BAB IV TINJAUAN UMUM
4.2 Gambaran Kesejahteraan rakyat Sumatera Utara
Secara umum, tingkat kesehatan penduduk suatu wilayah juga dapat dinilai dengan menilai angka harapan hidup. Angka ini sekaligus memperlihatkan keadaan dan sistem pelayanan kesehatan yang ada dalam suatu wilayah dan masyarakat, karena dapat dipandang sebagai suatu bentuk akhir dari hasil upaya peningkatan taraf kesehatan secara keseluruhan. Kebijakan kesadaran masyarakat dalam membiasakan diri untuk sehat, diperkirakan akan membantu memperpanjang angka harapan hidup. Tabel 4.4 menunjukkan persentase Angka Harapan Hidup di Sumatera Utara.
Tabel 4.4
Persentase Angka Harapan Hidup Tahun 2002-2005
Tahun Persentase
Angka Harapan Hidup
2002 67,1
2003 68
2004 68,2
2005 68,7
4.2.2. Angka Melek Huruf
Salah satu indikator yang dapat dijadikan ukuran kesejahteraan sosial yang merata adalah dengan melihat tinggi rendahnya persentase penduduk yang melek huruf. Tingkat melek huruf atau sebaliknya tingkat buta huruf dapat dijadikan ukuran kemajuan suatu bangsa. Adapun kemampuan membaca dan menulis yang dimiliki akan dapat mendorong penduduk untuk berperan lebih aktif dalam proses pembangunan. Tabel 4.5 menunjukkan persentase Angka Melek huruf di Sumatera Utara.
Tabel 4.5
Persentase Angka Melek Huruf Tahun 2002-2005
Tahun Persentase
Angka Melek Huruf
2002 95,9
2003 96,8
2004 96,6
2005 97
Sumber : Sumatera Utara Dalam Angka 2005
4.2.3. Rata-rata lama Bersekolah
Pendidikan di Sumatera Utara ditempuh melalui empat kebijakan pokok yaitu pemerataan untuk memperoleh kesempatan pendidikan, peningkatan mutu pendidikan, efisiensi memajukan pendidikan dan peningkatan relevansi pendidikan mulai dari anak usia dini sampai dengan orang tua usia lanjut. Tabel 4.6 menunjukkan persentase rata-rata lama bersekolah di Sumatera Utara.
Tabel 4.6
Rata-rata lama bersekolah Tahun 2002-2005 Tahun Rata-rata lama bersekolah
2002 8,4
2003 8,6
2004 8,4
2005 8,5
Sumber : Sumatera Utara Dalam Angka 2005
4.2.4 Angka Kematian Bayi
Salah satu akibat kematian adalah ketidak mampuan rumah tangga untuk memenuhi kebutuhan pangan dalam jumlah dan kualitas yang baik. Hal ini berakibat pada kekurangan giji anak dan wanita hamil. Implikasi dari masalah giji pada kedua kelompok sangat luas antara lain :
1. Tingginya relevansi berat bayi lahir rendah akibat tingginya prevalansi kurang energi kronik pada ibu hamil yang dapat mengakibatkan angka kematian bayi, gangguan pertumbuhan fisik dan mental anak, serta penurunan kecerdasan
2. kurangnya zat besi pada ibu hamil dapat meningkatkan resiko kematian bayi.
Tabel 4.7 menunjukkan persentase Angka Kematian Bayi di Sumatera Utara Tabel 4.7
Persentase Angka Kematian Bayi Tahun 2002-2005 Tahun Persentase Angka
Kematian Bayi
2002 39
2003 37
2004 36,7
2005 34,2
4.2.5 Pertumbuhan Penduduk
Sumatera Utara merupakan provinsi keempat terbesar jumlah penduduknya di Indonesia setelah Jawa Timur, Jawa Barat, dan Jawa Tengah. Menurut hasil pencachan lengkap Sensus Penduduk (SP) 1990 penduduk Sumatera Utara pada keadaan tanggal 31 oktobe 1990 berjumlah 10,26 juta jiwa. Berdasarkan hasil Pendaftaran di Pendataan Penduduk Berkelanjutan (P4B) jumlah penduduk Sumatera Utara pada tahun 2003 sebanyak 11,89 juta jiwa. Jumlah tersebut diproyeksikan menjadi 12,12 juta jiwa pada tahun 2004 dan terus meningkat menjadi 12,32 pada tahun 2005
4.3. Pembahasan dan Hasil
Dengan melihat hubungan antara variabel bebas yaitu Angka Harapan Hidup, Angka Melek Huruf, Rata-rata Lama Bersekolah, Angka Kematian Bayi, dan Pertumbuhan Penduduk terhadap variabel terikat yaitu Indeks Pembangunan Manusia (IPM) di Sumatera Utara.
Analisa pembahasan ini dimaksudkan untuk mengetahui korelasi antara kedua variabel yakni variabel terikat dan variabel bebas. Untuk membuktikan kebenaran hipotesis yang dibuat, penulis mengajukan bentuk penulisan matematik apakah Angka Harapan Hidup, Angkla Melek Huruf, Rata-rata Lama Bersekolah, Angka Kematian Bayi, dan Pertumbuhan penduduk dapat mempengaruhi Indeks Pembangunan Manusia di Sumatera Utara. Seberapa jauh tingkat pencapaian data yang tersedia dalam pencapaian kebenaran akan dijelaskan dalam perhitungan serta pengujian terhadapa masing-masing koefisien regresi yaitu uji-T, uji-F yang diperoleh dengan alat bantu komputer.
4.3.1. Analisa Hasil Estimasi Dengan Ordinary Least Square (OLS) sebagai berikut :
Untuk melihat seberapa besar pengaruh harapan hidup, melek huruf, rata-rata lama bersekolah, angka kematian bayi, dan pertumbuhan penduduk terhadap Indek Pembangunan Manusia di Sumatera Utara, maka dilakukan estimasi dengan metode Ordinary Least Square (OLS) untuk data panel menggunakan Program Eviews versi 4.1. Dari hasil estimasi tersebut diperoleh model persamaan pada tabel 4.8 sebagai berikut ;
Tabel 4.8. Hasil Estimasi OLS Untuk Data Panel
IPM =0,0041 + 0,5172 HH + 0,2518 MH + 1,2546 RLB +0,0020 AKB– 0,0011PP (12,0817)* (7,0638)* (9,3423)* (0,2398)*** (-0,1280)***
R2
Prob. = 0,0000 Sumber : Data yang diolah (lampiran 1 )
Catatan : Angka dalam kurung adalah nilai t-statistik * Signifikan pada α 1 % = 2,6413
**. Signifikan pada α 5 % = 1,9912 *** Signifikan pada α 10 % = 1,1653
= 0,9980 DW-Stat = 0,6356 F-Stat = 9482,694
Berdasarkan Tabel 4.8 di atas , hasil estimasi yang dilakukan menggunakan metode Ordinary Least Square (OLS) untuk Indeks Pembangunan Manusia (IPM) menunjukkan bahwa variabel harapan hidup (HH), melek huruf (MH), rata-rata lama bersekolah (RLB), angka kematian bayi (AKB), dan pertumbuhan penduduk (PP) memberikan pengaruh terhadap pertumbuhan Indeks
Pembangunan Manusia (IPM) di Sumatera Utara. Hal ini dapat dilihat dari nilai koefisien determinasi (R2
Berdasarkan hasil estimasi di atas, tanda positif dari koefisien variabel harapan hidup (HH) memberikan indikasi adanya pengaruh yang positif terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara selama periode 2002-2005 walaupun nilainya sebesar 0,5172. dengan kata lain, apabila harapan hidup
) sebesar 0,9980 yang berarti secara kesuluruhan variabel bebas dalam persamaan tersebut mampu menjelaskan variasi Indeks Pembangunan Manusia sebesar 0,99 persen selama kurun waktu 2000-2005, sedangkan sisanya dijelaskan oleh variabel lain yang tidak terdapat dalam persamaan.
Bila dianalisa secara simultan dari masing-masing variabel bebasnya, maka pengaruhnya terhadap variabel Indeks Pembangunan Manusia (IPM) memiliki pengaruh yang signifikan secara statistik pada tingkat kepercayaan 99 persen.
Namun jika dilakukan analisa secara parsial dari masing-masing variabel bebasnya menunjukkan hanya variabel harapan hidup (HH), melek huruf (MH), dan rata-rata lama bersekolah (RLB) memberikan pangaruh yanh signifikan terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara, sedangkan variabel angka kematian bayi (AKB) dan pertumbuhan penduduk (PP) tidak memberikan pengaruh yang berarti terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara. Dan berdasarkan hasil estimasi di atas, hanya variabel pertumbuhan penduduk (PP) yang menunjukkan tanda negatif dan ini tidak sesuai dengan hipotesis yang ada, sedangkan variabel yang lain menunjukkan tanda positif.
(HH) meningkat 1 persen, cateris paribus, maka akan meningkatkan Indeks Pembangunan Manusia (IPM) di Sumatera Utara sebesar 0,5172 persen dan hasil ini sesuai dengan hipotesis yang menyatakan bahwa harapan hidup (HH) memberikan pengaruh yang positif terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara. Koefisien regresi sebesar 0,5172 dengan nilai uji t sebesar 12,0817 menunjukkan bahawa variabel tersebut memberikan pengaruh yang signifikan secara statistik pada tingkat kepercayaan 99 persen.
Berdasarkan hasil estimasi di atas, untuk variabel melek huruf (MH) menunjukkan tanda koefisien regresi yang positif sebesar 0,2518 dengan uji t-statistik sebesar 7,0638. Ini memberi arti bahwa variabel melek huruf (MH) memberikan pengaruh yang cukup nyata (signifikan) secara statistik terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara untuk kurun waktu 2002-2005 pada tingkat kepercayaan 99 persen. Artinya apabila melek huruf (MH) meningkat sebesar 1 persen, cateris peribus, maka akan meningkatkan Indeks Pembangunan Manusia (IPM) di Sumatera Utara sebesar 0,2518 persen dan ini sesuai dengan hipotesis yang menyatakan bahwa melek huruf (MH) memberi dampak yang positif terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara.
Berdasarkan hasil estimasi di atas, untuk variabel rata-rata lama bersekolah (RLB) menunjukkan tanda koefisien regresi yang positif sebesar 1,2546 dengan uji t-statistik sebesar 9,3423 . Ini memberi arti bahwa variabel rata-rata lama bersekolah (RLB) memberikan pengaruh yang cukup nyata (signifikan) secara statistik terhdapa Indeks Pembangunan Manusia (IPM) di Sumatera Utara untuk kurun waktu 2002-2005 pada tingkat kepercayaan 99
persen. Artinya apabila Rata-rata lama bersekolah (RLB) meningkat sebesar 1 persen, cateris peribus, maka akan meningkatkan Indek Pembangunanan Manusia (IPM) di Sumatera Utara sebesar 1,2546 persen dan ini sesuai dengan hipotesis yang menyatakan bahwa melek huruf (MH) memberi dampak yang positif terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara
Berdasarkan hasil estimasi di atas, untuk variabel angka kematian bayi (AKB) menunjukkan tanda koefisien regresi yang positif sebesar 0.0020 dengan uji t-statistik sebesar 0,2398 . Ini memberi arti bahwa angka kematian bayi (AKB) memberikan pengaruh yang tidak nyata (tidak signifikan) secara statistik terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara untuk kurun waktu 2002-2005 pada tingkat kepercayaan 90 persen. Tidak signifikannya variabel angka kematian bayi (AKB) kemungkinan besar akibat adanya hubungan (korelasi) yang erat dengan dengan harapan hidup (HH).
Sementara itu, hasil untuk variabel pertumbuhan penduduk (PP) menunjukan tanda koefisien regresi yang negatif sebesar -0,0011 dengan nilai uji t sebesar -0,1280. Ini memberi arti bahwa variabel pertumbuhan penduduk (PP) memberi pengaruh yang tidak signifikan secara statistik terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara untuk kurun waktu 2002-2005 pada tingkat kepercayaan 90 persen. Ketidak signifikansi veriabel pertumbuhan penduduk (PP) kemungkinan akibat adanya hubungan erat dengan rata-rata lama bersekolah (RLB). Hal ini juga tidak sesuai dengan hipotesis yang telah dibuat.
4.3.2 Analisa Hasil Estimasi Fixed Effect Model (FEM)
Sebagaimana pendapat para pakar ahli ekonometrika mengatakan bahwa membuat pembuktian menentukan metode apa yang paling sesuai untuk digunakan dalam data panel,jika :
Pada data panel, jumlah runtun waktu lebih besar dibandingkan jumlah individu, maka disarankan untuk menggunakan metode FEM
Pada data panel, jumlah runtun waktu lebih besar dibandingkan jumlah individu, maka disarankan untuk menggunakan metode REM
Dengan adanya pendapat di atas, penulis melakukan estimasi dan estimasi dengan menggunakan FEM yang dapat di estimasikan.
Tabal 4.9 Hasil Estimasi Fixed Effect Model
IPM = 0,5197 HH +0,2259 MH + 1,3416 RLB + 0,0230 AKB – 0,0045 PP (19,1853)* (9,8733)* (15,1573)* (3,9625)* (-0,8263)*** R2
Prob. = 0,0000 Sumber : Hasil Estimasi (lampiran 2 )
Catatan : Angka dalam kurung adalah nilai t-statistik * Signifikan pada α 1 % = 2,6413
**. Signifikan pada α 5 % = 1,9912 *** Signifikan pada α 10 % = 1,1653
= 0,9992 DW-Stat = 1,3376 F-Stat = 16995.65
Namun demikian, jika dilakukan analisa secara parsial memperlihatkan hanya variabel harapan hidup (HH), melek huruf (MH), rata-rata lama bersekolah
(RLB), dan angka kematian bayi (AKB) yang memberikan yang positif dan signifikan secara statistik terhadap variasi Indeks Pembangunan Manusia (IPM) di Sumatera Utara sedangkan variabel pertumbuhan penduduk (PP) tidak memberikan pengaruh yang berarti. Disamping itu hasil estimasi di atas, hanya variabel pertumbuhan penduduk (PP) memiliki tanda koefisien regresi yang negatif dan tidak sesuai dengan hipotesis, sedangkan variabel lainnya (HH,MH,RLB,AKB) memiliki tanda koefisien regresi yang positif yang sesuai dengan hipotesis. Ini memberi arti jika salah satu variabel tersebut mengalami peningkatan, cateris paribus, maka akan mendorong peningkatan Indeks Pembangunan Manusia (IPM) di Sumatera Utara.
Selanjutnya jika dilakukan analisa dari hasil estimasi di atas menunjukkan bahwa variabel harapan hidup (HH) memiliki tanda koefisien regresi yang positif sebessar 0,5197 terhadap Indeks Pembangunan Manusia (IPM) di Sumatera utara. Ini memiliki arti apabila harapan hidup (HH) meningkat 1 persen, cateris paribus, maka akan meningkatkan Indeks Pembangunan Manusia (IPM) di Sumatera Utara sebesar 0,5197 persen dan ini sesuai dengan hipotesis yang menyatakan bahwa harapan hidup (HH) berpengaruh positif terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara.
Dengan melihat uji t statistik diperoleh nilai t sebesar 19, 1853, yang berati variabel harapan hidup (HH) memberikan pengaruh yang signifikan secara statistik terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara pada tingkat kepercayaan 99 persen pada kurun waktu 2002-2005.
Untuk variabel melek huruf (MH) memiliki tanda koefisien regresi yang positif sebesar 0,2259 terhadap Indeks Pembangunan Manusia (IPM) di Sumatera
Utara. Artinya apabila terjadi peningkatan melek huruf (MH) sebesar 1 persen,cateris paribus, maka akan meningkatkan Indeks Pembangunan Manusia (IPM) di Sumatera Utara sebesar 0,2259 persen dan sesuai dengan hipotesis yang telah dibuat. Disamping itu dilihat dai uji t statistiknya sebesar 9,8733, menunjukkan bahwa variabel melek huruf (MH) memberikan pengaruh yang signifikan secara statistik terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara pada tingkat kepercayaan sebesar 99 persen dalam kurun waktu 2002-2005.
Untuk variabel rata-rata lama bersekolah (RLB) memiliki tanda koefisien regresi yang positif sebesar 1,3416 terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara. Artinya apabila terjadi peningkatan rata-rata lama bersekolah (RLB) sebesar 1 persen,cateris paribus, maka akan meningkatkan Indeks Pembangunan Manusia (IPM) di Sumatera Utara sebesar 1,3416 persen dan sesuai dengan hipotesis yang telah dibuat. Disamping itu dilihat dai uji t statistiknya sebesar 15,1573, menunjukkan bahwa variabel rata-rata lama bersekolah (RLB) memberikan pengaruh yang signifikan secara statistik terhadap Indeks Pembanguna Manusia (IPM) di Sumatera Utara pada tingkat kepercayaan sebesar 99 persen dalam kurun waktu 2002-2005.
Untuk variabel angka kematian bayi (AKB) memiliki tanda koefisien regresi yang positif sebesar 0,0230 terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara. Artinya apabila terjadi peningkatan angka kematian bayi (AKB) sebesar 1 persen,cateris paribus, maka akan meningkatkan Indeks Pembangunan Manusia (IPM) di Sumatera Utara sebesar 0,0230 persen dan sesuai dengan hipotesis yang telah dibuat. Disamping itu dilihat dai uji t statistiknya
sebesar 3,9625, menunjukkan bahwa variabel angka kematian bayi (AKB) memberikan pengaruh yang signifikan secara statistik terhadap Indeks Pembanguna Manusia (IPM) di Sumatera Utara pada tingkat kepercayaan sebesar 99 persen dalam kurun waktu 2002-2005.
Sementara itu, untuk variabel pertumbuhan penduduk (PP) memiliki tanda koefisien regresi yang negatif sebesar -0,0045 terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara. Dari hasil uji t statistik, bahwa variabel pertumbuhan penduduk (PP) memberi pengaruh yang tidak signifikan secara statistik terhadap Indeks Pembangunan Manusia (IPM) di Sumatera Utara untuk kurun waktu 2002-2005 pada tingkat kepercayaan 90 persen.
Analisa Fixed Effect Model ini baik karena banyaknya keputusan yang diambil bahwa t-statistik > t-tabel.
Selanjutnya peneliti menganalisis, apakah model ini baik. Mengingat dalam Fixed Effecr Model diasumsikan bebas dari autokorelasi, maka pengujian ataukorelasi dapat diabaikan. Selanjutnya pengujian yang perlu dilakukan adalah uji Heteroditas.
Tabal 4.10 Hasil Estimasi Heteroditas
IPM = 0,5197 HH +0,2259 MH + 1,3416 RLB + 0,0230 AKB – 0,0045 PP (24,4565) (11,9261) (14,6322) (4,9184) (-0,6181) R2
Prob. = 0,0000 Sumber : Hasil Estimasi (lampiran 3 )
Catatan : Angka dalam kurung adalah nilai t-statistik
* Signifikan pada α 1 % = 2,6413 **. Signifikan pada α 5 % = 1,9912 *** Signifikan pada α 10 % = 1,1653
Hasil estimasi di atas hanya sedikit berbeda dengan hasil sebelumnya yakni hanya nilai t statistik yang berubah, namun keputusan masih tetap, yaitu variabel harapan hidup (HH), melek huruf (MH), rata-rata lama bersekolah (RLB), dan angka kematian bayi (AKB) berpengaruh positif terhadap peningkatan Indeks Pembangunan Manusia (IPM) di Sumatera Utara sedangkan pertumbuhan penduduk berpengaruh negatif terhadap peningkatan Indeks Pembangunan Manusia (IPM) di Sumatera Utara.
4.3.3 Hasil Estimasi Ordinary Least Square dan Fixed Effect Model Tabel 4.11 Hasil Estimasi Ordinary Least Square dan Fixed Effect Model Variabel Terikat : Indeks Pembangunan Manusia untuk periode 2002-2005 Variabel Bebas Ordinary Least Square Fixed Effect Model
C 0,0041 …….. HH 0,2572* 0,5197* MH 10,2518* 0,2259* RLB 1,2546 * 1,3436* AKB 0,0020 *** 0,0230* PP -0,0020*** -0,0045*** R2
Sumber : Data diolah (lampiran 1& 2)
Catatan : Angka dalam kurung adalah nilai t-statistik * Signifikan pada α 1 % = 2,6413 **. Signifikan pada α 5 % = 1,9912 *** Signifikan pada α 10 % = 1,1653
Dari hasil regresi di atas diperoleh nilai koefisien determinasi sebesar 0,99 atau R2
Berdasarkan hasil estimasi di atas, Fixed Effect Model menunjukkan hasil yang baik dibandingkan Ordinary Least Square. Hal ini bisa dilihat nilai koefisien regresi dari masing-masing variabel bebasnya dan nilai R-Square (R
= 99 %, yang memberikan arti bahwa angka harapan hidup, angka melek huruf, rata-rata lama bersekolah, angka kematian bayi, dan pertumbuhan penduduk memberikan penjelasan sebesar 99 %, sementara sisanya 1 % dijelaskan oleh variabel lain yang tidak dimasukkan dalam model estimasi.
2
) dan nilai Durbin-Watson lebih baik pada Fixed Effect Model (FEM)
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Dari hasil pembahasan pada bab sebelumnya, penulis dapat membuat beberapa kesimpulan mengenai faktor-faktor yang mempengaruhi Indeks Pembangunan manusia (IPM) terdapat variasi Angka Harapan Hidup, Angka Melek Huruf, Rata-rata Lama Bersekolah, Angka Kematian Bayi, dan Pertumbuhan Penduduk. Adapun kesimpulan yang dapat diambil adalah sebagai berikut :
1. Berdasarkan hasil estimasi dengan Ordinary Least Square (OLS), menunjukkan bahwa variabel harapan hidup (HH), melek huruf (MH), dan rata-rata lama bersekolah (RLB) memberikan pengaruh yang positif dan signifikan dengan tingkat kepercayaan 99 persen. Sedangkan variabel angka kematian bayi (AKB) mempunyai hubungan positif tetapi tidak memberi pengaruh yang signifikan. Sedangkan variabel pertumbuhan penduduk (PP) mempunyai hubungan negatif dan tidak memberikan pengaruh yang signifikan terhadap peningkatan Indeks Pembangunan Manusia (IPM) di Sumatera Utara.
2. Berdasarkan hasil estimasi dengan Fixed Effect Model (FEM), menunjukkan bahwa variabel harapan hidup (HH), melek huruf (MH), rata-rata lama bersekolah (RLB), dan angka kematian bayi memberikan pengaruh yang positif dan signifikan dengan tingkat kepercayaan 99 persen. Sedangkan variabel pertumbuhan penduduk (PP) mempunyai
hubungan negatif dan tidak memberikan pengaruh terhadap peningkatan Indeks Pembangunan Manusia (IPM) di Sumatera Utara.
3. Berdasarkan hasil estimasi di atas, baik dengan Ordinary Least Square (OLS) maupun Fixed Effect Model (FEM), pertumbuhan penduduk tidak membeikan pengaruh yang signifikan dan tidak sesuai dengan hipotesis yang telah dibuat, sedangkan angka kematian bayi memberikan pengaruh yang masih rendah terhadap peningkatan Indeks Pemabangunan Manusia (IPM) di Sumatera Utara.
4. Dari uji penyimpangan asumsi klasik diketahui model estimasi bebas dari multikolineritas dan autokorelasi.
5.2. Saran
Dari hasil studi empiris yang dilakukan untuk melihat pengaruh harapan hidup (HH), melek huruf (MH), rata-rata lama bersekolah (RLB), anka kematian bayi (AKB) dan pertumbuhan penduduk (PP) terhadapa Indeks Pembangunan Manusia (IPM) di Sumatera Utara, dibuat beberapa saran dan kebijakan untuk pihak-pihak yang terkait, antara lain :
1. Agar pemerintah memberikan perhatiannya di dalam meningkatkan kesejahteraan masyarakat terkhusus bagi masyarakat yang tinggal di daerah pedesaan
2. Agar para peneliti yang lainnya dapat melanjutkan penelitian ini dan memperhatikan data yang akan diolah supaya tidak terdapat kesalahan dalam mengestimasikannya ke dalam program.
3. Agar Pemerintah memberikan perhatiannya dalam meningkatkan pendidikan, kesehatan, sosial, dan kependudukan di Sumatera Utara.
4. Agar masyarakat menggunakan fasilitas yang disediakan oleh pemerintah semaksimal mungkin.
Ariyo Pratomo, Wahyu, SE, MEc dan Hidayat, Paidi, SE, MSi. 2007. DAFTAR PUSTAKA
Pedoman Prakris Penggunaan Evews, USU Pres.
Badan Pusat Statistika, 2004. Indeks Pembangunan Manusia Sumatera Utara, BPS Medan
Badan Pusat Statistika, 2004. Sumaetera Utara Dalam Angka 2002-2007, BPS Medan.
Gujarati, Damonar, 1978. Ekonometrika Dasar, Jakarta : Penerbit Erlangga
Departemen Pendidikan Dan Kebudayaan Republik Indonesia, 1997. Pendidikan Dan Kebudayaan Dalam Pembangunan.
Departement Pendidikan Dan kebudayaan Republik Indonesia, 1997.
Indeks Pembangunan Manusia,
Kesehatan Dalam Pembangunan.
Indeks Pembangunan Manusia.
2007
Indeks Pembangunan Manusia Memburuk,WWW.KOMPAS.Com. Rabu, 12 November 2007
Moh. Nazir, Ph.D. Meteode Penelitian, Jakarta : Ghalia Indonesia, 1988
Nachrowi Djalal, MSC. Mphill, AppSc.Ph.D dan Hardus Usman, SSi, MSi. Pendekatan Populer Dan Praktis Ekonometrika, Penerbit : Fakultas Ekonomi Universitas Indonesia.
Todaro, Michael. P, 1997. Pembangunan Ekonomi di Dunia Ketiga Jilid 1, terjemahan Haris Munandar, Jakarta : Penerbit Erlangga.
Dependent Variable: IPM? Method: Pooled Least Squares Date: 03/02/08 Time: 22:06 Sample: 2002:01 2005:12 Included observations: 48
Number of cross-sections used: 3
Total panel (unbalanced) observations: 100 Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. C 0.004105 0.304438 0.013485 0.9893 HH? 0.517251 0.042813 12.08171 0.0000 MH? 0.251819 0.035649 7.063846 0.0000 RLB? 1.254669 0.134300 9.342303 0.0000 AKB? 0.002099 0.008751 0.239858 0.8110 PP? -0.001112 0.008681 -0.128071 0.8984 R-squared 0.998021 Mean dependent var 61.80800 Adjusted R-squared 0.997916 S.D. dependent var 23.11671 S.E. of regression 1.055268 Sum squared resid 104.6775 Log likelihood -144.1795 F-statistic 9482.694 Durbin-Watson stat 0.635695 Prob(F-statistic) 0.000000
Dependent Variable: IPM? Method: Pooled Least Squares Date: 03/02/08 Time: 22:06 Sample: 2002:01 2005:12 Included observations: 48
Number of cross-sections used: 3
Total panel (unbalanced) observations: 100 Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. HH? 0.519791 0.027093 19.18535 0.0000 MH? 0.225918 0.022882 9.873315 0.0000 RLB? 1.341659 0.088516 15.15733 0.0000 AKB? 0.023076 0.005824 3.962503 0.0001 PP? -0.004546 0.005501 -0.826307 0.4108 Fixed Effects _IPM--C -0.144349 _HH--C 1.650957 _MH--C 1.673713
R-squared 0.999227 Mean dependent var 61.80800 Adjusted R-squared 0.999168 S.D. dependent var 23.11671 S.E. of regression 0.666589 Sum squared resid 40.87930 Log likelihood -97.16654 F-statistic 16995.65 Durbin-Watson stat 1.337681 Prob(F-statistic) 0.000000
Dependent Variable: IPM? Method: Pooled Least Squares Date: 03/02/08 Time: 22:07 Sample: 2002:01 2005:12 Included observations: 48
Number of cross-sections used: 3
Total panel (unbalanced) observations: 100
White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. HH? 0.519791 0.021254 24.45651 0.0000 MH? 0.225918 0.018943 11.92619 0.0000 RLB? 1.341659 0.091692 14.63226 0.0000 AKB? 0.023076 0.004692 4.918406 0.0000 PP? -0.004546 0.007354 -0.618159 0.5380 Fixed Effects _IPM--C -0.144349 _HH--C 1.650957 _MH--C 1.673713
R-squared 0.999227 Mean dependent var 61.80800 Adjusted R-squared 0.999168 S.D. dependent var 23.11671 S.E. of regression 0.666589 Sum squared resid 40.87930 Log likelihood -97.16654 F-statistic 16995.65 Durbin-Watson stat 1.337681 Prob(F-statistic) 0.000000
Kabupeten/kota
Tahun 2002 Tahun 2003 Tahun 2004 Tahun 2005 IPM Peringkat IPM Peringkat
Perubahan
Peringkat IPM Peringkat
Perubahan
Peringkat IPM Peringkat
Perubahan peringkat Nias 61.9 19 64.8 18 Naik 65 24 Turun 66.1 24 Tetap Mandailin Natal 63.6 18 64.9 17 Naik 67.5 23 Turun 68.8 22 Naik Tapanuli Selatan 68.3 10 69 11 Turun 71 11 Tetap 72.2 11 Tetap Tapanuli Tengah 65.8 17 66.1 19 Turun 68.4 21 Turun 68.9 21 Tetap Tapanuli Utara 67.3 13 67.8 16 Turun 70.9 13 Naik 72.1 12 Naik Toba Samosir 69.5 7 71.4 7 Tetap 73.8 5 Naik 74.5 3 Naik Labuhan Batu 67.2 15 68.1 15 Tetap 70.6 15 Tetap 71.1 17 Turun Asahan 67 16 68.2 13 Naik 69.7 19 Turun 70.1 19 Tetap Simalugun 68.2 11 68.9 12 Turun 70.5 16 Turun 71.3 15 Naik Dairi 67.2 14 68.1 14 Tetap 69.9 18 Turun 70.5 18 Tetap Karo 70.9 5 71.9 5 Tetap 72.3 8 Turun 73.5 6 Naik Deli Serdang 68.4 8 69.6 8 Tetap 71.6 10 Turun 72.4 9 Naik Langkat 68.3 9 69 10 Turun 70.7 14 Turun 71.3 14 Tetap Nias Selatan * 0 - 0 - - 63.1 25 - 63.9 25 Tetap
Humbang
Hasundutan* 0 - 0 - - 69.1 20 - 69.8 20 Tetap Pakpak Bharat* 0 - 0 - - 68.3 22 - 68.7 23 Turun Samosir 0 - 0 - - 71.7 9 - 72.2 10 Turun Serdang Bedagai* 0 - 0 - - 70 17 - 71.2 16 Naik Sibolga 70.7 6 71.7 6 Tetap 72.9 6 Tetap 73.2 8 Turun Tanjung Balai 67.6 12 69.1 9 Naik 71 12 Turun 71.6 13 Turun Pematang Sinatar 74.1 1 75.1 1 Tetap 75.4 1 Tetap 75.8 1 Tetap Tebing tinggi 71.6 3 72 4 Turun 74 3 Naik 74.3 5 Turun Medan 73.4 2 74.4 2 Tetap 74.7 2 Tetap 75.4 2 Tetap Binjai 71.5 4 72.9 3 Naik 74 4 Turun 74.4 4 Tetap Padang Sidempuan* 0 - 0 - - 72.6 7 - 73.3 7 Tetap
Tahun Kabupeten/kota Harapan Hidup Melek Huruf Rata-rata Lama Bersekolah Angka Kematian bayi Pertumbuhan penduduk IPM 20 02 Nias 66.8 82.6 5.7 50 -0.02 61.9 Mandailin Natal 62 96.2 6.8 57.5 0.97 63.6 Tapanuli Selatan 65.2 99.3 8.6 41.7 1.6 68.3 Tapanuli Tengah 65.6 94.4 7.6 42 7.73 65.8 Tapanuli Utara 65.4 97.1 8.3 45.3 -0.06 67.3 Toba Samosir 66.9 96.2 9.1 52 -7.26 69.5 Labuhan Batu 65.9 95.5 7.6 51 4.61 67.2 Asahan 67.2 94.1 6.9 48.5 4.39 67 Simalugun 67.2 96.4 8 40.3 -6.86 68.2 Dairi 65.9 96.5 7.9 47 -2.7 67.2 Karo 71 97.6 8.7 21 5.76 70.9 Deli Serdang 66.3 95.1 8.3 35 0.98 68.4 Langkat 67.1 97.1 8.2 31 1.6 68.3 Nias Selatan * 0 0 0 0 0 0 Humbang Hasundutan* 0 0 0 0 0 0 Pakpak Bharat* 0 0 0 0 0 0 Samosir 0 0 0 0 0 0 Serdang Bedagai* 0 0 0 0 0 0 Sibolga 68.6 98.7 9.6 30 1.25 70.7 Tanjung Balai 66.9 96.2 8.4 53.5 5.01 67.6 Pematang Sinatar 70.9 98.6 10.3 22 -9.5 74.1 Tebing tinggi 70 97.6 9.2 24 4.53 71.6 Medan 69.4 98.8 10.5 24.5 1.95 73.4 Binjai 69.4 97.3 9.6 26 2.28 71.5 Padang Sidempuan* 0 0 0 0 0 0 20 03 Nias 66 89.5 6 44.3 -65.57 64.8 Mandailin Natal 63.4 98.1 7.1 57 7.32 64.9 Tapanuli Selatan 67.1 99.3 8.8 40 -27.67 69 Tapanuli Tengah 66.7 94.4 7.9 41 0.63 66.1 Tapanuli Utara 66.1 97 8.7 44 -59.73 67.8 Toba Samosir 65.6 97.1 9.5 46.5 -0.01 71.4 Labuhan Batu 64.7 97.6 7.8 51 0.57 68.1 Asahan 65.1 94.4 7.4 48 0.3 68.2 Simalugun 67.6 96.4 8 38 0.01 68.9 Dairi 66.8 96.7 8.3 45 -13.08 68.1 Karo 72.8 97.6 9 19 0.46 71.9 Deli Serdang 68.9 97.1 8.6 35 0.66 69.6 Langkat 69.7 97.1 8.2 30 0.39 69 Nias Selatan * 0 0 0 0 0 0 Humbang Hasundutan* 0 0 0 0 0 0 Pakpak Bharat* 0 0 0 0 0 0 Samosir* 0 0 0 0 0 0 Serdang Bedagai* 0 0 0 0 0 0 Sibolga 69.9 99 9.8 29 0.47 71.7 Tanjung Balai 64.6 97.5 8.9 49.5 0.78 69.1 Pematang Sinatar 72.3 98.3 10.4 21 0.05 75.1 Tebing tinggi 71.5 97.9 9.6 24 0.34 72
Medan 71.7 99.1 10.5 23.6 0.35 74.4 Binjai 71 98.7 9.7 25.2 0.57 72.9 Padang Sidempuan* 0 0 0 0 0 0 20 04 Nias 67.9 86 6 41 2.57 65 Mandailin Natal 62.5 98.1 7.3 57 -4.65 67.5 Tapanuli Selatan 66.4 99.3 8.7 49 2.25 71 Tapanuli Tengah 66.8 95.4 7.8 38.3 2.2 68.4 Tapanuli Utara 66.9 98.1 8.7 41.5 0.09 70.9 Toba Samosir 68.9 96.6 9.7 43 -70.41 73.8 Labuhan Batu 66.1 97.9 8.1 48 2.5 70.6 Asahan 67.7 94 7.1 48 1.94 69.7 Simalugun 67.5 95.8 8.4 36 1.3 70.5 Dairi 66.2 95.7 8.1 43 1.27 69.9 Karo 70.1 96.6 8.8 18.6 1.73 72.3 Deli Serdang 68 96.8 8.6 32 -34.83 71.6 Langkat 68.2 96.5 8.5 27 1.54 70.7 Nias Selatan 67.4 84.4 5.9 0 2.57 63.1 Humbang Hasundutan 66.2 97.7 8.5 0 0.09 69.1 Pakpak Bharat 66 95.2 8 0 1.27 68.3 Samosir 67.9 96.4 9.4 0 0 71.7 Serdang Bedagai 67.2 96 8.5 0 0 70 Sibolga 69 99.2 9.4 29 2.01 72.9 Tanjung Balai 68.1 98.7 8.3 45.7 2.85 71 Pematang Sinatar 71 99.2 10.6 20 1.58 75.4 Tebing tinggi 70.1 98.3 9.5 23 1.2 74 Medan 69.9 99 10.6 23 1.55 74.7 Binjai 70.1 98 9.5 25.2 2.88 74 Padang Sidempuan 68.1 99.3 9.6 35 2.25 72.6 20 05 Nias 68.7 87.1 6.2 36.1 1.91 66.1 Mandailin Natal 63 98.1 7.6 56.6 1.83 68.8 Tapanuli Selatan 66.6 99.5 8.9 38.5 2.67 72.2 Tapanuli Tengah 67 95.6 8 37.7 1.61 68.9 Tapanuli Utara 67.4 98.6 8.8 39.5 0.31 72.1 Toba Samosir 69.8 96.8 9.7 47.6 -5.61 74.5 Labuhan Batu 66.8 97.9 8.2 47.6 1.8 71.1 Asahan 68 94.2 7.2 34.6 1.41 70.1 Simalugun 68.4 96.2 8.6 35.2 0.86 71.3 Dairi 66.8 95.8 8.2 40.2 0.81 70.5 Karo 71.7 97.2 8.9 16.6 1.23 73.5 Deli Serdang 68.9 97.2 8.8 30.8 2.91 72.4 Langkat 68.8 96.8 8.7 26.6 1.55 71.3 Nias Selatan 67.9 84.8 6.2 0 1.91 63.9 Humbang Hasundutan 66.8 98.2 8.6 0 0.31 69.8 Pakpak Bharat 66.3 95.3 8.1 0 0.81 68.7 Samosir 68.5 96.6 9.5 0 0.54 72.2 Serdang Bedagai 68 96.4 8.6 0 0.86 71.2 Sibolga 69.2 99.2 9.5 27.6 1.64 73.2 Tanjung Balai 68.6 98.8 8.6 41.9 2.34 71.6 Pematang Sinatar 71.4 99.4 10.8 19.1 1.27 75.8
Tebing tinggi 70.3 98.5 9.7 23 0.95 74.3
Medan 70.7 99.1 10.7 22.4 1.25 75.4
Binjai 70.5 98 9.7 23.3 2.38 74.4
