Model Persamaan Struktural Pembangunan Berkelanjutan Daerah

MODEL PERSAMAAN STRKKRRAL
PEMBAIVGtrNAN B E ~ C L A N j U T AD
NA E M

PROGRAM PASCASAEWANA
INSTXTUT PERTANXAN BOGOR
2002

ABSTRACT
AR.W PURNQMO. Structural Equation Model of Lucal Sustainable Devetopmeat.
Advisored by Bambang Juanda and Up& Rosaltina Wasrim
This research was aimed to apply structural equation modelling for discerning
1i.nkagesamong sustainable development indicators (SDI) at local level. There are two
groups of SD1 used in this audy: ( I ) SDI by distrld (Java and out of Java) and (2) SDI
by province.
A tentative model hypothesizes a relationship among three factors (fatent
variables) that represent performance of sustainable development in Indonesia. These
factors are humm resource, economy, a d p a l i v of lfe. The resulted model at district
level shows that human resource development positively affect the performance of
economy and the quality of life.
It is worth noting that the effect of economy an the quality of life in Java is

negative, meaning that the direction of economic policy need to be reevaluated because
it did not result in sustainable development. Qn the contrary, in out of Java Econo~~zy
positively but insignificant affect the quality of life meaning that the impact of economic
policy on the quality of 12% was nut so serious as in Java island. This study also shows
that the ecpasustaiy~bledevelopment has strung relationship with low quality of human
resource and susfaintrbiki~has strong relationship with high quality of human resource.
Data on SDI by province consists of more indicators than those by district
because SDI by province has SDI related to gender quality, crime, and environmental. A
xnodel. of this data dev eluped by HumanResource-Economy-Eavirument approach
shows that development in hdunesia has directed to unserstainability, as indicated in
income inequality, decrease in forest area, and decrease in air quality.
Hupehlfy, the result of this research will have contribution to flxrtfter research in
sustainable development in Indonesia. Much further work remains to gather and select
more indicators, so that the result can be applied at uperatianal level.

Key words: stmawat equation model, indicator, sustakabfe development

AP1W PURNOMO. Model Persamann StrukZural Pembangunan Berkelanjutm Damah.
Dibimbing oleh Barnhang Juanda dan Up& RosaIina Waurin.

Penelitian hi membahas penerapan dari model ppersaman stmhural untuk
mengkaji keterkaitan antax indikatar pembangunan berkelmjutan (PB)daerah. Modd
yang dibanguxl digunakfsan untuk menerangkan keterkaitan P B di daerah. Data yang
digrxnakan dalam penelitian irrj terdixi dari dua set, yaitu: ( I ) LPB gada tingkat
kabugaten/g,otamadya (Jswa dan luar Jawa) dm (2) PI3 pada tingkat provksi.
Sebuah model hipotetik ymg menghubungkan tiga faktor fatm SDM-EkrtnomiKuatitus diajukan sebagai pendekatan bagi keterkaitan antar iradikatox tersebut. Model
gada tingkat kabupatealkotamadya mengungkapkan babws pembangman sumber daya
manusia b e r p e n g d positifterhadap tin&& ekonomi dan halitas hidup.
Hasil analisis juga menunjuWcsn bahwa gengaruh Ekuraumi ke Kualjfas di Jawa
adaXaH negatif sementara di luar Jawa adalafi positif namun tid& sipifikan. Wsij ini
menegaskm perlunya peninjauan kembali terhadap arah kebijakan ekunomi di Jawa,
Sedangkan di luax Jawa kebijakan ekonomi yang diterapkan tidak memiliki pengaruh
yang cukup berafti terhadap peningkatm kualitas hidup. Selain itu, dapat ditunjukkan
bahwa ketidukberlanjuran pembangunan berkaitan wat deugan h a f i t a s SDM yang
rendah dan kebe~*lmjutan
berkaitan erat dengan kualita s SDM yang tinggi.
Pendekatan yang a m a diguntlkan untuk membangun model PI3 pada tingkat
provinsi, hanya saja peubahnya lebih banyak daripada pada tingkat kabupatenl
kotamadya, sehingga diharapkan dapat memberikan gamb axan umum pemb angunan
berkelanjutan yang berlangsung di Indonesia. Modd yang dihasilkan mengungkapkan

bahwa proses pembangunan di hdonesia mengaraft kqada bebaapa haf, di antaranya:
( I ) distribusi pendapatan yang tidak merata, (2) penunman persen luas butan, dan ( 3 )
p enunrnan h a l i t as udara.
Penelitian ini masih merupaksn t&ap awal bagi penelitian Zebih lanjut tentang
pembangunaa berkelanjutan di lndonesia sehjngga hasilnya Uarapkm dapat menjadi
mjukan yang bergma bagi ththapan penelitian.

Dengan hi saya menyatakan bafiwa tesis saya yang berjuduf:

Modd Persamaan Struktural Pernbangunan Berkelaajubn Daerah
adahh benar hasil karya sendiri dan belum pemah dipublikasilran. Semua svmber data

dm infurmasi telah dinyatakan secarlt jelas dan dapat diperiksa kebeaarannya.

Bogax, November 2002

MODEL P E R S A M M STRUKTURAL
PERllBANGUNAN BERKELANJWTAN D A E W

sebagai sabh satu syarat untuk memperoleh gefar

Magister Solins
pnda

Program Studi Statisth

PROGRAM PASCASARJANA
LNSTITUT PERTANIAN BOGOR
2002

Judul Tesis

: Model Persaxman Stmktwaf Fernbangunan Berkehju~anDaerah

Nama

:M h o m o

NRF

: 99 172

Pogram Studi : Statistika

Dr.I,r Barnbang Juanda, MS
Ketua

Dr. Pr. Up& Rosaha W.. DEA

h g g o fa

a Manuwoto, M.Sc

Tanggal fulus: 8 November 22002

Penulis dilahirkm di Kebumen pada tanggal 8 September 1976 sebagai anak
pertama dari tiga bexsaudaxa dari ayah bernama Karsano dm ibu M a d .
Tahm 1994 penulis lulus dari SMA Negexi Kebumen dan pada t a b yang sama
1010s seleksi m a d

P B melalui jalw Undangan Seleksi Masuk PPB. Pada tafrun

1995

peaulis diterima di Jumsan Statistika, FakuXtas Matemtika d a T~ h u Pengetahuan Alam.

Penulis lulus sarjana pada t&un 1998 di bawah bimbingan Prof Andi Hakim Masuetion.
Tahun 1999 peufis mendttpatkan keseqatan untd mengambil program 52
y ada prugmrn studi Statisiika IPB dengan sponsor DUE-Project. Saat hi p enulis tercatat.

sebagai dosen pada Jurum Matematjlca Univwsitas Sriwijaya.

Puji syulrur ke hadixat Allah SWT atas segab kamia-Nya sehingga penufis
dapat menyelesaikan kaxya iln~rthini. Topik yang dibahas dalam pmetitim hi adafah

model persrsamaan struktural, diterapkan untuk memodelkan keterkaitan antar indikator
pembmgunan bmkelmjutm dsterafi. Sebuah model hipatetik yang tnenghubungkan tiga

fakxar laten $DM-Ekonomi-Kualitas diajukan sebagai peadekatan bagi ket exkaitan antax
indikator tersebut. Model hi diharapkan dapat ttemberikm sinyal bagi pars pmgambil
keputusan urttuk rnengidexltifilrasi arab kebijakan yang t q a t dm m d a i efehifrtas dari

kebijakan yang diterapkau.
Terimakasih yang hdus diherhn kepada Bapak. Dr. k.Bambang Juanda, MS

selaku pembimbing dari Junrsan Statisrilca atas segala perhatian sea diskusi-diskusi
yang panjang dan melelahkan serta untuk fiu Dr. Is. Upik R o s a h a W., DEA sefaku

pembimbing dari Fakzlltas Kehutmm IPB atas koreksi dan masukan yang sangat

berkarga dalam karya ilmiah imi. Terimakasih juga mtuk fiu Ir. Erfiaani, M.Si atas
pertmyaan-pertanyam yang detail dan mendasar demi perbaikan tutisan ini.
Ueapan terimakasitr prmulis saqaikm untuk DUE-Project atas banman dana,

Beri Ardin atas bantuan untuk mendapaekan sahare, dm juga untuk mas Adi Witono
atas bantuan menqeroleh data. ICepada pak Barnbang Irawan, pair Bagus Sumargo,

pak Sutikna serta ternam-teman STK 99, penulis ucapkan banyak terimakasih

atas

d u h g a n moril dan mteriif selama paufisan tesis hi.

Penghargam ysrrg tulus pmulis ungkapkan untuk Prof. Andi Bakim Nasoetion
almarhum yang sempat: membimbing penulis hiagga Mare%2002 saat befiau menghadap
yang Mahakuasa. Untuk ternan-teman di Sari Bunfi Rajra dan tern-teman yang tidak
dapat penulis sebutkan satu per satu atas permhabatannya selama hi, se&a Bay&, Ibu,
NIKmi, Rina, dm Nenek atas segenap kasih tanpa pamrih yang diberilran, semoga Allah

SWT membalas semua kebaikan ini.
Bugor, November 2002
Arif Pwrnoma

DAFTAR IS1
DAFTAR TABEL ................................................................................................ vi

...

DAFTAR LAMPIRAN ........................................................................................ vm

PENDAE3ULUAN

Latax Befakang ............................................................................................ 1
Kerangka Pemikkan ......................................................................................2
Tujuan Penelitian ..........................................................................................
4
Efipotesis Penelitian .....................................................................................
4
Manfaat. Penelhian .........................................................................................
4
TINJAUAN P u s r m
Diagram Kotak-Garis .....................
.
.
.
..................................................... 5
Model LISREL ..............................................................................................
7
Identifikasi Model .................................... ......................................................XU
Evalussi Made1 .............................................................................................I 1
Validitas dan Kehandalan hdikator ............................................................. 13
Pengad Langsung, Tak Langmg, dm Total ...............................................

$5
DATA DAN METODE

Data ..............................................................................................................
17
Metode Analisis .....................
.
...................................................................17
HASIL DAN PEM3AKASAN
.............................................................................20
Deskripsi ................... .
.
Model Persamaan S t d m r a l Pembanpan Berkelanjutan pada Tingkat
KatrupatedKotamadya di Jawa dm Luar jawa .............................................. 27
Indikator Komposit Pembangunan Berkelanjutm pada Thgkat
KabupatedKotamady a ..................................................................................
35
Model pada Tingkat Provinsi: Gambaran Sekilas Fernbangunan
Berkelanjutan di Indonesia ...........................
.

.............................................38

.................................................................................................................
42
DAFTAR PUSTAKA ........................................................................................43
SARAN

Kermgka peanjkiran yaxtg digunakan dalam penelitian berdrtsarkan
perrspektifpembanpan berkelanjutan .........................................................

3

Dekamgosisi p e n g a d langsung. tak langsung. dan total ....................
.
.
...... 16

Hasil evaluad model untuk kabupatenlkatamady8 di Jawa ............................. 28
Basil penildan validitas clan kehandalan CPB wi.lay& Jawa ...........................

29

I-Iasif model genghram untuk kabupatedkotamdya di Jawa ........................ 32

Hasil model pmpkwan untuk kabupatedkotmdya di Iuar Jawa ................. 34

KIasXikasi skur indikator komposit SDM ...................................................... 37

Nilai loading fiasil model persnmaan struk;tural pada thgkat pruvinsi ............. 40

DAFTAR GAMBAR

1..

Xlustrasi diagram kotak-garis ..........................................................................

2.

Ilustrasi model LISREL ...................................
............................................... 9

3.

flustrasi pengaruh langmmg, tak langsung, dan total .......................................15

4.

5

Diagram kot ak-garis pengeluaran per kapita.
20
asal (b) Pcnyisihan pencilan pada data luar Jawa ...............................

(a) Data

5.

Diapam kotak-garis persen penduduk di bawah garis kemishan ..................

21

6 . aaagrarn angka melek hunrf (a) 3awa @) Luar Jawa .................................... 22
7.

Histogram rata-rata lama belajas. (a) Jawa (b) Lxar Jawa ................................ 23

8. Diagram kotak-garis persentase mmhtangga berfantai tanah ......................... 23
9.

T3istogram akses ke sanitasi. (a) jawa (b) Luar Jawa ...................
.......

...... 24

10. Diagram katsk-garis akses ke pelayanan kesehatan ........................................ 24

......
1 X . Diagram kotak-garis persentas an& b a n g gizi ....................

.........

25

12. Diagram kotak-garis angka harapan hidup ......................................................

25

26
I3. Diagram kutak-garis sngka pengangpan ......................................................

f 4 . Model p e n p h r a n WB m k kabupaten/kotamadya di Jawa ..........................27

............................................................. 30
1 6 . Model LXSREL PI3 untuk kabupatd o t a m a d y a di Jawa .............................. 3 1
17. Madel struktural llrS untuk kabupatedkotamdya di Jawa ............................. 31
18. Model LISREL P B wtuk kabupatedkotmadya di luar Jawa ........................ 33
15 . Kerangka model stmktwal bagi IPB

19. Plot antara skar faktax laten Ekonomi versus Kualitas untuk data
kabupatenlkotamdya di Jaws dan di luar traawa .......................... .
.
.
........... 35
20. Plat antara skor faktar laten Ekonomj versus Kualitas bexdasarkan kelompok
SDM di Jawa (a) SDM r e d a h (b) §DM sedang (c) §DM tinggi ...................... 36

21 . Plot antara skor faktor laten Ekononni versus XCuaXitas berdamkan kefompok
SDM Bi Iuar Jaws (a) SDM rendah (b) SDM sedang (c) SDM tinggi ...............37
22. Plot mtara skor f&or laten (a) $DMvs Ekonomi (b) SDM vs Kualitas ......... 38
23 . Model LISREL I:PB untuk tingkat provhsi

vii

................................................... 39

Latar Belakang
Pembmgunan berkelanjuta

d i d e f ~sikan
i
scbagai pembangman

ymg

memenuhi kebutuhan bidup bermasyarakat saat hi tmga merugikan kebutuhan
gcnerasi

mendatang

(WECD,

I 987).

Konsep

pembangunan

berkefanj&an

dikembangkan sejak KTT Bumj di Rio de Jeneko, Brazil, Juni 1992. E-Iasif KTT B u d
tersebut adalah Agenda 21, yakni sebuah program global bagi pembangunm

berkelanjutan yang rnencahp dimensi pwtumbuhm ekunomi, pemttangunnn sosial,
dm perlindugan linghngan hidup.
Secaxa busus, Agenda 21

menekankatr pentingnya usaha nnengembangkan

Indikatox-hdikator untuk P e m b m p a n Berkelanjutan (PB),b m p a penyuman satu

gugus indikatitar yang bandal, mudah diterapkan, x r t a dapat herbaharui secara teratw
(World Banlr, 2001). XSIB dhrapkan mampu men*

kemajuan, yang dicapai dari

program pembangwan berkel anjutan. IPB juga diharapkan dapat memberikan

peringatan dini jika muncul matu masalah sebelum masalah tersebut memburuk,
sehingga kemsakan ekonomi, sosial, dm linghngan dapat dicegab (Hardi & Zdan,
1997).

hdikator pembangunan yang la&

digakai sefama hi adafah pestumbufian

ekunomi dm pendapatan per kapita. kunisnya, di negarit-negara berkembang,
pertumbuhan ekonomi yang tinggi dan peniagkatan pendapatrm per kapita, seringkali
diikuti dengan kemsakan l i n m g a n sumber daya alam dm tatanan sasial yang psrah
yang membawa konsekuetlsi serius bagi kelmgsungsn pembangman itu sendiri. Oleh

karena itu, muncul konsep pembangunan berkelartjutm yang tidak hanya memikirkan
kepenthgan jangka pendek, namun memperhatikanjuga kepentingan jaagka pmjang.
Pembangunsn berkelanjutm menurut Uur Common Future yang diterbitkan

oleh komisi Bnrndtland (WECD, 1'687) menyadaskan manusia untuk memenuhi
kewajibamya dafam kepastian kelangsungan hidup generasi yang akan datang.

hmartya Sen dm Mahbub-ul F4aqi menyatakan bahwa pembanguoan pada dasamya

adahH memperluas piEfian-pilihan maausia dan kebebssan ruang gerak dalam hidup
seharbhwi. Indikator-indikator yaazg berkaitan dengan pmgmtian hi di antarmya

adafah angka kematian ibu dan bayi yang rendah, angka m a d sekulah dasar dm
kefulusannya yang tinggi, akses kepada air bersih, sanitasi dan pelayanan kewhatm
yang tinggi.

Pemberlakuan otonod damah sebagairnana termaxctub dalam UfJ No. 22/3 999,

memb erikan kewenangan yang lus s, nyata, dm bertanggmgjawab kepada daerah
sehingga memberi pefuang untuk secara leluasa mengahrr dm melaksanakan

kewenangan atas pra,karsa sendiri sesuai dengan kepmtingan masyarakat setempat: dm

potmrsi d n e r h y a . Keberhasilan pernbangunan tidak hanya rnencakup asgek ekunomi,
namun juga terpenuhinya kebutufran &kart hgkungan alam yang sehat dm tingkat

kchidupan susial yang diinghkan. Di sinilafr IPB dapat berperan pentkg sebagai
pctunjuk dengan penyediaan informasi yang bergma mtuk pengambilan keputusan.

Kerangka Pemikiran
Pe:mlranrpnan berkelanjutan sering dikritik sebagai sesuatu yang bemanfaat
pada tataran konsep, bukan pada tataran operasianal (Kaxnmerbauer et. al., 2001). Oleh

karma ihr, penggwaan indikator p e m b a n p m berkelmjutm dafam proses pengambilan keputusant menjadi bahan kajian yang rnenarik. Gustavson etal. (1999)

mengasumsikan bahwa proses perurnusan kebijakan akan menggunakan ( 1 ) indikatorindikator pembangurlan secara langsutng, atau (2) h a d pernodefan indikatur-indikator
tersebut. Dalarn panelitian ini, cam yang kedua dipilih unmk dikaji karena dengm

pemodehn, validitas dm kehandalan indikatux dapat diukur.
Pemberlakuan otoaomi daerah menimbu1,kam kelrhawatiran akan sernakicin
parahjaya kondisi masyasakat dm kerumkan wmbw daya dam di daerah. Dilihtrt

dengan perspektif pemb angunan berkelanjutan, kebawat kan tersebut memunculkan
' ~ u m k r :K o m p . 3 Juni 2002. Pemngan Nasib dl atas Kertzts, Hal 33. Amartya Sen adalah peraih
Nobel Ekonomi 1998. Bersanm koiegmya, Mahbtlbui Haq, mengemban*
pnifaiara pmbangunan
dalarn Humm Dmelnpmenf Reports dan diterimzt wars luas oleh
intemional,

sebuah pertanyaan, apakah proses pembangunan di damah telah bexada dalam jalur
yang benar menuju keberlanjutm (sustainabidip)? Kerangka pemikjran yang disajikm

dalam Tabel I berikut mempakan padekatan yang digunakan dalam penelitian hi
acuan dalam memmuskan tujuan, hipatesis, dan manfaat penelhian.
Tabe1 1. Kerangka pemikiran yang digunakan dstlttm penefitian berdasarkan
perspektif pembangunan berkdanjutan

Fernbangman daerah
Dinilai d e n p indi kator indikator pembangunan
berkel anjutan (WE)
daerah.

... jafur

yang benar...

Ditunjukkan dengan:
1. nilai P B daerah memberikan
indi b s i yang nyata ke arah
pmguatan "pilar-pilar
gembangunan " .

keberlaniutan
-Diekpresi b n d e n ~
model hipotetik yam
menghubungbn "pilarpilar panbangman"
s w r a positif.

2, arah hubungm w

r pilar
pembangunan adal2tk positif,
sesuai dengan definisi keberlan-

jm pada model hipotdk.
3. kuntnya gilar-pilar pembmgunan
di dasrah yang diindib s i h
d e w ti-nya
indikator
komposit pembangunan daerah,
uu

Model hipotetik dalam tulisan ki dihasilkan dari pengembangan model
berdasarkafi proses penambangan data {data mining). Berry & Linoff (1937)
mer~gungkapkan bahwa data mini~zg menrpakan mxatu proses penelususan
informasilpengetabuan yang menarik seperti pala, asasriasi, pmbahan, anomali-

momali, dm muhur yang signifikan dari suatu gugus data yaag besar.
Dalam penetitian ini, model Ripatctik ymg dibmgun terdiri atas tiga faktos
yang menggarnbarkan pencapaian pembangman berkefanjutm di Indonesia, yaitu

faktar ini d i n a m a h pitar-pilur pun bangunan. Sedangkan secara matematis, faktorfakor ini mmerupakan kombinasi finear dari indhator-indikator y e n y u w y a , sehingga

Tujuan Penelitian
1. Mengidentjfikasi indikator-indikator pembanpan berkelanjutan daexah yang
valid, handal, mudah diterapkan, dan dapat diperbaharui secara teratur.
2. Mengkaji keterkaitan sntar indilrator pembangunan berkelanjutan daerah.

3. Mengkaji indi katos-kampasit pembangunan berketanjutan daerah.

Hipotesis Penef itian
1. Setitlp damah di selunrh Indonesia, mempunyai suatu gugus indikator yang layak,

konsistm, dm mudah diteragkm dm daprtt dipalcai unt& menilai keberfrtnjutan
proses pembangunan di Indonesia.

2. Xndikator-indikator yamg

t ersedia

dapat secara efektif mmjelaskan tkgkat

pexlcapaian pembangunan berkelanjutan di daerah.
3. Pendekrttan kuantitatif akan Iebih efektif dalttm mwyusun indilrator kumposit yang

mampu merepresentasikan pilar-pilar pembangunan berkelanjutan daerah.

Manfaat Penelitian
Penelitim ini mas& merupakan tahap awal bagi penelitian lebih lanjut teatang
pemttangunan bmkelanjutan di Indonesia sehingga h a s hya diharapkan dapat menjadi
rujukan yang berguna hagi tahapan penelitian berikutnya. B e r h t adahfi hasll-fiasil
yang dapat diperoleh dari penelitian iui:
1 . C 3 s indikatar yang dapat diptp&an

unt& memonitor dm mengevaluasi

pembangman berkelanjutan dawah.
2. Mudef yaag menerangkan keterkaitan antar inuator pembangman berkelanjutan

daerah.
3. Indaator-kumposk yang dapat cSigwx&an sebagai atat bantu daXam mengevaluasi

proses pembanpan berkelanjutm daerah.

TINJAUAM PUSTAKA
Diagram Kota k-Garis
Diagram kotrtk-garis (box-plot)mempakm salah sttru teknik penayarian data yang

dimsun dalam benguk bagan (Nasoetiun 4an Nasaetian-Kaesbandana, 1994). Beaulr
diagram katak-garis terdiri atas kotak persegipanjang yang berekor ke lriri dan ke kman
(Gambar 1).

Gambax I. Xlustrssi diagram kotak-garis
Termat dari Gambar 1 di atas, hkumpubn data (yang sudah diunztkm) disekat-sekat oleh

lima nilai, yaitu nilai terkecilfi, , h a r t 2 pertam (Ql), Median (kfe),lruartil ketiga (Q3),
dan nilai terbesar (5). Kelima n2ai ini disebut aatistik lima sera~gkai,dm membagi
kumpulan data menjadi empat bagian yang sama besar, masing-masing bagian terdiri
atas 25% data.

Pmjang garis maksimal adalah $. 5 kali jarak antar kuar~jf(panjiing kotak). UattuIc
menyingkat penulisan, jaxak antar kuartil yaitu Q3-Q1 diberi shbol d. Tit& ujung garis

kiri disebut pagar-dalum kiri, sedmgkan tit& ujung gaxis kanan disebut pagur-dulum
kanan. J&a nilai terkecil k febih besar dari (&I

-

1 . 5 4 maka pagar-&lam kki adalah k.

Demikian juga jika nilai terbesar b lebih kecil dari (Q3 + 1 . 5 4 maka pagar-dalam kanan

adalah 6. Sedangkan jika nilai terkecil k lebih kecil dari fQl - f .Sd)atau ndai terbesar b
lebih besar dari ((23 + 1 . 5 4 maka terdapat pencilan yrritu d a i (-nilail yang kehas dari
pagar-dalam.

Jika datwya sinaetrik maka selang =Sara pagar-dalam kri samgai pagas-dalam
kanan akan memiliki bent& Me -t" 2d yang analog dengan sdang kepwcayaan 95% bagi
1.1 untuk data normal yaitu F

+ 1.96s (Atmuddin, 1989).

Pemeriksaan data semra visual dengan diagram kotak-garis bermanfaat mtuk:
I . Menditpatkart gambaxan mmgenai pernusatan data. Dexlgam paadangan seXcilas dapat

diamati pula keteraturan data mclalui statist& lima serangkai yang ditampillran oleh

diagram ini.
2. Membandkgkan dua mgus data atau bbih. Dengan menenapatkm diagram kotak-

garis dari p p s - p g u s data tersebut dafam wtu gambar dengan skala ynng sama

dapag ditrandhgkan rentangan penyebaran dan lokasi p emusatan datanya.
3. Mendeteksi pencilan. Muncuhya pencilan adahah pmanda bahwa kumpulan datanya

berasal dari saturn-satuan pengamtan yang tidak seragam. Penyisihan data pencilan
seringkrtfi rnenghasilkan pala sebaran data ymg lebih shetrik. Perifah data

simetrik leblh disukai karena dibarapkan dapat mendekati asumsi data menyebar

normal yang sering diperlukan dalam analisis lebih Ianjut.
Sebagai tambahan, dua macam W a n bedcut yakni skewnessZ dan kurtosis3,

dapat digmakan untuk memerik;s;t bentuk sebaran data. Definisi kedua macam W a n
ini dapat dilihat di Ensiklopedia Stdiistika karya Kota, & Johnson f 1992).
1. Skewness merupakan ukuran kernenjuluran data. Jka skewness bemilai lebih dari

no1 (positif), mengindikasikan data menjufur ke kanatn, dm jika s k e w n e ~bemilai
negatif mengindikasikan data menjulur ke kiri. Nilai skewness mendekati no1

mengindikasikan kesirnetrikan data.
2. Kurtosis menguhr selrerapa besar penyimpangan data dafi sebaran normal. Nilai

negatif mengindikasikan sebaran data lebih landai dari sebaraa normal. Nilai positif
mengindikasikan sebaran data lebih lancip dari sebaran normal. Nilai kurtosis

mendekati no1 mengindikasifcm data mengikuti bent& sebaran normal.

median (Me), &XI

simpgbaku (s), Qmmush den@

3x-Me)

.

1

'Kurtosis drberikan oleh+!!.
"2

ddimana m, adalah momen pusat keempat dan m2a&M1 momen pusat kedua

Model LlSREL
Mudel mempakan penyederhanaan dari realitas. Model diharapkan dapat
membantu menjelaskan bagaimana sebuah sititem bekaja. Paefitian ini mengkaji
penerapan modef LISREL (Linear Structural IZELafiomhip) pada kasus pembanparz
berkelanjutan.

Model LISREL terdiri dari dua bagim (Joreskog dm Sorbom, 1996). Bagian
pescama adalab model strukturd yang menjetaskan hubungan antar peubak laten/f&or.

Peubah laten adalah p d a h yang tidak dapat diukur secara l m g m g dm informaskya
diperoleh dari iudikator-indikator penyuswmya. Bagian kedua mmaangkan keterkaitan

peubah laten dengan indikator-hdikatomya, digbut sebagai modef pengthran.
Model struktural diekspresikan sebagai:

dimana: q adalah vektor dari peubah laten endogenous bedcuran m x 1
adrtXab vektor dafi peubah laten eksogextous beruban, n x I

r

adalah matriks koefisien dari & benxkum m x n

B adalah matriks koefisien dari q baukwan rn x m

adalah vektor galat bagi persamaan strukmaf tersebut benrkuran m x 1
Sedangkan model pengukwan diekspresikan sebagai:

dimana: y adalah vektor indikator bagi peubah laten endogenous bedwan p x I

x

adahh vektor iudikator bagi peubab laten eksugenaus beruhan q x 1

A, adalah maeriks koefisien regresi (loading)y terhadap 3 bedwanp x m
Ax adalah matriks koefisien regresi (lmding}3 t d a d a p & b e h m q x n
E

adalab vektor gaht pmpkuran dari y berukuranp x 1

5 adalah veknx galat pwgukwan dari x bmkuxan q x I

Asumsi bagi model LISREL di atas adalah:

& tidak berkorelasi dengan E
E

,-

tidak berkarelasi dengan g

6 tidak berkorefasi dengan &
c, 2,dm 8 tidnk saling berkurelasi
Matriks ragam-peragam Z:dari indikatox-indikator x dan y dapat ditutis sebagai:

Penguraian korrrponem matriks C adslah sebstgai berikut (Faraway, 1998):

xm:= qmT)
k &(A, 5 4" aT1

= E[(Ax -t-

=&(A,& TA, II' 1-1-E ( A , & s ~+) E ( A ~ ~ $+~E@)
&
S u b kedua dm ketiga dari peuguraian d i m s adalah no1 karma diawmsikan 6 darn

5

tidak berkorelasi, sehingga

,C

= A , @ A , ~+ 0 6

d h n a @ fn x n) = E ; ( &dan
~ )06 ( 4 x q ) = ~(66'').
Pengwaian komporren matriks C laimya adafah

xxy- AT(-I~ f - '
& = A~ (1-~ 1 -(r@rT
l
+ Y) (I - B)-' +
dimana Y (mx m ) = ~ ( ~ c dm
I ' ) 0, @ x p ) = 4 s ' )

(6)

f 7)

Jadi, matriJEs C mefupakan fungsi dari 8' = [A,, A, 3, T, @, Y , Os, @,I yang

meazdefmisikan model hipotetik lcita yakni model LISREL, dm dimfiskan sebagai

Gambar 2 berijsut ini mengilustrasikan sebuafi model LlSREL yaxlg texdiri atas
satu peubah eksogenous4 (51) serta dult peubah endogenousS(q1 dm qz).
Model

&,

El

Et

Ef+l

Gitmbar 2. Hustrasi model LISREL

Hubungan serukturaf di antara peubah laten diuraikan dalam persamaan matrks:

Sedangkm model pengukusan diuraikan dalam persamaan matriks b e r h t ini:

4

pubah yang ti& m e m i l k sebab Icaarssl) secara eksplisrt, atau secara visual
Pcubah efcsogenous
ti& memitiki tandapnah yang menuju ke arahnya (Garson, 200#).
Peubah endogenous ditandiu dengan adanya ta11dapmh yang menju padany& Temasuk pubah
endogenous addah peubah anma (inten~eningvarrable), yakni peubah yang memiliki tan-&
baik
yang menuju ke- mugun k e l w d m arahnya (Garson, 2000b).

'

Identifikasi Model
Masafah identifikasi bagi model pexsamaan struktural adalaft apakah terdapat
sofusi yang unik bagi parameter 0' = [A,, A,, B, f, @, Y,

Os,O,J pada model (8).

Beberapa aturan berikut ini berguna untuk mengiclentiaasi parameter model umum
permmaan stmktwal (Bollen, 1989):

I . Aturan-T
Atwan-T mtuk idmtifrlrasi adalah banyaknya parameter

$&lam 0 yang tidak

diketahui (parameter bebas) hams lebih keeil dari banyaicnya elemen unilr. dari
maeriks ragam-peragam peubah pexlgamatm:

r 5 (a/2) (P+@ @+q+I)

(12)

dimana T adafak kanyaknya parameter bebas dalam 0 dm @+qi adahh bmyaknya
peubah pengamatan.

Ahtran- T menrpakan S ~ U F Up ~e r ~ 7t tlpi bukan syurat cuhp%agi identaasi
sebuah model. Syarat gerlu ini sangat bermanfaat untuk mengetahui dengan cepat

model- model yang tidak dapat diidentifikasi. Keterbatasamya adafah terpmuhinya
atwan-T belum menjamin bahwa suam model akan teridetaasi.

2. Aturan ha-Langkab (Two-step Rule)
Seperti tersirat dwi namnya, timan dua-kngkah twdiri atas dua bagbn (Bollen,
l9S9 ha1 332). Langkah pertam adalah memperhkukan model sebagai model

pengukwan m

d lalu diperiksa lip&& parameter model tersebut memenuhi empat:

kondisi bcrilrut hi: ( I ) setiap bafis A, lranya mengandung sam nilai bukan nol, (2)

paling sedikit terdapat dua indikator untuk setiap faktur taten, ( 3 )
paling sedikit sepasang i

+j; #v aflalah elemen matriks if>,

bg r

0 mhrk

(4.2) Os adalah rnatriks

diagonal. Langkah kdua adalah identifikasi parameter-parameter seruktuxaf B, T,Y

dengan atwan rekursif yaitu B barns merupakan mai&s segitiga, dm Y adalah
6

Aslinya Bdlen ( 1988) menuliskan t-Rule ("t"den@ humf kecil). Fendisan Aturan-l' ("T"denl;an humf
kapitd) trntuk menghindari salah persepsi den@ uji-t yangjuga dipnakan d a m tulisan ini.
' Kondisi A d i h b periu bagi kondsi 3 j i h (clan hanya jika] ti& t e r p a h y a A menyebabkan tidak
tepnuhmya B (Swartz, 1997).
"ondisi A dikatakan cukup bag korldrsi 3 j i b (dan hanya j i b ) tepnuhjnya A menpbabkm &rpt?nulunya B (Swartz, 1997).

matriks diagonal. Garsun, (2Q00a) membexikan gaxnbarrtn bahwa model rekursif

adalah modd dimana semua anak panah-nya menuju saw arah tanpa loupirtg dm
galat dafi peubah e:ndogmousnya sling bebas. Jilra pada suatu model terdapat

kmping at au terddpat: korelasi antar peubah laten endogmuus (diindikasikan dengan
adanya korebsi antar galat peubah endogenous) maka model tersbut adahh made1

non-rekursif.
Aturm dua-langkah mempakan syarat cukup tapi b&an syarat, perfu bagi

identiaasi parameter model. Hal hi berarti mudel yang tidak memenuhi aturan
dua-langkah mas& mernungkinkan untuk dagat diidentzkasi.
Penadahan parameter bebas pada model hipot&& di Gambar I 5 dengan

menambahkan an&

panah dari Kuafhas ke SDM sehingga metnbentuk looping

mungkin menyebabkan model menjadi sulit diidentifikasi.

Evaluasi Model
Langkah pertama dalam menafskkan model yang dihasilkan adalah menilai

apakah model tersebut sudah layak atau behm. Tidak ada mtu ukurm tunggtlf umtuk
menilai kelayakan sebuah model, Beheraga peneliti (Jaccard and Wan, 1996 serta Mine,
1998 dalam Garson, 2000a; Shwm, 1996) menyaradan untuk mggunakan pding

sedikit tiga uji kelayakan mudel. B e r h t hi beberapa uhxm kesesuaian model yang
akan digunakan untuk menilai kelayakan model dalam tulisaa ini:
1 . ~ jx 2i

Statistik

digmakan untuk menguji hipotesis:

M o : C = X(8) lawan H I : C * X(0)

(13)

dimana C adalah matriks ragam-peragam populasi dan C(8) adalah matr&s ragam-

peragam yang dihasilkan vektar parameter yyan mertdefinisilrm model hipatetik (1 1).

Untuk menguji hipotesis di atas, mtrifcs ragam-peragam cuntoh S digunakan sebagai
dugaan bagi Z dan T(8) =

adalah dugaan bagi

YO).Keputusan yang dihnrapkan

adalah menerima hipotesis no1 sehingga dapat d i s h p u h n bahwa model hipotetik
dapat mengepas data (Sharma, $996).

Jiireskog dm Sijrbom (1996) menyatakan kahwa statiaa xZ sensitif terhadap

ukuran contoh dm penyimpangan terhadap kenormafan dad peubafr-peubah
pengamatannya. Berdasarkan hasil simulasi yang dilakukan abh banyak peneliti,

Bullen (1989) mengungkapkan di antaranya, (1) pada ukurttn contuh yang kecil,

statistik

xZ cmdemng menjadi besar sehjngga menyebabkan febib sering menalalc

hipatesis no1 dan disarankan ukurm contah lebib dari 100 pengamtm, (2) sebaran
Eeptokurf~c(lebih lancip dari normal) rnenghasilIcan t erlafu banyak pen0hkan

hipaeesis nol, dan diduga pada sebarm piayhrtrc (lebih fandtli dari normal) a h
rnenghasilkan dugaan 31' yang sangat rendah.
2. GH (Goodness of Fif I d e x ) dan AGFI (A4usted GFI)

GE.1 mereprescntasikan persen keragaman S yang dapat diterangkan oleh

i,

yahi keragaman yang dinyatakan dengan model. Interpretasi nilai GFI dengan

demikian analog dengan R' pada model regresi. GFI diperoleh dari mmus berikut:

Atwan pxakktis (rule of fhurnhj untuk kelayakan sebuah model adafah nilai GFI

ttendaknya tebih besar dari 0.90(Sharmrt, 1996; Garson, 2000a; Ferdinand, 2000).

Sedmgkan AGE diperaleh dari rumus bmikut ( S H m , X 996):
AGFI = I - [ c z ] [ I - C F I ]
diiana r adalah banyaknya indikator, dan db adatah derajat bebas. AGFI analog
dmgan Adjusted R' pada model regresi. Suam aturan praktis (rule of thumb) yang

disaranksn banyak peneliti untuk meneri,ma sebuah model adalah nilai AGFI-nya

Ieb& besar dari 0.80 (Skarma, 19'36; Garson, 2000a; Ferdinand, 2000):
Bailen ( f 989) rnenguatgkagkan beberapa hasil simulasi oleh peneliti lain
bahwa nilai harapan GFl dm AGFX cer~denmg meningkat siring dengan
pmingkatan &wan contoh. Nifai harapan GFI dan AGFI akan menurun dmgan
semakin sediJritnya indikator per fa'aktor Iaten, khususnya pada data berukuran kecil.

3. RMSEA (RootMean Square Error of ApproximwHo~~)

RMSEA lebih digunakan sebagai pendamping bagi statist&

ketayakan sebuah model, karma

x2

x2

dalam mmilai

sangat sensitif terhadap &wan contoh dm

penyimpangan dari sebaran normal. RMSEA dihitwg sebagai

x2
(la-I)db

-

db
(n-1p'

( 16)

ditnana x2 adefah nilai kh-kwadrat model, db adalah derajat bebasnya, dan n adalah

ukuran cantoh (Garson, 2000a). Nilai RMSEA yang lebih kecil atau di sekitar 0.08
mempakm indikasi dapat diterimanya sebuah model (Ferdinand, 2000).
4. RMR (RoofMean square Residual)

EWLR didefmisik~nsebagai:

dimma: p

adalah banyaknya indikator bagi peubah laten mdogmous

q adalah banyaknya kdikator bagi peubah laten eksogenaus
$0 adalah unsur matriks S

bg addah unsur matriks
RMR merupakan uhran rata-rata dari kuadrat sisaan, semakin besax nilai

RR.IJ1 semakk b

d model hipot&& dalam mwgepas data dm begitu pula

s e b a h y a . RMR direkomendasikan untuk digunakm dalam membandingkan dua

model dari data yang sama f Sttarma, 1996).

Validitas dan Kehandaian lndikator
Indikator yang baik akan rnemberi peringatan jika muncul suatu masalah

sebelum masalah tersebut memburuk dm mengarahkan kjta untuXc mengambil langkahlangkah gerbaikan yang diperlukan (Wardi & Zdan, 1997). Sebagai suatu alat b r ,

indikstor hams mnnpu mengukur dmgan tepclt apa yang sebmamya ingin d i w .

Validitas dan kehandalan matu kdikatar dengan demikian menjadi syarat yang hams
dipenuhi. Validitas mengacu kcpada kemampuaxt suatu irxdikator d h m mengukur spa
yang sebenarnya ingin diukur, sedangkm kehandalan terkait dengm tingkat

kekonsistenan dari indikator tersebut sehingga membuat &a pwcaya terhadap apa yang
ditunjukkan olehnya. Sartono (200 1) memberikan ilustrasi mexlarik. tentang validitas dan
kehandalan hi pada pcngukuran ganjang jalm. Jengkal tangan merupakan penmuran
yang valid, karena jengkal tangan memang bisa digunakan u t u k itu, Namun alat ini

tidak handal karma tidak konsisten dari walrtu ke w&W.
Validitas indikator-indikator dalam menguhr peubah Xatedfaktur tmtentu dinilai
dengan cnra menpjji apnpakah semua loading-ny a nyata yaitu memiliki nilai-f lebih besar

dari 1.96 fHu :Aq

-

O versus Hl : Ag # 0 pada taraf uji 5%). Sedan*

untuk mengdm

kehandalaa. kdikatox, digunakan komunalitas ittau disebut jugn kehandalan individu.
Komunalitas d x i matu indikator adalah bagian total ireragam indikator tersebut yang
menerangkan faktor bten terkentu. Semakin hesar nilainya menunjukkan bahwa
kdijiator ini culnap handal dalam mengukur fabar laten tersebut. SHarm (1996)

menyarankan batas (cutofl sbesar 0.5, aainya suatu indikator bisa dikatakan handal
j&a nilai komunalitasnya Xebih dari 0.5.

Indikatac-indlkatur yang secara bwsama-sam mengukur
tertentu dapat

matu faker

Iaten

diukur kehandalannya dmgan kehandsfm kunstnric. Weds, L,kn, dm

Jijreskog (2974) dalam S h a m (1996) merekomendasikan mmus beriht hi unmk
mengukur kehandaltsn bagi indikator-indikatar dari suatu faktor tertentu:

dimana: k

adalah banyaknya indikator yang menpkur faktw laten ke-j

hij adalah lending dari indikatar kwi yang mengukur &&or ke-j
Vf&) adalah ragam galat penguhrm dari indikator ke-i

Semakia besar nilai hi, menunjukkan bahwa indikator-indikator penyusun bagi watu

falaor merupakan kdhtor-indilrlttor yang handal dalam m e n g h faktor tersebut. Nilai
kehandalan konstruk yang disaradsn S h r m a (1996) adabh lebih besar dari 0.7.

Pengaruh tangsung, Tak Langsung, dan Total
Ilustrasi sederhana b e r h t diamhil dari Garson (2000b) wtuk menggambarkan

p e n g a d langsung, tak langsung, dm total.

Gambar 3. llustrttsi pengaruh langsung, tak langsung, ditn total

Model di atas terdiri dari dua peubah eksogenous A dan B yang d i n g berkorelasi

(sebesar u), seas sebuah peubah endogenous D. Koefisim W a s v dan w rtdalak
knefjsien regresi yang tetah dibakukan, menunjukkan pengamh langsung (direct efect)
dari peubah eksagenaus/pmjelas pada peubah endogenoudrespon. Jadi, pada model
yang terdiri dari dua atau feb& peubah eksogwous, koefisien lintasnya sama dengan

koefisirm regresi parsial dari data yang dibakukan atau matrifcskorelasi sebagai input.
M i ~ k a nmatfiks kotelasinya adalah sebagai b e r h t :

Dalam hubwrgamya dengan p eubah A, peubah D mendapatkm pengaruh tangsung
sehesar v, dm pengavuh dak langserng melalui 3 sebewr w, atau secara mtematis

-

dihlliskaa sebagai korelasi(AD) v 4,. uw. Sedmgkan hubungan mtara peubah D dmgan
peutrah B dapat diufaikan menjadi korelasi(BJ3)

=

w

1-

uv. Dengan mem.ecahkan

persamaan matematis ini:

didapatkan koefisien h a s v sebesar 0.62, dm koefrsien lintss w sebesar -0.05. Dengan
demikian, penganxh langsung, tak langsung, dan total dari model tersebut adatah:

Tabd 2. Dekomposisi pengaruh bngsung, titk liingsung, dan tab1

Penjela sm t eoritis mengenai kuefisien lintas ini diberikan oXeh Wonn.acott dan
Womacott: (1981). Persamam r e p s i terhadap peubah-peubah yang telah dikoreksi

terhadap niIai tengahnya dihrliskan sebagai
JJ =

jiw,

+ p 2 x z +...+jixI

-I-;

(20)

Perssman regresi padanannya terhadap peubah-peubah yang dibakuk-tin menjadi
'0

" POIZl

+P0ZZ2 " " + P O k Z k

'POW'

(2 I1

Koefisien poi selanjutaya disebut sebagai koefisien lintas. Hubungan antara

dintmuskan sebagai

koefisien lintas dengan koefisien regresi

dimana si adalah simpangan baku peubatr penjelas k*i dm so adalah simpangan baku
peubah respon. Znterpretasi dari koefisien h t a s poi adalah besamya peaubahsn dari

peubah respon (dalam simpangan balm) bih peubah penjefas ke-i benrbrtb sebesar satu
s i m p angan b a b y a , sernentara peubah pwjelas fainnya dianggap ironstan.

Dalam praktek, untuk mendapatkan nilai poi dari data mentah, dihitung dulu
koefisien korelasi r g lalu disubstitusikan ke dafam permmaan simukan berim:
rot = POI

+ Pmr21 +.*' f

'P 0 l P l k

'Pmr2k

PokPjl.

'*.*'POA

Model pads Gambar 3 dapat ditufiskan ke dalam bentuk persamaan (23) menjadi,
0.6

-

v

"r

0.4~

0.2 = 0 . 4 -3.~ w

kemudian dipecahhan sefiingga digeroleh sohsi bagi penganrh langsung v dm w.

Data
Data yang digunakan pada tulisan hi mengacu pada kermgka kerja untuk

indi.kata~pembangiman berkelanjutan yang diterbitkm oleh Commission on Smtai~lable
Development (World Bank, 200 1 ). T,ndikator-hdikator dalam kermgka kerja tasebut

dikIasifikasikan ke dalam empat b r m s i : sasiaf, linghgan, ekonomi, dan inskitusionaf
(Lampixan 1).

Pengumpulan data 8ilakuk:an pada tingkat provinsi dan tingkat kabupated

kotamadya. Pada tingkat provinsi berhasil diidentifkasi 20 indikator (Lampiran 2

menyajikan definisi, unit pmgukuran, dm smber data indikator pada tingkat provinsi)
sedangkan p ada tingkat kabupatdkotamadya berhasil diidentifjkasi 10 indikator

(sepulufi indikatur pmtama pada Lampiran 2). Hal hi menunjukkan bahwa sernakin

rendah unit pemerhtahau, data semakin sufit didapatkan, terutama data lingktlflgan.
Jumlah kttbupatenbatamdya yang diaxlalisis sebanyak 294, dimana 108 (82
kabupaten

-t-

26 katamadya) ada di Jawa dan f 86 (148 kabupatm

+ 38 kotamadya) di

luar Jaws. Berdasarkan Master File Desa ( W D )BPS tahun 2000, judah kabupatenl

kotmdya di Indonesia adalatt 341 dexlgan 32 provinsi. Jadi pada tufisan i,ni, dimana

data yang digunakan adalah data tahun 1999, ada beberapa kabupatdotamadya yang
tidak dilibatkan dalrtm analisis.

Secara garis besar, t&ap-tahap analisis pada pexlelitian ini adalah: (1) Eksplorasi
data, (2) Pernodelan, dan (3) Pengujian hipatesis penehtian. Dua tahapan yang peftama

mengacu kepada proses data mining.

Menurut Berry & Linoff (1 9971, seem umum data mining dapf dtkelompoMran menjadi ckra yaitu
descriptive data mining danpredi'ctivedala mining. Descriptive data mining meftlpkm suatu proses
unt& meringkas dan rncnyajikan kmkexistik menarik dari suatu data. Sedangkmpedictive data mir3i~g
rnerrrpakm suaW proms untuk membangun s & d s t d z u r amu segugus model, rnelakukan mferensia,
yang akhimya dapt digunakan untuk memprediksiiran periI.aktl data d m gups data h.

Tahap eksplaxasi data mefiputi:
1. PemiUban (screening) indikator

Indikator yang merupakan fungsi dari kdikator lain disisihkan dari analisis karens
satu indbtor dapat mewakili indikatar yang lain tersebut. Sebagai contoh indikator

"an& harapan bidup" merupakan fungsi drnri "mortalitasbayi" (korelasi keduanya
adalah -I), oleh karena itu dapat dipilih salah satu dari kedua indikator hi.
Pmyisihan juga difalnrkan terhadap data yang terlalu banyak mengandung data
hilang sehingga tidak mampu menggambarkan keadaaln ymg sebenamya. Sebagai
contoh adaZah indikator "halitas baiaeriologi air minum", hdikator ini mengandung

banyak data hilang karma agahya dattutya sulit didapatkm.
2. Pemeriksaan data

Gugus data yang sudah "dibersihkan"pada f angkah sebehmnya kemudian
dieksplurasi wtuk me~dapatkangambaran mengenrai keadann data. Lwgkah ini

mempakan penerapan descrptive &fa minirag. Pemeriksaan data dilakukaa secam
visual dengan menggunakan histagram dm diagram kotak-garis.
FZistogram digurrttkan wkrlr mendapatkm gambaran mengenai bent&

gersebaran data. Satah satu manfaat histogram adalah untuk mendeteksi puncak
ganda dari suatu gugus data. E3istogam yang bquneak ganda menyakan pertanda

bahwa datanya berasal dari dua j e i s kettdaan atau lebih, sehingga untuk
menerangkan ha1 ini diJaInzXran pernilaftan data. Mat perikm lain yakai diagram
kotak-garis dipnakan untd memwiksa keshetrikan data, mendeteksi pencilan,

dm pembandingan data secara visual.
Analisis lebih lanjut: yang dilakukarr adaIah pembmdkgan dua d a i tengah.
Uji t--dent

d i p a k m unruk membandingkm d a i tengah dua popufasi ynng

diasurnsikan memifiki sebaran normal. Amrmsi sebnran n o m f didekati oleh

keshetrikan data yang dapat diketabui dengan pengamatan visual melalui diagram
kotak-garis. Jika settaran kedua papulasi tidak dletahui dm macam sebaramya

tidak sama, maka digunakan uji median (Nasoetion dan Barizii 198Q). Pada tufisan
hi uji median yang dipilih adatah uji Mam-Whitney.

Tahap pemaddan merupakan penaapm predictive data mining. Hine ( 1998)

dahm Garson (2000a) mengajukan dua langkah dalam memblmgun seburth model.

LangkaH pmamrs adsfah membmtuk s h a h model pengu%ruran mtuk m
yang terlibat. J&a made1 pen&an

a indilrator

tersebut &pat diterima, dilaxnjutkm ddegan

'fangkah kedua yaitu meayusrxn model stdttural. Kedua lmgkah ini ditempuh mtuk
keperluan ideama si model.

Setehh modd tcridentifikasi, difsanjutkan dengan pemitihan model terbaik
dengan mengikuti bngkah-f amgkah bedcut ymg diadaptasi dari Shwma ( X 996).

Laneah 1. Spesifikasi model berdasarkan kexangka pemikixan tmritis

Langkah 2. Evaluasi model. lika model sudah cukup layak, dilanjutkm ke Langkah 3.
Sehinxlya, kembali ke Langkah I.

Langkah 3. PmiJaian validit as dan kehandalan dari indilrat or-indikator yang terfibat
daIam model. Jika indikator-indikator tersebut dinyatakatl valid dan handal

maka dipumskan bahwa model tersebut c&up baik dalam mengepas data,

dm sefesai. Selahmya, kembali ke Langkah 1,
Pengujisn hipotesis penelitian berkaitan dengan model yang dihasilkan pada
tahap pernodelan. Mipateds pert am diuji dengaxl memperhatikm hasiX evaluasi model

serta p d a i a n validitas dan kehandalan indikator. J&a tekh didapatkm model terbaik
berdasarkan pemilaian-penilaian di atas m k a hipotesis pertam dapat diterima.
Selanjutnya, bagan model stdtwal digw&an

unt& mmpji hipotesis kedua,

sedangkan bagian model p e ~ g u h a tdigunakan
l
untuk menguji hipotesis ketigtt.

Setiap daerah di Indonesia memiIiki karakter yang mik sehixlgga memuncufkan
banyak kmagaman. Pernilahan data berdasarkan Jawa dan Iuar Jawa adalah safah satu

usaha

untuk

mengelompokkan keragaman tersebut,

sehingga

pada

tingkat

kabupatedkotarnadya analisis dilakukan terpisah berdasarkan kedua wilayah itu.

Pernilahan wilayah berdssarkan Jawa dan luar Jawa diddung &&a mengenai kundisi

kepmdudukan dan kctersedisan slamber daya alarn. Hasil sensus penduduk tahm 2000
menunjukkan babwa 59.2 persen ppeduduk. Indonesia tinggal di pufm Jawa sehingga
kepadatm pwduduhya menjadi sangat tinggi. Pulau Jaws juga menrpakan penghasil

padi terbesar yakxni sekitar SO persen kb&. Sementara di luar Jawa, beberapa grovinsi
memililri potwsi hutan cukup besar, dimana Xebib dari 70 persen wiIayah daratannya

berupa hutan, yaitu Kalimantm Tengah, Ulimantan Timus, Sulawesi Tengah, dan Lrian
Jaya (BPS, 200 1).

Deskripsi
Deskripsi nntuk sepuluh i n d h o r pertam dalam Lampiran X yang a k a
digutlakan dalam analisis pada t k g k a t kabupatenkatamadya adalah sebagai b e r h t :
I . Pengeiuarun per kapifa

Gambax 4. Diagram kotak-garis pengduaran per kapita, (a) D a a asal
(b) Penyisihan pencilan pad# data luar Jawa.

Diagram kotak garis untuk gengeharan per kapita kabupatenlkotamadya di fuar
Jawa menjulur ke h i (Gambar 421atas). Kemenjuluran tersebut d i p e n g d i ofeh adanya
pencilan di sisi kiri. Penyisihan pencilan menghasilkan sebaran data yang Eehih simetrik
sebagahana ditunjukkan oleh Chmbar 4b atas. Pencilan kiri ini diisi oleh kabupated

kotamadya yang petlgeluaran per kapitanya Xrurang dari 950 ribu rupiah dimana sebagian
hesar adafab kabupaten-kabupaten di NTT.

Perbandingan pengeluaran per kapita antara wlrlayah Jawa dan luar Jawa menjadi

lebih mudah dilibat dari Gambar 4b karma kedua diagxam kutak garis itu menunjukkan
pola yang shetrik. Sebutih nihi di sekitar 580 ribu menrpalrm kuartil ketiga bagi

wilayah luax Jawa dan menrpakan kuarkl percama bagi wilayah Jawa. Ma1 ini

mengindikasikan sekiear 75 persen kabupatedkotamadya di luar Jawa pengeluaran per
kapitanya h a n g dari 580 &u, selxafilrnya 75 persen Irabugatd kutamadya di Jawa
pengeluaran per k q i t a y a febih bewr dari mgka hi.

Pengeluaran per kagita merupakan suatu u k a n pendekatan bagi stand= hidup.

Nilai kurtosis dari data yang diguxnakan pada Gambar 4b masing-masing sebesar 0.05
u'tltuk. wilayah luar Jawa dan 4.15 untuk d a y a h Jawa, menunjulclrltn bahwa bent&

sebaran whyah Jswa febih lancip dibandingkan dengan wilayah luar Jawa. Hal ini
memberikan indkasi bahwa standar hidup antar kabupatedkotmadya di Jawa lebih
homogexl daripada di h a x Jawa.

U

IL

%V

3b

40

50

60

10

80

Garnbar 5. Diagram kotitk-garis persen penduduk di Xlawah garis kerniskinan

Tampak dsri Gambar 5 di atas bahwa sebarm data persen pmduduk di bawah
garis kemiskiaan di luar Jaws menjulur ke ktanaa, sementara di Jawa cendenxng simetrik.

Pencilan di sisi kannn diagram kotak garis mtuk wilayah luar Jawa diisi oleh beberapa
kabupaten di NTT dan lrian Jaya. Penyisihan pencilan ki tidak berhasil mempexbaiki

perilaku data mmjadi febih simetrik. Pembmdingan d a i tmgah dengm uji median
rnmgungkapkan bahwri genduduk di bawah garis kerniskhan lebih banyak ditemukm di

hbupatmkotamadys Jawa dibandingkan dmgan kabupaten/kotamadya di luar Jawa

(nilai-p 0.017). Lebih lanjut, dari Lampiran 4a dan Lampifan 4b temgkap perbedaan
persen penduduk di bawah garis kerniskinan yang mencolok antar# daerah pedesaan
(kabupaten) dengan daerah perkotaan (kotamadya).

Gambar 6. Histogram angka mdek huruf. (a) Jawa (b) Luar Jawa.
Tamp& bahwa histogram an&

mefek humf b a a di Jawa mupun luar Jawa

rnemililri puncak ganda. Hal hi memberikan peftmda b&wa datanya berasal tfari dua

jrmis keadam atau lebih, yang masing-masing berbeda terhadap sesamnya. Pernitahan
data berdasarkaa kabupatw (daerah p e d e ~ m dan
) kuttimadya (daerah pmkutaan) dapstt

menermgkan fenomena ini. Kelampok data yang berpuncak di kiri baisikan kabupatenkabupaten saja, sementara kelompok data ymg be~gwlcakdi kanan berisikan kabupatm
dm seluruh kotmdya. Hasif uji nilai tengah dahm Lampiran 4a dm Lampiran 4b
mengungkapkan bahwa angkrr melek hunrf lebih tinggi di daaah perkotaan daripada di

daerab pedesaan.

Fenurnma puncak ganda juga muncul p ada indikatar rata-rata lama belajar.

@)
Gambar 7. Histogram rata-rata lama bdajar, (a) Jaws (Ib) Lawr Jawa.
(a)

b s i l uji. d a i tengah dalam Lampiran 4a dan Lampiran 4b mengmgkapkrm
balawa baik di dawa maupun luar Jawa, rata-rata lama befajar lebih thggi di daerah

perkotttan daripstda di pedesann dengan perbedaan yang rnencolok yakni setsra dengan
satu je~jangpendidikan menengafi f 3 tahun).

Gambar 8. Diagram kotak-garis persentase rurnahtangga berlotntai tanah

Sebaran persen rumahtmgga berlmtai tmah di Jawa dm luar Jaws nampak

menjulur ke b a n . Median untuk witayah Rrar Jawa feb& rendah daripada median di
Jawa. Kultw rumah panggmg di luar Jawa nampahya berpenganrh b e m sehingga
persen mmah tangga berlantai tanah Lebih sedW &ternam di Iuar Jawa daripada di
Jawa.

20

30

40

50

Ft

70

80

90

'00

"3

0

50

IOG

(a)

Gambar 9. Histogram ttkses ke sanitasi. (a) Jawa @) Luax Jawa,
Histogram indikatar Akses ke sanitasi rnemiliki putlcak ganda. Sam&seperti pada

indikator pe~didilran, fenamena itli dapat ditermgkan dengm pengelompokan data
bcrdasarkm asaf daerah, perkutaan dm pedesaaxt.
Lampiran 4a dan Lampiran 4b menyajikaxl hasil uji nilai tengafi antsra

katamadya dengan ksbupaten di Jawa dan luar Jawa. Hasilnya mencerminkan bahwa

knndisi pemmahatl