METODE ALTERNATIFUNTUK MENGHITUNG INDEKS
PEMBANGUNAN MANUSIA DI INDONESIA
TUSI SUSILAWATI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Metode Alterntif untuk Menghitung Indeks Pembangunan Manusia adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
ABSTRAK
TUSI SUSILAWATI. Metode Alternatif untuk Menghitung Indeks Pembangunan Manusia di Indonesia. Dibimbing oleh MOHAMMAD MASJKUR dan BAGUS SARTONO.
United Nations Development Programme (UNDP) membuat laporan yang berisi Indeks Pembangunan Manusia (IPM) dan peringkatnya setiap tahun. IPM dihitung dari empat peubah yaitu angka harapan hidup (AHH), angka melek huruf (AMH), rata-rata lama sekolah (MYS), dan kemampuan daya beli (PPP). Multiple criteria decision making (MCDM) dapat digunakan dalam menentukan peringkat pembangunan manusia. MCDM adalah proses menentukan pilihan terbaik dari banyak alternatif. Beberapa metode yang dapat digunakan untuk menyelesaikan masalah MCDM adalah technique for order preference by similarity to ideal solution (TOPSIS) dan visekriterijumska optimizacija i kompromisno resenje (VIKOR). Hasil analisis menunjukkan bahwa TOPSIS lebih baik dibandingkan dengan metode klasik UNDP dalam menghasilkan korelasi yang konsisten antara IPM dengan indikator penyusunnya, sedangkan metode UNDP lebih baik dibandingkan dengan metode VIKOR. Metode TOPSIS lebih baik dibandingkan dengan VIKOR dalam menghasilkan peringkat Indeks Pembangunan Manusia yang serupa dengan hasil UNDP. Pembangunan manusia di Indonesia memiliki kesenjangan kesejahteraan provinsi yang tinggi namun kesenjangan tersebut semakin berkurang.
Kata kunci: Indeks Pembangunan Manusia, MCDM, TOPSIS, VIKOR
ABSTRACT
TUSI SUSILAWATI. Alternative Method to Calculate Human Development Index in Indonesia.Supervised by MOHAMMAD MASJKUR and BAGUS SARTONO.
United Nations Development Programme(UNDP) makea reportthat containthe Human DevelopmentIndex (HDI) andrank every year. HDI calculated from four variables, life expectancy (AHH), literacy rate (AMH), mean years school (MYS), and purchasing power parity (PPP). Multiple criteria decision making (MCDM) can be used in determining the ranking of human development. MCDM is the process of determining the best choice of many alternatives. Several methods can be used to solve MCDM problem are technique for order preference by similarity to ideal solution (TOPSIS) and visekriterijumska optimizacija i kompromisno resenje (VIKOR). The results showed that TOPSIS better than the classical UNDP method in producing consistent correlations between HDI with indicator. While UNDP methodis better than VIKOR. TOPSIS method is much better than VIKOR in a ranking of the Human Development Index which is similar to the results of UNDP method. Human DevelopmentinIndonesiahas ahighgapbutthis gapdecreases.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada
Departemen Statistika
METODE ALTERNATIFUNTUK MENGHITUNG INDEKS
PEMBANGUNAN MANUSIA DI INDONESIA
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Judul Skripsi :Metode Alternatif untuk Menghitung Indeks Pembangunan Manusia di Indonesia
Nama : Tusi Susilawati NIM : G14100037
Disetujui oleh
Ir Mohammad Masjkur, MS Pembimbing I
Dr Bagus Sartono, MSi Pembimbing II
Diketahui oleh
Dr Anang Kurnia, MSi Ketua Departemen
PRAKATA
Assalamualaikum Wr. Wb.
Segala puji bagi Allah sang pencipta alam yang telah memberikan karunia-Nya kepada penulis untuk bisa menyelesaikan karya ilmiah ini. Topik yang diangkat pada karya ilmiah ini adalah metode peringkat dengan judul Metode Alternitaif untuk Menghitung Indeks Pembangunan Manusia di Indonesia.
Terima kasih penulis sampaikan kepada Bapak Ir M Masjkur, MS dan Bapak Dr Bagus Sartono, MSi selaku pembimbing. Ungkapan terima kasih juga penulis sampaikan kepada keluarga dan seluruh pihak yang membantu kelancaran penyelesaian karya ilmiah ini. Semoga karya ini dapat bermanfaat.
Wassalamualaikum Wr. Wb.
DAFTAR ISI
DAFTAR ISI vii
DAFTAR TABEL viii
DAFTAR GAMBAR viii
DAFTAR LAMPIRAN viii
PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 2
TINJAUAN PUSTAKA 2
Indeks Pembangunan Manusia 2
TOPSIS 3
VIKOR 4
METODE 5
Data 5
Metode 5
HASIL DAN PEMBAHASAN 6
Kajian Metode TOPSIS dan VIKOR 6
Eksplorasi Indeks Pembangunan Manusia Indonesia hasil TOPSIStahun 10 Eksplorasi Peringkat Indeks Pembangunan Manusia Indonesia hasil TOPSIS 11
SIMPULAN DAN SARAN 12
Simpulan 12
Saran 13
DAFTAR PUSTAKA 13
DAFTAR TABEL
1 Nilai p uji nilai tengah dua populasi data berpasangan padanilai rataan mutlak perbedaan peringkat IPM TOPSIS dengan peringkat IPM
UNDP pada setiap pasang tipe normalisasi 8
2 Ragam tahunan setiap dimensi penyusun IPM TOPSIS (setelah
normalisasi dan pembobotan) 8
3 Statistika deskriptif korelasi 9 tahun antara IPM masing-masing
perhitungan dengan indikator penyusunnya 9
4 Nilai rataan mutlak perbedaan peringkat metode UNDP dengan dua
metode alternatif 10
5 Nilai maksimum, minimum,jangkauan dan ragam IPM TOPSIS 12
DAFTAR GAMBAR
1 Diagram garis IPM TOPSIS dan IPM UNDP 7
2 IPM TOPSIS seluruh provinsi pada 9 tahun 10
3 Peringkat IPM TOPSIS seluruh provinsi pada 9 tahun 11
DAFTAR LAMPIRAN
1 Selang kepercayaan 95% untuk nilai tengah IPM TOPSISpada tiga
tipe normalisasi 14
2 Nilai p uji dua nilai tengah data berpasangan pada peringkat IPM
dengan tiga tipe normalisasi 14
3 Nilai IPM perhitungan tiga metode 15
PENDAHULUAN
Latar Belakang
Standar hidup suatu negara sering kali hanya digambarkan dengan pendapatan, kesehatan, pendidikan, layak tidaknya perumahan, angka kematian bayi, angka harapan hidup, tingkat pengangguran, dan kesenjangan pendapatan (Todaro & Smith 2006).Meskipun perhitungan yang agregat membuat data ekonomi sulit dibandingkan, tinjauan perkembangan ekonomi tetap bisa dilakukan demi pengambilan kebijakan di masa mendatang.
Saat ini, pertumbuhan sosial ekonomi suatu negara sering menjadi sorotan.Salah satu alat ukur kesejahteraan adalah Indeks Pembangunan Manusia (IPM).Semakin tinggi nilai IPM menunjukkan negara yang bersangkutan memiliki tingkat pembangunan manusia yang lebih tinggi dibandingkan dengan negara lain, secara tidak langsung menunjukkan bahwa negara tersebut lebih sejahtera. Semakin tinggi tingkat kesejahteraan bisa menyebabkan semakin tinggi tingkat kepentingan negara tersebut di mata dunia.
United Nations Development Programme (UNDP)setiap tahun menghitung IPM negara-negara di dunia.Tujuan kegiatan tersebut adalah mengukur tingkat kesejahteraan suatu negara lalu dibandingkan dengan negara lainnya, dengan keluaran peringkat IPM dari yang tertinggi hingga terendah. Indonesia berada pada peringkat 121 di dunia dan peringkat 6 di Asia Tenggara pada tahun 2012 (UNDP 2013).
Data Susenas BPS pada September 2013 memperlihatkan bahwa 11.47% populasi Indonesia atau 28.55 juta manusia Indonesia hidup di bawah garis kemiskinan nasional. Nilai ini turun sangat nyata diikuti dengan peningkatan IPM. Sejak tahun 2010 hingga 2012, IPM Indonesia terus meningkat dengan masing-masing nilainya 61.3, 61.7, dan 62.9 (UNDP Indonesia 2013). Peningkatan ini menunjukkan bahwa rakyat Indonesia semakin memiliki kesehatan yang lebih baik, waktu hidup lebih lama, pendidikan yang lebih baik, dan ekonomi yang lebih baik.
Indonesia adalah negara yang sangat luas dan beraneka ragam.Keanekaragaman ini bukan hanya terlihat dari kebudayaan, tetapi juga perkembangan dan pertumbuhan ekonomi daerah-daerahnya.Hal ini menggambarkan bahwa kesejahteraan yang tidak merata. BPS melaporkan persentase penduduk miskin di DKI Jakarta sebesar 3.72% sedangkan di Papua sebesar 31.53% pada Susenas September 2013 (BPS 2014). Angka tersebut salah satu bukti kesenjangan kesejahteraan di Indonesia.
2
(VIKOR) yang fokus pada pemeringkatan dan pemilihan set alternatif dengan adanya kriteria bertentangan (Tzeng & Huang 2011). Penelitian ini bermaksud mengkaji metode alternatif dalam menghitung Indeks Pembangunan Manusia dengan prosedur TOPSIS dan VIKOR.
Tujuan Penelitian
Tujuan dari penelitian ini ialah:
1. Membandingkan Indeks Pembangunan Manusia hasil UNDP dengan Indeks Pembangunan Manusia hasil perhitungan menggunakan TOPSIS dan VIKOR.
2. MembandingkanIndeks Pembangunan Manusia seluruh provinsi di Indonesia.
TINJAUAN PUSTAKA
Indeks Pembangunan Manusia
Indeks Pembangunan Manusia adalah suatu nilai yang mengukur seberapa baik suatu negara dalam mengembangkan tiga kunci dimensi pembangunan yaitu kesehatan, pendidikan, dan pendapatan (UNDP Indonesia 2013).Dimensi kesehatan diukur dengan satu nilai, yaitu angka harapan hidup (AHH).Sedangkan dimensi pendidikan diukur dengan dua nilai yaitu angkamelek huruf (AMH) orang dewasa (15+ tahun) dan rata-rata lama sekolah (MYS).Terakhir, dimensi pendapatan juga diukur dengan satu nilai, yaitu purchasing power parity (PPP).IPM diperkenalkan pertama kali pada tahun 1992 oleh UNDP.Berikut ini rumus perhitungan IPM yang biasa digunakan oleh UNDP (Todaro& Smith 2006):
( ( ) )
Perhitungan masing-masing indeks adalah sebagai berikut:
Keterangan:
X1 =Angka harapan hidup (AHH) X21 =Angka melek huruf (AMH) X22 =Rata-rata lama sekolah (MYS) X3 =Purchasing power parity (PPP)
=Daerah ke-i dari indikator ke-j
=Nilai minimum dari indikator tertentu yang dicapai oleh generasi sebelumnya
3
TOPSIS
Metode TOPSIS pertama kali diperkenalkan oleh Hwang dan Yoon pada tahun 1981. Beberapa istilah yang digunakan dalam TOPSIS adalah sebagai berikut [Olson (2004), Kabir & Hasin (2012)]:
1. Benefit criteria adalah kriteria yang nilainya lebih tinggi menunjukkan hal yang lebih baik.
2. Cost criteria adalah kriteria yang nilainya lebih rendah menunjukkan hal yang lebih baik.
3. Solusi ideal positif adalah solusi yang memaksimumkan benefit criteria dan meminimumkan cost criteria.
4. Solusi ideal negatif adalah solusi yang meminimumkan benefit criteria dan memaksimumkancost criteria.
5. Kriteria adalah peubah-peubah yang ditentukan peneliti untuk mengevaluasi suatu alternatif.
6. Alternatif adalah pilihan yang dipilih atau pengamatan yang diperingkatkan. 7. Pembobot kriteria adalahukuran yang menunjukkan tingkat
kepentingan/preferensi pada masing-masing kriteria.
8. Normalisasi adalah proses yang dapat membuat nilai-nilai pada setiap kriteria dapat dibandingkan.
Selain memilih alternatif yang memiliki jarak terpendek dengan solusi ideal positif, TOPSIS juga memilih jarak terjauh dari solusi ideal negatif(Tzeng dan Huang 2011).Beberapa kelebihan lain TOPSIS adalah metode yang sederhana dan intuitif, memungkinkan hasil yang konsisten dan sistematis serta hanya sedikit memasukan unsur subjektif yaitu dalam menentukan pembobot.TOPSIS cukup objektif digunakan untuk membuat peringkatIPM (Zeineldin & Khater 2013).
Langkah-langkah yang dilakukan pada TOPSIS yaitu:
1. Menenentukanmatriks keputusan berukuran m n dengan m adalah jumlah altenatif dann jumlah kriteria.
2. Membuat normalisasi dari matriks keputusan. Formula berikut digunakan untuk normalisasi setiap peubah xi pada matriks keputusan dengan rij sebagai
hasil normalisasi: menunjukkan benefit criteriadan menunjukkan cost criteria.
4
6. Menghitungtaraf kedekatan setiap alternatif dengan solusi ideal positif dan solusi ideal negatif dengan rumus sebagai berikut:
-, karena dan
- maka ,
7. Menentukan peringkat dari perhitungan pada langkah sebelumnya.
VIKOR
VIKOR yang mengandung ejaan Serbia, diperkenalkan pertama kali oleh Serafim Opricovic pada tahun 1979 untuk menyelesaikan penentuan keputusan multi-kriteria. VIKOR adalah metode penentuan peringkat dengan pembobotan dan berdasarkan pada ukuran terdekat dengan solusi ideal. Metode ini menentukan daftar peringkat dan solusi kompromi dengan bobot yang ditentukan di awal. Peringkat kompromi adalah penentuan peringkat yang didasarkan pada beberapa indeks hasil perhitungan. VIKOR sangat baik digunakan untuk memilih alternatif yang diukur dari beberapa kriteria yang saling bertentangan (Sayadi et al.2008).
Pengembangan VIKOR dimulai dengan bentuk fungsi Lp-metrik berikut
(Tzeng & Huang 2011): pemeringkatan dalam metode VIKOR yaitu (Tzeng dan Huang 2011):
1. Menentukan dan - pada semua kriteria.
2. Hitung nilai Pi dan Qi, i=1,2,..,m dengan rumus sebagai berikut:
∑ | || |
,
{ | |
| | , ,…, }
dimana pembobot kriteria yang menunjukkan kepentingan relatif kriteria yang bersangkutan.
5 (1-v) = bobot untuk jarak Chebyshev.
4. Membuat peringkat berdasarkan indeks P, Q, dan R dengan nilai tertinggi berada pada peringkat tertinggi sehingga terdapat tiga daftar peringkat.
METODE
Data
Penelitian ini menggunakan data sekunder yang bersumber dari Badan Pusat Statistik (BPS) Indonesia dari tahun 2004 hingga 2012. Peubah yang digunakan adalah angka harapan hidup (AHH), angka melek huruf (AMH), rata-rata lama sekolah (MYS),purchasing power parity (PPP), dan Indeks Pembangunan Manusia.
Metode
Metode yang digunakan adalah TOPSISdan VIKOR yangsama-sama menggunakan ukuran jarakdalam perhitungan peringkatnya, namun menggunakan jarak yang berbeda. Pemeringkatan TOPSIS berdasarkan pada minimum jarak suatu alternatif dengan solusi ideal positif dan maksimum jarak suatu alternatif dengan solusi ideal negatif yang diukur dengan satu ukuran jarak. Sedangkan pemeringkatan VIKOR berdasarkan pada jarak terdekat dengan solusi ideal positif yang diukur dengan tiga ukuran jarak.
Langkah-langkah yang dilakukan pada penelitian ini yaitu:
1. Menyusun matriks keputusan yang berukuran 35 4 dengan 35 menunjukkan 33 provinsi di Indonesia ditambah satu nilai minimum yang diperoleh pada generasi sebelumnya dan satu nilai maksimum pada generasi selanjutnya, sedangkan empatmenunjukkan jumlah kriteria yang digunakan.
2. Membuat peringkat dan nilai Indeks Pembangunan Manusia dari 2004 hingga 2012 dengan metode UNDP untuk perbandingan.
3. Membuat peringkat dan nilai Indeks Pembangunan Manusia dari 2004 hingga 2012 dengan metode TOPSIS dengan langkah sebagai berikut:
a) Normalisasi pada 4 kriteria dengan tiga tipe normalisasi yaitu: I. √∑ , untuk xij; i , ,…, 33 dan j 1, 2, 3, 4
II. √∑ , untuk xij; i , ,…, 1, 2, 3, 4
III. √ , untuk xij; i , ,…, 1, 2, 3, 4
6
c) Menghitung jarak Euclid terboboti setiap provinsi dengan nilai Xmaks
(solusi ideal positif) dan Xmin (solusi ideal negatif).
d) Menghitung Indeks Pembangunan Manusia dari dua jarak pada langkah c.
4. Membuat peringkat Indeks Pembangunan Manusia dari 2004 hingga 2012 dengan metode VIKOR.
5. Membandingkan Indeks Pembangunan Manusia hasil TOPSIS, VIKOR, dan UNDP dengan deksriptif korelasi IPM terhadap indikator penyusunnya. 6. Membandingkan peringkat Indeks Pembangunan Manusia hasil TOPSIS dan
VIKOR dengan rataan mutlak perbedaan peringkat antara metode yang bersangkutan terhadap metode UNDP. Rumus yang digunakan adalah ∑ | - |
⁄ dengan Ai menunjukan peringkat dari metode yang
bersangkutan dan Bi menunjukkan peringkat yang dihasilkan UNDP.
7. Membandingkan IPM seluruh provinsi di Indonesia dengan eksplorasi bagan radar.
HASIL DAN PEMBAHASAN
Kajian Metode TOPSIS dan VIKOR
Metode TOPSIS dan VIKOR dapat digunakan sebagai metode alternatif dalam menghitung Indeks Pembangunan Manusia. Perbandingan antara IPM hasil tiga metode terlihat pada Gambar 1. Sumbu vertikal pada setiap grafik pada Gambar 1menunjukkan nilai IPM, sedangkan sumbu horizontal menunjukkan 33 provinsi di Indonesia. Gambar 1 menunjukkan bentuk grafik IPM hasil TOPSIS dan VIKOR identik dengan UNDP di setiap tahun.
Grafik IPM hasil TOPSIS selalu berada di bawah grafik IPM hasil UNDP, begitu juga dengan IPM hasil VIKOR. IPM yang dihasilkan TOPSIS dan VIKOR selalu lebih kecil dibandingkan perhitungan UNDP, namun nilai IPM hasil TOPSIS dan VIKOR sangat konsisten terkait perubahan indikator-indikator penyusunnya. Korelasi Pearson antara IPM hasil dua metode alternatif dengan IPM hasil UNDP mendekati satu menunjukkan adanya hubungan linier yang sangat tinggi. Hubungan linier menunjukkan nilai-nilai IPM dua alternatifmemiliki kemiripan perubahan posisi IPM pada setiap provinsi.
7 nilai tengah menunjukkan peringkat IPM TOPSIS ketiga tipe normalisasi tidak menghasilkan Rataan mutlak perbedaan yang berbeda secara signifikan pada taraf nyata 5% maupun 10%. Bentuk normalisasi ini sesuai dengan TOPSIS yang diperkenalkan Hwang dan Yoon pada tahun 1981 (Tzeng dan Huang 2011).
Metode perhitungan jarak antar objek dengan nilai solusi ideal positif dan solusi ideal negatif mempengaruhi kekonsistenan IPM TOPSIS. Jarak Euclid tidak mampu menghasilkan IPM yang konsisten karena tidak menyeragamkan ragam
pada setiap dimensi IPM. Perbandingan nilai ragam tiga dimensi penyusun IPM dapat dilihat pada Tabel 2. Ragam dimensi pendidikan lebih besar dibandingkan ragam dimensi lainnya. Keragaman yang berbeda ini membuat jarak Euclid menghasilkan IPM yang kurang baik. Penggunaan jarak Euclid membuat nilai IPM hasil TOPSIS bisa lebih kecil dari nilai IPM hasil UNDP atau bisa juga lebih besar. Metode perhitungan jarak yang mampu menangani masalah ini adalah Jarak Euclid terboboti dengan bobot simpangan baku dari masing-masing dimensi. Jarak tersebut membuat nilai IPM hasil TOPSIS selalu berada di bawah IPM hasil UNDP dan menunjukkan kekonsistenan.
IPM UNDP Keterangan:
IPM TOPSIS Absis : Provinsi
IPM VIKOR Ordinat : Nilai IPM
Gambar 1 Diagram garis IPM TOPSIS dan IPM UNDP
8
Tabel 2 Ragam tahunan setiap dimensi penyusun IPM TOPSIS (setelah normalisasi dan pembobotan)
2004 0,0000515 0,0001331 0,0000223
2005 0,0001446 0,0002214 0,0001170
2006 0,0001439 0,0002187 0,0001169
2007 0,0000500 0,0001266 0,0000219
2008 0,0000497 0,0001253 0,0000219
2009 0,0000495 0,0001241 0,0000220
2010 0,0000492 0,0001221 0,0000221
2011 0,0000490 0,0001211 0,0000221
2012 0,0000488 0,0001196 0,0000222
Nilai IPM hasil UNDP, TOPSIS dan VIKOR terdapat pada Lampiran 2, sedangkan peringkatnya terdapat pada Lampiran 3. Perbedaan IPM hasil TOPSIS, VIKOR, dan UNDP terlihat dari statistika deskriptif korelasi tahunan antara IPM yang dihasilkan dengan indikator penyusunnya. Nilai-nilai tersebut ditampilkan pada Tabel 3. Nilai maksimum dan minimum korelasi yang lebih besar pada TOPSIS dibandingkan dengan UNDP terdapat pada dua indikator penyusun IPM yaitu pada angka harapan hidup dan purchasing power parity, sedangkanIPM UNDP lebih besar pada angka melek huruf dan rata-rata lama sekolah. Nilai maksimum dan minimum korelasi yang lebih besar pada VIKOR dibandingkan dengan UNDP hanya terdapat pada indikator purchasing power parity, sedangkanIPM UNDP lebih besar pada angka harapan hidup, angka melek huruf, dan rata-rata lama sekolah. Maksimum dan minimum korelasi tersebut menunjukkan metode TOPSIS dan UNDP cukup seimbang sedangkan metode VIKOR lebih buruk dibandingkan dengan metode UNDP. Jangkauan dan ragam nilai korelasi yang dihasilkan TOPSIS lebih kecil pada tiga indikator yaitu angka harapan hidup, angka melek huruf, dan rata-rata lama sekolah dibandingkan dengan UNDP. Semakin kecil nilai jangkauan dan ragam menunjukkan nilai yang semakin baik karena metode yang bersangkutan menghasilkan korelasi-korelasi yang lebih homogen. Metode UNDP hanya unggul pada indikator purchasing
Tabel 1 Nilai p uji nilai tengah dua populasi data berpasangan padanilai rataan mutlak perbedaan peringkat IPM TOPSIS dengan peringkat IPM UNDP pada setiap pasang tipe normalisasi
Normalisasi Tipe I Tipe II Tipe III
Tipe I - 0.447 0.724
Tipe II 0.447 - 0.554
9 power parityyaitu sebesar 0.089 pada jangkauan dan 0.00094 pada ragam, sedangkan TOPSIS memiliki nilai sebesar 0.108 pada jangkauan dan 0.00124 pada ragam. TOPSIS unggul pada tiga indikator lainnya menunjukkan metode TOPSIS lebih baik dilihat dari kehomogenan jangkauan dan ragam korelasi-korelasi nilai IPM yang dihasilkan dengan indikator-indikator penyusunnya pada 9 tahun pengamatan. Metode VIKOR relatif seimbang dibandingkan dengan metode UNDP dilihat dari jangkauan dan ragam. Jangkauan dan ragam nilai korelasi yang dihasilkan VIKOR unggul pada dua indikator yaitu angka melek huruf dan rata-rata lama sekolah dibandingkan dengan UNDP, sedangkan UNDP unggul pada dua indikator lainnya.
Tabel 3 Statistika deskriptif korelasi 9 tahun antara IPM masing-masing perhitungan dengan indikator penyusunnya
Korelasi Rataan Maksimum Minimum Jangkauan Ragam IPM TOPSIS
AHH 0.843 0.855 0.832 0.023 0.000058
AMH 0.604 0.661 0.571 0.090 0.000800
MYS 0.659 0.685 0.632 0.053 0.000230
PPP 0.604 0.672 0.564 0.108 0.001240
IPM UNDP
AHH 0.822 0.836 0.806 0.030 0.000130
AMH 0.655 0.727 0.622 0.105 0.000940
MYS 0.668 0.707 0.630 0.077 0.000690
PPP 0.590 0.646 0.557 0.089 0.000940
IPM VIKOR
AHH 0.846 0.868 0.819 0.049 0.000334
AMH 0.479 0.531 0.444 0.087 0.000771
MYS 0.523 0.555 0.476 0.079 0.000911
PPP 0.683 0.728 0.652 0.076 0.000804
10
Tabel 4 Nilai rataan mutlak perbedaan peringkat metode UNDP dengan dua metode alternatif
Eksplorasi Indeks Pembangunan Manusia Indonesia hasil TOPSIStahun
Nilai IPM yang dieksplorasi adalah nilai IPM hasil TOPSIS karena metode TOPSIS relatif lebih baik dibandingkan dengan metode VIKOR. Gambar 2 memperlihatkan eksplorasi Indeks Pembangunan Manusia yang dihitung menggunakan metode TOPSIS. Nilai IPM selalu meningkat setiap tahun terihat pada semakin melebarnya luas daerah dalam gambar. Hal ini menunjukkan bahwa semakin lama tingkat kesejahteraan suatu wilayah semakin tinggi bila diukur dengan Indeks Pembangunan Manusia karena adanya kecenderungan peningkatan indikator-indikator penyusun IPM setiap tahunnya. Meningkatnya fasilitas
11 kesehatan membuat angka harapan hidup semakin tinggi, meningkatnya sarana pendidikan membuat angka melek huruf dan rata-rata lama sekolah semakin tinggi, dan menguatnya stabilitas keuangan membuat daya beli masyarakat semakin baik. Program-program pemerintah sudah baik dalam meningkatkan pembangunan manusia di Indonesia.
Bentuk gambar yang tidak menyerupai lingkaran menunjukkan bahwa tingkat kesejahteraan tidak menyebar merata jika diukur dengan IPM. Terdapat daerah yang memiliki IPM tinggi sedangkan daerah lainnya sangat rendah. Sisi kanan Gambar 2 memperlihatkan eksplorasi IPM pada daerah Barat Indonesia sedangkan sisi kiri memperlihatkan eksplorasi IPM pada daerah Timur Indonesia. Sisi kanan gambar memiliki nilai IPM yang tinggi diperlihatkan dengan luas daerah dalam gambar yang luas, sedangkan sisi kiri terlihat nilai-nilai yang rendah. Bagian Barat Indonesia lebih sejahtera dibandingkan bagian tengah dan bagian timur bila diukur dengan Indeks Pembangunan Manusia. Mengingat kekayaan alam Indonesia Timur yang sangat melimpah, sangat ironis ternyata kesejahteraannya sangat rendah.
Eksplorasi Peringkat Indeks Pembangunan Manusia Indonesia hasil TOPSIS
Gambar 3 Peringkat IPM TOPSIS seluruh provinsi pada 9 tahun
Eksplorasi peringkat IPM TOPSISditunjukkan pada Gambar 3. Peringkat pertama selalu ditempati Jakarta dan tempat terendah selalu di tempati Papua pada 9 tahun pengamatan. Beberapa daerah selalu berada diposisinya, beberapa mengalami peningkatan, dan beberapa daerah lain mengalami penurunan. Daerah- daerah yang selalu berada di posisinya yaitu Sumatera Barat, Jakarta, Yogyakarta, NTB, NTT, dan Papua. Sumatera Barat selalu pada peringkat 9, Jakarta peringkat 1, Yogyakarta peringkat 2, NTB peringkat 32, NTT peringkat 31 dan Papua peringkat 33. Jakarta sebagai provinsi yang paling tinggi pembangunan manusianya, selalu mempertahankan posisinya.Daerah yang sangat terlihat
12
mengalami penurunan adalah Maluku sedangkan daerah yang sangat terlihat mengalami peningkatan adalah Sulawesi Selatan.
Papua sebagai provinsi terendah pembangunan manusianya tidak meningkatkan posisi dan tidak dapat mengikuti pembangunan provinsi lain. Meskipun demikian, kesenjangan pembangunan manusia semakin berkurang dapat dilihat dari selisih antara IPM maksimum (Jakarta) dengan IPM minimum (Papua) setiap tahunnya pada Tabel 5. Tahun 2004 selisih kedua nilai tersebut mencapai 14.6 poin sedangkan pada tahun 2012 mengalami penurunan sebesar 2.6 poin menjadi 12.2. Dilihat dari ragam IPM setiap tahun, nilai IPM di seluruh provinsi di Indonesia semakin tidak beragam.
SIMPULAN DAN SARAN
Simpulan
Indeks Pembangunan Manusia yang dihasilkan dengan metode UNDP berbeda dengan metode TOPSIS dan VIKOR. IPM TOPSIS dan VIKOR selalu lebih kecil dibandingkan IPM UNDP namun memiliki korelasi yang tinggi. Perhitungan jarak yang baik digunakan dalam metode TOPSIS untuk menghitung IPM adalah Euclid terboboti. Metode TOPSIS lebih stabil dibandingkan dengan metode UNDP terlihat dari ragam dan jangkauan korelasi antar IPM dengan indikator-indikator penyusunnya. Metode VIKOR lebih buruk dibandingkan dengan metode UNDP dilihat dari rataan, maksimum, dan minimum korelasi IPM masing-masing metode dengan indikator penyusunnya. Metode TOPSIS lebih baik dibandingkan metode VIKOR dalam menghasilkan peringkat yang serupa dengan metode UNDP.
IPM Indonesia selalu meningkat di setiap provinsi setiap tahunnya. Posisi peringkat IPM selalu tetap pada beberapa daerah, meningkat dan menurun pada beberapa daerah lainnya. Daerah Barat Indonesia lebih sejahtera dibandingkan dengan daerah timur jika diukur dengan IPM.
Tabel 5 Nilai maksimum, minimum,jangkauan dan ragam IPM TOPSIS
Statistik Tahun
13
Saran
Penelitian dapat dikembangkan dengan simulasi data untuk membandingkan metode terbaik dalam menghitung Indeks Pembangunan Manusia dan mencari ukuran lain dalam membandingkan metode perhitungan IPM selain korelasi dan rataan mutlak perbedaan.Pengaruh pencilan terhadap nilai IPM dan peringkatnya perlu dikembangkan dengan simulasi pada tiga metode perhitungan IPM.
DAFTAR PUSTAKA
[BAPPENAS DBE] Badan Perencanaan Pembangunan Nasional, Deputi Bidang Ekonomi. 2013. Perkembangan ekonomi Indonesia triwulan III tahun 2013. (ID)
[BPS] Badan Pusat Statistik. 2014. Laporan Bulanan Data Sosial Ekonomi. (ID) Jahanshahloo GR, Lotfi FH, Izadikhah M. 2006. Extension of the TOPSIS method
for decision-making problems with fuzzy data.Applied Mathematics and Computation. 181(2006):1544-1551.doi:10.1016/j.amc.2006.02.057.
Kabir G, Hasin MAA. 2012. Comparative analysis of TOPSIS and fuzzy TOPSIS for the evaluation of travel website service quality.International Jurnal of Quality Research [Internet]. [diunduh 2014 Feb 09]; 6(3): 169-185. Tersedia pada: http://www.ijqr.net/journal/v6-n3/1.pdf
Olson DL. 2004. Comparison of weights in TOPSIS model. Mathematical and Computer Modelling. 40(7-8): 721-727.doi:10.1016/j.mcm.2004.10.003 Sayadi MK, Heydari M, Shahanaghi K. 2008. Extension of VIKOR Method for
Decision Making Problem with Interval Numbers. 33(2009):2257-2262.doi:10.1016/j.apm.2008.06.002.
Todaro MP, Smith SC. 2006.Pembangunan Ekonomi Edisi Kesembilan.Munandar H, penerjemah; Barnadi D, Suryadi, Hardani W, editor. Jakarta (ID):Penerbit Erlangga. Terjemahan dari:Economic Development 9th edition. Tzeng GH, Huang JJ. 2011. Multiple Attribute Decision Making Method and
Applications. New York (USA): CRC Press.
[UNDP Indonesia] United Nations Development Programme. 2013. Annual report UNDP Indonesia 2012/2013. (ID)
[UNDP] United Nations Development Programme. 2013. Human Development Report The Rise of the South: Human Progress in Diverse World. (USA) Wimatsari GAMS, Putra IKGD, Buana PW, 2013.Multi-attribute decision making
scholarship selection using amodified fuzzy TOPSIS. International Journal of Computer Science Issues [Internet]. [diunduh2014 Feb 08]; 10(1): 309-317. Tersedia pada: http://ijcsi.org/papers/IJCSI-10-1-2-309-309-317.pdf
14
Lampiran 1-a Selang kepercayaan 95% untuk nilai tengah IPM TOPSISpada tiga tipe normalisasi
Tahun Tipe 1 Tipe 2 Tipe 3
2004 69.20±1.25 69.31±1.25 70.27±1.23 2005 70.23±1.20 70.34±1.19 71.25±1.18 2006 70.82±1.13 70.92±1.13 71.82±1.11 2007 71.44±1.11 71.54±1.11 72.42±1.09 2008 72.12±1.11 72.22±1.11 73.10±1.09 2009 72.75±1.10 72.85±1.10 73.68±1.09 2010 73.30±1.09 73.39±1.09 74.16±1.08 2011 73.92±1.09 74.00±1.09 74.77±1.07 2012 74.52±1.07 74.60±1.07 75.33±1.06
Lampiran 1-b Nilai p uji dua nilai tengah data berpasangan pada peringkat IPM dengan tiga tipe normalisasi
Tahun Tipe Normalisasi Tipe1 Tipe 2
2004 Tipe 2 1 -
Tipe 3 0.999 0.999
2005 Tipe 2 1 -
Tipe 3 0.998 0.999
2006 Tipe 2 1 -
Tipe 3 0.998 0.999
2007 Tipe 2 1 -
Tipe 3 0.998 0.999
2008 Tipe 2 1 -
Tipe 3 0.998 0.999
2009 Tipe 2 1 -
Tipe 3 0.999 0.999
2010 Tipe 2 1 -
Tipe 3 0.999 0.999
2011 Tipe 2 1 -
Tipe 3 0.999 0.999
2012 Tipe 2 1 -
15 Lampiran 2Nilai IPM perhitungan tiga metode
Provinsi 2004 2005
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 71.53 68.82 66.05 71.89 69.22 66.65
Sumut 74.59 72.31 71.64 75.23 72.97 72.22
Sumbar 73.69 71.39 71.14 74.39 72.16 71.83
Riau 75.37 73.05 72.11 76.90 74.61 73.76
Jambi 73.25 70.85 70.85 74.19 71.90 72.08
Sumsel 72.68 70.20 69.67 73.33 70.91 70.24 Bengkulu 73.12 70.91 70.83 74.28 72.11 71.63 Lampung 71.42 69.00 68.55 71.89 69.50 68.83 Kep. Babel 72.92 70.55 71.62 74.00 71.61 72.92 Kep. Riau 73.95 71.70 70.92 75.48 73.28 72.87 DKI Jakarta 78.97 76.59 74.11 79.29 76.95 74.45
Jabar 72.31 70.01 70.51 73.15 70.91 71.41
Jateng 72.09 69.98 70.75 73.02 70.92 71.57 DI Yogyakarta 76.35 74.77 75.30 76.95 75.40 75.77
Jatim 70.03 68.11 69.43 71.68 69.79 71.02
Baten 71.09 68.85 67.46 72.02 69.74 68.51
Bali 72.29 70.39 70.33 72.98 71.15 71.13
NTB 63.74 62.12 60.54 65.67 64.12 62.42
NTT 65.53 63.30 62.96 66.44 64.28 64.05
Kalbar 68.48 66.28 67.34 69.30 67.17 68.11 Kalteng 74.88 72.48 71.72 76.49 74.16 73.61 Kalsel 69.96 67.50 65.48 70.70 68.29 66.27 Kaltim 75.46 73.35 72.63 76.18 74.10 73.16
Sulut 76.50 73.89 72.05 77.39 74.86 73.06
Sulteng 70.37 67.96 67.97 71.58 69.25 69.36 Sulsel 70.95 69.07 69.70 71.25 69.45 70.07 Sultra 69.62 67.39 66.49 70.49 68.28 67.29 Gorontalo 68.19 65.44 64.40 70.53 68.04 68.51 Sulbar 67.37 65.27 66.18 68.90 66.94 68.83 Maluku 71.96 69.28 67.65 72.19 69.54 67.93
Malut 69.19 66.65 65.30 69.81 67.31 65.80
Papua Barat 66.28 64.00 61.51 67.61 65.52 63.85
16
Lampiran 2 Nilai IPM perhitungan tiga metode (lanjutan)
Provinsi 2006 2007
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 72.25 69.62 66.91 73.33 70.95 68.99
Sumut 75.70 73.54 72.91 76.05 73.96 73.46
Sumbar 74.90 72.74 72.66 75.53 73.46 73.44
Riau 77.10 74.88 74.10 78.03 75.96 75.78
Jambi 74.54 72.30 72.38 74.73 72.54 72.64
Sumsel 74.26 71.90 71.38 74.59 72.29 71.85 Bengkulu 74.49 72.38 71.95 74.80 72.73 72.32 Lampung 72.44 70.13 69.36 72.88 70.64 69.99 Kep. Babel 74.53 72.26 73.35 74.99 72.82 73.74 Kep. Riau 76.08 74.02 73.66 77.05 75.18 75.01 DKI Jakarta 79.55 77.24 74.64 79.82 77.53 74.90
Jabar 73.55 71.37 71.80 73.98 71.82 72.36
Jateng 73.50 71.42 71.86 74.25 72.22 73.15 DI Yogyakarta 77.16 75.67 75.98 77.62 76.14 76.36
Jatim 72.47 70.61 71.92 73.14 71.29 72.88
Baten 72.33 70.11 68.91 72.53 70.35 69.18
Bali 73.29 71.54 71.55 73.81 72.13 72.44
NTB 66.31 64.73 63.07 67.06 65.47 63.70
NTT 67.70 65.50 64.86 68.26 66.09 65.56
Kalbar 70.23 68.18 69.18 70.73 68.70 69.61 Kalteng 76.68 74.41 73.81 76.77 74.53 73.91 Kalsel 71.02 68.66 66.68 71.31 68.99 66.99 Kaltim 76.53 74.52 73.62 77.10 75.17 74.51
Sulut 77.56 75.08 73.24 77.89 75.50 73.74
Sulteng 71.99 69.74 69.83 72.53 70.36 70.35 Sulsel 72.01 70.23 70.66 72.91 71.17 72.03 Sultra 70.79 68.64 67.73 71.35 69.30 68.54 Gorontalo 71.10 68.60 68.90 72.01 69.63 70.09 Sulbar 70.28 68.30 69.94 70.98 69.07 70.66 Maluku 72.66 70.09 68.43 72.95 70.45 68.84
Malut 70.39 67.96 66.33 70.72 68.36 66.73
Papua Barat 68.91 66.69 65.04 70.16 67.99 66.21
17 Lampiran 2 Nilai IPM perhitungan tiga metode (lanjutan)
Provinsi 2008 2009
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 73.80 71.54 69.84 74.42 72.26 70.78
Sumut 76.64 74.64 74.54 77.21 75.28 75.46
Sumbar 76.33 74.31 74.59 76.84 74.90 75.14
Riau 78.54 76.56 76.61 79.11 77.20 77.46
Jambi 75.32 73.20 73.65 75.83 73.79 74.48
Sumsel 75.32 73.08 73.01 75.94 73.79 73.96 Bengkulu 75.43 73.43 73.35 75.85 73.94 73.72 Lampung 73.47 71.30 70.95 74.12 72.02 71.59 Kep. Babel 75.61 73.50 74.14 76.01 73.95 74.46 Kep. Riau 77.62 75.82 76.06 78.04 76.29 76.31 DKI Jakarta 80.32 78.20 75.80 80.67 78.61 76.22
Jabar 74.42 72.29 72.88 74.97 72.90 73.32
Jateng 74.99 72.98 74.20 75.53 73.62 74.84 DI Yogyakarta 78.39 76.91 77.19 78.76 77.30 77.57
Jatim 73.81 71.98 73.66 74.54 72.79 74.23
Baten 72.99 70.84 69.50 73.38 71.24 69.81
Bali 74.29 72.66 72.91 74.89 73.32 73.96
NTB 67.51 65.87 64.17 68.11 66.45 64.72
NTT 69.12 67.03 66.75 69.60 67.57 67.35
Kalbar 71.45 69.45 70.14 72.14 70.18 70.61 Kalteng 77.21 75.04 74.64 77.76 75.69 75.62 Kalsel 72.08 69.78 67.79 72.71 70.44 68.39 Kaltim 77.93 76.06 75.79 78.57 76.75 76.68
Sulut 78.46 76.22 74.86 79.04 76.93 75.87
Sulteng 73.34 71.19 70.92 74.02 71.93 71.47 Sulsel 73.58 71.86 73.12 74.35 72.70 74.13 Sultra 72.12 70.16 69.83 72.69 70.83 70.59 Gorontalo 72.51 70.18 70.59 73.03 70.79 71.10 Sulbar 71.84 70.03 71.25 72.53 70.76 71.76 Maluku 73.42 71.01 69.58 74.07 71.78 70.67
Malut 71.10 68.79 67.17 71.59 69.33 67.78
Papua Barat 70.84 68.60 66.70 71.50 69.36 67.31
18
Lampiran 2 Nilai IPM perhitungan tiga metode (lanjutan)
Provinsi 2010 2011
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 74.82 72.70 71.14 75.33 73.31 71.95
Sumut 77.62 75.76 75.88 78.13 76.33 76.27
Sumbar 77.20 75.30 75.53 77.73 75.91 76.17
Riau 79.62 77.78 78.26 80.13 78.35 78.86
Jambi 76.13 74.17 74.78 76.74 74.87 75.25
Sumsel 76.30 74.23 74.29 76.82 74.82 75.11 Bengkulu 76.25 74.38 74.14 76.77 74.97 74.86 Lampung 74.62 72.61 72.01 75.18 73.23 72.71 Kep. Babel 76.35 74.35 74.76 76.90 74.96 75.16 Kep. Riau 78.58 76.83 76.62 79.31 77.62 77.03 DKI Jakarta 80.93 78.90 76.51 81.35 79.43 77.18
Jabar 75.66 73.70 73.83 76.14 74.23 74.24
Jateng 75.93 74.10 75.16 76.41 74.63 75.82 DI Yogyakarta 79.32 77.97 78.10 79.91 78.62 78.88
Jatim 75.13 73.42 74.73 75.74 74.06 75.25
Baten 73.83 71.74 70.16 74.34 72.29 70.55
Bali 75.69 74.23 74.69 76.28 74.86 75.42
NTB 68.67 67.00 65.26 69.74 67.99 66.04
NTT 70.27 68.36 67.84 70.82 68.97 68.58
Kalbar 72.52 70.59 70.92 73.08 71.18 71.33 Kalteng 78.07 76.07 76.12 78.54 76.62 76.93 Kalsel 73.36 71.13 69.02 73.92 71.70 69.60 Kaltim 79.07 77.32 77.43 79.77 78.12 78.25
Sulut 79.50 77.50 76.63 80.01 78.11 77.51
Sulteng 74.47 72.44 71.90 75.01 73.03 72.39 Sulsel 75.04 73.53 74.63 75.62 74.14 75.41 Sultra 73.18 71.40 71.06 73.78 72.08 71.96 Gorontalo 73.54 71.39 71.61 74.13 72.04 72.15 Sulbar 73.01 71.26 72.17 73.53 71.82 72.60 Maluku 74.57 72.37 71.36 75.06 72.95 72.11
Malut 72.01 69.79 68.23 72.49 70.34 68.87
Papua Barat 72.08 69.97 67.71 72.61 70.58 68.40
19 Lampiran 2 Nilai IPM perhitungan tiga metode (lanjutan)
Provinsi 2012
UNDP TOPSIS VIKOR
NAD 75.72 73.79 72.58
Sumut 78.65 76.92 76.67
Sumbar 78.19 76.43 76.61
Riau 80.55 78.81 79.18
Jambi 77.26 75.46 75.66
Sumsel 77.43 75.52 75.94
Bengkulu 77.33 75.61 75.52
Lampung 75.74 73.87 73.49
Kep. Babel 77.36 75.46 75.52 Kep. Riau 79.79 78.14 77.32 DKI Jakarta 81.74 79.92 77.80
Jabar 76.57 74.70 74.62
Jateng 76.88 75.15 76.48
DI Yogyakarta 80.39 79.12 79.61
Jatim 76.44 74.77 75.79
Baten 74.92 72.90 70.99
Bali 76.97 75.60 76.16
NTB 70.44 68.70 66.66
NTT 71.38 69.57 69.26
Kalbar 73.76 71.92 71.82
Kalteng 78.99 77.14 77.62
Kalsel 74.60 72.42 70.23
Kaltim 80.31 78.70 78.97
Sulut 80.47 78.66 78.22
Sulteng 75.59 73.67 72.89
Sulsel 76.22 74.75 75.98
Sultra 74.34 72.71 72.83
Gorontalo 74.66 72.64 72.72
Sulbar 74.19 72.54 73.16
Maluku 75.65 73.62 72.72
Malut 73.04 70.96 69.55
Papua Barat 73.22 71.26 69.01
20
Lampiran 3Peringkat IPM perhitungan tiga metode
Provinsi 2004 2005
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 18 21 26 19 23 27
Sumut 7 7 7 8 8 9
Sumbar 9 9 9 9 9 11
Riau 5 5 4 4 4 3
Jambi 10 11 11 11 11 10
Sumsel 13 14 17 13 15 17
Bengkulu 11 10 12 10 10 12
Lampung 19 19 19 20 20 20
Kep. Babel 12 12 8 12 12 7
Kep. Riau 8 8 10 7 7 8
DKI Jakarta 1 1 2 1 1 2
Jabar 14 15 14 14 16 14
Jateng 16 16 13 15 14 13
DI Yogyakarta 3 2 1 3 2 1
Jatim 23 22 18 21 17 16
Baten 20 20 22 18 18 23
Bali 15 13 15 16 13 15
NTB 32 32 33 32 32 33
NTT 31 31 30 31 31 30
Kalbar 27 27 23 28 28 24
Kalteng 6 6 6 5 5 4
Kalsel 24 24 27 24 24 28
Kaltim 4 4 3 6 6 5
Sulut 2 3 5 2 3 6
Sulteng 22 23 20 22 22 19
Sulsel 21 18 16 23 21 18
Sultra 25 25 24 26 25 26
Gorontalo 28 28 29 25 26 22
Sulbar 29 29 25 29 29 21
Maluku 17 17 21 17 19 25
Malut 26 26 28 27 27 29
Papua Barat 30 30 32 30 30 31
21 Lampiran 3 Peringkat IPM perhitungan tiga metode (lanjutan)
Provinsi 2006 2007
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 21 23 27 17 19 25
Sumut 8 8 9 8 8 9
Sumbar 9 9 10 9 9 10
Riau 4 4 3 2 3 2
Jambi 10 11 11 12 12 13
Sumsel 13 13 17 13 13 18
Bengkulu 12 10 12 11 11 16
Lampung 19 19 21 21 20 22
Kep. Babel 11 12 7 10 10 7
Kep. Riau 7 7 5 6 5 3
DKI Jakarta 1 1 2 1 1 4
Jabar 14 16 15 15 16 15
Jateng 15 15 14 14 14 11
DI Yogyakarta 3 2 1 4 2 1
Jatim 18 17 13 18 17 12
Baten 20 20 23 22 23 24
Bali 16 14 16 16 15 14
NTB 32 32 33 32 32 33
NTT 31 31 31 31 31 31
Kalbar 29 28 22 28 28 23
Kalteng 5 6 4 7 7 6
Kalsel 25 24 28 26 27 28
Kaltim 6 5 6 5 6 5
Sulut 2 3 8 3 4 8
Sulteng 23 22 20 23 22 20
Sulsel 22 18 18 20 18 17
Sultra 26 25 26 25 25 27
Gorontalo 24 26 24 24 24 21
Sulbar 28 27 19 27 26 19
Maluku 17 21 25 19 21 26
Malut 27 29 29 29 29 29
Papua Barat 30 30 30 30 30 30
22
Lampiran 3 Peringkat IPM perhitungan tiga metode (lanjutan)
Provinsi 2008 2009
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 18 19 24 18 19 23
Sumut 8 8 9 8 8 8
Sumbar 9 9 8 9 9 9
Riau 2 3 2 2 3 2
Jambi 12 12 13 13 13 11
Sumsel 13 13 16 11 12 15
Bengkulu 11 11 14 12 11 17
Lampung 20 20 20 20 20 20
Kep. Babel 10 10 11 10 10 12
Kep. Riau 6 6 3 6 6 4
DKI Jakarta 1 1 4 1 1 5
Jabar 15 16 18 15 16 18
Jateng 14 14 10 14 14 10
DI Yogyakarta 4 2 1 4 2 1
Jatim 17 17 12 17 17 13
Baten 23 23 27 23 23 27
Bali 16 15 17 16 15 16
NTB 32 32 33 32 32 33
NTT 31 31 30 31 31 30
Kalbar 28 28 23 28 28 25
Kalteng 7 7 7 7 7 7
Kalsel 26 27 28 25 27 28
Kaltim 5 5 5 5 5 3
Sulut 3 4 6 3 4 6
Sulteng 22 21 21 22 21 21
Sulsel 19 18 15 19 18 14
Sultra 25 25 25 26 24 26
Gorontalo 24 24 22 24 25 22
Sulbar 27 26 19 27 26 19
Maluku 21 22 26 21 22 24
Malut 29 29 29 29 30 29
Papua Barat 30 30 31 30 29 31
23 Lampiran 3 Peringkat IPM perhitungan tiga metode (lanjutan)
Provinsi 2010 2011
UNDP TOPSIS VIKOR UNDP TOPSIS VIKOR
NAD 19 19 24 19 19 25
Sumut 8 8 8 8 8 8
Sumbar 9 9 9 9 9 9
Riau 2 3 1 2 3 2
Jambi 13 14 11 13 12 14
Sumsel 11 12 16 11 14 16
Bengkulu 12 10 17 12 10 17
Lampung 20 20 20 20 20 19
Kep. Babel 10 11 12 10 11 15
Kep. Riau 6 6 5 6 6 6
DKI Jakarta 1 1 6 1 1 5
Jabar 16 16 18 16 16 18
Jateng 14 15 10 14 15 10
DI Yogyakarta 4 2 2 4 2 1
Jatim 17 18 13 17 18 13
Baten 23 23 27 23 23 27
Bali 15 13 14 15 13 11
NTB 32 32 33 32 32 33
NTT 31 31 30 31 31 30
Kalbar 28 28 26 28 28 26
Kalteng 7 7 7 7 7 7
Kalsel 25 27 28 25 27 28
Kaltim 5 5 3 5 4 3
Sulut 3 4 4 3 5 4
Sulteng 22 21 21 22 21 21
Sulsel 18 17 15 18 17 12
Sultra 26 24 25 26 24 24
Gorontalo 24 25 22 24 25 22
Sulbar 27 26 19 27 26 20
Maluku 21 22 23 21 22 23
Malut 30 30 29 30 30 29
Papua Barat 29 29 31 29 29 31
24
Lampiran 3 Peringkat IPM perhitungan tiga metode (lanjutan)
Provinsi 2012
UNDP TOPSIS VIKOR
NAD 20 20 19
Sumut 8 8 8
Sumbar 9 9 9
Riau 2 3 2
Jambi 13 14 13
Sumsel 10 12 10
Bengkulu 12 10 12
Lampung 19 19 21
Kep. Babel 11 13 11
Kep. Riau 6 6 6
DKI Jakarta 1 1 1
Jabar 16 18 16
Jateng 15 15 15
DI Yogyakarta 4 2 5
Jatim 17 16 17
Baten 23 23 23
Bali 14 11 14
NTB 32 32 32
NTT 31 31 31
Kalbar 28 28 28
Kalteng 7 7 7
Kalsel 25 27 25
Kaltim 5 4 4
Sulut 3 5 3
Sulteng 22 21 22
Sulsel 18 17 18
Sultra 26 24 26
Gorontalo 24 25 24
Sulbar 27 26 27
Maluku 21 22 20
Malut 30 30 30
Papua Barat 29 29 29
25
RIWAYAT HIDUP
Penulis lahir di Bogor pada tanggal 12 Januari 1992, putri pertama dari ayah Suhandi (alm) dan ibu Nursiah. Penulis adalah putri pertama dari tiga bersaudara. Tahun 2010 penulis lulus dari SMA Negeri 3 Bogor dan lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB serta diterima di Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam.