Merumuskan Persamaan Struktural Penghitungan Pengaruh Antar Variabel

58. Terdapat hubungan korelasi variabel Jumlah Puskesmas dan Sejenisnya dengan Jumlah Rumah Sakit Umum. 59. Terdapat hubungan korelasi variabel Jumlah Persentase Rumah Tangga yang Menerima Kredit Usaha dengan Persentase Rumah Tangga yang Mendapat Pelayanan Kesehatan Gratis.

4.3 Merumuskan Persamaan Struktural

Merumuskan persamaan struktural harus berdasarkan model diagram jalur sebagai berikut: Gambar 4.1 Model Diagram Jalur Tahap I Universitas Sumatera Utara Keterangan: 1. = Persentase Rumah Tangga yang Mendapat Pelayanan Kesehatan Gratis 2. = Persentase Rumah Tangga yang Menerima Kredit Usaha 3. = Lama Sekolah 4. = Persentase Penduduk Melek Huruf 5. [ = Persentase Penduduk Miskin 6. \ = Pengeluaran Per Kapita Per Bulan 7. ] = Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak 8. = Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak 9. _ = Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah 10. V = Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh 11. = Persentase Laju Pertumbuhan Ekonomi 12. = Jumlah Apotik 13. = Jumlah Puskesmas dan Sejenisnya 14. = Jumlah Rumah Sakit Umum 15. [ = Jumlah Dokter 16. \ = Jumlah Bidan 17. ] = Jumlah Lulusan D3 Farmasi, S1 Farmasi, dan Assisten Apoteker 18. = Jumlah Perawat 19. _ = Persentase Penduduk yang Mengalami Keluhan Kesehatan 20. V = Angka Harapan Hidup 21. = Variabel residu dari 22. = Variabel residu dari Universitas Sumatera Utara 23. = Variabel residu dari [ 24. = Variabel residu dari \ 25. [ = Variabel residu dari ] 26. \ = Variabel residu dari 27. ] = Variabel residu dari _ 26. = Variabel residu dari 27. _ = Variabel residu dari V 28. V = Variabel residu dari _ 29. = Variabel residu dari V Pada Gambar 4.1 terdapat 11 persamaan struktural. Adapun kesebelas persamaan strukturalnya adalah sebagai berikut. 1. = H H + 2. = H ` H + 3. [ = H a H + H a H ` + 4. \ = H b H + H b H + H b H ` + 5. ] = H c H + H c H a [ + H c H b \ + [ 6. = H d H + H d H a [ + H d H b \ + \ 7. _ = H e H + H e H a [ + H e H b \ + ] 8. V = H f H b \ + H f H c ] + H f H d + H f H e _ + 9. = H H a [ + H H b \ + _ Universitas Sumatera Utara 10. _ = H e H + H e H c [ + H e H b \ + H e H c ] + H e H d + H e H e _ + H e H f V + H e H + H e H + H e H ` + H e H a [ + H e H b \ + H e H c ] + H e H d + 10 11. V = H f H + H f H b \ + H f H c ] + H f H d + H f H e _ + H f H f V + H f H + H f H + H f H + H f H ` + H f H a [ + H f H b \ + H f H c ] + H f H d + H f H e _ + 11

4.4 Menganalisis Data Menggunakan Program Amos Versi 18

Untuk menganalisis menggunakan Amos Versi 18, terdapat tahapan sebagai berikut: 1. Menampilkan gambar dengan tampilan angka hasil analisis 1. Buka Program Amos Versi 18 2. Pilih Amos Graphics 3. Gambar struktur model pada drawing area 4 . Input data dengan klik file kemudian pilih data dengan klik file name kemudian klik OK 5. Klik Analyse pada menu Amos 6. Pilih Calculate Estimates Ctrl + F9 7. Save Path Diagram 8. Klik View the Output Path Diagram Universitas Sumatera Utara 2. Melakukan pengujian data Setelah model dan file data dimasukkan, proses selanjutnya adalah melakukan proses pengujian data. Untuk persiapan output maka langkah-langkahnya adalah sebagai berikut: 1. Buka menu View 2. Pilih Analysis Properties muncul Kotak Dialog Analysis Properties 3. Klik tab output dan beri tanda centang semua tab output 4. Tutup kotak dialog dengan klik tombol close 5. Untuk proses, jalankan menu Analyse dan pilih Calculate Estimates 6. Tampilan output dengan buka menu view dan pilih text output

4.4.1 Uji Normalitas

Langkah selanjutnya adalah melakukan uji normalitas data uji distribusi normal. Uji ini dilakukan untuk melihat apakah data berdistribusi normal atau tidak. Data yang terdistribusi normal adalah syarat untuk melakukan analisis jalur. Tabel 4.21 Assessment of normality Group number 1 Variable Min Max skew c.r. kurtosis c.r. 0,380 25,260 1,343 3,151 1,492 1,749 84,460 99,830 -2,159 -5,063 3,712 4,352 5,880 10,890 -0,507 -1,189 0,077 0,091 \ 286053,000 861019,000 -0,092 -0,215 -0,126 -0,148 [ 4,780 30,840 1,857 4,354 2,802 3,285 ] 10,730 74,920 0,592 1,389 -0,181 -0,212 1,200 90,870 -0,397 -0,930 -0,851 -0,997 Universitas Sumatera Utara Tabel 4.21 Lanjutan _ 0,000 21,010 2,190 5,135 4,018 4,711 ] 3,000 693,000 5,180 12,148 25,854 30,316 1,720 21,900 0,816 1,915 -0,090 -0,105 0,000 541,000 5,110 11,983 25,163 29,506 0,000 72,000 4,502 10,558 20,737 24,316 117,000 1948,000 1,186 2,781 0,337 0,395 112,000 2018,000 4,372 10,253 20,036 23,495 [ 10,000 2977,000 5,299 12,427 26,727 31,340 \ 92,000 982,000 0,904 2,121 0,106 0,124 V 42,690 97,930 -1,127 -2,644 0,636 0,746 4,370 7,630 -0,187 -0,438 1,530 1,795 _ 11,520 35,590 0,531 1,245 -0,191 -0,223 V 63,790 72,420 -0,969 -2,273 1,719 2,015 hIiN6jk 6kN 17,984 1,741 Tabel 4.22 Observations farthest from the centroid Mahalanobis distance Group number 1 Observation number Mahalanobis d-squared l l 30 31,895 0,044 0,777 29 31,755 0,046 0,452 12 29,780 0,073 0,441 1 27,790 0,114 0,532 28 27,517 0,121 0,372 9 23,596 0,261 0,894 33 23,388 0,270 0,827 5 22,957 0,291 0,787 26 22,402 0,319 0,773 31 22,340 0,322 0,657 14 21,945 0,343 0,613 3 21,930 0,344 0,472 13 21,895 0,346 0,342 25 21,827 0,350 0,236 17 21,479 0,369 0,201 2 20,543 0,424 0,298 11 20,257 0,442 0,250 24 18,836 0,532 0,512 Universitas Sumatera Utara Tabel 4.22 Lanjutan 19 18,643 0,545 0,431 18 18,617 0,547 0,307 16 18,493 0,555 0,223 6 17,942 0,591 0,243 27 17,871 0,596 0,157 32 17,056 0,649 0,228 4 17,004 0,653 0,139 15 15,357 0,756 0,423 22 14,196 0,820 0,443 20 14,050 0,828 0,307 8 13,742 0,843 0,218 21 11,570 0,930 0,591 10 10,812 0,951 0,514 7 7,165 0,996 0,879 23 15,351 0,756 0,272 Pada Tabel 4.21 di atas terlihat bahwa c.r. kurtosis multivariat adalah 1,741 yang berada pada interval -2,58 sampai 2,58. Dengan ini maka data dikatakan berdistribusi normal. Hal ini sejalan juga dengan nilai l dan l yang secara tidak bersama-sama kurang dari 0,05 sebagaimana pada Tabel 4.22. Pada Tabel 4.22 dimaksud terlihat bahwa walaupun masih terdapat l yang di bawah 0,05, namun karena l di atas 0,05, maka sudah tidak ada data yang dikatakan sebagai outlier. Universitas Sumatera Utara

4.4.2 Pemaknaan dan Pengujian Koefisien Korelasi Antar Variabel Eksogen

Hasil penghitungan koefisien korelasi antar variabel eksogen dengan menggunakan program Amos Versi 18 ditampilkan dalam tabel berikut. Tabel 4.23 Covariances: Group number 1 - Default model Estimate S.E. C.R. P Label 8,048 5,179 1,554 0,120 par_42 \ [ 31409,446 20846,893 1,507 0,132 par_54 [ ] 57461,658 14411,909 3,987 par_55 \ ] 6151,441 4785,069 1,286 0,199 par_56 \ 24526,865 13772,271 1,781 0,075 par_57 ] 36262,956 9237,312 3,926 par_58 [ 156084,638 39797,320 3,922 par_59 24045,708 9474,978 2,538 0,011 par_60 711,408 1144,978 ,621 0,534 par_61 210,719 207,330 1,016 0,309 par_62 Tabel 4.24 Correlations: Group number 1 - Default model Estimate 0,286 \ [ 0,276 [ ] 0,994 \ ] 0,233 \ 0,332 ] 0,964 [ 0,962 0,502 0,111 0,183 Universitas Sumatera Utara 1. Korelasi antara variabel eksogen dengan variabel eksogen adalah sebesar 0,286 Tabel 4.24. Berarti tingkat hubungan antara variabel eksogen dengan variabel eksogen adalah lemah dan positif. Pada Tabel 4.23 didapat nilai sig. l sebesar 0,120 yang lebih besar dari nilai m 0,05. Jadi, hubungan antara variabel eksogen dengan variabel eksogen tidak signifikan. Dengan kata lain, tidak ada hubungan antara variabel Persentase Rumah Tangga yang Mendapat Pelayanan Kesehatan Gratis dengan Persentase Rumah Tangga yang Menerima Kredit Usaha. 2. Korelasi antara variabel eksogen [ dengan variabel eksogen \ adalah sebesar 0,276 Tabel 4.24. Berarti tingkat hubungan antara variabel eksogen [ dengan variabel eksogen \ adalah lemah dan positif. Pada Tabel 4.23 didapat nilai sig. l sebesar 0,132 yang lebih besar dari nilai m 0,05. Jadi, hubungan antara variabel eksogen [ dengan variabel eksogen \ tidak signifikan. Dengan kata lain, tidak ada hubungan antara variabel Jumlah Dokter dengan Jumlah Bidan. 3. Korelasi antara variabel eksogen [ dengan variabel eksogen ] adalah sebesar 0,994 Tabel 4.24. Berarti tingkat hubungan antara variabel eksogen [ dengan variabel eksogen ] adalah kuat dan positif. Pada Tabel 4.23 didapat nilai sig. l sebesar 0,000 yang lebih kecil dari nilai m 0,05. Jadi, hubungan antara variabel eksogen [ dengan variabel eksogen ] adalah signifikan. Dengan kata lain, ada hubungan yang nyata antara variabel Jumlah Dokter dengan Jumlah Lulusan D3 Farmasi, S1 Farmasi, dan Assisten Apoteker. Universitas Sumatera Utara 4. Korelasi antara variabel eksogen \ dengan variabel eksogen ] adalah sebesar 0,233 Tabel 4.24. Berarti tingkat hubungan antara variabel eksogen \ dengan variabel eksogen ] adalah lemah dan positif. Pada Tabel 4.23 didapat nilai sig. l sebesar 0,199 yang lebih besar dari nilai m 0,05. Jadi, hubungan antara variabel eksogen \ dengan variabel eksogen ] tidak signifikan. Dengan kata lain, tidak ada hubungan antara variabel Jumlah Bidan dengan Jumlah Lulusan D3 Farmasi, S1 Farmasi, dan Assisten Apoteker. 5. Korelasi antara variabel eksogen \ dengan variabel eksogen ] adalah sebesar 0,233 Tabel 4.24. Berarti tingkat hubungan antara variabel eksogen \ dengan variabel eksogen ] adalah lemah dan positif. Pada Tabel 4.23 didapat nilai sig. l sebesar 0,199 yang lebih besar dari nilai m 0,05. Jadi, hubungan antara variabel eksogen \ dengan variabel eksogen ] tidak signifikan. Dengan kata lain, tidak ada hubungan antara variabel Jumlah Bidan dengan Jumlah Lulusan D3 Farmasi, S1 Farmasi, dan Assisten Apoteker. 6. Korelasi antara variabel eksogen \ dengan variabel eksogen adalah sebesar 0,332 Tabel 4.24. Berarti tingkat hubungan antara variabel eksogen \ dengan variabel eksogen adalah lemah dan positif. Pada Tabel 4.23 didapat nilai sig. l sebesar 0,075 yang lebih besar dari nilai m 0,05. Jadi, hubungan antara variabel eksogen \ dengan variabel eksogen ] tidak signifikan. Dengan kata lain, tidak ada hubungan antara variabel Jumlah Bidan dengan Jumlah Perawat Universitas Sumatera Utara 7. Korelasi antara variabel eksogen ] dengan variabel eksogen adalah sebesar 0,964 Tabel 4.24. Berarti tingkat hubungan antara variabel eksogen ] dengan variabel eksogen adalah kuat dan positif. Pada Tabel 4.23 didapat nilai sig. l sebesar 0,000 yang lebih kecil dari nilai m 0,05. Jadi, hubungan antara variabel eksogen ] dengan variabel eksogen adalah signifikan. Dengan kata lain, ada hubungan yang nyata antara variabel Jumlah Lulusan D3 Farmasi, S1 Farmasi, dan Assisten Apoteker dengan Jumlah Perawat. 8. Korelasi antara variabel eksogen [ dengan variabel eksogen adalah sebesar 0,962 Tabel 4.24. Berarti tingkat hubungan antara variabel eksogen [ dengan variabel eksogen adalah kuat dan positif. Pada Tabel 4.23 didapat nilai sig. l sebesar 0,000 yang lebih kecil dari nilai m 0,05. Jadi, hubungan antara variabel eksogen [ dengan variabel eksogen adalah signifikan. Dengan kata lain, ada hubungan yang nyata antara variabel Jumlah Dokter dengan Jumlah Perawat. 9. Korelasi antara variabel eksogen dengan variabel eksogen adalah sebesar 0,502 Tabel 4.24. Berarti tingkat hubungan antara variabel eksogen dengan variabel eksogen adalah kuat dan positif. Pada Tabel 4.23 didapat nilai sig. l sebesar 0,011 yang lebih kecil dari nilai m 0,05. Jadi, hubungan antara variabel eksogen dengan variabel eksogen adalah signifikan. Dengan kata lain, ada hubungan yang nyata antara variabel Jumlah Apotik dengan Jumlah Puskesmas dan Sejenisnya. Universitas Sumatera Utara 10. Korelasi antara variabel eksogen dengan variabel eksogen adalah sebesar 0,111 Tabel 4.24. Berarti tingkat hubungan antara variabel eksogen dengan variabel eksogen adalah lemah dan positif. Pada Tabel 4.23 didapat nilai sig. l sebesar 0,534 yang lebih besar dari nilai m 0,05. Jadi, hubungan antara variabel eksogen dengan variabel eksogen tidak signifikan. Dengan kata lain, tidak ada hubungan antara variabel Jumlah Puskesmas dan Sejenisnya dengan Jumlah Rumah Sakit Umum. 11. Korelasi antara variabel eksogen dengan variabel eksogen adalah sebesar 0,183 Tabel 4.24. Berarti tingkat hubungan antara variabel eksogen dengan variabel eksogen adalah lemah dan positif. Pada Tabel 4.23 didapat nilai sig. l sebesar 0,309 yang lebih besar dari nilai m 0,05. Jadi, hubungan antara variabel eksogen dengan variabel eksogen tidak signifikan. Dengan kata lain, tidak ada hubungan antara variabel Jumlah Apotik dengan Jumlah Rumah Sakit Umum. Universitas Sumatera Utara

4.4.3 Pemaknaan dan Pengujian Koefisien Jalur Antara Variabel Eksogen dengan Variabel Endogen

Hasil penghitungan koefisien jalur antar variabel eksogen dengan variabel endogen dengan menggunakan program Amos Versi 18 ditampilkan dalam tabel berikut. Tabel 4.25 Regression Weights: Group number 1 - Default model Estimate S.E. C.R. P Label 0,036 0,037 0,977 0,328 par_43 0,141 0,117 1,206 0,228 par_46 \ 55379,864 19102,580 2,899 0,004 par_35 \ -1839,288 2463,075 -0,747 0,455 par_39 \ 12610,313 6058,356 2,081 0,037 par_45 [ -0,052 0,123 -0,418 0,676 par_16 [ \ 0,000 0,000 -0,974 0,330 par_37 [ -0,954 0,276 -3,451 par_44 _ -0,219 0,112 -1,955 0,051 par_1 -0,149 0,507 -0,293 0,769 par_2 ] 0,896 0,422 2,121 0,034 par_3 ] [ 0,104 0,521 0,199 0,843 par_13 [ -1,541 0,626 -2,463 0,014 par_14 _ [ 0,170 0,138 1,234 0,217 par_15 _ \ 0,000 0,000 -3,262 0,001 par_32 \ 0,000 0,000 3,154 0,002 par_33 ] \ 0,000 0,000 2,250 0,024 par_34 V ] -0,031 0,042 -0,727 0,468 par_4 V 0,423 0,036 11,796 par_5 V _ -0,709 0,165 -4,292 par_6 V \ 0,000 0,000 0,320 0,749 par_38 _ _ -0,891 0,358 -2,486 0,013 par_7 _ 0,135 0,108 1,242 0,214 par_8 _ ] -0,088 0,056 -1,562 0,118 par_9 _ [ 0,322 0,194 1,663 0,096 par_11 _ V -0,490 0,251 -1,950 0,051 par_12 _ \ -0,006 0,007 -0,867 0,386 par_24 _ [ 0,001 0,019 0,037 0,970 par_25 Universitas Sumatera Utara Tabel 4.25 Lanjutan _ 0,009 0,004 2,356 0,018 par_26 _ -0,097 0,064 -1,524 0,127 par_27 _ -0,074 0,050 -1,489 0,137 par_28 _ \ 0,000 0,000 2,890 0,004 par_36 _ 0,574 0,158 3,637 par_40 \ 0,000 0,000 1,438 0,150 par_47 [ 0,004 0,021 0,186 0,852 par_50 _ ] 0,003 0,082 0,035 0,972 par_52 _ 0,009 0,012 0,734 0,463 par_53 V _ 0,047 0,044 1,054 0,292 par_10 V ] 0,023 0,016 1,424 0,155 par_17 V 0,051 0,029 1,742 0,082 par_18 V \ -0,004 0,002 -1,951 0,051 par_19 V [ -0,002 0,005 -0,326 0,744 par_20 V 0,002 0,003 0,600 0,548 par_21 V V 0,014 0,070 0,198 0,843 par_22 V _ 0,207 0,101 2,049 0,040 par_23 V 0,020 0,013 1,472 0,141 par_29 V 0,020 0,017 1,172 0,241 par_30 V 0,000 0,001 -0,447 0,655 par_31 V -0,044 0,049 -0,899 0,369 par_41 V 0,332 0,461 0,721 0,471 par_48 V \ 0,000 0,000 0,333 0,739 par_49 V ] -0,010 0,021 -0,471 0,638 par_51 Universitas Sumatera Utara Tabel 4.26 Standardized Regression Weights: Group number 1 - Default model Estimate 0,170 0,209 \ 0,594 \ -0,093 \ 0,430 [ -0,052 [ \ -0,151 [ -0,645 _ -0,260 -0,038 ] 0,329 ] [ 0,038 [ -0,392 _ [ 0,203 _ \ -0,468 \ 0,439 ] \ 0,377 V ] -0,040 V 0,800 V _ -0,286 V \ 0,021 _ _ -0,458 _ 0,323 _ ] -0,146 _ [ 0,197 _ V -0,623 _ \ -0,146 _ [ 0,038 _ 0,517 _ -0,130 _ -0,737 _ \ 0,331 _ 0,304 \ 0,270 [ 0,039 _ ] -0,036 Universitas Sumatera Utara Tabel 4.26 Lanjutan _ 0,303 V _ 0,155 V ] 0,126 V 0,410 V \ -0,302 V [ -0,278 V 0,210 V V 0,059 V _ 0,356 V 0,648 V 0,090 V -0,091 V -0,077 V 0,069 V \ 0,036 V ] -0,418 1. Pengujian koefisien jalur dari persamaan sub-struktur I Persamaan sub-strtuktur: = H H + Hipotesis statistik: n : H H n V : H H = 0 Hipotesis bentuk kalimat: n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Lama Sekolah Universitas Sumatera Utara n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Lama Sekolah Kriteri penolakan: Tolak n V jika nilai sig. l ≤ nilai m 0,05 Terima n V jika nilai sig. l nilai m 0,05 Pada Tabel 4.25, nilai sig. l adalah 0,328. Ternyata nilai sig. 0,328 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Lama Sekolah. 2. Pengujian koefisien jalur dari persamaan sub-struktur II Persamaan substruktur: = H ` H + Hipotesis statistik: n : H ` H n V : H ` H = 0 Hipotesis bentuk kalimat: n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Penduduk Melek Huruf. n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Penduduk Melek Huruf. Universitas Sumatera Utara Kriteria penolakan: Tolak n V jika nilai sig. l ≤ nilai m 0,05 Terima n V jika nilai sig. l nilai m 0,05 Pada Tabel 4.25, nilai sig. l adalah 0,228. Ternyata nilai sig. 0,228 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Penduduk Melek Huruf. 3. Pengujian koefisien jalur dari persamaan sub-struktur III Persamaan sub-struktur: [ = H a H + H a H ` + Hipotesis statistik: 1. n : H a H 0 ; n V : H a H = 0 2. n : H a H ` 0 ; n V : H a H ` = 0 Hipotesis bentuk kalimat: 1. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Penduduk Miskin. n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Penduduk Miskin. 2. n : Terdapat hubungan kausalitas variabel Persentase Penduduk Melek Huruf terhadap Persentase Penduduk Miskin Universitas Sumatera Utara n V : Tidak terdapat hubungan kausalitas variabel Persentase Penduduk Melek Huruf terhadap Persentase Penduduk Miskin Kriteri penolakan: Tolak n V jika nilai sig. l ≤ nilai m 0,05 Terima n V jika nilai sig. l nilai m 0,05 Pada Tabel 4.25, nilai sig. l adalah 0,676. Ternyata nilai sig. 0,676 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Penduduk Miskin. Pada Tabel 4.25, nilai sig. l adalah 0,000. Ternyata nilai sig. 0,000 lebih kecil dari nilai m 0,05, maka n V ditolak, artinya terdapat hubungan kausalitas variabel Persentase Penduduk Melek Huruf terhadap Persentase Penduduk Miskin. 4. Pengujian koefisien jalur dari persamaan sub-struktur IV Persamaan sub-struktur: \ = H b H + H b H + H b H ` + Hipotesis statistik: 1. n : H b H 0 ; n V : H a H = 0 2. n : H b H 0 ; n V : H a H ` = 0 3. n : H b H ` 0 ; n V : H b H ` = 0 Universitas Sumatera Utara Hipotesis bentuk kalimat: 1 . n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Pengeluaran Per Kapita Per Bulan n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Pengeluaran Per Kapita Per Bulan 2. n : Terdapat hubungan kausalitas variabel Lama Sekolah terhadap Pengeluaran Per Kapita Per Bulan n V : Tidak terdapat hubungan kausalitas variabel Lama Sekolah terhadap Pengeluaran Per Kapita Per Bulan 3. n : Terdapat hubungan kausalitas variabel Persentase Penduduk Melek Huruf terhadap Pengeluaran Per Kapita Per Bulan n V : Tidak terdapat hubungan kausalitas variabel Persentase Penduduk Melek Huruf terhadap Pengeluaran Per Kapita Per Bulan Kriteri penolakan: Tolak n V jika nilai sig. l ≤ nilai m 0,05 Terima n V jika nilai sig. l nilai m 0,05 Pada Tabel 4.25, nilai sig. l adalah 0,455. Ternyata nilai sig. 0,455 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Pengeluaran Per Kapita Per Bulan Universitas Sumatera Utara Pada Tabel 4.25, nilai sig. l adalah 0,004. Ternyata nilai sig. 0,004 lebih kecil dari nilai m 0,05, maka n V ditolak, artinya terdapat hubungan kausalitas variabel Lama Sekolah terhadap Pengeluaran Per Kapita Per Bulan. Pada Tabel 4.25, nilai sig. l adalah 0,037. Ternyata nilai sig. 0,037 lebih kecil dari nilai m 0,05, maka n V ditolak, artinya terdapat hubungan kausalitas variabel Persentase Penduduk Melek Huruf terhadap Pengeluaran Per Kapita Per Bulan 5. Pengujian koefisien jalur dari persamaan sub-struktur V Persamaan sub-struktur: ] = H c H + H c H a [ + H c H b \ + [ Hipotesis statistik: 1. n : H c H 0 ; n V : H c H = 0 2. n : H c H a 0 ; n V : H c H a = 0 3. n : H c H b 0 ; n V : H c H b = 0 Hipotesis bentuk kalimat: 1. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak Universitas Sumatera Utara n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak 2. n : Terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak n V : Tidak terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak 3. n : Terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak n V : Tidak terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak Kriteri penolakan: Tolak n V jika nilai sig. l ≤ nilai m 0,05 Terima n V jika nilai sig. l nilai m 0,05 Pada Tabel 4.25, nilai sig. l adalah 0,034. Ternyata nilai sig. 0,034 lebih kecil dari nilai m 0,05, maka n V ditolak, artinya terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak . Universitas Sumatera Utara Pada Tabel 4.25, nilai sig. l adalah 0,843. Ternyata nilai sig. 0,843 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak. Pada Tabel 4.25, nilai sig. l adalah 0,024. Ternyata nilai sig. 0,024 lebih kecil dari nilai m 0,05, maka n V ditolak, artinya terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak . 6. Pengujian koefisien jalur dari persamaan sub-struktur VI Persamaan sub-struktur: = H d H + H d H a [ + H d H b \ + \ Hipotesis statistik: 1. n : H d H 0 ; n V : H d H = 0 2. n : H d H a 0 ; n V : H d H a = 0 3. n : H d H b 0 ; n V : H d H b = 0 Hipotesis bentuk kalimat: 1. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak Universitas Sumatera Utara n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak 2. n : Terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak n V : Tidak terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak 3. n : Terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak n V : Tidak terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak Kriteri penolakan: Tolak n V jika nilai sig. l ≤ nilai m 0,05 Terima n V jika nilai sig. l nilai m 0,05 Pada Tabel 4.25, nilai sig. l adalah 0,769. Ternyata nilai sig. 0,769 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak. Pada Tabel 4.25, nilai sig. l adalah 0,014. Ternyata nilai sig. 0,014 lebih kecil dari nilai m 0,05, maka n V ditolak, artinya Terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak. Universitas Sumatera Utara Pada Tabel 4.25, nilai sig. l adalah 0,002. Ternyata nilai sig. 0,002 lebih kecil dari nilai m 0,05, maka n V ditolak, artinya terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak . 7. Pengujian koefisien jalur dari persamaan sub-struktur VII Persamaan sub-struktur: _ = H e H + H e H a [ + H e H b \ + ] Hipotesis statistik: 1. n : H e H 0 ; n V : H e H = 0 2. n : H e H a 0 ; n V : H e H a = 0 3. n : H e H b 0 ; n V : H e H b = 0 Hipotesis bentuk kalimat: 1. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah 2. n : Terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah Universitas Sumatera Utara n V : Tidak terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah 3. n : Terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah n V : Tidak terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah Kriteri penolakan: Tolak n V jika nilai sig. l ≤ nilai m 0,05 Terima n V jika nilai sig. l nilai m 0,05 Pada Tabel 4.25, nilai sig. l adalah 0,051. Ternyata nilai sig. 0,051 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Menerima Kredit Usaha terhadap Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah. Pada Tabel 4.25, nilai sig. l adalah 0,217. Ternyata nilai sig. 0,217 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah. Universitas Sumatera Utara Pada Tabel 4.25, nilai sig. l adalah 0,001. Ternyata nilai sig. 0,001 lebih kecil dari nilai m 0,05, maka n V ditolak, artinya terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah. 8. Pengujian koefisien jalur dari persamaan sub-struktur VIII Persamaan sub-struktur: V = H f H b \ + H f H c ] + H f H d + H f H e _ + Hipotesis statistik: 1. n : H f H b 0 ; n V : H f H b = 0 2. n : H f H c 0 ; n V : H f H c = 0 3. n : H f H d 0 ; n V : H f H d = 0 4. n : H f H e 0 ; n V : H f H e = 0 Hipotesis bentuk kalimat: 1. n : Terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh n V : Tidak terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh Universitas Sumatera Utara 2. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak terhadap Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak terhadap Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh 3. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak terhadap Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak terhadap Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh 4. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah terhadap Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah terhadap Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh Kriteri penolakan: Tolak n V jika nilai sig. l ≤ nilai m 0,05 Terima n V jika nilai sig. l nilai m 0,05 Universitas Sumatera Utara Pada Tabel 4.25, nilai sig. l adalah 0,749. Ternyata nilai sig. 0,749 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh. Pada Tabel 4.25, nilai sig. l adalah 0,468. Ternyata nilai sig. 0,468 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak terhadap Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh. Pada Tabel 4.25, nilai sig. l adalah 0,000. Ternyata nilai sig. 0,000 lebih kecil dari nilai m 0,05, maka n V ditolak, artinya terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak terhadap Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh. Pada Tabel 4.25, nilai sig. l adalah 0,000. Ternyata nilai sig. 0,000 lebih kecil dari nilai m 0,05, maka n V ditolak, artinya terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah terhadap Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh. 9. Pengujian koefisien jalur dari persamaan sub-struktur IX Persamaan sub-struktur: = H H a [ + H H b \ + _ Universitas Sumatera Utara Hipotesis statistik: 1. n : H H a 0 ; n V : H H a = 0 2. n : H H b 0 ; n V : H H b = 0 Hipotesis bentuk kalimat: 1. n : Terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Laju Pertumbuhan Ekonomi n V : Tidak terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Laju Pertumbuhan Ekonomi 2. n : Terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Laju Pertumbuhan Ekonomi. n V : Tidak terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Laju Pertumbuhan Ekonomi. Kriteri penolakan: Tolak n V jika nilai sig. l ≤ nilai m 0,05 Terima n V jika nilai sig. l nilai m 0,05 Pada Tabel 4.25, nilai sig. l adalah 0,852. Ternyata nilai sig. 0,852 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Laju Pertumbuhan Ekonomi. Universitas Sumatera Utara Pada Tabel 4.25, nilai sig. l adalah 0,150. Ternyata nilai sig. 0,150 lebih besar dari nilai m 0,05, maka n V diterima, artinya Tidak terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Laju Pertumbuhan Ekonomi. 10. Pengujian koefisien jalur dari persamaan sub-struktur X Persamaan sub-struktur: _ = H e H + H e H a [ + H e H b \ + H e H c ] + H e H d + H e H e _ + H e H f V + H e H + H e H + H e H ` + H e H a [ + H e H b \ + H e H c ] + H e H d + V Hipotesis statistik: 1. n : H e H 0 ; n V : H e H = 0 2. n : H e H a 0 ; n V : H e H a = 0 3. n : H e H b 0 ; n V : H e H b = 0 4. n : H e H c 0 ; n V : H e H c = 0 5. n : H e H d 0 ; n V : H e H d = 0 6. n : H e H e 0 ; n V : H e H e = 0 7. n : H e H f 0 ; n V : H e H f = 0 8. n : H e H 0 ; n V : H e H = 0 9. n : H e H 0 ; n V : H e H = 0 10. n : H e H ` 0 ; n V : H e H ` = 0 Universitas Sumatera Utara 11. n : H e H a 0 ; n V : H e H a = 0 12. n : H e H b 0 ; n V : H e H b = 0 13. n : H e H c 0 ; n V : H e H c = 0 14. n : H e H d 0 ; n V : H e H d = 0 Hipotesis bentuk kalimat: 1. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Mendapat Pelayanan Kesehatan Gratis terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Mendapat Pelayanan Kesehatan Gratis terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan 2. n : Terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan n V : Tidak terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan 3. n : Terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan n V : Tidak terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan 4. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan Universitas Sumatera Utara n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan 5. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan 6. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan 7. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan Universitas Sumatera Utara 8. n : Terdapat hubungan kausalitas variabel Jumlah Apotik terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan n V : Tidak terdapat hubungan kausalitas variabel Jumlah Apotik terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan 9. n : Terdapat hubungan kausalitas variabel Jumlah Puskemas dan Sejenisnya terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan n V : Tidak terdapat hubungan kausalitas variabel Jumlah Puskemas dan Sejenisnya terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan 10. n : Terdapat hubungan kausalitas variabel Jumlah Rumah Sakit Umum terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan n V : Tidak terdapat hubungan kausalitas variabel Jumlah Rumah Sakit Umum terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan 11. n : Terdapat hubungan kausalitas variabel Jumlah Dokter terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan n V : Tidak terdapat hubungan kausalitas variabel Jumlah Dokter terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan 12. n : Terdapat hubungan kausalitas variabel Jumlah Bidan terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan n V : Tidak terdapat hubungan kausalitas variabel Jumlah Bidan terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan Universitas Sumatera Utara 13. n : Terdapat hubungan kausalitas variabel Jumlah Lulusan D3 Farmasi, S1 Farmasi, dan Assisten Apoteker terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan n V : Tidak terdapat hubungan kausalitas variabel Jumlah Lulusan D3 Farmasi, S1 Farmasi, dan Assisten Apoteker terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan 14. n : Terdapat hubungan kausalitas variabel Jumlah Perawat terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan n V : Tidak terdapat hubungan kausalitas variabel Jumlah Perawat terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan Kriteri penolakan: Tolak n V jika nilai sig. l ≤ nilai m 0,05 Terima n V jika nilai sig. l nilai m 0,05 Pada Tabel 4.25, nilai sig. l adalah 0,000. Ternyata nilai sig. 0,000 lebih kecil dari nilai m 0,05, maka n V ditolak, artinya terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Mendapat Pelayanan Kesehatan Gratis terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. Pada Tabel 4.25, nilai sig. l adalah 0,096. Ternyata nilai sig. 0,096 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Penduduk Miskin terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. Universitas Sumatera Utara Pada Tabel 4.25, nilai sig. l adalah 0,386. Ternyata nilai sig. 0,386 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. Pada Tabel 4.25, nilai sig. l adalah 0,118. Ternyata nilai sig. 0,118 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. Pada Tabel 4.25, nilai sig. l adalah 0,214. Ternyata nilai sig. 0,214 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. Pada Tabel 4.25, nilai sig. l adalah 0,013. Ternyata nilai sig. 0,013 lebih kecil dari nilai m 0,05, maka n V ditolak, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. Pada Tabel 4.25, nilai sig. l adalah 0,051. Ternyata nilai sig. 0,051 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. Universitas Sumatera Utara Pada Tabel 4.25, nilai sig. l adalah 0,137. Ternyata nilai sig. 0,137 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Jumlah Apotik terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. Pada Tabel 4.25, nilai sig. l adalah 0,018. Ternyata nilai sig. 0,018 lebih kecil dari nilai m 0,05, maka n V ditolak, artinya terdapat hubungan kausalitas variabel Jumlah Puskemas dan Sejenisnya terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. Pada Tabel 4.25, nilai sig. l adalah 0,127. Ternyata nilai sig. 0,127 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Jumlah Rumah Sakit Umum terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. Pada Tabel 4.25, nilai sig. l adalah 0,970. Ternyata nilai sig. 0,970 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Jumlah Dokter terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. Pada Tabel 4.25, nilai sig. l adalah 0,386. Ternyata nilai sig. 0,386 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Jumlah Bidan terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. Universitas Sumatera Utara Pada Tabel 4.25, nilai sig. l adalah 0,972. Ternyata nilai sig. 0,972 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Jumlah Bidan terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. Pada Tabel 4.25, nilai sig. l adalah 0,463. Ternyata nilai sig. 0,463 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Jumlah Lulusan D3 Farmasi, S1 Farmasi, dan Assisten Apoteker terhadap Persentase Penduduk yang Mengalami Keluhan Kesehatan. 11. Pengujian koefisien jalur dari persamaan sub-struktur XI Persamaan sub-struktur: V = H f H + H f H b \ + H f H c ] + H f H d + H f H e _ + H f H f V + H f H + H f H + H f H + H f H ` + H f H a [ + H f H b \ + H f H c ] + H f H d + H f H e _ + Hipotesis statistik: 1. n : H f H 0 ; n V : H f H = 0 2. n : H f H b 0 ; n V : H f H b = 0 3. n : H f H c 0 ; n V : H f H c = 0 4. n : H f H d 0 ; n V : H f H d = 0 5. n : H f H e 0 ; n V : H f H e = 0 Universitas Sumatera Utara 6. n : H f H f 0 ; n V : H f H f = 0 7. n : H f H 0 ; n V : H f H = 0 8. n : H f H 0 ; n V : H f H = 0 9. n : H f H 0 ; n V : H f H = 0 10. n : H f H ` 0 ; n V : H f H ` = 0 11. n : H f H a 0 ; n V : H f H a = 0 12. n : H f H b 0 ; n V : H f H b = 0 13. n : H f H c 0 ; n V : H f H c = 0 14. n : H f H d 0 ; n V : H f H d = 0 15. n : H f H e 0 ; n V : H f H e = 0 Hipotesis bentuk kalimat: 1. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Mendapat Pelayanan Kesehatan Gratis terhadap Angka Harapan Hidup n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Mendapat Pelayanan Kesehatan Gratis terhadap Angka Harapan Hidup 2. n : Terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Angka Harapan Hidup n V : Tidak terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Angka Harapan Hidup 3. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak terhadap Angka Harapan Hidup Universitas Sumatera Utara n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak terhadap Angka Harapan Hidup 4. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak terhadap Angka Harapan Hidup n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak terhadap Angka Harapan Hidup 5. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah terhadap Angka Harapan Hidup n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah terhadap Angka Harapan Hidup 6. n : Terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh terhadap Angka Harapan Hidup n V : Tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh terhadap Angka Harapan Hidup 7. n : Terdapat hubungan kausalitas variabel Laju Pertumbuhan Ekonomi terhadap Angka Harapan Hidup n V : Tidak terdapat hubungan kausalitas variabel Laju Pertumbuhan Ekonomi terhadap Angka Harapan Hidup 8. n : Terdapat hubungan kausalitas variabel Jumlah Apotik terhadap Angka Harapan Hidup n V : Tidak terdapat hubungan kausalitas variabel Jumlah Apotik terhadap Angka Harapan Hidup Universitas Sumatera Utara 9. n : Terdapat hubungan kausalitas variabel Jumlah Perawat terhadap Angka Harapan Hidup n V : Tidak terdapat hubungan kausalitas variabel Jumlah Perawat terhadap Angka Harapan Hidup 10. n : Terdapat hubungan kausalitas variabel Jumlah Rumah Sakit Umum terhadap Angka Harapan Hidup n V : Tidak terdapat hubungan kausalitas variabel Jumlah Rumah Sakit Umum terhadap Angka Harapan Hidup 11. n : Terdapat hubungan kausalitas variabel Jumlah Dokter terhadap Angka Harapan Hidup n V : Tidak terdapat hubungan kausalitas variabel Jumlah Dokter terhadap Angka Harapan Hidup 12. n : Terdapat hubungan kausalitas variabel Jumlah Bidan terhadap Angka Harapan Hidup n V : Tidak terdapat hubungan kausalitas variabel Jumlah Bidan terhadap Angka Harapan Hidup 13. n : Terdapat hubungan kausalitas variabel Jumlah Lulusan D3 Farmasi, S1 Farmasi, dan Assisten Apoteker terhadap Angka Harapan Hidup n V : Tidak terdapat hubungan kausalitas variabel Jumlah Lulusan D3 Farmasi, S1 Farmasi, dan Assisten Apoteker terhadap Angka Harapan Hidup 14. n : Terdapat hubungan kausalitas variabel Jumlah Perawat terhadap Angka Harapan Hidup Universitas Sumatera Utara n V : Tidak terdapat hubungan kausalitas variabel Jumlah Perawat terhadap Angka Harapan Hidup 15. n : Terdapat hubungan kausalitas variabel Persentase Penduduk yang Mengalami Keluhan Kesehatan terhadap Angka Harapan Hidup n V : Tidak terdapat hubungan kausalitas variabel Persentase Penduduk yang Mengalami Keluhan Kesehatan terhadap Angka Harapan Hidup Kriteri penolakan: Tolak n V jika nilai sig. l ≤ nilai m 0,05 Terima n V jika nilai sig. l nilai m 0,05 Pada Tabel 4.25, nilai sig. l adalah 0,369. Ternyata nilai sig. 0,369 lebih kecil dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga yang Mendapat Pelayanan Kesehatan Gratis terhadap Angka Harapan Hidup. Pada Tabel 4.25, nilai sig. l adalah 0,739. Ternyata nilai sig. 0,739 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Pengeluaran Per Kapita Per Bulan terhadap Angka Harapan Hidup. Pada Tabel 4.25, nilai sig. l adalah 0,155. Ternyata nilai sig. 0,155 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Air Minum yang Layak terhadap Angka Harapan Hidup. Universitas Sumatera Utara Pada Tabel 4.25, nilai sig. l adalah 0,082. Ternyata nilai sig. 0,082 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak terhadap Angka Harapan Hidup. Pada Tabel 4.25, nilai sig. l adalah 0,040. Ternyata nilai sig. 0,040 lebih besar dari nilai m 0,05, maka n V ditolak, artinya terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Jenis Lantai Terluas Adalah Tanah terhadap Angka Harapan Hidup. Pada Tabel 4.25, nilai sig. l adalah 0,843. Ternyata nilai sig. 0,843 lebih kecil dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Rumah Tangga Dengan Kondisi Rumah Tidak Kumuh terhadap Angka Harapan Hidup. Pada Tabel 4.25, nilai sig. l adalah 0,471. Ternyata nilai sig. 0,471 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Laju Pertumbuhan Ekonomi terhadap Angka Harapan Hidup. Pada Tabel 4.25, nilai sig. l adalah 0,141. Ternyata nilai sig. 0,141 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Jumlah Apotik terhadap Angka Harapan Hidup. Universitas Sumatera Utara Pada Tabel 4.25, nilai sig. l adalah 0,655. Ternyata nilai sig. 0,655 lebih kecil dari nilai m 0,05, maka n V diterima, artinya Tidak terdapat hubungan kausalitas variabel Jumlah Perawat terhadap Angka Harapan Hidup. Pada Tabel 4.25, nilai sig. l adalah 0,241. Ternyata nilai sig. 0,241 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Jumlah Rumah Sakit Umum terhadap Angka Harapan Hidup. Pada Tabel 4.25, nilai sig. l adalah 0,744. Ternyata nilai sig. 0,744 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Jumlah Dokter terhadap Angka Harapan Hidup. Pada Tabel 4.25, nilai sig. l adalah 0,051. Ternyata nilai sig. 0,051 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Jumlah Bidan terhadap Angka Harapan Hidup. Pada Tabel 4.25, nilai sig. l adalah 0,638. Ternyata nilai sig. 0,638 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Jumlah Lulusan D3 Farmasi, S1 Farmasi, dan Assisten Apoteker terhadap Angka Harapan Hidup. Pada Tabel 4.25, nilai sig. l adalah 0,548. Ternyata nilai sig. 0,548 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Jumlah Perawat terhadap Angka Harapan Hidup. Universitas Sumatera Utara Pada Tabel 4.25, nilai sig. l adalah 0,292. Ternyata nilai sig. 0,292 lebih besar dari nilai m 0,05, maka n V diterima, artinya tidak terdapat hubungan kausalitas variabel Persentase Penduduk yang Mengalami Keluhan Kesehatan terhadap Angka Harapan Hidup.

4.4.4 Analisis 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 jalurnya tidak signifikan Heise, 1969:59; Al-Rasyid Sitepu, 1994:12; Kusnendi, 2005:12. Jadi, model trimming terjadi ketika koefisien jalur diuji secara keseluruhan ternyata ada variabel yang tidak signifikan. Walaupun ada satu, dua, atau lebih variabel yang tidak signifikan, peneliti perlu memperbaiki model struktur analisis jalur yang telah dihipotesiskan. Cara menggunakan model trimming yaitu menghitung ulang koefisien jalur tanpa menyertakan variabel eksogen yang koefisien jalurnya tidak signifikan. Pada Tabel 4.23 dan Tabel 4.25, variabel eksogen yang memiliki koefisien korelasi dan koefisien jalur yang tidak signifikan akan dikeluarkan dari model nilai sig. l lebih besar dari nilai m 0,05, sehingga model analisis jalur yang baru dapat dilihat pada gambar di bawah ini. Universitas Sumatera Utara Gambar 4.2 Model Diagram Jalur Setelah Trimming Tahap II Pada Gambar 4.2, variabel-variabel yang keluar dari model adalah variabel ¸ , , dan [ . Pada model awal keempat variabel ini tidak memberikan pengaruh yang signifikan terhadap variabel endogennya sehingga variabel ini dikeluarkan dari model. Namun pada Gambar 4.2 ada beberapa variabel yang tidak memberikan pengaruh apapun terhadap variabel V Angka Harapan Hidup. Untuk itu variabel-variabel ini juga harus dikeluarkan dari model sehingga didapat model baru, yaitu model terakhir di mana semua variabel- variabel yang mempengaruhi variabel V baik secara langsung maupun tidak langsung. \ Universitas Sumatera Utara Gambar 4.3 Model Diagram Jalur Tahap III Untuk memastikan apakah koefisien korelasi dan koefisien jalur pada Gambar 4.3 sudah signifikan maka perhitungan akan diulangi dan diuji kembali. Hasil pengolahan program Amos Versi 18 ditampilkan sebagai berikut. Tabel 4.27 Covariances: Group number 1 - Default model Estimate S.E. C.R. P Label X 16 X 18 8349,181 3874,024 2,155 0,031 par_7 X 17 X 18 35271,646 8972,893 3,931 par_6 Universitas Sumatera Utara Pada tabel 4.27, koefisien korelasi antara 2 variabel eksogen kovarian sudah signifikan. Semua nilai sig. l lebih kecil dari nilai m 0,05. Tabel 4.28 Regression Weights: Group number 1 - Default model Estimate S.E. C.R. P Label \ 55325,030 19268,158 2,871 0,004 par_4 [ -1,169 0,180 -6,487 par_5 \ 12057,023 6065,041 1,988 0,047 par_6 [ -1,508 0,616 -2,447 0,014 par_1 \ 0,000 0,000 3,169 0,002 par_3 V 0,039 0,009 4,263 par_2 V ] -0,014 0,007 -1,979 0,048 par_12 V \ -0,005 0,001 -4,727 par_13 V 0,007 0,003 2,592 0,010 par_14 Pada tabel di atas koefisien jalur variabel eksogen terhadap variabel endogen sudah signifikan. Semua nilai sig. l lebih kecil dari nilai m 0,05.

4.4.5 Analisis Jalur Model Building

Model building adalah model yang digunakan untuk memperbaiki suatu model struktur analisis jalur dengan cara menghubungkan variabel eksogen dengan variabel eksogen lainya atau variabel eksogen dengan variabel endogen lainnya agar model diagram jalur semakin fit nilai Chi-Square sekecil mungkin. Variabel-variabel yang dihubungkan harus berdasarkan teori atau logika. Universitas Sumatera Utara Program Amos Versi 18 dapat memberikan rekomendasi variabel-variabel apa saja yang akan dihubungkan sehingga dapat memberikan penurunan angka Chi-Square hitung. Hasil rekomendasinya ada di dalam tabel berikut ini. Tabel 4.29 Covariances: Group number 1 - Default model M.I. Par Change 20,773 3,764 ] 4,860 44,420 5,963 -133,676 \ 5,861 340,268 Pada Tabel 4.29, menghubungkan variabel eksogen dengan variabel eksogen akan menurunkan nilai MI nilai Chi-Square hitung sebesar 20,773. Menghubungkan variabel eksogen ] dengan variabel akan menurunkan nilai MI sebesar 4,860. Namun ini tidak mungkin karena adalah variabel error dari [ . Menghubungkan variabel eksogen dengan variabel error akan menurunkan nilai MI sebesar 5,963. Namun ini tidak mungkin karena adalah variabel error dari [ . Menghubungkan variabel eksogen \ dengan variabel akan menurunkan nilai MI sebesar 5,861. Selanjutnya hasil rekomendasi program Amos Versi 18 akan dibuat dalam gambar diagram analisis jalur model building berikut ini. Universitas Sumatera Utara Gambar 4.4 Tabel 4.30 Covarianc X 3 X X 16 X X 17 X X 16 X Tabel 4.31 Correlations X 3 X 16 X 17 X 16 r 4.4 Model Diagram Jalur Tahap Akhir Tahap ances: Group number 1 - Default model Estimate S.E. C.R. X 4 3,557 0,983 3,618 X 18 10479,030 3979,270 2,633 X 18 34044,153 8670,464 3,926 X 4 254,228 96,128 2,645 tions: Group number 1 - Default model Estima X 4 0,788 X 18 0,144 X 18 0,957 X 4 0,289 hap IV P Label par_12 0,008 par_7 par_6 0,008 par_13 mate ,788 ,144 ,957 ,289 Universitas Sumatera Utara Tabel 4.32 Regression Weights: Group number 1 - Default model Estimate S.E. C.R. P Label \ 55325,030 19268,158 2,871 0,004 par_2 [ -1,169 0,180 -6,487 par_3 \ 12057,023 6065,041 1,988 0,047 par_4 [ -1,508 0,616 -2,447 0,014 par_1 \ 0,000 0,000 3,169 0,002 par_5 V 0,039 0,009 4,263 par_11 V \ -0,005 0,001 -4,727 par_8 V 0,007 0,003 2,592 0,010 par_10 V ] -0,014 0,007 -1,979 0,048 par_9 Tabel 4.33 Standardized Regression Weights: Group number 1 - Default model Estimate \ 0,509 [ -0,742 \ 0,340 [ -0,367 \ 0,479 V -0,656 V \ -0,919 V 1,182 V ] 0,538 Pada tabel 4.30, koefisien korelasi antara variabel eksogen dengan variabel eksogen lainnya sudah signfikan. Begitu juga dengan koefisien jalur pada Tabel 4.32, dengan nilai sig. l lebih kecil dari 0,05. Dengan demikian model analisis jalur tidak perlu diubah kembali. Universitas Sumatera Utara

4.4.6 Indeks Ketepatan Model

Banyak jenis indeks ketepatan model di dalam analisis jalur. Kita pilih yang paling populer saja yaitu CMINDF, Comparative Fit Index CFI, dan RMSEA. Hasil analisis menunjukkan nilai CMINDF sebesar 2,610. Model dikatakan fit jika nilai CMINDF lebih besar dari 2 CMINDF 2. Maka, model analisis jalur yang dikembangkan oleh peneliti adalah fit mampu menerangkan variasi yang ada. Tabel 4.34 CMINDF Model NPAR CMIN DF P CMINDF Default model 32 57,411 22 0,000 2,610 Saturated model 54 0,000 Independence model 18 308,505 36 0,000 8,570 Indeks lainnya juga memiliki nilai yang diharapkan, yaitu CFI bernilai 0,870. Model dikatakan fit jika nilai CFI mendekati nilai 1. Oleh karena itu model analisis jalur yang dikembangkan peneliti adalah fit. Tabel 4.35 Baseline Comparisons Model NFI Delta1 RFI rho1 IFI Delta2 TLI rho2 CFI Default model 0,814 0,695 0,876 0,787 0,870 Saturated model 1,000 1,000 1,000 Independence model 0,000 0,000 0,000 0,000 0,000 Universitas Sumatera Utara RMSEA adalah nilai residu, jadi kita harapkan sesedikit mungkin varian- varian di dalam data yang kita buang atau tidak dilibatkan dalam model. Pada Tabel 4.36 nilai PCLOSE adalah sebesar 0,000. Jika nilai PCLOSE lebih kecil dari nilai m 0,05 maka model dikatakan fit. Jadi, model ini benar-benar fit. Tabel 4.36 RMSEA Model RMSEA LO 90 HI 90 PCLOSE Default model 0,224 0,154 0,296 0,000 Independence model 0,486 0,437 0,537 0,000

4.5 Penghitungan Pengaruh Antar Variabel

Tabel 4.37 Standardized Direct Effects Group number 1 - Default model X X X \ X [ X ] X \ X X X \ 0,340 0,509 0,000 0,000 0,000 0,000 0,000 0,000 X [ -0,742 0,000 0,000 0,000 0,000 0,000 0,000 0,000 X 0,000 0,000 0,479 -0,367 0,000 0,000 0,000 0,000 X V 0,000 0,000 0,082 0,000 -0,007 -0,671 0,249 0,485 Tabel 4.38 Standardized Indirect Effects Group number 1 - Default model X X X \ X [ X ] X \ X X X \ 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 X [ 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 X 0,435 0,243 0,000 0,000 0,000 0,000 0,000 0,000 X V 0,239 0,160 0,232 -0,178 0,000 0,000 0,000 0,000 Universitas Sumatera Utara 1. Pada Tabel 4.37, tak ada pengaruh langsung antara variabel X terhadap variabel X V , sedangkan pada Tabel 4.38, pengaruh tidak langsungnya adalah sebesar 0,160 × 100 = 16. Jadi, pengaruh total antara variabel Lama Sekolah X dengan variabel Angka Harapan Hidup V adalah jumlah pengaruh langsung dengan jumlah pengaruh tidak langsung yaitu sebesar 0 + 16 = 16. 2. Pada Tabel 4.37, tak ada pengaruh langsung antara variabel X terhadap variabel X V , sedangkan pada Tabel 4.38, pengaruh tidak langsungnya adalah sebesar 0,239 × 100 = 23,9. Jadi, pengaruh total antara variabel Persentase Penduduk Melek Huruf X dengan variabel Angka Harapan Hidup V adalah jumlah pengaruh langsung dengan jumlah pengaruh tidak langsung yaitu sebesar 0 + 23,9 = 23,9. 3. Pada Tabel 4.37, tak ada pengaruh langsung antara variabel X [ terhadap variabel X V , sedangkan pada Tabel 4.38, pengaruh tidak langsungnya adalah sebesar −0,200 × 100 = −20. Jadi, pengaruh total antara variabel X [ dengan variabel V adalah jumlah pengaruh langsung dengan jumlah pengaruh tidak langsung yaitu sebesar 0 + −17,8 = −17,8. Angka ini menunjukkan bahwa variabel Persentase Penduduk Miskin X [ memberikan pengaruh yang negatif terhadap variabel Angka Harapan Hidup V . 4. Pada Tabel 4.37, pengaruh langsung antara variabel X \ terhadap variabel X V , adalah sebesar 0,082 × 100 = 8,2, sedangkan pada Tabel 4.38, pengaruh Universitas Sumatera Utara tidak langsungnya adalah sebesar 0,232 × 100 = 23,2. Jadi, pengaruh total antara variabel Pengeluaran Per Kapita Per Bulan X \ dengan variabel Angka Harapan Hidup V adalah jumlah pengaruh langsung dengan jumlah pengaruh tidak langsung yaitu sebesar 8,2 + 25,2 = 33,4. 5. Pada Tabel 4.37, pengaruh langsung antara variabel X terhadap variabel X V adalah sebesar 0,485 × 100 = 48,5, sedangkan pada Tabel 4,38 pengaruh tidak langsungnya tidak ada. Jadi, pengaruh total antara variabel Persentase Rumah Tangga Dengan Kondisi Sanitasi yang Layak X dengan variabel Angka Harapan Hidup V adalah jumlah pengaruh langsung dengan jumlah pengaruh tidak langsung yaitu sebesar 48,5 + 0 = 48,5. 6. Pada Tabel 4.37, pengaruh langsung antara variabel X ] terhadap variabel X V adalah sebesar −0,007 × 100 = −0,7, sedangkan pada Tabel 4,38, pengaruh tidak langsungnya tidak ada. Jadi, pengaruh total antara variabel X ] dengan variabel V adalah jumlah pengaruh langsung dengan jumlah pengaruh tidak langsung yaitu sebesar −0,7 + 0 = −0,7. Angka ini menunjukkan bahwa variabel Jumlah Lulusan D3 Farmasi, S1 Farmasi, dan Assisten Apoteker X ] memberikan pengaruh yang negatif terhadap variabel Angka Harapan Hidup V . 7. Pada Tabel 4.37, pengaruh langsung antara variabel X terhadap variabel X V adalah sebesar 0,249 × 100 = 24,9, sedangkan pada Tabel 4,38 pengaruh tidak langsungnya tidak ada. Jadi, pengaruh total antara variabel Jumlah Perawat X dengan variabel Angka Harapan Hidup V adalah jumlah Universitas Sumatera Utara pengaruh langsung dengan jumlah pengaruh tidak langsung yaitu sebesar 24,9 + 0 = 24,9. 8. Pada Tabel 4.37, pengaruh langsung antara variabel X \ terhadap variabel X V adalah sebesar −0,671 × 100 = −67,1, sedangkan pada Tabel 4.38, pengaruh tidak langsungnya tidak ada. Jadi, pengaruh total antara variabel X \ dengan variabel V adalah jumlah pengaruh langsung dengan jumlah pengaruh tidak langsung yaitu sebesar −67,1 + 0 = −67,1, Angka ini menunjukkan bahwa variabel Jumlah Bidan X \ memberikan pengaruh yang negatif terhadap variabel Angka Harapan Hidup V . 9. Besarnya pengaruh gabungan antara variabel , , [ , \ , , \ , ] , dan terhadap variabel Angka Harapan Hidup V adalah sebesar 0,577 × 100 = 57. Nilainya dapat dilihat pada tabel di bawah ini. Tabek 4.39 Squared Multiple Correlations: Group number 1 - Default model Estimate V 0,577 Universitas Sumatera Utara BAB 5 IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem