lebih baik terhadap proses persalinan akibat semakin berkembangnya pengetahuan dan teknologi juga jumlah tenaga medis sehingga angka kematian bayi relatif lebih
kecil.
6.2. 16. Umur Harapan Hidup
Faktor-faktor yang signifikan berpengaruh terhadap umur harapan hidup adalah konsumsi protein, pengeluaran kesehatan per penduduk miskin, angka
kematian bayi dan lag umur harapan hidup. Konsumsi protein berhubungan positif dengan angka elastisitas sebesar 0.1123
menunjukkan bahwa apabila tingkat konsumsi protein meningkat sebesar 10 persen maka umur harapan hidup akan meningkat sebesar 1.12 persen. Protein merupakan
zat gizi yang dibutuhkan untuk pertumbuhan dan mengganti sel-sel yang rusak. Sehingga apabila tingkat konsumsi protein berkecukupan akan mempengaruhi
kondisi kesehatan konsumen dan kondisi ini akan berpengaruh pada kondisi umur harapan hidup seseorang.
Pengeluaran kesehatan per penduduk miskin berhubungan positif dengan umur harapan hidup, pengeluaran kesehatan yang langsung ditujukan oleh penduduk
miskin akan langsung bisa meningkatkan kesehatan masyarakat miskin dan akan berpengaruh pada umur harapan hidup. Nilai elastisitas sebesar 0.0081 artinya
apabila dana pengeluaran kesehatan per penduduk miskin naik sebesar 10 persen maka umur harapan hidup akan naik sebesar 0.08 persen. Kecilnya pengaruh dana
tersebut karena adanya faktor time-lag yaitu pengaruhnya tidak langsung tetapi baru beberapa tahun kemudian.
Angka kematian bayi berhubungan negatif dengan nilai elastisitas sebesar - 0.1353 artinya apabila angka kematian bayi turun sebesar 10 persen maka umur
harapan hidup akan meningkat sebesar 1.35 persen. Angka kematian bayi merupakan salah satu indikator status gizi dari golongan masyarakat rawan gizi,
apabila kondisi ini semakin baik maka akan mempengaruhi kondisi dan kualitas SDM sehingga dalam jangka panjang akan mempengaruhi kondisi umur harapan
hidup. Dummy desentralisasi fiskal bernilai positif menunjukkan bahwa kondisi umur
harapan hidup relatif lebih tinggi pada masa desentralisasi fiskal. Artinya desentralisasi fiskal telah membawa perubahan pada kualitas SDM yang lebih baik
sehingga memberikan angka harapan hidup yang lebih tinggi. Tabel 32. Faktor-Faktor Yang Mempengaruhi Umur Harapan Hidup
Kabupaten di Wilayah Provinsi Jawa Barat
Persamaan Usia Harapan Hidup Elastisitas
Variable Parameter
Estimate T for H0:
Parameter=0 Prob |T|
J. Pendek J. Panjang
Label Variabel INTERCEP 65.157453
15.870 0.0001
- - Intercep
CONPROT 0.126100 1..917 0.0573 0.1123 0.1739
Konsumsi protein
DPKSMIS 0.033875 3..530 0.0006 0.0081 0.0125
Pengeluaran kesehatan per penduduk miskin
AKMBY -0.150308
-7.609 0.0001
-0.1353 -0.2095
Angka kematian bayi DMDF 0.207502
0.576 0.5656
- -
Dummy desentralisasi
LUHHDP 0.354258
3.472 0.0007
- -
Lag usia harapan hidup F
Value ProbF R-Square
Dh 24.053 0.0001 0.5675
-
VII. EVALUASI DAMPAK KEBIJAKAN DAN FAKTOR EKSTERNAL TERHADAP KEMISKINAN DAN KETAHANAN PANGAN
DI PROVINSI JAWA BARAT
7.1. Validasi Model
Simulasi dilakukan untuk menganalisis dampak perubahan berbagai skenario kebijakan dan faktor eksternal terhadap kemiskinan dan ketahanan pangan di Jawa Barat.
Simulasi historis ex-post simulation dilakukan pada periode tahun 1995 – 2000 periode sebelum desentralisasi dan tahun 2001 – 2005 periode masa desentralisasi fiskal, simulasi
dilakukan dengan kebijakan tunggal maupun kebijakan ganda. Sebelum melakukan simulasi, terlebih dahulu dilakukan validasi model melalui perhitungan uji statistik
U-Theil dengan dekomposisinya UM bias proporsi, US bias varian dan UC bias covarian. Statistik U-Theil digunakan untuk mengevaluasi kemampuan model dalam
analisis simulasi Koutsoyiannis, 1977; Sitepu dan Sinaga, 2006. Nilai U-Theil berkisar antara 0 – 1, semakin kecil nilai U- Theil menunjukkan bahwa model mempunyai daya
prediksi yang baik untuk melakukan simulasi baik simulasi historis maupun simulasi peramalan.
Sebagaimana terlihat pada Lampiran 2, dari keseluruhan persamaan dalam model terdapat 4 persamaan memiliki U-Theil dengan nilai diatas 0.2 namun memiliki UM bias
proporsi dengan nilai nol sehingga mengindikasikan terjadinya bias namun tidak sistemik, dan selebihnya memiliki nilai U-Theil yang kurang dari 0.2. Hasil validasi ini
menunjukkan bahwa secara umum model yang dibangun memiliki daya prediksi yang baik untuk melakukan simulasi historis maupun simulasi peramalan Koutsoyiannis, 1977.