Pengaruh Rata rata Lama Sekolah Angka Ha
Pengaruh R ata-rata L ama Sekolah, A ngka Harapan Hidup, J umlah
Penduduk Miskin, J umlah F asilitas K esehatan, dan K abupaten/K ota
terhadap Indeks Pembangunan Manusia di J awa T engah, DIY , dan J awa
T imur pada T ahun 2013 dan T ahun 2014
Oleh:
Ilham Ibnu A ffan
15810092
A bstrak
Pada penelitian ini penulis akan meneliti data panel mengenai lama sekolah, angka harapan
hidup, jumlah penduduk miskin, jumlah fasilitas kesehatan dan K abupaten/K ota serta
pengaruhnya terhadap Indeks Pembangunan Manusia di Provinsi J awa Tengah, J awa Timur, dan
Daerah Istimewa Y ogyakarta pada periode 2013 dan 2014. Penelitian ini menggunakan tiga
metode dengan lima model yaitu Estimasi yang akan dilakukan menggunaka lima model estimasi
panel yang meliputi model Pooled Least Square (PLS), F ixed Effect (F E), serta Random Effect
(RE). Dan pada uji hausman diperoleh bahwa model terbaik dalam penelitian ini adalah pada
F ixed Effect Model yang secara serentak berpengaruh signifikan sedangkan secara parsial
variable lama sekolah, angka harapan hidup, dan K abupaten/K ota berpengaruh secara signifikan.
K ata K unci: F ixed E ffect Model, Random E ffect Model, Uji Hausman.
1. Pendahuluan
Pembangunan merupakan suatu upaya yang dilakukan oleh pemerintah untuk
mewujudkan masyarakat yang makmur dan sejahtera. Salah satu indikator yang dapat
digunakan untuk mengukur hasil pembangunan adalah Indeks Pembangunan Manusia
(IPM). IPM merupakan indeks komposit yang dihitung dari indeks harapan hidup, indeks
pendidikan, dan indeks standar hidup layak. K arena dalam perhitungan indeks harapan
hidup, indeks pendidikan, dan indeks standar hidup layak melibatkan komponen ekonomi
maupun non ekonomi seperti kualitas pendidikan, kesehatan, dan kependudukan, maka
IPM dianggap telah relevan untuk dijadikan tolak ukur dalam menentukan keberhasilan
1
pembangunan. Sejauh mana variabel ekonomi maupun non ekonomi tersebut dapat
menunjang IPM menjadi fokus pada penelitian ini.
Menurut BPS (2013) Indeks Pembangunan Manusia (IPM) merupakan suatu
ukuran yang digunakan untuk mengukur pencapaian pembangunan manusia di suatu
wilayah. Meskipun tidak mengukur semua dimensi dari pembangunan manusia, namun
IPM dinilai mampu mengukur dimensi pokok dari pembangunan manusia. Sebagai ukuran
kualitas hidup, IPM dibangun melalui pendekatan tiga dimensi dasar. Dimensi tersebut
mencakup umur panjang dan sehat, pengetahuan, dan kehidupan yang layak.
Indeks Pembangunan Manusia pada beberapa provinsi di pulau jawa yaitu J awa
Tengah, J awa T imur dan Daerah Istimewa Y ogyakarta pada tahun 2014 secara berturutturut adalah 68,78 persen, 68,14 persen, dan 76,81 persen (BPS, 2015). K etiga provinsi ini
merupakan provinsi yang berada di bagian tengah dan timur pulau J awa yang memiliki
tingkat Indeks Pembagunan Manusia yang relative beragam untuk tiap kota dan
kabupatennya. Namun jika dilihat lebih lanjut terlihat bahwa Indeks Pembangunan
Manusia pada daerah perkotaan relatife lebih tinggi dari daerah kabupaten dalam kawasan
sekitarnya.
Dari uraian di atas maka penulis tertarik untuk meneliti pengaruh angka harapan
hidup yang mewakili dimensi kesehatan, rata-rata lama sekolah yang mewakili dimensi
pendidikan dan jumlah sarana kesehatan yang mewakili dimensi kehidupan layak dan
beberapa variable terkait seperti jumlah fasilitas kesehatan dan jenis wilayah kabupaten
atau kota terhadap Indeks Pembangunan Manusia di provinsi J awa T engah, J awa Timur
dan Daerah Istimewa Y ogyakarta.
2. T injauan Pustaka
Menurut Masruroh (2016) bahwa dengan metode PLS (Partial L east Square)
keempat faktor yaitu A HH (A ngka Harapan Hidup), A MH (A ngka Melek Huruf), MY S
(Rata-rata L ama Sekolah), dan PPP (Indeks Daya Beli) berpengaruh positif terhadap
Indeks Pembangunan Manusia. Dan menurut Melliana (2013) bahwa terdapat tujuh
variabel yang berpengaruh signifikan terhadap IPM antara lain variabel rasio siswa
terhadap guru, angka partisipasi SMP/MTs, jumlah sarana kesehatan, persentase rumah
tangga dengan akases air bersih, kepadatan penduduk, tingkat partisipasi angkatan kerja
dan PDRB perkapita. Sedangkan menurut Pradita (2015) bahwa faktor-faktor yang
2
mempengaruhi Indeks Pembangunan Manusia kabupaten/kota di J awa T imur berdasarkan
model GWOLR (Geographically Weighted Ordinal Logistic Regression) pada umumnya
adalah persentase penduduk yang tamat SMP/sederajat, banyaknya sarana kesehatan dan
kepadatan penduduk.
Dengan hasil penelitian di atas maka penulis tertarik untuk meneliti tentang
Pengaruh L ama Sekolah, A ngka Harapan Hidup, J umlah Penduduk Miskin, J umlah
Fasilitas K esehatan, dan K abupaten/K ota terhadap Indeks Pembangunan Manusia dan
dalam penelitian ini penulis akan membahasnya dalam dua periode yaitu tahun 2013 dan
2014 di K abupaten dan/atau K ota di Provinsi J awa Tengah, J awa Timur, dan Dearah
Istimewa Y ogyakarta.
3. Metodologi
3.1.Sumber Data dan V ariabel Penelitian
Penelitian ini akan membahas faktor-faktor yang mempengaruhi IPM di
J awa Tengah, J awa Timur dan Daerah Istimewa Y ogyakarta. Data yang digunakan
dalam penelitian ini adalah data hasil Survei Sosial Ekonomi Nasional (SUSENA S)
oleh Badan Pusat Statistik (BPS). V ariabel yang digunakan pada penelitian ini
sebanyak 6 variabel. V ariabel tersebut terbagi atas satu variabel respon dan empat
variabel prediktor. V ariabel yang berperan sebagai variabel respon (Y ) adalah
Indeks Pembangunan Manusia (IPM), sedangkan variabel prediktor yang dipakai
penelitian ini meliputi:
1.
L ama Sekolah sebagai X 1
2.
A ngka Harapan Hidup sebagai X 2
3.
J umlah Penduduk Miskin sebagai X 3
4.
J umlah Fasilitas K esehatan sebagai X 4
5.
K abupaten atau K ota sebagai X 5
Sedangkan ada lagi variable dummy tahun 2013 dan tahun 2014 dengan
tahun 2013 sebagai tahun dasar.
3.2.Model E stimasi
Estimasi yang akan dilakukan menggunaka lima model estimasi panel yang
meliputi model Pooled Least Square (PLS), F ixed Effect (F E), serta Random Effect
(RE). Model tersebut dapat dilihat dalam persamaan berikut:
3
Model Pooled L east Square (PL S)
IPMit = α + β1 Lama Sekolahit + β2 A ngka Harapan Hidupit + β3 Penduduk Miskinit
+ β4 Fasilitas K esehatanit + β5 K abupaten/K otait + e
Model F ixed E ffect (F E )
IPMit = β1qit + β2 L ama Sekolahit + β3 A ngka Harapan Hidupit + β4 Penduduk
Miskinit + β5 Fasilitas K esehatanit + β6 K abupaten/K otait + eit
Model Random E ffect (RE )
IPMit = β1 + β2 L ama Sekolahit + β3 A ngka Harapan Hidupit + β4 Penduduk
Miskinit + β5 Fasilitas K esehatanit + β6 K abupaten/K otait + wit
Dalam model di atas y adalah variable terkait, x variable bebas, α koefisien
konstan, β koevisien variable, dan e adalah error term. Subscript I menunjukkan
unit cross section sedangkan t mengacu pada waktu (Rasyid, 2016).
3.3.Pengujian
Dalam penelitian ini software yang digunakan adalah Stata 13. Probabilitas
pada penelitan ini menggunakan probabilitas 0,05 atau 5%. A dapun langkah
analisis yang digunakan dalam penelitian ini adalah:
Y ang pertama adalah pengujian model estimasi dilakukan pada empat jenis
yaitu uji statistika deskriptif, uji estimator regresi serta pemilihan model terbaik,
dan uji asumsi klasik. Dalam uji statistika diskriptif memuat informasi mengenai
data yang digunakan secara umum. A dapun informasi yng dijabarkan memuat
nama variable, jumlah observer, rata-rata, standar deviasi, batas maksimal dan batas
minimal data yang digunakan.
Uji estimator regresi memuat lima model yaitu, Pooled Least Square (PLS)
dengan dummy tahun, PL S dengan dummy tahun 2013, PLS dengan dummy tahun
2014, Time F ixed Effect Model, dan RandomEffect Model. A dapun tahap pengujian
yang pertama, dilakukan uji endogenitas peneliti mempertimbangkan penggunaan
estimator model yang cocok antara PL S, time fixed effect, atau random effect.
Pemilihan model terbaik ini hanya akan memilih antara Time F ixed Effect Model
dengan Random Effect Model saja yang akan dilakukan melalui uji hausman.
4
A dapun, uji asumsi klasik dengan menggunakan uji normalitas, uji
heterokedastisitas, uji multikoliniearitas, serta uji autokolineritas. A sumsi
normalitas hanya berhubungan dengan unsur gangguan atau residual. Untuk
menguji data yang digunakan seberapa “mendekati” normal menggunakan uji
Skewness K urtosis. Uji Heterokedastisitas adalah pengujian yang digunakan untuk
mengetahui adanya ketidaksamaan varians dari residu satu ke semua pengamatan
pada model regresi, untuk uji ini akan menggunakan pengujian uji residual
diagnotis menggunakan (xttest3). Uji Multikolinieritas adalah pengujian yang
digunakan untuk menguji korelasi yang terjadi pada beberapa atau semua antar
variable independen, pada uji asumsi klasik ini akan digunakan pengujian uji
Variance Inflation F actor (VIF ), uncentered. Dan yang terakhir adalah uji
A utokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi
antara kesalahan pengganggu pada periode t-1, pada pengujian ini akan dilakukan
uji F ixed and random effects linear models with an AR(1) disturbance.
4. Pembahasan
4.1.Deskripsi Data
Penelitian ini
menggunakan data IPM
dan faktor-faktor
yang
memengaruhinya yaitu rata-rata lama sekolah, angka harapan hidup, jumlah
penduduk miskin, jumlah fasilitas kesehatan dan jenis wilayah yaitu kabupaten atau
kota yang diambil dari tiga provinsi di pulau jawa yaitu J awa Tengah, J awa T imur,
dan Daerah Istimewa Y ogyakarta pada periode 2013/2014. Deskripsi data yang
digunakan dapat dilihat pada table 1.
T abel
1.
Deskripsi
Data
IPM
dan
F aktor-F aktor
yang
Mempengaruhinya
J umlah
St.
Deviasi Minimal Maksimal
K eterangan
Sampel
Mean
IPM (Persen)
156
71.47
5.42
56.44
85
Rata-rata L ama Sekolah (Tahun)
156
10.18
2.72
4.39
16.32
A ngka Harapan Hidup (Tahun)
156
71.54
3.8
61
77.45
Penduduk Miskin (Ribu jiwa)
156
129.74
70.95
7
355.1
5
Fasilitas K esehatan (Unit)
156
98.61
39.99
13
220
K abupaten/K ota, 1=K ota
156
0.19
0.39
0
1
Dummy Tahun
156
0.49
0.5
0
1
Dari data di atas dapat kita ketahui bahwa jumlah dari masing-masing
variable adalah 156 sampel yang menunjukkan bahwa dalam penelitian ini
menggunakan sampel besar. Data sampel pada variable IPM dengan nilai rata-rata
71,47 persen dengan nilai minimal sebesar 56,44 persen dan maksimal 85 persen
serta standar deviasi 5,42. Sedangkan untuk variable rata-rata lama sekolah dengan
nilai rata-rata 10,18 tahun dan nilai minimal 4,39 tahun serta maksimal 16,32 tahun
sedangkan untuk standar deviasinya adalah 2,72. K emudian variable angka harapan
hidup memiliki nilai rata-rata 71,54 tahun dan nilai minimal dan maksimal secara
berturut-turut adalah 61 tahun dan 77,45 tahun sedangkan standar deviasinya
adalah 3,8.
V ariable selanjutnya adalah jumlah penduduk miskin yang memiliki ratarata 129,74 ribu jiwa dan jumlah minimal dan maksimalnya adalah 7 ribu jiwa dan
355,1 ribu jiwa serta standar deviasinya 72,95. K emudian ada variable jumlah
fasilitas kesehatan yang terdiri dari jumlah rumah sakit dan puskesmas yang ada di
dalam daerah itu dengan rata-rata jumlah faslitas 98,61 unit dan jumlah maksimal
dan minimalnya adalah 220 unit dan 13 unit serta dengan standar deviasi 39,99.
Dan yang terakhir adalah variable jenis wilayah yang dibedakan menjadi wilayah
kabupaten atau wilayah kota, dan ini adalah satu-satunya variable dummy yang
digunakan dalam penelitian ini, yaitu dengan nilai 1 untuk wilayah kota dan 0 untuk
wilayah kabupaten.
Semua data tersebut merupakan data gabungan antara tahun 2013 dan 2014.
4.2.T abel Hasil R egressi
Tinggi rendahnya indikator yang mempengaruhi IPM tentu dapat dijadikan
acuan dalam usaha untuk meningkatkan kualitas manusia Indonesia dengan
parameter IPM tersebut. Dalam penggunaan data panel, perlu dilakukan pengujian
beberapa metode untuk mendapatkan suatu model yang terbaik. A dapun pilihan
pengujian tersebut memuat lima jenis metode yaitu Pooled Least Square (PLS)
6
dengan dummy tahun, PL S dengan dummy tahun 2013, PLS dengan dummy tahun
2014, Time F ixed Effect Model, dan Random Effect Model.
Dari hasil estimasi regresi yang telah dilakukan sebanyak lima kali telah
dihasilkan F-stat dan R-square secara berturut-turut adalah 19267,73 dengan
probabilitas 0,0000 dan 0,99 untuk model Pooled Least Square (PLS), 11.000,86
dengan probabilitas 0,0000 dan 0,99 untuk model PLS dengan dummy tahun 2013,
11141,61 dengan probabilitas 0,0000 dan 0,99 untuk model PLS dengan dummy
tahun 2014.
Sedangkan untuk hasil estimasi regressi menggunkan Time F ixed Effect
Model dihasilkan nilai F-stat 123,7 dengan probabilitas 0,000 serta untuk uji
regressi menggunakan Random Effect Model dihasilkan nilai F-stat 169,24 dengan
probabilitas 0,000. Selanjutnya untuk uji parsial atau t-test dan probanilitasnya
dapat dilihat pada table 2.
T abel 2. Hasil T -test dan Signifikansinya
LS
A HH
PM
FK
KK
(1)
(2)
(3)
(4)
(5)
PLS
d2013
d2014
Fixed Effect
Random Effect
0.838***
0.901***
0.849***
0.838***
0.523***
(7.23)
(5.52)
(4.84)
(7.23)
(5.13)
0.620***
0.627***
0.544***
0.620***
0.366***
(7.11)
(5.52)
(3.71)
(7.11)
(6.10)
-0.00152
0.00353
-0.00853
-0.00152
-0.000585
(-0.39)
(0.69)
(-1.32)
(-0.39)
(-0.74)
0.00719
0.00616
0.0124
0.00719
-0.0142
(1.08)
(0.68)
(1.18)
(1.08)
(-1.78)
3.953***
4.239***
3.753***
3.953***
3.501***
(6.01)
(4.43)
(4.07)
(6.01)
(3.29)
7
d2013
d2014
17.37**
15.64*
(3.13)
(2.17)
17.29**
23.03*
0.104*
(3.10)
(2.46)
(2.13)
_cons
N
156
78
17.33**
40.72***
(3.11)
(9.72)
156
156
78
t statistics in parentheses
*
p < 0.05, ** p < 0.01, *** p < 0.001
Setelah melakukan uji estimasi dengan hasil di atas, selanjutnya yang akan
dilakukan adalah pemilihan model terbaik antara Time F ixed Effect Model dengan
Random Effect Model yang akan dilakukan melalui uji hausman.
Uji Hausman
Hasil uji hausman menunjukkan bahwa nilai chi-square dari pengujian 97,20.
Sedangkan untuk probabilitasnya adalah 0,000. K arena 0,000 < 0,05 maka hipotesis
awal metode signifikan menggunakan Time F ixed Effect diterima. Model Time F ixed
effect lebih baik dibaningkan model Random Effect.
4.4.Intepretasi Hasil R egressi
K arena model terbaik dalam penelitian ini adalah Time F ixed Effect Model, maka
intepretasi model yang akan dilakukan hanya pada model tersebut yang juga akan kami
uji dengan uji asumsi klasik yang sesuai.
4.4.1.
Intepretasi Time F ixed E ffect Model
IPMit = 17,33it + 0,84 Lama Sekolahit + 0,62 Angka Harapan Hidupit –
0,001 Penduduk Miskinit + 0,007 F asilitas Kesehatanit + 3,95
Kabupaten/Kotait + eit
Hasil estimasi tersebut menghasilkan nilai F-stat 123,7 dengan
probabilitasnya sebesar 0,000. K arena 0,000>0,01>0,05>0,1 maka dapat
disimpulkan bahwa secara serentak hasil estimasi ini signifikan dalam
8
semua tingkat. K emudian untuk intepretasi parsialnya dapat dijelaskan
sebagai berikut.
Dalam persamaan ini nilai intercept yang dihasilkan adalah 17,33
yang berarti jika semua nilai koefisien dalam variable ini 0 maka nilai IPM
hanya sebesar 17,31. V ariable lama sekolah memiliki koefisien sebesar 0,84
dengan probabilitas 0,000, yang berarti secara signifkan bahwa jika lama
sekolah meningkat satu tahun maka IPM akan meningkat sebesar 0,84
persen. Selanjutnya variable A ngka Harapan Hidup yang memiliki nilai
koefisien 0,62 dengan probabilitas 0,000 yang berarti jika A ngka Harapan
Hidup meningkat satu tahun maka IPM akan meningkat sebesar 0,62 persen
secara signifikan.
Selanjutnya adalah variable penduduk miskin yang memiliki nilai
koefisien sebesar -0,001 dengan probabilitas 0,694 yang berarti jika
penduduk miskin naik satu juta jiwa maka IPM akan turun sebesar 0,001
persen secara tidak signifikan. V ariabel fasilitas kesehatan memiliki nilai
koefisien sebesar 0,007 dengan probabilitas 0,282 yang berarti bahwa jika
fasilitas kesehatan meningkat satu unit maka IPM akan meningkat sebesar
0,007 secara tidak signifikan. Dan yang terakhir adalah variable dummy
K abupaten/K ota dengan K abupaten sebagai acuan yang memiliki nilai
koefisien sebesar 3,95 dengan probabilitas 0,000 yang berarti bahwa jika ia
adalah daerah kota maka memiliki nilai IPM sebesar 3,95 persen lebih
tinggi secara signifikan dari pada daerah K abupaten.
Dalam estimasi ini dapat disimpulkan bahwa secara serentak
berpengaruh secara signifikan sedangkan secara parsial yang berpengaruh
signifikan adalah variable lama sekolah, angka harapan hidup dan
K abupaten/K ota.
4.4.2.
Uji A sumsi K lasik
4.4.2.1.
Uji Normalitas
Untuk menguji data yang digunakan seberapa “mendekati”
normal menggunakan uji Skewness K urtosis dengan parameter
terjadi masalah normalitas jika nilai probabilitas chi-squared <
9
A lpha (0,05). Dalam pengujian ini diperoleh hasil nilai
probabilitas variable IPM, lama sekolah, angka harapan hidup,
jumlah
penduduk
miskin,
fasilitas
kesehatan,
dan
K abupaten/K ota secara berturut-turut adalah 0,06, 0,00, 0,003,
0,06,0,55, dan 0,00. Dengan demikian dapat disimpulkan bahwa
variable yang terdistribusi normal adalah variable lama sekolah,
angka harapan hidup, dan K abupaten/K ota.
4.4.2.2.
Uji Heteroskedastisitas
Dalam pengujian ini akan menggunakan pengujian uji
residual diagnotis menggunakan (xttest3) dengan parameter
erjadi masalah heteroskedastisitas jika nilai probabilitas chisquared < A lpha (0,05). Dalam pengujian ini diperoleh hasil chisquared sebesar 0,00 dengan probabilitasnya 0,999. K arena 0,99
>
0,05,
maka dapat
disimpulkan model
ini
terkena
heteroskedastisitas.
4.4.2.3.
Uji Multikolinearitas
Pada uji asumsi klasik ini akan digunakan pengujian uji
Variance Inflation F actor (VIF ), uncentered dengan parameter
terjadi multikolinearitas jika nilai Mean V IF > 10. Dalam
pengujian ini diperoleh hasil nilai V IF variable IPM, lama
sekolah, angka harapan hidup, jumlah penduduk miskin, fasilitas
kesehatan, dan K abupaten/K ota secara berturut-turut adalah
33,67, 21,4, 13,15, 6,87, 2,1. Dari hasil tersebut dapat
disimpulkan
bahwa
pada
model
ini
yang
lolos
uji
multikolinearitas adalah variable jumlah penduduk miskin dan
K abupaten/K ota.
4.4.2.4.
Uji A utokolinearitas
Pada pengujian ini akan dilakukan uji F ixed and random
effects linear models with an AR(1) disturbance dengan
parameter terjadi
masalah heteroskedastisitas jika nilai
probabilitas chi-squared < A lpha (0,05). Pada Dalam pengujian
10
ini diperoleh hasil nilai probabilitas variable IPM, lama sekolah,
angka harapan hidup, jumlah penduduk miskin, fasilitas
kesehatan, dan K abupaten/K ota secara berturut-turut adalah 0,00,
0,00, 0,55, 0,69, 0,00 dengan koefisien autokorelasi sebesar 2,22. Dengan demikian dapat disimpulkan bahwa variable lama
sekolah,
angka harapan hidup,
fasilitas kesehatan dan
K abupaten/K ota lolos uji autokorelasi.
5. Penutup
5.1.K esimpulan
Beradasarkan hasil penelitian ini dapat disimpulkan bahwa model terbaik
yang dapat digunakan untuk mengestimasi pengaruh lama sekolah, angka harapan
hidup, jumlah penduduk miskin, fasilitas kesehatan, dan K abupaten/K ota di J awa
Tengah, J awa T imur, dan Daerah Istimewa Y ogyakarta pada periode 2013 dan
2014 yang merupakan data panel adalah model estimasi Time F ixed Effect dengan
dummy tahun 2014 sebagai variable acuan.
Dalam model tersebut mengahasilkan bahwa secara serentak estimasi dalam
model ini berpengaruh signifikan sedangkan secara parsial variable lama sekolah,
angka harapan hidup, dan K abupaten/K ota berpengaruh secara signifikan.
5.2.Saran
A dapun saran yang dapat penulis berikan kepada pemerintah adalah untuk
dapat mempertimbangkan variable-variabel dalam penelitian ini, khususnya yang
dapat perpengaruh positif secara signifikan. A dapun bagi peneliti berikutnya
supaya dapat menambah variable-variabel terkait yang lainnya supaya hasilnya
dapat lebih realibel.
11
Daftar Pustaka
Masruroh, Marwah dan Retno Subekti. 2016. A plikasi Regresi Partial L east Square untuk A nalisis
Hubungan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia di K ota Y ogyakarta.
J urnal Media Statiska V ol. 9, No. 2, 2477-0647.
Melliana, A yunanda dan Ismaini Zain. 2013. A nnalisis Statistika Faktor yang Mempengaruhi
Indeks Pembangunan Manusia di K abupaten/K ota Provinsi J awa T imur dengan Regresi Panel.
J urnal Sains dan Seni Pomits V ol. 2, No. 2, 2337-3520.
Pradita, Rahma Nurfiani, et. al. 2015. Pemodelan Faktor-Faktor yang Mempengaruhi Indeks
Pembangunan Manusia K abupaten/K ota di J awa Timur Menggunakan Geographically Weighted
Ordinal L ogistic Regressio. J urnal Gaussia V ol. 4, No. 3, 2339-2541.
Rasyid, Mohtar. 2016. Pengantar Mikro Ekonometrika Dengan Aplikasi Porgram Stata.
Y ogyakarta: TREND.
Publikasi BPS
12
L A MPIR A N
E stimasi Pooled L east Square
E stimasi Pooled L east Square dummy 2013
13
E stimasi Pooled L east Square dummy 2014
E stimasi T ime F ixed E ffect
14
E stimasi R andom E ffect
Uji Hausman
15
Uji Normalitas
Uji Heteroskedastisitas
Uji Multikolinearitas
16
Uji A utokolinearitas
17
Penduduk Miskin, J umlah F asilitas K esehatan, dan K abupaten/K ota
terhadap Indeks Pembangunan Manusia di J awa T engah, DIY , dan J awa
T imur pada T ahun 2013 dan T ahun 2014
Oleh:
Ilham Ibnu A ffan
15810092
A bstrak
Pada penelitian ini penulis akan meneliti data panel mengenai lama sekolah, angka harapan
hidup, jumlah penduduk miskin, jumlah fasilitas kesehatan dan K abupaten/K ota serta
pengaruhnya terhadap Indeks Pembangunan Manusia di Provinsi J awa Tengah, J awa Timur, dan
Daerah Istimewa Y ogyakarta pada periode 2013 dan 2014. Penelitian ini menggunakan tiga
metode dengan lima model yaitu Estimasi yang akan dilakukan menggunaka lima model estimasi
panel yang meliputi model Pooled Least Square (PLS), F ixed Effect (F E), serta Random Effect
(RE). Dan pada uji hausman diperoleh bahwa model terbaik dalam penelitian ini adalah pada
F ixed Effect Model yang secara serentak berpengaruh signifikan sedangkan secara parsial
variable lama sekolah, angka harapan hidup, dan K abupaten/K ota berpengaruh secara signifikan.
K ata K unci: F ixed E ffect Model, Random E ffect Model, Uji Hausman.
1. Pendahuluan
Pembangunan merupakan suatu upaya yang dilakukan oleh pemerintah untuk
mewujudkan masyarakat yang makmur dan sejahtera. Salah satu indikator yang dapat
digunakan untuk mengukur hasil pembangunan adalah Indeks Pembangunan Manusia
(IPM). IPM merupakan indeks komposit yang dihitung dari indeks harapan hidup, indeks
pendidikan, dan indeks standar hidup layak. K arena dalam perhitungan indeks harapan
hidup, indeks pendidikan, dan indeks standar hidup layak melibatkan komponen ekonomi
maupun non ekonomi seperti kualitas pendidikan, kesehatan, dan kependudukan, maka
IPM dianggap telah relevan untuk dijadikan tolak ukur dalam menentukan keberhasilan
1
pembangunan. Sejauh mana variabel ekonomi maupun non ekonomi tersebut dapat
menunjang IPM menjadi fokus pada penelitian ini.
Menurut BPS (2013) Indeks Pembangunan Manusia (IPM) merupakan suatu
ukuran yang digunakan untuk mengukur pencapaian pembangunan manusia di suatu
wilayah. Meskipun tidak mengukur semua dimensi dari pembangunan manusia, namun
IPM dinilai mampu mengukur dimensi pokok dari pembangunan manusia. Sebagai ukuran
kualitas hidup, IPM dibangun melalui pendekatan tiga dimensi dasar. Dimensi tersebut
mencakup umur panjang dan sehat, pengetahuan, dan kehidupan yang layak.
Indeks Pembangunan Manusia pada beberapa provinsi di pulau jawa yaitu J awa
Tengah, J awa T imur dan Daerah Istimewa Y ogyakarta pada tahun 2014 secara berturutturut adalah 68,78 persen, 68,14 persen, dan 76,81 persen (BPS, 2015). K etiga provinsi ini
merupakan provinsi yang berada di bagian tengah dan timur pulau J awa yang memiliki
tingkat Indeks Pembagunan Manusia yang relative beragam untuk tiap kota dan
kabupatennya. Namun jika dilihat lebih lanjut terlihat bahwa Indeks Pembangunan
Manusia pada daerah perkotaan relatife lebih tinggi dari daerah kabupaten dalam kawasan
sekitarnya.
Dari uraian di atas maka penulis tertarik untuk meneliti pengaruh angka harapan
hidup yang mewakili dimensi kesehatan, rata-rata lama sekolah yang mewakili dimensi
pendidikan dan jumlah sarana kesehatan yang mewakili dimensi kehidupan layak dan
beberapa variable terkait seperti jumlah fasilitas kesehatan dan jenis wilayah kabupaten
atau kota terhadap Indeks Pembangunan Manusia di provinsi J awa T engah, J awa Timur
dan Daerah Istimewa Y ogyakarta.
2. T injauan Pustaka
Menurut Masruroh (2016) bahwa dengan metode PLS (Partial L east Square)
keempat faktor yaitu A HH (A ngka Harapan Hidup), A MH (A ngka Melek Huruf), MY S
(Rata-rata L ama Sekolah), dan PPP (Indeks Daya Beli) berpengaruh positif terhadap
Indeks Pembangunan Manusia. Dan menurut Melliana (2013) bahwa terdapat tujuh
variabel yang berpengaruh signifikan terhadap IPM antara lain variabel rasio siswa
terhadap guru, angka partisipasi SMP/MTs, jumlah sarana kesehatan, persentase rumah
tangga dengan akases air bersih, kepadatan penduduk, tingkat partisipasi angkatan kerja
dan PDRB perkapita. Sedangkan menurut Pradita (2015) bahwa faktor-faktor yang
2
mempengaruhi Indeks Pembangunan Manusia kabupaten/kota di J awa T imur berdasarkan
model GWOLR (Geographically Weighted Ordinal Logistic Regression) pada umumnya
adalah persentase penduduk yang tamat SMP/sederajat, banyaknya sarana kesehatan dan
kepadatan penduduk.
Dengan hasil penelitian di atas maka penulis tertarik untuk meneliti tentang
Pengaruh L ama Sekolah, A ngka Harapan Hidup, J umlah Penduduk Miskin, J umlah
Fasilitas K esehatan, dan K abupaten/K ota terhadap Indeks Pembangunan Manusia dan
dalam penelitian ini penulis akan membahasnya dalam dua periode yaitu tahun 2013 dan
2014 di K abupaten dan/atau K ota di Provinsi J awa Tengah, J awa Timur, dan Dearah
Istimewa Y ogyakarta.
3. Metodologi
3.1.Sumber Data dan V ariabel Penelitian
Penelitian ini akan membahas faktor-faktor yang mempengaruhi IPM di
J awa Tengah, J awa Timur dan Daerah Istimewa Y ogyakarta. Data yang digunakan
dalam penelitian ini adalah data hasil Survei Sosial Ekonomi Nasional (SUSENA S)
oleh Badan Pusat Statistik (BPS). V ariabel yang digunakan pada penelitian ini
sebanyak 6 variabel. V ariabel tersebut terbagi atas satu variabel respon dan empat
variabel prediktor. V ariabel yang berperan sebagai variabel respon (Y ) adalah
Indeks Pembangunan Manusia (IPM), sedangkan variabel prediktor yang dipakai
penelitian ini meliputi:
1.
L ama Sekolah sebagai X 1
2.
A ngka Harapan Hidup sebagai X 2
3.
J umlah Penduduk Miskin sebagai X 3
4.
J umlah Fasilitas K esehatan sebagai X 4
5.
K abupaten atau K ota sebagai X 5
Sedangkan ada lagi variable dummy tahun 2013 dan tahun 2014 dengan
tahun 2013 sebagai tahun dasar.
3.2.Model E stimasi
Estimasi yang akan dilakukan menggunaka lima model estimasi panel yang
meliputi model Pooled Least Square (PLS), F ixed Effect (F E), serta Random Effect
(RE). Model tersebut dapat dilihat dalam persamaan berikut:
3
Model Pooled L east Square (PL S)
IPMit = α + β1 Lama Sekolahit + β2 A ngka Harapan Hidupit + β3 Penduduk Miskinit
+ β4 Fasilitas K esehatanit + β5 K abupaten/K otait + e
Model F ixed E ffect (F E )
IPMit = β1qit + β2 L ama Sekolahit + β3 A ngka Harapan Hidupit + β4 Penduduk
Miskinit + β5 Fasilitas K esehatanit + β6 K abupaten/K otait + eit
Model Random E ffect (RE )
IPMit = β1 + β2 L ama Sekolahit + β3 A ngka Harapan Hidupit + β4 Penduduk
Miskinit + β5 Fasilitas K esehatanit + β6 K abupaten/K otait + wit
Dalam model di atas y adalah variable terkait, x variable bebas, α koefisien
konstan, β koevisien variable, dan e adalah error term. Subscript I menunjukkan
unit cross section sedangkan t mengacu pada waktu (Rasyid, 2016).
3.3.Pengujian
Dalam penelitian ini software yang digunakan adalah Stata 13. Probabilitas
pada penelitan ini menggunakan probabilitas 0,05 atau 5%. A dapun langkah
analisis yang digunakan dalam penelitian ini adalah:
Y ang pertama adalah pengujian model estimasi dilakukan pada empat jenis
yaitu uji statistika deskriptif, uji estimator regresi serta pemilihan model terbaik,
dan uji asumsi klasik. Dalam uji statistika diskriptif memuat informasi mengenai
data yang digunakan secara umum. A dapun informasi yng dijabarkan memuat
nama variable, jumlah observer, rata-rata, standar deviasi, batas maksimal dan batas
minimal data yang digunakan.
Uji estimator regresi memuat lima model yaitu, Pooled Least Square (PLS)
dengan dummy tahun, PL S dengan dummy tahun 2013, PLS dengan dummy tahun
2014, Time F ixed Effect Model, dan RandomEffect Model. A dapun tahap pengujian
yang pertama, dilakukan uji endogenitas peneliti mempertimbangkan penggunaan
estimator model yang cocok antara PL S, time fixed effect, atau random effect.
Pemilihan model terbaik ini hanya akan memilih antara Time F ixed Effect Model
dengan Random Effect Model saja yang akan dilakukan melalui uji hausman.
4
A dapun, uji asumsi klasik dengan menggunakan uji normalitas, uji
heterokedastisitas, uji multikoliniearitas, serta uji autokolineritas. A sumsi
normalitas hanya berhubungan dengan unsur gangguan atau residual. Untuk
menguji data yang digunakan seberapa “mendekati” normal menggunakan uji
Skewness K urtosis. Uji Heterokedastisitas adalah pengujian yang digunakan untuk
mengetahui adanya ketidaksamaan varians dari residu satu ke semua pengamatan
pada model regresi, untuk uji ini akan menggunakan pengujian uji residual
diagnotis menggunakan (xttest3). Uji Multikolinieritas adalah pengujian yang
digunakan untuk menguji korelasi yang terjadi pada beberapa atau semua antar
variable independen, pada uji asumsi klasik ini akan digunakan pengujian uji
Variance Inflation F actor (VIF ), uncentered. Dan yang terakhir adalah uji
A utokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi
antara kesalahan pengganggu pada periode t-1, pada pengujian ini akan dilakukan
uji F ixed and random effects linear models with an AR(1) disturbance.
4. Pembahasan
4.1.Deskripsi Data
Penelitian ini
menggunakan data IPM
dan faktor-faktor
yang
memengaruhinya yaitu rata-rata lama sekolah, angka harapan hidup, jumlah
penduduk miskin, jumlah fasilitas kesehatan dan jenis wilayah yaitu kabupaten atau
kota yang diambil dari tiga provinsi di pulau jawa yaitu J awa Tengah, J awa T imur,
dan Daerah Istimewa Y ogyakarta pada periode 2013/2014. Deskripsi data yang
digunakan dapat dilihat pada table 1.
T abel
1.
Deskripsi
Data
IPM
dan
F aktor-F aktor
yang
Mempengaruhinya
J umlah
St.
Deviasi Minimal Maksimal
K eterangan
Sampel
Mean
IPM (Persen)
156
71.47
5.42
56.44
85
Rata-rata L ama Sekolah (Tahun)
156
10.18
2.72
4.39
16.32
A ngka Harapan Hidup (Tahun)
156
71.54
3.8
61
77.45
Penduduk Miskin (Ribu jiwa)
156
129.74
70.95
7
355.1
5
Fasilitas K esehatan (Unit)
156
98.61
39.99
13
220
K abupaten/K ota, 1=K ota
156
0.19
0.39
0
1
Dummy Tahun
156
0.49
0.5
0
1
Dari data di atas dapat kita ketahui bahwa jumlah dari masing-masing
variable adalah 156 sampel yang menunjukkan bahwa dalam penelitian ini
menggunakan sampel besar. Data sampel pada variable IPM dengan nilai rata-rata
71,47 persen dengan nilai minimal sebesar 56,44 persen dan maksimal 85 persen
serta standar deviasi 5,42. Sedangkan untuk variable rata-rata lama sekolah dengan
nilai rata-rata 10,18 tahun dan nilai minimal 4,39 tahun serta maksimal 16,32 tahun
sedangkan untuk standar deviasinya adalah 2,72. K emudian variable angka harapan
hidup memiliki nilai rata-rata 71,54 tahun dan nilai minimal dan maksimal secara
berturut-turut adalah 61 tahun dan 77,45 tahun sedangkan standar deviasinya
adalah 3,8.
V ariable selanjutnya adalah jumlah penduduk miskin yang memiliki ratarata 129,74 ribu jiwa dan jumlah minimal dan maksimalnya adalah 7 ribu jiwa dan
355,1 ribu jiwa serta standar deviasinya 72,95. K emudian ada variable jumlah
fasilitas kesehatan yang terdiri dari jumlah rumah sakit dan puskesmas yang ada di
dalam daerah itu dengan rata-rata jumlah faslitas 98,61 unit dan jumlah maksimal
dan minimalnya adalah 220 unit dan 13 unit serta dengan standar deviasi 39,99.
Dan yang terakhir adalah variable jenis wilayah yang dibedakan menjadi wilayah
kabupaten atau wilayah kota, dan ini adalah satu-satunya variable dummy yang
digunakan dalam penelitian ini, yaitu dengan nilai 1 untuk wilayah kota dan 0 untuk
wilayah kabupaten.
Semua data tersebut merupakan data gabungan antara tahun 2013 dan 2014.
4.2.T abel Hasil R egressi
Tinggi rendahnya indikator yang mempengaruhi IPM tentu dapat dijadikan
acuan dalam usaha untuk meningkatkan kualitas manusia Indonesia dengan
parameter IPM tersebut. Dalam penggunaan data panel, perlu dilakukan pengujian
beberapa metode untuk mendapatkan suatu model yang terbaik. A dapun pilihan
pengujian tersebut memuat lima jenis metode yaitu Pooled Least Square (PLS)
6
dengan dummy tahun, PL S dengan dummy tahun 2013, PLS dengan dummy tahun
2014, Time F ixed Effect Model, dan Random Effect Model.
Dari hasil estimasi regresi yang telah dilakukan sebanyak lima kali telah
dihasilkan F-stat dan R-square secara berturut-turut adalah 19267,73 dengan
probabilitas 0,0000 dan 0,99 untuk model Pooled Least Square (PLS), 11.000,86
dengan probabilitas 0,0000 dan 0,99 untuk model PLS dengan dummy tahun 2013,
11141,61 dengan probabilitas 0,0000 dan 0,99 untuk model PLS dengan dummy
tahun 2014.
Sedangkan untuk hasil estimasi regressi menggunkan Time F ixed Effect
Model dihasilkan nilai F-stat 123,7 dengan probabilitas 0,000 serta untuk uji
regressi menggunakan Random Effect Model dihasilkan nilai F-stat 169,24 dengan
probabilitas 0,000. Selanjutnya untuk uji parsial atau t-test dan probanilitasnya
dapat dilihat pada table 2.
T abel 2. Hasil T -test dan Signifikansinya
LS
A HH
PM
FK
KK
(1)
(2)
(3)
(4)
(5)
PLS
d2013
d2014
Fixed Effect
Random Effect
0.838***
0.901***
0.849***
0.838***
0.523***
(7.23)
(5.52)
(4.84)
(7.23)
(5.13)
0.620***
0.627***
0.544***
0.620***
0.366***
(7.11)
(5.52)
(3.71)
(7.11)
(6.10)
-0.00152
0.00353
-0.00853
-0.00152
-0.000585
(-0.39)
(0.69)
(-1.32)
(-0.39)
(-0.74)
0.00719
0.00616
0.0124
0.00719
-0.0142
(1.08)
(0.68)
(1.18)
(1.08)
(-1.78)
3.953***
4.239***
3.753***
3.953***
3.501***
(6.01)
(4.43)
(4.07)
(6.01)
(3.29)
7
d2013
d2014
17.37**
15.64*
(3.13)
(2.17)
17.29**
23.03*
0.104*
(3.10)
(2.46)
(2.13)
_cons
N
156
78
17.33**
40.72***
(3.11)
(9.72)
156
156
78
t statistics in parentheses
*
p < 0.05, ** p < 0.01, *** p < 0.001
Setelah melakukan uji estimasi dengan hasil di atas, selanjutnya yang akan
dilakukan adalah pemilihan model terbaik antara Time F ixed Effect Model dengan
Random Effect Model yang akan dilakukan melalui uji hausman.
Uji Hausman
Hasil uji hausman menunjukkan bahwa nilai chi-square dari pengujian 97,20.
Sedangkan untuk probabilitasnya adalah 0,000. K arena 0,000 < 0,05 maka hipotesis
awal metode signifikan menggunakan Time F ixed Effect diterima. Model Time F ixed
effect lebih baik dibaningkan model Random Effect.
4.4.Intepretasi Hasil R egressi
K arena model terbaik dalam penelitian ini adalah Time F ixed Effect Model, maka
intepretasi model yang akan dilakukan hanya pada model tersebut yang juga akan kami
uji dengan uji asumsi klasik yang sesuai.
4.4.1.
Intepretasi Time F ixed E ffect Model
IPMit = 17,33it + 0,84 Lama Sekolahit + 0,62 Angka Harapan Hidupit –
0,001 Penduduk Miskinit + 0,007 F asilitas Kesehatanit + 3,95
Kabupaten/Kotait + eit
Hasil estimasi tersebut menghasilkan nilai F-stat 123,7 dengan
probabilitasnya sebesar 0,000. K arena 0,000>0,01>0,05>0,1 maka dapat
disimpulkan bahwa secara serentak hasil estimasi ini signifikan dalam
8
semua tingkat. K emudian untuk intepretasi parsialnya dapat dijelaskan
sebagai berikut.
Dalam persamaan ini nilai intercept yang dihasilkan adalah 17,33
yang berarti jika semua nilai koefisien dalam variable ini 0 maka nilai IPM
hanya sebesar 17,31. V ariable lama sekolah memiliki koefisien sebesar 0,84
dengan probabilitas 0,000, yang berarti secara signifkan bahwa jika lama
sekolah meningkat satu tahun maka IPM akan meningkat sebesar 0,84
persen. Selanjutnya variable A ngka Harapan Hidup yang memiliki nilai
koefisien 0,62 dengan probabilitas 0,000 yang berarti jika A ngka Harapan
Hidup meningkat satu tahun maka IPM akan meningkat sebesar 0,62 persen
secara signifikan.
Selanjutnya adalah variable penduduk miskin yang memiliki nilai
koefisien sebesar -0,001 dengan probabilitas 0,694 yang berarti jika
penduduk miskin naik satu juta jiwa maka IPM akan turun sebesar 0,001
persen secara tidak signifikan. V ariabel fasilitas kesehatan memiliki nilai
koefisien sebesar 0,007 dengan probabilitas 0,282 yang berarti bahwa jika
fasilitas kesehatan meningkat satu unit maka IPM akan meningkat sebesar
0,007 secara tidak signifikan. Dan yang terakhir adalah variable dummy
K abupaten/K ota dengan K abupaten sebagai acuan yang memiliki nilai
koefisien sebesar 3,95 dengan probabilitas 0,000 yang berarti bahwa jika ia
adalah daerah kota maka memiliki nilai IPM sebesar 3,95 persen lebih
tinggi secara signifikan dari pada daerah K abupaten.
Dalam estimasi ini dapat disimpulkan bahwa secara serentak
berpengaruh secara signifikan sedangkan secara parsial yang berpengaruh
signifikan adalah variable lama sekolah, angka harapan hidup dan
K abupaten/K ota.
4.4.2.
Uji A sumsi K lasik
4.4.2.1.
Uji Normalitas
Untuk menguji data yang digunakan seberapa “mendekati”
normal menggunakan uji Skewness K urtosis dengan parameter
terjadi masalah normalitas jika nilai probabilitas chi-squared <
9
A lpha (0,05). Dalam pengujian ini diperoleh hasil nilai
probabilitas variable IPM, lama sekolah, angka harapan hidup,
jumlah
penduduk
miskin,
fasilitas
kesehatan,
dan
K abupaten/K ota secara berturut-turut adalah 0,06, 0,00, 0,003,
0,06,0,55, dan 0,00. Dengan demikian dapat disimpulkan bahwa
variable yang terdistribusi normal adalah variable lama sekolah,
angka harapan hidup, dan K abupaten/K ota.
4.4.2.2.
Uji Heteroskedastisitas
Dalam pengujian ini akan menggunakan pengujian uji
residual diagnotis menggunakan (xttest3) dengan parameter
erjadi masalah heteroskedastisitas jika nilai probabilitas chisquared < A lpha (0,05). Dalam pengujian ini diperoleh hasil chisquared sebesar 0,00 dengan probabilitasnya 0,999. K arena 0,99
>
0,05,
maka dapat
disimpulkan model
ini
terkena
heteroskedastisitas.
4.4.2.3.
Uji Multikolinearitas
Pada uji asumsi klasik ini akan digunakan pengujian uji
Variance Inflation F actor (VIF ), uncentered dengan parameter
terjadi multikolinearitas jika nilai Mean V IF > 10. Dalam
pengujian ini diperoleh hasil nilai V IF variable IPM, lama
sekolah, angka harapan hidup, jumlah penduduk miskin, fasilitas
kesehatan, dan K abupaten/K ota secara berturut-turut adalah
33,67, 21,4, 13,15, 6,87, 2,1. Dari hasil tersebut dapat
disimpulkan
bahwa
pada
model
ini
yang
lolos
uji
multikolinearitas adalah variable jumlah penduduk miskin dan
K abupaten/K ota.
4.4.2.4.
Uji A utokolinearitas
Pada pengujian ini akan dilakukan uji F ixed and random
effects linear models with an AR(1) disturbance dengan
parameter terjadi
masalah heteroskedastisitas jika nilai
probabilitas chi-squared < A lpha (0,05). Pada Dalam pengujian
10
ini diperoleh hasil nilai probabilitas variable IPM, lama sekolah,
angka harapan hidup, jumlah penduduk miskin, fasilitas
kesehatan, dan K abupaten/K ota secara berturut-turut adalah 0,00,
0,00, 0,55, 0,69, 0,00 dengan koefisien autokorelasi sebesar 2,22. Dengan demikian dapat disimpulkan bahwa variable lama
sekolah,
angka harapan hidup,
fasilitas kesehatan dan
K abupaten/K ota lolos uji autokorelasi.
5. Penutup
5.1.K esimpulan
Beradasarkan hasil penelitian ini dapat disimpulkan bahwa model terbaik
yang dapat digunakan untuk mengestimasi pengaruh lama sekolah, angka harapan
hidup, jumlah penduduk miskin, fasilitas kesehatan, dan K abupaten/K ota di J awa
Tengah, J awa T imur, dan Daerah Istimewa Y ogyakarta pada periode 2013 dan
2014 yang merupakan data panel adalah model estimasi Time F ixed Effect dengan
dummy tahun 2014 sebagai variable acuan.
Dalam model tersebut mengahasilkan bahwa secara serentak estimasi dalam
model ini berpengaruh signifikan sedangkan secara parsial variable lama sekolah,
angka harapan hidup, dan K abupaten/K ota berpengaruh secara signifikan.
5.2.Saran
A dapun saran yang dapat penulis berikan kepada pemerintah adalah untuk
dapat mempertimbangkan variable-variabel dalam penelitian ini, khususnya yang
dapat perpengaruh positif secara signifikan. A dapun bagi peneliti berikutnya
supaya dapat menambah variable-variabel terkait yang lainnya supaya hasilnya
dapat lebih realibel.
11
Daftar Pustaka
Masruroh, Marwah dan Retno Subekti. 2016. A plikasi Regresi Partial L east Square untuk A nalisis
Hubungan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia di K ota Y ogyakarta.
J urnal Media Statiska V ol. 9, No. 2, 2477-0647.
Melliana, A yunanda dan Ismaini Zain. 2013. A nnalisis Statistika Faktor yang Mempengaruhi
Indeks Pembangunan Manusia di K abupaten/K ota Provinsi J awa T imur dengan Regresi Panel.
J urnal Sains dan Seni Pomits V ol. 2, No. 2, 2337-3520.
Pradita, Rahma Nurfiani, et. al. 2015. Pemodelan Faktor-Faktor yang Mempengaruhi Indeks
Pembangunan Manusia K abupaten/K ota di J awa Timur Menggunakan Geographically Weighted
Ordinal L ogistic Regressio. J urnal Gaussia V ol. 4, No. 3, 2339-2541.
Rasyid, Mohtar. 2016. Pengantar Mikro Ekonometrika Dengan Aplikasi Porgram Stata.
Y ogyakarta: TREND.
Publikasi BPS
12
L A MPIR A N
E stimasi Pooled L east Square
E stimasi Pooled L east Square dummy 2013
13
E stimasi Pooled L east Square dummy 2014
E stimasi T ime F ixed E ffect
14
E stimasi R andom E ffect
Uji Hausman
15
Uji Normalitas
Uji Heteroskedastisitas
Uji Multikolinearitas
16
Uji A utokolinearitas
17