Aplikasi Analisis Jalur Dalam Menganalisis Faktor Yang Mempengaruhi Angka Indeks Pembangunan Manusia (IPM) Di Kabupaten Tapanuli Utara Periode Tahun 2003-2012

PEMBANGUNAN MANUSIA (IPM) DI KABUPATEN

TAPANULI UTARA PERIODE TAHUN 2003-2012

TUGAS AKHIR

SALOMO E G TOBING

112407090

PROGRAM STUDI D 3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

PEMBANGUNAN MANUSIA (IPM) DI KABUPATEN

TAPANULI UTARA PERIODE TAHUN 2003-2012

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

SALOMO E G TOBING

112407090

PROGRAM STUDI D 3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

PERSETUJUAN

Judul : Aplikasi Analisis Jalur Dalam Menganalisis Faktor Yang Mempengaruhi Angka Indeks Pembangunan Manusia (IPM) Di Kabupaten Tapanuli Utara Periode Tahun 2003-2012

Kategori : Tugas Akhir

Nama : Salomo E G Tobing

Nomor Induk Mahasiswa : 112407090 Program Studi : D3 Statistika Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam

Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui Oleh:

Program Studi D3 Statistika FMIPA USU

Ketua, Pembimbing,

Dr. Faigiziduhu Bu‟ulö_lö_{, M.Si Drs. Open Darnius, M.Sc} NIP. 19531218 198003 1 003 NIP. 19641014 199103 1 004

PERNYATAAN

APLIKASI ANALISIS JALUR DALAM MENGANALISIS

FAKTOR YANG MEMPENGARUHI ANGKA INDEKS

PEMBANGUNAN MANUSIA (IPM) DI KABUPATEN

TAPANULI UTARA PERIODE TAHUN 2003-2012

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan masing-masing disebutkan sumbernya.

Medan, Juli 2014

SALOMO E G TOBING 112407090

PENGHARGAAN

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 Faktor Yang Mempengaruhi Angka Indeks Pembangunan Manusia (IPM) Di Kabupaten Tapanuli Utara Periode Tahun 2003-2012.

Terimakasih penulis sampaikan kepada Bapak Drs. Open Darnius, M.Sc, selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu‟ulölö, M.Si dan Bapak Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus. M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman M.Sc selaku Dekan FMIPA USU, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Ayahanda tercinta St. Binsar Lumbantobing, Ibunda tercinta Rosmawaty br Hutauruk dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Daftar isi iv

Daftar Gambar vi

Daftar Tabel viii

BAB 1 PENDAHULUAN

1.1 Latar Belakang 1

1.2 Rumusan Masalah 4

1.3 Batasan Masalah 4

1.4 Tujuan Penulisan 4

1.5 Manfaat Penulisan 5

1.6 Tinjauan Pustaka 5

1.7 Metode Penulisan 7

1.8 Sistematika Penulisan 8

BAB 2 LANDASAN TEORI

2.1 Sejarah dan Perkembangan Analisis Jalur 10

2.2 Pengertian Analisis Jalur 12

2.2.1 Kateristik Analisis Jalur 12

2.2.2 Kegunaan Analisis Jalur 12

2.2.3 Asumsi-asumsi Analisis Jalur 13

2.2.4 Konsep dan Istilah Dalam Analisis Jalur 13

2.2.5 Model Analisis Jalur 15

2.2.6 Diagram Jalur dan Persamaan Struktural 19

2.2.7 Koefisien Jalur 21

2.2.8 Besarnya Pengaruh Variabel Eksogen Terhadap Variabel

Endogen 24

2.2.9 Pengujian Koefisien Analisis Jalur 25

2.3 Konsep Pembangunan Manusia 27

2.4 Konsep Indeks Pembangunan Manusia 28

2.5 Tahapan Perhitungan Indeks Pembangunan Manusia 29

BAB 3 GAMBARAN UMUM TEMPAT RISET

3.1 Letak Geografis dan Iklim 31

3.2 Jumlah, Laju, dan Tingkat Kepadatan Penduduk 32 3.3 Struktur Umum Penduduk dan Angka Beban Tanggungan 33 3.3 Komposisi Penduduk Menurut Umur dan Jenis Kelamin 34

BAB 4 PENGOLAHAN DATA

4.1 Sumber Data 36

4.2 Penyajian Data 36

4.3 Pengolahan Data 43

4.3.1 Menentukan Model Diagram Jalur 43

4.3.2 Membuat Diagram Jalur 44

4.3.3 Menentukan Matriks Korelasi 45

4.3.4 Menghitung Koefisien Jalur 47

4.3.5 Pengujian Koefisien Jalur 53

4.3.6 Menghitung Pengaruh Antara Variabel 57

BAB 5 IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem 61

5.2 Sekilas Tentang Program SPSS 61

5.3 Mengaktifkan SPSS 62

5.4 Mengoperasikan SPSS 63

5.5 Pengisian Data 64

BAB 6 KESIMPULAN DAN SARAN

6.1 Kesimpulan 70

6.2 Saran 71

DAFTAR PUSTAKA LAMPIRAN

DAFTAR GAMBAR

Nomor judul Halaman

Gambar

2.1 Model Regresi Berganda 16

2.2 Model Mediasi 16

2.3 Model Regresi Berganda dan Mediasi 17

2.4 Model Kompleks 17

2.5 Model Rekursif 18

2.6 Diagram Jalur Yang Menyatakan Hubungan Kausal Dari X1 Sebagai Penyebab ke X2 Sebagai Akibat 19

2.7 Diagram Jalur Yang Menyatakan Hubungan Kausal Dari X1, X2, X3, Dan X4 20

2.8 Hubungan Kausal Dari X1, X2, dan X3 ke X4 21

2.9 Hubungan Kausal dari X1, X2 Ke X3 22

4.1 Perkembangan Rata-rata Pengeluaran Per Kapita (ribu rupiah) Kabupaten Tapanuli Utara Tahun 2003-2012 37

4.2 Perkembangan Persentase Angka Melek Huruf (%) Kabupaten

Tapanuli Utara Tahun 2003-2012 38

4.3 Perkembangan PDRB per kapita Kabupaten Tapanuli Utara Tahun 2003-2012 39

4.4 Persentase Angka Kemiskinan Kabupaten Tapanuli Utara Tahun 2003-2012 40

4.5 Perkembangan Status Indeks Pembangunan Manusia (IPM) Tapanuli Utara Tahun 2003-2012 42

4.6 Diagram Jalur Persamaan Struktural 44

5.1 Tampilan Pengaktifan SPSS 17,0 62

5.2 Tamplan Worksheet SPSS 17,0 For Windows 63

5.3 Tampilan Pengisian Data Variabel pada Variabel View 65

5.4 Tampilan Pengisian Data Variabel pada Data View 65

5.5 Tampilan Pada Jendela Editor Regression 66

5.6 Tampilan Linear Regression 66

5.7 Tampilan Dependent dan Independent untuk sub-struktur 1 67

5.8 Tampilan Dependent dan Independent untuk sub-struktur 2 68

5.9 Tampilan Linear Correlations Statistik 68

DAFTAR TABEL

Nomor Judul Halaman

Tabel

1.1 Perkembangan Indeks Pembangunan Manusia Kabupaten

Tapanuli Utara Pada Tahun 2003-2012 21 2.1 Nilai Maksimum dan Minimum Dari Setiap Komponen IPM 33 2.2 Kriteria Tingkatan Status Indeks Pembangunan Manusia (IPM) 35 3.1 Statistik Geografi Tapanuli Utara 39 3.2 Indikator Kependudukan Tapanuli Utara 33 3.3 Sex Ratio dan Komposisi Penduduk Menurut Kelompok Umur

Tahun 2013 35

4.1 Pengeluaran Peer Kapita (ribu rupiah), Angka Melek Huruf (%), PDRB Per Kapita (ratusan ribu rupiah), Angka Kemiskinan(%),

Indeks Pembangunan Manusia (%) 42

4.2 Matriks Korelasi Antara Variabel Pengeluaran Per Kapita, Angka Melek Huruf, PDRB Per Kapita, Angka Kemiskinan, dan IPM 46

BAB 1

PENDAHULUAN

1.1Latar Belakang

Dalam perkembangan ilmu pengetahuan dan teknologi saat ini bahwa statistika telah mempengaruhi hampir seluruh aspek kehidupan manusia yang didasarkan dengan metode statistika, serta hasil analisis dan interpretasi data baik secara kuantitatif maupun kualitatif. Dalam mengaplikasikan bidang ilmu, baik di bidang ekonomi, sosial, dan matematika telah ditemukan beberapa cara dalam menganalisis suatu keadaan. Sesungguhnya, statistika sangat diperlukan bukan saja dalam bidang yang terbatas kepada dunia penelitian tetapi mencakup dunia ilmu pengetahuan. Terutama dalam hal perkembangan metode statistik yang semakin lama semakin nyata dampaknya. Statistika suatu ilmu pengetahuan yang berhubungan dengan cara mengumpulkan fakta atau data, pengolahan data, kemudian menganalisis data tersebut sehingga dapat diperoleh suatu kesimpulan. Dalam penelitian atau riset yang dilakukan khusus ataupun berbentuk laporan, statistika telah memberikan banyak manfaat dan juga mampu untuk menentukan apakah faktor yang satu dipengaruhi atau mempengaruhi faktor lainnya.

Salah satu analisis yang digunakan dalam metode statistika untuk mengetahui hubungan antar variabel adalah analisis jalur. Analisis jalur merupakan pengembangan dari regresi berganda. Teknik ini mempunyai kelebihan dibandingkan dengan regresi linier. Dengan model analisis jalur dapat menghitung 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).

Dalam perencanaan pembangunan dewasa ini, pembangunan manusia senantiasa berada di garda terdepan. Pembangunan manusia (human development) dirumuskan sebagai perluasan pilihan bagi penduduk (enlarging the choice of people), yang dapat dilihat sebagai proses upaya ke arah “perluasan pilihan” dan sekaligus sebagai taraf yang dicapai dari upaya tersebut (UNDP, 1990). Di antara berbagai pilihan tersebut, pilihan yang terpenting adalah untuk berumur panjang dan sehat, untuk berilmu pengetahuan, mempunyai akses terhadap sumber daya yang dibutuhkan agar dapat hidup secara layak dan menjalankan kehidupan yang produktif.

Pada akhirnya, dalam suatu proses pembangunan ekonomi yang bagaimanapun, akan ada bagian dari masyarakat yang tertinggal dan terjebak dalam suatu lingkaran kemiskinan apabila tidak diberikan suatu perhatian khusus. Oleh karena itu, dalam jangka panjang pemerintah membutuhkan adanya suatu program khusus untuk menangani masalah pemberantasan kemiskinan yang tidak dapat segera dijawab dengan kebijaksanaan publik yang memprioritaskan perbaikan sarana dan prasarana untuk pendidikan, kesehatan, dan sistem jaminan kesejahteraan sosial bagi golongan minoritas yang tertinggal (Rino.A.E, 2003). Karena pada dasarnya Pembangunan adalah suatu proses untuk melakukan perubahan pada indikator sosial maupun ekonomi masyarakat menuju ke arah yang lebih baik dan berkesinambungan (Todaro, 1997).

Dengan meningkatnya kesejahteraan ekonomi 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 karena bermanfaat untuk membandingkan kinerja pembangunan manusia baik antar negara maupun antar daerah (Mudrajad, 2006). Pembangunan manusia menjadi penting karena apabila suatu daerah tidak memiliki Sumber Daya Alam (SDA) yang potensial maka dapat menggunakan Sumber Daya Manusia (SDM) untuk membangun dan memajukan daerahnya.

Tabel 1.1 Perkembangan Indeks Pembangunan Manusia Kabupaten Tapanuli Utara Pada Tahun 2003 - 2012

Sumber : BPS Sumatera Utara

Berdasarkan Tabel 1.1 data IPM Kabupaten Tapanuli Utara sepuluh tahun terakhir mengalami peningkatan setiap tahunnya. Dengan semakin meningkatnya indeks pembangunan manusia maka semakin tinggi kualitas hidup masyarakatnya. Seiring dengan pencapaian peningkatan IPM Kabupaten Tapanuli Utara setiap tahunnya, maka penulis tertarik untuk mengetahui seberapa besar pengaruh variabel pengeluaran per kapita, angka melek huruf, PDRB per kapita, dan angka kemiskinan terhadap IPM di Kabupaten Tapanuli Utara dalam bentuk penulisan

Tahun IPM/HDI

2003 69,70

2004 70,90

2005 72,10

2006 72,60

2007 72,99

2008 73,53

2009 73,83

2010 74,31

2011 74,77

yang berjudul “Analisis Faktor-faktor Yang Mempengaruhi Indeks Pembangunan Manusia (IPM) di Kabupaten Tapanuli Utara Suatu Kajian

dengan Model Analisis Jalur”

1.2Rumusan Masalah

Dari uraian pada latar belakang maka dapat dirumuskan suatu permasalahan tentang bagaimana pengaruh variabel pengeluaran per kapita, angka melek huruf, PDRB per kapita, dan angka kemiskinan terhadap indeks pembangunan manusia di Kabupaten Tapanuli Utara.

1.3Batasan 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 permasalahan yang dianalisis untuk menentukan pengaruh variabel pengeluaran per kapita, angka melek huruf, PDRB per kapita, dan angka kemiskinan terhadap indeks pembangunan manusia di Kabupaten Tapanuli Utara.

1.4Tujuan Penulisan

Berdasarkan pada latar belakang dan rumusan masalah di atas, maka tujuan dari penulisan ini adalah untuk menganalisis dan membuktikan seberapa besar pengaruh variabel langsung dan variabel indikator terhadap indeks pembangunan manusia di Kabupaten Tapanuli Utara .

1.5 Manfaat Penulisan

Dalam penulisan ini diharapkan dapat memberikan manfaat antara lain:

a. Bagi pemerintah daerah Kabupaten Tapanuli Utara, sebagai salah satu informasi untuk dijadikan acuan dalam meningkatkan pembangunan manusia dalam hal peningkatan sumber daya manusia.

b. Bagi penulis, dapat menambah atau meningkatkan wawasan, terutama dalam penerapan ilmu yang didapat di bangku kuliah dengan menyatukan materi perkuliahan dengan objek permasalahan yang dijadikan materi pembahasan. c. Hasil penulisan ini diharapkan diharapkan dapat menambah pengetahuan, dan

berguna sebagai salah satu informasi mengenai indeks pembangunan manusia.

1.6 Tinjauan Pustaka

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

Metode analisis data ini biasanya menggunakan model jalur. Model jalur adalah suatu diagram yang menghubungkan antara variabel bebas (X), variabel perantara, dan variabel terikat (Y). Pola hubungan ditunjukkan dengan menggunakan anak panah yang menunjukkan hubungan sebab-akibat antara variabel bebas (X), perantara, dan variabel terikat (Y). Berdasarkan model jalur

akan diperoleh persamaan struktural. Secara umum rumus persamaan jalur dapat dituliskan sebagai berikut:

dimana:

Y = variabel terikat = koefisien jalur ke-i, Xi = variabel bebas ke-i, ε = error

Untuk menghitung besarnya pengaruh langsung dan tidak langsung variabel bebas terhadap variabel terikat adalah:

1. Besarnya pengaruh langsung (Direct Effect atau DE) variabel bebas xi terhadap variabel terikat Y.

DE = ( )2 ,

2. Besarnya pengaruh tidak langsung (Indirect Effect atau IE) variabel bebas xi terhadap variabel terikat Y melalui hubungan korelasi dari variabel xk.

IE =

(

)

(

)

(

)

,

3. Besarnya pengaruh tidak langsung (Indirect Effect atau IE) variabel xi terhadap variabel terikat Y melalui variabel bebas xk.

1.7 Metode Penulisan

1. Jenis dan Sumber Data.

Jenis data yang digunakan dalam penulisan ini adalah data sekunder yang bersifat kuantitatif, yaitu data yang dapat diukur secara langsung atau dinilai dengan angka yang diperoleh dari kantor Badan Pusat Statistik Kabupaten Tapanuli Utara.

2. Teknik Pengumpulan Data.

Dalam penulisan tugas akhir ini, penulis melakukan penelitian kepustakaan (Library Research), yaitu penulisan yang dilakukan melalui bahan-bahan kepustakaan berupa jurnal, buku-buku, dan laporan-laporan penelitian yang ada hubungannya dengan topik yang diteliti. Sedangkan untuk teknik pengumpulan data dilakukan dengan mencatat data tertulis (mengutip atau mengumpulkan dokumen) yang terkait dengan penulisan.

3. Metode Pengolahan Data.

Adapun metode pengolahan data yang digunakan dalam penulisan ini adalah: a. Menentukan variabel eksogen dan variabel endogen.

b. Menggambarkan diagram jalur lengkap. c. Merumuskan persamaan struktural. d. Menghitung koefisien jalur.

e. Menghitung besarnya pengaruh langsung dan tidak langsung dari variabel eksogen terhadap variabel endogen.

1.8 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-bab yaitu sebagai berikut.

BAB 1 : PENDAHULUAN

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

BAB 2 : LANDASAN TEORI

Bab ini menjelaskan mengenai analisis jalur dan konsep komponen serta teknik perhitungan Indeks Pembangunan Manusia (IPM).

BAB 3 : GAMBARAN UMUM

Bab ini menjelaskan mengenai deskripsi Kabupaten Tapanuli Utara yang meliputi letak geografis, profil penduduk.

BAB 4 : ANALISIS DAN PENGOLAHAN DATA

Bab ini menjelaskan pengolahan data yang akan dianalisis, metode analisis data dengan menggunakan analisis jalur serta interpretasi data.

BAB 5 : IMPLEMENTASI SISTEM

Bab ini akan menjelaskan mengenai penggunaan rumus-rumus analisis jalur dengan menggunakan Sofware SPSS.

BAB 6 : PENUTUP

Bab ini akan menjelaskan kesimpulan dari pendugaan pada bab-bab sebelumnya dan saran.

BAB 2

LANDASAN TEORI

2.1 Sejarah dan Perkembangan Analisis Jalur

Analisis Structural Equation Modeling (SEM) adalah pengembangan dari analisis jalur (path analysis) sehingga analisis jalur merupakan dasar dari analisis SEM. Menurut Kuncoro dan Riduan (2007 : 1), mengutip Joreskog dan Sorbom (1996), Bohrnstedt (1974) dan Johnson dan Wichern (1992) analisis jalur (path analysis) dikembangkan berdasarkan serangkaian tulisan antara 1920-an hingga 1960-an oleh seorang ahli genetika yang sangat brilian Sewall Wright. Teknik analisis jalur yang dikembangkan oleh Sewall Right sebenarnya merupakan pengembangan teknik korelasi yang diurai menjadi beberapa interpretasi akibat yang ditimbulkannya. Analisis jalur memiliki kedekatan dengan regresi ganda, sehingga regresi ganda adalah bentuk khusus analisis jalur. Teknik ini dikenal sebagai model sebab-akibat (causing modeling). Penamaan ini didasarkan pada alasan bahwa analisis jalur memungkinkan peneliti dapat menguji proporsi teoritis mengenai hubungan sebab-akibat tanpa memanupulasi variabel-variabel (Sarwono, 2007:1).

2.2 Pengertian Analisis Jalur

Terdapat beberapa definisi 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 terikat tidak hanya secara langsung, tetapi secara tidak langsung (Robert D. Rutherford, 1993).

2. Analisi jalur adalah pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan dan signifikansi hubungan sebab-akibat variabel (Paul Webley, 1997).

3. Analisis jalur adalah model perluasan regresi yang digunakan untuk menguji keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab- akibat yang dibandingkan oleh peneliti (David garson, 2003).

Dari beberapa definisi di atas, dapat disimpulkan bahwa sebenarnya analisis jalur adalah perluasan atau pengembangan dari analisis regresi berganda (multiple regression). Jadi analisis jalur digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung dan tidak langsung seperangkat variabel bebas (exogen) terhadap variabel terikat (endogen). Oleh sebab itu, rumusan masalah penelitian dalam kerangka analis jalur adalah:

a. Apakah variabel eksogen (X₁, X₂, . . . , X_n) berpengaruh terhadap variabel endogen Y.

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

2.2.1 Kateristik Analisis Jalur

Merujuk pendapat yang dikemukakan oleh Land, Ching, Heise, Maruyama, Schumaker dan Lomax, Joreskog (dalam Kusnendi, 2008:147-148), karakteristik analisis jalur adalah metode analisis data multivariat dependensi yang digunakan untuk menguji hipotesis hubungan asimetris yang dibangun atas dasar kajian teori tertentu, dengan tujuan untuk mengetahui pengaruh langsung dan tidak langsung seperangkat variabel penyebab terhadap variabel akibat.

Menguji hipotesis hubungan asimetris yang dibangun atas kajian teori tertentu artinya yang diuji adalah model yang menjelaskan hubungan kausal antar variabel yang dibangun atas kajian teori-teori tertentu. Hubungan kausal tersebut secara eksplisit dirumuskan dalam bentuk hipotesis, baik positif maupun negatif.

2.2.2 Kegunaan Analisis Jalur

Kegunaan model analisi jalur adalah untuk:

a. Penjelasan atau explanation terhadap fenomena yang dipelajari atau permasalahan yang diteliti.

b. Prediksi nilai variabel endogen berdasarkan nilai variabel eksogen.

c. Faktor dominan yaitu penentu variabel eksogen mana yang berpengaruh dominan terhadap variabel endogen, juga untuk mekanisme pengaruh jalur- jalur variabel eksogen terhadap variabel endogen.

2.2.3 Asumsi-asumsi Analisis Jalur

Asumsi yang mendasari path analysis diantaranya: a. Hubungan antar variabel bersifat linier dan normal.

b. Tidak adanya adivity, yaitu tidak ada efek-efek interaksi. Semua variabel residual tidak boleh berinteraksi dengan salah satu variabel dalam model yang diteliti.

c. Sistem aliran kausal hanya satu arah (rekursif) artinya tidak ada arah kausalitas terbalik non-rekursif (reciprocal).

d. Variabel terikat minimal dalam bentuk skala ukur interval dan ratio.

e. Sampling bersifat probability sampling sehingga memungkinkan seluruh anggota populasi memiliki peluang yang sama untuk dipilih menjadi anggota sampiling.

f. Obsersed variabel diukur tanpa kesalahan (instrumen valid dan reliable) artinya variabel yang diteliti dapat diobservasi secara langsung.

g. Model yang dianalisis dispesifikasikan berdasarkan teori atau konsep yang relevan, artinya model yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel.

2.2.4 Konsep dan Istilah Dalam Analisis Jalur

Dalam analisi jalur dikenal beberapa konsep dan istilah dasar, yaitu:

a. Model jalur adalah suatu diagram yang menghubungkan antara variabel bebas, perantara dan tergantung.

c. Variabel exogenous adalah semua variabel yang tidak ada penyebab-penyebab eksplisitnya atau dalam diagram tidak ada anak panah yang menuju kearahnya, selain pada bagian kesalahan pengukuran.

d. Variabel endogenous adalah variabel yang mempunyai anak panah menuju ke arah variabel tersebut.

e. Koefisien Jalur adalah Koefisien regresi standar atau disebut „beta‟ yang menunjukkan pengaruh dari suatu variabel bebas terhadap variabel tergantung dalam suatu model jalur tertentu.

f. Variabel-variabel exogenous yang dikorelasikan.

g. Istilah gangguan atau kesalahan residual yang tidak dapat diterangkan atau pengaruh dari semua variabel yang tidak terukur dengan kesalahan pengukuran.

h. Dekomposisi pengaruh. Koefisien-koefisien jalur dapat digunakan untuk mengurai korelasi-korelasi dalam suatu model ke dalam pengaruh langsung dan tidak langsung yang berhubungan dengan jalur langsung dan tidak langsung yang direfleksikan dengan anak panah dalam suatu model tertentu. i. Model Recursive. Model penyebab yang mempunyai satu arah.

j. Model Non-recursive. Model penyebab dengan disertai arah yang membalik (feed back loop) atau adanya pengaruh sebab akibat (recipprocal).

k. Direct Effect. Pengaruh langsung yang dapat dilihat dari koefisien jalur dari satu variabel ke variabel lainnya.

2.2.5 Model Analisis Jalur

Kerlinger (2006: 900) menjelaskan bahwa analisis jalur adalah bentuk terapan dari analisis multi-regresi. Di sini digunakan diagram jalur untuk membantu masalah atau menguji hipotesis yang kompleks. Meskipun model regresi dan analisi jalur sama-sama merupakan bentuk analisis regresi, tetapi penggunaan kedua model tersebut berbeda. Untuk keperluan prediksi atau peramalan dan pendugaan nilai variabel endogen (Y) atas dasar nilai-nilai variabel eksogen (X1, X2, . . . , Xn) pola hubungan yang tepat adalah pola hubungan yang mengikuti model regresi. Sedangkan untuk tujuan hubungan sebab-akibat pola yang tepat adalah model struktural. Secara matematik, analisis jalur mengikuti pola model struktural. Analisis jalur merupakan teknik statistik yang digunakan untuk menguji hubungan kausal antara dua variabel atau lebih. Analisis jalur berbeda dengan teknik analisis regresi lainnya, dimana analisis jalur memungkinkan pengujian menggunakan variabel mediating atau perantara.

Beberapa model analisis jalur mulai dari yang paling sederhana sampai dengan yang lebih rumit, diantaranya

a. Model Regresi Berganda

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

Gambar 2.1 Model Regresi Berganda

b. Model Mediasi

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

Gambar 2.2 Model Mediasi

c. 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:

X1

X2

Y

Z

Y X

Gambar 2.3 Model Kombinasi Regresi Berganda dan Mediasi

d. 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:

Gambar 2.4 Model Kompleks

e. Model Rekursif dan Non Rekursif

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

X

Y

Z

X1

Y1

X2

ρ41 ρ21 ρ31

r21 ρ43

ρ32

ρ42 ε3 ε4

ε2

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 (ε2, ε3, dan ε4).

3. Satu variabel endogenous dapat menjadi penyebab variabel endogenous lainnya, tetapi bukan ke variabel exogenous.

Model non recursif terjadi jika arah anak panah tidak searah atau terjadi arah yang terbalik (looping), misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat sebab akibat (reciprocal cause).

1

3 4

2.2.6 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.

X1 X2 ε

Gambar 2.6 Diagram Jalur Yang Menyatakan Hubungan Kausal Dari X1 Sebagai Penyebab ke X2 Sebagai Akibat

Keterangan:

X1 adalah variabel eksogenus (exogenous variable) untuk itu selanjutnya variabel penyebab disebut sebagai variabel eksogenus. X2 adalah 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 X2, 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 2.6 merupakan diagram jalur yang paling sederhana yang menyatakan bahwa X2 dipengaruhi secara langsung oleh X1, tetapi di luar X2,

masih banyak penyebab lain yang dalam penelitian yang sedang dilakukan tidak diukur. Penyebab lain itu dinyatakan oleh ε. Persamaan struktural yang dimiliki oleh gambar 2.6 adalah X2 =

ρ

x2.x1 .X1 + ε. Selanjutnya tanda anak panah satu

arah menggambarkan pengaruh langsung dari variabel eksogenus terhadap variabel endogenus.

X1

X2 X4

ε X3

Gambar 2.7 Diagram Jalur Yang Menyatakan Hubungan Kausal dari X1, X2,X3, dan X4

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 dengan X4 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 =

ρ

X4.X1. X1 +

ρ

X4.X2. X2 +

ρ

X4.X3. X3 + ε

X1

X3 X4

X2 ε1 ε2

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

Perhatikan bahwa pada gambar 2.8 di atas, terdapat dua buah sub-struktur. Pertama, sub-struktur yang menyatakan hubungan kausal dari X1 dan X2 ke X3, serta kedua, sub-struktur yang mengisyaratkan hubungan kausal dari X3 ke X4. Persamaan struktural untuk gambar 2.8 adalah: X3 =

ρ

X3.X1. X1 +

ρ

X3.X2. X2 +ε1 dan X4 =

ρ

X4.X3 . X3 +ε2 . Pada sub-struktur pertama X1 dan X2 merupakan variabel eksogenus, X4 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.

2.2.7 Koefisien Jalur

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

X1

X3

X2

ρ

X3.ε

Gambar 2.9 Hubungan Kausal dari X1, X2, Ke X3

Hubungan antara X1 dan X2 adalah hubungan korelasional. Intensitas keeratan hubungan tersebut dinyatakan oleh besarnya koefisien korelasi rx1.x2 . Hubungan X1 dan X2, ke X3 adalah hubungan kausal. Besarnya nilai numerik koefisien jalur

ρ

X3.X1 dan

ρ

X3.X2. Koefisien jalur

ρ

X3 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.

Formula untuk menghitung koefisien korelasi yang dicari adalah menggunakan Product Moment Coefficient dari Karl Pearson. Alasan penggunaan

teknik koefisien korelasi dari Karl Pearson adalah karena variabel-variabel yang hendak dicari korelasinya memiliki skala pengukuran interval.

Rumus:

Keterangan:

= Koefisien korelasi dan n = banyaknya data

Xi = Variabel eksogenus , j = 1,2,3, . . . , k

Yi = Variabel endogenus , j = 1,2,3, . . . , k

3. Identifikasi sub-struktur dan persamaan yang akan dihitung koefisien jalurnya. Dimisalkan dalam sub-struktur yang telah kita identifikasi terdapat k buah variabel eksogenus, dan sebuah variabel endogenus X_u yang dinyatakan dengan persamaan:

Kemudian hitung matriks korelasi antar variabel eksogenus yang menyusun sub struktural tersebut:

Keterangan:

kofaktor dari kolom ke-i baris ke-j, dan

5. Menghitung semua koefisien jalur dimana k = 1,2, . . . , k, melalui rumus:

2.2.8 Besarnya Pengaruh Variabel Eksogen Terhadap Variabel Endogen

Pengaruh yang diterima oleh sebuah variabel endogenus dari dua atau lebih variabel eksogenus, dapat secara sendiri maupun secara bersama-sama. Pengaruh secara sendiri atau 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 (Xu) terhadap variabel endogenus (Xk)

(

2

2. Besarnya pengaruh tidak langsung variabel eksogenus (Xu) terhadap variabel endogenus (Xi) melalui hubungan korelasi dari variabel Xk

3. Besarnya pengaruh tidak langsung variabel (Xu) terhadap variabel (Xk)melalui variabel (Xi)

(

4. Besarnya pengaruh total adalah pengaruh langsung dijumlahkan dengan variabel tidak langsung.

5. Besarnya pengaruh simultan variabel eksogen terhadap variabel endogen adalah:

Keterangan:

1. adalah koefisien determinasi total terhadap atau besarnya pengaruh variabel eksogen secara bersama-sama (gabungan) terhadap variabel endogen.

2. adalah koefisien jalur.

3. adalah koefisien variabel eksogen dengan variabel endogen .

2.2.9 Pengujian Koefisien Jalur

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

Ho : = 0 , Artinya tidak terdapat pengaruh variabel eksogenus (Xu) terhadap variabel endogenus (Xk)

H1 : ≠ 0 , Artinya tidak terdapat pengaruh variabel eksogenus (Xu) terhadap variabel endogenus (Xk)

2. Gunakan statistik uji yang tepat, yaitu: a. Untuk menguji setiap Koefisien jalur

Keterangan: i = 1, 2, …, k

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

Kriteria Pengujian : Ditolak Ho jika nilai hitung lebih besar dari nilai tabel ( ) dan sebaliknya.

b. Untuk menguji koefisien jalur secara keseluruhan atau bersama-sama:

Keterangan: i = 1, 2, …, k

= Banyaknya variabel eksogenus yang dalam sub-struktur yang diuji. F = Mengikuti tabel distribusi F, dengan dk = (V1 ,V2) dengan Fα(k, n – k – 1 )

Kriteria pengujian: Ditolak HO jika nilai F hitung lebih besar dari F tabel atau (Fo > Ftabel).

2.3 Konsep Pembangunan Manusia

United Nation Development Program (UNDP) mendifinisikan sebagai suatu proses untuk memperluas pilihan-pilihan bagi penduduk. Dalam konsep tersebut ditempatkan sebagai tujuan akhir (the ultimate end) sedangkan upaya pembangunan dipandang sebagai sarana (principal means) untuk mencapai tujuan itu. Untuk menjamin tercapainya tujuan pembangunan manusia, empat hal pokok 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 dimampukan untuk menigkatkan produktivitas dan untuk berpatisipasi penuh dalam proses penciptaan pendapatan dan pekerjaan nafkah. Pembangunan ekonomi, yang dengan 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 sosial.

3. Kesinambungan

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

4. Pemberdayaan

Peduduk harus berpartisipasi penuh dalam keputusan dan proses yang akan menentukan bentuk atau arah kehidupan mereka, serta untuk berpatisipasi dan mengambil manfaat dari proses pembangunan, karenanya pembangunan harus penduduk, bukan hanya untuk mereka.

2.4 Komponen Indeks Pembangunan Manusia

Indeks Pembangunan Manusia (IPM) atau Human Development Indeks (HDI) merupakan suatu indeks komposit yang mencakup tiga bidang pembangunan manusia yang dianggap, sangat mendasar, yaitu angka harapan hidup, tingkat pendidikan, standar hidup layak.

1. Angka Harapan Hidup

Angka Harapan Hidup (AHH) merupakan rata-rata perkiraan banyak tahun yang dapat ditempuh oleh seseorang selama hidup. Penghitungan angka harapan hidup melalui pendekatan tak langsung (inderect estimation). Jenis data yang digunakan adalah Anak Lahir Hidup (ALH) dan Anak Masih Hidup (AMH).

2. Tingkat Pendidikan

Salah satu komponen pembentuk IPM adalah dari dimensi pengetahuan yang diukur melalui tingkat pendidikan. Dalam hal ini, indikator yang digunakan adalah rata-rata lama sekolah (means years of schooling) dan angka melek huruf.

Dimensi lain dari ukuran kualitas hidup manusia adalah standar hidup layak. Dalam cakupan lebih luas, standar hidup layak menggambarkan tingkat kesejahteraan yang dinikmati oleh penduduk sebagai dampak semakin membaiknya ekonomi.

2.5 Tahapan Perhitungan Indeks Pembangunan Manusia

Sebelum penghitungan IPM, setiap Komponen IPM harus dihitung indeksnya. Formula yang digunakan dalam penghitungan indeks komponen IPM adalah sebagai berikut:

Keterangan :

X(i) = Komponen IPM ke-i

X(min) = Nilai minimum dari Komponen IPM ke-i

X(maks) = Nilai maksimum dari komponen IPM ke-i

Untuk menhitung indeks masing-masing komponen IPM digunakan batas maksimum dan minimum seperti dalam tabel berikut:

Tabel 2.1 Nilai Maksimum dan Minimum Dari Setiap Komponen IPM

Komponen IPM Maksimum Minimum Keterangan

1. Angka Harapan

Hidup (Tahun) 85 25

Standar UNDP 2. Angka melek huruf

(Persen) 100 0

Standar UNDP 3. Rata-rata lama

4. Daya Beli (Rupiah PPP)

732.720a 300.00 (1996) Pengeluaran 360.000b

(1999,dst)

perkapita Rill

Disesuaikan

Sumber: Data Sekunder BPS Tapanuli Utara

Keterangan:

a) Perkiraan maksimum pada akhir PJP II tahun 2018

b) Penyesuaian garis kemiskinan lama dengan garis kemiskinan baru

Selanjutnya nilai IPM dapat dihitung dengan rumus:

Keterangan :

Indeks X(i,j) = Indeks Komponen IPM ke i untuk wilayah ke-j i = 1, 2, 3 (Urutan Komponen IPM)

j = 1, 2, . . . , k (wilayah)

Tabel 2.2 Kriteria Tingkatan Status Indeks Pembangunan Manusia (IPM)

Sumber: Data Sekunder BPS Tapanuli Utara

Tingkatan Status Kriteria

1 2

Rendah IPM ≤50

Menengah bawah 51 < IPM ≤ 66

Menengah atas 67 < IPM ≤ 80

BAB 3

GAMBARAN UMUM

3.1 Letak Geografis dan Iklim

Kabupaten Tapanuli Utara merupakan salah satu dari 33 Kabupaten di Sumatera Utara, berada pada punggung pegunungan Bukit Barisan (Daratan Tinggi) dengan luas wilayah Kabupaten Tapanuli Utara seluas 3.800,31 km2. Luas daratannya 3.793,71 Km2 dengan luas perairan Danau Toba 6,60 Km2. Ditinjau dari posisinya, Kabupaten Tapanuli Utara terletak pada posisi yang strategis karena berada pada posisi silang dan jalur lintas dari dan ke beberapa daerah kabupaten lainnya di Sumatera Utara. Batas-batas wilayah Kabupaten Tapanuli Utara adalah sebagai berikut :

Sebelah Utara : Kabupaten Toba Samosir Sebelah Timur : Kabupaten Labuhan Batu Utara Sebelah Selatan : Kabupaten Tapanuli Selatan

Sebelah Barat : Kabupaten Humbang Hasundutan dan Tapanuli Tengah

Kabupaten Tapanuli Utara terdiri dari 15 kecamatan, terdapat 241 desa dan 11 Kelurahan. Kabupaten Tapanuli Utara merupakan salah satu daerah Kabupaten di Propinsi Sumatera Utara terletak di wilayah daratan tinggi Sumatera Utara yang berada pada ketinggian antara 150-1.700 meter di atas permukaan laut. Sekitar 27 kantor desa di kabupaten Tapanuli Utara berada di Ketinggian kurang dari 500 meter di atas permukaan laut, 97 desa memiliki ketinggian antara 500-900 meter

di atas permukaan laut, dan 128 desa berada di ketinggian diatas 1.000 meter di atas di permukaan laut.

Rata-rata hari hujan per bulan sepanjang tahun 2012 yaitu 15 hari dengan rata-rata curah hujan mencapai 236,69 mm. Sementara, rata-rata curah hujan tertinggi terjadi di bulan November dengan hari hujan sebanyak 21 hari dengan rata-rata tingkat curah hujan 420,73 mm.

Tabel 3.1 Statistik Geografi Tapanuli Utara

Uraian Tahun 2012

Ketinggian dpl ( 150 - 1700) m

Luas Wilayah 3.800,31 Km2

Curah Hujan Hari Hujan

Ketinggian Kantor desa (meter)

< 500 dpl 27 desa

(500 - 999) dpl 97 desa

≤ 1000 dpl 128 desa

Sumber : Tapanuli Utara dalam angka 2013

3.2 Jumlah, Laju, dan Tingkat Kepadatan Penduduk

Perkembangan jumlah penduduk Tapanuli Utara dari tahun ke tahun selalu mengalami pertumbuhan, tetapi relatif tidak begitu tinggi. Berdasarkan hasil proyeksi penduduk, jumlah penduduk tahun 2012 sebanyak 285.700 jiwa terdiri dari laki-laki sebanyak 140.830 jiwa dan perempuan sebanyak 144.240 jiwa. Dibandingkan dengan tahun 2011 jumlah penduduk kabupaten Tapanuli Utara mengalami pertambahan sebesar 2.011 jiwa.

Jika jumlah penduduk dianalisis menurut kecamatan, maka Kecamatan Siborong-borong dan Kecamatan Tarutung merupakan dua kecamatan yang memiliki populasi penduduk yang terbesar yaitu masing-masing sebanyak 45.088 jiwa atau 15,28% dan 40.332 jiwa atau 14,14% dari total penduduk Kabupaten Tapanuli Utara, sedangkan Kecamatan yang memiliki populasi penduduk terkecil adalah Kecamatan Purba Tua sebanyak 7.313 jiwa atau 2,57% dari total penduduk Kabupaten Tapanuli Utara. Pada periode 2000-2012, rata-rata laju pertumbuhan penduduk Tapanuli Utara tercatat sebesar 0,87% per tahun.

Tabel 3.2 Indikator Kependudukan Tapanuli Utara

Sumber : Tapanuli Utara Dalam Angka 2013

3.3 Struktur Umum Penduduk dan Angka Beban Tanggungan

Struktur umum penduduk akan terlihat lebih sederhana untuk di analisis jika dikelompokkaan atas tiga Kelompok besar, yaitu:

1. Kelompok umur muda : 0-14 tahun, 2. Kelompok umur produktif : 15-64 tahun, dan 3. Kelompok umur tua : 65 tahun ke atas.

Uraian 2010 2011 2012

Jumlah Penduduk 280.677 283.059 285.070 Laki –laki 138.859 139.448 140.830

Perempuan 141.818 143.611 144.240

Sex ratio (L/P) (%) 97.91 97,1 97,63 Kepadatan Penduduk

(Jiwa/Km2) 73,98 74,61 75,24

Jumlah Rumah Tangga 64.958 66.438 66.918

Stuktur umur penduduk dikatakan muda jika proporsi penduduk umur muda sama dengan 40 persen atau lebih, sementara proporsi kelompok umur tuanya kurang dari 5 persen. Sebaliknya suatu struktur umur penduduk dikatakan tua jika proporsi penduduk umur mudanya kurang dari atau sama dengan 30 persen, sementara proporsi kelompok umur tuanya lebih atau sama dengan 10 persen. Dilihat dari komposisi penduduk menurut kelompok umur pada tahun 2012, sebanyak 36,48 penduduk Kabupaten Tapanuli Utara termasuk dalam kelompok umur anak-anak (0-14 tahun), sebanyak 57,42 persen merupakan kelompok usia produktif (15-64 tahun) dan kelompok lanjut usia (65 tahun ke atas) sebanyak 6,10 persen. Dilihat dari kelompok penduduk usia non produktif (anak-anak dan lansia) di Kabupaten Tapanuli Utara pada tahun 2012 ada sebanyak 42,58 persen. Dilihat dari Angka Beban Tanggungan Penduduk (ABTP) sebesar 74,16 artinya setiap 10.000 orang penduduk yang aktif secara ekonomi menanggung 74.166 orang penduduk yang secara ekonomi tidak aktif.

3.4 Komposisi Penduduk Menurut Umur dan Jenis Kelamin

Kabupaten Tapanuli Utara didominasi oleh penduduk muda usia 0-19 tahun. Sekitar 46,97 persen penduduk berada pada kelompok umur muda. Kelompok usia 0-4 tahun lebih banyak dibanding kelompok umur 5-9 tahun. Penduduk usia 5-19 tahun mencapai 34,5 persen dari total penduduk Tapanuli Utara. Kelompok ini merupakan kelompok usia anak sekolah dari mulai tingkat SD sampai SLTA atau SMK. Dimungkinkan anak usia sekolah untuk tingkat pendidikan Perguruan Tinggi (20-24 tahun) melanjutkan pendidikannya atau bekerja atau bermigrasi ke

luar Kabupaten Tapanuli Utara. Berdasarkan penduduk yang dibagi per kelompok umur diketahui bahwa pada tahun 2012 setiap 100 jiwa penduduk Tapanuli Utara usia produktif (15-64 tahun) menanggung 74 jiwa penduduk usia belum dan tidak produktif (0-14 tahun dan 65 tahun ke atas). Rasio jenis kelamin Kabupaten Tapanuli Utara periode tahun 2012 nilainya lebih kecil dari 100, hal ini berarti bahwa jumlah penduduk perempuan di Kabupaten Tapanuli Utara lebih banyak dibangdingkan jumlah penduduk laki- laki.

Tabel 3.3 Sex Ratio dan Komposisi Penduduk Menurut Kelompok Umur Tahun 2012

Sumber : Tapanuli Utara dalam Angka 2013

Uraian Laki-laki Perempuan Sex ratio %

0 -14 53.371 11.393 105 36

15 -64 81.452 82.225 99 57

65 + 6.007 11.393 53 6

BAB 4

ANALISIS DAN PENGOLAHAN DATA

4.1 Sumber data

Data yang digunakan dalam penulisan ini adalah data sekunder yang berasal dari data hasil survei yang dilakukan oleh Badan Pusat Statistik Kabupaten Tapanuli Utara. Adapun data sekunder ini berupa persentase dari variabel-variabel yang meliputi variabel pengeluaran per kapita, angka melek huruf, PDRB per kapita, angka kemiskinan serta indeks pembangunan manusia.

4.2 Penyajian Data

Adapun data yang diperoleh dari hasil survei yang dilakukan oleh Badan Pusat Statistik Kabupaten Tapanuli Utara meliputi, sebagai berikut:

1. Perkembangan rata-rata pengeluaran per kapita Kabupaten Tapanuli Utara. Menurut Badan Pusat Statistik (BPS), pengeluaran rata-rata per kapita adalah mengukur besarnya pengeluaran setiap anggota rumah tangga untuk konsumsi rumah tangga.

Pengeluaran per kapita kabupaten Tapanuli utara dari tahun ke tahun cenderung mengalami kenaikan yaitu pada tahun 2003 pengeluaran per kapita sebesar Rp.582,20 (ribu rupiah) menjadi Rp.608,60 (ribu rupiah) tahun 2004, kemudian naik di tahun 2005 menjadi Rp.612,20 (ribu rupiah) yang setiap tahun

nya mengalami kenaikan, hingga akhir pada tahun 2012 sebesar Rp.639,53 (ribu rupiah).

Sumber : BPS Tapanuli Utara, data diolah

Gambar 4.1 Perkembangan Rata-rata Pengeluaran Per Kapita (ribu ripiah) Kabupaten Tapanuli Utara Tahun 2003-2012

2. Perkembangan Angka Melek Huruf Kabupaten Tapanuli Utara.

Angka Melek Huruf (AMH) merupakan persentase penduduk usia 15 tahun ke atas yang dapat membaca dan menulis serta mengerti sebuah kalimat sederhana dalam kehidupan sehari-hari.

Perkembangan angka melek huruf di Kabupaten Tapanuli Utara dari periode tahun 2003-2012 menunjukkan adanya peningkatan pada setiap tahunnya. Pada tahun 2003 sebesar 97,44% mengalami kenaikan pada tahun 98,10% atau bertambah sebesar 0,66% hingga pada akhir tahun 2012 mengalami peningkatan yang tidak begitu besar atau rata-rata sekitar sekitar 0,97% setiap tahunnya.

Sumber: BPS Tapanuli Utara, data diolah

Gambar 4.2 Perkembangan Persentase Angka Melek Huruf (%) Kabupaten Tapanuli Utara Tahun 2003-2014

3. Perkembangan PDRB per kapita Kabupaten Tapanuli Utara.

PDRB per kapita merupakan gambaran dan rata-rata pendapatan yang diterima oleh setiap penduduk selama satu tahun di suatu wilayah atau daerah. PDRB per kapita diperoleh dari hasil bagi antara PDRB dengan jumlah penduduk pertengahan tahun yang bersangkutan.

Nilai PDRB per kapita kabupaten Tapanuli Utara atas dasar harga yang berlaku tahun 2000. Pada tahun 2003 sebesar Rp.58,8 (ratusan ribu rupiah) mengalami kenaikan pada tahun 2004, 2005, 2006 sebesar Rp.67,22 (ratusan ribu rupiah), Rp.82,61 (ratusan ribu rupiah), Rp.94,30 (ratusan ribu rupiah) serta mengalami kenaikan yang cukup besar pada awal tahun 2010 sampai 2012 yaitu sebesar Rp.136,40 (ratusan ribu rupiah), Rp.148,87 (ratusan ribu rupiah) dan Rp.160,80 (ratusan ribu rupiah)

Sumber: BPS Kabupaten Tapanuli Utara, data diolah

Gambar 4.3 Perkembangan PDRB per kapita (100.000) Kabupaten Tapanuli Utara Tahun 2003-2012

4. Perkembangan Jumlah Angka Kemiskinan Kabupaten Tapanuli Utara.

Penduduk miskin adalah penduduk yang memiliki rata-rata pengeluaran per kapita dibawah garis kemiskinan. Metode yang digunakan adalah menghitung Garis Kemiskinan (GK) yang terdiri dari dua Komponen yaitu Garis Kemiskinan Makanan (GKM) dan Garis Kemiskinan Non-makanan (GKNM). Persentase penduduk miskin dapat dihitung dengan rumus:

keterangan:

% PM = % Persentase Penduduk Miskin PM = Jumlah Penduduk Miskin P = Jumlah Penduduk

Pada Tahun 2003 jumlah penduduk miskin di Kabupaten Tapanuli Utara sebesar 59.200 jiwa atau sebesar 23,35% mengalami penurunan pada tahun 2004 sebesar 48.900 atau sebesar 19,16% atau mengalami penurunan sebesar 4,19% tetapi pada tahun 2005 jumlah penduduk miskin di Kabupaten Tapanuli Utara sebesar 55.900 jiwa atau sebesar 21,80% dan tahun 2006 sebesar 55.721 jiwa atau sebesar 21,73% . Kemudian mengalami penurunan pada setiap tahunnya hingga pada akhir tahun 2012 sebesar 32.600 jiwa atau sebesar 11,55%.

Sumber: BPS Tapanuli Utara, data diolah

Gambar 4.4 Persentase Angka Kemiskinan Kabupaten Tapanuli Utara Tahun 2003-2012

5. Perkembangan Status Indeks Pembangunan Manusia (IPM) Kabupaten Tapanuli Utara.

Indeks Pembangunan Manusia (IPM) atau Human Development Indeks (HDI) merupakan suatu indeks komposit yang mencakup tiga bidang pembangunan manusia yang dianggap, sangat mendasar, yaitu angka harapan hidup, tingkat

pendidikan, standar hidup layak. Selanjutnya nilai IPM dapat dihitung dengan rumus:

Keterangan :

Indeks X(i,j) = Indeks Komponen IPM ke i untuk wilayah ke-j i = 1, 2, 3 (Urutan Komponen IPM)

j = 1, 2, . . . , k (wilayah)

Angka Indeks Pembangunan Manusia (IPM) Kabupaten Tapanuli Utara dari periode tahun 2003-2012 mengalami kenaikan pada setiap tahunnya. Pada tahun 2003 Indeks Pembangunan Manusia Kabupaten Tapanuli Utara berada pada angka 69,70 yang mengalami kenaikan di setiap tahunnya yaitu dari tahun 2004, 2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012 sebesar 70,90, 72,10, 72,60, 72,99, 73,53, 73,85, 74, 31, 74,77, 75,33.

Sumber: BPS Tapanuli Utara, data diolah

Gambar 4.5 Perkembangan Status Indeks Pembangunan Mnausia (IPM) Kabupaten Tapanuli Utara Tahun 2003-2012

Dari beberapa data yang terdapat dalam grafik di atas, maka data tersebut disajikan dalam bentuk tabel analisis jalur sebagai berikut:

Tabel 4.1 Pengeluaran Per Kapita (ribu rupiah), Angka Melek Huruf (%), PDRB Per Kapita (ratusan ribu rupiah), Angka Kemiskinan (%), Indeks Pembangunan Manusia (%)

Sumber : BPS Tapanuli Utara Tahun Pengeluaran per

kapita AMH

PDRB Per kapita

Angka

Kemiskinan IPM

2003 582,20 97,44 58,86 23,35 69,70

2004 608,60 98,10 67,22 19,16 70,90

2005 612,20 98,55 82,61 21,80 72,10

2006 620,50 98,55 94,30 21,73 72,60

2007 621,53 98,55 103,48 20,06 72,99

2008 623,94 98,55 116,82 14,15 73,53

2009 628,68 98,57 124,97 13,10 73,85

2010 629,88 98,59 136,40 12,50 74,11

2011 632,74 98,60 148,87 11,89 74,77

4.3 Pengolahan Data

4.3.1 Menentukan Model Diagram Jalur

Menentukan model diagram jalurnya berdasarkan paradigma hubungan variabel dengan tahapan seperti berikut:

ε ε

Gambar 4.6 Diagram Jalur dengan Tiga Variabel Eksogen dan Dua variabel Endogen

Keterangan:

1. Pengeluaran per kapita merupakan veriabel bebas pertama dan diberi simbol X1.

2. Angka melek huruf merupakan variabel bebas kedua dan diberi simbol X2. 3. PDRB per kapita merupakan variabel bebas ketiga dan diberi simbol X3.

4. Angka kemiskinan merupakan variabel bebas tergantung satu dan diberi simbol Y1.

5. IPM merupakan variabel tergantung dua dan diberi simol Y2. Pengeluaran Per Kapita

PDRB Per Kapita

4.3.2 Membuat Diagram Jalur

Membuat diagram jalur persamam strukturalnya sebagai berikut:

ε ε

Gambar 4.6 Diagram Jalur Persamaan Struktural

Diagram jalur tersebut terdiri atas dua persamaan sruktural, yaitu X1, X2, X3, adalah variabel eksogen dan Y1 serta Y2 adalah variabel endogen. Bentuk persamaan strukturalnya adalah sebagai berikut:

Keterangan:

X1 = Pengeluaran per kapita X2 = Angka melek huruf X3 = PDRB per kapita Y1 = Angka kemiskinan Y2 = IPM

ε1, ε2 = Error X1

X2 Y1 Y2

4.3.3 Menentukan Matriks Korelasi

Untuk menghitung korelasi antara variabel pengeluaran per kapita, angka melek huruf, PDRB per kapita, angka kemiskinan, dan IPM dianalisis menggunakan SPSS dengan langkah-langkah sebagi berikut:

1. Klik Analyse. 2. Pilih Correlate. 3. Pilih Bivariate.

4. Masukkan ke kolom Variables, variabel pengeluaran per kapita, angka melek huruf, PDRB per kapita, angka kemiskinan, dan IPM.

Tabel 4.2 Matriks Korelasi Antara Variabel Pengeluaran Per Kapita, Angka Melek Huruf, PDRB Per Kapita, Angka Kemiskinan, dan IPM

Pengeluaran per kapita AMH PDRB per kapita Angka kemiskinan IPM

Pengeluaran per kapita 1 0,914 0,908 -0,812 0,966

AMH 1 0,714 -0,571 0,841

PDRB per kapita 1 -0,908 0,979

Angka kemiskinan 1 -0,867

4.3.4 Menghitung Koefisien jalur

Untuk menghitung koefisien jalur dari ke dua sub-stuktur dengan persamaan strukturalnya:

Pertama menganalisis untuk substuktur 1 dan kedua, sub-struktur 2 dilakukan dengan langkah-langkah sebagai berikut:

1. Sub-struktur 1

Untuk sub-struktur 1 dilakukan dengan langkah-langkah sebagai berikut: a. Membuat persamaan strukturalnya.

Keterangan:

X1 = Pengeluaran per kapita X2 = Angka melek huruf X3 = PDRB per kapita Y1 = Angka kemiskinan ε1 = Error

c. Membuat matriks korelasi antara variabel eksogen.

d. Menghitung matriks invers korelasi variabel eksogen.

Untuk menghitung matriks invers korelasi variabel eksogen dengan metode matriks adjoin dengan rumus:

Keterangan:

det A = determinan A

Untuk menghitung dilakukan dengan cara: 1. Menghitung determinan A

2. Menghitung kofaktor A

3. Membuat Adjoin A

4. Menghitung invers matriks A

5. Menghitung koefsien jalur antara variabel eksogen dengan endogen

Keterangan:

1. ρy1.x1 = pengaruh variabel pengeluaran per kapita terhadap angka kemiskinan.

2. ρy1.x2 = pengaruh variabel angka melek huruf terhadap angka kemiskinan.

3. ρy1.x3 = pengaruh variabel PDRB per kapita terhadap angka kemiskinan.

2. Sub-struktur 2

Untuk sub-struktur 2 dilakukan dengan langkah-langkah sebagai berikut: a. Membuat persamaan strukturalnya.

Keterangan:

X1 = Pengeluaran per kapita Y1 = Angka kemiskinan X3 = PDRB per kapita Y2 = IPM

ε2 = Error

b. Membuat matriks korelasi antara variabel.

d. Menghitung matriks invers korelasi variabel eksogen.

Untuk menghitung matriks invers korelasi variabel eksogen dengan metode matriks adjoin dengan rumus:

Keterangan:

det A = determinan A

Untuk menghitung dilakukan dengan cara: 1. Menghitung determinan A

2. Menghitung kofaktor A

3. Membuat adjoin A

4. Menghitung invers matriks A

5. Menghitung koefisien jalur antara variabel eksogen terhadap endogen.

Keterangan:

1. ρy2.x1 = pengaruh variabel pengeluaran per kapita terhadap indeks pembangunan manusia.

2. ρy2.y1 = pengaruh variabel angka kemiskinan terhadap indeks pembangunan manusia.

3. ρy2.x3 = pengaruh variabel PDRB per kapita terhadap indeks pembangunan manusia.

4.3.5 Pengujian Koefisien jalur

Menguji Kebermaknaan (test of significant) koefisien jalur untuk sub-struktur 1 dan sub-struktur 2 yang telah dihitung. Pertama menguji keberartian untuk sub- struktur 1 dan kedua, untuk sub-struktur 2.

1. Sub-struktur 1

Persamaan strukturalnya:

Keterangan:

X1 = Pengeluaran per kapita X2 = Angka melek huruf X3 = PDRB per kapita Y1 = Angka kemiskinan ε1 = Error

Dilakukan dengan langkah-langkah sebagai berikut: a. Menentukan hipotesa.

Ho : = 0 , Artinya tidak terdapat pengaruh variabel eksogenus (Xu) yaitu pengeluaran per kapita, angka melek huruf, PDRB per kapita terhadap variabel endogenus (Xk) yaitu angka kemiskinan secara signifikan.

H1 : ≠ 0 , Artinya terdapat pengaruh variabel eksogenus (Xu) yaitu pengeluaran per kapita, angka melek huruf, PDRB per kapita terhadap variabel endogenus (Xk) yaitu angka kemiskinan secara signifikan.

b. Menentukan taraf signifikan. Taraf signifikan α = 0,05

Derajat kebebasan (dk) V1 = k dan V2 = ( n – k – 1 ) yaitu 10 dan 6 Mengikuti tabel distribusi F untuk F0,05(3,6) = 4,76

c. Kriteria pengujian.

H0 = diterima , apabila Fhitung ≤ Ftabel dan sebaliknya H1 = ditolak , apabila Fhitung > Ftabel

d. Uji statistik.

Untuk menghitung Uji F langkah-langkah yang dilakukan adalah:

1. _{Menghitung nilai}

Setelah didapat nilai kemudian menghitung nilai uji F

Diperoleh nilai Fhitung sebesar 9,628 dan Ftabel = 4,76 , hal ini berarti nilai Fhitung > Ftabel maka H0 ditolak. Maka variabel eksogen yaitu pengeluaran per kapita, angka melek huruf, PDRB per kapita berpengaruh secara signifikan terhadap variabel endogen yaitu angka kemiskinan.

2. Sub-struktur 2

Persamaan strukturalnya:

Keterangan:

X1 = Pengeluaran per kapita Y1 = Angka kemiskinan X3 = PDRB per kapita Y2 = IPM

Dilakukan dengan langkah-langkah sebagai berikut: a. Menentukan hipotesa.

Ho : = 0 , Artinya tidak terdapat pengaruh variabel eksogenus (Xu) yaitu pengeluaran per kapita, angka kemiskinan, PDRB per kapita terhadap variabel endogenus (Xk) yaitu IPM secara signifikan.

H1 : ≠ 0 , Artinya terdapat pengaruh variabel eksogenus (Xu) yaitu pengeluaran per kapita, angka kemiskinan, PDRB per kapita terhadap variabel endogenus (Xk) yaitu IPM secara signifikan.

b. Menentukan taraf signifikan. Taraf signifikan α = 0,05

Derajat kebebasan (dk) V1 = k dan V2 = ( n – k – 1 ) yaitu 10 dan 6 Mengikuti tabel distribusi F untuk F0,05(3,6) = 4,76

c. Kriteria pengujian.

H0 = diterima , apabila Fhitung ≤ Ftabel dan sebaliknya H1 = ditolak , apabila Fhitung > Ftabel

d. Uji statistik.

Untuk menghitung Uji F langkah-langkah yang dilakukan adalah: 1. Menghitung nilai

Setelah didapat nilai kemudian menghitung nilai uji F

Diperoleh nilai Fhitung sebesar 48 dan Ftabel = 4,76 , hal ini berarti nilai Fhitung > Ftabel maka H0 ditolak. Maka variabel eksogen yaitu pengeluaran per kapita, angka kemiskinan, PDRB per kapita berpengaruh secara signifikan terhadap variabel endogen yaitu IPM.

4.3.6 Menghitung Pengaruh Antara Variabel

1. Pengaruh Langsung (Direct Effect)

Untuk menghitung pengaruh langsung atau direct effect, digunakan formula sebagai berikut:

a. Pengaruh variabel pengeluaran per kapita terhadap angka kemiskinan.

Hal ini menunjukkan besarnya pengaruh langsung pengeluaran per kapita terhadap angka kemiskinan adalah

b. Pengaruh variabel angka melek huruf terhadap angka kemiskinan.

Hal ini menunjukkan besarnya pengaruh langsung angka melek huruf terhadap angka kemiskinan adalah

c. Pengaruh variabel PDRB per kapita terhadap angka kemiskinan.

Hal ini menunjukkan besarnya pengaruh langsung PDRB per kapita terhadap angka kemiskinan adalah

d. Pengaruh variabel pengeluaran per kapita terhadap IPM.

Hal ini menunjukkan besarnya pengaruh langsung pengeluaran per kapita

terhadap IPM adalah

e. Pengaruh PDRB per kapita terhadap IPM.

Hal ini menunjukkan besarnya pengaruh langsung PDRB per kapita

terhadap IPM adalah

Hal ini menunjukkan besarnya pengaruh langsung angka kemiskinan

terhadap IPM adalah

g. Pengaruh variabel error (ε1) terhadap angka kemiskinan.

h. Pengaruh variabel error (ε2) terhadap IPM.

2. Pengaruh Tidak Langsung (Inderect Effect)

Untuk menghitung pengaruh tidak langsung atau indirect effect, digunakan formula sebagai berikut:

a. Pengaruh variabel pengeluaran per kapita terhadap IPM melalui angka kemiskinan.

b. Pengaruh variabel angka melek huruf terhadap IPM melalui angka kemiskinan.

c. Pengaruh variabel PDRB per kapita terhadap IPM melalui angka kemiskinan.

3. Pengaruh Total (Total Effect)

Untuk menghitung pengaruh total atau total effect, digunakan formula sebagai berikut:

a. Pengaruh variabel Pengeluaran per kapita terhadap IPM melalui angka kemiskinan.

b. Pengaruh variabel angka melek huruf terhadap IPM melalui angka kemiskinan.

c. Pengaruh variabel PDRB per kapita terhadap IPM melalui angka kemiskinan.

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem merupakan prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain yang disetujui, menginstal dan memulai sistem baru sistem yang diperbaiki.

Tahapan implementasi sistem merupakan tahapan-tahapan penerapan hasil desain tertulis kedalam programing. Dalam pengolahan data dalam hal ini menggunakan software SPSS 17,0 for windows sebagai implementasi dalam memperoleh hasil perhitungan.

5.2 Sekilas Tentang Program SPSS

SPSS (Statistical Package for the Social Sciences) merupakan salah satu paket program komputer yang digunakan dalam mengolah data statistik. SPSS merupakan software yang paling populer, dan banyak digunakan sebagai alat bantu dalam berbagai riset. SPSS pertama kali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Package for the Social Sciences. Namun, dalam perkembangan selanjutnya penggunaan SPSS diperluas untuk berbagai jenis user, sehingga SPSS yang sebelumnya disingkat dari Statistical Package for the Social

Sciences berubah menjadi Statistical Product and Service Solution. Penggunaan SPSS dimaksudkan untuk melakukan analisis dengan praktis, cepat dan akurat.

5.3 Mengatifkan SPSS

Memulai SPSS pada windows yaitu sebagai berikut: 1. Pilih menu Start dari windows.

2. Selanjutnya Pilih menu Program. 3. Pilih SPSS Statistics 17.

4. Tampilan awal pada SPSS adalah

Tampilan worksheet SPSS 17,0 for windwos seperti berikut ini:

Gambar 5.2 Tampilan Worksheet SPSS 17,0 For Windows

5.4 Mengoperasikan SPSS

Dari tampilan SPSS yang muncul , pilih type in data untuk membuat data baru dari menu utama file , pilih new, lalu klik, maka akan tampil, muncul jendela editor kemudian klik data. Cara menamai variabel dilakukan dengan, klik variabel view yang terletak sebelah kiri bawah jendela editor.

Pada tampilan jendela Variabel view terdapat kolom-kolom berikut : a. Name : untuk memasukkan nama variabel yang akan diuji.

b. Type : untuk mendefenisikan tipe variabel apakah bersifat numeric atau string.

c. Widht : untuk menuliskan panjang pendek variabel.

e. Label : untuk menuliskan label variabel.

f. Values : untuk menuliskan nilai kuantitatif dari variabel yang skala pengukurannya ordinal atau nominal bukan scale.

g. Missing : untuk menuliskan ada tidaknya jawaban kosong h. Columns : untuk menuliskan lebar kolom.

i. Align : untuk menuliskan rata kanan, kiri atau tengah penempatan teks atau angka di Data view.

j. Measure : untuk menentukan skala pengukuran variabel, misalnya nominal, ordinal atau scale.

5.5 Pengisian Data

1. Klik lembar Variabel View dari SPSS Data Editor, definisikan variabel Y1 dengan nama variabel Y1, variabel Y2 dengan nama Y2, X1 dengan nama X1, X2 dengan nama X2, dan X3 dengan nama X3 Untuk variabel angka kemiskinan, IPM, pengeluaran per kapita, angka melek huruf, PDRB per kapita diberi variabel label: Angka kemiskinan, IPM, Pengeluaran per kapita, Angka melek huruf, PDRB per kapita sebagai berikut:

Gambar 5.3 Tampilan Pengisian Data Variabel Pada Variabel View

2. Kemudian pada lembar Data View dari SPSS Data Editor, kita masukkan data Y1, Y2, X1, X2, X3 sebagai berikut:

3. Klik Analyze Regression Linier sebagai berikut :

Gambar 5.5 Tampilan Pada Jendala Editor Regression

4. Kemudian akan didapat tampilan sebagai berikut:

5. Untuk sub-struktur 1: Pindahkan variabel Angka Kemiskinan ke dalam kotak berjudul Dependent dan variabel Pengeluaran per kapita, Angka melek huruf, dan PDRB per kapita ke dalam kotak Independent(s) seperti terlihat pada tampilan berikut:

Gambar 5.7 Tampilan Dependent dan Independent untuk sub-struktur 1

Untuk sub-struktur 2: Pindahkan variabel IPM ke dalam kotak berjudul Dependent dan variabel Pengeluaran per kapita, Angka kemiskinan, dan PDRB per kapita ke dalam kotak Independent(s) seperti terlihat pada tampilan berikut:

Gambar 5.8 Tampilan Dependent dan Independent untuk sub-struktur 2

6. Kemudian Klik Continue.

5.6 Pengolahan Data dengan Persamaan Korelasi

1. Klik Analyze Correlate Bivariate sebagai berikut:

2. Pada kotak bivariate correlation akan ditampilkan variabel-variabel yang akan diuji. Pindahkan Angka kemiskinan, IPM, Pengeluaran per kapita, Angka melek huruf, PDRB per kapita. Kemudian centang pearson, two tailed, dan flag significant correlation lalu klik OK seperti terlihat dalam tampilan berikut ini:

Gambar 5.10 Tampilan Bivariate Correlation

BAB 6

KESIMPULAN

6.1 Kesimpulan

Berdasarka analisis perhitungan yang diperoleh, maka dapat diambil kesimpulan: 1. Pengaruh variabel pengeluaran per kapita terhadap indeks pembangunan

manusia secara langsung sebesar 0,419 atau 41,9% dan pengaruh variabel pengeluaran per kapita terhadap indeks pembangunan manusia secara tidak langsung melalui variabel angka kemiskinan sebesar -0,088 atau 8,8%.

2. Pengaruh variabel angka melek huruf terhadap indeks pembangunan manusia secara tidak langsung melalui variabel angka kemiskinan sebesar 0,063 atau 6,3%.

3. Pengaruh variabel angka kemiskinan terhadap indeks pembangunan manusia secara langsung sebesar 0,104 atau 10,4% .

4. Pengaruh variabel PDRB per kapita terhadap indeks pembangunan manusia secara langsung sebesar 0,659 atau sebesar 65,9% dan Pengaruh variabel PDRB per kapita terhadap indeks pembangunan manusia secara tidak langsung melalui variabel angka kemiskinan sebesar -0,055 atau 5,5%.

5. Pengaruh variabel - variabel lain di luar model terhadap indeks pembangunan manusia sebesar 0,078 atau sebesar 7,8%.

6.2 Saran

Dari hasil analisis bahwa kesejahteraan perekonomian yang meliputi pengeluaran per kapita dan PDRB per kapita yang lebih dominan dalam perkembangan indeks pembangunan manusia Kabupaten Tapanuli Utara. Maka diharapakan pemerintahan Kabupaten Tapanuli Utara mengutamakan kesejahteraan masyarakat khususnya di bidang perekonomian dan tak luput juga di bidang yang lain.

Daftar Pustaka

Ali, Fachy., dkk. 2003. Reorientasi Wawasan Kebangsaan di Era Demokrasi. Adicita Karya Nusa. Yogyakarta.

Darmawan, Soegandar. 2010. Berkenalan Dengan Analisis Jalur.

http://www.scribd.com/doc/35519665/Berkenalan-Dengan-Analisis-Jalur, Hendry. 2010. Analsis Jalur (Path Analysis) bagian 1. [Teori Online].

http://teorionline.wordpress.com/2010/01/30/analisis-jalur-path-analysis/.

Haryono, Siswono., dan Wardoyo, Parwoto. 2012. Sructural Equation Modeling untuk Penelitian Manajemen Menggunakan Amos 18.00. PT. Intermedia Personalia Utama. Bekasi.

Kuncoro, Mudrajad. 2007. Ekonomika Industri Indonesia: menuju negara industri baru 2030?. ANDI Offset. Yogyakarta.

Nasrudin, M.N., dan Eddy, M. 2008. Statistika. USU Press. Medan.

Ridwan., dan Engkos, A.K. 2007. Cara Menggunakan dan Memakai Analisis Jalur (Path Analysis). ALFABETA. Bandung.

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

Sudjana. 2001. Metoda Statistika. Edisi ke-6. PT. TARSITO. Bandung.

Todaro, M. 1997. Pembangunan Ekonomi di Dunia Ketiga. Edisi ke-6. ERLANGGA. Jakarta.

berjudul Dependent dan variabel Pengeluaran per kapita, Angka melek huruf, dan PDRB per kapita ke dalam kotak Independent(s) seperti terlihat pada tampilan berikut:

Gambar 5.7 Tampilan Dependent dan Independent untuk sub-struktur 1

Untuk sub-struktur 2: Pindahkan variabel IPM ke dalam kotak berjudul

Dependent dan variabel Pengeluaran per kapita, Angka kemiskinan, dan PDRB per kapita ke dalam kotak Independent(s) seperti terlihat pada tampilan berikut:

Gambar 5.8 Tampilan Dependent dan Independent untuk sub-struktur 2

6. Kemudian Klik Continue.

5.6 Pengolahan Data dengan Persamaan Korelasi

1. Klik Analyze Correlate Bivariate sebagai berikut:

diuji. Pindahkan Angka kemiskinan, IPM, Pengeluaran per kapita, Angka melek huruf, PDRB per kapita. Kemudian centang pearson, two tailed, dan

flag significant correlation lalu klik OK seperti terlihat dalam tampilan berikut ini:

Gambar 5.10 Tampilan Bivariate Correlation

BAB 6

KESIMPULAN

6.1 Kesimpulan

Berdasarka analisis perhitungan yang diperoleh, maka dapat diambil kesimpulan: 1. Pengaruh variabel pengeluaran per kapita terhadap indeks pembangunan

manusia secara langsung sebesar 0,419 atau 41,9% dan pengaruh variabel pengeluaran per kapita terhadap indeks pembangunan manusia secara tidak langsung melalui variabel angka kemiskinan sebesar -0,088 atau 8,8%.

2. Pengaruh variabel angka melek huruf terhadap indeks pembangunan manusia secara tidak langsung melalui variabel angka kemiskinan sebesar 0,063 atau 6,3%.

3. Pengaruh variabel angka kemiskinan terhadap indeks pembangunan manusia secara langsung sebesar 0,104 atau 10,4% .

4. Pengaruh variabel PDRB per kapita terhadap indeks pembangunan manusia secara langsung sebesar 0,659 atau sebesar 65,9% dan Pengaruh variabel PDRB per kapita terhadap indeks pembangunan manusia secara tidak langsung melalui variabel angka kemiskinan sebesar -0,055 atau 5,5%.

5. Pengaruh variabel - variabel lain di luar model terhadap indeks pembangunan manusia sebesar 0,078 atau sebesar 7,8%.

Dari hasil analisis bahwa kesejahteraan perekonomian yang meliputi pengeluaran per kapita dan PDRB per kapita yang lebih dominan dalam perkembangan indeks pembangunan manusia Kabupaten Tapanuli Utara. Maka diharapakan pemerintahan Kabupaten Tapanuli Utara mengutamakan kesejahteraan masyarakat khususnya di bidang perekonomian dan tak luput juga di bidang yang lain.

Daftar Pustaka

Ali, Fachy., dkk. 2003. Reorientasi Wawasan Kebangsaan di Era Demokrasi. Adicita Karya Nusa. Yogyakarta.

Darmawan, Soegandar. 2010. Berkenalan Dengan Analisis Jalur.

http://www.scribd.com/doc/35519665/Berkenalan-Dengan-Analisis-Jalur, Hendry. 2010. Analsis Jalur (Path Analysis) bagian 1. [Teori Online].

http://teorionline.wordpress.com/2010/01/30/analisis-jalur-path-analysis/. Haryono, Siswono., dan Wardoyo, Parwoto. 2012. Sructural Equation Modeling

untuk Penelitian Manajemen Menggunakan Amos 18.00. PT. Intermedia Personalia Utama. Bekasi.

Kuncoro, Mudrajad. 2007. Ekonomika Industri Indonesia: menuju negara industri baru 2030?. ANDI Offset. Yogyakarta.

Nasrudin, M.N., dan Eddy, M. 2008. Statistika. USU Press. Medan.

Ridwan., dan Engkos, A.K. 2007. Cara Menggunakan dan Memakai Analisis Jalur (Path Analysis). ALFABETA. Bandung.

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

Sudjana. 2001. Metoda Statistika. Edisi ke-6. PT. TARSITO. Bandung.

Todaro, M. 1997. Pembangunan Ekonomi di Dunia Ketiga. Edisi ke-6. ERLANGGA. Jakarta.