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

(1)

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

(2)

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

(3)

PERSETUJUAN

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

Kategori : Tugas Akhir

Nama : Febrina Situmorang

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

Fakultas : Matematika Dan Ilmu Pengetahuan Alam

Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui Oleh:

Program Studi D3 Statistika FMIPA USU

Ketua, Pembimbing,

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

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

(4)

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

(5)

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

(6)

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

(7)

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

(8)

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

(9)

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

(10)

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

(11)

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),

(12)

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

(13)

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

(14)

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

(15)

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

(16)

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.

(17)

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

(18)

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)

(19)

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

(20)

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

(21)

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

(22)

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

(23)

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 :

(24)

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

(25)

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

(26)

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

(27)

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.

(28)

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

(29)

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

(30)

antara) yang kemungkinan baru menimbulkan resiko mortalitas, dan selanjutnya

bayi dan anak sakit dan apabila tidak sembuh akhirnya cacat atau meninggal.

(31)

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.

(32)

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

(33)

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

(34)

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

(35)

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

(36)

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

(37)

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

(38)

Humbang Hasundutan 1832.26

(39)

Samosir 61.65

(40)

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

(41)

Padang Lawas 8.0

(42)

Labuhan Batu Selatan 1430.640

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

(43)

25 Nias Barat 70.1

Tabel 4.6 Komponen Angka Harapan Hidup (AHH) Menurut Kabupaten/Kota di

Provinsi Sumatera Utara pada tahun 2012

(44)

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

(45)

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)

(46)

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

(47)

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

(48)

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.

(49)

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

(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

(50)

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

(51)

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

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

(52)

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

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

(53)

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)

(54)

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).

(55)

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

(56)

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

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

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

(57)

rx4x2=0,232

dengan Rata-rata Konsumsi Protein (gram) per Kapita per Hari

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

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)

(58)

Rata-rata Lama Sekolah Penduduk Usia 15 Tahun Ke Atas dengan AHH

sangat kuat dan searah.

 Korelasi antara Persentase Penduduk Berumur 15 Tahun Ke Atas yang

Melek Huruf dengan Angka Harapan Hidup (Y)

rx3xy=0,236

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

(59)

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

(60)

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%

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

(61)

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

(62)

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

(63)

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):

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

(64)

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

(65)