Model Persamaan Struktural Pembangunan Berkelanjutan Daerah

MODEL

PERSAMAAN

STRKKRRAL

PEMBAIVGtrNAN B E ~ C L A N j U T A N

D A E M

PROGRAM PASCASAEWANA

INSTXTUT

PERTANXAN

BOGOR

ABSTRACT

AR.W PURNQMO. Structural Equation Model of Lucal Sustainable Devetopmeat. Advisored by Bambang Juanda and Up& Rosaltina Wasrim

This research was aimed to apply structural equation modelling for discerning 1i.nkages among sustainable development indicators (SDI) at local level. There are two

groups of SD1 used in this audy: ( I ) SDI by distrld (Java and out of Java) and (2) SDI by province.

A tentative model hypothesizes a relationship among three factors (fatent

variables) that represent performance of sustainable development in Indonesia. These factors are humm resource, economy, a d p a l i v of lfe. The resulted model at district level shows that human resource development positively affect

the

performance of economy and the quality of life.

It is worth noting that the effect of economy an

the

quality of life

in

Java is negative, meaning that the direction of economic policy need to be reevaluated because

it did not result

in

sustainable development. Qn the contrary, in out of Java Econo~~zy positively but insignificant affect the quality of life meaning that the impact of economic policy on the quality of 12% was nut so serious as in Java island. This study also shows

that the ecpasustaiy~ble development has strung relationship with low quality of human resource and susfaintrbiki~ has strong relationship with high quality of human resource.

Data on SDI by province consists of more indicators than those by district because SDI by province has SDI related to gender quality, crime, and environmental. A

xno del. of this data dev elup ed by HumanResource-Economy-Eavirument approach shows that development

in

hdunesia has directed to unserstainability, as indicated

in

income inequality, decrease in forest area, and decrease

in

air quality.

Hupehlfy, the result of this research will have contribution to flxrtfter research

in

sustainable development in Indonesia. Much further work remains to gather and select more indicators, so that the result can be applied at uperatianal level.

AP1W PURNOMO. Model Persamann StrukZural Pembangunan Berkelanjutm Damah. Dibimbing oleh Barnhang Juanda dan Up& RosaIina Waurin.

Penelitian hi membahas penerapan dari model ppersaman stmhural untuk mengkaj i keterkaitan ant ax indikatar pembangunan berkelmjutan

(PB)

daerah. Modd yang dibanguxl digunakfsan untuk menerangkan keterkaitan

P B

di daerah. Data yang digrxnakan dalam penelitian irrj terdixi dari dua set, yaitu: ( I )

LPB

gada tingkat

kabugaten/g,otamadya (Jswa dan luar Jawa)

dm

(2) PI3 pada tingkat provksi.

Sebuah model hipot etik ymg menghubungkan tiga faktor fatm SDM-Ekrtnomi- Kuatitus diajukan sebagai pendekatan bagi keterkaitan antar iradikatox tersebut. Model gada tingkat kabupatealkotamadya mengungkapkan babws pembangman sumber daya manusia b e r p e n g d positifterhadap tin&& ekonomi dan halitas hidup.

Hasil analisis juga menunjuWcsn bahwa gengaruh Ekuraumi ke Kualjfas

di

Jawa adaXaH negatif sementara di luar Jawa adalafi positif namun tid& sipifikan. Wsij ini menegaskm perlunya peninjauan kembali terhadap arah kebijakan ekunomi di Jawa, Sedangkan di luax Jawa kebijakan ekonomi yang diterapkan tidak memiliki pengaruh yang cukup berafti terhadap peningkatm kualitas hidup. Selain itu, dapat ditunjukkan bahwa ketidukberlanjuran pembangunan berkaitan wat deugan h a f i t a s SDM yang rendah dan kebe~*lmjutan berkaitan erat dengan kualita s SDM yang tinggi.

Pendekatan yang a m a diguntlkan untuk membangun model PI3 pada tingkat provinsi, hanya saja peubahnya lebih banyak daripada pada tingkat kabupatenl kotamadya, sehingga diharapkan dapat memberikan gamb axan umum pemb angunan berkelanjutan yang berlangsung di Indonesia. Modd yang dihasilkan mengungkapkan bahwa proses pembangunan di hdonesia mengaraft k q a d a bebaapa haf, di antaranya: ( I ) distribusi pendapatan yang tidak merata, (2) penunman persen luas butan, dan ( 3 ) p enunrnan h a l i t as udara.

Dengan hi saya menyatakan bafiwa tesis saya yang berjuduf:

Modd Persamaan Struktural Pernbangunan Berkelaajubn Daerah

adahh benar hasil karya sendiri dan belum pemah dipublikasilran. Semua svmber data

dm infurmasi telah dinyatakan secarlt jelas dan dapat diperiksa kebeaarannya.

MODEL P E R S A M M

STRUKTURAL

PERllBANGUNAN BERKELANJWTAN D A E W

sebagai sabh satu syarat untuk memperoleh gefar Magister Solins

pnda

Program Studi Statisth

PROGRAM PASCASARJANA

LNSTITUT PERTANIAN BOGOR

Judul Tesis : Model Persaxman Stmktwaf Fernbangunan Berkehju~an Daerah

Nama : M h o m o

NRF : 99 172

Pogram Studi : Statistika

Dr.

I,r Barnbang Juanda,

MS

Ketua

Dr.

Pr.

Up& Rosaha

W.. DEA h g g o f a

a Manuwoto, M.Sc

Penulis dilahirkm di Kebumen pada tanggal 8 September 1976 sebagai anak pertama dari tiga bexsaudaxa dari ayah bernama Karsano dm ibu M a d .

Tahm 1994 penulis lulus dari SMA Negexi Kebumen dan pada t a b yang sama

1010s seleksi m a d

P B

melalui jalw Undangan Seleksi Masuk

PPB.

Pada tafrun 1995 peaulis diterima di Jumsan Statistika, FakuXtas Matemtika d a ~ T h u Pengetahuan Alam. Penulis lulus sarjana pada t&un 1998 di bawah bimbingan Prof Andi Hakim Masuetion.

Tahun 1999 peufis mendttpatkan keseqatan untd mengambil program 52

y ada prugmrn studi Statisiika IPB dengan sponsor DUE-Project. Saat hi p enulis tercatat.

Puji syulrur ke hadixat Allah SWT atas segab kamia-Nya sehingga penufis dapat menyelesaikan kaxya iln~rth ini. Topik yang dibahas dalam pmetitim hi adafah

model persrsamaan struktural, diterapkan untuk memodelkan keterkaitan antar indikator

pembmgunan bmkelmjutm dsterafi. Sebuah model hipatetik yang tnenghubungkan tiga

fakxar laten $DM-Ekonomi-Kualitas diajukan sebagai peadekatan bagi ket exkait an ant ax indikator tersebut. Model hi diharapkan dapat ttemberikm sinyal bagi pars pmgambil keputusan urttuk rnengidexltifilrasi arab kebijakan yang t q a t

dm

m d a i efehifrtas dari

kebijakan yang diterapkau.

Terimakasih yang hdus d i h e r h n kepada Bapak. Dr. k. Bambang Juanda, MS

selaku pembimbing dari Junrsan Statisrilca atas segala perhatian sea

diskusi-diskusi

yang panjang dan melelahkan serta untuk fiu Dr.

Is.

Upik R o s a h a W., DEA sefaku

pembimbing dari Fakzlltas Kehutmm IPB atas koreksi dan masukan yang sangat

berkarga dalam karya

ilmiah

imi. Terimakasih juga mtuk fiu

Ir.

Erfiaani, M.Si atas

pertmyaan-pertanyam yang detail dan mendasar demi perbaikan

tutisan

ini.

Ueapan terimakasitr prmulis saqaikm untuk DUE-Project atas banman dana,

Beri Ardin atas bantuan untuk mendapaekan s a h a r e , dm juga untuk mas Adi Witono

atas bantuan menqeroleh data. ICepada pak Barnbang Irawan, pair Bagus Sumargo,

pak Sutikna serta ternam-teman STK 99, penulis ucapkan banyak terimakasih atas

d u h g a n moril dan mteriif selama paufisan tesis hi.

Penghargam ysrrg tulus pmulis ungkapkan untuk Prof. Andi Bakim Nasoetion almarhum yang sempat: membimbing penulis hiagga Mare% 2002 saat befiau menghadap

yang Mahakuasa. Untuk ternan-teman di Sari Bunfi Rajra dan tern-teman yang tidak

dapat penulis sebutkan satu per satu atas permhabatannya selama hi, se&a Bay&, Ibu,

NIKmi, Rina, dm Nenek atas segenap kasih tanpa pamrih yang diberilran, semoga Allah SWT membalas semua kebaikan ini.

Bugor, November 2002

DAFTAR IS1

DAFTAR TABEL ... vi

...

DAFTAR LAMPIRAN ... vm

PENDAE3ULUAN

Latax Befakang

...

1

...

Kerangka Pemikkan 2

Tujuan Penelitian

...

4 ...

Efipot esis Penelitian 4

Manfaa t. Penelhian

...

4

TINJAUAN

P u s r m

Diagram Kotak-Garis ...

.

.

.

.

...

5

...

Model LISREL 7

Identifikasi Model ...

...

...

XU

Evalussi Made1 ... I 1 Validitas dan Kehandalan hdikator ... 13 P e n g a d Langsung,

Tak

Langmg, dm Total

...

$5

DATA DAN METODE

Data

...

17

Metode Analisis

...

.

.

...

17

HASIL DAN PEM3AKASAN

...

...

Deskrip si

.

.

20

Model Persamaan S t d m r a l Pembanpan Berkelanjutan pada Tingkat

...

KatrupatedKotamadya di Jawa dm Luar jawa 27

Indikator Komposit Pembangunan Berkelanjutm pada Thgkat

KabupatedKotamady a

...

35 Model pada Tingkat Provinsi: Gambaran Sekilas Fernbangunan

Berkelanjutan di Indonesia ...

.

.

...

38

SARAN

...

42

Kermgka peanjkiran yaxtg digunakan dalam penelitian berdrtsarkan

...

perrspektif pembanpan berkelanjutan 3

... ...

Dekamgosisi p e n g a d langsung. tak langsung. dan total

.

.

.

16

Hasil evaluad model untuk kabupatenlkatamady8 di Jawa

...

28

...

Basil penildan validitas clan kehandalan CPB wi.lay& Jawa 29

I-Iasif model genghram untuk kabupatedkotamdya di Jawa

...

32

Hasil model pmpkwan untuk kabupatedkotmdya di Iuar Jawa

...

34 ...

KIasXikasi skur indikator komposit SDM 37

DAFTAR

GAMBAR

...

1

..

Xlustrasi diagram kotak-garis 5

2 . Ilustrasi model LISREL ...

.... ...

9

...

3. flustrasi pengaruh langmmg, tak langsung, dan total 15

4

.

Diagram kot ak-garis pengeluaran per kapita .

...

(a) Data asal

(b)

Pcnyisihan pencilan pada data luar Jawa 20

...

5 . Diapam kotak-garis persen penduduk

di

bawah garis kemishan 21

6 . aaagrarn angka melek hunrf (a) 3awa @) Luar Jawa

...

22

...

.

7

.

Histogram rata-rata lama belajas (a) Jawa (b) Lxar Jawa 23

...

8

.

Diagram kotak-garis persentase mmhtangga berfantai tanah 23

9

.

T3istogram akses ke sanitasi . (a) jawa

(b)

Luar Jawa

...

.

.

.

.

.

.

.

...

24

... 10 . Diagram katsk-garis akses ke pelayanan kesehatan 24

1 X

.

Diagram kotak-garis persentas an& b a n g gizi

...

.

.

.

.

.

.

...

25

...

12 . Diagram kotak-garis angka harapan hidup 25

...

I3 . Diagram kutak-garis sngka pengangpan 26

...

f 4 . Model p e n p h r a n

WB

m k

kabupaten/kotamadya di Jawa 27

...

15

.

Kerangka model stmktwal bagi

IPB

30

1 6

.

Model LXSREL PI3 untuk kabupat d o t a m a d y a

di

Jawa

...

3 1 ...

17

.

Madel struktural

llrS

_{untuk kabupatedkotamdya di Jawa 31}

18

.

Model LISREL P B wtuk kabupatedkotmadya di luar Jawa

...

33

19 . Plot antara skar faktax laten Ekonomi versus Kualitas untuk data

kabupatenlkotamdya di Jaws dan di luar traawa

... .

.

.

...

35

20

.

Plat antara skor faktar laten Ekonomj versus Kualitas bexdasarkan kelompok SDM di Jawa (a) SDM r e d a h

(b)

§DM sedang (c)

§DM

tinggi ... 36

21

.

Plot antara skor faktor laten Ekononni versus XCuaXitas berdamkan kefompok

...

SDM

Bi

Iuar Jaws (a) SDM

rendah (b)

SDM sedang (c) SDM tinggi 37

22

.

Plot

mtara skor f&or laten (a)

$DM

vs Ekonomi

(b)

SDM vs Kualitas ... 38

...

23 . Model LISREL I:PB untuk tingkat provhsi 39

Latar Belakang

Pembmgunan berkelanjuta d i d e f ~ i sikan scbagai pembangman ymg

memenuhi kebutuhan bidup bermasyarakat saat hi tmga merugikan kebutuhan

gcnerasi mendatang (WECD, I 987). Konsep pembangunan berkefanj &an

dikembangkan sejak KTT Bumj di Rio de Jeneko, Brazil, Juni 1992. E-Iasif KTT B u d

tersebut adalah Agenda 21, yakni sebuah program global bagi pembangunm

berkelanjutan yang rnencahp dimensi pwtumbuhm ekunomi, pemttangunnn sosial, dm perlindugan linghngan hidup.

Secaxa busus, Agenda 21 menekankatr pentingnya usaha nnengembangkan

Indikatox-hdikator untuk P e m b m p a n Berkelanjutan

(PB),

b m p a penyuman satu

gugus indikatitar yang bandal, mudah diterapkan, x r t a dapat herbaharui secara teratw

(World Banlr, 2001). XSIB dhrapkan mampu men* kemajuan, yang dicapai dari

program pembangwan berkel anjutan. IPB juga diharap kan dapat memberikan

peringatan dini jika muncul matu masalah sebelum masalah tersebut memburuk,

sehingga kemsakan ekonomi, sosial, dm linghngan dapat dicegab (Hardi & Zdan,

1997).

hdikator pembangunan yang la& digakai sefama

hi

adafah pestumbufian

ekunomi

dm

pendapatan per kapita. kunisnya,

di

negarit-negara berkembang,

pertumbuhan ekonomi yang tinggi

dan

peniagkatan pendapatrm per kapita, seringkali

diikuti dengan kemsakan l i n m g a n sumber daya alam

dm

tatanan sasial yang psrah

yang membawa konsekuetlsi serius bagi kelmgsungsn pembangman itu sendiri. Oleh karena itu, muncul konsep pembangunan berkelartjutm yang

tidak

hanya memikirkan

kepenthgan jangka pendek, namun memperhatikan juga kepentingan jaagka pmjang.

Pembangunsn berkelanjutm menurut Uur Common Future yang diterbitkan

hmartya Sen dm Mahbub-ul F4aqi menyatakan bahwa pembanguoan pada dasamya

adahH memperluas piEfian-pilihan maausia dan kebebssan ruang gerak dalam hidup

seharbhwi. Indikator-indikator yaazg berkaitan dengan pmgmtian hi di antarmya adafah angka kematian ibu dan bayi yang rendah, angka m a d sekulah dasar

dm

kefulusannya yang tinggi, akses kepada air bersih, sanitasi dan pelayanan kewhatm

yang tinggi.

Pemberlakuan otonod damah sebagairnana termaxctub dalam UfJ No. 22/3 999,

memb erikan kewenangan yang lus s, nyata, dm bertanggmgjawab kepada daerah

sehingga memberi pefuang untuk secara leluasa mengahrr

dm

melaksanakan

kewenangan atas pra,karsa sendiri sesuai dengan kepmtingan masyarakat setempat: dm potmrsi d n e r h y a . Keberhasilan pernbangunan tidak hanya rnencakup asgek ekunomi,

namun juga terpenuhinya kebutufran &kart hgkungan alam yang sehat dm tingkat

kchidupan susial yang diinghkan. Di sinilafr IPB dapat berperan pentkg sebagai pctunjuk dengan penyediaan informasi yang bergma mtuk pengambilan keputusan.

Kerangka Pemikiran

Pe:mlranrpnan berkelanjutan sering dikritik sebagai sesuatu yang bemanfaat

pada tataran konsep, bukan pada tataran operasianal (Kaxnmerbauer et. al., 2001). Oleh

karma ihr, penggwaan indikator p e m b a n p m berkelmjutm dafam proses pengambil-

an keputusant menjadi bahan kajian yang rnenarik. Gustavson etal. (1999)

mengasumsikan bahwa proses perurnusan kebijakan akan menggunakan ( 1 ) indikator-

indikator pembangurlan secara langsutng, atau (2) h a d pernodefan indikatur-indikator

tersebut. Dalarn panelitian ini, cam yang kedua

dipilih

unmk dikaji karena dengm

pemodehn, validitas dm kehandalan indikatux dapat diukur.

Pemberlakuan otoaomi daerah menimbu1,kam kelrhawatiran akan sernakicin

parahjaya kondisi masyasakat dm kerumkan wmbw daya dam di daerah. Dilihtrt

dengan perspektif pemb angunan berkelanjutan, kebawat kan tersebut memunculkan

' ~ u m k r : K o m p . 3 Juni 2002. Pemngan Nasib dl atas Kertzts, Hal 33. Amartya Sen adalah peraih

Nobel Ekonomi 1998. Bersanm koiegmya, Mahbtlbui Haq, mengemban* pnifaiara pmbangunan

sebuah pertanyaan, apakah proses pembangunan di damah telah bexada dalam jalur

yang benar menuju keberlanjutm (sustainabidip) ? Kerangka pemikjran yang disajikm

dalam Tabel I berikut mempakan padekatan yang digunakan dalam penelitian hi

acuan dalam memmuskan tujuan, hipatesis, dan manfaat penelhian.

Ta be1 1. Kerangka pemikiran yang digunakan dstlttm penefitian berdasarkan perspektif pembangunan berkdanjutan

Fernbangman daerah Dinilai d e n p indi kator - indikator pembangunan

berkel anjutan (WE)

daerah.

. . . jafur yang benar.. . Ditunjukkan dengan:

1. nilai P B daerah memberikan

indi b s i yang nyata ke arah

pmguatan "pilar-pilar gem bangunan "

.

2, arah hubungm w r pilar pembangunan adal2tk positif,

sesuai dengan definisi keberlan- jm pada model hipotdk. 3 . kuntnya gilar-pilar pembmgunan

di dasrah yang diindi b s i h d e w ti-nya indikator komposit pembangunan uu daerah, -

keberlaniutan -- Diekpresi b n d e n ~ model hipotetik yam

menghubungbn "pilar- pilar panbangman" s w r a positif.

Model hipotetik dalam tulisan ki dihasilkan dari pengembangan model

berdasarkafi proses penambangan data {data mining). Berry & Linoff (1937)

mer~gungkapkan bahwa data mini~zg menrpakan mxatu proses penelususan

informasilpengetabuan yang menarik seperti pala, asasriasi, pmbahan, anomali-

momali, dm muhur yang signifikan dari suatu gugus data yaag besar.

Dalam penetitian ini, model Ripatctik ymg dibmgun terdiri atas tiga faktos

yang menggarnbarkan pencapaian pembangman berkefanjutm di Indonesia, yaitu

faktar ini d i n a m a h pitar-pilur pun bangunan. Sedangkan secara matemat is, faktor-

Tujuan Penelitian

1. Mengidentjfikasi indikator-indikator pembanpan berkelanjutan daexah yang

valid, handal, mudah diterapkan, dan dapat diperbaharui secara teratur.

2. Mengkaji keterkaitan sntar indilrator pembangunan berkelanjutan daerah.

3. Mengkaji indi katos- kampasit pembangunan berketanjutan daerah.

Hipotesis Penef

itian

1. Setitlp damah di selunrh Indonesia, mempunyai suatu gugus indikator yang layak, konsistm,

dm

mudah diteragkm

dm

daprtt dipalcai unt& menilai keberfrtnjutan

proses pembangunan di Indonesia.

2. Xndikat or-indikator yamg t ersedia dapat secara

efektif

mmj elaskan tkgkat

pexlcapaian pembangunan berkelanjutan di daerah.

3. Pendekrttan kuantitatif akan Iebih efektif dalttm mwyusun indilrator kumposit yang

mampu merepresentasikan pilar-pilar pembangunan berkelanjutan daerah.

Manfaat Penelitian

Penelitim ini mas& merupakan tahap awal bagi penelitian lebih lanjut teatang

pemttangunan bmkelanjut an di Indonesia sehingga h a s h y a diharap kan dapat menj adi

rujukan yang berguna hagi tahapan penelitian berikutnya. B e r h t

ada

hfi

hasll-fiasil

yang dapat diperoleh dari penelitian iui:

1 . C 3 s indikatar yang dapat diptp&an unt& memonitor dm mengevaluasi pembangman berkelanjutan dawah.

2. Mudef yaag menerangkan keterkaitan antar inuator pembangman berkelanjutan

daerah.

3. Indaator-kumposk yang dapat cSigwx&an sebagai atat bantu daXam mengevaluasi

TINJAUAM PUSTAKA

Diagram

Kota k-Garis

Diagram kotrtk-garis (box-plot) mempakm salah sttru teknik penayarian data yang

dimsun dalam benguk bagan (Nasoetiun 4an Nasaetian-Kaesbandana, 1994). Beaulr diagram katak-garis terdiri atas kotak persegipanjang yang berekor ke

lriri

_{dan ke kman}

(Gambar 1).

Gambax I. Xlustrssi diagram kotak-garis

Termat dari Gambar 1 di atas, hkumpubn data (yang sudah diunztkm) disekat-sekat oleh

lima nilai, yaitu nilai terkecilfi, , h a r t 2 pertam (Ql), Median (kfe), lruartil ketiga (Q3),

dan nilai terbesar (5). Kelima n2ai ini disebut aatistik lima sera~gkai, dm membagi kumpulan data menjadi empat bagian yang sama besar, masing-masing bagian terdiri

atas 25% data.

Pmjang garis maksimal adalah $. 5 kali jarak antar kuar~jf (panjiing kotak). UattuIc

menyingkat penulisan, jaxak antar kuartil yaitu Q3-Q1 diberi shbol d. Tit& ujung garis

kiri disebut pagar-dalum kiri, sedmgkan tit& ujung gaxis kanan disebut pagur-dulum

kanan. J&a nilai terkecil k febih besar dari (&I

-

1 . 5 4

maka

pagar-&lam kki

adalah

k.

Demikian juga jika nilai terbesar b lebih kecil dari (Q3

+

1 . 5 4 maka pagar-dalam kanan

adalah 6 . Sedangkan jika nilai terkecil

k

lebih kecil dari fQl

-

f .Sd) atau ndai terbesar b lebih besar dari ((23

+

1 . 5 4 maka terdapat pencilan yrritu d a i (-nilail yang kehas dari pagar-dalam.

Jika datwya sinaetrik maka selang =Sara pagar-dalam

kri

samgai pagas-dalam

kanan akan memiliki bent& Me -t" 2d yang analog dengan sdang kepwcayaan 95% bagi

Pemeriksaan data semra visual dengan diagram kotak-garis bermanfaat mtuk:

I . Menditpatkart gambaxan mmgenai pernusatan data. Dexlgam paadangan seXcilas dapat

diamati pula keteraturan data mclalui statist& lima serangkai yang ditampillran oleh

diagram ini.

2. Membandkgkan dua mgus data atau bbih. Dengan menenapatkm diagram kotak-

garis dari p p s - p g u s data tersebut dafam wtu gambar dengan skala ynng sama

dapag ditrandhgkan rentangan penyebaran dan lokasi p emusatan datanya.

3. Mendeteksi pencilan. Muncuhya pencilan adahah pmanda bahwa kumpulan datanya

berasal dari saturn-satuan pengamtan yang tidak seragam. Penyisihan data pencilan

seringkrtfi rnenghasilkan pala sebaran data ymg lebih shetrik. Perifah data

simetrik leblh disukai karena dibarapkan dapat mendekati asumsi data menyebar

normal yang sering diperlukan dalam analisis lebih Ianjut.

Sebagai tambahan, dua macam W a n bedcut yakni skewnessZ dan kurtosis3,

dapat digmakan untuk memerik;s;t bentuk sebaran data. Definisi kedua macam W a n

ini dapat dilihat di Ensiklopedia Stdiistika karya Kota, & Johnson f 1992).

1. Skewness merupakan ukuran kernenjuluran data.

Jka

skewness bemilai lebih dari

no1 (positif), mengindikasikan data menjufur

ke

kanatn,

dm

jika s k e w n e ~ bemilai

negatif mengindikasikan data menjulur ke kiri. Nilai skewness mendekati no1

mengindikasikan kesirnetri kan data.

2. Kurtosis menguhr selrerapa besar penyimpangan data dafi sebaran normal. Nilai

negatif mengindikasikan sebaran data lebih landai dari sebaraa normal. Nilai positif

mengindikasikan sebaran data lebih lancip dari sebaran normal. Nilai kurtosis

mendekati no1 mengindikasifcm data mengikuti bent& sebaran normal.

median (Me), &XI simpgbaku (s), Qmmush den@

3

x

-Me) .

1

Model LlSREL

Mudel mempakan penyederhanaan dari realitas. Model diharapkan dapat

membantu menjelaskan bagaimana sebuah sititem bekaja. Paefitian ini mengkaji

penerapan modef LISREL (Linear Structural IZELafiomhip) pada kasus pembanparz

berkelanjutan.

Model LISREL terdiri dari dua bagim (Joreskog dm Sorbom, 1996). Bagian

pescama adalab model strukturd yang menjetaskan hubungan antar peubak laten/f&or. Peubah laten adalah p d a h yang tidak dapat diukur secara l m g m g dm informaskya diperoleh dari iudikator-indikator penyuswmya. Bagian kedua mmaangkan keterkaitan

peubah laten dengan indikator-hdikatomya, digbut sebagai modef pengthran.

Model struktural diekspresikan sebagai:

dimana: q adalah vektor dari peubah laten endogenous bedcuran m x 1

adrtXab vektor dafi peubah laten eksogextous beruban, n x I

r

adalah matriks koefisien dari

&

benxkum m x n

B adalah matriks koefisien dari q baukwan rn x m

adalah vektor galat bagi persamaan strukmaf tersebut

benrkuran

m x 1

Sedangkan model pengukwan diekspresikan sebagai:

dimana: y adalah vektor indikator bagi peubah laten endogenous bedwan p x I

x

adahh vektor iudikator bagi peubab laten eksugenaus beruhan q x 1 A, adalah maeriks koefisien regresi (loading) y terhadap 3 bedwan p x

m

Ax adalah matriks koefisien regresi (lmding} 3 t d a d a p

&

b e h m q x n

Asumsi bagi model LISREL di atas adalah:

&

tidak berkorelasi dengan

E

E tidak berkarelasi dengan g

,-

6

tidak berkorefasi dengan

&

c,

2, dm

8

tidnk saling berkurelasi

Matriks ragam-peragam

Z:

dari indikatox-indikator x

dan

y dapat ditutis sebagai:

Penguraian korrrponem matriks C adslah sebstgai berikut (Faraway, 1998):

xm

:=

qmT)

= E[(Ax

k

-t- &(A,

5

4"

aT1

T II'

=&(A,& A,

1-1-

E ( A , & s ~ ) + E ( A ~ ~ $ ~ &

+

E@)

S u b kedua

dm

ketiga dari peuguraian d i m s adalah no1 karma diawmsikan 6 darn

5

tidak berkorelasi, sehingga

C

,

= A , @ A , ~

+

0 6

d h n a @ fn x n) =

E ; ( & ~ )

dan 06 ( 4 x q ) =

~(66'').

Pengwaian komporren matriks C laimya adafah

xxy

- AT (I

-

~ f - ' _{( 6 )}

&

= A~ (1- ~ 1 - l

(r@rT

+

Y) (I

-

B)-' +

f

₇₎

dimana Y (m x m ) = ~ ( ~ c I ' ) dm 0, @ x p ) =

4 s ' )

Jadi, matriJEs

C

mefupakan fungsi dari

8'

= [A,, A, 3,

T,

@, Y , Os,

@,I

yang

Gambar 2 berijsut ini mengilustrasikan sebuafi model LlSREL yaxlg texdiri atas

satu peubah eksogenous4

(51)

serta dult peubah endogenousS (q1 dm qz).

Model

&,

El E t Ef+l

Gitmbar 2. Hustrasi model LISREL

Hubungan serukturaf di antara peubah laten diuraikan dalam persamaan matrks:

Sedangkm model pengukusan diuraikan dalam persamaan matriks b e r h t ini:

4

Pcubah efcsogenous pubah yang ti& m e m i l k sebab Icaarssl) secara eksplisrt, atau secara visual

ti& memitiki tandapnah yang menuju ke arahnya (Garson, 200#).

'

Peubah endogenous ditandiu dengan adanya ta11dapmh yang menju padany& Temasuk pubah endogenous addah peubah anma (inten~ening varrable), yakni peubah yang memiliki tan-& baik [image:98.612.76.518.84.687.2]

Identifi kasi Model

Masafah identifikasi bagi model pexsamaan struktural adalaft apakah terdapat

sofusi yang unik bagi parameter 0' = [A,, A,, B, f, @, Y,

Os,

O,J pada model (8).

Beberapa aturan berikut ini berguna untuk mengiclentiaasi parameter model umum

permmaan stmktwal (Bollen, 1989):

I . Aturan-T

Atwan-T mtuk idmtifrlrasi adalah banyaknya parameter

$&lam

0 yang tidak

diketahui (parameter bebas) hams lebih keeil dari banyaicnya elemen unilr. dari

maeriks ragam-peragam peubah pexlgamatm:

r

5 (a/2) (P+@ @+q+ I) ₍₁₂₎

dimana

T

adafak kanyaknya parameter bebas dalam 0 dm @+qi adahh bmyaknya

peubah pengamatan.

Ahtran- T menrpakan S ~ U F U ~ p e r ~ 7 t tlpi bukan syurat cuhp%agi identaasi

sebuah model. Syarat gerlu ini sangat bermanfaat untuk mengetahui dengan cepat

model- model yang tidak dapat diidentifikasi. Keterbatasamya adafah terpmuhinya

atwan-T belum menjamin bahwa suam model akan teridetaasi.

2. Aturan ha-Langkab (Two-step Rule)

Seperti tersirat dwi namnya, timan dua-kngkah twdiri atas

dua

bagbn (Bollen,

l9S9

ha1

332). Langkah pertam adalah memperhkukan model sebagai model

pengukwan m dlalu diperiksa lip&& parameter model tersebut memenuhi empat:

kondisi bcrilrut hi: ( I ) setiap bafis A, lranya mengandung sam nilai bukan nol, (2)

paling sedikit terdapat dua indikator untuk setiap faktur taten, ( 3 )

bg

r

0 mhrk

paling sedikit sepasang i

+

j ;

#v

aflalah elemen matriks if>, (4.2) Os adalah rnatriks

diagonal. Langkah kdua adalah identifikasi parameter-parameter seruktuxaf

B, T,

Y

dengan atwan rekursif yaitu B barns merupakan mai&s segitiga, dm Y adalah

6

Aslinya Bdlen ( 1988) menuliskan t-Rule ("t" den@ humf kecil). Fendisan Aturan-l' ("T" denl;an humf kapitd) trntuk menghindari salah persepsi den@ uji-t yang juga dipnakan d a m tulisan ini.

'

Kondisi A d i h b periu bagi kondsi 3 j i h (clan hanya jika] ti& t e r p a h y a A menyebabkan tidak

tepnuhmya B (Swartz, 1997).

"ondisi A dikatakan cukup bag korldrsi 3 j i b (dan hanya j i b ) tepnuhjnya A menpbabkm &rpt?nulu-

matriks diagonal. Garsun, (2Q00a) membexikan gaxnbarrtn bahwa model rekursif

adalah modd dimana semua anak panah-nya menuju

saw

arah

tanpa loupirtg

dm

galat dafi peubah e:ndogmousnya sling bebas. Jilra pada suatu model terdapat

kmping at au terddpat: korelasi antar peubah laten endogmuus (diindikasikan dengan

adanya korebsi antar galat peubah endogenous) maka model tersbut

adahh

made1

non-rekursif.

Aturm dua-langkah mempakan syarat cukup tapi b&an syarat, perfu bagi identiaasi parameter model. Hal hi berarti mudel yang

tidak

memenuhi aturan dua-langkah mas& mernungkinkan untuk dagat diidentzkasi.

Penadahan parameter bebas pada model hipot&& di Gambar I 5 dengan

menambahkan an& panah dari Kuafhas

ke

SDM sehingga metnbentuk looping

mungkin menyebabkan model menjadi sulit diidentifikasi.

Evaluasi Model

Langkah pertama dalam menafskkan model yang dihasilkan adalah menilai

apakah model tersebut sudah layak atau behm.

Tidak

ada mtu ukurm tunggtlf umtuk menilai kelayakan sebuah model, Beheraga peneliti (Jaccard and Wan, 1996 serta

Mine,

1998 dalam Garson, 2000a; Shwm, 1996) menyaradan untuk mggunakan pding

sedikit tiga uji kelayakan mudel. B e r h t hi beberapa uhxm kesesuaian model yang akan digunakan untuk menilai kelayakan model dalam tulisaa ini:

1 . ~ j i x 2

St

atistik

digmakan untuk menguj i hipotesis:

M o

:

C

= X(8) lawan H I :

C

*

X(0) ₍₁₃₎ dimana

C

adalah matriks ragam-peragam populasi dan C(8)

adalah

matr&s ragam-

peragam yang dihasilkan vektar parameter yyan mertdefinisilrm model hipatetik (1

1).

Untuk menguji hipotesis di atas, mtrifcs ragam-peragam cuntoh S digunakan sebagai

dugaan bagi Z dan T(8) = adalah dugaan bagi

YO).

Keputusan yang dihnrapkan

adalah menerima hipotesis no1 sehingga dapat d i s h p u h n bahwa model hipotetik

Jiireskog dm Sijrbom (1996) menyatakan kahwa statiaa xZ sensitif terhadap

ukuran contoh dm penyimpangan terhadap kenormafan dad peubafr-peubah

pengamatannya. Berdasarkan hasil simulasi yang dilakukan abh banyak peneliti,

Bullen (1989) mengungkapkan di antaranya, (1) pada ukurttn contuh yang kecil, statistik

xZ

cmdemng menjadi besar sehjngga menyebabkan febib sering menalalc hipatesis no1 dan disarankan ukurm contah lebib dari 100 pengamtm, (2) sebaran

Eeptokurf~c (lebih lancip dari normal) rnenghasilIcan t erlafu banya

k

pen0 hkan

hipaeesis nol, dan diduga pada sebarm piayhrtrc (lebih fandtli dari normal) a h

rnenghasilkan dugaan 31' yang sangat rendah.

2. GH (Goodness of Fif I d e x ) dan AGFI (A4usted GFI)

GE.1 mereprescntasikan persen keragaman S yang dapat diterangkan oleh

i,

y a h i keragaman yang dinyatakan dengan model. Interpretasi nilai GFI dengan

demikian analog dengan

R'

pada model regresi. GFI diperoleh dari mmus berikut:

Atwan pxakktis (rule of fhurnhj untuk kelayakan sebuah model adafah nilai GFI

ttendaknya tebih besar dari 0.90 (Sharmrt, 1996; Garson, 2000a; Ferdinand, 2000).

Sedmgkan AGE diperaleh dari rumus bmikut ( S H m ,

X

996):

AGFI = I - [ c z ] [ I - C F I ]

diiana r adalah banyaknya indikator, dan db adatah derajat bebas. AGFI analog

dmgan Adjusted

R'

pada model regresi. Suam aturan praktis (rule of thumb) yang

disaranksn banyak peneliti untuk meneri,ma sebuah model adalah nilai AGFI-nya

Ieb& besar

dari

0.80 (Skarma, 19'36; Garson, 2000a; Ferdinand, 2000):

Bailen ( f 989) rnenguatgkagkan beberapa hasil simulasi oleh peneliti lain

bahwa nilai harapan GFl d m AGFX cer~denmg meningkat siring dengan

pmingkatan &wan contoh. Nifai harapan GFI dan AGFI akan menurun dmgan

3. RMSEA (Root Mean Square Error of ApproximwHo~~)

RMSEA lebih digunakan sebagai pendamping bagi statist& x2 dalam mmilai

ketayakan sebuah model, karma

x2

sangat sensitif terhadap &wan contoh

dm

penyimpangan dari sebaran normal. RMSEA dihitwg sebagai

x 2

- db

(la-I)db ( n - 1 p ' ( 16)

ditnana x 2 adefah nilai kh-kwadrat model, db adalah derajat bebasnya, dan n adalah

ukuran cantoh (Garson, 2000a). Nilai RMSEA yang lebih kecil atau di sekitar 0.08

mempakm indikasi dapat diterimanya sebuah model (Ferdinand, 2000).

4. RMR (Roof Mean square Residual)

EWLR

_{didefmisik~n sebagai:}

dimma: p adalah banyaknya indikator bagi peubah laten mdogmous

q adalah banyaknya kdikator bagi peubah laten eksogenaus

$0 adalah unsur matriks S

bg addah unsur matriks

RMR merupakan uhran rata-rata dari kuadrat sisaan, semakin besax nilai

RR.IJ1

semakk b d model hipot&& dalam mwgepas data dm begitu pula

s e b a h y a . RMR direkomendasikan untuk digunakm dalam membandingkan dua model dari data yang sama f Sttarma, 1996).

Validitas

dan

Kehandaian

lndikator

Indikator yang baik akan rnemberi peringatan jika muncul suatu masalah

sebelum masalah tersebut memburuk

dm

mengarahkan kjta untuXc mengambil langkah-

langkah gerbaikan yang diperlukan (Wardi & Zdan, 1997). Sebagai suatu alat b r ,

Validitas dan kehandalan matu kdikatar dengan demikian menjadi syarat yang hams

dipenuhi. Validitas mengacu kcpada kemampuaxt suatu irxdikator d h m mengukur spa

yang sebenarnya ingin diukur, sedangkm kehandalan terkait dengm tingkat

kekonsistenan dari indikator tersebut sehingga membuat &a pwcaya terhadap apa yang

ditunjukkan olehnya. Sartono (200 1) memberikan ilustrasi mexlarik. tentang validitas dan

kehandalan hi pada pcngukuran ganjang jalm. Jengkal tangan merupakan penmuran

yang valid, karena jengkal tangan memang bisa digunakan u t u k itu, Namun alat ini

tidak handal karma tidak konsisten dari walrtu ke w&W.

Validitas indikator-indikator dalam menguhr peubah Xatedfaktur tmtentu dinilai

dengan cnra menpj ji apnpakah semua loading-ny a nyata yaitu memiliki nilai-f lebih besar

dari 1.96 fHu : Aq

-

O versus Hl :

Ag

# 0 pada taraf uji 5%). Sedan* untuk mengdm

kehandalaa. kdikatox, digunakan komunalitas ittau disebut jugn kehandalan individu.

Komunalitas d x i matu indikator adalah bagian total ireragam indikator tersebut yang

menerangkan faktor bten terkentu. Semakin hesar nilainya menunjukkan bahwa

kdijiator ini culnap handal dalam mengukur fabar laten tersebut. SHarm (1996)

menyarankan batas (cutofl sbesar 0.5, aainya suatu indikator bisa dikatakan handal

j&a nilai komunalitasnya Xebih dari 0.5.

Indikatac-indlkatur yang secara bwsama-sam mengukur matu faker Iaten

tertentu dapat diukur kehandalannya dmgan kehandsfm kunstnric. Weds, L,kn, dm

Jijreskog (2974) dalam S h a m (1996) merekomendasikan mmus beriht hi unmk mengukur kehandaltsn bagi indikator-indikatar dari suatu faktor tertentu:

dimana:

k

adalah banyaknya indikator yang menpkur faktw laten ke-j

hij adalah lending dari indikatar kwi yang mengukur &&or ke-j

Vf&)

adalah

ragam galat penguhrm dari indikator ke-i

Semakia besar nilai hi, menunjukkan bahwa indikator-indikator penyusun bagi watu

Pengaruh tangsung,

Tak Langsung, dan Total

Ilustrasi sederhana b e r h t diamhil dari Garson (2000b) wtuk menggambarkan

p e n g a d langsung, tak langsung, dm total.

Gambar 3. llustrttsi pengaruh langsung, tak langsung, ditn total

Model di atas terdiri dari dua peubah eksogenous A dan B yang d i n g berkorelasi

(sebesar u), seas sebuah peubah endogenous D. Koefisim W a s v

dan

w

rtdalak

knefjsien regresi yang tetah dibakukan, menunjukkan pengamh langsung (direct efect)

dari peubah eksagenaus/pmjelas pada peubah endogenoudrespon. Jadi, pada model

yang terdiri dari dua atau feb& peubah eksogwous, koefisien lintasnya sama dengan

koefisirm regresi parsial dari data yang dibakukan atau matrifcs korelasi sebagai input. M i ~ k a n matfiks kotelasinya adalah sebagai b e r h t :

Dalam hubwrgam ya dengan p eubah A, peubah D mendapatkm pengaruh tangsung

sehesar v, dm pengavuh dak langserng melalui 3 sebewr w, atau secara mtematis

dihlliskaa

sebagai korelasi(AD)

-

v 4,. uw. Sedmgkan hubungan mtara peubah D dmgan

peutrah B dapat diufaikan menjadi korelasi(BJ3) = w 1- uv. Dengan mem.ecahkan

persamaan matematis ini :

didapatkan koefisien h a s v sebesar 0.62,

dm

koefrsien lintss w sebesar -0.05. Dengan

Tabd 2. Dekomposisi pengaruh bngsung, titk liingsung, dan tab1

Penj ela

sm

t eoritis mengenai kuefisien lintas ini diberikan

oXeh

Wonn.acott

dan

Womacott: (1981). Persamam r e p s i terhadap peubah-peubah yang telah dikoreksi

terhadap niIai tengahnya dihrliskan sebagai

JJ =

j i w ,

+ p 2 x z +...+jixI -I-; ₍₂₀₎

Perssman regresi padanannya terhadap peubah-peubah yang dibakuk-tin menjadi

'0 " P O I Z l +P0ZZ2 " " + P O k Z k 'POW' (2

I1

Koefisien poi selanjutaya disebut sebagai koefisien lintas. Hubungan antara

koefisien lintas dengan koefisien regresi dintmuskan sebagai

dimana si

adalah

simpangan baku peubatr penjelas k*i dm so adalah simpangan baku

peubah respon. Znterpretasi dari koefisien h t a s poi adalah besamya peaubahsn dari

peubah respon (dalam simpangan balm) bih peubah penjefas ke-i benrbrtb sebesar satu

s i m p angan b a b y a , sernentara peubah pwjelas fainnya dianggap ironstan.

Dalam praktek, untuk mendapatkan nilai poi dari data mentah, dihitung dulu

koefisien korelasi r g lalu disubstitusikan

ke

dafam permmaan simukan berim:

rot = POI + Pmr21 +.* ' f P o k P j l .

' P 0 l P l k ' P m r 2 k ' * . * ' P O A

Model pads Gambar 3 dapat ditufiskan ke dalam bentuk persamaan (23) menjadi,

0.6

-

v "r 0 . 4 ~ 0.2 = 0 . 4 ~ -3. w

Data

Data yang digunakan pada tulisan hi mengacu pada kermgka kerja untuk indi.kata~ pembangiman berkelanjutan yang diterbitkm oleh Commission on Smtai~lable

Development (World Bank, 200 1 ). T,n dikator-hdikator dalam kermgka kerja tasebut

dikIasifikasikan

ke

dalam empat b r m s i : sasiaf, linghgan, ekonomi, dan inskitusionaf

(Lampixan 1).

Pengumpulan data 8ilakuk:an pada tingkat provinsi dan tingkat kabupated

kotamadya. Pada tingkat provinsi berhasil diidentifkasi 20 indikator (Lampiran 2

menyajikan definisi, unit pmgukuran, dm smber data indikator pada tingkat provinsi)

sedangkan p

ada

tingkat kabupatdkotamadya berhasil diidentifjkasi 1 0 indikator

(sepulufi indikatur pmtama pada Lampiran 2). Hal hi menunjukkan bahwa sernakin

rendah unit pemerhtahau, data semakin sufit didapatkan, terutama data lingktlflgan.

Jumlah kttbupatenbatamdya yang diaxlalisis sebanyak 294, dimana 108 (82

kabupaten -t- 26 katamadya) ada

di

Jawa dan f 86 (148 kabupatm

+ 38

kotamadya) di luar Jaws. Berdasarkan Master File Desa

( W D )

BPS tahun 2000, judah kabupatenl

kotmdya di Indonesia adalatt 341 dexlgan 32 provinsi. Jadi pada tufisan i,ni, dimana data yang digunakan adalah data tahun 1999, ada beberapa kabupatdotamadya yang tidak dilibatkan dalrtm analisis.

Secara garis besar, t&ap-tahap analisis pada pexlelitian

ini

adalah: (1) Eksplorasi

data, (2) Pernodelan, dan (3) Pengujian hipatesis penehtian. Dua tahapan yang peftama

mengacu kepada proses data mining.

Menurut Berry & Linoff (1 9971, seem umum data mining dapf dtkelompoMran menjadi ckra yaitu

Tahap eksplaxasi data mefiputi:

1. PemiUban (screening) indikator

Indikator yang merupakan fungsi

dari

kdikator lain disisihkan dari analisis karens

satu indbtor dapat mewakili indikatar yang lain tersebut. Sebagai contoh indikator

"an& harapan bidup" merupakan fungsi drnri "mortalitas bayi" (korelasi keduanya adalah -I), oleh karena itu dapat dipilih salah satu dari kedua indikator hi.

Pmyisihan juga difalnrkan terhadap data yang terlalu banyak mengandung data

hilang sehingga tidak mampu menggambarkan keadaaln y m g sebenamya. Sebagai

contoh adaZah indikator "halitas baiaeriologi air minum", hdikator ini mengandung

banyak data hilang karma agahya dattutya sulit didapatkm.

2. Pemeriksaan data

Gugus data yang sudah "dibersihkan" pada f angkah sebehmnya kemudian

dieksplurasi wtuk me~dapatkan gambaran mengenrai

keadann

data. Lwgkah ini

mempakan penerapan descrptive &fa minirag. Pemeriksaan data dilakukaa secam

visual dengan menggunakan histagram dm diagram kotak-garis.

FZistogram digurrttkan wkrlr mendapatkm gambaran mengenai bent&

gersebaran data. Satah satu manfaat histogram adalah untuk mendeteksi puncak

ganda dari suatu gugus data. E3istogam yang bquneak ganda menyakan pertanda

bahwa datanya berasal dari dua j e i s kettdaan atau

lebih,

sehingga untuk

menerangkan

ha1

ini diJaInzXran pernilaftan data. Mat perikm

lain

yakai diagram

kotak-garis dipnakan u n t d memwiksa keshetrikan data, mendeteksi pencilan,

dm pembandingan data secara visual.

Analisis lebih lanjut: yang dilakukarr adaIah pembmdkgan

dua

d a i tengah.

Uji t--dent d i p a k m unruk membandingkm

d a i

tengah

dua

popufasi ynng

diasurnsikan memifiki sebaran normal. Amrmsi sebnran n o m f didekati oleh

keshetrikan data yang dapat diketabui dengan pengamatan visual melalui diagram

kotak-garis. Jika settaran kedua papulasi tidak dletahui

dm

macam sebaramya

Tahap pemaddan merupakan penaapm predictive data mining. Hine ( 1 998)

dahm Garson (2000a) mengajukan dua langkah dalam memblmgun seburth model.

LangkaH pmamrs adsfah membmtuk s h a h model pengu%ruran mtuk m a indilrator

yang terlibat. J&a made1 pen&an tersebut &pat diterima, dilaxnjutkm ddegan

'fangkah kedua yaitu meayusrxn model stdttural. Kedua lmgkah

ini

ditempuh mtuk

keperluan ideama si model.

Setehh modd tcridentifikasi, difsanjutkan dengan pemitihan model terbaik

dengan mengikuti bngkah- f amgkah bedcut ymg diadaptasi dari Shwma (

X

996).

Laneah 1. Spesifikasi model berdasarkan kexangka pemikixan tmritis

Langkah 2. Evaluasi model. lika model sudah cukup layak, dilanjutkm

ke

Langkah 3.

Sehinxlya, kembali

ke

Langkah I .

Langkah 3. PmiJaian validit as dan kehandalan dari indilrat or-indikator yang terfibat

daIam model. Jika indikator-indikator tersebut dinyatakatl valid dan handal

maka dipumskan bahwa model tersebut c&up baik dalam mengepas data,

dm sefesai. Selahmya, kembali

ke

Langkah 1,

Pengujisn hipotesis penelitian berkaitan dengan model yang dihasilkan pada

tahap pernodelan. Mipateds pert am diuji dengaxl memperhatikm

hasiX

evaluasi model

serta p d a i a n validitas dan kehandalan indikator. J&a tekh didapatkm model terbaik

berdasarkan pemilaian-penilaian di atas m k a hipotesis pertam dapat diterima.

Setiap daerah di Indonesia memiIiki karakter yang mik sehixlgga memuncufkan banyak kmagaman. Pernilahan data berdasarkan Jawa dan Iuar Jawa adalah safah satu

usaha untuk mengelompokkan keragaman tersebut, sehingga pada tingkat

kabupatedkotarnadya analisis dilakukan terpisah berdasarkan

kedua

wilayah itu.

Pernilahan wilayah berdssarkan Jawa dan luar Jawa diddung &&a mengenai kundisi

kepmdudukan dan kctersedisan slamber daya alarn. Hasil sensus penduduk tahm 2000

menunjukkan babwa 59.2 persen ppeduduk. Indonesia tinggal di pufm Jawa sehingga

kepadat

m

pwduduhya menjadi sangat tinggi. Pulau Jaws juga menrpakan penghasil

padi terbesar yakxni sekitar

SO

persen

kb&.

Sementara

di

luar Jawa, beberapa grovinsi

memililri potwsi hutan cukup besar, dimana Xebib dari 70 persen wiIayah daratannya berupa hutan, yaitu Kalimantm Tengah, Ulimantan Timus, Sulawesi Tengah, dan Lrian

Jaya (BPS, 200 1).

Deskripsi

Deskripsi nntuk sepuluh i n d h o r pertam dalam Lampiran

X

yang a k a

digutlakan dalam analisis pada t k g k a t kabupatenkatamadya adalah sebagai b e r h t :

I . Pengeiuarun per kapi fa

Diagram kotak garis untuk gengeharan per kapita kabupatenlkotamadya di fuar

Jawa menjulur ke h i (Gambar 421 atas). Kemenjuluran tersebut d i p e n g d i ofeh adanya

pencilan di sisi kiri. Penyisihan pencilan menghasilkan sebaran data yang

Eehih simetrik

sebagahana ditunjukkan oleh Chmbar 4b atas. Pencilan kiri ini diisi oleh kabupated kotamadya yang petlgeluaran per kapitanya Xrurang dari 950 ribu rupiah dimana sebagian

hesar adafab kabupaten-kabupaten di NTT.

Perbandingan pengeluaran per kapita antara wlrlayah Jawa dan luar Jawa menjadi

lebih mudah dilibat dari Gambar 4b karma kedua diagxam kutak garis itu menunjukkan

pola yang shetrik. Sebutih nihi di sekitar 580 ribu menrpalrm kuartil ketiga bagi

wilayah luax Jawa dan menrpakan kuarkl percama bagi wilayah Jawa. Ma1 ini

mengindikasikan sekiear 75 persen kabupatedkotamadya di luar Jawa pengeluaran per

kapitanya h a n g dari 580 &u, selxafilrnya 75 persen Irabugatd kutamadya di Jawa

pengeluaran per k q i t a y a febih bewr dari mgka hi.

Pengeluaran per kagita merupakan suatu u k a n pendekatan bagi stand= hidup.

Nilai kurtosis dari data yang diguxnakan pada Gambar 4b masing-masing sebesar 0.05

u'tltuk. wilayah luar Jawa dan 4.15 untuk d a y a h Jawa, menunjulclrltn bahwa bent&

sebaran w h y a h Jswa febih lancip dibandingkan dengan wilayah luar Jawa. Hal

ini

memberikan indkasi bahwa standar hidup antar kabupatedkotmadya di Jawa lebih

homogexl daripada di h a x Jawa.

U I L %V 3b 40 50 60 10 80

Tampak dsri Gambar 5

di

atas bahwa sebarm data persen pmduduk di bawah

garis kemiskiaan di luar Jaws menjulur ke ktanaa, sementara di Jawa cendenxng simetrik.

Pencilan

di

sisi kannn diagram kotak garis mtuk wilayah luar Jawa diisi oleh beberapa kabupaten di

NTT

dan

lrian Jaya. Penyisihan pencilan

ki

tidak berhasil mempexbaiki

perilaku data mmjadi febih simetrik. Pembmdingan d a i tmgah dengm uji median

rnmgungkapkan bahwri genduduk di bawah garis kerniskhan lebih banyak ditemukm

di

hbupatmkotamadys Jawa dibandingkan dmgan kabupaten/kotamadya di luar Jawa

(nilai-p 0.017). Lebih lanjut, dari Lampiran 4a dan Lampifan 4b temgkap perbedaan

persen penduduk di bawah garis kerniskinan yang mencolok antar# daerah pedesaan

[image:111.612.104.497.326.476.2]

(kabupat en) dengan daerah perkotaan (kot amadya).

Gambar 6. Histogram angka mdek huruf. (a) Jawa (b) Luar Jawa.

Tamp& bahwa histogram an& mefek humf

b a a di

Jawa mupun luar Jawa

rnemililri puncak ganda. Hal hi memberikan peftmda

b&wa

datanya berasal tfari

dua

jrmis keadam atau

lebih,

yang masing-masing berbeda terhadap sesamnya. Pernitahan

data berdasarkaa kabupatw (daerah p e d e ~ m ) dan kuttimadya (daerah pmkutaan) dapstt

menermgkan fenomena ini. Kelampok data yang berpuncak

di

kiri baisikan kabupaten- kabupaten saja, sementara kelompok data ymg be~gwlcak di kanan berisikan kabupatm

dm seluruh kotmdya. Hasif uji nilai tengah dahm Lampiran 4a dm Lampiran 4b

mengungkapkan bahwa angkrr melek hunrf lebih tinggi di daaah perkotaan daripada

di

Fenurnma punca k ganda juga muncul p

ada

indikatar rata-rata lama belajar. [image:112.614.94.514.85.242.2]

(a) @)

Gambar 7. Histogram rata-rata lama bdajar, (a) Jaws (Ib) Lawr Jawa.

b s i l uji. d a i tengah dalam Lampiran 4a dan Lampiran 4b mengmgkapkrm

balawa baik di dawa maupun luar Jawa, rata-rata lama befajar lebih thggi

di

daerah perkotttan daripstda

di

pedesann dengan perbedaan yang rnencolok yakni setsra dengan

satu je~jang pendidikan menengafi f 3 tahun).

Gambar 8. Diagram kotak-garis persentase rurnahtangga berlotntai tanah

Sebaran persen rumahtmgga berlmtai tmah di Jawa

dm

luar Jaws nampak

menjulur

ke

b a n . Median untuk witayah Rrar Jawa feb&

rendah

daripada median di

Jawa. Kultw rumah panggmg di luar Jawa nampahya berpenganrh b e m sehingga

persen mmah tangga berlantai tanah Lebih sedW &ternam di Iuar Jawa daripada di

[image:113.613.93.499.91.237.2]

20 30 40 50 F t 70 80 90 '00 "3 ₀ 50 I O G (a)

Gambar 9. Histogram ttkses ke sanitasi. (a) Jawa @) Luax Jawa,

Histogram indikatar Akses

ke

sanitasi rnemiliki putlcak ganda. Sam& seperti pada

indikator pe~didilran, fenamena itli dapat ditermgkan dengm pengelompokan data

bcrdasarkm asaf daerah, perkutaan dm pedesaaxt.

Lampiran 4a dan Lampiran 4b menyajikaxl hasil uji

nilai

tengafi antsra

katamadya dengan ksbupaten di Jawa

dan

luar Jawa. Hasilnya mencerminkan bahwa knndisi pemmahatl

di

daerah perkutsan lebih baik dibmdingkan dengan daerah pedesaan.

Garnbar 10. Diagram kotalr-garis wkses ke pdayanan kesehatan

Diagram

kotak

garis imdikator Akses ke pelayanan kesehatan psda Gnmbar 10

di

mtuk wilayah Jawa. Hal ini rnengisyaratkan bahwa akses pekyanan

ke

fasllitas

kesehatm di Jawa i b i h bai,k daripada di Xunr lawa. Haslf uji median semakh meuguatkm kesimpulan ini (nilai-p 0.000).

[image:114.612.143.410.177.347.2] [image:114.612.173.408.496.654.2]

6. Anak kurang gizi

Gambar 1 I . Diagram kotak-garis persentilse anak kurang gizi

Diagram kotak garis unt& indikator Persen mak h a n g gizi pada Gambar 1 1

menunjukkan pula mendekati simetrik baik untuk d a y a h Jawa mupun luar Jawa. Hasit uji-r menyatakm bahwa persen anak kurmg gizi lebih

banyak

ditemukan di

kabupatedcotamadya tuar Jawa daripada di kabupatedkotamadya Jawa (nilai-p 0.000)

Tampak bahwa sebaran indikator Angka harapan hidup di Jawa maupun di luar

Jawa mendekati simetrik, dengm ma-rata mshxlgrnaskg 66.8 tahm dan 66.1 tahm. Iiasil uji-t menyatakm bahwa tidak cukup buhi untuk rnenga~akan terdapat perbedaan

hardpan hidup antara pendudrxk; di kabupatedkotamdy a Jawa dengaxl penduduk di

kabupaten/kotamadya lua~ Jawa (nilai-p 0. f 68).

Gambar 13. Diagram kotak-garis angka pengangguraa

Tampak daxi Ciambar f 3 di atas bahwa sebaran hdikator Axtgka pengangguran di

luas Jawa meazjulur

ke

kaman dengan banystk pencilan, sementara di Jawa cendenxng

simetrik. Data luar Jawa tetap menjulur ke kana meskipun pencilamya telah

dikeluarkan. Fernbandingan nilai tengah dengan uji median mengungkapkan bahwa

Model

Persamaan

Struktural Pembangunan

Barkelanjutan

pada

Tingkat

KabupatenfKotarnadya di

Jawa

dan

Luar

Jawa

1. Model unit& kIcaupaten/kot~~rrpadya di Jawa

Langkah pertama dalarn membangun model adafah membentuk model pengukuraa mumi fuine, I998 dalam Garsun, 2000a). Made1 pada Gambar 14 terdiri

atas tiga f&ar laten yyan ddinamai SDM (§umber Daya Manusia), EKONQM,

KUALITAS. Nama-nama indikatax ditempatkan dalam katak, sedangkan nama faktor

taten ditempatkan dafam bidmg oval. Angka yang menyertai anak panah yang keluar

dari faktar laten ke