Aplikasi Analisis Jalur Dalam Menganalisis Angka Indeks Pembangunan Manusia (Ipm) Di Kota Padang Sidimpuan Pada Tahun 2005-2012

(1)

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

PADANGSIDIMPUAN PADA TAHUN 2005 - 2012

TUGAS AKHIR

REZA ADE PUTRA BABATIH 112407004

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA


(2)

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

PADANGSIDIMPUAN PADA TAHUN 2005 - 2012

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh gelar Ahli Madya

REZA ADE PUTRA BABATIH 112407004

PROGRAM STUDI D3 STATISTIKA DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014


(3)

PERSETUJUAN

Judul :APLIKASI ANALISIS JALUR DALAM MENGANALISIS ANGKA INDEKS PEMBANGUNAN MANUSIA (IPM) DI KOTA PADANG SIDIMPUAN PADA TAHUN 2005-2012

Kategori : TUGAS AKHIR

Nama : REZA ADE PUTRA BABATIH

Nomor Induk Mahasiswa : 112407004 Program Studi : D3 STATISTIKA Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

Disetujui di Medan, Juni 2014

Disetujui oleh

Program Studi D3 Statistika FMIPA USU

Ketua, Pembimbing

Drs. Faigiziduhu Bu’ulölö, M.Si

NIP : 19531218 198003 1 003 NIP.19630405 198811 2 001 Dr. Mardiningsih, M.Si


(4)

PERNYATAAN

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

PADANGSIDIMPUAN PADA TAHUN 2005 - 2012

TUGAS AKHIR

Saya mengakui bahwa Tugas Akhir ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juni 2014

REZA ADE PUTRA BABATIH 112407004


(5)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir dengan judul APLIKASI ANALISIS JALUR DALAM MENGANALISIS ANGKA INDEKS PEMBANGUNAN MANUSIA (IPM) DI KOTA PADANGSIDIMPUAN PADA TAHUN 2005 – 2012.

.

Terima Kasih Penulis sampaikan kepada Ibu Dr. Mardiningsih, M.Si selaku pembimbing dan sekretaris Departemen Matematika FMIPA USU Medan yang telah meluangkan waktunya selama penyusunan tugas akhir ini. Terima kasih kepada bapak Drs. Faigiziduhu Bu’ulölö, M.Si dan Bapak Dr. Suwarno Arriswoyo, M.Si selaku ketua dan sekretaris Program Studi D3 Statistika FMIPA USU, Bapak Prof. Dr. Tulus, M.Si selaku ketua Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman, M.Sc selaku 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 Bapak Sori Tua Hutapea dan Ibu Rosita Siregar, S.Pd dan seluruh keluarga yang selama ini memberikan bantuan dan dukungan yang diperlukan, semoga Tuhan Yang Maha Esa membalasnya.


(6)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar isi v

Daftar Gambar vii

Daftar Tabel viii

BAB 1 PENDAHULUAN

1.1 LatarBelakang 1

1.2 Perumusan Masalah 3

1.3 Tujuan Penelitian 4

1.4 Manfaat Penelitian 4

1.5Metode Penelitian 5

1.6 Sistematika Penulisan 7

BAB 2 TINJAUAN PUSTAKA

2.1 Sejarah Analisis Jalur 9

2.2 Pengertian Analisis Jalur 9

2.3Kegunaan Analisis Jalur 11

2.4 Asumsi-asumsi Analisis Jalur 12

2.5 Model Analisis Jalur 12

2.6 Diagram Jalur dan Persamaan Struktural 17 2.7 Besarnya Pengaruh Variabel Eksogen Terhadap Variabel Endogen 19

2.8 Pengujian Koefisien Jalur 21

2.9 Indeks Pembangunan Manusia 23

2.9.1 Pengertian Indeks Pembangunan Manusia 23 2.9.2 Komponen Indeks Pembangunan Manusia 24 2.9.3 Penghitungan Indeks Pembangunan Manusia 25 BAB 3 GAMBARAN UMUM TEMPAT RISET

3.1 Sejarah Badan Pusat Statistik 27

3.1.1 Masa Pemerintahan Hindia Belanda 28 3.1.2 Masa Pemerintahan Jepang 29 3.1.3 Masa Kemerdekaan Republik Indonesia 29 3.1.4 Masa Orde Baru Sampai Sekarang 29 3.2 Tugas, Fungsi dan Kewenangan Badan Pusat Statistik 30

3.2.1 Tugas 30


(7)

3.2.3 Kewenangan 30 3.3 Visi dan Misi Badan Pusat Statistik 31

3.3.1 Visi 31

3.3.2 Misi 31

3.4 Struktur Organisasi BPS 32

3.5 Logo BPS 34

BAB 4 HASIL DAN PEMBAHASAN

4.1 Data 35

4.2 Menghitung Koefisien Jalur 36

4.2.1 Menyusun Hipotesis 36

4.2.2 Menghitung matriks korelasi antar variable 38 4.2.3 Model Persamaan Struktural 39 4.2.4 Hasil Perhitungan Koefisien 39

4.3 Pengujian Koefisien Jalur 42

BAB 5 IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem 44

5.2 Sekilas Tentang Amos Versi 18 44

5.3 Mengaktifkan Amos Versi 18 45

5.4 Membuka Lembar Baru 46

5.5 Membuat Gambar Path Diagram 47

5.6 Pengisian data 47

5.7 Pengolahan Data Dengan Analisis Jalur 48

5.8 Output Hasil Pengolahan Data 50

BAB 6 KESIMPULAN DAN SARAN

6.1 Kesimpulan 51

6.2 Saran 52

DAFTAR PUSTAKA 53


(8)

DAFTAR GAMBAR

Halaman

Gambar 2.1 Model Mediasi 14

Gambar 2.2 Model kombinasi regresi berganda dan mediasi 15

Gambar 2.3 Model Kompleks 16

Gambar 2.5 Diagram Jalur Yang Menyatakan Hubungan kausal 17 Gambar 3.1 Struktural Organisasi BPS Provinsi 33

Gambar 3.2 Logo BPS 34

Gambar 4.1 Tampilan Pada Bagian Diagram Jalur 37 Gambar 4.2 Tampilan Pada Bagian Correlations 38 Gambar 4.3 Tampilan Pada Bagian Standard Estimates 39 Gambar 4.4 Tampilan Pada Bagian Coefficients 41 Gambar 4.5 Tampilan Pada Bagian Koeffisien Jalur 42

Gambar 5.1 Membuka Halaman Baru 46

Gambar 5.2 Gambar Analisis Jalur Pada Amos 47

Gambar 5.3 Pengisian Data Pada Amos 48

Gambar 5.4 Pengolahan Data Dengan Menggunakan Amos 49 Gambar 5.5 Pengolahan Data Dengan Menggunakan Amos 49


(9)

DAFTAR TABEL

Halaman Tabel 4.1 Komponen Indeks Pembangunan Manusia (IPM) Kota


(10)

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 semakain lama semakin nyata dampaknya. Statistika 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 suatu variabel dalam variabel lainnya.

Salah satu analisis yang digunakan dalam metode statistika untuk mengetahui hubungan antar variabel adalah analisis jalur. Analisis jalur, salah satu teknis 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 memeperoleh hasil analisis lebih akurat, tajam, dan detail (Sarwono, 2006).

Meskipun analisis jalur ini popular dikalangan ekonomi, namun teknik analisis ini juga digunakan di berbagai ilmu lainnnya. Sebagai contoh kasus dalam hal ini, jika kita lihat di bidang sosial. Manusia merupakan kekayaan bangsa sekaligus sebagai modal dasar


(11)

pembangunan. Tujuan utama dari pembangunan adalah menciptakan lingkungan yang memungkinkan bagi rakyatnya untuk menikmati hidup sehat, umur panjang dan menjalankan kehidupan yang produkitf.

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 itngkat kesehatan yang baik. Untuk memiliki pengetahuan dan keterampilan harus didukung oleh pendidikan yang baik serta memiliki tenaga kerja 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 harapan hidup, rata-rata lama sekolah, pengeluaran riil per kapita yang mengungkapkan perkembangan fenomena tertentu, misalnya perkembangan atau peningkatan kualitas hidup yang setiap tahunnya di masing-masing kabupaten atau kota. Namun dari keseluruhan variabel sektoral tersebut diambil beberapa variabel yang dominan terhadap Indeks Pembangunan Manusia (IPM). Dalam rangka untuk mengukur pengaruh variabel sektoral terhadap Indeks Pembangunan Manusia (IPM) Kota Padang Sidimpuan, maka perlu dilakukan analisis hubungan antar variabel.

Dari pemaparan kasus di atas, analisis jalur mencoba mengupas tuntas hubungan sebab akibat yang ditimbulkan oleh beberapa variabel sektoral terhadap Indeks Pembangunan


(12)

Manusia (IPM). Oleh sebab itu, penulis melakukan penelitian dengan judul “APLIKASI ANALISIS JALUR DALAM MENGANALISIS ANGKA INDEKS PEMBANGUNAN MANUSIA (IPM) DI KOTA PADANG SIDIMPUAN TAHUN 2005 - 2012”

1.2 PERUMUSAN MASALAH

Walaupunidentifikasi telah ditetapkan, tetapi masih perlu adanya pembatasan masalah mengenai faktor-faktor yang mempengaruhi Indeks Pembangunan Manusia (IPM). Untuk mengarahkan pembahasan dalam tugas akhir ini agar tidak menyimpang dari sasaran yang ingin dituju, maka perlu membuat batasan ruang lingkup permasalahan. Sebagai pembatasan masalah ini adalah hanya terbatas pada analisis untuk mengetahui daerah penelitian kemudian permasalahan yang dianalisis yang menentukan peningkatan Indeks Pembangunan Manusia (IPM), serta variabel-variabel yang diinginkan dalam penulisan ini adalah Indeks Pembangunan Manusia (Y), harapan hidup (X1), melek huruf (X2) dan rata-rata lama sekolah

(X3).

1.3 TUJUAN PENELITIAN

Adapun tujuan penulis melakukan penelitian ini adalah untuk melihat perkembangan pembangunan manusia di Kota Padang Sidimpuan selama tahun 2013 dan peningkatan Indeks Pembangunan Manusia (IPM) Kota Padang Sidimpuan.


(13)

1.4 MANFAAT PENELITIAN

Penelitian ini dilakukan dengan harapan dapat memberikan manfaat antara lain:

1. Memberikan atau menambah wawasan bagi penulis, terutama dalam penerapan ilmu yang didapat selama didunia perkuliahan, dengan menyatukan materi dan objek permasalahan yang dijadikan sebagai materi pembahasan.

2. Memberi sumbangan pemikiran pada instansi di Kota Padang Sidimpuan yang berkepentingan dalam meningkatkan Indeks Pembangunan Manusia (IPM).

3. Hasil penelitian inidiharapkan dapat bermanfaat sebagai masukan dan referensi bagi pihak yang berkepentingan.

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

1.5 METODE PENELITIAN

Metode penelitian yang digunakan penulis dalam melaksanakan penelitian ini adalah:

1. Studi Kepustakaan

Yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan dengan cara membaca buku-buku referensi dan bahan – bahan yang bersifat teoritis yang mendukung penulisan tugas akhir.


(14)

Pengumpulan data untuk keperluan riset ini telah dilakukan oleh penulis dengan menggunakan data sekunder yang diperoleh dari instasi yang ada di Badan Pusat Statistik Sumatera Utara. Data yang dikumpulkan tersebut kemudian disusun dan kemudian disajikan dalam bentuk angka – angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang gambaran data tersebut.

3. Teknik dan Analisa Data

Data penelitian dianalisis adalah menggunakan analisis jalur. Analisis jalur adalah suatu teknik untuk menganalisa hubungan sebab – akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara 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 regresi berganda, yaitu variabel bebas yang terdiri dari lebih dari satu variabel bebas dan variabel tergantungnya satu atau lebih dari satu variabel.

Diagram jalur tersebut terdiri atas persamaan struktural yaitu X1, X2, X3disebut sebagai

variabel eksogen dan Y sebagai variabel endogen. Adapun rumus persamaan jalurnya dapat dituliskan sebagai berikut:


(15)

dimana:

���� = koefisien jalur dari YX1

���� = koefisien jalur dari YX2 ���� = koefisien jalur dari YX3

X1 = variabel bebas pertama

X2 = variabel bebas kedua

X3 = variabel bebas ketiga

Y = variabel terikat

= error

Dimana koefisien jalur dari variabel – variabel tersebut akan dicari nilai dan pengaruhnya masing – masing terhadap variabel terikat dengan menggunakan aplikasi SPSS.

1.6SISTEMATIKA PENULISAN

Sistematika penulisan Tugas Akhir ini terdiri dari 6 (enam) bab yang masing – masing dirincikan dalam beberapa sub bab yaitu:

BAB 1 : PENDAHULUAN

Bab ini berisi tentang latar belakang, rumusan masalah, tujuan penelitian, lokasi penelitian, tinjauan pustaka, metode penelitian, dan sistematika penulisan.


(16)

BAB 2 : TINJAUAN PUSTAKA

Bab ini menjelaskan tentang segala sesuatu yangberhubungan dengan penyelesaian masalah sesuai dengan judul dan permasalahan yang diutarakan mengenai analisis jalur.

BAB 3: GAMBARAN UMUM BPS

Bab ini berisi tentang sejarah singkat BadanPusat Statistik Provinsi Sumatera Utara.

BAB 4 : HASIL DAN PEMBAHASAN

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

BAB 5 : IMPLEMENTASI SISTEM

Bab ini menjelaskan pengertian implementasi sistem,pengenalan Amos, cara kerja Amos dan cara pengoperasian Amos.

BAB 6 : PENUTUP

Bab ini berisi tentang beberapa kesimpulan dan saran yang dapat diberikan penulis sesuai dengan analisis yang dilakukan.


(17)

BAB 2

TINJAUAN PUSTAKA

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 alasan 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, 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


(18)

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 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:


(19)

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?

2.3 Kegunaan Analisis jalur

Kegunaan model path analysis adalah untuk:

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

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.

2.4 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. c. Variabel terikat (endogen) minimal dalam skala ukur interval dan rasio.

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


(20)

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.

2.5 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).

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.


(21)

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. 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.

d. Model Mediasi

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


(22)

Gambar 2.1 Model Mediasi

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:

Gambar 2.2 Model kombinasi regresi berganda dan mediasi

f. Model Kompleks

Model ini merupakan model yang lebih kompleks, yaitu variabel X1 secara langsung


(23)

sementara variabel Y2 juga dipengaruhi oleh variabel Y1. Model digambarkan sebagai

berikut:

Gambar 2.3 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.

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


(24)

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.

2.6 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.

Gambar 2.5 Diagram Jalur Yang Menyatakan Hubungan Kausal Dari X1 SebagaiPenyebab Ke X2 Sebagai Akibat


(25)

dimana:

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).

Langkah kerja yang dilakukan untuk menghitung koefisien jalur adalah:

1 Gambarkan dengan jelas diagram jalur yang mencerminkan proposisi hipotetikyang 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 Coeffisient dari Karl Pearson. Alasan penggunaan teknik koefisien korelasi dari Karl Pearson adalah karena variabel-variabel yang hendak dicari korelasinya memiliki skala pengukuran interval.

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


(26)

�� = �������+ �������+ … + �������

Kemudian hitung matriks korelasi antar variabel eksogenus yang menyusun substruktur tersebut.

4. Menghitung matriks invers korelasi eksogenus

5. Menghitung semua koefisien jalur �, dimana i = 1, 2, …, k

2.7 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 = ���

2. Besarnya pengaruh tidak langsung variabel eksogenus terhadap variabel endogenus = �����

3. Besarnya pengaruh total variabel eksogenus terhadap variabel endogenus adalah penjumlahan besarnya pengaruh langsung dengan besarnya pengaruh tidak langsung.


(27)

=�����+ ������

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

��

�(�,�,…,�) = �����…��� �

����� �����

����� �

dimana:

�2

�(�1,�2,…,�)adalah koefisien determinasi total X1, X2, … Xk terhadap Xu atau besarnya

pengaruh variabel eksogenus secara bersama-sama (gabungan) terhadap variabel endogenus.

����1����2…�����adalah koefisien jalur.

����1����2…�����adalah koefisien variabel eksogenus X1, X2, ... Xk dengan

variabel endogenus Xu.

2.8 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, dapat dilakukan dengan langkah kerja berikut:

1. Nyatakan hipotesis statistik (hipotesis operasional) yang akan diuji.


(28)

variabel endogenus (Xi).

H1 :� ≠ 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:

�= �����

�� �−�������,��,…,�������

�−�−� 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. thit> ttabel (n-k-1)

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

�= (� − � − �) (� �

�(,�,…,�))

��� − ��(

�,�,…,�)� dimana:

i = 1, 2, …, k

k = Banyaknya variabel eksogenus dalam sub-struktur yang sedang diuji

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


(29)

Kriteria pengujian :

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

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

�= �����− �����

���−�������,��,…,����(���+ ���−���

�−�−� Kriteria pengujian:

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

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

2.9 Indeks Pembangunan Manusia

Pada tahun 1990, indeks pembangunan manusia dikembangkan oleh pemenang nobel India yang bernama Amartya Sen dan Mahbub Ul Haq seorang ekonom Pakistan dibantu oleh Gustav Ranis dari Yale University dan Lord Meghnad Desai dari London School of Economics dan sejak itu dipakai oleh program pembangunan PBB pada laporan HDI tahunannya. Indeks Pembangunan Manusia berfungsi sebagai jembatan bagi peneliti untuk mengetahui hal-hal yang lebih terinci dan lebih akurat dalam pembuatan laporan


(30)

2.9.1 Pengertian Indeks Pembangunan Manusia

Indeks Pembangunan Manusia merupakan indikator komposit tunggal yang digunakan untuk mengukur tiga dimensi pokok pembangunan manusia yang mampu mencerminkan status kemampuan dasar penduduk. Ketiga kemampuan dasar tersebut adalah umur panjang dan sehat, berpengetahuan dan berketerampilan, serta akses terhadap sumber daya yang dibutuhkan untuk mencapai standar hidup layak.

Secara umum indeks pembangunan manusia mengandung konsep teori-teori pembangunan manusia yang konvensional termasuk model pertumbuhan ekonomi,

pembangunan sumber daya manusia, pendekatan kesejahteraan dan pendekatan kebutuhan-kebutuhan dasar manusia. Model pertumbuhan ekonomi berkaitan dengan peningkatan pendapatan dan produksi nasional input dari proses produksi. Pendekatan kesejahteraan melihat manusia sebagai manfaat bukan sebagai objek perubahan dasar pada penyediaan barang dan jasa kebutuhan hidup. Hubungan pembangunan ekonomi dengan pertumbuhan ekonomi sangat erat hubungannya dan merupakan prasyarat untuk tercapainya pembangunan manusia, karena peningkatan pertumbuhan ekonomi akan mendukung peningkatan

produktivitas melalui pengisian kesempatan kerja dengan usaha-usaha produktif sehingga tercapai peningkatan pendapatan (UNDP, 1990).

2.9.2 Komponen Indeks Pembangunan Manusia a. Angka Harapan Hidup

Angkaharapan hidup menunjukkan kemampuan penduduk suatu wilayah yang diharapkan untuk dapat bertahan hidup lebih lama. Dengan memasukkan informasi mengenai angka kelahiran dan kematian per tahun diharapkan akanmencerminkan rata-rata lama hidup sekaligus hidup sehat masyarakat. Perhitungan dilakukan secara tidak langsung berdasarkan dua data dasar yaitu rata-rata jumlah lahir hidup dan rata-rata yang masih


(31)

hidup dari wanita yang pernah kawin untuk mendapatkan angka harapan hidup dengan menstandarkan terhadap nilai minimum (25 tahun) dan nilai maksimum (85 tahun).

b. Tingkat Pendidikan

Dalam perhitungan IPM, komponen tingkat pendidikan diukur dari dua indikator, yaitu angka melek huruf dan rata-rata lama sekolah. Angka melek huruf adalah persentase dari penduduk usia 15 tahun ke atas yang bisa membaca dan menulis dalam huruf latin atau huruf lainnya. Rata-rata lama sekolah yaitu rata-rata jumlah tahun yang dihabiskan oleh penduduk usia 15 tahun ke atas di seluruh jenjang pendidikan formal yang pernah dijalani atau sedang menjalani. Indikator ini dihitung dari variabel pendidikan yang tertinggi yang ditamatkan dan tingkat pendidikan yang sedang ditamatkan dan tingkat pendidikan yang sedang diduduki.

c. Standar Hidup Layak

Untuk mengukur dimensi standar hidup layak, UNDP menggunakan indikator yang dikenal dengan pengeluaran riil perkapita (daya beli). Untuk mengukur daya beli penduduk, BPS menggunakan data rata-rata konsumsi komoditi terpilih dari Survei Sosial Ekonomi Nasional (SUSENAS) yang dianggap paling dominan dikonsumsi oleh masyarakat Indonesia dan telah distandarkan agar bisa dibandingkan antar daerah dan antar waktu yang disesuaikan.

2.9.3 Penghitungan Indeks Pembangunan Manusia

Angka IPM berkisar antara 0 hingga 100. Semakin mendekati 100, maka hal tersebut merupakan indikasi pembangunan manusia yang semakin baik. Berdasarkan nilai IPM,


(32)

UNDP membagi status pembangunan manusia suatu wilayah ke dalam empat golongan, yaitu:

Tinggi : ��� ≥80,0 Menengah Atas : 66,0≤ ��� ≤79,9 Menengah Bawah : 50,1≤ ��� ≤65,9 Rendah : ��� ≤50,0

Adapun komponen IPM disusun dari tiga komponen, yaitu lamanya hidup diukur dengan harapan hidup pada saat lahir (tahun), tingkat pendidikan diukur dengan kombinasi antara persentase angka melek huruf pada penduduk dewasa dan rata-rata lama sekolah (tahun), dan tingkat kehidupan yang layak yang diukur dengan pengeluaran perkapita yang telah disesuaikan (rupiah).Rumus umum yang dipakai adalah (UNDP, 2004 ):

��� = 1

3(�������1+�������2+�������3 keterangan:

�1 =lamanya hidup

�2 =tingkat pendidikan


(33)

BAB 3

GAMBARAN UMUM TEMPAT RISET

3.1Sejarah Badan Pusat Statistik

Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian, agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan, pendapatan, dan keagamaan. Selain hal – hal diatas BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik dipusat maupun didaerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan defenisi, klasifikasi dan ukuran – ukuran lainnya.

Setiap sepuluh tahun sekali, BPS menyelenggaraka itu, BPS juga melakukan pengumpulan data, menerbitkan publikasi statistik nasional maupun daerah, serta melakukan analisis data statistik yang digunakan dalam pengambilan kebijakan pemerintah. BPS juga terdapat di seti Dinamakan perwakilan BPS di daerah, karena BPS merupakan instansi vertikal, yakni instansi instansi milik daerah, Tugas lain BPS di daerah adalah melakukan koordinasi dengan pemerintah daerah dalam rangka penyelenggaraan statistik regional. Setiap sepuluh tahun sekali BPS menyelenggarakan:

1. Sensus Penduduk (SP) yaitu pada setiap tahun berakhiran "0" (nol), 2. Sensus Pertanian (ST) pada setiap tahun berakhiran "3" (tiga), dan 3. Sensus Ekonomi (SE) pada setiap tahun berakhiran "6" (enam). Berikut ini adalah beberapa masa peralihan pada BPS, yaitu:


(34)

3.1.1 Masa pemerintahan Hindia Belanda

Pada bulan Februari 1920, kantor statistik pertama kali didirikan oleh direktur pertanian, kerajinan dan perdagangan (Directeur Van Landbouw Nijverheid en Hendle) dan berkedudukan di Bogor. Kantor ini diserahi tugas untuk mengolah dan memublikasi data statistik.

Pada tanggal 24 September 1924 maka lembaga tersebut diganti dengan nama Centraal kantoor Voor de Statistik (CKS) atau Kantor Pusat Statistik dan dipindahkan ke Jakarta. Bersamaan dengan itu beralih pula pekerjaan mekanisme statistik perdagangan yang semula dilakukan oleh Kantor Invoer en Accijinsen (IUA) yang sekarang disebut Kantor Bea Cukai.

3.1.2 Masa pemerintahan Jepang

Pada bulan Juni 1942 pemerintahan Jepang baru mengaktifkan kembali kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan perang/militer. Pada masa ini CKS diganti namanya menjadi Shomubu Chasasitsu gunseikanbu

3.1.3 Masa kemerdekaan Republik Indonesia

Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus 1945 kegiatan statistik diganti oleh lembaga baru sesuai dengan susunan kemerdekaan yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum Republik Indonesia). Tahun 1946 Kantor KAPPURI


(35)

dipindahkan ke Yogyakarta sebagai konsekuensi dari Perjanjian Linggarjati. Sementara itu pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.

3.1.4 Masa orde baru sampai sekarang

Pada masa pemerintahan orde baru, khusus untuk memenuhi kebutuhan dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan pembenahan organisasi BPS.

3.2 Tugas, Fungsi dan Kewenangan Badan Pusat Statistik

Menurut Keputusan Kepala BPS Nomor 121 tahun 2001 tentang organisasi dan tata kerja perwakilan BPS di daerah.

3.2.1 Tugas

BPS memunyai tugas pemerintahan di bidang kegiatan statistik sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.

3.2.2 Fungsi

Dalam melaksanakan tugas sebagaimana dimaksud, BPS menyelenggarakan fungsi: 1. Pengkajian, penyusunan, dan perumusan kebijakan di bidang statistik.


(36)

3. Penetapan dan penyelenggaraan statistik dasar.

4. Pembinaan dan fasilitasi terhadap kegiatan instansi pemerintah di bidang kegiatan statistik; dan

5. Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang perencanaan umum, ketatausahaan, organisasi, tata laksana, kepegawaian, keuangan, kearsipan, kehumasan, hukum, perlengkapan, dan rumah tangga.

3.2.3 Kewenangan

Dalam menyelenggarakan fungsi sebagaimana dimaksud, BPS memunyai kewenangan: 1. Penyusunan rencana nasional secara makro di bidangnya;

2. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara makro. 3. Penetapan sistem informasi di bidangnya;

4. Penetapan dan penyelenggaraan statistik nasional;

5. Kewenangan lain sesuai dengan ketentuan peraturan perundang-undangan yang berlaku, yaitu:

1. Perumusan dan pelaksanaan kebijakan tertentu di bidang kegiatan statistik. 2. Penyusunan pedoman penyelenggaraan survei statistik sektoral.

3.3 Visi dan Misi BPS

3.3.1 Visi


(37)

3.3.2 Misi

1. Memperkuat landasan konstitusional dan operasional lembaga statistik untuk penyelenggaraan statistik yang efektif dan efisien.

2. Menciptakan insan statistik yang kompeten dan profesional, didukung pemanfaatan teknologi informasi mutakhir untuk kemajuan perstatistikan Indonesia.

3. Meningkatkan penerapan standar klasifikasi, konsep dan definisi, pengukuran, dan kode etik statistik yang bersifat universal dalam setiap penyelenggaraan statistik.

4. Meningkatkan kualitas pelayanan informasi statistik bagi semua pihak.

5. Meningkatkan koordinasi, integrasi, dan sinkronisasi kegiatan statistik yang diselenggarakan pemerintah dan swasta, dalam kerangka Sistem yang efektif dan efisien.

3.4 Struktur Organisasi BPS

Sehubungan dengan semakin meningkatnya beban tugas dan pentingnya peranan BPS dalam menunjang kegiatan pemerintahan, pembangunan dan kemasyarakatan maka diperlukan struktur organisasi yang dapat menunjang kelancaran tugas dari masing-masing bagian.


(38)

Surat keputusan kepala BPS No. 104 tahun 1999 yang mengatur tentang uraian tugas, bagian bidang, subbagian dan seksi perwakilan BPS di daerah dipandang perlu untuk menetapkan perincian tugas setiap bidang, subbagian, dan seksi di lingkungan

perwakilan dan cabang perwakilan BPS.

Gambar 3.1 Struktur organisasi BPS Provinsi

Organisasi merupakan suatu fungsi manajemen yang mempunyai peranaan dan kegiatan langsung dengan instansi sosial yang terjadi diantara individu – individu dalam rangka kerjasama untuk mencapai tujuan yang telah ditetapkan.

Struktur organisasi perusahaan merupakan salah satu faktor penting yang mempengaruhi tingkat keberhasilan suatu perusahaan dalam mencapai tujuan yang ditetepkan. Dengan adanya struktur organisasi maka akan jelaslah pemisahan tugas dari para pegawai / staf tersebut.

K E P A L A

Bagian Tata Usaha

Bidang I ntegrasi Pengolahan & Diseminasi Statistik Bidang

Neraca Wilayah & Analisis Statistik Bidang Stat. Distribusi Bidang Stat. Produksi Bidang Stat. Sosial Seksi St at ist ik Kependudukan

Seksi St at ist ik Ket ahanan Sosial

Seksi St at ist ik Kesej aht eraan

Rakyat

Seksi St at ist ik Konst ruksi, Pert

am-bangan & Energi Seksi St at ist ik

I ndust ri Seksi St at ist k

Pert anian

Seksi St at ist k Niaga & Jasa Seksi St at ist k Keuangan & Harga

Produsen Seksi St at ist k Harga Konsumen &

Perdag. Besar

Seksi Analisis St at ist ik

Lint as Sekt or Seksi Neraca Konsumsi Seksi Neraca Produksi Seksi Diseminasi dan Layanan St at ist ik

Seksi Jaringan dan Ruj ukan St at ist ik

Seksi I nt egrasi Pengolahan Dat a SubBag Bina Program SubBag Urusan Dalam SubBag Kepegaw aian dan Hukum SubBag Keuangan SubBag Perlengkapan Tenaga Fungsional


(39)

Struktur organisasi yang diterapkan di Kantor Badan Pusat Statistik adalah struktur organisasi lini dan staf. Struktur ini mengandung unsur – unsur spesialisasi kerja, standarisasi kegiatan, sentralisasi dan desentralisasi dalam pembuatan keputusan yang menunjukan lokasi kekuasaan, pembuatan keputusan dan ukuran satuan yang menunjukkan suatu kelompok kerja.

Adapun tujuan dari struktur organisasi dan staf di Kantor Badan Pusat Statistik (BPS) adalah :

a. Pengkoordinasian yaitu yang memungkinkan komunikasi integrasi berbagai departemen dan kegiatan – kegiatan yang saling berhubungan satu sama lain.

b. Pemberian saran yaitu memberikan saran atau membuat rekomendasi bagi manajemen. c. Pembuatan keputusan yaitu membuat keputusan – keputusan dan mengamati bagaimana

pelaksanaan dari keputusan tersebut.

3.5 Logo BPS


(40)

BAB 4

HASIL DAN PEMBAHASAN

4.1 DATA

Data yang diambil dari Kantor Badan Pusat Statistik Sumatera Utara adalah data komponen Indeks Pembangunan Manusia Kota Padang Sidimpuan pada tahun 2005 – 2012.

Tabel 4.1 Komponen Indeks Pembangunan Manusia (IPM) Kota Padang Sidimpuan pada tahun 2005 – 2012

No Tahun AngkaHarap anHidup AngkaMele kHuruf Rata-Rata Lama Bersekolah IPM

1 2005 68,10 99,30 9,60 72,60

2 2006 68,80 99,60 9,70 73,30

3 2007 69,10 99,60 9,80 73,60

4 2008 69,35 99,60 9,80 74,26

5 2009 69,47 99,75 8,42 71,33

6 2010 69,47 99,62 10,10 74,77

7 2011 69,72 99,72 10,21 75,58

8 2012 69,84 99,74 10,36 76,04

Sumber : Badan Pusat Statistik Provinsi Sumatera Utara Dari tabel tersebut, maka :

Y = IPM (Indeks Pembangunan Manusia) X1 = Angka Harapan Hidup

X2 = Angka Melek Huruf


(41)

4.2 Menghitung Koefisien Jalur 4.2.1 Menyusun Hipotesis

H0 : Tidak terdapat hubungan kausalitas antara angka melek huruf dengan angka harapan

hidup.

H1 :Terdapat hubungan kausalitas antaraangka melek huruf dengan angka harapan hidup.

H0 :Tidak terdapat hubungan kausalitas antara rata – rata lama bersekolah dengan angka

harapan hidup.

H1 :Terdapat hubungan kausalitas antara rata – rata lama bersekolah dengan angka harapan

hidup.

H0 : Tidak terdapat hubungan kausalitas antara angka harapan hidup dengan IPM.

H1 : Terdapat hubungan kausalitas antara angka harapan hidup dengan IPM.

H0 : Tidak terdapat hubungan kausalitas antara angka melek huruf dengan IPM.

H1 : Terdapat hubungan kausalitas antara angka melek huruf dengan IPM.

H0 : Tidak terdapat hubungan kausalitas antara rata – rata lama bersekolah dengan IPM


(42)

Gambar diagram jalur :

Gambar 4.1: Tampilan pada Bagian Diagram Jalur

X1 = Angka Harapan Hidup

X2 = Angka Melek Huruf

X3 = Rata – Rata Lama Bersekolah


(43)

4.2.2 Menghitung matriks korelasi antar variabel, yang diperoleh dari SPSS Correlations Harapan Hidup Melek Huruf Rata-rata

Lama Sekolah IPM Harapan Hidup Pearson

Correlation

1 .924** .234 .575 Sig.

(2-tailed)

.001 .576 .136

N 8 8 8 8

Melek Huruf Pearson Correlation

.924** 1 -.011 .331 Sig.

(2-tailed)

.001 .979 .423

N 8 8 8 8

Rata-rata Lama Sekolah

Pearson Correlation

.234 -.011 1 .923** Sig.

(2-tailed)

.576 .979 .001

N 8 8 8 8

IPM Pearson

Correlation

.575 .331 .923** 1

Sig. (2-tailed)

.136 .423 .001

N 8 8 8 8

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


(44)

Keterangan:

Dari hasil SPSS diperoleh :

• Secara signifikan IPM dengan harapan hidup berkorelasi sebesar 0,575 atau 5,75 %

• Secara signifikan IPM dengan melek huruf berkorelasi sebesar 0,331 atau 31,1 %

• Secara signifikan IPM dengan rata– rata lama bersekolah berkorelasi sebesar 0,923 atau 92,3 %

4.2.3 Model Persamaan Struktural

� = ���+���+���+���

��= �������+�������+�������

4.2.4 Hasil perhitungan koefisien yang diperoleh dari Amos

Gambar4.3: Tampilan pada Bagian Standard Estimates

Keterangan:

12 = 0,92 , artinya pengaruh melek huruf sangat mempengaruhi harapan hidup. Semakin besar angka melek huruf maka semakin besar pula angka harapan hidup.


(45)

13 = 0,23 artinya pengaruh rata – rata lama bersekolah tidak terlalu berpengaruh terhadap harapan hidup.

��1 = 0,48, artinya harapan hidup mempengaruhi indeks pembangunan manusia (IPM). Semakin besar harapan hidup semakin besar pula IPM.

��2 = - 0,11 , artinya angka melek huruf berbanding terbalik dengan IPM. Semakin tinggi angka melek hurufmaka semakin rendah atau sedikit IPM begitu sebaliknya namun dalam skala yang sangat kecil.

��3 = 0,81 , artinya rata – rata lama bersekolah berpengaruh terhadap IPM. Dimana semakin besar rata-rata lama sekolah maka semakin besar pula IMP.

• Pengaruh yang diterima oleh X1 sebesar :

�2

1(�2,�₃) = [0,92 0,23]�

0,924 0,234� = 0,85008 + 0,05382

= 0,90390 = 0,904

Jadi pengaruh yang diterima oleh Angka Harapan Hidup adalah 0,904 atau 90,4%.

• Pengaruh yang diterima oleh Y sebesar :

�2

(�1,�2,�3) = [0,48−0,11 0,81]� 0,575 0,331 0,923

= 0,276−0,03641 + 0,74763 = 0,987


(46)

Coefficientsa Model Unstandardized Coefficients Standardiz ed Coefficient s

T Sig.

95,0% Confidence Interval for B B Std. Error Beta

Lower Bound

Upper Bound 1 (Constant) 76.520 160.920 .476 .659 -370.266 523.305

Harapan Hidup

1.347 .509 .485 2.647 .057 -.066 2.761 Melek Huruf -1.169 1.938 -.107 -.603 .579 -6.550 4.212 Rata-rata

Lama Sekolah

2.114 .183 .808 11.522 .000 1.604 2.623

a. Dependent Variable: IPM

Gambar4.4: Tampilan pada Bagian Coefficients

Dari hasil SPSS maka dapat diketahui, bahwa variabel signifikan itu adalah :

• Pvalue< 0,05 : maka variabelnya signifikan terhadap IPM.

• Pvalue> 0,05 : maka variabelnya tidak signifikan terhadap IPM.

NilaiPvalue diambil dari (Gambar 4.4: Tampilan pada Bagian Coefficients) di kolom sig.

1. Harapan Hidup = 0,570, maka harapan hidup tidak signifikan terhadap IPM, karena 0,570 > 0,05

2. Melek Huruf = 0,579, maka melek huruf tidak signifikan terhadap IPM, karena 0,579 > 0,05

3. Rata-rata lama bersekolah= 0,000, maka rata-rata lama bersekolah signifikan terhadap IPM, karena 0,000 < 0,05


(47)

4.3 Pengujian Koefisien Jalur

Penulis menggunakan tabel ANOVA dengan mengambil nilai F hitung, nilai F hitung diambil dari SPSS, yaitu :

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 16.951 3 5.650 113.407 .000a

Residual .199 4 .050

Total 17.151 7

a. Predictors: (Constant), Rata-rata Lama Sekolah, MelekHuruf, HarapanHidup b. Dependent Variable: IPM

Gambar4.5: Tampilan pada Pengujian Koefisien Jalur 1. Hipotesis

H0 : Tidak ada pengaruh antara harapan hidup, melek huruf dan rata-rata lama sekolah

dengan IPM.

H1 : ada pengaruh antara harapan hidup, melek huruf dan rata-rata lama sekolah dengan

IPM.

2. Tingkat signifikansi

α = 5 % = 0,05

3. Uji Statistik

F hitung = 113,407

df = 0

F tabel = F(0;0,05) = 6,59

4. Kriteria keputusan F hitung = 113,407 F tabel = 6,59


(48)

5. Kesimpulan

Karena F hitung >F tabel yaitu 113,407 > 6,59 maka H0 ditolak dan H1 diterima yang

berarti ada pengaruh antara variable harapan hidup, melek huruf dan rata-rata lama bersekolah terhadap IPM.


(49)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk meneyelesaikan 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

persamaaan 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 dibuat oleh perusahaan Smallwaters

Corporation versi untuk student dapat diperoleh secara gratis di versi student sebenarnya lengkap seperti haknya full version, tetapi jumlah variabel hanya dibatasi sampai delapan variabel saja.

Pada saat ini AMOS sudah mencapai AMOS 18, namun demikian semua data output pada buku (yang dibuat menggunakan AMOS 18) dapat diakses dengan program AMOS versi-versi sebelumnya, yakni AMOS 4, AMOS 5, AMOS 6, AMOS 7, AMOS 16, maupun AMOS 17. Mulai dari versi AMOS 7, bersamaan dengan rilis versi terbaru SPSS, yakni SPSS versi 16. Ada lompatan versi AMOS, dari AMOS 7 ke AMOS 16, yang disebabkan adanya keinginan untuk menyamakan versi AMOS dengan SPSS terbaru. Namun dari sisi content dan future, antara AMOS 16 dan AMOS 7, kemudian dengan AMOS 17 dan AMOS 18 hampir tidak ada perubahan, kecuali adanya kemampuan mixed modeling yang ada pada versi


(50)

16, konversi ke program Visual Basic. Dan beberapa tambahan kemampuan pembuatan diagram.

Untuk dapat menggunakan AMOS 18, diperlukan persyaratan hardware sebagai berikut:

1. Memori RAM minimal 256 MB.

2. Tersedia tempat kosong di Hard Disk minimal 125 MB. 3. Tersedia Software Internet Eksplorel versi 16 ke atas.

4. Tersedia program net.framework versi 3,5 atau di atasnya. Jika sistem operasi yang digunakan adalah Windows Vista atau Windows 7, program tersebut pada umumnya telah terinstal, dapat mengunduhnya lewat internet

5.3 Mengaktifkan Amos Versi 18

Program Amos dapat diaktifkan langsung lewat icon AMOS yang ada di layar, atau lewat Start→All Program→SPSS→AMOS 18→AMOS GRAPHICS. Saat membuka program AMOS, akan tampak tampilan berikut.

Tampak di tengah windows adalah area berbentuk segi empat yang menggambarkan selembar kertasyang nanti akan digunakan untuk menggambarkan model struktural secara grafik. Di samping itu, ada beberapa menu antara lain file, edit, view, diagram, analysis, tool plugin, dan help. Di samping tampilam window utama Amos Grapich, Amos juga

menampilkan toolbox windows dengan button perintah yang akan digunakan untuk menggambarkan dan operasi pemodelan.


(51)

5.4 Membuka Lembar Baru

Untuk membuka lembaran baru, maka langkah yang harus dilakukan adalah klik icon

file→new, maka akan tampil lembaran kosong yang siap untuk dibuat gambar grafik analisis.

Gambar 5.1: Membuka Halaman Baru pada Amos 5.5 Membuat Gambar Path Diagram

Gambarkan diagram path dengan menggunakan menu dalam program Amos versi 18


(52)

5.6 Pengisian Data

Setelah membuat gambar model diagram jalurnya, kemudian lakukan pengisisan data yang akan diolah dengan menggunakan AMOS 18, yakni dengan cara sebagai berikut:

Gambar 5.3: Pengisian Data pada Amos

5.7 Pengolahan Data Dengan Analisis Jalur

Data diolah dengan menggunakan icon View → Analysis Propertice yang kemudian akan menampilkan tampilan sebagai berikut:


(53)

Gambar 5.4: Pengolahan Data dengan Menggunakan Amos

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

Gambar 5.5: Pengolahan Data dengan Menggunakan Amos

5.8 Output Hasil Pengolahan Data


(54)

(55)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil analisis yang telah dilakukan maka dapat diambil beberapa kesimpulan yaitu:

1. Pengaruh angka harapan hidup terhadap IPM sebesar 0,575, yang artinya angka harapan hidup searah dengan IPM, semakin besar angka harapan hidup semakin besar pula pengaruhnya terhadap IPM

2. Pengaruh angka melek huruf terhadap IPM sebesar 0,311, yang artinya angka melek huruf searah dengan IPM, semakin besar angka melek huruf semakin besar pula pengaruhnya terhadap IPM

3. Pengaruh rata lama bersekolah terhadap angka IPM sebesar 0,923, yang artinya rata-rata lama bersekolah searah dengan IPM, semakin besar angka rata-rata-rata-rata lama bersekolah semakin besar pula pengaruhnya terhadap IPM.

4. Pengaruh angka harapan hidup, angka melek huruf dan rata-rata lama bersekolah secara gabungan terhadap indeks pembangunan manusia adalah 98,7 %.

5. Variabel angka melek huruf, angka harapan hidup, dan rata-rata lama bersekolah memiliki korelasi yang sedang dan searah terhadap indeks pembangunan manusia.


(56)

6.2 Saran

Adapun saran yang dapat diberikan penulis adalah:

1. Adanya tindak lanjut dari pemerintah Kota Padang Sidimpuan dalam usaha peningkatan pendidikan dan kesehatan masyarakat dalam memaksimalkan program pembangunan manusia.

2. Adanya perhatian khusus pemerintah Provinsi Sumatera Utara dalam perubahan keragaman data yang menggambarkan Indeks Pembangunan Manusia yang mengalami peningkatan maupun penurunan setiap tahunnya.

3. Meskipun sudah 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 dipertanggungjawabkan.


(57)

DAFTAR PUSTAKA

Algifari. 2000. Analisa Regresi Teori Kasus dan Solusi. Edisi Kedua. Yogyakarta : BPFE. Ghozali, Imam. 2004. Model Persamaan Struktural Konsep dan Aplikasi dengan Program

SPSS ver.17. Semarang : Andi.

Riduwan.2007. Cara Menggunakan dan Memaknai Analisis Jalur. Bandung : Alfabeta. Santoso, Singgih. 2011. Structural Equation Modeling (SEM) Konsep dan Aplikasi dengan

Program AMOS 18. Jakarta : PT. Elex Media Komputindo.

Sarwono, Jonathan. 2007. Analisis Jalur untuk Riset Bisnis dengan SPSS. Yogyakarta : C.V Andi.

Sudjana. 2005. Metode Statistika. Bandung : Tarsito.

Hasan, Ikbal. 2003. Pokok-pokokMateriStatistik 2. Jakarta: BumiAksara.

[BPS] BadanPusatStatistikProvinsi Sumatera Utara. 2013. Indeks Pembangunan Manusia. BPS Provinsi Sumatera Utara. Medan.


(1)

5.6 Pengisian Data

Setelah membuat gambar model diagram jalurnya, kemudian lakukan pengisisan data yang akan diolah dengan menggunakan AMOS 18, yakni dengan cara sebagai berikut:

Gambar 5.3: Pengisian Data pada Amos

5.7 Pengolahan Data Dengan Analisis Jalur

Data diolah dengan menggunakan icon View → Analysis Propertice yang kemudian akan menampilkan tampilan sebagai berikut:


(2)

Gambar 5.4: Pengolahan Data dengan Menggunakan Amos

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

Gambar 5.5: Pengolahan Data dengan Menggunakan Amos

5.8 Output Hasil Pengolahan Data

Dari hasil analisis dapat dilihat output model sebagai berikut:


(3)

(4)

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil analisis yang telah dilakukan maka dapat diambil beberapa kesimpulan yaitu:

1. Pengaruh angka harapan hidup terhadap IPM sebesar 0,575, yang artinya angka harapan hidup searah dengan IPM, semakin besar angka harapan hidup semakin besar pula pengaruhnya terhadap IPM

2. Pengaruh angka melek huruf terhadap IPM sebesar 0,311, yang artinya angka melek huruf searah dengan IPM, semakin besar angka melek huruf semakin besar pula pengaruhnya terhadap IPM

3. Pengaruh rata lama bersekolah terhadap angka IPM sebesar 0,923, yang artinya rata-rata lama bersekolah searah dengan IPM, semakin besar angka rata-rata-rata-rata lama bersekolah semakin besar pula pengaruhnya terhadap IPM.

4. Pengaruh angka harapan hidup, angka melek huruf dan rata-rata lama bersekolah secara gabungan terhadap indeks pembangunan manusia adalah 98,7 %.

5. Variabel angka melek huruf, angka harapan hidup, dan rata-rata lama bersekolah memiliki korelasi yang sedang dan searah terhadap indeks pembangunan manusia.


(5)

6.2 Saran

Adapun saran yang dapat diberikan penulis adalah:

1. Adanya tindak lanjut dari pemerintah Kota Padang Sidimpuan dalam usaha peningkatan pendidikan dan kesehatan masyarakat dalam memaksimalkan program pembangunan manusia.

2. Adanya perhatian khusus pemerintah Provinsi Sumatera Utara dalam perubahan keragaman data yang menggambarkan Indeks Pembangunan Manusia yang mengalami peningkatan maupun penurunan setiap tahunnya.

3. Meskipun sudah 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 dipertanggungjawabkan.


(6)

DAFTAR PUSTAKA

Algifari. 2000. Analisa Regresi Teori Kasus dan Solusi. Edisi Kedua. Yogyakarta : BPFE. Ghozali, Imam. 2004. Model Persamaan Struktural Konsep dan Aplikasi dengan Program

SPSS ver.17. Semarang : Andi.

Riduwan.2007. Cara Menggunakan dan Memaknai Analisis Jalur. Bandung : Alfabeta. Santoso, Singgih. 2011. Structural Equation Modeling (SEM) Konsep dan Aplikasi dengan

Program AMOS 18. Jakarta : PT. Elex Media Komputindo.

Sarwono, Jonathan. 2007. Analisis Jalur untuk Riset Bisnis dengan SPSS. Yogyakarta : C.V Andi.

Sudjana. 2005. Metode Statistika. Bandung : Tarsito.

Hasan, Ikbal. 2003. Pokok-pokokMateriStatistik 2. Jakarta: BumiAksara.

[BPS] BadanPusatStatistikProvinsi Sumatera Utara. 2013. Indeks Pembangunan Manusia. BPS Provinsi Sumatera Utara. Medan.