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 lifein
Java is negative, meaning that the direction of economic policy need to be reevaluated becauseit 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 showsthat 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 indicatedin
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 keterkaitanP B
di daerah. Data yang digrxnakan dalam penelitian irrj terdixi dari dua set, yaitu: ( I )LPB
gada tingkatkabugaten/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 aa 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 MasukPPB.
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 darikebijakan 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 sefakupembimbing dari Fakzlltas Kehutmm IPB atas koreksi dan masukan yang sangat
berkarga dalam karya
ilmiah
imi. Terimakasih juga mtuk fiuIr.
Erfiaani, M.Si ataspertmyaan-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
...
4TINJAUAN
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...
$5DATA DAN METODE
Data
...
17Metode Analisis
...
.
.
...
17HASIL DAN PEM3AKASAN
...
...
Deskrip si
.
.
20Model 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 FernbangunanBerkelanjutan di Indonesia ...
.
.
...
38SARAN
...
42Kermgka peanjkiran yaxtg digunakan dalam penelitian berdrtsarkan
...
perrspektif pembanpan berkelanjutan 3
... ...
Dekamgosisi p e n g a d langsung. tak langsung. dan total
.
.
.
16Hasil 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
...
32Hasil model pmpkwan untuk kabupatedkotmdya di Iuar Jawa
...
34 ...KIasXikasi skur indikator komposit SDM 37
DAFTAR
GAMBAR
...
1
..
Xlustrasi diagram kotak-garis 52 . 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 216 . 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 239
.
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 bagiIPB
301 6
.
Model LXSREL PI3 untuk kabupat d o t a m a d y adi
Jawa...
3 1 ...17
.
Madel strukturalllrS
untuk kabupatedkotamdya di Jawa 3118
.
Model LISREL P B wtuk kabupatedkotmadya di luar Jawa...
3319 . Plot antara skar faktax laten Ekonomi versus Kualitas untuk data
kabupatenlkotamdya di Jaws dan di luar traawa
... .
.
.
...
3520
.
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 ... 3621
.
Plot antara skor faktor laten Ekononni versus XCuaXitas berdamkan kefompok...
SDM
Bi
Iuar Jaws (a) SDMrendah (b)
SDM sedang (c) SDM tinggi 3722
.
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 satugugus 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 pestumbufianekunomi
dm
pendapatan per kapita. kunisnya,di
negarit-negara berkembang,pertumbuhan ekonomi yang tinggi
dan
peniagkatan pendapatrm per kapita, seringkalidiikuti dengan kemsakan l i n m g a n sumber daya alam
dm
tatanan sasial yang psrahyang membawa konsekuetlsi serius bagi kelmgsungsn pembangman itu sendiri. Oleh karena itu, muncul konsep pembangunan berkelartjutm yang
tidak
hanya memikirkankepenthgan 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
melaksanakankewenangan 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 dengmpemodehn, 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 diteragkmdm
daprtt dipalcai unt& menilai keberfrtnjutanproses pembangunan di Indonesia.
2. Xndikat or-indikator yamg t ersedia dapat secara
efektif
mmj elaskan tkgkatpexlcapaian 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-fiasilyang 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 4maka
pagar-&lam kkiadalah
k.Demikian juga jika nilai terbesar b lebih kecil dari (Q3
+
1 . 5 4 maka pagar-dalam kananadalah 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-dalamkanan 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 darino1 (positif), mengindikasikan data menjufur
ke
kanatn,dm
jika s k e w n e ~ bemilainegatif 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 nB adalah matriks koefisien dari q baukwan rn x m
adalah vektor galat bagi persamaan strukmaf tersebut
benrkuran
m x 1Sedangkan 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 xm
Ax adalah matriks koefisien regresi (lmding} 3 t d a d a p
&
b e h m q x nAsumsi bagi model LISREL di atas adalah:
&
tidak berkorelasi denganE
E tidak berkarelasi dengan g
,-
6
tidak berkorefasi dengan&
c,
2, dm8
tidnk saling berkurelasiMatriks ragam-peragam
Z:
dari indikatox-indikator xdan
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 darn5
tidak berkorelasi, sehingga
C
,
= A , @ A , ~+
0 6d 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 dari8'
= [A,, A, 3,T,
@, Y , Os,@,I
yangGambar 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+lGitmbar 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 tidakdiketahui (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 bmyaknyapeubah 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 modelpengukwan 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 mhrkpaling sedikit sepasang i
+
j ;#v
aflalah elemen matriks if>, (4.2) Os adalah rnatriksdiagonal. Langkah kdua adalah identifikasi parameter-parameter seruktuxaf
B, T,
Ydengan 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 tidaktepnuhmya 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 loupirtgdm
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
made1non-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 loopingmungkin 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 sertaMine,
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) dimanaC
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 dihnrapkanadalah 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) sebaranEeptokurf~c (lebih lancip dari normal) rnenghasilIcan t erlafu banya
k
pen0 hkanhipaeesis 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) yangdisaranksn 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 contohdm
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 pulas 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 mengdmkehandalaa. 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-jhij adalah lending dari indikatar kwi yang mengukur &&or ke-j
Vf&)
adalah
ragam galat penguhrm dari indikator ke-iSemakia 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
wrtdalak
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 dmganpeutrah 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. DenganTabd 2. Dekomposisi pengaruh bngsung, titk liingsung, dan tab1
Penj ela
sm
t eoritis mengenai kuefisien lintas ini diberikanoXeh
Wonn.acottdan
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 bakupeubah 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. wData
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 kabupatenlkotmdya 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) Eksplorasidata, (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 karenssatu 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 inimempakan 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 untukmenerangkan
ha1
ini diJaInzXran pernilaftan data. Mat perikmlain
yakai diagramkotak-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
tengahdua
popufasi ynngdiasurnsikan 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 sebaramyaTahap 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 mtukkeperluan 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 modelserta 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 penghasilpadi terbesar yakxni sekitar
SO
persenkb&.
Sementaradi
luar Jawa, beberapa grovinsimemililri 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 adigutlakan 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 bawahgaris 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 diNTT
dan
lrian Jaya. Penyisihan pencilanki
tidak berhasil mempexbaikiperilaku 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 Jawarnemililri puncak ganda. Hal hi memberikan peftmda
b&wa
datanya berasal tfaridua
jrmis keadam atau
lebih,
yang masing-masing berbeda terhadap sesamnya. Pernitahandata 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 kabupatmdm 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 daripstdadi
pedesann dengan perbedaan yang rnencolok yakni setsra dengansatu 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 nampakmenjulur
ke
b a n . Median untuk witayah Rrar Jawa feb&rendah
daripada median diJawa. 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
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 padaindikator 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 antsrakatamadya dengan ksbupaten di Jawa
dan
luar Jawa. Hasilnya mencerminkan bahwa knndisi pemmahatldi
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 10di
mtuk wilayah Jawa. Hal ini rnengisyaratkan bahwa akses pekyanan
ke
fasllitaskesehatm 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 dikabupatedcotamadya 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 cendenxngsimetrik. 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