Sejarah Analisis jalur Konsep Pembangunan Manusia dan Pengukuran

BAB 2 LANDASAN TEORI

2.1 Sejarah Analisis jalur

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

2.2 Pengertian Analisis Jalur

Telaah statistika menyatakan bahwa untuk tujuan peramalan atau pendugaan nilai Y atas dasar nilai-nilai X 1 , X 2 , ….., X i , 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, Universitas Sumatera Utara secara serempak atau mandiri beberapa variabel penyebab terhadap sebuah variabel akibat, maka pola yang tepat adalah model analisis jalur. Analisis jalur path analysis dikembangkan oleh Sewall Wright 1934. Path analysis digunakan apabila secara teori kita yakin berhadapan dengan masalah yang berhubungan sebab akibat. Tujuannya adalah menerangkan akibat langsung dan tidak langsung seperangkat variabel, sebagai variabel penyebab, terhadap variabel lainnya yang merupakan variabel akibat. Terdapat beberapa defenisi mengenai analisis jalur, diantaranya adalah sebagai berikut: 1. Analisis jalur adalah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung Robert D. Rutherford 1993. 2. Analisis jalur merupakan pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan magnitude dan signifikansi significance hubungan sebab akibat hipotetikal dalam seperangkat variabel Paul Webley, 1997. 3. Model perluasan regresi yang digunakan untuk menguji keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang dibandingkan oleh peneliti. Modelnya digambarkan dalam bentuk gambar lingkaran dan panah dimana anak panah tunggal menunjukkan sebagai Universitas Sumatera Utara penyebab. Regresi dikenakan pada masing-masing variabel dalam suatu model sebagai variabel tergantung pemberi respon sedang yang lain sebagai penyebab. Pembobotan regresi diprediksikan dalam suatu model yang dibandingkan dengan matriks korelasi yang diobservasi untuk semua variabel dan juga dilakukan perhitungan uji keselarasan statistik David Garson, 2003. Dari defenisi-defenisi diatas, dapat disimpulkan bahwa sebenarnya analisis jalur merupakan kepanjangan dari analisis regresi berganda. Jadi, model path analysis digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas eksogen terhadap variabel terikat endogen. Oleh sebab itu, rumusan masalah penelitian dalam kerangka path analysis berkisar pada: a. Apakah variabel eksogen X 1 , X 2 , ….., X k berpengaruh terhadap variabel endogen Y? b. Berapa besar pengaruh kausal langsung, kausal tidak langsung, kausal total maupun simultan seperangkat variabel eksogen X 1 , X 2 , ….., X k terhadap variabel endogen?

2.2.1 Kegunaan Analisis jalur

Kegunaan model path analysis adalah untuk: a. Penjelasan terhadap fenomena yang dipelajari atau permasalahan yang diteliti. Universitas Sumatera Utara b. Prediksi nilai variabel terikat Y berdasarkan nilai variabel bebas X, dan prediksi dengan path analysis ini bersifat kualitatif. c. Faktor determinan yaitu penentuan variabel bebas X mana yang berpengaruh dominan terhadap variabel terikat Y, juga dapat digunakan untuk menelusuri mekanisme jalur-jalur pengaruh variabel bebas X terhadap variabel terikat Y. d. Pengujian model, menggunakan teori trimming, baik untuk uji reliabilitas konsep yang sudah ada ataupun uji pengembangan konsep baru.

2.2.2 Asumsi-asumsi Analisis Jalur

Sebelum melakukan analisis, hendaknya diperhatikan beberapa asumsi sebagai berikut: a. Pada model analisis jalur, hubungan antar variabel adalah bersifat linier, adaptif dan bersifat normal. b. Hanya system aliran kausal kesatu arah artinya tidak ada arah kausalitas yang berbalik. c. Variabel terikat endogen minimal dalam skala ukur interval dan rasio. Universitas Sumatera Utara d. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel. e. Observed variables diukur tanpa kesalahan instrument pengukuran valid dan reliable artinya variabel yang diteliti dapat diobservasi secara langsung. f. Model yang dianalisis dispesifikasikan dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau diuji dibangun berdasarkan teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel yang diteliti.

2.2.3 Model Analisis Jalur

Beberapa istilah dan defenisi dalam path analysis: 1 Dalam path Analysis, kita hanya menggunakan sebuah lambung variabel, yaitu X. Untuk membedakan X yang satu dengan X yang lainnya, kita menggunakan subscript indeks. Contoh : X 1 , X 2 , X 3 , ….., X k . 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 berbaliksatu arah. 4 Diagram jalur merupakan diagram atau gambar yang mensyaratkan hubungan terstruktur antar variabel Harun Al Rasyid, 2005. Universitas Sumatera Utara Ada beberapa model jalur mulai dari yang paling sederhana sampai dengan yang lebih rumit, diantaranya diterangkan di bawah ini: a. Analisa Jalur Model Trimming Model Trimming adalah model yang digunakan untuk memperbaiki suatu model struktur analisis jalur dengan cara mengeluarkan dari model variabel eksogen yang koefisien jalur diuji secara keseluruhan apabila ternyata ada variabel yang tidak signifikan. Walaupun ada satu, dua, atau lebih variabel yang tidak signifikan, perlu memperbaiki model struktur analisis jalur yang telah dihipotesiskan. b. Analisis Jalur Model Dekomposisi Model dekomposisi adalah model yang menekankan pada pengaruh yang bersifat kausalitas antar variabel, baik pengaruh langsung ataupun tidak langsung dalam kerangka path analysis, sedangkan hubungan yang sifatnya nonkausalitas atau hubungan korelasional yang terjadi antar variabel eksogen tidak termasuk dalam perhitungan ini. Perhitungan menggunakan analisis jalur dengan menggunakan model dekomposisi pengaruh kausal antar variabel dapat dibedakan menjadi tiga: 1. Direct causal effects Pengaruh Kausal Langsung adalah pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi tanpa melalui variabel endogen lain. Universitas Sumatera Utara 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 X 1 dan X 2 dengan satu variabel endogenous Y. model digambarkan sebagai berikut: Gambar 2.1 Model regresi berganda dua variabel d. Model Mediasi Model mediasi atau perantara dimana variabel Y memodifikasi pengaruh variabel X terhadap variabel Z. Model digambarkan sebagai berikut: Gambar 2.2 Model Mediasi X 1 X 2 Y X Z Y Universitas Sumatera Utara 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 2.3 Model kombinasi regresi berganda dan mediasi f. Model Kompleks Model ini merupakan model yang lebih kompleks, yaitu variabel X 1 secara langsung mempengaruhi Y 2 dan melalui variabel X 2 secara tidak langsung mempengaruhi Y 2 , sementara variabel Y 2 juga dipengaruhi oleh variabel Y 1 . Model digambarkan sebagai berikut: Gambar 2.4 Model Kompleks g. Model Rekursif dan Model Non Rekursif Dari sisi pandang arah sebab dan akibat, ada dua tipe model jalur, yaitu jalur rekursif dan non rekursif. Model rekursif ialah jika semua anak panah menuju satu arah seperti gambar dibawah ini: X Y Y 2 Y 1 X 2 Z X 1 Universitas Sumatera Utara P 41 P 31 P 43 P 21 P 32 P 42 e2 e3 e4 Gambar 2.5 Model Rekursif Model tersebut dapat diterangkan sebagai berikut: 1. Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2 ke 3 dan dari 3 menuju ke 4. Tidak ada arah yang terbalik, misalnya dari 4 ke 1. 2. Hanya terdapat satu variabel exogenous, yaitu 1 dan tiga variabel endogenous, yaitu 2, 3, dan 4. Masing-masing variabel endogenous diterangkan oleh variabel 1 dan error e2, e3, dan e4. 3. Satu variabel endogenous dapat menjadi penyebab variabel endogenous lainnya, tetapi bukan ke variabel exogenous. Model non rekursif terjadi jika arah anak panah tidak searah atau terjadi arah yang terbalik, misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat sebab akibat. 4 1 3 2 Universitas Sumatera Utara Pada bagian berikut untuk mempermudah kita dalam memahami analisis jalur, maka kita bisa menggunakan model-model jalur berikut: 1. Model Persamaan Satu Jalur Model persamaan satu jalur merupakan hubungan sebenarnya sama dengan regresi berganda, yaitu variabel bebas terdiri lebih dari satu variabel dan variabel tergantungnya hanya satu. 2. Model Persamaan Dua Jalur Model ini terdiri dari tiga variabel bebas dan mempunyai dua variabel tergantung. 3. Model Persamaan Tiga jalur Model ini terdiri dari tiga variabel bebas, salah satu variabel bebas menjadi variabel perantara dan mempunyai dua variabel tergantung.

2.2.4 Diagram Jalur dan Persamaan Struktural

Pada saat akan melakukan analisis jalur, disarankan untuk terlebih dahulu menggambarkan secara diagramatik struktur hubungan kausal antara variabel penyebab dengan variabel akibat. Diagram ini disebut diagram jalur Path Diagram, dan bentuknya ditentukan oleh proposisi teoritik yang berasal dari kerangka pikir tertentu. Universitas Sumatera Utara Gambar 2.6 Diagram Jalur Yang Menyatakan Hubungan Kausal Dari X 1 Sebagai Penyebab Ke X 2 Sebagai Akibat X 1 X 2 ε Keterangan: X 1 adalah variabel eksogenus exogenous variable, untuk itu selanjutnya variabel penyebab akan kita sebut sebagai variabel eksogenus. X 2 adalah variabel endogenus endogenous variable , sebagai akibat, dan ε adalah variabel residu residual variable, yang merupakan gabungan dari: 1 Variabel lain, di luar X 1 , yang mungkin mempengaruhi X 2 dan telah teridentifikasi oleh teori, tetapi tidak dimasukkan dalam model. 2 Variabel lain, di luar X 1 , yang mungkin mempengaruhi X 2 tetapi belum teridentifikasi oleh teori. 3 Kekeliruan pengukuran error of measurement, dan 4 Komponen yang sifatnya tidak menentu random component. Gambar 2.1 merupakan diagram jalur yang paling sederhana yang menyatakan bahwa X 2 dipengaruhi secara langsung oleh X 1 , tetapi di luar X 1 , masih banyak penyebab lain yang dalam penelitian yang sedang dilakukan tidak diukur. Penyebab lain itu dinyatakan oleh ε. Persamaan struktural yang dimiliki oleh gambar 2.1 adalah X 2 = ρx 2 x 1 X 1 + ε. Selanjutnya tanda anak panah satu arah menggambarkan pengaruh langsung dari variabel eksogenus terhadap variabel endogenus. Universitas Sumatera Utara Gambar 2.7 Diagram jalur yang menyatakan hubungan kausal dari X 1 , X 2 , X 3 , dan X 4 X 1 X 2 X 4 X 3 ε Gambar 2.7 menunjukkan bahwa diagram jalur tersebut terdapat tiga buah variabel eksogenus, yaitu X 1 , X 2 , dan X 3 , sebuah variabel endogenus X 4 serta sebuah variabel residu ε. Pada diagram di atas juga mengisyaratkan bahwa hubungan antara X 1 dengan X 4 , X 2 denganX 4 dan X 3 dengan X 4 adalah hubungan kausal, sedangkan hubungan antara X 1 dengan X 2 , X 2 dengan X 3 dan X 1 dengan X 3 masing-masing adalah hubungan korelasional. Perhatikan panah dua arah, panah tersebut menyatakan hubungan korelasional. Bentuk persamaan strukturalnya adalah : X 4 = px 4 x 1 X 1 + px 4 x 2 X 2 + px 4 x 3 X 3 + ε. Gambar 2.8 Hubungan kausal dari X 1 , X 2 , ke X 3 dan dari X 3 ke X 4 X 1 X 3 X 4 X 2 ε 1 ε 2 Perhatikan bahwa pada gambar 2.8 di atas, terdapat dua buah sub-struktur. Pertama, sub-struktur yang menyatakan hubungan kausal dari X 1 dan X 2 ke X 3 , serta Universitas Sumatera Utara kedua , sus-struktur yang mengisyaratkan hubungan kausal dari X 3 ke X 4 . Persamaan struktural untuk gambar 2.3 adalah : X 3 = px 3 x 1 X 1 + px 3 x 2 X 2 + ε 1 dan X 4 = px 4 x 3 X 3 + ε 2 . Pada sub-struktur pertama X 1 dan X 2 merupakan variabel eksogenus, X 3 sebagai variabel endogenus dan ε 1 sebagai variabel residu. Pada sub-struktur kedua, X 3 merupakan variabel eksogenus, X 4 sebagai variabel endogenus dan ε 2 sebagai variabel residu. Berdasarkan contoh-contoh diagram jalur di atas, maka kita dapat memberikan kesimpulan bahwa makin kompleks sebuah hubungan struktural, makin kompleks diagram jalurnya, dan makin banyak pula sub-struktur yang membangun diagram jalur tersebut.

2.2.5 Koefisien Jalur

Besarnya pengaruh langsung dari suatu variabel eksogenus terhadap variabel endogenus tertentu, dinyatakan oleh besarnya nilai numeric koefisien jalur path coefficient dari eksogenus ke endogenus. Gambar 2.9 Hubungan kausal dari X 1 , X 2 , ke X 3 X 1 px 3 x 1 rx 1 x 2 X 3 X 2 px 3 x 2 px 3 ε Universitas Sumatera Utara ε Hubungan antara X 1 dan X 2 adalah hubungan korelasional. Intensitas keeratan hubungan tersebut dinyatakan oleh besarnya koefisien korelasi rx 1 x 2 . Hubungan X 1 dan X 2 , ke X 3 adalh hubungan kausal. Besarnya nilai numerik koefisien jalur px 3 x 1 dan px 3 x 2 . koefisien jalur px 3 ε menggambarkan besarnya pengaruh langsung variabel residu implicit exogenous variabel terhadap X 3 . Langkah kerja yang dilakukan untuk menghitung koefisien jalur adalah: 1. Gambarkan dengan jelas diagram jalur yang mencerminkan proposisi hipotetik yang diajukan, lengkap dengan persamaan strukturalnya. Di sini kita harus bisa menterjemahkan hipotesis penelitian yang kita ajukan ke dalam diagram jalur, sehingga bisa tampak jelas variabel apa saja yang merupakan variabel eksogenus dan apa yang menjadi variabel endogenusnya. 2. Menghitung matriks korelasi antar variabel. Formula untuk menghitung koefisien korelasi yang dicari adalah menggunakan Product Moment Coeffisient dari Karl Pearson. Alasan penggunaan teknik koefisien korelasi dari Karl Pearson adalah karena variabel-variabel yang hendak dicari korelasinya memiliki skala pengukuran interval. Formulanya:            ] ][ [ 2 2 2 2 Y Y N X X N Y X XY N r xy R = … X X X             1 ... 1 ... 1 ... 1 2 1 2 1 u u x x x x x x r r r Universitas Sumatera Utara 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 X u yang dinyatakan oleh persamaan: X u = ρ x u x 1 x 1 + ρ x u x 2 x 2 + … + ρ x u x k x k + ε Kemudian hitung matriks korelasi antar variabel eksogenus yang menyusun sub- struktur tersebut. 4. Menghitung matriks invers korelasi eksogenus, dengan rumus: 5. Menghitung semua koefisien jalur px u x i , dimana i = 1, 2, …, k; melalui rumus:                k u u u x x x x x x    ... 2 1             kk k k C C C C C C ... ... ... ... 2 22 1 12 11               k u u u x x x x x x r r r ... 2 1 Catatan: R = X k X 2 X 1             1 ... 1 ... 1 ... 1 2 1 2 1 k k x x x x x x r r r … R 1 -1 = … X k X 2 X 1             kk k k C C C C C C ... ... ... ... 2 22 1 12 11 Universitas Sumatera Utara Contoh di atas merupakan model analisis jalur kompleks, sehingga langkah-langkah perhitungan untuk mencari kkoefisien jalurnya dapat mengikuti pola di atas. Sementara besarnya koefisien jalur untuk model analisis jalur sederhana, yang terdiri dari satu variabel eksogen dan satu variabel endogen, nilainya sama dengan besranya koefisien korelasi antar kedua variabel tersebut px u x i = rx u x i .

2.2.6 Besarnya Pengaruh Variabel Eksogen Terhadap Variabel Endogen

Pengaruh yang diterima oleh sebuah variabel endogenus dari dua atau lebih variabel eksogenus, dapat secara sendiri-sendiri maupun secara bersama-sama. Pengaruh secara sendiri-sendiri parsial, bisa berupa pengaruh langsung, bisa juga berupa pengaruh tidak langsung, yaitu melalui variabel eksogen yang lainnya. Menghitung besarnya pengaruh langsung, pengaruh tidak langsung serta pengaruh total variabel eksogenus terhadap variabel endogenus secara parsial, dapat dilakukan dengan rumus: 1. Besarnya pengaruh langsung variabel eksogenus terhadap variabel endogenus = px u x i x px u x i 2. Besarnya pengaruh tidak langsung variabel eksogenus terhadap variabel endogenus = px u x i x rx 1 x 2 x px u x i 3. Besarnya pengaruh total variabel eksogenus terhadap variabel endogenus adalah penjumlahan besarnya pengaruh langsung dengan besarnya pengaruh tidak langsung =[px u x i x px u x i ] + [px u x i x rx 1 x 2 x px u x i ] Universitas Sumatera Utara Selanjutnya pengaruh bersama-sama simultan variabel eksogenus terhadap variabel endogenus dapat dihitung dengan menggunakan rumus:   k u u u k u x x x x x x x x x x R    ... 2 1 2 1 ,... , 2                k u u u x x x x x x r r r ... 2 1 Dimana:  R 2 x u x 1, x 2, …, x k adalah koefisien determinasi total X 1, X 2 , … X k terhadap X u atau besarnya pengaruh variabel eksogenus secara bersama-sama gabungan terhadap variabel endogenus.  px u x 1 px u x 2 … px u x k adalah koefisien jalur.  rx u x 1 rx u x 2 … rx u x k adalah koefisien variabel eksogenus X 1 , X 2, ... X k dengan variabel endogenus X u. 2.2.7 Pengujian Koefisien Jalur Menguji kebermaknaan test of significance setiap koefisien jalur yang telah dihitung, baik secara sendiri-sendiri maupun secara bersama-sama, serta menguji perbedaan besarnya pengaruh masing-masing variabel eksogenus terhadap variabel endogenus, dapa dilakukan dengan langkah kerja berikut: 1. Nyatakan hipotesis statistik hipotesis operasional yang akan diuji. Universitas Sumatera Utara H o : px u x i = 0, artinya tidak terdapat pengaruh variabel eksogenus X u terhadap variabel endogenus X i . H 1 : px u x i ≠ 0, artinya terdapat pengaruh variabel eksogenus X u terhadap variabel endogenus X i . Dimana u dan I = 1, 2, …, k 2. Gunakan statistik uji yang tepat, yaitu:  Untuk menguji setiap koefisien jalur: 1 1 ... 2 2 1     k n C R p t ii x x x x x x k u i u 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 H o jika nilai hitung t lebih besar dari nilai tabel t. t o t tabel n-k-1 .  Untuk menguji koefisien jalur secara keseluruhan atau bersama-sama: 1 1 ,... , 2 ,... , 2 2 1 2 1 k u k u x x x x x x x x R k R k n F     dimana: i = 1, 2, …, k k = Banyaknya variabel eksogenus dalam sub-struktur yang sedang diuji Universitas Sumatera Utara t = Mengikuti tabel distribusi F snedecor, dengan derajat bebas degrees of freedom k dan n – k – 1 Kriteria pengujian : Ditolak H o jika nilai hitung F lebih besar dari nilai tabel F. F F tabelk, n-k-1 .  Untuk menguji perbedaan besarnya pengaruh masing-masing variabel eksogenus terhadap variabel endogenus. 1 2 1 ... 2 2 1        k n C C C R p p t ij jj ii x x x x x x x x k u j u i u Kriteria pengujian: Ditolak H o jika nilai hitung t lebih besar dari nilai tabel t. t t tabeln-k-1 . 3. Ambil kesimpulan, apakah perlu trimming atau tidak. Apabila terjadi trimming, maka perhitungan harus diulang dengan menghilangkan jalur yang menurut pengujian tidak bermakna no signifikan.

2.3 Konsep Pembangunan Manusia dan Pengukuran

United Nation Development Program UNDP mendefinisikan pembangunan manusia sebagai suatu proses untuk memperluas pilihan-pilihan bagi penduduk. Dalam konsep tersebut penduduk ditempatkan sebagai tujuan akhir the ultimate and sedangkan Universitas Sumatera Utara upaya pembangunan dipandang sebagai sarana principal means untuk mencapai tujuan itu. Untuk menjamin tercapainya tujuan pembangunan manusia, empat hal poko yang perlu diperhatikan adalah produktivitas, pemerataan, kesinambungan, pemberdayaan UNDP, 1995:12. Secara ringkas empat hal pokok tersebut mengandung prinsip-prinsip sebagai berikut: 1. Produktivitas Penduduk harus diberdayakan untuk meningkatkan produktivitas dan untuk berpartisipasi penuh dalam proses penciptaan pendapatan nafkah dan lapangan pekerjaan. Pembangunan ekonomi, yang demikian merupakan himpunan bagian dari model pembangunan manusia. 2. Pemerataan Penduduk harus memiliki kesempatan atau peluang yang sama untuk mendapatkan akses terhadap semua sumber daya ekonomi dan social. Semua hambatan yang memperkecil kesempatan untuk memperoleh akses tersebut harus dihapus, sehingga mereka dapat mengambil manfaat dari kesempatan yang ada dan berpartisipasi dalam kegiatan produktif yang dapat meningkatkan kualitas hidup. 3. Kesinambungan Akses terhadap sumber daya ekonomi dan social harus diperhatikan tidak hanya untuk generasi-generasi yang akan datang. Semua sumber daya fisik, manusia, dan lingkungan harus selalu diperbaharui replenished. Universitas Sumatera Utara 4. Pemberdayaan Penduduk harus berpartisipasi penuh dalam keputusan dan proses yang akan menentukan bentuk atau arah kehidupan mereka, serta untuk berpartisipasi dan mengambil manfaat dari proses pembangunan.

2.4 Komponen-Komponen Indeks Pembangunan Manusia IPM