah Penelitian di Asahan?

b. Bagaimana Pendidikan Manusia di Kabupaten Asahan?

c. Bagaimana Ketenagakerjaan di Kabupaten Asahan?


(12)

1.3 Batasan Masalah

Untuk mengarahkan pembahasan dalam tugas akhir ini agar tidak menyimpang dari sasaran yang dituju, maka perlu membuat batasan ruang lingkup permasalahan. Sebagai pembatasan masalah ini adalah hanya terbatas pada analisa untuk mengetahui daerah penelitian kemudian permasalahan yang dianalisis yang menentukan peningkatan Indeks Pembangunan Manusia (IPM), serta variabel-variabel yang digunakan dalam penulisan ini adalah Indeks Pembangunan Manusia (Y), pendidikan (X1), kesehatan (X2), dan ketenagakerjaan (X3).

1.4 Tujuan Penelitian

Adapun tujuan penulis melakukan penelitian ini adalah untuk melihat perkembangan pembangunan manusia Kabupaten Asahan selama tahun 2011 dan peningkatan Indeks Pembangunan Manusia (IPM) Kabupaten Asahan.

1.5 Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat antara lain:

1. Memberikan atau menambah wawasan bagi penulis, terutama dalam penerapan ilmu yang didapat di bangku kuliah dengan menyatukan materi perkuliahan dengan objek permasalahan yang dijadikan materi pembahasan.


(13)

2. Memberi sumbangan pemikiran pada instansi di Kabupaten Asahan yang berkepentingan dalam meningkatkan Indeks Pembangunan Manusia (IPM).

3. Hasil penelitian ini diharapkan dapat bermanfaat sebagai bahan masukan dan referensi bagi pihak yang berkepentingan.

4. Melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya.

1.6 Lokasi Penelitian

Penelitian mengenai Aplikasi Analisis Jalur Dalam Menganalisis Angka Indeks Pembangunan Manusia (IPM) di Asahan Tahun 2011, Penulis melakukan penelitian ini di Kantor Badan Pusat Statistik Propinsi Sumatera Utara.

1.7 Metode Penelitian

Metode penelitian adalah salah satu cara yang terdiri dari langkah–langkah atau urutan kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk melaksanakan penelitian sehingga apa yang menjadi tujuan dari penelitian itu terwujud.


(14)

1.7.1 Teknik Pengumpulan Data

Penulis melakukan beberapa langkah–langkah untuk menyelesaikan penelitian, antara lain :

1. Penelitian Kepustakaan ( Library Research )

Penelitian kepustakaan merupakan metode pengumpulan data yang digunakan untuk memperoleh data maupun informasi yang dibutuhkan dengan cara membaca dan mempelajari buku–buku perkuliahan atau umum, serta mencari sumber informasi yang berhubungan dengan objek yang diteliti yang bersifat teoritis yang mendukung penulisan tugas akhir.

2. Metode Pengumpulan Data

Pengumpulan data untuk keperluan riset ini, telah dilakukan oleh penulis dengan menggunakan data sekunder yang diperoleh dari instansi yang ada di Kabupaten Asahan berkaitan dengan judul penelitian. Data yang dikumpulkan tersebut kemudian disusun dan kemudian disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

1.7.2 Teknik Analisis Data

Data penelitian di analisis dengan menggunakan analisis jalur. Analisis jalur adalah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara


(15)

langsung, tetapi juga secara tidak langsung atau juga dapat dikatakan bahwa analisis jalur merupakan kepanjangan dari analisis regresi berganda.

Dalam menganalisis data ini, penulis menggunakan model persamaan satu jalur. Pada model persamaan satu jalur ini, hubungan pertamanya sama dengan model regresi berganda, yaitu variabel bebas terdiri dari lebih dari satu variabel dan variabel terikatnya terdiri dari satu variabel. Adapun rumus persamaan jalurnya dapat dituliskan sebagai berikut:

Y = ρyx1 x1 + ρyx2 x2 + ρyx3 x3 + ε Dimana:

ρyx1 = koefisien jalur dari yx1 ρyx2 = koefisien jalur dari yx2 ρyx3 = koefisien jalur dari yx3 x1 = variabel bebas pertama x2 = variabel bebas kedua x3 = variabel bebas ketiga Y = variabel terikat ε = error

Dimana koefisien jalur dari variabel-variabel tersebut akan dicari nilai dan pengaruhnya masing-masing terhadap variabel terikat dengan menggunakan aplikasi Amos Versi 18.


(16)

1.7.3 Variabel Penelitian

Dalam penelitian ini yang menjadi variabel adalah:

1. Variabel bebas (Independent Variabel) yaitu yang terdiri dari factor pendidikan sebagai variabel bebas satu (X1), faktor kesehatan sebagai variabel bebas dua (X2), dan faktor ketenagakerjaan sebagai variabel bebas tiga (X3).

2. Variabel terikat (Dependent Variable) yaitu Indeks Pembangunan Manusia (IPM)

1.7.4 Hipotesis Penelitian

Hipotesis sangat diperlukan dalam melakukan riset yang bersifat kuantitatif untuk menjelaskan masalah riset, menjelaskan variabel-variabel yang akan diuji, untuk memilih analisis data, serta untuk membuat kesimpulan riset. Hipotesis merupakan jawaban sementara yang hendak diuji kebenarannya melalui riset (Suliyanto, 2006:53). Hipotesis dalam penelitian ini adalah sebagai berikut:

1. Hipotesis Nol (Ho)

Ho : Kesehatan, Pendidikan dan Ketenagakerjaan tidak berpengaruh secara signifikan terhadap Indeks Pembangunan Manusia.

2. Hipotesis Alternatif

H1 : Kesehatan, Pendidikan dan Ketenagakerjaaan berpengaruh secara signifikan terhadap Indeks Pembangunan Manusia.


(17)

1.8 Tinjauan Pustaka

Beberapa buku yang menjadi tinjauan pustaka yang digunakan untuk mewujudkan tulisan ini dan ada juga dikutip dari situs–situs internet yang membantu penulis menguraikan tentang Metode analisis yang penulis gunakan dan teori Kependudukan serta pengertian Indeks Pembangunan Manusia (IPM). Beberapa buku pendukung teori adalah sebagai berikut:

Lembaga Demografi Fakultas Ekonomi Universitas Indonesia ”Dasar-Dasar

Demografi“ (1981 : 5) menerangkan pengetahuan tentang kependudukan adalah

sangat penting untuk lembaga-lembaga swasta maupun pemerintah baik di tingkat nasional maupun daerah. Perencanaan-perencanaan yang berhubungan dengan pendidikan, kesejahteraan sosial, perumahan, dan perusahaan-perusahaan yang memproduksi barang dan jasa, jalan-jalan, rumah-rumah, dan pusat rekreasi akan menjadi lebih tepat apabila kesemuanya didasarkan pada data kependudukan. Apabila ingin mengetahui seberapa cepat perkrmbangan perekonomian suatu negara maka hal yang dilihat adalah dari pertumbuhan lapangan pekerjaan dan persentase penduduk yang ada di sektor pertanian.

Buku Pedoman Indeks Pembangunan Manusia (IPM) (Badan Pusat Statistik Labuhan Batu, 2010) Menerangkan bahwa yang dimaksud dengan Indeks Pembangunan Manusia (IPM) merupakan indikator komposit tunggal walaupun tidak mengukur semua dimensi dari pembangunan manusia yang dinilai mencerminkan status kemampuan dasar (basic capabilities) penduduk. Indeks Pembangunan Manusia


(18)

(IPM) disusun dari tiga komponen yaitu lamanya hidup diukur dengan harapan hidup pada saat lahir, tingkat pendidikan diukur dengan kombinasi antara angka melek huruf pada penduduk dewasa (dengan bobot dua per tiga) dan rata-rata lama sekolah (dengan bobot sepertiga), tingkat kehidupan yang layak, diukur dengan pengeluaran per kapita yang telah disesuaikan.

1.9 Sistematika Penulisan

Adapun sistematika dalam penulisan Tugas Akhir ini secara garis besarnya dibagi dalam 6 (enam) bab yang masing–masing bab dibagi atas beberapa sub–sub bab yaitu sebagai berikut.

BAB 1 : PENDAHULUAN

Bab ini menjelaskan latar belakang pengambilan judul, perumusan masalah, tujuan penelitian, batasan masalah, lokasi penelitian, metode penelitian, tinjauan pustaka dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menjelaskan mengenai analisa jalur yang memungkinkan pengguna dapat menguji proposisi teoritis mengenai hubungan sebab akibat tanpa memanipulasi variabel-variabel yaitu dengan melakukan pengujian koefisien jalur yang menyatakan hipotesis statistik. Bab ini juga menjelaskan tentang konsep-konsep, komponen-komponen serta teknik perhitungan Indeks Pembangunan Manusia (IPM).


(19)

BAB 3 : GAMBARAN UMUM

Bab ini menjelaskan mengenai deskripsi tentang letak geografi dan profil Kabupaten Asahan.

BAB 4 : ANALISIS DAN PENGOLAHAN DATA

Bab ini menjelaskan mengenai deskripsi daerah penelitian, data yang akan dianalisis, metode analisis data dengan menggunakan analisis jalur serta interpretasi data.

BAB 5 : IMPLEMENENTASI SISTEM

Bab ini menjelaskan mengenai penggunaan rumus-rumus analisis jalur dengan menggunakan Amos Versi 18.

BAB 6 : PENUTUP

Bab ini memberikan hasil dari analisis dan pendugaan pada bab-bab sebelumya dirangkumkan pada bab ini. Selain kesimpulan, pada bab ini juga memberikan saran-saran yang sifatnya membangun untuk peningkatan Indeks Pembangunan Manusia.


(20)

BAB 2

LANDASAN TEORI

2.1 Sejarah Analisis jalur

Analisis jalur yang dikenal dengan path analysis dikembangkan pertama pada tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright (Joreskog dan Sorbom, 1996; Johnson dan Wichern, 1992). Teknik analisis jalur sebenarnya merupakan perkembangan korelasi yang diuraikan menjadi beberapa interpretasi akibat yang ditimbulkannya. Lebih lanjut, analisis jalur mempunyai kedekatan dengan regresi berganda. Dengan kata lain, regresi berganda merupakan bentuk khusus dari analisis jalur. Teknik ini juga dikenal sebagai model sebab akibat (causing modeling). Penanaman ini didasarkan pada alas an bahwa analisis jalur memungkinkan pengguna dapat menguji proposisi teoritis mengenai hubungan sebab akibat tanpa memanipulasi variabel-variabel (Sarwono, 2007).

2.2 Pengertian Analisis Jalur

Telaah statistika menyatakan bahwa untuk tujuan peramalan atau pendugaan nilai Y atas dasar nilai-nilai X1, X2, ….., Xi, pola hubungan yang sesuai adalah pola hubungan yang mengikuti model regresi, sedangkan untuk menganalisis pola hubungan kausal antar variabel dengan tujuan untuk mengetahui pengaruh langsung dan tidak langsung,


(21)

secara serempak atau mandiri beberapa variabel penyebab terhadap sebuah variabel akibat, maka pola yang tepat adalah model analisis jalur.

Analisis jalur (path analysis) dikembangkan oleh Sewall Wright (1934). Path analysis digunakan apabila secara teori kita yakin berhadapan dengan masalah yang berhubungan sebab akibat. Tujuannya adalah menerangkan akibat langsung dan tidak langsung seperangkat variabel, sebagai variabel penyebab, terhadap variabel lainnya yang merupakan variabel akibat.

Terdapat beberapa defenisi mengenai analisis jalur, diantaranya adalah sebagai berikut:

1. Analisis jalur adalah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung (Robert D. Rutherford 1993).

2. Analisis jalur merupakan pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan (magnitude) dan signifikansi (significance) hubungan sebab akibat hipotetikal dalam seperangkat variabel (Paul Webley, 1997).

3. Model perluasan regresi yang digunakan untuk menguji keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang dibandingkan oleh peneliti. Modelnya digambarkan dalam bentuk gambar lingkaran dan panah dimana anak panah tunggal menunjukkan sebagai


(22)

penyebab. Regresi dikenakan pada masing-masing variabel dalam suatu model sebagai variabel tergantung (pemberi respon) sedang yang lain sebagai penyebab. Pembobotan regresi diprediksikan dalam suatu model yang dibandingkan dengan matriks korelasi yang diobservasi untuk semua variabel dan juga dilakukan perhitungan uji keselarasan statistik (David Garson, 2003).

Dari defenisi-defenisi diatas, dapat disimpulkan bahwa sebenarnya analisis jalur merupakan kepanjangan dari analisis regresi berganda. Jadi, model path analysis

digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen). Oleh sebab itu, rumusan masalah penelitian dalam kerangka path analysis berkisar pada:

a. Apakah variabel eksogen (X1, X2, ….., Xk) berpengaruh terhadap variabel endogen Y?

b. Berapa besar pengaruh kausal langsung, kausal tidak langsung, kausal total maupun simultan seperangkat variabel eksogen (X1, X2, ….., Xk) terhadap variabel endogen?

2.2.1 Kegunaan Analisis jalur

Kegunaan model path analysis adalah untuk:


(23)

b. Prediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X), dan prediksi dengan path analysis ini bersifat kualitatif.

c. Faktor determinan yaitu penentuan variabel bebas (X) mana yang berpengaruh dominan terhadap variabel terikat (Y), juga dapat digunakan untuk menelusuri mekanisme (jalur-jalur) pengaruh variabel bebas (X) terhadap variabel terikat (Y).

d. Pengujian model, menggunakan teori trimming, baik untuk uji reliabilitas konsep yang sudah ada ataupun uji pengembangan konsep baru.

2.2.2 Asumsi-asumsi Analisis Jalur

Sebelum melakukan analisis, hendaknya diperhatikan beberapa asumsi sebagai berikut:

a. Pada model analisis jalur, hubungan antar variabel adalah bersifat linier, adaptif dan bersifat normal.

b. Hanya system aliran kausal kesatu arah artinya tidak ada arah kausalitas yang berbalik.


(24)

d. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel.

e. Observed variables diukur tanpa kesalahan instrument pengukuran valid dan

reliable artinya variabel yang diteliti dapat diobservasi secara langsung.

f. Model yang dianalisis dispesifikasikan dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau diuji dibangun berdasarkan teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel yang diteliti.

2.2.3 Model Analisis Jalur

Beberapa istilah dan defenisi dalam path analysis: (1) Dalam path Analysis, kita hanya menggunakan sebuah lambung variabel, yaitu X. Untuk membedakan X yang satu dengan X yang lainnya, kita menggunakan subscript (indeks). Contoh : X1, X2, X3, ….., Xk. (2) Kita membedakan dua jenis variabel, yaitu variabel yang menjadi pengaruh (exogenous variable), dan variabel yang dipengaruhi (endogenous variable). (3) Lambang hubungan langsung dari eksogen ke endogen adalah panah bermata satu, yang bersifat recursive atau arah hubungan yang tidak berbalik/satu arah. (4) Diagram jalur merupakan diagram atau gambar yang mensyaratkan hubungan terstruktur antar variabel (Harun Al Rasyid, 2005).


(25)

Ada beberapa model jalur mulai dari yang paling sederhana sampai dengan yang lebih rumit, diantaranya diterangkan di bawah ini:

a. Analisa Jalur Model Trimming

Model Trimming adalah model yang digunakan untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model variabel eksogen yang koefisien jalur diuji secara keseluruhan apabila ternyata ada variabel yang tidak signifikan. Walaupun ada satu, dua, atau lebih variabel yang tidak signifikan, perlu memperbaiki model struktur analisis jalur yang telah dihipotesiskan.

b. Analisis Jalur Model Dekomposisi

Model dekomposisi adalah model yang menekankan pada pengaruh yang bersifat kausalitas antar variabel, baik pengaruh langsung ataupun tidak langsung dalam kerangka path analysis, sedangkan hubungan yang sifatnya nonkausalitas atau hubungan korelasional yang terjadi antar variabel eksogen tidak termasuk dalam perhitungan ini.

Perhitungan menggunakan analisis jalur dengan menggunakan model dekomposisi pengaruh kausal antar variabel dapat dibedakan menjadi tiga:

1. Direct causal effects (Pengaruh Kausal Langsung) adalah pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi tanpa melalui variabel endogen lain.


(26)

2. Indirect causal effects (Pengaruh Kausal Tidak Langsung) adalah pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi melalui variabel endogen lain terdapat dalam satu model kausalitas yang sedang dianalisis.

3. Total causal effects (Pengaruh Kausal Total) adalah jumlah dari pengaruh kausal langsung dan pengaruh kausal tidak langsung.

c. Model Regresi Berganda

Model ini merupakan pengembangan regresi berganda dengan menggunakan dua variabel eksogenous, yaitu X1 dan X2 dengan satu variabel endogenous Y. model digambarkan sebagai berikut:

X1

Y

X2

Gambar 2.1 Model regresi berganda dua variabel

d. Model Mediasi

Model mediasi atau perantara dimana variabel Y memodifikasi pengaruh variabel X terhadap variabel Z. Model digambarkan sebagai berikut:

X Z


(27)

e. Model Kombinasi Regresi Berganda Dan Mediasi

Model ini merupakan kombinasi antara model regresi berganda dan mediasi, yaitu variabel X berpengaruh terhadap variabel Z secara langsung dan tidak langsung mempengaruhi variabel Z melalui variabel Y . Model digambarkan sebagai berikut:

X

Z Y

Gambar 2.3 Model kombinasi regresi berganda dan mediasi

f. Model Kompleks

Model ini merupakan model yang lebih kompleks, yaitu variabel X1 secara langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak langsung mempengaruhi Y2, sementara variabel Y2 juga dipengaruhi oleh variabel Y1. Model digambarkan sebagai berikut:

X1 X2

Y1 Y2

Gambar 2.4 Model Kompleks

g. Model Rekursif dan Model Non Rekursif

Dari sisi pandang arah sebab dan akibat, ada dua tipe model jalur, yaitu jalur rekursif dan non rekursif. Model rekursif ialah jika semua anak panah menuju satu arah seperti gambar dibawah ini:


(28)

1

P41

P21

P31 P43

3 4

P32 P42

2

e2 e3 e4 Gambar 2.5 Model Rekursif

Model tersebut dapat diterangkan sebagai berikut:

1. Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2 ke 3 dan dari 3 menuju ke 4. Tidak ada arah yang terbalik, misalnya dari 4 ke 1.

2. Hanya terdapat satu variabel exogenous, yaitu 1 dan tiga variabel endogenous, yaitu 2, 3, dan 4. Masing-masing variabel endogenous diterangkan oleh variabel 1 dan error (e2, e3, dan e4).

3. Satu variabel endogenous dapat menjadi penyebab variabel endogenous

lainnya, tetapi bukan ke variabel exogenous.

Model non rekursif terjadi jika arah anak panah tidak searah atau terjadi arah yang terbalik, misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat sebab akibat.


(29)

Pada bagian berikut untuk mempermudah kita dalam memahami analisis jalur, maka kita bisa menggunakan model-model jalur berikut:

1. Model Persamaan Satu Jalur

Model persamaan satu jalur merupakan hubungan sebenarnya sama dengan regresi berganda, yaitu variabel bebas terdiri lebih dari satu variabel dan variabel tergantungnya hanya satu.

2. Model Persamaan Dua Jalur

Model ini terdiri dari tiga variabel bebas dan mempunyai dua variabel tergantung.

3. Model Persamaan Tiga jalur

Model ini terdiri dari tiga variabel bebas, salah satu variabel bebas menjadi variabel perantara dan mempunyai dua variabel tergantung.

2.2.4 Diagram Jalur dan Persamaan Struktural

Pada saat akan melakukan analisis jalur, disarankan untuk terlebih dahulu menggambarkan secara diagramatik struktur hubungan kausal antara variabel penyebab dengan variabel akibat. Diagram ini disebut diagram jalur (Path Diagram), dan bentuknya ditentukan oleh proposisi teoritik yang berasal dari kerangka pikir tertentu.


(30)

Gambar 2.6

Diagram Jalur Yang Menyatakan Hubungan Kausal Dari X1 Sebagai Penyebab Ke X2 Sebagai Akibat

X1 X2

ε

Keterangan:

X1 adalah variabel eksogenus (exogenous variable), untuk itu selanjutnya variabel penyebab akan kita sebut sebagai variabel eksogenus. X2 adalah variabel endogenus (endogenous variable), sebagai akibat, dan ε adalah variabel residu (residual variable), yang merupakan gabungan dari: (1) Variabel lain, di luar X1, yang mungkin mempengaruhi X2 dan telah teridentifikasi oleh teori, tetapi tidak dimasukkan dalam model. (2) Variabel lain, di luar X1, yang mungkin mempengaruhi X2 tetapi belum teridentifikasi oleh teori. (3) Kekeliruan pengukuran (error of measurement), dan (4) Komponen yang sifatnya tidak menentu (random component).

Gambar 2.1 merupakan diagram jalur yang paling sederhana yang menyatakan bahwa X2 dipengaruhi secara langsung oleh X1, tetapi di luar X1, masih banyak penyebab lain yang dalam penelitian yang sedang dilakukan tidak diukur. Penyebab lain itu dinyatakan oleh ε. Persamaan struktural yang dimiliki oleh gambar 2.1 adalah X2 = ρx2x1X1 + ε. Selanjutnya tanda anak panah satu arah menggambarkan pengaruh langsung dari variabel eksogenus terhadap variabel endogenus.


(31)

Gambar 2.7

Diagram jalur yang menyatakan hubungan kausal dari X1, X2, X3, dan X4

X1

X2 X4

X3

ε

Gambar 2.7 menunjukkan bahwa diagram jalur tersebut terdapat tiga buah variabel eksogenus, yaitu X1, X2, dan X3, sebuah variabel endogenus (X4) serta sebuah variabel residu ε. Pada diagram di atas juga mengisyaratkan bahwa hubungan antara X1 dengan X4, X2 denganX4 dan X3 dengan X4 adalah hubungan kausal, sedangkan hubungan antara X1 dengan X2, X2 dengan X3 dan X1 dengan X3 masing-masing adalah hubungan korelasional. Perhatikan panah dua arah, panah tersebut menyatakan hubungan korelasional. Bentuk persamaan strukturalnya adalah : X4 = px4x1X1 + px4x2X2 + px4x3X3 + ε.

Gambar 2.8

Hubungan kausal dari X1, X2, ke X3 dan dari X3 ke X4 X1

X3 X4 X2

ε1 ε2

Perhatikan bahwa pada gambar 2.8 di atas, terdapat dua buah sub-struktur.


(32)

kedua, sus-struktur yang mengisyaratkan hubungan kausal dari X3 ke X4. Persamaan struktural untuk gambar 2.3 adalah : X3 = px3x1X1 + px3x2X2 + ε1 dan X4 = px4x3X3 + ε2.

Pada sub-struktur pertama X1 dan X2 merupakan variabel eksogenus, X3 sebagai variabel endogenus dan ε1 sebagai variabel residu. Pada sub-struktur kedua, X3 merupakan variabel eksogenus, X4 sebagai variabel endogenus dan ε2 sebagai variabel residu.

Berdasarkan contoh-contoh diagram jalur di atas, maka kita dapat memberikan kesimpulan bahwa makin kompleks sebuah hubungan struktural, makin kompleks diagram jalurnya, dan makin banyak pula sub-struktur yang membangun diagram jalur tersebut.

2.2.5 Koefisien Jalur

Besarnya pengaruh langsung dari suatu variabel eksogenus terhadap variabel endogenus tertentu, dinyatakan oleh besarnya nilai numeric koefisien jalur (path coefficient) dari eksogenus ke endogenus.

Gambar 2.9

Hubungan kausal dari X1, X2, ke X3 X1 px3x1

rx1x2 X3 X2 px3x2 px3


(33)

x x x x

 

1

Hubungan antara X1 dan X2 adalah hubungan korelasional. Intensitas keeratan hubungan tersebut dinyatakan oleh besarnya koefisien korelasi rx1x2. Hubungan X1 dan X2, ke X3 adalh hubungan kausal. Besarnya nilai numerik koefisien jalur px3x1 dan px3x2 . koefisien jalur px3ε menggambarkan besarnya pengaruh langsung variabel residu (implicit exogenous variabel) terhadap X3.

Langkah kerja yang dilakukan untuk menghitung koefisien jalur adalah:

1. Gambarkan dengan jelas diagram jalur yang mencerminkan proposisi hipotetik yang diajukan, lengkap dengan persamaan strukturalnya. Di sini kita harus bisa menterjemahkan hipotesis penelitian yang kita ajukan ke dalam diagram jalur, sehingga bisa tampak jelas variabel apa saja yang merupakan variabel eksogenus dan apa yang menjadi variabel endogenusnya.

2. Menghitung matriks korelasi antar variabel. X X … X

1 r 1 2

R = 1

... r  1 u

... r

x2 xu   1 ... 

 

  

 

Formula untuk menghitung koefisien korelasi yang dicari adalah menggunakan

Product Moment Coeffisient dari Karl Pearson. Alasan penggunaan teknik koefisien korelasi dari Karl Pearson adalah karena variabel-variabel yang hendak dicari korelasinya memiliki skala pengukuran interval. Formulanya:

rxy ( N



XY ) (



X )(

Y )


(34)

x x x x rx x

C

u 1

r

x x

C

x x

 



 

3. Identifikasikan sub-struktur dan persamaan yang akan dihitung koefisien jalurnya. Misalkan saja dalam sub-struktur yang telah kita identifikasi terdapat k buah variabel eksogenus, dan sebuah (selalu hanya sebuah) variabel endogenus Xu yang dinyatakan oleh persamaan:

Xu = ρ xux1 x1 + ρ xux2 x2 + … + ρ xu xk xk + ε

Kemudian hitung matriks korelasi antar variabel eksogenus yang menyusun sub - struktur tersebut.

X1 X2

1 r

1 2

… Xk ... r 1 k

R = 

 

1 ... 1

2 k 

... 

  1  

 

4. Menghitung matriks invers korelasi eksogenus, dengan rumus: X1 X2 … Xk

C1 1 C1 2 ... C1k 



-1 

C2 2 ... C2 k 

R1 = 

 

... ... 



kk 

   

5. Menghitung semua koefisien jalur pxuxi, dimana i = 1, 2, …, k; melalui rumus:

x x 

C

1 1

C

1 2

...

C

1k

r

x x



u 1



C

...

C

x x



xu x2  22 2 k

u 2

 ... 



...

...



...



 



u k 





kk





r

u k



  


(35)

Catatan:

Contoh di atas merupakan model analisis jalur kompleks, sehingga langkah-langkah perhitungan untuk mencari kkoefisien jalurnya dapat mengikuti pola di atas. Sementara besarnya koefisien jalur untuk model analisis jalur sederhana, yang terdiri dari satu variabel eksogen dan satu variabel endogen, nilainya sama dengan besranya koefisien korelasi antar kedua variabel tersebut (pxuxi = rxuxi).

2.2.6 Besarnya Pengaruh Variabel Eksogen Terhadap Variabel Endogen

Pengaruh yang diterima oleh sebuah variabel endogenus dari dua atau lebih variabel eksogenus, dapat secara sendiri-sendiri maupun secara bersama-sama. Pengaruh secara sendiri-sendiri (parsial), bisa berupa pengaruh langsung, bisa juga berupa pengaruh tidak langsung, yaitu melalui variabel eksogen yang lainnya.

Menghitung besarnya pengaruh langsung, pengaruh tidak langsung serta pengaruh total variabel eksogenus terhadap variabel endogenus secara parsial, dapat dilakukan dengan rumus:

1. Besarnya pengaruh langsung variabel eksogenus terhadap variabel endogenus = pxuxi x pxuxi

2. Besarnya pengaruh tidak langsung variabel eksogenus terhadap variabel endogenus = pxuxi x rx1x2 x pxuxi

3. Besarnya pengaruh total variabel eksogenus terhadap variabel endogenus adalah penjumlahan besarnya pengaruh langsung dengan besarnya pengaruh tidak langsung =[pxuxi x pxuxi] + [pxuxi x rx1x2 x pxuxi]


(36)

x x

Selanjutnya pengaruh bersama-sama (simultan) variabel eksogenus terhadap variabel endogenus dapat dihitung dengan menggunakan rumus:

r



u 1

R

2 x ( x , x ,...x )



...



r

xu x2



u 1 2 k xu x

1 xu x2 xu xk

...







r

xu xk



 

Dimana:

 R2xu(x1, x2, …, xk) adalah koefisien determinasi total X1, X2, … Xk terhadap Xu atau besarnya pengaruh variabel eksogenus secara bersama-sama (gabungan) terhadap variabel endogenus.

 (pxux1 pxux2 … pxuxk) adalah koefisien jalur.

 (rxux1 rxux2 … rxuxk) adalah koefisien variabel eksogenus X1, X2, ... Xk dengan variabel endogenus Xu.

2.2.7 Pengujian Koefisien Jalur

Menguji kebermaknaan (test of significance) setiap koefisien jalur yang telah dihitung, baik secara sendiri-sendiri maupun secara bersama-sama, serta menguji perbedaan besarnya pengaruh masing-masing variabel eksogenus terhadap variabel endogenus, dapa dilakukan dengan langkah kerja berikut:


(37)

Ho : pxuxi = 0, artinya tidak terdapat pengaruh variabel eksogenus (Xu) terhadap variabel endogenus (Xi).

H1 : pxuxi ≠ 0, artinya terdapat pengaruh variabel eksogenus (Xu) terhadap variabel endogenus (Xi).

Dimana u dan I = 1, 2, …, k

2. Gunakan statistik uji yang tepat, yaitu:

 Untuk menguji setiap koefisien jalur:

p

t

xu xi

(1

R

2 x ( x x ...x )

)

C

u 1 2 k ii

n

k

1

dimana: i = 1, 2, …, k

k = Banyaknya variabel eksogenus dalam sub-struktur yang sedang diuji t = Mengikuti tabel distribusi t, dengan derajat bebas = n – k – 1

Kriteria pengujian: Ditolak Ho jika nilai hitung t lebih besar dari nilai tabel t. (to > ttabel (n-k-1)).

 Untuk menguji koefisien jalur secara keseluruhan atau bersama-sama:

(n k  1)(R 2

x ( x , x ,...x ) )

F u 1 2 k

k (1 R 2

x u ( x 1 2 , x ,...x k) )

dimana: i = 1, 2, …, k


(38)

t = Mengikuti tabel distribusi F snedecor, dengan derajat bebas (degrees of freedom) k dan n – k – 1

Kriteria pengujian :

Ditolak Ho jika nilai hitung F lebih besar dari nilai tabel F. (F0 > Ftabel(k, n-k-1)).

 Untuk menguji perbedaan besarnya pengaruh masing-masing variabel eksogenus terhadap variabel endogenus.

px xpx x t u i u j

(1 R2

x u ( x x 1 2 ...x k ) )(C ii jj ijC  2C ) n k  1

Kriteria pengujian:

Ditolak Ho jika nilai hitung t lebih besar dari nilai tabel t. (t0 > ttabel(n-k-1)).

3. Ambil kesimpulan, apakah perlu trimming atau tidak. Apabila terjadi trimming, maka perhitungan harus diulang dengan menghilangkan jalur yang menurut pengujian tidak bermakna (no signifikan).

2.3 Konsep Pembangunan Manusia dan Pengukuran

United Nation Development Program (UNDP) mendefinisikan pembangunan manusia sebagai suatu proses untuk memperluas pilihan-pilihan bagi penduduk. Dalam konsep tersebut penduduk ditempatkan sebagai tujuan akhir (the ultimate and) sedangkan


(39)

upaya pembangunan dipandang sebagai sarana (principal means) untuk mencapai tujuan itu. Untuk menjamin tercapainya tujuan pembangunan manusia, empat hal poko yang perlu diperhatikan adalah produktivitas, pemerataan, kesinambungan, pemberdayaan (UNDP, 1995:12). Secara ringkas empat hal pokok tersebut mengandung prinsip-prinsip sebagai berikut:

1. Produktivitas

Penduduk harus diberdayakan untuk meningkatkan produktivitas dan untuk berpartisipasi penuh dalam proses penciptaan pendapatan (nafkah) dan lapangan pekerjaan. Pembangunan ekonomi, yang demikian merupakan himpunan bagian dari model pembangunan manusia.

2. Pemerataan

Penduduk harus memiliki kesempatan atau peluang yang sama untuk mendapatkan akses terhadap semua sumber daya ekonomi dan social. Semua hambatan yang memperkecil kesempatan untuk memperoleh akses tersebut harus dihapus, sehingga mereka dapat mengambil manfaat dari kesempatan yang ada dan berpartisipasi dalam kegiatan produktif yang dapat meningkatkan kualitas hidup.

3. Kesinambungan

Akses terhadap sumber daya ekonomi dan social harus diperhatikan tidak hanya untuk generasi-generasi yang akan datang. Semua sumber daya fisik, manusia, dan lingkungan harus selalu diperbaharui (replenished).


(40)

4. Pemberdayaan

Penduduk harus berpartisipasi penuh dalam keputusan dan proses yang akan menentukan bentuk atau arah kehidupan mereka, serta untuk berpartisipasi dan mengambil manfaat dari proses pembangunan.

2.4 Komponen-Komponen Indeks Pembangunan Manusia (IPM)

Indeks Pembangunan Manusia (IPM) atau Human Development Indeks (HDI) merupakan suatu indeks komposit yang mencakup tiga bidang pembangunan manusia yang dianggap sangat mendasar, yaitu usia hidup (longetivity), pengetahuan (knowledge), dan standar hidup layak (decent living). Secara umum komponen- komponen IPM terdiri dari:

1. Usia Hidup

Usia hidup diukur dengan harapan hidup waktu lahir (life expentancy at birth) yang biasa dinotasikan dengan e0. Karena Indonesia tidak memiliki sistem vital registrasi yang baik maka e0 dihitung dengan metode tidak langsung. Metode ini menggunakan dua macam data dasr yaitu rata-rata anakyang dilahirkan hidup (live births) dan rata-rata anak yang masih hidup (still living)per wanita usia 15- 49 tahun menurut kelompok umur lima tahunan. Perhitungan e0 yang diperoleh dengan metode tidak langsung ini merujuk pada keadaan 3-4 tahun survey.


(41)

2. Pengetahuan

Seperti halnya UNDP komponen IPM pengetahuan diukur dari dua indikator, yaitu angka melek huruf diperoleh dari kemampuan membaca dan menulis, sedangkan rata-rata lama bersekolah dihitung dengan menggunakan tiga variabel secara simultan yaitu partisispasi sekolah, tingkat/kelas yang sedang/pernah dijalani dan jenjang pendidikan tertinggi yang ditamatkan.

3. Standar Hidup Layak

Berbeda dengan UNDP yang menggunakan indikator GDP per kapita riil yang telah disesuaikan (adjuisted real GDP per capita) sebagai indicator standar hidup layak. Dalam perhitungan ini, digunakan indicator rata-rata pengeluaran per kapita riil yang disesuaikan (adjuised real per capita expenditure). Sumber data yang digunakan adalah Susenas dan survey lain yang mendukung.

2.5 Tahapan Perhitungan IPM

1. Tahapan pertama perhitungan IPM adalah menghitung indeks masing-masing komponen IPM (e0, pengetahuan, dan standar hidup layak) dengan hubungan sistematis sebagai berikut:

Indeks Xi = (Xi - Xmin) / (Xmax – Xmin)

Xi = indikator komponen indeks pembangunan manusia ke-I (i=1, 2, 3) Xmin = nilai minimum Xi


(42)

Persamaan di atas akan menghasilkan nilai 0 ≤ Xi ≤ 1, untuk mempermudah membaca skala dinyatakan dalam 100 persen sehungga interval nilai menjadi 0 ≤ Xi ≤ 100.

2. Tahapan kedua perhitungan IPM adalah menghitung rata-rata sederhana dari masing-masing indeks Xi dengan hubungan sistematis.

Indeks Pembangunan Manusia = 1/3 Xi

= 1/3 (X(1) + X(2) + X(3)) dimana:

X(1) = Indeks angka harapan hidup

X(2) = 2/3 (indeks melek huruf) + 1/3 (indeks rata-rata lama bersekolah) X(3) = Indeks konsumen per kapita yang disesuaikan

Tabel 2.1

Nilai Minimum dan Maksimum Indikator Komponen IPM

Indikator Nilai Maksimum Nilai Minimum Catatan

1 2 3 4

Angka Harapan

Hidup 85 25 Standar UNDP

Angka Melek Huruf 100 0 Standar UNDP

Rata-rata Lama

Sekolah (tahun) 15 0 Standar UNDP

Daya Beli 859,3 421,6

UNDP Menggunakan Riil perkapita disesuaikan


(43)

3. Tahap ketiga menentukan status IPM untuk melihat perkembangan tingkatan status IPM di kabupaten/kota, dibedakan 4 kriteria di mana status menengah di pecah menjadi dua seperti di bawah ini:

 Rendah dengan nilai IPM kurang dari 50

 Menengah bawah dengan nilai IPM berada diantara 50 sampai kurang dari 66

 Menengah ataas dengan nilai IPM berada diantara 66 sampai kurang dari 80

 Tinggi dengan nilai IPM lebih atau sama dengan 80

Sedangkan lebih terurai dijelaskan tentang pembagian status indeks pembangunan manusia seperti tergambar dalam gambar di bawah ini:

Tabel 2.2

Kriteria Tingkatan Status Indeks Pembangunan Manusia (IPM)

Tingkatan Status Kriteria

1 2

Rendah IPM<50

Menengah Bawah 50≤IPM<66

Menengah Atas 66≤IPM<80

Tinggi IPM>80


(44)

2.6 Pemanfaatan Indeks Pembangunan Manusia Dalam Perencanaan Pembangunan Daerah

Konsep pembangunan manusia mempunyai cakupan yang sangat luas, melingkupi hampir seluruh aspek kehidupan mulai dari kebebasan untuk menyampaikan pendapat, untuk memperoleh pekerjaan, untuk menjaga gizi anak, untuk menyatakan kesetaraan gender, untuk dapat membaca dan menulis. Indeks Pembangunan Manusia (IPM) di lain pihak mempunyai cakupan yang sempit. Meskipun IPM mencoba untuk mengukur tingkat pembangunan manusia, indeks ini hanya mampu mengukur sebagian saja. Kondisi ini disebabkan berbagai aspek sangat sulit diukur dan dikumpulkan datanya.

Di sektor perencanaan, pemanfaatan IPM terbatas hanya sebagai patokan dasar. Oleh karena itu, perumusan kebijakan yang lebih terarah, suatu kajian tentang situasi pembangunan manusia perlu dilakukan di suatu wilayah untuk memberikan petunjuk yang lebih jelas tentang arah kebijakan pembangunan di masa yang akan datang.

Dalam merumuskan kebijakan pembangunan, perlu diperhatikan tingkat pencapaian setiap tahun. Karena itu tentang pencapaian upaya pembangunan manusia masih perlu dilakukan dalam suatu periode tertentu, yang memberikan kesempatan untuk mengkaji dampak dari program bagi peningkatan kapasitas dasar penduduk, tingkat pencapaian setiap tahun menuju status pembangunan manusia yang ideal (reduction in shortfall) yang telah dihasilkan pada suatu periode merupakan validasi bagi kebijakan pembangunan yang telah diputuskan pada periode tersebut.


(45)

2.7 Kedudukan IPM Dalam Pembangunan Daerah

Pembangunan merupakan realisasi dari aspirasi dan tujuan suatu bangsa yang dimaksudkan untuk melakukan perubahan secara struktural melalui upaya sistematis dan terencana. Proses pemantauan meliputi pemantauan dan evaluasi terhadap berbagai program yang telah diimplementasikan pada periode sebelumnya. Suatu kajian yang membahas situasi dan kondisi yang objektif tentang permasalahan pokok yang dihadapi dalam pelaksanaan berbagai program pembangunan, karenanya perlu dilakukan untuk melakukan pentahapan, pencapaian tujuan jangka panjang, tujuan jangka menengah, dan tujuan jangka pendek, serta untuk menentukan prioritas. Melalui kajian tersebut dirumuskan suatu kebijakan umum yang akan menjadi pedoman bagi para perencana dalam merancang berbagai program.

Dalam konteks pembangunan daerah, IPM ditetapkan sebagai salah satu ukuran utama yang mencantumkan dalam pola dasar pembangunan daerah yang akan datang. Hal ini merupakan langkah penting karena Indeks Pembangunan Manusia menduduki salah satu posisi penting dalam manajemen pembangunan daerah. Oleh karena pelaksanaan pembangunan manusia lainnya akan menjadi kunci bagi terlaksananya perencanaan pembangunan yang terarah.

Kedudukan dan peranan pembangunan Indeks Pembangunan Manusia dalam manajemen pembangunan akan lebih terlihat kalau dilengkapi dengan suatu data set yang berisikan indikator yang relevan dengan IPM dan disusun sebagai suatu sistem data base pembangunan manusia. System data base tersebut merupakan sumber data


(46)

utama dalam identifikasi lebih lanjut yang dilakukan untuk mengenali lebih dalam permasalahan yang dihadapi berkaitan dengan upaya dan hasil-hasil serta dampak pembangunan manusia. Identifikasi tersebut dibuat dalam suatu analisis situasi pembangunan manusia yang mengkaji berbagai kendala dan implementasi program pembangunan pada setiap periodenya. Potensi yang dimiliki suatu wilayah untuk dimasukkan sebagai masukan perencanaan pembangunan daerah pada periode yang akan datang. Proses ini merupakan kajian yang dapat menghasilkan rekomendasi bagi aplikasi kebijakan pembangunan yang paling sesuai dengan kebutuhan masyarakat. Dengan demikian, maka IPM merupakan alat advokasi kepada para pengambil keputusan dan perumusan kebijakan tentang langkah-langkah pada masa mendatang yang perlu dilakukan.


(47)

BAB 3

GAMBARAN UMUM

3.1 Sejarah Singkat BPS (Badan Pusat Statistik)

A. Masa Pemerintahan Hindia Belanda

Pada bulan Februari 1920, Kantor Statistik pertama kali didirikan oleh Direktur Pertanian, Kerajinan dan Perdagangan (Directure Vand Landbow Nijeverheiden Handed) dan Berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan mempublikasikan data statistik.

Pada bulan Maret 1923, dibentuk suatu komisi untuk statistik yang anggotanya merupakan wakil dari tiap-tiap departemen. Komisi tersebut diberi tugas untuk merencanakan tindakan-tindakan yang mengarah sejauh mungkin untuk mencapai kesatuan dalam kegiatan di bidang statistik di Indonesia.

Pada tanggal 24 September 1924, nama lembaga tersebut diganti dengan nama Central Kantor Voor de Statistik (CKS) atau kantor statistik dan di pindahkan ke Jakarta. Bersama dengan itu beralih pula pekerjaan mekanisme Statistik Perdagangan yang semula dilakukan oleh kantor Invoer Vitvoer en Accijnsen (IUA) yang sekarang disebut kantor Bea dan Cukai.


(48)

B. Masa Pemerintahan Jepang

Pada bulan Juni 1944, pemerintah Jepang baru mengaktifkan kembali kegiatan Statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang atau militer. Pada masa ini Central Kantor Voor de Statistik (CKS) diganti namanya menjadi Shomubu Chosasitsu Gunseikanbu.

C. Masa Kemerdekaan Republik Indonesia

Setelah Proklamasi kemerdekaan RI tanggal 17 Agustus 1945, kegiatan Statistik ditangani oleh lembaga atau instansi baru sesuai dengan suasana kemerdekaan yaitu KAPPURI (Kantor Penyelidik Perangkaan Umum Republik Indonesia) dipindahkan ke Yogyakarta sebagai sekuens dari perjanjian Linggarjati. Sementara itu pemerintah Belanda (NICA) di Jakarta mengaktifkan kembali Central Kantor Voor de Statistik (CKS).

Berdasarkan surat edaran kementrian kemakmuran tanggal 12 Juni 1950 Nomor 219/S.C, KAPURRI (Kantor Penyelidik Perangkaan Umum Republik Indonesia) dan Central Voor de Statistik (CKS) dilebur menjadi Kantor Pusat Statistik (KPS) dan berada dibawah dan bertanggung jawab menteri Kemakmuran.

Dengan surat Menteri Perekonomian tanggal 1 Maret 1952 Nomor p/44, Lembaga Kantor Pusat Statistik (KPS) berada dibawah dan bertanggungjawab menteri Perekonomian. Selanjutnya keputusan Menteri Perekonomian tanggal 24 Desember 1953 Nomor:18.099/M, KPS dibagi menjadi dua bagian yaitu bagian Research yang


(49)

Dengan keputusan Presiden RI Nomor 131 tahun 1957, kementrian Perekonomian dipecah menjadi kementrian Perdagangan dan kementrian Perindustrian. Untuk selanjutnya keputusan Presiden RI Nomor 172, terhitung tanggal 1 Juni 1957 Kantor Pusat Statistik (KPS) diubah menjadi Biro Pusat Statistik yang semula menjadi tanggung jawab dan wewenang berada dibawah perdanana mentri.

D. Masa Orde Baru Sampai Sekarang

Dalam rangka perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan pada organisasi Badan Pusat Statistik.

Dalam masa orde baru ini Badan Pusat Statistik telah mengalami empat kali perubahan struktur organisasi:

1. Peraturan Pemerintah Nomor 16 tahun 1968 tentang organisasi Badan Pusat Statistik. 2. Peraturan Pemerintah Nomor 6 tahun 1980 tentang organisasi Badan Pusat Statistik. 3. Peraturan Pemerintah Nomor 2 tahun 1992 tentang organisasi Badan Pusat Statistik

dan Keputusan Presidan Nomor 6 tahun 1992 tentang kedudukan, fungsi, susunan dan tata Kerja Biro Pusat Statistik.

4. Undang-undang Nomor 16 tahun 1917 tentang Statistik

5. Keputusan Presiden RI Nomor 86 tahun1998 tentang Badan Pusat Statistik 6. Keputusan Pemerintah Nomor 51 tahun 1999 tentang Penyelenggaraan Statistik

Pada tanggal 17 Juni 1998 dengan keputusan Presiden Republik Indonesia Nomor 86 tahun1998 ditetapkan Badan Pusat Statistik, sekaligus mengatur tata kerja dan struktur organisasi BPS yang baru.


(50)

3.2 Visi dan Misi BPS (Badan Pusat Statistik) Provinsi Sumatera Utara

A. Visi BPS (Badan Pusat Statistik)

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung Sumber Daya Manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.

B. Misi BPS (Badan Pusat Statistik)

Dalam menunjuk pembangunan nasional Badan Pusat Statistik mengemban misi mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu, handal, efektif dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik serta pengembanan ilmu pengetahuan statistik.

3.3 Struktur Organisasi Badan Pusat Statistik Propinsi Sumatera Utara

Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai struktur organisasi, karena perusahaan juga merupakan organisasi.Dimana organisasi adalah suatu sistem dari aktivitas kerjasama yang terorganisir, yang dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama.

Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana


(51)

Dengan adanya struktur organisasi perusahaan yang baik, maka dapat diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan. Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Provinsi Sumatera Utara adalah berbentuk Lini dan staff

1. Bagian Tata Usaha/Kepegawaian 2. Bidang Statistik Produksi

3. Bidang Statistik Distribusi 4. Bidang Statistik Kependudukan

5. Bidang Pengolahan, Penyajian dan Pelayanan Statistik 6. Bidang Neraca Wilayah dan Analisis Statistik


(52)

(53)

BAB 4

PENGOLAHAN DATA

4.1 Pengumpulan Data

Data dikumpulkan dengan melakukan riset penelitian pada Badan Pusat Statistik (BPS) Propinsi Sumatera Utara Kabupaten Asahan yang dilakukan selama satu minggu. Adapun data yang dikumpulkan merupakan penggabungan dari beberapa tabel faktor-faktor Indeks Pembangunan Manusia (IPM) Kabupaten Asahan tahun 2011.

4.2 Sumber Data

Data yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari data hasil survei yang dilakukan Badan Pusat Statistik. Adapun data sekunder ini berupa persentase dari variabel-variabel yang meliputi variabel pendidikan, kesehatan, ketenagakerjaan serta Indeks Pembangunan Manusia (IPM).


(54)

4.3 Data Hasil Penelitian

Dari hasil riset yang peneliti lakukan di beberapa instansi terkait, maka didapat data seperti dalam tabel berikut:

Tabel 4.1 Persentase Perkembangan IPM, Kesehatan, Pendidikan, dan Ketenagakerjaan Tahun 2007-2011

Tahun IPM Pendidikan Kesehatan Ketenagakerjaan 2007 71,16 88,52 71,35 48

2008 71,57 87,48 71,45 45

2009 72,16 86,89 71,55 55

2010 72,54 84,58 71,58 59

2011 73,02 85,98 71,64 64

Tabel di atas di dapat dari beberapa tabel persentase IPM, Kesehatan, Pendidikan dan Ketenagakerjaan yang bersumber dari SUSENAS Kabupaten Asahan tahun 2007-2011. Data-data tersebut diantaranya adalah sebagai berikut:

Tabel 4.2 Perkembangan IPM dan Komponen Kabupaten Asahan Tahun 2007-2011

Kabupaten/Kota

Tahun

2007 2008 2009 2010 2011

1 2 3 4 5 6

Harapan Hidup 68,59 68,69 68,84 68,98 69,13 Melek Huruf 96,555 96,68 96,79 96,90 97,01 Rata-rata Lama


(55)

Pengeluaran Per Kapita 620,00 624,23 627,64 631,24 633,82

IPM 71,16 71,57 72,16 72,54 73,02

Sumber Asahan Dalam Angka 2007-2011

Tabel 4.3 Persentase Penduduk Usia 10 Tahun ke Atas Menurut Pendidikan Tertinggi Yang Ditamatkan Tahun 2007-2011

Pendidikan Tertinggi Yang Ditamatkan

Tahun

2007 2008 2009 2010 2011

1 2 3 4 5 6

Tidak/belum pernah sekolah 0,54 1,59 1,56 0,99 2,15 Tidak/belum pernah tamat SD 12,14 11,75 12,75 9,93 14,93

Pendidikan Tertinggi Yang Ditamatkan

SD 20,47 21,44 23,18 21,8 22,24

SMP 26,72 24,2 20,94 23,36 23,1

SMA 35,6 35,31 32,9 35,94 30,75

Diploma I/II 0,27 0,34 0,77 0,93 0,49

Diploma III 1 2,48 2,01 1,6 1,49

Diploma IV/Sarjana 3,26 2,88 5,89 5,23 4,84

Jumlah Pendidikan Yang

Ditamatkan 88,52 87,48 86,89 84,58 85,98

Sumber SUSENAS 2007-2011

Tabel 4.4 Tabel Profil Ketenagakerjaan Tahun 2007-2011 dalam persen (%)

Keterangan

Tahun

2007 2008 2009 2010 2011

1 2 3 4 5 6

Penduduk 15 Tahun Ke

Atas 79,58 80 80 80 25,61

Angkatan Kerja 48 45 55 59 64

Setengah Pengangguran 11,83 11,83 16,9 12 11

Pengangguran Terbuka 3,61 4,6 6,3 5 5

TKI diluar negeri 0,03 0,04 0,04 0,03 0,01


(56)

Tabel 4.5 Persentasi Tingkat Kesehatan Tahun 2007-2011 dalam persen (%)

Keterangan

Tahun

2007 2008 2009 2010 2011

1 2 3 4 5 6

Berobat ke tenaga medis

68,08 70,45 45

71,35 72,88 71,58

Tingkat Kesehatan 48 45 55 59 6

Membeli obat ke apotik 11,83 11,83 16,9 12 1

Membeli obat ke kios 2,63 4,6 5,8 5,7 6

Berobat ke dukun 0,05 0,03 0,06 0,01 0,02

Sumber : Asahan Dalam Angka 2007 – 2011

4.4 Pembahasan Hasil Penelitian

Dari beberapa tabel di atas, dapat kita buat dalam bentuk tabel analisis jalur yakni sebagai berikut:

Tabel 4.6 Tingkat Pendidikan, Kesehatan, ketenagakerjaan dan Indeks Pembangunan Manusia Kabupaten Asahan Tahun 2007-2011 (dalam persen)

Tahun IPM Pendidikan Kesehatan Ketenagakerjaan n

2007 71,16 88,52 71,35 48

2008 71,57 87,48 71,45 45

2009 72,16 86,89 71,55 55

2010 72,54 84,58 71,58 59

2011 73,02 85,98 71,64 64

Jumlah 360,45 433,45 357,57 271


(57)

Pendidikan

Kesehatan 4.5 Pengolahan Data

4.5.1 Menentukan Model Diagran Jalur

Menentukan model diagram jalur berdasarkan paradigm hubungan variabel dengan tahapan sebagai berikut:

IPM

Ketenagakerjaan

Gambar 4.1 Diagram Jalur dengan 3 variabel bebas dan 1 variabel terikat

4.5.2 Membuat Diagram Jalur

Membuat diagram jalur persamaan strukturalnya sebagai berikut:

X1

ε

X2 Y

X3


(58)

Dengan diagram jalur tersebut terdiri atas dua persamaan struktural, dengan dua sub- struktural, yaitu X1, X2, dan X3 sebagai variabel eksogen dan Y sebagai variabel endogen. Bentuk persamaan strukturalnya adalah sebagai berikut:

Y = ρyx1 x1 + ρyx2 x2 + ρyx3 x3 + ε

Keterangan:

 Pendidikan merupakan variabel pertama dan diberi simbol X1

 Kesehatan merupakan variabel bebas kedua dan diberi simbol X2

 Ketenagakerjaan merupakan variabel bebas ketiga dan diberi simbol X3

 Indeks Pembangunan Manusia (IPM) merupakan variabel terkait dan diberi simbol Y

4.5.3 Menganalisis Data Menggunakan Program Amos Versi 18

Bentuk persamaan strukturalnya adalah: Y = ρyx1 x1 + ρyx2 x2 + ρyx3 x3 + ε

Dengan:

X1 : Pendidikan X2 : Kesehatan X3 :Ketenagakerjaan Y : IPM


(59)

Untuk menganalisis menggunakan Amos Versi 18, terdapat tahapan sebagai berikut:

1. Menampilkan gambar dengan tampilan angka hasil analisis

 Buka Program Amos Versi 18

 Pilih Amos Graphics

 Gambar struktur model pada drawing area

 Input data dengan klik file kemudian pilih data dengan klik file name kemudian klik OK

 Klik Analyse pada menu Amos

 Pilih Calculate Estimates (Ctrl + F9)

 Save Path Diagram

 Klik View the Output Path Diagram

2. Melakukan pengujian data

Setelah model dan file data dimasukkan, proses selanjutnya adalah melakukan proses pengujian data. Untuk persiapan output maka langkah-langkahnya adalah sebagai berikut:

 Buka menu View

 Pilih Analysis Properties (muncul Kotak Dialog Analysis Properties)

 Klik tab output dan beri tanda centang semua tab output

 Tutup kotak dialog dengan klik tombol close

 Untuk proses, jalankan menu Analyse dan pilih Calculate Estimates


(60)

4.6 Menafsirkan Hasil Analisis Data

4.6.1 Analisis Regresi

Kita akan menganalisis regresi dengan melihat pengaruh secara gabungan dan secara parsial.

a. Melihat pengaruh pendidikan, kesehatan, dan ketenagakerjaan secara gabungan terhadap IPM.

Untuk melihat pengaruh pendidikan, kesehatan, dan ketenagakerjaan terhadap IPM secara gabungan, akan kita lihat hasil perhitungan dalam model Squared Multiple Correlations, khususnya angka R square di bawah ini:

Squared Multiple Correlations : (Group number 1 – Default model) Estimate

IPM .993

Besarnya angka estimate dalam hal ini merupakan angka R square (r2) adalah 0,993. Angka tersebut dapat digunakan untuk melihat besarnya pengaruh pendidikan, kesehatan, dan ketenagakerjaan terhadap IPM Kabupaten Asahan dengan cara menghitung Koefisien Determinasi (KD) dengan menggunakan rumus sebagai berikut: Koefisien Determinasi (KD) = r2 x 100%

= 0,993 x 100% = 99,3%


(61)

Angka tersebut mempunyai maksud bahwa pengaruh pendidikan, kesehatan, dan ketenagakerjaan secara gabungan terhadap IPM adalah 99,3%. Adapun sisanya sebesar 0,7% (100% - 99,3%) dipengaruhi oleh faktor lain. Dengan kata lain variabilitas IPM yang dapat diterangkan dengan menggunakan variabel pendidikan, kesehatan, dan ketenagakerjaan adalah sebesar 99,3%, sedangkan pengaruh 0,7% disebabkan oleh variabel-variabel lain di luar model ini. Untuk mengetahui apakah model regresi di atas sudah benar atau salah, diperlukan uji hipotesis menggunakan uji signifikansi sebagaimana tertera dalam tabel di bawah ini:

Covariances : (Group number 1 – Default model)

Estimate S.E. C.R. P Label Pendidikan <--> Kesehatan -.302 .439 -.689 .491 Par_4 Kesehatan <--> Ketenagakerjaan 1.386 1.918 .722 .470 Par_5 Pendidikan <--> Ketenagakerjaan -12.618 10.534 -1.198 .231 Par_6

Angka estimate pada output di atas menunjukkan kovarian antar variabel terikat (endogenus) dengan variabel bebasnya (eksogenus). Untuk mengetahui hal tersebut, dapat dilakukan pengujian hipotesis seperti pada pengujian ada tidaknya hubungan antara dua variabel tertentu.

Kaidah pengujian signifikansi Program Amos 18 sebagai berikut:

 Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas sig atau [0,05 ≤ Sig], maka Ho diterima dan H1 ditolak yang artinya tidak signifikan.

 Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas sig ≥


(62)

Dari tabel kovarian di atas, nilai probabilitas lebih besar dari 0,05, bahkan mencapai angka sempurna yakni mendekati 1. Jika diberikan hipotesis seperti berikut:

 Ho : tidak ada hubungan yang nyata (signifikan) antara pendidikan, kesehatan, dan ketenagakerjaan terhadap IPM

 H1 : ada hubungan yang nyata (signifikan) antara pendidikan, kesehatan, dan ketenagakerjaan terhadap IPM

Maka, dari pernyataan di atas, Ho ditolak dan H1 diterima sehingga ada hubungan yang nyata (signifikan) antara pendidikan, kesehatan, dan ketenagakerjaan terhadap pendidikan.

b. Melihat pengaruh pendidikan, kesehatan, dan ketenagakerjaan secara parsial terhadap IPM.

Untuk melihat pengaruh pendidikan, kessehatan, dan ketenagakerjaan terhadap IPM secara parsial, akan kita lihat hasil perhitungan dalam model Regression Weights:


(63)

Regressions Weights : (Group number 1 – Default model)

Estimate S.E. C.R. P Label Pendidikan <--- Kesehatan .076 .018 4.172 *** Par_1 Kesehatan <--- Ketenagakerjaan 1.251 .062 20.117 *** Par_2 Pendidikan <--- Ketenagakerjaan .029 .004 6.700 *** Par_3

Proses:

Perumusan Hipotesis

 Ho : Tidak ada hubungan yang nyata (signifikan) antara pendidikan, kesehatan, dan ketenagakerjaan terhadap IPM

 H1 : ada hubungan yang nyata (signifikan) antara pendidikan, kesehatan, dan ketenagakerjaan terhadap IPM

Dalam hal ini semua hubungan , jika ada dan nyata, adalah positif. Hal ini disebabkan secara teori (theory based) tidak mungkin karena pendidikan dan kesehatan. Secara negative. Dalam arti semakin tinggi pendidikan justru mengakibatkan semakin rendah tingkat kesehatan. Hal ini penting, karena jika hubungan dinyatakan signifikan, namun

mempunyai tanda negatif, seharusnya hasil tersebut ditolak, karena tidak sesuai dengan hipotesis teoritis.


(64)

Dasar keputusan:

Jika nilai probability (P) > 0,05 Ho diterima Jika nilai probability (P) < 0,05 Ho ditolak Keputusan

Pada kolom P terlihat nilai P adalah ***. Hal ini menunjukkan angka P adalah 0,000, yang jauh di bawah 0,05. Karena itu Ho ditolak, atau pada pengujian nilai estimate antara IPM dengan ketiga variabel di atas dikatakan memang terdapat hubungan yang nyata diantara keduanya.

Untuk melengkapi hasil analisis di atas, berikut disertakan tampilan estimate yang sudah distandarisasi.

Standardized Regression Weights : (Group number 1 – Default model) Estimate Pendidikan <--- Kesehatan .257 Kesehatan <--- Ketenagakerjaan .892 Pendidikan <--- Ketenagakerjaan .416

Jika tabel terdahulu menguji signifikan atau tidak hubungan dua variabel, maka tabel ini menjelaskan seberapa eratnya hubungan tersebut. Namun karena p ada uji signifikansi sudah terbukti ada hubungan yang nyata, maka tidak perlu analisis lanjutkan.


(65)

4.6.2 Analisis Korelasi

Analisis korelasi antar variabel pendidikan, kesehatan dan ketenagakerjaan ditunjukkan pada hasil output berikut ini:

Covariances : (Group number 1 – Default model)

Estimate S.E. C.R. P Label Pendidikan <--> Kesehatan -.302 .439 -.689 .491 Par_1 Kesehatan <--> Ketenagakerjaan 1.386 1.918 .722 .470 Par_2 Pendidikan <--> Ketenagakerjaan -12.618 10.534 -1.198 .231 Par_3

Analisis hubungan antar variabel bebas (eksogen) Hipotesis yang diajukan

Ho : tidak ada hubungan antar dua variabel eksogen (bebas) H1 : ada hubungan antar dua variabel eksogen (bebas)

Dasar keputusan:

Jika nilai probability (P) > 0,05 Ho diterima Jika nilai probability (P) < 0,05 Ho ditolak

Kovarians adalah hubungan dua variabel yang bersifat dua arah berbeda (berbeda dengan regression weights yang bersifat searah). Pada model ada beberapa kovarians, yang menunjukkan hubungan antara masing-masing variabel bebas (eksogenus). Pada kolom P terlihat semua angka probability yakni P (0,491 ; 0,470 ; 0,231) lebih besar


(66)

dari 0,05 sehingga Ho diterima. Hal ini berarti tidak ada hubungan antara variabel bebas (eksogen).

Correlations : (Group number 1 – Default model)

Estimate Pendidikan <--> Kesehatan -.367 Kesehatan <--> Ketenagakerjaan .387 Pendidikan <--> Ketenagakerjaan -.748

Dari hasil korelasi data di atas nilai estimate bernilai negatif. Hal ini berarti telah terlihat jelas bahwa tidak ada korelasi (hubungan) antara dua variabel bebas (eksogenus). Penjelasan selanjutnya sebagai berikut:

 Korelasi antara Pendidikan dengan Kesehatan rx1x2 = -0,367

Berdasarkan perhitungan diperoleh nilai korelasi antar variabel pendidkan dan kesehatan sebesar -0,367 yang berarti bahwa hubungan antara pendidikan dan kesehatan adalah negatif sempurna dan tak searah.

 Korelasi antara Kesehatan dengan Ketenagakerjaan rx2x3 = 0,387


(67)

Berdasarkan perhitungan diperoleh nilai korelasi antara variabel kesehatan dan ketenagakerjaan sebesar 0,387 yang berarti bahwa hubungan antara kesehatan dan ketenagakerjaan adalah lemah dan searah.

 Korelasi antara Pendidikan dan ketenagakerjaan rx1x3 = -0,748

Berdasarkan perhitungan diperoleh nilai korelasi antara variabel pendidikan dan ketenagakerjaan sebesar -0,748 yang berarti bahwa hubungan antara pendidikan dan ketenagakerjaan adalah negatif sempurna dan tak searah.

Implied(for all variables) Correlations (Group number 1 – Default model) Ketenagakerjaan Kesehatan Pendidikan IPM

Ketenagakerjaan 1.000

Kesehatan .387 1.000

Pendidikan -.748 -.367 1.000

IPM .569 .958 -.382 1.000

Besarnya nilai korelasi antara variabel terikat (endogenus) dengan variabel bebas (eksogenus) antara lain:


(68)

 Korelasi antara Pendidikan dengan IPM rx1y =-0,382

Berdasarkan perhitungan diperoleh nilai korelasi antara variabel pendidikan dan IPM sebesar -0,382 yang berarti bahwa hubungan antara pendidikan dan IPM adalah negatif sempurna dan tak searah.

 Korelasi antara Kesehatan dengan IPM rx2y = 0.958

Berdasarkan perhitungan diperoleh nilai korelasi antara variabel kesehatan dan IPM sebesar 0,958 yang berarti bahwa hubungan antara pendidkan dan IPM adalah sangat kuat dan searah.

 Korelasi antara Ketenagakerjaan dengan IPM rx3y = 0,569

Berdasarkan perhitungan diperoleh nilai korelasi antara variabel ketenagakerjaan dan IPM sebesar 0,569 yang berarti bahwa hubungan antara pendidikan dan IPM adalah cukup kuat dan searah.

4.7 Prehitungan Pengaruh

4.7.1 Pengaruh Langsung (Direct Effect)

Untuk menghitung pengaruh langsung (direct effect) digunakan formula sebagai berikut:

Besarnya pengaruh langsung variabel eksogenus terhadap variabel endogenus = Pxux1 X Pxux1


(69)

Atau dapat dilihat pada hasil output di bawah ini:

Direct Effects (Group number 1 – Default model)

Ketenagakerjaan Kesehatan Pendidikan IPM .029 1.251 .076

 Pengaruh variabel Pendidikan terhadap IPM X1 Y = 0,076 ≈ 0,08

Hal itu menunjukkan besarnya kontribusi pendidikan (X1) yang secara langsung mempengaruhi IPM (Y) adalah 0,082 = 0,0064 atau 0,64%

 Pengaruh variabel Kesehatan terhadap IPM X2 Y = 1,25

Hal itu menunjukkan besarnya kontribusi kesehatan (X2) yang secara langsung mempengaruhi IPM (Y) adalah 1,252 = 1,56 atau 156%

 Pengaruh variabel Ketenagakerjaan terhadap IPM X3 Y= 0,029 ≈0,03

Hal itu menunjukkan besarnya kontribusi ketenagakerjaan (X3) yang secara langsung mempengaruhi IPM (Y) adalah 0,032 = 0,0009 atau 0,09%

Sedangkan nilai standarisasi dapat dilihat pada hasil output berikut ini:

Standardized Direct Effects (Group number 1 – Default model) Ketenagakerjaan Kesehatan Pendidikan IPM .461 .892 .257


(70)

4.7.2 Pengaruh Tak Langsung (Indirect Effects)

Untuk menghitung pengaruh tak langsung (indirect effect) digunakan formula sebagai berikut:

Besarnya pengaruh tidak langsung variabel eksogenus terhadap variabel endogenus = pxuxi x rx1x2 x pxuxi

Atau dapat dilihat pada hasil output di bawah ini: Indirect Effects (Group number 1 – Default model)

Ketenagakerjaan Kesehatan Pendidikan IPM .000 .000 .000

Dari tabel di atas terlihat bahwa data tersebut tidak memiliki pengaruh secara tak langsung karena merupakan model satu jalur, dimana hanya mempunyai pengaruh langsung saja.

Sedangkan nilai standarisasi dapat dilihat pada hasil output berikut ini: Standardized Indirects Effects (Group number 1 – Default model) Ketenagakerjaan Kesehatan Pendidikan IPM .000 .000 .000


(71)

Besarnya pengaruh total variabel eksogenus terhadap variabel endogenus adalah penjumlahan besarnya pengaruh langsung dengan besarnya pengaruh tidak langsung = [pxuxi x pxuxi] + [pxux x rx1x2]

Atau dapat dilihat pada hasil output di bawah ini: Total Effects (Group number 1 – Default model)

Ketenagakerjaan Kesehatan Pendidikan IPM .029 1.251 .076

Sedangkan nilai standarisasi dapat dilihat pada hasil output berikut ini:

Standardized Total Effects (Group number 1 – Default model)

Ketenagakerjaan Kesehatan Pendidikan IPM .416 .892 .257


(72)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam sistem yang telah disetujui, dan memulai sistem baru atau sistem yang sudah diperbaiki.

5.2 Sekilas Tentang Amos Versi 18

Ada beberapa program komputer yang dapat digunakan untuk menganalisis model persamaan struktural antara lain AMOS, ESQ, LISREL, with PRELIS, LISCOMP Mx, SASS PROC CALIS, STATISTICA-SEPATH. Program AMOS memiliki kelebihan karena user friendly graphical interface. Program ini di buat oleh perusahaan Smallwaters Corporation da versi untuk student dapat diperoleh secara gratis di http://www.smallwaters.com/ versi student sebenarnya lengkap seperti haknya full version, tetapi jumlah variabel hanya dibatasi sampai delapan variabel saja.


(1)

Kemudian dilakukan pengolahan data dengan cara klik icon Analysis Calculate Estimate, dengan tampilan sebagai berikut:


(2)

70

5.8 Output Hasil Pengolahan Data


(3)

(4)

72

BAB 6

PENUTUP

6.1 Kesimpulan

Berdasarkan hasil riset yang dilakukan di beberapa instansi terkait di Asahan, maka dapat diambil kesimpulan tentang Indeks Pembangunan Manusia bahwa:

1. Pengaruh variabel pendidikan terhadap IPM Kabupaten Asahan secara langsung sebesar 0,08. Jika berdasarkan nilai standarisasi, pengaruhnya sebesar 0,257 atau 25,7%. Artinya hubungan antara variabel pendidikan dengan IPM secara langsung lemah dan searah. Artinya semakin rendah tingkat pendidikan di suatu daerah maka akan semakin rendah pula Indeks Pembangunan Manusianya.

2. Pengaruh variabel kesehatan terhadap IPM Kabupaten Asahan secara langsung sebesar 1,25. Jika berdasarkan nilai standarisasi, pengaruhnya sebesar 0,892 atau 89,2%. Artinya hubungan antara variabel kesehatan dengan IPM secara langsung sangat kuat dan searah. Artinya semakin tinggi tingkat kesehatan di suatu daerah maka akan semakin tinggi pula Indeks Pembangunan Manusianya.

3. Pengaruh variabel ketenega kerjaan terhadap IPM Kabupaten Asahan secara langsung sebesar 0,03. Jika berdasarkan nilai standarisasi, pengaruhnya sebesar 0,416 atau 4,16%. Artinya hubungan antara variabel ketenagakerjaan dengan IPM secara langsung cukup kuat dan searah. Artinya semakin rendah jumlah tenaga kerja yang bekerja di suatu daerah maka akan semakin rendah pula Indeks Pembangunan Manusianya.


(5)

5. Korelasi antara pendidikan dan IPM Kabupaten Asahan adalah sebesar 0,596 atau 56,9%.

6. Korelasi antara kesehatan dan IPM Kabupaten Asahan adalah sebesar 0,958 atau 95,8%.

7. Korelasi antara ketenagakerjaan dan IPM Kabupaten Asahan adalah sebesar -0,382 atau 38,2%.

6.2 Saran

Dengan adanya penganalisaan data ini dalam penyelesaian tugas akhir ini, penulis menyarankan:

1. Adanya tindak lanjut dari pemerintah, khususnya pemerintahan Kabupaten Asahan dalam usaha peningkatan pendidikan, kesehatan serta ketenagakerjaan masyarakat dalam memaksimalkan program pembangunan manusia.

2. Adanya perhatian khusus pemerintah Kabupaten Asahan dalam perubahan keragaman data yang menggambarkan Indeks Pembangunan Manusia Kabupaten Asahan mengalami peningkatan ataupun penurunan setiap tahunnya.

3. Meskipun telah didapat indikator yang merumuskan angka Indeks Pembangunan Manusia (IPM), terlebih dahulu kita perlu menguji seberapa besar pengaruh masing - masing indikator sehingga hasil perhitungan maksimal dan dapat dipertanggung jawabkan.


(6)

74

Daftar Pustaka

Riduwan, dan Engkos,A. 2007. Cara Menggunakan dan Memaknai Analisis Jalur.

Bandung:Penerbit Alfabeta.

Suliyanto.2006.Metode Riset Bisnis. Yogyakarta:Penerbit Andi.

Sarwono, Jonathan.2007.Analisis Jalur Untuk Riset Bisnis dengan SPSS.

Yogyakarta:Penerbit Andi.

Soegandar, Darmawan.2010. berkenalan Dengan Analisis Jalur.www.Google.com

Badan Pusat Statistik Propinsi Sumatera Utara.2007-2011. Indeks Pembangunan Manusia (IPM) Kabupaten Asahan.Kota Kisaran.

Ghozali,Imam.2004.Model Persamaan Struktural Konsep dan Aplikasi dengan Program AMOS ver.5.Semarang:Penerbit Universitas Diponegoro.

Santoso,Singgih.2011.Structural Equation Modeling (SEM) Konsep dan Aplikasi dengan AMOS 18.Jakarta:Penerbit PT Elex Media Komputindo.