FAKTOR - FAKTOR YANG MEMPENGARUHI ANGKA
HARAPAN HIDUP DI SUMATERA UTARA
DENGAN METODE ANALISIS JALUR
TUGAS AKHIR
FEBRINA SITUMORANG
112407021
PROGRAM STUDI D 3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
FAKTOR - FAKTOR YANG MEMPENGARUHI ANGKA
HARAPAN HIDUP DI SUMATERA UTARA
DENGAN METODE ANALISIS JALUR
TUGAS AKHIR
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya
FEBRINA SITUMORANG
112407021
PROGRAM STUDI D3 STATISTIKA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : Faktor-Faktor Yang Mempengaruhi Angka Harapan Hidup Di Sumatera Utara Dengan Metode Analisis
Kategori : Tugas Akhir
Nama : Febrina Situmorang
Nomor Induk Mahasiswa : 112407021 Program Studi : D3 Statistika Departemen : Matematika
Fakultas : Matematika Dan Ilmu Pengetahuan Alam
Universitas Sumatera Utara
Disetujui di Medan, Juli 2014
Disetujui Oleh:
Program Studi D3 Statistika FMIPA USU
Ketua, Pembimbing,
Dr. Faigiziduhu Bu’ulölö, M.Si Drs. Open Darnius, M.Sc
NIP. 19531218 198003 1 003 NIP. 19641014 199103 1 004
PERNYATAAN
FAKTOR - FAKTOR YANG MEMPENGARUHI ANGKA
HARAPAN HIDUP DI SUMATERA UTARA
DENGAN METODE ANALISIS JALUR
TUGAS AKHIR
Saya mengakui bahwa tugas akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan masing-masing disebutkan sumbernya.
Medan, Juli 2014
FEBRINA SITUMORANG 112407021
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha
Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan
Tugas Akhir ini dengan judul Faktor-Faktor Yang Mempengaruhi Angka Harapan Hidup Di Sumatera Utara Dengan Metode Analisis Jalur.
Terimakasih penulis sampaikan kepada Bapak Drs. Open Darnius, M.Sc,
selaku pembimbing yang telah meluangkan waktunya selama penyusunan tugas
akhir ini. Terimakasih kepada Bapak Drs. Faigiziduhu Bu’ulölö, M.Si dan Bapak
Dr. Suwarno Ariswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3
Statistika FMIPA USU, Bapak Prof. Dr. Tulus. M.Si dan Ibu Dr. Mardiningsih,
M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan,
Bapak Dr. Sutarman M.Sc selaku Dekan FMIPA USU, seluruh staff dan Dosen
Program Studi D3 Statistika FMIPA USU, pegawai FMIPA USU dan rekan-rekan
kuliah. Akhirnya tidak terlupakan kepada Ayahanda tercinta Alimuda Situmorang,
Ibunda tercinta Saurnawati Hutahaean dan keluarga yang selama ini memberikan
bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan
membalasnya.
Penulis
DAFTAR ISI
2.2.1 Manfaat Analisis Jalur 10 2.2.2 Asumsi-asumsi Analisis Jalur 12 2.2.3 Model Analisis Jalur 12
2.2.4 Diagram Jalur dan Persamaan Struktural 16
2.2.5 Koefisien Jalur 19
2.3 Kematian Bayi Dan Anak 21
4.2.1 Menganalisis Data Menggunakan Program Amos Versi 18 32
4.3 Menafsirkan Hasil Analisis Data 33
4.3.1 Analisis Regresi 33
4.3.2 Analisis Korelasi 39
4.4 Perhitungan Pengaruh 45
4.4.1 Pengaruh Langsung (Direct Effect) 45
4.4.2 Pengaruh Tak Langsung (Indirect Effects) 48
4.4.3 Pengaruh Total 51
4.5 Menafsirkan Hasil Analisis Data Setelah Trimming 53
4.5.1 Analisis Regresi 53
4.5.2 Analisis Korelasi 59
4.6 Perhitungan Pengaruh 63
4.6.1 Pengaruh Langsung (Direct Effect) 63
4.6.2 Pengaruh Tak Langsung (Indirect Effects) 65
4.6.3 Pengaruh Total 66
BAB 5 IMPLEMENTASI SISTEM
5.1 Pengertian Implementasi Sistem 67
5.2 Sekilas Tentang Amos Versi 18 67
5.3 Mengaktifkan Amos Versi 18 68
5.4 Membuka Lembar Baru 69
5.5 Membuat Gambar Path Diagram 69
5.6 Pengisian Data 70
5.7 Pengolahan Data Dengan Analisis Jalur 71
5.8 Output Hasil Pengolahan Data 73
BAB 6 KESIMPULAN DAN SARAN 74
6.1 Kesimpulan 74
6.2 Saran 78
DAFTAR PUSTAKA LAMPIRAN
DAFTAR TABEL
4.9 Standardized Total Effects (Group number 1 - Default model) 48
5.0 Indirect Effects (Group number 1 - Default model) 49
5.1 Standardized Indirect Effects (Group number 1 - Default model) 51
5.2 Total Effects (Group number 1 - Default model) 51
5.3 Standardized Total Effects (Group number 1 - Default model) 51
5.4 Squared Multiple Correlations: (Group number 1 - Default model) 53
5.5 Covariances: (Group number 1 - Default model) 56
5.6 Regression Weights: (Group number 1 - Default model) 57
5.7 Covariances: (Group number 1 - Default model) 59
5.8 Correlations:(Group number 1 - Default model) 60
5.9 Implied (for all variables) Correlations (Group number 1 - 61
Default model)
6.0 Direct Effects (Group number 1 - Default model) 63
6.1 Standardized Direct Effects (Group number 1 - Default model) 65
6.2 Indirect Effects (Group number 1 - Default model) 65
6.3 Standardized Indirect Effects (Group number 1 - Default model) 66
6.4 Total Effects (Group number 1 - Default model) 66
DAFTAR GAMBAR
Nomor Judul Halaman Gambar
2.1 Model Regresi Berganda 13
2.2 Model Mediasi 13
2.3 Model Regresi Berganda dan Mediasi 14
2.4 Model Kompleks 14 2.5 Model Rekursif 15
2.6 Gambar Model Analisis Jalur 17 2.7 Gambar Model Analisis Jalur setelah trimming 17 5.1 Tampilan awal AMOS Versi 18 69
5.2 Path diagram 70 5.3 pengisian data 71 5.4 pengisian data pada data file 71 5.5 pengolahan data 71
5.6 pegisian data pada kotak analysis properties 72
5.7 tampilan pemasukan pada calculate estimate 72
5.8 tampilan jendela untuk melihat hasil output 73
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Dalam perkembangan Ilmu Pengetahuan dan Teknologi (Iptek) saat ini, Ilmu
statistika telah mempengaruhi hampir seluruh aspek kehidupan manusia. Hampir
semua kebijakan dan keputusan-keputusan yang diambil oleh pakar ilmu
pengetahuan dan para pakar eksekutif (dalam ruang lingkup ilmu mereka)
didasarkan dengan metode statistika serta hasil analisis dan interpretasi data, baik
secara kuantitatif maupun secara kualitatif. Telaah statistika menyatakan bahwa
untuk tujuan peramalan atau pendugaan pola hubungan yang sesuai antara nilai
variabel terikat terhadap nilai-nilai variabel bebas mengikuti model regresi namun
dalam model regresi tidak dijelaskan pengaruh langsung dan pengaruh tidak
langsung antara variabel-variabel yang diamati.
Analisis jalur atau yang dikenal dengan path analysis merupakan suatu teknik
analisis statistika yang dikembangkan dari analisis regresi berganda. Analisis
regresi hanya meramalkan penduga Y dengan mengetahui pengaruh variabel
bebas terhadap variabel terikatnya, tetapi tidak membedakan apakah variabel
tersebut berpengaruh secara langsung atau tidak langsungnya, tidak dijelaskan
dalam analisis regresi. Oleh karena itu diperlukan analisis jalur sebagai perluasan
dari analisis regresi.
Salah satu analisis yang digunakan dalam metode statistika untuk mengetahui
hubungan antar variabel adalah analisis jalur.Teknik ini mempunyai kelebihan
pengaruh tidak langsung dalam hubungan antar variabel melalui variabel
perantara. Dengan menggunakan analisis ini, peneliti akan memperoleh hasil
analisis secara lebih akurat, tajam, dan detail (Sarwono,2006)
Angka Harapan Hidup (AHH) merupakan salah satu indikator yang digunakan
untuk menilai derajat kesehatan penduduk.Angka harapan hidup adalah perkiraan
lama hidup rata-rata penduduk dengan asumsi tidak ada perubahan pola mortalitas
menurut umur.Angka Harapan Hidup di suatu wilayah berbeda dengan wilayah
lainnya tergantung dari kualitas hidup yang mampu dicapai oleh penduduk.
Banyak faktor yang mempengaruhi Angka Harapan Hidup, sehingga perlu
dilakukan pemodelan untuk mengetahui faktor-faktor apa saja yang secara
signifikan mempengaruhi angka harapan hidup.
Derajat kesehatan masyarakat yang tinggi dapat digunakan sebagai indikator
keberhasilan program kesehatan dan program pembangunan sosial ekonomi yang
secara tak langsung dapat meningkatkan Angka Harapan Hidup.Meningkatnya
atau menurunnya Angka Harapan Hidup tidak lepas dari berbagai faktor yang
mempengaruhi. Berdasarkan uraian tersebut maka penulis memilih judul “Faktor - Faktor Yang Mempengaruhi Angka Harapan Hidup Di Sumatera Utara Dengan Metode Analisis Jalur”
1.2 Rumusan Masalah
Terdapat permasalahan dalam penulisan ini yaitu apakah Konsumsi Kalori (kkal)
per Kapita per Hari (X1), Rata-rata Konsumsi Protein (gram) per Kapita per Hari
(X2), Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf (X3),
Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan (X5) berpengaruh
terhadap Angka Harapan Hidup (Y).
1.3 Batasan Masalah
Sebagai pembatasan masalah dalam penelitian ini hanya terbatas pada analisa
untuk mengetahui daerah penelitian kemudian permasalahan yang dianalisis yang
menentukan peningkatan Angka Harapan Hidup(AHH),serta variabel-variabel
yang digunakan dalam penulisan ini adalah Konsumsi Kalori (kkal) per Kapita
per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase
Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama
Sekolah Penduduk Usia 15 Tahun Ke Atas , Rata-rata Upah/Gaji/Pendapatan
Buruh/Karyawan/Pegawai Sebulan
1.4 Tujuan Penelitian
Adapun tujuan penulis melakukan penelitian ini adalah untuk melihat
perkembangan peningkatan Angka Harapan Hidup di Sumatera Utara.Untuk
mengetahui seberapa besar pengaruh faktor-faktor yang diduga mempengaruhi
Angka Harapan Hidup sehingga diharapkan Angka Harapan Hidup (sebagai
indikator kesehatan) dapat ditingkatkan.
1.5 Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat antara lain:
1. Memberikan atau menambah wawasan bagi penulis, terutama dalam
penerapan ilmu yang di dapat dibangku kuliah dengan menyatukan materi
perkuliahan dengan objek permasalahan yangdi jadikan materi
2. Memberi sumbangan pemikiran pada instansi yang berkepentingan dalam
meningkatkan Angka Harapan Hidup.Hasil penelitian ini diharapkan dapat
bermanfaat sebagai bahan masukan dan referensi bagi pihak yang
berkepentingan.
1.6 Metode Penelitian
1.6.1 Jenis data dan sumber data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder
yang bersifat kuantitatif, yaitu data yang dapat diukur secara langsung
atau dinilai dengan angka yang diperoleh dari kantor Badan Pusat
Statistik Provinsi Sumatera Utara.
1.6.2 Teknik Pengumpulan data
Dalam penulisan tugas akhir ini, penulis melakukan penelitian
kepustakaan (Library Research), yaitu penulisan yang dilakukan
melalui bahan-bahan kepustakaan berupa jurnal, buku-buku, dan
laporan-laporan penelitian yang ada hubungannya dengan topik yang
diteliti.Sedangkan untuk teknik pengumpulan data dilakukan dengan
mencatat data tertulis (mengutip atau mengumpulkan dokumen) yang
terkait dengan penelitian.
1.6.3 Metode Pengolahan Data
Adapun metode pengolahan data yang digunakan dalam penelitian ini
a. Menentukan variabel eksogen (bebas) dan variabel
endogen(terikat).
b. Merumuskan hipotesis.
c. Menggambarkan diagram jalur lengkap.
d. Merumuskan persamaan struktural.
e. Menghitung koefisien jalur.
f. Menghitung besarnya pengaruh langsung dan tidak langsung dari
variable eksogen terhadap variabel endogen.
g. Menguji koefisien jalur dan melakukan proses trimming apabila
model jalurnya tidak signifikan.
h. Membuat kesimpulan.
1.7 Tinjauan Pustaka
Metode analisis jalur adalah suatu teknik untuk menganalisis sebab akibat yang
terjadi pada regresi linier berganda jika variabel bebasnya mempengaruhi variabel
tergantung (terikat) tidak hanya secara langsung, tetapi juga secara tidak langsung.
Beberapa buku yang menjadi tinjauan pustaka yang digunakan untuk
mewujudkan tulisan ini dan ada juga dikutip dari situs–situs internet yang
membantu penulis menguraikan tentang Metode analisis yang penulis gunakan
dan teori Kependudukan tentang Angka Harapan Hidup (AHH) .Beberapa buku
pendukung teori adalah sebagai berikut:
Model analisis jalur digunakan untuk menganalisis pola hubungan antar
langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen)
.(Riduwan &Kuncoro 2007:2)
Angka harapan hidup pada suatu umur di definisikan sebagai rata-rata
jumlah tahun kehidupan yang masih dijalani oleh seorang yang telah berhasil
mencapai umur tepat x dalam situasi mortalitas yang berlaku di lingkungan
masyarakatnya (Ida Bagoes Mantra 2003:111)
Metode analisis data ini biasanya menggunakan model jalur. Model jalur adalah
suatu diagram yang menghubungkan antara variabel bebas (X), variabel perantara,
dan variabel terikat (Y). Pola hubungan ditunjukkan dengan menggunakan anak
panah yang menunjukkan hubungan sebab akibat antara variabel bebas (X),
perantara, dan variabel terikat (Y).
1.8 Sistematika Penulisan
Adapun sistematika penulisan Tugas Akhir ini secara garis besarnya dibagi dalam
6 Bab yang masing-masing bab dibagi atas beberapa sub-sub bab yaitu:
BAB 1 PENDAHULUAN
Bab ini menjelaskan latar belakang pengambilan judul ,
perumusan masalah, tujuan penelitian, batasan masalah, lokasi
penelitian, metode penelitian, tinjauan pustaka dan sistematika
penulisan.
BAB 2 LANDASAN TEORI
Bab ini menjelaskan mengenai analisa jalur yang
mengenai hubungan sebab akibat tanpa memanipulasi
variabel-variabel yaitu dengan melakukan pengujian koefisien jalur yang
menyatakan hipotesis statistik. Bab ini juga menjelaskan tentang
konsep-konsep, komponen-komponen serta teknik perhitungan
Angka Harapan Hidup.
BAB 3 GAMBARAN UMUM BADAN PUSAT STATISTIK
Bab ini berisi tentang sejarah singkat Badan Pusat Statistik ,visi
dan misi Badan Pusat Statistik
BAB 4 PENGOLAHAN DATA
Bab ini menjelaskan mengenai deskripsi daerah penelitian, data
yang akan dianalisis, metode analisis data dengan menggunakan
analisis jalur serta interpretasi data.
BAB 5 IMPLEMENTASI SISTEM
Bab ini menjelaskan mengenai penggunaan rumus-rumus
analisis jalur dengan menggunakan Amos Versi18.
BAB 6 PENUTUP
Bab ini memberikan hasil dari analisis dan pendugaan pada
bab-bab sebelumya dirangkumkan pada bab-bab ini. Selain kesimpulan,
pada bab ini juga memberikan saran-saran yang sifatnya
membangun untuk peningkatan Angka Harapan Hidup.
BAB 2
LANDASAN TEORI
2.1 Konsep Dasar Statistika
Statistika merupakan cara-cara tertentu yang digunakan dalam mengumpulkan,
menyusun atau mengatur, menyajikan, menganalisis dan memberi interpretasi
terhadap sekumpulan data, sehingga kumpulan bahan keterangan yang
dikumpulkan dapat memberi pengertian dan makna tertentu. Seperti
pengambilan kesimpulan, membuat estimasi dan juga prediksi yang akan datang
Ruang lingkup statistika meliputi statistik deduktif atau statistik deskriptif
dan statistik induktif atau statistik inferensial. Statististik deskriptif terdiri
dari menghimpun, menyusun, mengolah, menyajikan, dan menganalisis data
angka. Sedangkan statistik inferensial atau statistik induktif adalah meliputi teori
probability, distribusi teoritis, distribusi sampling, penaksiran, pengujian
hipotesa, korelasi, komparasi dan regresi. Sumber data statistik
dapat dikumpulkan langsung oleh peneliti dari pihak yang bersangkutan, disebut
dengan data primer. Dan data dapat juga diperoleh dari pihak lain atau data yang
sudah ada, disebut dengan data sekunder.
2.2 Analisis Jalur
Analisis jalur pertama kali diperkenalkan oleh Sewall Wright (1921), seorang
ahli genetika, namun kemudian dipopulerkan oleh Otis Dudley Duncan (1966),
seorang ahli sosiologi. Analisis jalur bisa dikatakan sebagai pengembangan dari
mempermasalahkan mengapa hubungan antar variabel terjadi serta apakah
hubungan antar variabel tersebut disebabkan oleh variabel itu sendiri atau
mungkin dipengaruhi oleh variabel lain
Analisis jalur ialah suatu teknik untuk menganalisi hubungan sebab akibat
yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel
tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung
(Robert D.Rutherford 1993). Modelnya digambarkan dalam bentuk gambar
lingkaran dan panah dimana anak panah tunggalnya menunjukkan sebagai
penyebab. Pembobotan regresi diprediksikan dalam satu model yang
dibandingkan dengan matriks korelasi yang diobservasi untuksemua variabel
dandilakukan juga penghitungan uji keselarasan statistik (David Gurson, 2003).
Dari defenisi-defenisi diatas, dapat disimpulkan bahwa sebenarnya analisis jalur
merupakan kepanjangan dari analisis regresi berganda.
2.2.1 Manfaat Analisis Jalur
Manfaat model analisis jalur, yaitu untuk :
1.Penjelasan terhadap fenomena yang dipelajari atau permasalahan
yang diteliti.
2.Prediksi nilai variabel terikat (Y) berdasarkan nilaivariabel
bebas (X) dan diprediksi dengan analisis jalur ini bersifat
kualitatif.
3.Faktor determinan yaitu penentuan variabel bebas (X) mana
yang berpengaruh dominan terhadap variabel terikat (Y), juga
dapat digunakan untuk menelusuri mekanisme (jalur-jalur)
4.Pengujian model menggunakan theory trimming, baik untuk uji
reabilitas konsep yang sudah ada ataupun uji pengembangan
konsep baru.
2.2.2 Asumsi-Asumsi Analisis Jalur
Asumsi yang mendasari analisis jalur, yaitu :
1. Hubungan antar variabel adalah bersifat linear, adaptif, dan
bersifat normal.
2. Hanya sistem aliran kausal ke satu arah, artinya tidak ada arah
kausalitas yang terbalik.
3. Variabel terikat (endogen) minimal dalam skala ukur interval
dan ratio.
4. Menggunakan sampel probability sampling yaitu teknik
pengambilan sampel untuk memberikan peluang yang sama
pada setiap anggota populasi untuk dipilih menjadi anggota
sampel.
5. Observed variables diukur tanpa kesalahan (instumen
pengukuran valid dan reliable) artinya variabel yang diteliti
dapat diobservasi secara langsung.
6. Model yang dianalisis dispesifikasikan (diidentifikasikan)
dengan benar berdasarkan teori-teori dan konsep-konsep
yang relevan artinya model teori yang dikaji atau diuji
dibangun berdasarkan kerangka teoritis tertentu yang mampu
2.2.3 Model Analisis Jalur
Beberapa istilah dan defenisi dalam path analysis:
1. Dalam path Analysis, kita hanya menggunakan sebuah
lambung variabel, yaitu X. Untuk membedakan X yang satu
dengan X yang lainnya, kita menggunakan subscript (indeks),
tunggal dengan masing-masing n pengamatan.
Contoh: , , ,….., , yang berarti setiap Xj untuk j= 1,2,…k
masing-masing mempunyai n pengamatan(observasi).
2. Kita membedakan dua jenis variabel, yaitu variabel yang menjadi
pengaruh (exogenous variable), dan variabel yang dipengaruhi
(endogenous variable).
3. Lambang hubungan langsung dari eksogen ke endogen adalah
panah bermata satu, yang bersifat recursive atau arah hubungan
yang tidak berbalik/satu arah.
4. Diagram jalur merupakan diagram atau gambar yang
mensyaratkan hubungan terstruktur antar variabel (Harun Al
Rasyid, 2005).
Ada beberapa model jalur mulai dari yang paling sederhana sampai
dengan yang lebih rumit, diantaranya diterangkan di bawah ini
1. Model Regresi Berganda
Model pertama ini sebenarnya merupakan pengembangan regresi
berganda dengan menggunakan dua variabel exogenus, yaitu
dan dengan satu variabel exogenous Y. Model ini
Gambar 2.1 Model Regresi Berganda
2. Model mediasi
Model kedua adalah model mediasi atau perantara dimana
variabel Y memodifikasi pengaruh variabel X terhadap
variabel Z. Model digambarkan sebagai berikut ;
Gambar 2.2 Model Mediasi
3. Model Kombinasi Pertama dan Kedua
Model ketiga ini merupakan kombinasi antara model pertama
dan kedua, yaitu variabel X berpengaruh terhadap variabel Z
secara langsung dan secara tidak langsung mempengaruhi
variabel Z melalui variabel Y. Model ini digambarkan sebagai
Gambar 2.3 Model Kombinasi Pertama dan Kedua
4. Model Kompleks
Model keempat ini merupakan model yang lebih kompleks,
yaitu variabel secara langsung mempengaruhi dan
melalui variabel secara tidak langsung mempengaruhi ,
sementara variabel juga dippengaruhi oleh variabel .
Model digambarkan sebagai berikut
5. Model Rekursif dan Non Rekursif
Dari sisi pandang arah sebab akibat, ada dua tipe model jalur,
yaitu rekursif dan non rekursif. Model rekursif ialah jika
Model tersebut dapat diterangkan sebagai berikut :
c) Satu variabel endogenus dapat menjadi penyebab variabel
endogenus lainnya, tetapi bukan ke variabel exogenus. Model
non recursif terjadi jika arah anak panah tidak searah atau
terjadi arah yang terbalik (looping), misalnya dari 4 ke 3 atau
dari 3 ke 1 dan 2 atau bersifat sebab akibat (reciprocal cause).
Pada bagian berikut untuk mempermudah kita dalam
memahami analisis jalur, maka kita bisa menggunakan
model-model jalur berikut:
Model Persamaan Satu Jalur
model persamaan satu jalur merupakan hubungan sebenarnya
sama dengan regresi berganda, yaitu variabel bebas terdiri
lebih dari satu variabel dan variabel tergantungnya hanya satu.
Model Persamaan Dua Jalur
Model ini terdiri dari tiga variabel bebas dan mempunyai dua
variabel tergantung.
Model Persamaan Tiga jalur
Model ini terdiri dari tiga variabel bebas, salah satu variabel
bebas menjadi variabel perantara dan mempunyai dua variabel
tergantung.
2.2.4 Diagram Jalur dan Persamaan Struktural
Pada saat akan melakukan analisis jalur, disarankan untuk terlebih
dahulu menggambarkan secara diagramatik struktur
hubungan kausal antara variabel penyebab dengan variabel
bentuknya ditentukan oleh proposisi teoritik yang berasal dari
kerangka pikir tertentu.
X1
X2
ε
Gambar 2.6 Diagram Jalur Yang Menyatakan Hubungan Kausal Dari
Sebagai Penyebab Ke Sebagai Akibat
Keterangan:
adalah variabel eksogenus (exogenous variable), untuk itu
selanjutnya variabel penyebab akan kita sebut sebagai variabel
eksogenus. adalah variabel endogenus (endogenous variable),
sebagai akibat, dan ε adalah variabel residu (residual
variable), yang merupakan gabungan dari: (1) Variabel lain, di
luar yang mungkin mempengaruhi dan telah teridentifikasi
oleh teori, tetapi tidak dimasukkan dalam model. (2) Variabel
lain, di luar , yang mungkin mempengaruhi tetapi belum
teridentifikasi oleh teori. (3) Kekeliruan pengukuran (error of
measurement), dan (4) Komponen yang sifatnya tidak menentu
X1
X2
X3 ε
Gambar 2.7 Diagram jalur yang menyatakan hubungankausal dari , , dan
Gambar 2.7 menunjukkan bahwa diagram jalur tersebut terdapat
tiga buah variabel eksogenus, yaitu , , , sebuah variabel
endogenus ( ) serta sebuah variabel residu ε. Pada diagram di
atas juga mengisyaratkan bahwa hubungan antara dengan ,
dengan dan dengan adalah hubungan kausal,
sedangkan hubungan antara dengan dengan dan
dengan masing-masing adalah hubungan korelasional.
Perhatikan panah dua arah, panah tersebut menyatakan hubungan
korelasional. Bentuk persamaan strukturalnya adalah:
= +
+
X1
X3
X4 X2
ε1 ε2
Gambar 2.8 Hubungan kausal dari ke dan dari ke
sub-struktur. Pertama, sub-struktur yang menyatakan hubungan
kausal dari dan ke serta kedua, sus-struktur yang
mengisyaratkan hubungan kausal dari ke . Persamaan
struktural untuk gambar 2.8 adalah : = +
+
ε1 dan= + ε2 .
Berdasarkan contoh-contoh diagram jalur di atas, maka kita
dapat memberikan kesimpulan bahwa makin kompleks sebuah
hubungan struktural, makin kompleks diagram jalurnya, dan makin
banyak pula sub-struktur yang membangun diagram jalur tersebut.
2.2.5 Koefisien Jalur
Besarnya pengaruh langsung dari suatu variabel eksogenus
terhadap variabel endogenus tertentu, dinyatakan oleh besarnya
nilai numeric koefisien jalur (path coefficient) dari eksogenus ke
endogenus.
X1
X3
X2
Gambar 2.9 Hubungan kausal dari , ,
Hubungan antara dan adalah hubungan korelasional.
koefisien korelasi . Hubungan dan ke adalah
hubungan kausal. Besarnya nilai numerik koefisien jalur
dan .
Langkah kerja yang dilakukan untuk menghitung koefisien
jalur adalah Dalam penelitian ini adalah:
a. Menentukan variabel eksogen (bebas) dan variabel endogen
(terikat).
b. Merumuskan hipotesis.
c. Menggambarkan diagram jalur lengkap.
d. Merumuskan persamaan struktural.
e. Menghitung koefisien jalur.
f. Menghitung besarnya pengaruh langsung dan tidak langsung
dari variabel eksogen terhadap variabel endogen.
g. Menguji koefisien jalur dan melakukan proses trimming
apabila model jalurnya tidak signifikan.
h. Membuat kesimpulan
2.3 Kematian Bayi dan Anak
Kematian bayi dan anak secara umum merupakan konsenkuensi akhir dari
perjalanan kumulatif dengan berbagai pengalaman morbiditas dan jarang karena
serangan penyakit tunggal. Ini berarti bahwa reduksi kematian melalui
program-program kesehatan tidak cukup hanya dengan memberantas penyakit-penyakit
penyebab kematian tetapi harus memasukkan pula tindakan-tindakan yang
mengarah kepada permasalahan yang lebih mendasar yang menyangkut proses
Penanganan terhadap masalah kematian bayi dan anak menuntut adanya
kerangka konseptual tentang faktor-faktor yang mampengaruhi mortalitas bayi
dan anak.Dalam faktor social ekonomi ialah faktor–faktor yang ada dalam
individu, keluarga dan masyarakat. Pengetahuan, kepercayan , nilai-nilai dan
sumber ekonomi merupakan factor individu dan keluarga, sedang suasana, dan
merupakan faktor-faktor yang mempengaruhi mortalitas masyarakat.
2.4 Angka Harapan Hidup Pada Suatu Umur
Angka harapan hidup pada suatu umur didefinisikan sebagai rata-rata jumlah
tahun kehidupan yang masih dijalani oleh seseorang yang telah berhasil mencapai
umur tepat x dalam situasi mortalitas yang berlaku di lingkungan masyarakatnya.
Angka harapan hidup waktu lahir misalnya, merupakan rata-rata tahun kehidupan
yang akan dijalani oleh bayi yang baru lahir.misalnya angka harapan hidup umur
lima tahun berarti rata-rata tahun kehidupan yang akan dijalani oleh bayi lahir.
Misalnya angka harapan hidup umur lima tahun berarti rata-rata tahun kehidupan
pada masa yang akan dating dijalani oleh mereka yang telah mencapai usia lima
tahun (Ida Bagoes Mantra2003:111)
Angka harapan hidup pada suatu usia merupakan indikator yang baik untuk
menunjukkan tingkat sosial-ekonomi secara umum. Indikator yang sering dipakai
adalah Angka Harapan Hidup (expection of live at birth).Faktor sosio-ekonomi
merupakan faktor penentu mortalitas bayi dan anak. Namun faktor sosio-ekonomi
antara) yang kemungkinan baru menimbulkan resiko mortalitas, dan selanjutnya
bayi dan anak sakit dan apabila tidak sembuh akhirnya cacat atau meninggal.
GAMBARAN UMUM BADAN PUSAT STATISTIK
3.1 Sejarah Badan Pusat Statistik
Badan Pusat Statistik (BPS) adalah Lembaga Negara Non Departemen. BPS
melakukan kegiatan yang ditugaskan oleh pemerintah antara bidang pertanian,
agrarian, pertambangan, kependudukan, sosial, ketenagakerjaan, keuangan,
pendapatan, dan keagamaan. Selain hal – hal di atas BPS juga bertugas untuk
melaksanakan koordinasi di lapangan, kegiatan statistik dari segenap instansi baik
di pusat maupun di daerah dengan tujuan mencegah dilakukannya pekerjaan yang
serupa oleh dua atau lebih instansi, memajukan keseragaman dalam penggunaan
definisi, klasifikasi dan ukuran – ukuran lainnya. Berikut ini adalah beberapa masa
peralihan pada BPS, yaitu:
A. Masa pemerintahan Hindia Belanda
Pada bulan Februari 1920, kantor statistik pertama kali didirikan oleh
direktur pertanian, kerajinan dan perdagangan (Directeur Van Landbouw
Nijverheid en Hendle) dan berkedudukan di Bogor. Kantor ini diserahi tugas
untuk mengolah dan memublikasi data statistik.
Pada tanggal 24 September 1924 maka lembaga tersebut diganti dengan
nama Centraal kantoor Voor de Statistik (CKS) atau Kantor Pusat Statistik dan
dipindahkan ke Jakarta. Bersamaan dengan itu beralih pula pekerjaan
mekanisme statistik perdagangan yang semula dilakukan oleh Kantor Invoer en
Accijinsen (IUA) yang sekarang disebut Kantor Bea Cukai.
Pada bulan Juni 1942 pemerintahan Jepang baru mengaktifkan kembali
kegiatan statistik yang utamanya diarahkan untuk memenuhi kebutuhan
perang/militer. Pada masa ini CKS diganti namanya menjadi Shomubu
Chasasitsu Gunseikanbu.
C. Masa Kemerdekaan Republik Indonesia
Setelah Proklamasi Kemerdekaan Republik Indonesia tanggal 17 Agustus
1945 kegiatan statistik diganti oleh lembaga baru sesuai dengan susunan
kemerdekaan yaitu KAPPURI (Kantor Penyelidikan Perangkat Umum
Republik Indonesia). Tahun 1946 Kantor KAPPURI dipindahkan ke
Yogyakarta sebagai konsekuensi dari Perjanjian Linggarjati. Sementara itu
pemerintahan Belanda (NICA) di Jakarta mengaktifkan kembali CKS.
Berdasarkan surat edaran Kementrian Kemakmuran tanggal 12 Juni 1950
No.219/S.C;KAPPURI dan CKS dilebur menjadi Kantor Pusat Statistik (KPS)
dan berada di bawah Kementrian Kemakmuran.Dengan surat Mentri
perekonomian tanggal 1 Maret 1952 No.P/44, lembaga KPS berada di bawah
dan bertanggungjawab kepada Mentri Perekonomian, dan pada tanggal 24
Desember 1953 dengan surat Mentri Perekonomian No. 18.099/M, KPS dibagi
menjadi dua bagian yaitu bagian research yang disebut Afdeling A, dan bagian
penyelenggaraan dan tatausaha yang disebut Afdeling B.
Dengan keputusan Presiden Republik Indonesia No. 131 tahun 1957,
Kementrian Perekonomian dipecah menjadi Kementrian perdagangan dan
Kementrian Perindustrian. Untuk selanjutnya dengan keputusan Presiden
Republik Indonesia No. 172 tahun 1957 KPS diubah menjadi BPS, dan urusan
Perekonomian dialihkan menjadi di bawah dan bertanggungjawab kepada
Perdana Mentri.
Berdasarkan KEPPRES ini pula secara formal nama BPS dipergunakan.
Memenuhi anjuran PBB agar setiap negara anggota menyelenggarakan sensus
penduduk secara serentak, maka pada tanggal 24 September 1960 telah
diundangkan UU No. 6 tahun 1960 tentang Sensus, sebagai pengganti Volk
Stelling Ordonnantie 1930.
Dalam rangka memperhatikan kebutuhan data bagi perencanaan
pembangunan semesta berencana dan mengingat materi statistik ordonnantie
1934 dirasakan sudah tidak sesuai lagi dengan kemajuan – kemajuan yang
cepat dicapai oleh Negara kita, maka tanggal 26 September 1960 telah
diundangkan UU No. 7 tahun 1960 tentang Statistik.
Berdasarkan keputusan Presidium Kabinet RI No. Aa/C/9 tahun 1965, maka
tiap-tiap daerah Tingkat I dan Tingkat II dibentuk kantor-kantor cabang BPS
dengan nama Kantor Sensus Statistik Daerah (KKS) yang mempunyai tugas
menjalankan kegiatan-kegiatan statistik di daerah-daerah. Di setiap daerah
administrasi kecamatan, dapat diangkat seorang atau lebih pegawai yang
merupakan pegawai KKS ditingkat II dan di bawah pengawasan Kepala
Kecamatan.
D. Masa Orde Baru sampai sekarang
Pada masa pemerintahan orde baru, khusus untuk memenuhi kebutuhan
dalam perencanaan dan evaluasi pembangunan, maka untuk mendapatkan
statistik yang handal, lengkap, tepat, akurat dan terpercaya mulai diadakan
Dalam masa orde baru ini BPS telah mengalami empat kali perubahan
Tugas, Fungsi, Susunan, Reorganisasi dan tata kerja Biro Pusat Statistik.
4. Undang-Undang No. 16 tahun 1997 tentang Statistik.
5. Keputusan Presiden RI No. 86 tahun 1998 tentang Badan Pusat Statistik.
6. Keputusan Kepala BPS No. 100 tahun 1998 tentang Organisasi dan Tata
Kerja BPS.
7. PP No. tahun 1999 tentang Penyelenggaraan Statistik.
Tahun 1968, ditetapkan Peraturan Pemerintah No. 16 tahun 1968, yaitu yang
mengatur organisasi dan tata kerja di pusat dan di daerah. Tahun 1980,
Peraturan Pemerintah No. 6 tahun 1980 tentang organisasi sebagai pengganti
Peraturan Pemerintah No. 16 tahun 1968. Berdasarkan Peraturan Pemerintah
No. 6 tahun 1988 di tiap provinsi terdapat perwakilan BPS dengan nama
Kantor Statistik Provinsi dan di Kabupaten/Kota terdapat cabang perwakilan
BPS dengan nama Kantor Statistik Kabupaten/Kota. Pada tanggal 19 Mei
1997 menetapkan tentang statistik sebagai pengganti UU No. 6 dan 7 tentang
sensus dan statistik. Pada tanggal 17 Juni 1998 dengan Keputusan Presiden
Republik Indonesia No. 86 tahun 1998 ditetapkan BPS sekaligus mengatur
3.2 Visi Dan Misi Badan Pusat Statistik Sumatera Utara
3.2.1 Visi Badan Pusat Statistik
Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai
tulang punggung informasi pembangunan nasional dan regional, didukung
Sumber Daya Manusia yang berkualitas, ilmu pengetahuan dan teknologi
informasi yang mutakhir.
3.2.2 Misi Badan Pusat Statistik
Dalam menunjuk pembangunan nasional Badan Pusat Statistik mengemban
misi mengarahkan pembangunan statistik pada penyediaan data statistik yang
bermutu, handal, efektif dan efisien, peningkatan kesadaran masyarakat akan
arti dan kegunaan statistik serta pengembanan ilmu pengetahuan statistik.
3.2.3 Struktur Organisasi Badan Pusat Statistik Propinsi Sumatera Utara
Setiap perusahaan baik perusahaan pemerintah maupun swasta
mempunyai struktur organisasi, karena perusahaan juga merupakan
organisasi.Dimana organisasi adalah suatu sistem dari aktivitas kerjasama
yang terorganisir, yang dilaksanakan oleh sejumlah orang untuk mencapai
tujuan bersama.Dalam struktur organisasi ditetapkan tugas-tugas,
wewenang dan tanggung jawab setiap orang dalam mencapai tujuan yang
telah ditetapkan serta bagaimana hubungannya yang satu dengan yang lain.
Dengan adanya struktur organisasi perusahaan yang baik, maka dapat
diketahui pembagian tugas antara para pegawai dalam rangka pencapaian
tujuan. Adapun struktur organisasi yang dipakai oleh Badan Pusat
1. Bagian Tata Usaha/Kepegawaian
2. Bidang Statistik Produksi
3. Bidang Statistik Distribusi.
4. Bidang Statistik Kependudukan
5. Bidang Pengolahan, Penyajian dan Pelayanan Statistik
6. Bidang Neraca Wilayah dan Analisis Statistik
PENGOLAHAN DATA
4.1 Pengumpulan Data
Data dikumpulkan dengan melakukan riset penelitian pada Badan Pusat
Statistik (BPS) Provinsi Sumatera Utara yang dilakukan selama dua minggu.
Adapun data yang dikumpulkan merupakan penggabungan dari beberapa table
faktor-faktor Angka Harapan Hidup (AHH) tahun 2012.
4.2 Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari
data hasil survey yang dilakukan Badan Pusat Statistik. Adapun data sekunder ini
berupa persentase dari variabel-variabel dari Angka Harapan Hidup. Adapun data
tersebut ditunjukkan pada table berikut:
Tabel 4.1 Rata- rata Konsumsi Kalori per Kapita per Hari Menurut Kabupaten/Kota Tahun 2012
Humbang Hasundutan 1832.26
Samosir 61.65
Batu Bara 88.59
Sumber :BPS, Survei Sosial Ekonomi Nasional
Tabel 4.4 Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas Menurut Kabupaten/Kota Tahun 2012
Padang Lawas 8.0
Sumber :BPS, Survei Sosial Ekonomi Nasional
Labuhan Batu Selatan 1430.640
Sumber :BPS, Survei Sosial Ekonomi Nasional
Tabel 4.6 Angka Harapan Hidup Menurut Kabupaten/Kota Tahun 2012
No Kabupaten/kota Angka Harapan Hidup (%)
1 Nias 69.3
15 Humbang Hasundutan 76.0
25 Nias Barat 70.1
Sumber :BPS, Survei Sosial Ekonomi Nasional
Tabel 4.6 Komponen Angka Harapan Hidup (AHH) Menurut Kabupaten/Kota di
Provinsi Sumatera Utara pada tahun 2012
Batu Bara 1952.14 52.30 88.59 7.0 1521.483 69.9
X2 = Rata-rata Konsumsi Protein (gram) per Kapita per Hari
X3 = Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf
X4 = Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas
X5 = Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan
Diagram jalur tersebut terdiri atas dua persamaan struktural sehingga
substuktur, yaitu X1, X2, X3, X4 disebut sebagai variabel eksogen (variabel
bebas) dengan Y dan X5 sebagai variable endogen (variabel terikat) dengan
persamaan struktural adalah :
Keterangan :
X1 = Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari (variabel bebas)
X2 = Rata-rata Konsumsi Protein (gram) per Kapita per Hari (variabel bebas)
X3 = Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf
(variabel bebas)
X4 = Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas (variabel bebas)
X5 = Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan
(variabel terikat)
Y = Angka Harapan Hidup (variabel terikat)
Untuk menganalisis menggunakan Amos Versi18, terdapat tahapan
sebagai berikut:
1. Menampilkan gambar dengan tampilan angka hasil analisis
a. Buka Program Amos Versi18
b. Pilih Amos Graphics
c. Gambar struktur model pada drawing area
d. Input data dengan klik file kemudian pilih data dengan klik file name
kemudian klik OK
e. Klik Analyse pada menu Amos
f. Pilih Calculate Estimates (Ctrl+F9)
g. Save Path Diagram
h. Klik View the Output Path Diagram
2. Melakukan pengujian data
Setelah model dan file data dimasukkan, proses selanjutnya adalah
melakukan proses pengujian data. Untuk persiapan output maka
langkah-langkahnya adalah sebagai berikut:
a. Buka menuView
b. Pilih Analysis Properties (muncul Kotak Dialog Analysis Properties)
c. Klik tab output dan berita dan centang semua tab output
d. Tutup kotak dialog dengan klik tombol close
e. Untuk proses, jalankan menu Analyse dan pilih Calculate Estimates
f. Tampilan output dengan buka menu view dan pilih text output
4.3.1 Analisis Regresi
Kita akan menganalisis regresi dengan melihat pengaruh secara gabungan
dan secara parsial.
a)Melihat pengaruh Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase Penduduk
Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah
Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan
Buruh/Karyawan/Pegawai Sebulan secara gabungan terhadap Angka
Harapan Hidup .
Untuk melihat pengaruh Konsumsi Kalori (kkal) per Kapita per
Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari ,
Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf ,
Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata
Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan terhadap
AHH secara gabungan, akan kita lihat hasil perhitungan dalam model
Squared Multiple Correlations, khususnya angkaR square dibawah :
Tabel 4.2 Squared Multiple Correlations: (Group number 1 - Default model)
Besarnya angka estimate dalam hal ini merupakan angka Rsquare
(r2) pada X5 adalah 0,453 .Angka tersebut dapat digunakan untuk
Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari ,
Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek
Huruf , Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas
,Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai
Sebulan terhadap AHH di Sumatera Utara dengan cara
menghitung Koefisien Determinasi(KD) dengan menggunakan
rumus sebagai berikut:
Koefisien Determinasi (KD) = r2x 100% = 0,453 x 100%
= 45,3%
Angka tersebut mempunyai maksud bahwa pengaruh Konsumsi
Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein
(gram) per Kapita per Hari , Persentase Penduduk Berumur 15
Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah
Penduduk Usia 15 Tahun Ke Atas ,Rata-rata
Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan secara
gabungan terhadap AHH adalah 45,3%. Adapun sisanya
sebesar54,7%(100%- 45,3%) dipengaruhi oleh factor lain. Dengan
kata lain variabilitas AHH yang dapat diterangkan dengan
menggunakan variable variabel seperti di atas adalah sebesar
45,3% sedangkan pengaruh 54,7% disebabkan oleh
variabel-variabel lain diluar model ini.
square (r2) pada Y adalah 0,472 .Besarnya angka estimate dalam
hal ini merupakan angka R square (r2) pada Y adalah 0,472.
Angka tersebut dapat digunakan untuk melihat besarnya pengaruh
Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi
Protein (gram) per Kapita per Hari , Persentase Penduduk
Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama
Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata
Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan
terhadap AHH di Sumatera Utara dengan cara menghitung
Koefisien Determinasi(KD) dengan menggunakan rumus sebagai
berikut
Koefisien Determinasi (KD) = r2x 100% = 0,472x100% = 47,2%
Angka tersebut mempunyai maksud bahwa pengaruh Konsumsi
Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein
(gram) per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun
Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk
Usia 15 Tahun Ke Atas , Rata-rata Upah/Gaji/Pendapatan
Buruh/Karyawan/Pegawai Sebulan secara gabungan terhadap AHH
adalah 47,2% Adapun sisanya sebesar52,8%(100%- 47,2% )
dipengaruhi oleh factor lain. Dengan kata lain variabilitas AHH yang
dapat diterangkan dengan menggunakan variable variabel seperti di
atas adalah sebesar 47,2% sedangkan pengaruh 52,8% disebabkan
Untuk mengetahui apakah model regresi di atas sudah benar atau
salah, diperlukan uji hipotesis menggunakan uji signifikansi
sebagaimana tertera dalam table dibawah ini:
Tabel 4.3 Covariances: (Group number 1 - Default model)
Angka estimate pada output di atas menunjukkan kovarian antar variabel
terikat (endogenus) dengan variable bebasnya (eksogenus).Untuk
mengetahui hal tersebut,dapat dilakukan pengujian hipotesis seperti pada
pengujian ada tidaknya hubungan antara dua variable tertentu:
Kaidah pengujian signifikansi Program Amos18 sebagai berikut:
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai
probabilitas sig atau [0,05 ≤ Sig], maka Ho diterima dan H1 ditolak
yang artinya tidak signifikan.
Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai
probabilitas sig atau [0,05 ≥ Sig], maka Ho ditolak dan H1 diterima
yang artinya signifikan.
Dari table kovarian diatas , nilai probabilitas lebih besar dari 0,05, kecuali
Estimate S.E. C.R. P Label X1 <--> X2 258.793 78.747 3.286 .001 par_10 X4 <--> X1 -9.269 13.979 -.663 .507 par_11 X3 <--> X2 8.668 4.642 1.867 .062 par_12 X3 <--> X1 54.921 95.709 .574 .566 par_13 X4 <--> X3 3.597 1.142 3.149 .002 par_14
korelasi antara variabel X1 terhadap X2 dan korelasi antara variabel X4
terhadap X3 .Jika seperti diberikan hipotesis berikut:
Ho : tidak ada hubungan yang nyata (signifikan) antara Konsumsi
Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein
(gram) per Kapita per Hari , Persentase Penduduk Berumur 15
Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah
Penduduk Usia 15 Tahun Ke Atas ,Rata-rata
Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan
terhadap AHH
H1 : ada hubungan yang nyata(signifikan) antara Konsumsi Kalori
(kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per
Kapita per Hari , Persentase Penduduk Berumur 15 Tahun Ke
Atas yang Melek Huruf , Rata-rata Lama Sekolah Penduduk Usia
15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan
Buruh/Karyawan/Pegawai Sebulan terhadap AHH
Maka, dari pernyataan diatas, Ho ditolak dan H1 diterima sehingga ada
hubungan yang nyata (signifikan) antara Konsumsi Kalori (kkal) per
Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari ,
Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf ,
Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata
Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai terhadap AHH dan
bagian yang tidak signifikan korelasi antara variabel X1 terhadap X2
dan korelasi antara variabel X4 terhadap X3 akan dibuat model trimming
b) Untuk melihat pengaruh Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase
Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata
Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata
Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai terhadap AHH secara
parsial, akan kita lihat hasil perhitungan dalam model :
Tabel 4.4 Regression Weights: (Group number 1 - Default model)
Estimate S.E. C.R. P Label
Proses: Perumusan Hipotesis :
Ho : Tidak ada hubungan yang nyata (signifikan) antara Konsumsi
Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein
(gram) per Kapita per Hari , Persentase Penduduk Berumur 15
Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah
Penduduk Usia 15 Tahun Ke Atas ,Rata-rata
Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai terhadap AHH
H1 : ada hubungan yang nyata (signifikan) antara Konsumsi Kalori
(kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram)
per Kapita per Hari , Persentase Penduduk Berumur 15 Tahun
Penduduk Usia 15 Tahun Ke Atas ,Rata-rata
Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai terhadap AHH
Dalam hal ini ada sebagian hubungan, jika ada dan nyata, adalah positif
Dasar keputusan:
Jika nilai probability (P) > 0,05 Ho diterima
Jika nilai probability (P) < 0,05 Ho ditolak
Keputusan:
Pada kolom P terlihat nilai P adalah ***, 0.001 , 0.481 , 0.689, 0.023, 0.021,
***, 0.028, 0.023. Hal ini menunjukkan sebagian angka P adalah jauh
dibawah 0,05. Tet api angka yang l ebih besar dari 0,05 tidak ada
hubungan dan akan di hapus dari model (model t rimmi ng)
Karena itu angka yan g l ebih kecil dari 0,05 Ho ditolak, atau pada
pengujian nilai estimate antara AHH dengan kelima variable diatas dikatakan
memang terdapat hubungan yang nyata (signifikan).
4.3.2 Analisis Korelasi
Analisis korelasi antar variabel Konsumsi Kalori (kkal) per Kapita per
Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase
Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama
Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan
Buruh/Karyawan/Pegawai terhadap AHH ditunjukkan pada hasil output
berikut ini:
Tabel 4.5 Covariances: (Group number 1 - Default model)
Analisis hubungan antar variable bebas (eksogen) Hipotesis yang diajukan
Ho : tidak ada hubungan antar duavariabel eksogen (bebas)
H1 : ada hubungan antar dua variabel eksogen (bebas)
Dasar keputusan:
Jika nilai probability (P) > 0,05 Ho diterima
Jika nilai probability (P) < 0,05 Ho ditolak
Kovarians adalah hubungan dua variable yang bersifat dua arah berbeda
(berbeda dengan regression weights yang bersifat searah).Pada model ada
beberapa kovarians, yang menunjukkan hubungan antara masing-masing
variable bebas (eksogenus) .Pada kolom P terlihat semua angka probability
yakni P(.001, .507, .062, .566, .002, .202 ). Nilai probabilitas yang lebih
kecil dari 0,05(.001, .002) ada hubungan antar dua variabel eksogen
(bebas). Dan nilai probability yang lebih besar dari 0,05 (.507, .062, .566,
.202) tidak ada hubungan antar dua variabel eksogen (bebas).
Dari hasil korelasi data diatas nilai estimate ada yang bernilai negatif. Hal
ini berarti telah terlihat jelas bahwa tidak ada korelasi (hubungan) antara
dua variable bebas (eksogenus).Penjelasan selanjutnya sebagai berikut:
Korelasi antara Rata- rata Konsumsi Kalori (kkal) per Kapita per
Hari dengan Rata-rata Konsumsi Protein (gram) per Kapita per Hari
rx1x2=0,714
Berdasarkan perhitungan diperoleh nilai korelasi antar variable Rata-
rata Konsumsi Kalori (kkal) per Kapita per Haridengan Rata-rata
Konsumsi Protein (gram) per Kapita per Hari sebesar 0,714 yang
berarti bahwa hubungan antara variabel adalah kuat dan searah.
Korelasi antara Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke
Atas dengan Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari
rx4x1= -0,11
Berdasarkan perhitungan diperoleh nilai korelasi antar variable
Korelasi antaraRata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke
Atas dengan Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari
sebesar -0,118 yang berarti bahwa hubungan antara variabel adalah
negative sempurna dan tak searah.
Korelasi antara Persentase Penduduk Berumur 15 Tahun Ke Atas
yang Melek Huruf dengan Rata-rata Konsumsi Protein (gram) per
Kapita per Hari
rx3x2=0,350
Berdasarkan perhitungan diperoleh nilai korelasi antar variable
dengan Rata-rata Konsumsi Protein (gram) per Kapita per Hari
sebesar 0,350 yang berarti bahwa hubungan antara variabel adalah
lemah dan searah.
Korelasi antara Persentase Penduduk Berumur 15 Tahun Ke Atas
yang Melek Huruf dengan Rata- rata Konsumsi Kalori (kkal) per
Kapita per Hari
rx3x1=0,102
Berdasarkan perhitungan diperoleh nilai korelasi antar variable
Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf
dengan Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari
sebesar0,102 yang berarti bahwa hubungan antara variabel adalah
lemah dan searah.
Korelasi antaraRata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke
Atas Persentase dengan penduduk Berumur 15 Tahun Ke Atas yang
Melek Huruf .
rx4x3=0,670
Berdasarkan perhitungan diperoleh nilai korelasi antar variable
Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas Persentase
dengan penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf
sebesar0,670 yang berarti bahwa hubungan antara variabel adalah
kuat dan searah.
Korelasi antaraRata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke
Atas Persentase dengan Rata-rata Konsumsi Protein (gram) per
rx4x2=0,232
Berdasarkan perhitungan diperoleh nilai korelasi antar variable
Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf
dengan Rata-rata Konsumsi Protein (gram) per Kapita per Hari
sebesar 0,232 yang berarti bahwa hubungan antara variabel adalah
lemah dan searah.
Besarnya nilai korelasi antara variabel terikat (endogenus)
Dengan variabel bebas (eksogenus) antara lain:
Korelasi antara Rata rata Upah/Gaji/Pendapatan Buruh /Karyawan /
Pegawai Sebulan dengan Angka Harapan Hidup (Y)
rx5xy=0,058
Berdasarkan perhitungan diperoleh nilai korelasi antar variable
Rata-rata Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan
dengan AHH sebesar 0,058 yang berarti bahwa hubungan antara
variabel adalah lemah dan searah.
Korelasi antara Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke
Atas dengan Angka Harapan Hidup (Y)
Berdasarkan perhitungan diperoleh nilai korelasi antar variable
Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas dengan AHH
sebesar 0,519 yang berarti bahwa hubungan antara variabel adalah
sangat kuat dan searah.
Korelasi antara Persentase Penduduk Berumur 15 Tahun Ke Atas yang
Melek Huruf dengan Angka Harapan Hidup (Y)
rx3xy=0,236
Berdasarkan perhitungan diperoleh nilai korelasi antar variable
Persentase Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf
dengan AHH sebesar 0,236 yang berarti bahwa hubungan antara
variabel adalah lemah dan searah.
Korelasi antara Rata- rata Konsumsi Kalori (kkal) per Kapita per Hari
dengan Angka Harapan Hidup (Y)
rx1xy=-0,142
Berdasarkan perhitungan diperoleh nilai korelasi antar variable Rata-
rata Konsumsi Kalori (kkal) per Kapita per Hari dengan AHH
sebesar -0,142 yang berarti bahwa hubungan antara negative
sempurna dan tak searah.
Korelasi antara Rata-rata Konsumsi Protein (gram) per Kapita per
Hari dengan Angka Harapan Hidup (Y)
rx2xy=0,237
Berdasarkan perhitungan diperoleh nilai korelasi antar variable
sebesar 0,237 yang berarti bahwa hubungan antara lemah dan searah.
4.4 Perhitungan Pengaruh
4.4.1 Pengaruh Langsung (Direct Effect)
Besarnya pengaruh langsung variable eksogenus (bebas) terhadap
variabel endogenus (terikat):
Atau dapat dilihat pada hasil output dibawah ini:
Tabel 4.8 Direct Effects (Group number 1 - Default model)
X2 X1 X3 X4 X5
X5 -5.887 -.464 -2.182 5.243 .000
Y .223 .010 .157 1.875 .003
Besar pengaruh langsung terhadap variabel terikat X5 :
Pengaruh variable Rata- rata Konsumsi Protein (kkal) per Kapita per
Hari (X2) terhadap
Rata rata Upah/Gaji/Pendapatan Buruh/Karyawan / Pegawai Sebulan
(X5) adalah -5,887≈ -5,9%
Hal itu menunjukkan besarnya kontribusi Rata-rata Konsumsi protein
(gram) per Kapita per Hari (X2) yang secara langsung mempengaruhi
AHH(Y) adalah -5,92 = atau 34,81 % atau 35%
Pengaruh variable Rata- rata Konsumsi Kalori (kkal) per Kapita per
Hari (X1)terhadap Rata rata Upah/Gaji/Pendapatan Buruh/Karyawan
/ Pegawai Sebulan (X5) adalah -.464≈ -0,47
Hal itu menunjukkan besarnya kontribusi Rata-rata Konsumsi
mempengaruhi Rata-rata Upah / Gaji / Buruh / Karyawan / Pegawai
Sebulan (X5) adalah -0,472= 0,2209atau 0,22 %
Pengaruh variabel Persentase Penduduk Berumur 15 Tahun Ke Atas
yang Melek Huruf (X3) terhadap Rata-rata Upah/Gaji/Pendapatan
Buruh/Karyawan/Pegawai Sebulan (X5) adalah -2,182≈ -2,182%
Hal itu menunjukkan besarnya kontribusi Persentase Penduduk
Berumur 15 Tahun Ke Atas yang Melek Huruf (X3) yang secara
langsung mempengaruhi Rata-rata Upah / Gaji / Pendapatan
Buruh/Karyawan/Pegawai Sebulan (X5) adalah -2,1822= atau
4,76%
Pengaruh variable Rata-rata Lama Sekolah Penduduk Usia 15 Tahun
Ke Atas (X4) terhadap Rata-rata Upah / Gaji / Pendapatan Buruh /
Karyawan / Pegawai Sebulan (X5) adalah 5,243≈ 5,24%
Hal itu menunjukkan besarnya kontribusi Rata-rata Lama Sekolah
Penduduk Usia 15 Tahun Ke Atas (X4) yang secara langsung
mempengaruhiRata-rataUpah/Gaji/Pendapatan
Buruh/Karyawan/Pegawai Sebulan (X5) adalah 5,242= atau 5,24%
Besar pengaruh langsung terhadap variabel terikat Y:
Pengaruh variable Rata- rata Konsumsi Protein (kkal) per Kapita
per Hari (X2) terhadap AHH (Y) adalah 0,223≈ 0,22%
Hal itu menunjukkan besarnya kontribusi Rata-rata Konsumsi
protein (gram) per Kapita per Hari (X2) yang secara langsung
mempengaruhi AHH (Y) adalah 0,222= atau 0,0484% atau 0,05%
Pengaruh variable Rata- rata Konsumsi Kalori (kkal) per Kapita per
Hal itu menunjukkan besarnya kontribusi Rata-rata Konsumsi
kalori (gram) per Kapita per Hari (X1) yang secara langsung
mempengaruhi AHH (Y) adalah 0,012 = atau 0,0001% atau 0,00%
Pengaruh variable Persentase Penduduk Berumur 15 Tahun Ke
Atas yang Melek Huruf (X3) terhadap AHH (Y) = 0,157≈0,16%
Hal itu menunjukkan besarnya kontribusi Persentase Penduduk
Berumur 15 Tahun Ke Atas yang Melek Huruf (X3) yang secara
langsung mempengaruhiAHH (Y) adalah 0,162= atau 0,0256%
atau 0,03%
Pengaruh variable Rata-rata Lama Sekolah Penduduk Usia 15
Tahun Ke Atas (X4) terhadap AHH (Y) adalah 1,875≈1,88%
Hal itu menunjukkan besarnya kontribusi Rata-rata Lama Sekolah
Penduduk Usia 15 Tahun Ke Atas (X4) yang secara langsung
mempengaruhi AHH (Y ) adalah 1,882= atau 3,5344% atau 3,54%
Pengaruh variable Rata-rata Upah / Gaji / Pendapatan Buruh /
Karyawan /Pegawai Sebulan (X5) terhadap AHH (Y) adalah 0,003≈0,03%
Hal itu menunjukkan besarnya kontribusi Rata-rata
Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan (X5) yang
secara langsung mempengaruhi AHH(Y) adalah 0,032= atau
0,0009% atau 0,00%
4.4.2 Pengaruh Tak Langsung (Indirect Effects)
Besarnya pengaruh tidak langsung variable eksogenus terhadap variable
Atau dapat dilihat pada hasil output dibawah ini:
Tabel 5.0 Indirect Effects (Group number 1 - Default model)
X2 X1 X3 X4 X5
X5 .000 .000 .000 .000 .000
Y .016 .001 .078 -.711 .000
Dari table diatas terlihat bahwa pada terhadap variabel X5 tersebut tidak
memiliki pengaruh secara tak langsung. Tetapi pada terhadap variabel Y
ada pengaruh tak langsung .
Besar pengaruh tak langsung terhadap variabel terikat Y:
Pengaruh variable Rata-rata Konsumsi Protein (gram) per Kapita per
Hari (X2) terhadap AHH adalah 0,016≈0,02 .Hal itu menunjukkan
besarnya kontribusi Rata-rata Konsumsi Protein (gram) per Kapita per
Hari (X2) yang secara tak langsung mempengaruhi AHH (Y) adalah
0,022= 0,0004 atau 0,00%
Pengaruh variable Rata-rata Konsumsi kalori (gram) per Kapita (X1)
terhadap AHH adalah = 0,016≈0,02 Hal itu menunjukkan besarnya
kontribusi Rata-rata Konsumsi kalori (gram) per Kapita per Hari (X1)
yang secara tak langsung mempengaruhi AHH (Y) adalah ,022=
0,0004 atau 0,00%
Pengaruh variable Persentase Penduduk Berumur 15 Tahun Ke Atas
menunjukkan besarnya kontribusi Persentase Penduduk Berumur 15
Tahun Ke Atas yang Melek (X3) yang secara tak langsung
mempengaruhi AHH(Y)adalah 0,082= 0,0064atau 0,01%
Pengaruh variable Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke
Atas (X4) terhadap AHH adalah = -0,711≈-0,71. Hal itu menunjukkan
besarnya kontribusi Rata-rata Lama Sekolah Penduduk Usia 15 Tahun
Ke Atas (X4) yang secara tak langsung mempengaruhi AHH (Y)
adalah 0,712= atau 0,5041% ≈0,50%
4.4.3 Pengaruh Total
Besarnya pengaruh total variabel eksogenus (variabel bebas) terhadap
variabel endogenus (variabel terikat):
Atau dapat dilihat pada hasil output dibawah ini:
Tabel 5.2 Total Effects (Group number 1 - Default model)
X2 X2 X3 X4 X5
X5 -5.887 -.464 -28.182 257.243 .000
Y .239 -.009 -.079 1.165 -.003
Setelah dilakukan analisis pada data ternyata ada variabel yang tidak
signifikan. Maka disini penulis akan menghapus model variabel bebas yang
tidak signifikan (model trimming). Berikut pembahasannya: Kita lihat hasil
perhitungan dalam model Regression Weights:Group number1– default
Dan setelah dihapus model variabel yang tidak signifikan , yaitu antara X1
terhadap X5 dan X2 terhadap X5 , maka nilai probabilitinya sudah signifikan
seperti ditunjukkan pada table di bawah ini. Dan model analisis jalurnya
berubah seperti ditunjukkan dibawah ini :
Maka disini penulis akan menganalisis ulang hasil dari model struktural
analisis jalur yang baru.
Estimate S.E. C.R. P Label X5 <--- X4 257.243 60.686 4.239 *** par_1 X5 <--- X3 -28.182 8.575 -3.287 .001 par_2 X5 <--- X1 -.464 .658 -.705 .481 par_6 X5 <--- X2 -5.887 14.689 -.401 .689 par_7
4.5 Menafsirkan Hasil Analisis Data Setelah Trimming
4.5.1 Analisis Regresi
Kita akan menganalisis regresi dengan melihat pengaruh secara
gabungan dan secara parsial.
a. Melihat pengaruh Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi Protein (gram) per Kapita per Hari , Persentase
Penduduk Berumur 15 Tahun Ke Atas yang Melek Huruf , Rata-rata
Lama Sekolah Penduduk Usia 15 Tahun Ke Atas ,Rata-rata
Upah/Gaji/Pendapatan Buruh/Karyawan/Pegawai Sebulan secara
gabungan terhadap Angka Harapan Hidup . Untuk melihat pengaruh
Konsumsi Kalori (kkal) per Kapita per Hari , Rata-rata Konsumsi
Protein (gram) per Kapita per Hari , Persentase Penduduk Berumur
15 Tahun Ke Atas yang Melek Huruf , Rata-rata Lama Sekolah
Penduduk Usia 15 Tahun Ke Atas ,Rata-rata Upah/Gaji/Pendapatan
Buruh/Karyawan/Pegawai Sebulan terhadap AHH secara gabungan,
akan kita lihat hasil perhitungan dalam model Squared Multiple
Correlations, khususnya angka R square dibawah ini:
Tabel 5.4 Squared Multiple Correlations:
(Group number 1 - Default model)
Estimate
X5 .448
Y .682
Besarnya angka estimate dalam hal ini merupakan angka R