Faktor-Faktor yang Mempengaruhi Angka Harapan Hidup di Sumatera Utara dengan Metode Analisis

FAKTOR - FAKTOR YANG MEMPENGARUHI ANGKA

HARAPAN HIDUP DI SUMATERA UTARA

DENGAN METODE ANALISIS JALUR

TUGAS AKHIR

FEBRINA SITUMORANG

112407021

PROGRAM STUDI D 3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

FAKTOR - FAKTOR YANG MEMPENGARUHI ANGKA

HARAPAN HIDUP DI SUMATERA UTARA

DENGAN METODE ANALISIS JALUR

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

FEBRINA SITUMORANG

112407021

PROGRAM STUDI D3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

PERSETUJUAN

Judul : Faktor-Faktor Yang Mempengaruhi Angka Harapan Hidup Di Sumatera Utara Dengan Metode Analisis

Kategori : Tugas Akhir

Nama : Febrina Situmorang

Nomor Induk Mahasiswa : 112407021 Program Studi : D3 Statistika Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam

Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui Oleh:

Program Studi D3 Statistika FMIPA USU

Ketua, Pembimbing,

Dr. Faigiziduhu Bu’ulö_lö_{, M.Si Drs. Open Darnius, M.Sc}

NIP. 19531218 198003 1 003 NIP. 19641014 199103 1 004

PERNYATAAN

FAKTOR - FAKTOR YANG MEMPENGARUHI ANGKA

HARAPAN HIDUP DI SUMATERA UTARA

DENGAN METODE ANALISIS JALUR

TUGAS AKHIR

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

Medan, Juli 2014

FEBRINA SITUMORANG 112407021

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Faktor-Faktor Yang Mempengaruhi Angka Harapan Hidup Di Sumatera Utara Dengan Metode Analisis Jalur.

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

Penulis

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii Daftar isi iv

Daftar Gambar vi

Daftar Tabel viii BAB 1 PENDAHULUAN 1.1 Latar Belakang 1

1.2 Rumusan Masalah 3 1.3 Batasan Masalah 3

1.4 Tujuan Penulisan 3

1.5 Manfaat Penulisan 4 1.6 Metode Penelitian 4 1.7 Tinjauan Pustaka 6

1.8 Sistematika Penulisan 7 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Statistika 9

2.2 Analisis jalur 9

2.2.1 Manfaat Analisis Jalur 10 2.2.2 Asumsi-asumsi Analisis Jalur 12 2.2.3 Model Analisis Jalur 12

2.2.4 Diagram Jalur dan Persamaan Struktural 16

2.2.5 Koefisien Jalur 19

2.3 Kematian Bayi Dan Anak 21

2.4 Angka Harapan Hidup Pada Suatu Umur 21 BAB 3 GAMBARAN UMUM BADAN PUSAT STATISTIK 3.1 Sejarah Badan Pusat Statistik 23 3.2 Visi Dan Misi Badan Pusat Statistik 27

3.2.1 Visi Badan Pusat Statistik 27

3.2.2 Misi Badan Pusat Statistik 27

3.2.3 Struktur Organisasi BPS Sumatera Utara 27

BAB 4 PENGOLAHAN DATA

4.1 Pengumpulan Data 28

4.2 Sumber Data 28

4.2.1 Menganalisis Data Menggunakan Program Amos Versi 18 32

4.3 Menafsirkan Hasil Analisis Data 33

4.3.1 Analisis Regresi 33

4.3.2 Analisis Korelasi 39

4.4 Perhitungan Pengaruh 45

4.4.1 Pengaruh Langsung (Direct Effect) 45

4.4.2 Pengaruh Tak Langsung (Indirect Effects) 48

4.4.3 Pengaruh Total 51

4.5 Menafsirkan Hasil Analisis Data Setelah Trimming 53

4.5.1 Analisis Regresi 53

4.5.2 Analisis Korelasi 59

4.6 Perhitungan Pengaruh 63

4.6.1 Pengaruh Langsung (Direct Effect) 63

4.6.2 Pengaruh Tak Langsung (Indirect Effects) 65

4.6.3 Pengaruh Total 66

BAB 5 IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem 67

5.2 Sekilas Tentang Amos Versi 18 67

5.3 Mengaktifkan Amos Versi 18 68

5.4 Membuka Lembar Baru 69

5.5 Membuat Gambar Path Diagram 69

5.6 Pengisian Data 70

5.7 Pengolahan Data Dengan Analisis Jalur 71

5.8 Output Hasil Pengolahan Data 73

BAB 6 KESIMPULAN DAN SARAN 74

6.1 Kesimpulan 74

6.2 Saran 78

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

Nomor Judul Halaman

Tabel

4.1 Komponen Angka Harapan Hidup (AHH) Menurut Kabupaten 28

di Provinsi Sumatera Utara

4.2 Squared Multiple Correlations :(Group number 1 - Default model) 34 4.3 Covariances: (Group number 1 - Default model) 36

4.4 Regression Weights: (Group number 1 - Default model) 38 4.5 Covariances: (Group number 1 - Default model) 40

4.6 Correlations : (Group number 1 - Default model) 41 4.7 Implied Correlations (Group number 1 - Default model) 43 4.8 Direct Effects (Group number 1 - Default model) 45 4.9 Standardized Total Effects (Group number 1 - Default model) 48 5.0 Indirect Effects (Group number 1 - Default model) 49 5.1 Standardized Indirect Effects (Group number 1 - Default model) 51 5.2 Total Effects (Group number 1 - Default model) 51 5.3 Standardized Total Effects (Group number 1 - Default model) 51 5.4 Squared Multiple Correlations: (Group number 1 - Default model) 53 5.5 Covariances: (Group number 1 - Default model) 56 5.6 Regression Weights: (Group number 1 - Default model) 57 5.7 Covariances: (Group number 1 - Default model) 59 5.8 Correlations:(Group number 1 - Default model) 60 5.9 Implied (for all variables) Correlations (Group number 1 - 61

Default model)

6.0 Direct Effects (Group number 1 - Default model) 63 6.1 Standardized Direct Effects (Group number 1 - Default model) 65 6.2 Indirect Effects (Group number 1 - Default model) 65 6.3 Standardized Indirect Effects (Group number 1 - Default model) 66 6.4 Total Effects (Group number 1 - Default model) 66 6.5 Standardized Total Effects (Group number 1 - Default model) 67

DAFTAR GAMBAR

Nomor Judul Halaman Gambar

2.1 Model Regresi Berganda 13

2.2 Model Mediasi 13

2.3 Model Regresi Berganda dan Mediasi 14

2.4 Model Kompleks 14 2.5 Model Rekursif 15

2.6 Gambar Model Analisis Jalur 17 2.7 Gambar Model Analisis Jalur setelah trimming 17 5.1 Tampilan awal AMOS Versi 18 69

5.2 Path diagram 70 5.3 pengisian data 71 5.4 pengisian data pada data file 71 5.5 pengolahan data 71

5.6 pegisian data pada kotak analysis properties 72

5.7 tampilan pemasukan pada calculate estimate 72

5.8 tampilan jendela untuk melihat hasil output 73

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Dalam perkembangan Ilmu Pengetahuan dan Teknologi (Iptek) saat ini, Ilmu statistika telah mempengaruhi hampir seluruh aspek kehidupan manusia. Hampir semua kebijakan dan keputusan-keputusan yang diambil oleh pakar ilmu pengetahuan dan para pakar eksekutif (dalam ruang lingkup ilmu mereka) didasarkan dengan metode statistika serta hasil analisis dan interpretasi data, baik secara kuantitatif maupun secara kualitatif. Telaah statistika menyatakan bahwa untuk tujuan peramalan atau pendugaan pola hubungan yang sesuai antara nilai variabel terikat terhadap nilai-nilai variabel bebas mengikuti model regresi namun dalam model regresi tidak dijelaskan pengaruh langsung dan pengaruh tidak langsung antara variabel-variabel yang diamati.

Analisis jalur atau yang dikenal dengan path analysis merupakan suatu teknik analisis statistika yang dikembangkan dari analisis regresi berganda. Analisis regresi hanya meramalkan penduga Y dengan mengetahui pengaruh variabel bebas terhadap variabel terikatnya, tetapi tidak membedakan apakah variabel tersebut berpengaruh secara langsung atau tidak langsungnya, tidak dijelaskan dalam analisis regresi. Oleh karena itu diperlukan analisis jalur sebagai perluasan dari analisis regresi.

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

Angka Harapan Hidup (AHH) merupakan salah satu indikator yang digunakan untuk menilai derajat kesehatan penduduk.Angka harapan hidup adalah perkiraan lama hidup rata-rata penduduk dengan asumsi tidak ada perubahan pola mortalitas menurut umur.Angka Harapan Hidup di suatu wilayah berbeda dengan wilayah lainnya tergantung dari kualitas hidup yang mampu dicapai oleh penduduk. Banyak faktor yang mempengaruhi Angka Harapan Hidup, sehingga perlu dilakukan pemodelan untuk mengetahui faktor-faktor apa saja yang secara signifikan mempengaruhi angka harapan hidup.

Derajat kesehatan masyarakat yang tinggi dapat digunakan sebagai indikator keberhasilan program kesehatan dan program pembangunan sosial ekonomi yang secara tak langsung dapat meningkatkan Angka Harapan Hidup.Meningkatnya atau menurunnya Angka Harapan Hidup tidak lepas dari berbagai faktor yang mempengaruhi. Berdasarkan uraian tersebut maka penulis memilih judul “Faktor - Faktor Yang Mempengaruhi Angka Harapan Hidup Di Sumatera Utara Dengan Metode Analisis Jalur”

1.2 Rumusan Masalah

Terdapat permasalahan dalam penulisan ini yaitu apakah Konsumsi Kalori (kkal) per Kapita per Hari (X1), Rata-rata Konsumsi Protein (gram) per Kapita per Hari (X2), Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf (X3), Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas (X4), Rata-rata

Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan (X5) berpengaruh terhadap Angka Harapan Hidup (Y).

1.3 Batasan Masalah

Sebagai pembatasan masalah dalam penelitian ini hanya terbatas pada analisa untuk mengetahui daerah penelitian kemudian permasalahan yang dianalisis yang menentukan peningkatan Angka Harapan Hidup(AHH),serta variabel-variabel yang digunakan dalam penulisan ini adalah Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas , Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan

1.4 Tujuan Penelitian

Adapun tujuan penulis melakukan penelitian ini adalah untuk melihat perkembangan peningkatan Angka Harapan Hidup di Sumatera Utara.Untuk mengetahui seberapa besar pengaruh faktor-faktor yang diduga mempengaruhi Angka Harapan Hidup sehingga diharapkan Angka Harapan Hidup (sebagai indikator kesehatan) dapat ditingkatkan.

1.5 Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat antara lain:

1. Memberikan atau menambah wawasan bagi penulis, terutama dalam penerapan ilmu yang di dapat dibangku kuliah dengan menyatukan materi perkuliahan dengan objek permasalahan yangdi jadikan materi pembahasan.

2. Memberi sumbangan pemikiran pada instansi yang berkepentingan dalam meningkatkan Angka Harapan Hidup.Hasil penelitian ini diharapkan dapat bermanfaat sebagai bahan masukan dan referensi bagi pihak yang berkepentingan.

1.6 Metode Penelitian

1.6.1 Jenis data dan sumber data

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

1.6.2 Teknik Pengumpulan data

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

1.6.3 Metode Pengolahan Data

Adapun metode pengolahan data yang digunakan dalam penelitian ini adalah:

a. Menentukan variabel eksogen (bebas) dan variabel endogen(terikat).

b. Merumuskan hipotesis.

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

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

g. Menguji koefisien jalur dan melakukan proses trimming apabila model jalurnya tidak signifikan.

h. Membuat kesimpulan.

1.7 Tinjauan Pustaka

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

Beberapa buku yang menjadi tinjauan pustaka yang digunakan untuk mewujudkan tulisan ini dan ada juga dikutip dari situs–situs internet yang membantu penulis menguraikan tentang Metode analisis yang penulis gunakan dan teori Kependudukan tentang Angka Harapan Hidup (AHH) .Beberapa buku pendukung teori adalah sebagai berikut:

Model analisis jalur digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak

langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen) .(Riduwan &Kuncoro 2007:2)

Angka harapan hidup pada suatu umur di definisikan sebagai rata-rata jumlah tahun kehidupan yang masih dijalani oleh seorang yang telah berhasil mencapai umur tepat x dalam situasi mortalitas yang berlaku di lingkungan masyarakatnya (Ida Bagoes Mantra 2003:111)

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

1.8 Sistematika Penulisan

Adapun sistematika penulisan Tugas Akhir ini secara garis besarnya dibagi dalam 6 Bab yang masing-masing bab dibagi atas beberapa sub-sub bab yaitu:

BAB 1 PENDAHULUAN

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

BAB 2 LANDASAN TEORI

Bab ini menjelaskan mengenai analisa jalur yang memungkinkan pengguna dapat menguji proposisi teoritis

mengenai hubungan sebab akibat tanpa memanipulasi variabel-variabel yaitu dengan melakukan pengujian koefisien jalur yang menyatakan hipotesis statistik. Bab ini juga menjelaskan tentang konsep-konsep, komponen-komponen serta teknik perhitungan Angka Harapan Hidup.

BAB 3 GAMBARAN UMUM BADAN PUSAT STATISTIK

Bab ini berisi tentang sejarah singkat Badan Pusat Statistik ,visi dan misi Badan Pusat Statistik

BAB 4 PENGOLAHAN DATA

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

BAB 5 IMPLEMENTASI SISTEM

Bab ini menjelaskan mengenai penggunaan rumus-rumus analisis jalur dengan menggunakan Amos Versi18.

BAB 6 PENUTUP

Bab ini memberikan hasil dari analisis dan pendugaan pada bab-bab sebelumya dirangkumkan pada bab-bab ini. Selain kesimpulan, pada bab ini juga memberikan saran-saran yang sifatnya membangun untuk peningkatan Angka Harapan Hidup.

BAB 2

LANDASAN TEORI

2.1 Konsep Dasar Statistika

Statistika merupakan cara-cara tertentu yang digunakan dalam mengumpulkan, menyusun atau mengatur, menyajikan, menganalisis dan memberi interpretasi terhadap sekumpulan data, sehingga kumpulan bahan keterangan yang dikumpulkan dapat memberi pengertian dan makna tertentu. Seperti pengambilan kesimpulan, membuat estimasi dan juga prediksi yang akan datang

Ruang lingkup statistika meliputi statistik deduktif atau statistik deskriptif dan statistik induktif atau statistik inferensial. Statististik deskriptif terdiri dari menghimpun, menyusun, mengolah, menyajikan, dan menganalisis data angka. Sedangkan statistik inferensial atau statistik induktif adalah meliputi teori probability, distribusi teoritis, distribusi sampling, penaksiran, pengujian hipotesa, korelasi, komparasi dan regresi. Sumber data statistik dapat dikumpulkan langsung oleh peneliti dari pihak yang bersangkutan, disebut dengan data primer. Dan data dapat juga diperoleh dari pihak lain atau data yang sudah ada, disebut dengan data sekunder.

2.2 Analisis Jalur

Analisis jalur pertama kali diperkenalkan oleh Sewall Wright (1921), seorang ahli genetika, namun kemudian dipopulerkan oleh Otis Dudley Duncan (1966), seorang ahli sosiologi. Analisis jalur bisa dikatakan sebagai pengembangan dari konsep korelasi dan regresi, dimana korelasi dan regresi tidak

mempermasalahkan mengapa hubungan antar variabel terjadi serta apakah hubungan antar variabel tersebut disebabkan oleh variabel itu sendiri atau mungkin dipengaruhi oleh variabel lain

Analisis jalur ialah suatu teknik untuk menganalisi 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). Modelnya digambarkan dalam bentuk gambar lingkaran dan panah dimana anak panah tunggalnya menunjukkan sebagai penyebab. Pembobotan regresi diprediksikan dalam satu model yang dibandingkan dengan matriks korelasi yang diobservasi untuksemua variabel dandilakukan juga penghitungan uji keselarasan statistik (David Gurson, 2003).

Dari defenisi-defenisi diatas, dapat disimpulkan bahwa sebenarnya analisis jalur merupakan kepanjangan dari analisis regresi berganda.

2.2.1 Manfaat Analisis Jalur

Manfaat model analisis jalur, yaitu untuk :

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

2.Prediksi nilai variabel terikat (Y) berdasarkan nilaivariabel bebas (X) dan diprediksi dengan analisis jalur ini bersifat kualitatif.

3.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 terikat (X) terhadap variabel terikat (Y).

4.Pengujian model menggunakan theory trimming, baik untuk uji reabilitas konsep yang sudah ada ataupun uji pengembangan konsep baru.

2.2.2 Asumsi-Asumsi Analisis Jalur

Asumsi yang mendasari analisis jalur, yaitu :

1. Hubungan antar variabel adalah bersifat linear, adaptif, dan bersifat normal.

2. Hanya sistem aliran kausal ke satu arah, artinya tidak ada arah kausalitas yang terbalik.

3. Variabel terikat (endogen) minimal dalam skala ukur interval dan ratio.

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

5. Observed variables diukur tanpa kesalahan (instumen pengukuran valid dan reliable) artinya variabel yang diteliti dapat diobservasi secara langsung.

6. Model yang dianalisis dispesifikasikan (diidentifikasikan) dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel.

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), tunggal dengan masing-masing n pengamatan.

Contoh: , , ,….., , yang berarti setiap Xj untuk j= 1,2,…k masing-masing mempunyai n pengamatan(observasi).

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

1. Model Regresi Berganda

Model pertama ini sebenarnya merupakan pengembangan regresi berganda dengan menggunakan dua variabel exogenus, yaitu dan dengan satu variabel exogenous Y. Model ini digambarkan sebagai berikut :

Gambar 2.1 Model Regresi Berganda 2. Model mediasi

Model kedua adalah model mediasi atau perantara dimana variabel Y memodifikasi pengaruh variabel X terhadap variabel Z. Model digambarkan sebagai berikut ;

Gambar 2.2 Model Mediasi 3. Model Kombinasi Pertama dan Kedua

Model ketiga ini merupakan kombinasi antara model pertama dan kedua, yaitu variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak langsung mempengaruhi variabel Z melalui variabel Y. Model ini digambarkan sebagai berikut :

Gambar 2.3 Model Kombinasi Pertama dan Kedua

4. Model Kompleks

Model keempat ini merupakan model yang lebih kompleks, yaitu variabel secara langsung mempengaruhi dan melalui variabel secara tidak langsung mempengaruhi , sementara variabel juga dippengaruhi oleh variabel . Model digambarkan sebagai berikut

5. Model Rekursif dan Non Rekursif

Dari sisi pandang arah sebab akibat, ada dua tipe model jalur, yaitu rekursif dan non rekursif. Model rekursif ialah jika semua anak panah menuju satu arah seperti pada gambar 2.5 berikut :

4

2 3 Gambar 2.5 Model Rekursif

Model tersebut dapat diterangkan sebagai berikut :

a) 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.

b) Hanya terdapat satu variabel exogenus, yaitu 1 dan tiga variabel endogenus, yaitu 2, 3, dan 4. Masing-masing variable

endogenus diterangkan oleh variabel 1 dan error (e2, e3, dan e4).

1

3 4

c) Satu variabel endogenus dapat menjadi penyebab variabel

endogenus lainnya, tetapi bukan ke variabel exogenus. Model

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

Pada bagian berikut untuk mempermudah kita dalam memahami analisis jalur, maka kita bisa menggunakan model-model jalur berikut:

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. Model Persamaan Dua Jalur

Model ini terdiri dari tiga variabel bebas dan mempunyai dua variabel tergantung.

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.

X1

X2

ε

Gambar 2.6 Diagram Jalur Yang Menyatakan Hubungan Kausal Dari Sebagai Penyebab Ke Sebagai Akibat

Keterangan:

adalah variabel eksogenus (exogenous variable), untuk itu

selanjutnya variabel penyebab akan kita sebut sebagai variabel eksogenus. adalah variabel endogenus (endogenous variable), sebagai akibat, dan ε adalah variabel residu (residual variable), yang merupakan gabungan dari: (1) Variabel lain, di luar yang mungkin mempengaruhi dan telah teridentifikasi oleh teori, tetapi tidak dimasukkan dalam model. (2) Variabel lain, di luar , yang mungkin mempengaruhi tetapi belum teridentifikasi oleh teori. (3) Kekeliruan pengukuran (error of measurement), dan (4) Komponen yang sifatnya tidak menentu (random component)

X1

X2 X3 _ε

Gambar 2.7 Diagram jalur yang menyatakan hubungankausal dari , , dan

Gambar 2.7 menunjukkan bahwa diagram jalur tersebut terdapat tiga buah variabel eksogenus, yaitu , , , sebuah variabel endogenus ( ) serta sebuah variabel residu ε. Pada diagram di atas juga mengisyaratkan bahwa hubungan antara dengan , dengan dan dengan adalah hubungan kausal, sedangkan hubungan antara dengan dengan dan dengan masing-masing adalah hubungan korelasional. Perhatikan panah dua arah, panah tersebut menyatakan hubungan korelasional. Bentuk persamaan strukturalnya adalah:

= +

+

X1

X3

X4 X2

ε1 ε2

Gambar 2.8 Hubungan kausal dari ke dan dari ke

sub-struktur. Pertama, sub-struktur yang menyatakan hubungan kausal dari dan ke serta kedua, sus-struktur yang mengisyaratkan hubungan kausal dari ke . Persamaan struktural untuk gambar 2.8 adalah : = +

+

ε1 dan

= + ε2 .

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.

X1

X3

X2

Gambar 2.9 Hubungan kausal dari , ,

Hubungan antara dan adalah hubungan korelasional. Intensitas keeratan hubungan tersebut dinyatakan oleh besarnya

koefisien korelasi . Hubungan dan ke adalah hubungan kausal. Besarnya nilai numerik koefisien jalur

dan .

Langkah kerja yang dilakukan untuk menghitung koefisien jalur adalah Dalam penelitian ini adalah:

a. Menentukan variabel eksogen (bebas) dan variabel endogen (terikat).

b. Merumuskan hipotesis.

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

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

g. Menguji koefisien jalur dan melakukan proses trimming apabila model jalurnya tidak signifikan.

h. Membuat kesimpulan

2.3 Kematian Bayi dan Anak

Kematian bayi dan anak secara umum merupakan konsenkuensi akhir dari perjalanan kumulatif dengan berbagai pengalaman morbiditas dan jarang karena serangan penyakit tunggal. Ini berarti bahwa reduksi kematian melalui program-program kesehatan tidak cukup hanya dengan memberantas penyakit-penyakit penyebab kematian tetapi harus memasukkan pula tindakan-tindakan yang mengarah kepada permasalahan yang lebih mendasar yang menyangkut proses mortalitas secara keseluruhan.

Penanganan terhadap masalah kematian bayi dan anak menuntut adanya kerangka konseptual tentang faktor-faktor yang mampengaruhi mortalitas bayi dan anak.Dalam faktor social ekonomi ialah faktor–faktor yang ada dalam individu, keluarga dan masyarakat. Pengetahuan, kepercayan , nilai-nilai dan sumber ekonomi merupakan factor individu dan keluarga, sedang suasana, dan merupakan faktor-faktor yang mempengaruhi mortalitas masyarakat.

2.4 Angka Harapan Hidup Pada Suatu Umur

Angka harapan hidup pada suatu umur didefinisikan sebagai rata-rata jumlah tahun kehidupan yang masih dijalani oleh seseorang yang telah berhasil mencapai umur tepat x dalam situasi mortalitas yang berlaku di lingkungan masyarakatnya. Angka harapan hidup waktu lahir misalnya, merupakan rata-rata tahun kehidupan yang akan dijalani oleh bayi yang baru lahir.misalnya angka harapan hidup umur lima tahun berarti rata-rata tahun kehidupan yang akan dijalani oleh bayi lahir. Misalnya angka harapan hidup umur lima tahun berarti rata-rata tahun kehidupan pada masa yang akan dating dijalani oleh mereka yang telah mencapai usia lima tahun (Ida Bagoes Mantra2003:111)

Angka harapan hidup pada suatu usia merupakan indikator yang baik untuk menunjukkan tingkat sosial-ekonomi secara umum. Indikator yang sering dipakai adalah Angka Harapan Hidup (expection of live at birth).Faktor sosio-ekonomi merupakan faktor penentu mortalitas bayi dan anak. Namun faktor sosio-ekonomi bersifat langsung , yaitu harus melalui mekaanisme biologi tertentu (variabel

antara) yang kemungkinan baru menimbulkan resiko mortalitas, dan selanjutnya bayi dan anak sakit dan apabila tidak sembuh akhirnya cacat atau meninggal.

GAMBARAN UMUM BADAN PUSAT STATISTIK

3.1 Sejarah 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 di atas BPS juga bertugas untuk melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik di pusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yang serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan definisi, klasifikasi dan ukuran – ukuran lainnya. Berikut ini adalah beberapa masa peralihan pada BPS, yaitu:

A. 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.

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.

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

Berdasarkan surat edaran Kementrian Kemakmuran tanggal 12 Juni 1950 No.219/S.C;KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik (KPS) dan berada di bawah Kementrian Kemakmuran.Dengan surat Mentri perekonomian tanggal 1 Maret 1952 No.P/44, lembaga KPS berada di bawah dan bertanggungjawab kepada Mentri Perekonomian, dan pada tanggal 24 Desember 1953 dengan surat Mentri Perekonomian No. 18.099/M, KPS dibagi menjadi dua bagian yaitu bagian research yang disebut Afdeling A, dan bagian penyelenggaraan dan tatausaha yang disebut Afdeling B.

Dengan keputusan Presiden Republik Indonesia No. 131 tahun 1957, Kementrian Perekonomian dipecah menjadi Kementrian perdagangan dan Kementrian Perindustrian. Untuk selanjutnya dengan keputusan Presiden Republik Indonesia No. 172 tahun 1957 KPS diubah menjadi BPS, dan urusan statistik yang semula menjadi tanggungjawab dan wewenang Mentri

Perekonomian dialihkan menjadi di bawah dan bertanggungjawab kepada Perdana Mentri.

Berdasarkan KEPPRES ini pula secara formal nama BPS dipergunakan. Memenuhi anjuran PBB agar setiap negara anggota menyelenggarakan sensus penduduk secara serentak, maka pada tanggal 24 September 1960 telah diundangkan UU No. 6 tahun 1960 tentang Sensus, sebagai pengganti Volk Stelling Ordonnantie 1930.

Dalam rangka memperhatikan kebutuhan data bagi perencanaan pembangunan semesta berencana dan mengingat materi statistik ordonnantie 1934 dirasakan sudah tidak sesuai lagi dengan kemajuan – kemajuan yang cepat dicapai oleh Negara kita, maka tanggal 26 September 1960 telah diundangkan UU No. 7 tahun 1960 tentang Statistik.

Berdasarkan keputusan Presidium Kabinet RI No. Aa/C/9 tahun 1965, maka tiap-tiap daerah Tingkat I dan Tingkat II dibentuk kantor-kantor cabang BPS dengan nama Kantor Sensus Statistik Daerah (KKS) yang mempunyai tugas menjalankan kegiatan-kegiatan statistik di daerah-daerah. Di setiap daerah administrasi kecamatan, dapat diangkat seorang atau lebih pegawai yang merupakan pegawai KKS ditingkat II dan di bawah pengawasan Kepala Kecamatan.

D. 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.

Dalam masa orde baru ini BPS telah mengalami empat kali perubahan struktur organisasi, yaitu:

1. Peraturan Pemerintah No. 16 tahun 1969 tentang organisasi Biro Pusat Statistik.

2. Peraturan Pemerintah No. 6 tahun 1980 tentang Organisasi Biro Pusat Statistik.

3. Peraturan Pemerintah No. 2 tahun 1992 tentang Organisasi Biro Pusat Statistik dan keputusan Presiden No. 6 tahun 1992 tentang Kedudukan, Tugas, Fungsi, Susunan, Reorganisasi dan tata kerja Biro Pusat Statistik. 4. Undang-Undang No. 16 tahun 1997 tentang Statistik.

5. Keputusan Presiden RI No. 86 tahun 1998 tentang Badan Pusat Statistik. 6. Keputusan Kepala BPS No. 100 tahun 1998 tentang Organisasi dan Tata

Kerja BPS.

7. PP No. tahun 1999 tentang Penyelenggaraan Statistik.

Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968, yaitu yang mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980, Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti Peraturan Pemerintah No. 16 tahun 1968. Berdasarkan Peraturan Pemerintah No. 6 tahun 1988 di tiap provinsi terdapat perwakilan BPS dengan nama Kantor Statistik Provinsi dan di Kabupaten/Kota terdapat cabang perwakilan BPS dengan nama Kantor Statistik Kabupaten/Kota. Pada tanggal 19 Mei 1997 menetapkan tentang statistik sebagai pengganti UU No. 6 dan 7 tentang sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan Presiden Republik Indonesia No. 86 tahun 1998 ditetapkan BPS sekaligus mengatur tata kerja dan struktur BPS yang baru.

3.2 Visi Dan Misi Badan Pusat Statistik Sumatera Utara 3.2.1 Visi Badan Pusat Statistik

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang punggung informasi pembangunan nasional dan regional, didukung Sumber Daya Manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.

3.2.2 Misi Badan Pusat Statistik

Dalam menunjuk pembangunan nasional Badan Pusat Statistik mengemban misi mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu, handal, efektif dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik serta pengembanan ilmu pengetahuan statistik.

3.2.3 Struktur Organisasi Badan Pusat Statistik Propinsi Sumatera Utara

Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai struktur organisasi, karena perusahaan juga merupakan organisasi.Dimana organisasi adalah suatu sistem dari aktivitas kerjasama yang terorganisir, yang dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama.Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana hubungannya yang satu dengan yang lain.

Dengan adanya struktur organisasi perusahaan yang baik, maka dapat diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan. Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Provinsi Sumatera Utara adalah berbentuk Lini dan staff.

1. Bagian Tata Usaha/Kepegawaian 2. Bidang Statistik Produksi

3. Bidang Statistik Distribusi. 4. Bidang Statistik Kependudukan

5. Bidang Pengolahan, Penyajian dan Pelayanan Statistik 6. Bidang Neraca Wilayah dan Analisis Statistik

PENGOLAHAN DATA

4.1 Pengumpulan Data

Data dikumpulkan dengan melakukan riset penelitian pada Badan Pusat Statistik (BPS) Provinsi Sumatera Utara yang dilakukan selama dua minggu. Adapun data yang dikumpulkan merupakan penggabungan dari beberapa table faktor-faktor Angka Harapan Hidup (AHH) tahun 2012.

4.2 Sumber Data

Data yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari data hasil survey yang dilakukan Badan Pusat Statistik. Adapun data sekunder ini berupa persentase dari variabel-variabel dari Angka Harapan Hidup. Adapun data tersebut ditunjukkan pada table berikut:

Tabel 4.1 Rata- rata Konsumsi Kalori per Kapita per Hari Menurut Kabupaten/Kota Tahun 2012

Kabupaten/kota Rata- rata Konsumsi Kalori per Kapita per Hari (kkal)

Nias 1962.62

Mandailing Natal 1993.59

Tapanuli Selatan 2082.06

Tapanuli Tengah 2020.46

Tapanuli Utara 1895.49

Toba Samosir 1960.08

Labuhan Batu 1999.53

Asahan 1831.20

Simalungun 1988.76

Dairi 1967.20

Karo 1880.46

Deli Serdang 1978.76

Langkat 1987.55

Humbang Hasundutan 1832.26

Pakpak Bharat 1886.85

Samosir 2131.76

Serdang Bedagai 2061.86

Batu Bara 1952.14

Padang Lawas Utara 1960.78

Padang Lawas 2060.51

Labuhan Batu Selatan 2104.54

Labuhan Batu Utara 1813.49

Nias Utara 1978.53

Nias Barat 1882.41

Sibolga 2014.43

Tanjung Balai 2078.70

Pematang Siantar 1975.05

Tebing Tinggi 1927.15

Medan 1926.86

Binjai 1780.10

Padang Sidimpuan 1806.23

Gunung Sitoli 1856.40

Sumber :BPS, Survei Sosial Ekonomi Nasional

Tabel 4.2 Rata-rata Konsumsi Protein per Kapita per Hari Menurut Kabupaten/Kota Tahun 2012

Kabupaten/kota Rata-rata Konsumsi Protein per Kapita per Hari (gram)

Nias 55.58

Mandailing Natal 57.58

Tapanuli Selatan 56.89

Tapanuli Tengah 57.71

Tapanuli Utara 57.06

Toba Samosir 54.56

Labuhan Batu 55.86

Asahan 54.90

Simalungun 55.93

Dairi 52.82

Karo 61.35

Deli Serdang 58.17

Langkat 59.20

Nias Selatan 53.42

Humbang Hasundutan 53.81

Samosir 61.65

Serdang Bedagai 60.06

Batu Bara 52.30

Padang Lawas Utara 55.85

Padang Lawas 60.73

Labuhan Batu Selatan 62.22

Labuhan Batu Utara 56.27

Nias Utara 56.43

Nias Barat 52.85

Sibolga 54.33

Tanjung Balai 60.81

Pematang Siantar 56.11

Tebing Tinggi 56.82

Medan 54.06

Binjai 45.81

Padang Sidimpuan 43.45

Gunung Sitoli 48.97

Sumber :BPS, Survei Sosial Ekonomi Nasional

Tabel 4.3 Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf Menurut Kabupaten/Kota Tahun 2012

Kabupaten/kota Persentase Penduduk Berumur

15 Tahun Ke Atas yang Melek Huruf (%)

Nias 96.88

Mandailing Natal 97.32

Tapanuli Selatan 97.09

Tapanuli Tengah 98.35

Tapanuli Utara 97.19

Toba Samosir 95.88

Labuhan Batu 97.36

Asahan 95.46

Simalungun 95.3

Dairi 94.64

Karo 99.13

Deli Serdang 96.18

Langkat 96.20

Nias Selatan 89.95

Humbang Hasundutan 90.84

Pakpak Bharat 88.34

Samosir 88.40

Batu Bara 88.59

Padang Lawas Utara 90.26

Padang Lawas 97.48

Labuhan Batu Selatan 95.94

Labuhan Batu Utara 97.05

Nias Utara 99.30

Nias Barat 96.00

Sibolga 96.08

Tanjung Balai 87.75

Pematang Siantar 88.48

Tebing Tinggi 91.85

Medan 97.46

Binjai 96.08

Padang Sidimpuan 68.27

Gunung Sitoli 94.83

Sumber :BPS, Survei Sosial Ekonomi Nasional

Tabel 4.4 Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas Menurut Kabupaten/Kota Tahun 2012

Kabupaten/kota Rata rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas (%)

Nias 8.8

Mandailing Natal 8.8

Tapanuli Selatan 8.5

Tapanuli Tengah 8.6

Tapanuli Utara 9.6

Toba Samosir 7.8

Labuhan Batu 7.8

Asahan 7.4

Simalungun 8.2

Dairi 7.7

Karo 10.4

Deli Serdang 8.0

Langkat 8.3

Nias Selatan 7.2

Humbang Hasundutan 9.1

Pakpak Bharat 7.2

Samosir 8.2

Serdang Bedagai 6.6

Batu Bara 7.0

Padang Lawas 8.0

Labuhan Batu Selatan 7.7

Labuhan Batu Utara 8.8

Nias Utara 8.9

Nias Barat 7.4

Sibolga 8.0

Tanjung Balai 7.8

Pematang Siantar 7.1

Tebing Tinggi 8.1

Medan 9.0

Binjai 8.4

Padang Sidimpuan 6.3

Gunung Sitoli 9.2

Sumber :BPS, Survei Sosial Ekonomi Nasional

Tabel 4.5 Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan Menurut Kabupaten/Kota Tahun 2012

Kabupaten/kota Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan (rupiah)

Nias 1518.761

Mandailing Natal 1345.692

Tapanuli Selatan 1529.383

Tapanuli Tengah 1477.399

Tapanuli Utara 1938.174

Toba Samosir 1343.750

Labuhan Batu 1283.126

Asahan 1275.242

Simalungun 1512.410

Dairi 1123.908

Karo 1998.864

Deli Serdang 1443.200

Langkat 1648.618

Nias Selatan 1057.607

Humbang Hasundutan 1269.381

Pakpak Bharat 1116.971

Samosir 1492.353

Serdang Bedagai 1382.667

Batu Bara 1521.483

Padang Lawas Utara 1312.590

Labuhan Batu Selatan 1430.640

Labuhan Batu Utara 2183.167

Nias Utara 1381.022

Nias Barat 1303.949

Sibolga 1341.504

Tanjung Balai 1307.620

Pematang Siantar 1284.319

Tebing Tinggi 1402.904

Medan 1636.982

Binjai 1595.501

Padang Sidimpuan 2238.738

Gunung Sitoli 1995.259

Sumber :BPS, Survei Sosial Ekonomi Nasional

Tabel 4.6 Angka Harapan Hidup Menurut Kabupaten/Kota Tahun 2012

No Kabupaten/kota Angka Harapan Hidup (%)

1 Nias 69.3

2 Mandailing Natal 72.1

3 Tapanuli Selatan 71.1

4 Tapanuli Tengah 72.2

5 Tapanuli Utara 72.6

6 Toba Samosir 70.8

7 Labuhan Batu 71.4

8 Asahan 71.0

9 Simalungun 70.5

10 Dairi 71.6

11 Karo 76.2

12 Deli Serdang 70.9

13 Langkat 69.7

14 Nias Selatan 72.6

15 Humbang Hasundutan 76.0

16 Pakpak Bharat 71.7

17 Samosir 74.3

18 Serdang Bedagai 67.0

19 Batu Bara 69.9

20 Padang Lawas Utara 70.7

21 Padang Lawas 72.0

22 Labuhan Batu Selatan 69.2

23 Labuhan Batu Utara 73.2

25 Nias Barat 70.1

26 Sibolga 68.9

27 Tanjung Balai 70.8

28 Pematang Siantar 70.8

29 Tebing Tinggi 70.4

30 Medan 69.6

31 Binjai 69.2

32 Padang Sidimpuan 70.0

33 Gunung Sitoli 69.8

Sumber :BPS, Survei Sosial Ekonomi Nasional

Tabel 4.6 Komponen Angka Harapan Hidup (AHH) Menurut Kabupaten/Kota di Provinsi Sumatera Utara pada tahun 2012

Kabupaten/ kota Konsumsi Kalori Konsumsi protein Melek huruf Lama sekolah Upah buruh AHH Nias 1962.62 55.58 96.88 8.8 1518.761 69.3 Mandailing

Natal

1993.59 57.58 97.32 8.8 1345.692 72.1 Tapanuli

Selatan

2082.06 56.89 97.09 8.5 1529.383 71.1 Tapanuli

Tengah

2020.46 57.71 98.35 8.6 1477.399 72.2 Tapanuli

Utara

1895.49 57.06 97.19 9.6 1938.174 72.6 Toba

Samosir

1960.08 54.56 95.88 7.8 1343.750 70.8 Labuhan

Batu

1999.53 55.86 97.36 7.8 1283.126 71.4 Asahan 1831.20 54.90 95.46 7.4 1275.242 71.0 Simalungun 1988.76 55.93 95.3 8.2 1512.410 70.5 Dairi 1967.20 52.82 94.64 7.7 1123.908 71.6 Karo 1880.46 61.35 99.13 10.4 1998.864 76.2 Deli

Serdang

1978.76 58.17 96.18 8.0 1443.200 70.9 Langkat 1987.55 59.20 96.20 8.3 1648.618 69.7 Nias Selatan 1893.82 53.42 89.95 7.2 1057.607 72.6 Humbang

Hasundutan

1832.26 53.81 90.84 9.1 1269.381 76.0 Pakpak

Bharat

1886.85 54.17 88.34 7.2 1116.971 71.7 Samosir 2131.76 61.65 88.40 8.2 1492.353 74.3 Serdang

Bedagai

Batu Bara 1952.14 52.30 88.59 7.0 1521.483 69.9 Padang

Lawas Utara

1960.78 55.85 90.26 6.8 1312.590 70.7

Padang Lawas

2060.51 60.73 97.48 8.0 1436.331 72.0 LabuhanBatu

Selatan

2104.54 62.22 95.94 7.7 1430.640 69.2 Labuhan

Batu Utara

1813.49 56.27 97.05 8.8 2183.167 73.2 Nias Utara 1978.53 56.43 99.30 8.9 1381.022 74.9 Nias Barat 1882.41 52.85 96.00 7.4 1303.949 70.1 Sibolga 2014.43 54.33 96.08 8.0 1341.504 68.9 Tanjung

Balai

2078.70 60.81 87.75 7.8 1307.620 70.8 Pematang

Siantar

1975.05 56.11 88.48 7.1 1284.319 70.8 Tebing

Tinggi

1927.15 56.82 91.85 8.1 1402.904 70.4 Medan 1926.86 54.06 97.46 9.0 1636.982 69.6 Binjai 1780.10 45.81 96.08 8.4 1595.501 69.2 Padang

Sidimpuan

1806.23 43.45 68.27 6.3 2238.738 70.0 Gunung

Sitoli

1856.40 48.97 94.83 9.2 1995.259 69.8

Sumber :BPS, Survei Sosial Ekonomi Nasional

Keterangan:

Y = Angka Harapan Hidup

X1 = Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari X2 = Rata-rata Konsumsi Protein (gram) per Kapita per Hari

X3 = Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf X4 = Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas

X5 = Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan

Diagram jalur tersebut terdiri atas dua persamaan struktural sehingga substuktur, yaitu X1, X2, X3, X4 disebut sebagai variabel eksogen (variabel bebas) dengan Y dan X5 sebagai variable endogen (variabel terikat) dengan persamaan struktural adalah :

Keterangan :

X1 = Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari (variabel bebas) X2 = Rata-rata Konsumsi Protein (gram) per Kapita per Hari (variabel bebas) X3 = Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf

(variabel bebas)

X4 = Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas (variabel bebas) X5 = Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan

(variabel terikat)

Y = Angka Harapan Hidup (variabel terikat)

Untuk menganalisis menggunakan Amos Versi18, terdapat tahapan sebagai berikut:

1. Menampilkan gambar dengan tampilan angka hasil analisis a. Buka Program Amos Versi18

b. Pilih Amos Graphics

c. Gambar struktur model pada drawing area

d. Input data dengan klik file kemudian pilih data dengan klik file name kemudian klik OK

e. Klik Analyse pada menu Amos f. Pilih Calculate Estimates (Ctrl+F9) g. Save Path Diagram

h. Klik View the Output Path Diagram 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:

a. Buka menuView

b. Pilih Analysis Properties (muncul Kotak Dialog Analysis Properties) c. Klik tab output dan berita dan centang semua tab output

d. Tutup kotak dialog dengan klik tombol close

e. Untuk proses, jalankan menu Analyse dan pilih Calculate Estimates f. Tampilan output dengan buka menu view dan pilih text output

4.3.1 Analisis Regresi

Kita akan menganalisis regresi dengan melihat pengaruh secara gabungan dan secara parsial.

a)Melihat pengaruh Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan secara gabungan terhadap Angka Harapan Hidup .

Untuk melihat pengaruh Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan terhadap AHH secara gabungan, akan kita lihat hasil perhitungan dalam model

Squared Multiple Correlations, khususnya angkaR square dibawah :

Tabel 4.2 Squared Multiple Correlations: (Group number 1 - Default model)

Estimate X5

.453 Y

.472

 Besarnya angka estimate dalam hal ini merupakan angka Rsquare (r2) pada X5 adalah 0,453 .Angka tersebut dapat digunakan untuk melihat besarnya pengaruh Konsumsi Kalori (kkal) per Kapita per

Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan terhadap AHH di Sumatera Utara dengan cara menghitung Koefisien Determinasi(KD) dengan menggunakan rumus sebagai berikut:

Koefisien Determinasi (KD) = r2x 100% = 0,453 x 100%

= 45,3%

Angka tersebut mempunyai maksud bahwa pengaruh Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan secara gabungan terhadap AHH adalah 45,3%. Adapun sisanya sebesar54,7%(100%- 45,3%) dipengaruhi oleh factor lain. Dengan kata lain variabilitas AHH yang dapat diterangkan dengan menggunakan variable variabel seperti di atas adalah sebesar 45,3% sedangkan pengaruh 54,7% disebabkan oleh variabel-variabel lain diluar model ini.

square (r2) pada Y adalah 0,472 .Besarnya angka estimate dalam hal ini merupakan angka R square (r2) pada Y adalah 0,472. Angka tersebut dapat digunakan untuk melihat besarnya pengaruh Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan terhadap AHH di Sumatera Utara dengan cara menghitung Koefisien Determinasi(KD) dengan menggunakan rumus sebagai berikut

Koefisien Determinasi (KD) = r2x 100% = 0,472x100% = 47,2%

Angka tersebut mempunyai maksud bahwa pengaruh Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas , Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan secara gabungan terhadap AHH adalah 47,2% Adapun sisanya sebesar52,8%(100%- 47,2% ) dipengaruhi oleh factor lain. Dengan kata lain variabilitas AHH yang dapat diterangkan dengan menggunakan variable variabel seperti di atas adalah sebesar 47,2% sedangkan pengaruh 52,8% disebabkan oleh variabel-variabel lain diluar model ini.

Untuk mengetahui apakah model regresi di atas sudah benar atau salah, diperlukan uji hipotesis menggunakan uji signifikansi sebagaimana tertera dalam table dibawah ini:

Tabel 4.3 Covariances: (Group number 1 - Default model)

Angka estimate pada output di atas menunjukkan kovarian antar variabel terikat (endogenus) dengan variable bebasnya (eksogenus).Untuk mengetahui hal tersebut,dapat dilakukan pengujian hipotesis seperti pada pengujian ada tidaknya hubungan antara dua variable tertentu:

Kaidah pengujian signifikansi Program Amos18 sebagai berikut:

 Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas sig atau [0,05 ≤ Sig], maka Ho diterima dan H1 ditolak yang artinya tidak signifikan.

 Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas sig atau [0,05 ≥ Sig], maka Ho ditolak dan H1 diterima yang artinya signifikan.

Dari table kovarian diatas , nilai probabilitas lebih besar dari 0,05, kecuali

Estimate S.E. C.R. P Label X1 <--> X2 258.793 78.747 3.286 .001 par_10 X4 <--> X1 -9.269 13.979 -.663 .507 par_11 X3 <--> X2 8.668 4.642 1.867 .062 par_12 X3 <--> X1 54.921 95.709 .574 .566 par_13 X4 <--> X3 3.597 1.142 3.149 .002 par_14

korelasi antara variabel X1 terhadap X2 dan korelasi antara variabel X4 terhadap X3 .Jika seperti diberikan hipotesis berikut:

Ho : tidak ada hubungan yang nyata (signifikan) antara Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan terhadap AHH

H1 : ada hubungan yang nyata(signifikan) antara Konsumsi Kalori

(kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan terhadap AHH

Maka, dari pernyataan diatas, Ho ditolak dan H1 diterima sehingga ada hubungan yang nyata (signifikan) antara Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai terhadap AHH dan bagian yang tidak signifikan korelasi antara variabel X1 terhadap X2 dan korelasi antara variabel X4 terhadap X3 akan dibuat model trimming .

b) Untuk melihat pengaruh Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai terhadap AHH secara parsial, akan kita lihat hasil perhitungan dalam model :

Tabel 4.4 Regression Weights: (Group number 1 - Default model) Estimate S.E. C.R. P Label X5 <--- X4 257.243 60.686 4.239 *** par_1 X5 <--- X3 -28.182 8.575 -3.287 .001 par_2 X5 <--- X1 -.464 .658 -.705 .481 par_6 X5 <--- X2 -5.887 14.689 -.401 .689 par_7 Y <--- X5 -.003 .001 -2.278 .023 par_3 Y <--- X3 -.157 .068 -2.311 .021 par_4 Y <--- X4 1.875 .520 3.604 *** par_5 Y <--- X2 .223 .101 2.203 .028 par_8 Y <--- X1 -.010 .005 -2.281 .023 par_9

Proses: Perumusan Hipotesis :

Ho : Tidak ada hubungan yang nyata (signifikan) antara Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai terhadap AHH H1 : ada hubungan yang nyata (signifikan) antara Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah

Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai terhadap AHH Dalam hal ini ada sebagian hubungan, jika ada dan nyata, adalah positif Dasar keputusan:

Jika nilai probability (P) > 0,05 Ho diterima Jika nilai probability (P) < 0,05 Ho ditolak Keputusan:

Pada kolom P terlihat nilai P adalah ***, 0.001 , 0.481 , 0.689, 0.023, 0.021, ***, 0.028, 0.023. Hal ini menunjukkan sebagian angka P adalah jauh

dibawah 0,05. Tet api angka yang l ebih besar dari 0,05 tidak ada hubungan dan akan di hapus dari model (model t rimmi ng)

Karena itu angka yan g l ebih kecil dari 0,05 Ho ditolak, atau pada pengujian nilai estimate antara AHH dengan kelima variable diatas dikatakan memang terdapat hubungan yang nyata (signifikan).

4.3.2 Analisis Korelasi

Analisis korelasi antar variabel Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai terhadap AHH ditunjukkan pada hasil output berikut ini:

Tabel 4.5 Covariances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label X1 <--> X2 258.793 78.747 3.286 .001 par_10 X4 <--> X1 -9.269 13.979 -.663 .507 par_11

Analisis hubungan antar variable bebas (eksogen) Hipotesis yang diajukan Ho : tidak ada hubungan antar duavariabel eksogen (bebas)

H1 : ada hubungan antar dua variabel eksogen (bebas) Dasar keputusan:

Jika nilai probability (P) > 0,05 Ho diterima Jika nilai probability (P) < 0,05 Ho ditolak

Kovarians adalah hubungan dua variable yang bersifat dua arah berbeda (berbeda dengan regression weights yang bersifat searah).Pada model ada beberapa kovarians, yang menunjukkan hubungan antara masing-masing variable bebas (eksogenus) .Pada kolom P terlihat semua angka probability yakni P(.001, .507, .062, .566, .002, .202 ). Nilai probabilitas yang lebih kecil dari 0,05(.001, .002) ada hubungan antar dua variabel eksogen (bebas). Dan nilai probability yang lebih besar dari 0,05 (.507, .062, .566, .202) tidak ada hubungan antar dua variabel eksogen (bebas).

Tabel 4.6 Correlations : (Group number 1 - Default model) X3 <--> X2 8.668 4.642 1.867 .062 par_12 X3 <--> X1 54.921 95.709 .574 .566 par_13 X4 <--> X3 3.597 1.142 3.149 .002 par_14 X4 <--> X2 .837 .656 1.277 .202 par_15

Estimate

X <--> X2 .714

X4 <--> X1 -.118 X3 <--> X2 .350 X3 <--> X1 .102 X4 <--> X3 .670 X4 <--> X2 .232

Dari hasil korelasi data diatas nilai estimate ada yang bernilai negatif. Hal ini berarti telah terlihat jelas bahwa tidak ada korelasi (hubungan) antara dua variable bebas (eksogenus).Penjelasan selanjutnya sebagai berikut:

 Korelasi antara Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari dengan Rata-rata Konsumsi Protein (gram) per Kapita per Hari rx1x2=0,714

Berdasarkan perhitungan diperoleh nilai korelasi antar variable Rata- rata Konsumsi Kalori (kkal) per Kapita per Haridengan Rata-rata Konsumsi Protein (gram) per Kapita per Hari sebesar 0,714 yang berarti bahwa hubungan antara variabel adalah kuat dan searah.

 Korelasi antara Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas dengan Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari

rx4x1= -0,11

Berdasarkan perhitungan diperoleh nilai korelasi antar variable Korelasi antaraRata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas dengan Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari sebesar -0,118 yang berarti bahwa hubungan antara variabel adalah negative sempurna dan tak searah.

 Korelasi antara Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf dengan Rata-rata Konsumsi Protein (gram) per Kapita per Hari

rx3x2=0,350

Berdasarkan perhitungan diperoleh nilai korelasi antar variable Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf

dengan Rata-rata Konsumsi Protein (gram) per Kapita per Hari sebesar 0,350 yang berarti bahwa hubungan antara variabel adalah lemah dan searah.

 Korelasi antara Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf dengan Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari

rx3x1=0,102

Berdasarkan perhitungan diperoleh nilai korelasi antar variable Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf dengan Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari sebesar0,102 yang berarti bahwa hubungan antara variabel adalah lemah dan searah.

 Korelasi antaraRata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas Persentase dengan penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf .

rx4x3=0,670

Berdasarkan perhitungan diperoleh nilai korelasi antar variable Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas Persentase dengan penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf sebesar0,670 yang berarti bahwa hubungan antara variabel adalah kuat dan searah.

 Korelasi antaraRata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas Persentase dengan Rata-rata Konsumsi Protein (gram) per Kapita per Hari

rx4x2=0,232

Berdasarkan perhitungan diperoleh nilai korelasi antar variable Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf dengan Rata-rata Konsumsi Protein (gram) per Kapita per Hari sebesar 0,232 yang berarti bahwa hubungan antara variabel adalah lemah dan searah.

Tabel 4.7 Implied Correlations (Group number 1 - Default model)

X2 X1 X3 X4 X5 Y

X2 1.000

X1 .714 1.000

X3 .350 .102 1.000

X4 .232 -.118 .670 1.000

X5 -.213 -.361 -.110 .395 1.000

Y .237 -.142 .236 .519 .058 1.000

Besarnya nilai korelasi antara variabel terikat (endogenus) Dengan variabel bebas (eksogenus) antara lain:

 Korelasi antara Rata rata Upah/Gaji/Pendapatan Buruh /Karyawan / Pegawai Sebulan dengan Angka Harapan Hidup (Y)

rx5xy=0,058

Berdasarkan perhitungan diperoleh nilai korelasi antar variable Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan dengan AHH sebesar 0,058 yang berarti bahwa hubungan antara variabel adalah lemah dan searah.

 Korelasi antara Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas dengan Angka Harapan Hidup (Y)

Berdasarkan perhitungan diperoleh nilai korelasi antar variable Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas dengan AHH sebesar 0,519 yang berarti bahwa hubungan antara variabel adalah sangat kuat dan searah.

 Korelasi antara Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf dengan Angka Harapan Hidup (Y)

rx3xy=0,236

Berdasarkan perhitungan diperoleh nilai korelasi antar variable Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf dengan AHH sebesar 0,236 yang berarti bahwa hubungan antara variabel adalah lemah dan searah.

 Korelasi antara Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari dengan Angka Harapan Hidup (Y)

rx1xy=-0,142

Berdasarkan perhitungan diperoleh nilai korelasi antar variable Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari dengan AHH sebesar -0,142 yang berarti bahwa hubungan antara negative sempurna dan tak searah.

 Korelasi antara Rata-rata Konsumsi Protein (gram) per Kapita per Hari dengan Angka Harapan Hidup (Y)

rx2xy=0,237

Berdasarkan perhitungan diperoleh nilai korelasi antar variable Rata-rata Konsumsi Protein (gram) per Kapita per Hari dengan AHH

sebesar 0,237 yang berarti bahwa hubungan antara lemah dan searah.

4.4 Perhitungan Pengaruh

4.4.1 Pengaruh Langsung (Direct Effect)

Besarnya pengaruh langsung variable eksogenus (bebas) terhadap variabel endogenus (terikat):

Atau dapat dilihat pada hasil output dibawah ini:

Tabel 4.8 Direct Effects (Group number 1 - Default model)

X2 X1 X3 X4 X5

X5 -5.887 -.464 -2.182 5.243 .000

Y .223 .010 .157 1.875 .003

Besar pengaruh langsung terhadap variabel terikat X5 :

 Pengaruh variable Rata- rata Konsumsi Protein (kkal) per Kapita per Hari (X2) terhadap

Rata rata Upah/Gaji/Pendapatan Buruh/Karyawan / Pegawai Sebulan (X5) adalah -5,887≈ -5,9%

Hal itu menunjukkan besarnya kontribusi Rata-rata Konsumsi protein (gram) per Kapita per Hari (X2) yang secara langsung mempengaruhi AHH(Y) adalah -5,92 = atau 34,81 % atau 35%

 Pengaruh variable Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari (X1)terhadap Rata rata Upah/Gaji/Pendapatan Buruh/Karyawan / Pegawai Sebulan (X5) adalah -.464≈ -0,47

Hal itu menunjukkan besarnya kontribusi Rata-rata Konsumsi Kalori (gram) per Kapita per Hari (X1) yang secara langsung

mempengaruhi Rata-rata Upah / Gaji / Buruh / Karyawan / Pegawai Sebulan (X5) adalah -0,472= 0,2209atau 0,22 %

 Pengaruh variabel Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf (X3) terhadap Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan (X5) adalah -2,182≈ -2,182%

Hal itu menunjukkan besarnya kontribusi Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf (X3) yang secara langsung mempengaruhi Rata-rata Upah / Gaji / Pendapatan Buruh/Karyawan/Pegawai Sebulan (X5) adalah -2,1822= atau 4,76%

 Pengaruh variable Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas (X4) terhadap Rata-rata Upah / Gaji / Pendapatan Buruh / Karyawan / Pegawai Sebulan (X5) adalah 5,243≈ 5,24%

Hal itu menunjukkan besarnya kontribusi Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas (X4) yang secara langsung mempengaruhiRata-rataUpah/Gaji/Pendapatan

Buruh/Karyawan/Pegawai Sebulan (X5) adalah 5,242= atau 5,24%

Besar pengaruh langsung terhadap variabel terikat Y:

 Pengaruh variable Rata- rata Konsumsi Protein (kkal) per Kapita per Hari (X2) terhadap AHH (Y) adalah 0,223≈ 0,22%

Hal itu menunjukkan besarnya kontribusi Rata-rata Konsumsi protein (gram) per Kapita per Hari (X2) yang secara langsung mempengaruhi AHH (Y) adalah 0,222= atau 0,0484% atau 0,05%  Pengaruh variable Rata- rata Konsumsi Kalori (kkal) per Kapita per

Hal itu menunjukkan besarnya kontribusi Rata-rata Konsumsi kalori (gram) per Kapita per Hari (X1) yang secara langsung mempengaruhi AHH (Y) adalah 0,012 = atau 0,0001% atau 0,00%  Pengaruh variable Persentase Penduduk Berumur 15 Tahun Ke

Atas yang Melek Huruf (X3) terhadap AHH (Y) = 0,157≈0,16% Hal itu menunjukkan besarnya kontribusi Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf (X3) yang secara langsung mempengaruhiAHH (Y) adalah 0,162= atau 0,0256% atau 0,03%

 Pengaruh variable Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas (X4) terhadap AHH (Y) adalah 1,875≈1,88%

Hal itu menunjukkan besarnya kontribusi Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas (X4) yang secara langsung mempengaruhi AHH (Y ) adalah 1,882= atau 3,5344% atau 3,54%  Pengaruh variable Rata-rata Upah / Gaji / Pendapatan Buruh / Karyawan /Pegawai Sebulan (X5) terhadap AHH (Y) adalah 0,003≈0,03%

Hal itu menunjukkan besarnya kontribusi Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan (X5) yang secara langsung mempengaruhi AHH(Y) adalah 0,032= atau 0,0009% atau 0,00%

4.4.2 Pengaruh Tak Langsung (Indirect Effects)

Besarnya pengaruh tidak langsung variable eksogenus terhadap variable endogenus:

Atau dapat dilihat pada hasil output dibawah ini:

Tabel 5.0 Indirect Effects (Group number 1 - Default model)

X2 X1 X3 X4 X5

X5 .000 .000 .000 .000 .000 Y .016 .001 .078 -.711 .000

Dari table diatas terlihat bahwa pada terhadap variabel X5 tersebut tidak memiliki pengaruh secara tak langsung. Tetapi pada terhadap variabel Y ada pengaruh tak langsung .

Besar pengaruh tak langsung terhadap variabel terikat Y:

 Pengaruh variable Rata-rata Konsumsi Protein (gram) per Kapita per Hari (X2) terhadap AHH adalah 0,016≈0,02 .Hal itu menunjukkan besarnya kontribusi Rata-rata Konsumsi Protein (gram) per Kapita per

Hari (X2) yang secara tak langsung mempengaruhi AHH (Y) adalah 0,022= 0,0004 atau 0,00%

 Pengaruh variable Rata-rata Konsumsi kalori (gram) per Kapita (X1) terhadap AHH adalah = 0,016≈0,02 Hal itu menunjukkan besarnya kontribusi Rata-rata Konsumsi kalori (gram) per Kapita per Hari (X1) yang secara tak langsung mempengaruhi AHH (Y) adalah ,022= 0,0004 atau 0,00%

 Pengaruh variable Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek (X3) terhadap AHH adalah = 0,078≈0,08.Hal itu

menunjukkan besarnya kontribusi Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek (X3) yang secara tak langsung mempengaruhi AHH(Y)adalah 0,082= 0,0064atau 0,01%

 Pengaruh variable Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas (X4) terhadap AHH adalah = -0,711≈-0,71. Hal itu menunjukkan besarnya kontribusi Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas (X4) yang secara tak langsung mempengaruhi AHH (Y) adalah 0,712= atau 0,5041% ≈0,50%

4.4.3 Pengaruh Total

Besarnya pengaruh total variabel eksogenus (variabel bebas) terhadap variabel endogenus (variabel terikat):

Atau dapat dilihat pada hasil output dibawah ini:

Tabel 5.2 Total Effects (Group number 1 - Default model)

X2 X2 X3 X4 X5

X5 -5.887 -.464 -28.182 257.243 .000

Y .239 -.009 -.079 1.165 -.003

Setelah dilakukan analisis pada data ternyata ada variabel yang tidak signifikan. Maka disini penulis akan menghapus model variabel bebas yang tidak signifikan (model trimming). Berikut pembahasannya: Kita lihat hasil perhitungan dalam model Regression Weights:Group number1– default model dibawah ini sebelum dilakukan trimming

Dan setelah dihapus model variabel yang tidak signifikan , yaitu antara X1 terhadap X5 dan X2 terhadap X5 , maka nilai probabilitinya sudah signifikan seperti ditunjukkan pada table di bawah ini. Dan model analisis jalurnya berubah seperti ditunjukkan dibawah ini :

Maka disini penulis akan menganalisis ulang hasil dari model struktural analisis jalur yang baru.

Estimate S.E. C.R. P Label X5 <--- X4 257.243 60.686 4.239 *** par_1 X5 <--- X3 -28.182 8.575 -3.287 .001 par_2 X5 <--- X1 -.464 .658 -.705 .481 par_6 X5 <--- X2 -5.887 14.689 -.401 .689 par_7

Y <--- X5 -.003 .001 -2.278 .023 par_3 Y <--- X3 -.157 .068 -2.311 .021 par_4 Y <--- X4 1.875 .520 3.604 *** par_5 Y <--- X2 .223 .101 2.203 .028 par_8 Y <--- X1 -.010 .005 -2.281 .023 par_9

4.5 Menafsirkan Hasil Analisis Data Setelah Trimming 4.5.1 Analisis Regresi

Kita akan menganalisis regresi dengan melihat pengaruh secara gabungan dan secara parsial.

a. Melihat pengaruh Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan secara gabungan terhadap Angka Harapan Hidup . Untuk melihat pengaruh Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan terhadap AHH secara gabungan, akan kita lihat hasil perhitungan dalam model Squared Multiple Correlations, khususnya angka R square dibawah ini:

Tabel 5.4 Squared Multiple Correlations: (Group number 1 - Default model)

Estimate

X5 .448

Y .682

 Besarnya angka estimate dalam hal ini merupakan angka R square(r2) pada X5 adalah 0,448 .Angka tersebut dapat digunakan

PENUTUP

6.1 Kesimpulan

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

1. Pengaruh variabel Rata- rata Konsumsi Protein (kkal) per Kapita per Hari terhadap AHH secara langsung sebesar 0,22. Jika berdasarkan nilai standarisasi, pengaruhnya sebesar 0,492 atau 49,2%. Artinya hubungan antara variabel Rata- rata Konsumsi Protein (kkal) per Kapita per Hari dengan AHH secara langsung cukup kuat dan searah. Artinya semakin tinggi tingkat Rata- rata Konsumsi Protein (kkal) per Kapita per Hari di suatu daerah maka akan semakin tinggi pula Angka Harapan Hidupnya.

2. Pengaruh variabel Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari terhadap AHH secara langsung sebesar 0,01. Jika berdasarkan nilai standarisasi, pengaruhnya sebesar 0,407 atau 40,7%. Artinya hubungan antara variabel Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari dengan AHH secara langsung kuat dan searah. Artinya semakin tinggi tingkat Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari di suatu daerah maka akan semakin tinggi pula Angka Harapan Hidupnya.

3. Pengaruh variabel Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf terhadap AHH secara langsung sebesar 0,16. Jika berdasarkan nilai standarisasi, pengaruhnya sebesar 0,243 atau 24,3%.

Artinya hubungan antara variabel Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf dengan AHH secara langsung l e m a h dan searah. Artinya semakin rendah jumlah Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf maka akan semakin rendah pula Angka Harapan Hidup nya

4. Pengaruh variabel Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas terhadap AHH secara langsung sebesar 1,88. Jika berdasarkan nilai standarisasi, pengaruhnya sebesar 0,520 atau 52,0%. Artinya hubungan antara variabel Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari dengan AHH secara langsung kuat dan searah. Artinya semakin tinggi tingkat -rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas di suatu daerah maka akan semakin tinggi pula Angka Harapan Hidupnya.

5. Pengaruh variabel Rata-rata Upah/Gaji/Pendapatan

Buruh/Karyawan/Pegawai Sebulan terhadap AHH secara langsung sebesar 0,03. Jika berdasarkan nilai standarisasi, pengaruhnya sebesar 0,396 atau 39,6%. Artinya hubungan antara variabel Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan dengan AHH secara langsung lemah dan searah. Artinya semakin rendah tingkat Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan di suatu daerah maka akan semakin rendah pula Angka Harapan Hidupnya. 6. Pengaruh variabel - variabel lain di luar model analisis jalur ini

sebesar 0,547% atau 54,7%.

atau 5,8% yang berarti bahwa hubungan antara variabel adalah lemah dan searah.

8. Korelasi antara Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas dan AHH adalah sebesar 0,519 atau 51,9% yang berarti bahwa hubungan antara variabel adalah sangat kuat dan searah.

9. Korelasi antara Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf dan AHH adalah sebesar 0,236 atau 23,6% yang berarti bahwa hubungan antara variabel adalah lemah dan searah

10. Korelasi antara Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari dan AHH adalah sebesar -0,142 atau -14,2% yang berarti bahwa hubungan antara negative sempurna dan tak searah.

11. Korelasi antara Rata- rata Konsumsi Protein (kkal) per Kapita per Hari dan AHH adalah sebesar 0,236 atau 23,6% yang berarti bahwa hubungan antara lemah dan searah.

6.2 Saran

Dengan adanya penganalisaan data ini dalam penyelesaian tugas akhir ini, penulis menyarankan:

1. Adanya tindak lanjut dari pemerintah, khususnya pemerintahan Kabupaten/kota di Sumatera Utara dalam usaha peningkatan Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun

Ke Atas , Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan di masyarakat dalam memaksimalkan program pembangunan Angka Harapan Hidup.

2. Adanya perhatian khusus pemerintah Kabupaten/kota dalam perubahan keragaman data yang menggambarkan Angka Harapan Hidup Kabupaten / kota di masing-masing daerah apakah mengalami peningkatan ataupun penurunan setiap tahunnya.

3. Meskipun telah didapat indikator yang merumuskan angka Angka Harapan Hidup (AHH), terlebih dahulu kita perlu menguji seberapa besar pengaruh masing - masing indikator sehingga hasil perhitungan maksimal dan dapat dipertanggung jawabkan.

Drafer, N.R dan Smith H. 1992. Analisis Regresi Terapan. Edisi Kedua. Jakarta : PT.

Gramedia Pustaka Umum.

Ghozali, Imam. 2004. Model Persamaan Struktural Konsep dan Aplikasi dengan

Program SPSS ver.17. Semarang : Andi.

Hasan, Ikbal. 2003. Pokok-pokok Materi Statistik 2. Jakarta: Bumi Aksara. 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.

Suharjo, Bambang. 2008. Analisis Regresi Terapan dengan SPSS.

Yogyakarta : Graha Ilmu.