Pengaruh Rata-rata Lama Sekolah, Angka Harapan Hidup, Jumlah
Penduduk Miskin, Jumlah Fasilitas Kesehatan, dan Kabupaten/Kota
terhadap Indeks Pembangunan Manusia di Jawa Tengah, DIY, dan Jawa
Timur pada Tahun 2014
Oleh:Ilham Ibnu Affan ilham.ibnu.affan@gmail.com
Abstrak
Indeks Pembangunan Manusia merupakan suatu ukuran yang digunakan untuk mengukur pencapaian pembangunan di suatu wilayah. Pada penelitian kali ini penulis akan meneliti tentang pengaruh rata-rata lama sekolah, angka harapan hidup, jumlah
penduduk miskin, jumlah fasilitas kesehatan, dan kabupaten/kota terhadap Indeks Pembangunan Manusia di Jawa Tengah, Jawa Timur, dan Daerah Istimewa Yogyakarta pada tahun 2014 dengan metode Ordinary Leart Square (OLS) yang dibagi menjadi empat model estimasi. Dengan uji tersebut diperoleh hasil secara uji
global semua model berpengaruh secara signifikan sedangka secara uji parsial variable yang berpengaruh terhadap keempat model adalah variable rata-rata lama
sekolah, angka harapan hidup dan kabupaten/kota.
Kata Kunci: IPM, OLS, Rata-rata Lama Sekolah, Angka Harapan Hidup, dan Kabupaten/Kota.
1. Pendahuluan
Sejauh mana variabel ekonomi maupun non ekonomi tersebut dapat menunjang IPM menjadi fokus pada penelitian ini.
Menurut BPS (2013) Indeks Pembangunan Manusia (IPM) merupakan suatu ukuran yang digunakan untuk mengukur pencapaian pembangunan manusia di suatu wilayah. Meskipun tidak mengukur semua dimensi dari pembangunan manusia, namun IPM dinilai mampu mengukur dimensi pokok dari pembangunan manusia. Sebagai ukuran kualitas hidup, IPM dibangun melalui pendekatan tiga dimensi dasar. Dimensi tersebut mencakup umur panjang dan sehat, pengetahuan, dan kehidupan yang layak.
Indeks Pembangunan Manusia pada beberapa provinsi di pulau jawa yaitu Jawa Tengah, Jawa Timur dan Daerah Istimewa Yogyakarta pada tahun 2014 secara berturut-turut adalah 68,78 persen, 68,14 persen, dan 76,81 persen (BPS, 2015). Ketiga provinsi ini merupakan provinsi yang berada di bagian tengah dan timur pulau Jawa yang memiliki tingkat Indeks Pembagunan Manusia yang relative beragam untuk tiap kota dan kabupatennya. Namun jika dilihat lebih lanjut terlihat bahwa Indeks Pembangunan Manusia pada daerah perkotaan relatife lebih tinggi dari daerah kabupaten dalam kawasan sekitarnya.
Dari uraian di atas maka penulis tertarik untuk meneliti pengaruh angka harapan hidup yang mewakili dimensi kesehatan, rata-rata lama sekolah yang mewakili dimensi pendidikan dan jumlah sarana kesehatan yang mewakili dimensi kehidupan layak dan beberapa variable terkait seperti jumlah fasilitas kesehatan dan jenis wilayah kabupaten atau kota terhadap Indeks Pembangunan Manusia di provinsi Jawa Tengah, Jawa Timur dan Daerah Istimewa Yogyakarta.
2. Tinjauan Pustaka
(Geographically Weighted Ordinal Logistic Regression) pada umumnya adalah persentase penduduk yang tamat SMP/sederajat, banyaknya sarana kesehatan dan kepadatan penduduk.
Dengan hasil penelitian di atas maka penulis tertarik untuk meneliti tentang Pengaruh Lama Sekolah, Angka Harapan Hidup, Jumlah Penduduk Miskin, Jumlah Fasilitas Kesehatan, dan Kabupaten/Kota terhadap Indeks Pembangunan Manusia.
3. Metodologi Penelitian
3. 1. Sumber Data dan Variabel Penelitian
Penelitian ini akan membahas faktor-faktor yang mempengaruhi IPM di Jawa Tengah, Jawa Timur dan Daerah Istimewa Yogyakarta dengan menggunakan metode OLS. Data yang digunakan dalam penelitian ini adalah data hasil Survei Sosial Ekonoi Nasional (SUSENAS) oleh Badan Pusat Statistik (BPS). Variabel yang digunakan pada penelitian ini sebanyak 5 variabel. Variabel tersebut terbagi atas satu variabel respon dan empat variabel prediktor. Variabel yang berperan sebagai variabel respon (Y) adalah Indeks Pembangunan Manusia (IPM), sedangkan variabel prediktor yang dipakai penelitian ini meliputi:
1. Lama Sekolah sebagai X1
Keterangan :
Y = Indeks Pembangunan Manusia
X1 = Rata-Rata Lama Sekolah X2 = Angka Harapan Hidup X3 = Jumlah Penduduk Miskin X4 = Jumlah Fasilitas Kesehatan
D1 = Kabupaten/Kota (Kota = 1, Kab.=0)
β0 = Konstanta Regressi
β1 = Koefisien Lama Sekolah β2 = Koefisien Angka Harapan Hidup
β3 = Koefisien Jumlah Penduduk Miskin
β4 = Koefisien Jumlah Fasilitas Kesehatan
Dalam penelitian kali ini penulis menggunakan lima kali pengujian dengan lima model regressi di atas. Pada model yang pertama penulis ingin mengetahui pengaruh rata-rata lama sekolah terhadap Indeks Pembangunan Manusia, yang kedua penulis ingin mengetahui pengaruh rata-rata lama sekolah dan angka harapan hidup terhadap Indeks Pembanguan Manusia, pada estimasi model ketiga penulis ingin mengetahui pengaruh rata-rata lama sekolah, angka harapan hidup, dan jumlah penduduk miskin terhadap Indeks Pembangunan Manusia, pada model yang keempat penulis ingin mengetahui pengaruh rata-rata lama
Secara umum penelitian tentang variable yang mempengaruhi Indeks Pembangunan Manusia ini menggunakan variable terikat berupa variable rata-rata lama sekolah, angka harapan hidup, dan jumlah fasilitas kesehatan serta variable interest berupa jumlah penduduk miskin dan Kabupaten/Kota.
3. 3. Hipotesis
Pengujian parameter regresi perlu dilakukan untuk mengetahui hubungan antara variabel independen dan variabel dependen. Pengujian parameter regresi dilakukan dalam dua tahap yaitu uji secara bersama-sama (serentak) dan uji parsial.
Uji serentak digunakan untuk mengetahui pengaruh semua variabel independen terhadap variabel dependen dengan hipotesis sebagai berikut :
H0 : β = 0 H1 : β ≠ 0
Uji parsial digunakan untuk mengetahui variable independen yang berpengaruh signifikan secara individu terhadap variabel dependen. Hipotesis yang digunakan untuk uji parsial adalah sebagai berikut :
H0 : β = 0 H1 : β ≠ 0
3. 4. Metode Analisis
1. Melakukan pemodelan regresi linier dan regresei linier berganda dengan metode Ordinary Least Square (OLS).
2. Melakukan uji kelayakan, uji parameter model regresi.
4. Pembahasan
4. 1. Deskripsi Data
Penelitian ini menggunakan data IPM dan faktor-faktor yang memengaruhinya yaitu rata-rata lama sekolah, angka harapan hidup, jumlah penduduk miskin, jumlah fasilitas kesehatan dan jenis wilayah yaitu kabupaten atau kota yang diambil dari tiga provinsi di pulau jawa yaitu Jawa Tengah, Jawa Timur, dan Daerah Istimewa Yogyakarta pada tahun 2014. Deskripsi data yang digunakan dapat dilihat pada table 1.
Tabel 1. Deskripsi Data IPM dan Faktor-Faktor yang Memengaruhinya 2014
No
1 IPM IPM (Persen) 78 69.66 5.47 56.98 84.56
2 Lama Sekolah
Kesehatan Fasilitas Kesehatan (Unit) 78 99.74 40.26 13 220
6 Kabupaten/Kota Kabupaten/Kota, 1=Kota 78 0.2 0.41 0 1
Dari data di atas dapat kita ketahui bahwa jumlah dari masing-masing variable adalah 78 sampel yang menunjukkan bahwa dalam penelitian ini menggunakan sampel besar. Data sampel pada variable IPM dengan nilai rata-rata 69,66 persen dengan nilai minimal sebesar 56,98 persen dan maksimal 84,56 persen serta standar deviasi 5,47. Sedangkan untuk variable rata-rata lama sekolah dengan nilai rata-rata 10,25 tahun dan nilai minimal 4,62 tahun serta maksimal 16,32 tahun sedangkan untuk standar deviasinya adalah 10,25. Kemudian variable angka harapan hidup memiliki nilai rata-rata 73,75 tahun dan nilai minimal dan maksimal secara berturut-turut adalah 63,39 tahun dan 77,45 tahun sedangkan standar deviasinya adalah 2,56.
daerah itu dengan rata-rata jumlah faslitas 99,74 unit dan jumlah maksimal dan minimalnya adalah 220 unit dan 13 unit serta dengan standar deviasi 40,26. Dan yang terakhir adalah variable jenis wilayah yang dibedakan menjadi wilayah kabupaten atau wilayah kota, dan ini adalah satu-satunya variable dummy yang digunakan dalam penelitian ini, yaitu dengan nilai 1 untuk wilayah kota dan 0 untuk wilayah kabupaten.
4. 2. Tabel Hasil Regresi
Dari hasil estimasi regresi yang telah dilakukan sebanyak lima kali telah dihasilkan F-stat dan R-square secara berturut-turut adalah 26,9275 dan 0,26 untuk model pertama, 21,63753 dan 0,37 untuk model kedua, 22,21471 dan 0,47 untuk model ketiga, 17,91732 dan 0,47 untuk model keempat, serta 28,53371 dan 0,64 untuk model kelima. Dan untuk uji parsial atau t-test dan probanilitasnya dapat dilihat pada table 2.
Tabel 2. Hasil T-test dan Signifikansinya
Model 1 Model 2 Model 3 Model 4 Model 5 Rata-rata Lama
Jumlah Observer 78 78 78 78 78
Pada model pertama ini menjukkan bahwa jika rata-rata lama sekolah bertambah satu tahun maka akan IPM akan menigkat sebesar 0,99 persen dengan konstanta sebesar 59,43 persen. Hal ini menunjukkan dengan lamanya orang bersekolah akan meningkat IPM.
Model 2:
YIPM= 13,53 + 0,22 X1+ 0,75 X2+e
Pada model kedua ini penulis akan meneliti pengaruh rata-rata lama sekolah dan angka harapan hidup terhadap IPM. Dari model estimasi yang dilakukan diketahui bahwa jiwa rata-rata lama sekolah meningkat satu tahun maka IPM akan meningkat 0,22 persen dan jika angka harapan hidup meningkat satu tahun akan menigkatkan IPM sebesar 0,75 persen dengan konsatanta 13,53 persen. Dari hal ini dapat dijelaskan bahwa dengan meningkatnya lama sekolah seseorang dan angka harapan hidupnya maka IPM juga akan menigkat hal ini dikarenakan lama sekolah dan angka harapan hidup merupakan cerminan kualitas hidup.
Model 3:
YIPM= 42,49 + 0,54X1+ 0,35 X2- 0,03 X3+e
Yang ketiga penulis akan meneliti tentang pengaruh rata-rata lama sekolah, angka harapan hidup dan jumlah penduduk miskin terhadap IPM. Dari persamaan model di atas dapat dijelaskan bahwa jika rata-rata lama sekolah menigkat satu tahun maka akan meningkatkan IPM sebesar 0,54 persen dan jika angka harapan hidup meningkat satu tahun maka IPM akan menigkat sebesar 0,35 persen sedangkan jika penduduk miskin meningkat satu juta jiwa maka IPM akan mengalami penurunan sebesar 0,03 persen dengan nilai konstanta 42,49. Dari hasil estimasi di atas dapat disimpulkan bahwa penigkatan lama sekolah dan angka harapan hidup akan menigkatkan juga kualitas manusianya sedangkan dengan semakin banyaknya penduduk miskin akan menurunkan kualitas manusianya.
Model 4:
YIPM= 33,36 + 0,44X1+ 0,51 X2 - 0,02 X3- 0,03 X4+e
satu tahun maka akan meningkatkan IPM sebesar 0,51 persen sedangkan jika jumlah penduduk miskin meningkat satu juta jiwa maka akan menurunkan IPM sebesar 0,02 dan jika fasilitas kesehatan meningkat satu unit maka akan menurunkan IPM sebesar 0,03 persen dengan nilai
Pada model kelima penulis akan meneliti tentang pengaruh rata-rata lama sekolah, angka harapan hidup, jumlah penduduk miskin, jumlah fasilitas kesehatan dan kabupaten atau kota sebagai variable dummy terhadap IPM. Dari model di atas dapat diketahui bahwa jika rata-rata lama sekolah menigkat satu tahun maka IPM akan menikat sebesar 0,17 persen, jika angka harapan hidup naik satu tahun maka IPM akan meningkat 0,60 persen, jika jumlah penduduk miskin bertambah satu juta jiwa maka IPM akan turun sebesar 0,003 persen, jika fasilitas kesehatan bertambah satu unit maka IPM akan naik sebesar 0,006 persen dan jika ia adalah kota maka nilai IPM akan lebih tinggi sebesar 7,58 persen dari daerah kabupaten. Dari hasil estimasi di atas dapat disimpulkan bahwa penigkatan lama sekolah, angka harapan hidup, dan jumlah fasilitas kesehatan akan menigkatkan juga kualitas manusianya sedangkan dengan semakin banyaknya penduduk miskin akan menurunkan kualitas manusianya, di lain sisi daerah perkotaan cenderung memiliki nilai IPM yang tinggi dari daerah kabupaten.
4.3.2. Signifikansi dan R-Square
rata-rata lama sekolah berpengaruh terhadap IPM. Disisi lain pada model pertama ini juga diperoleh nilai R-square sebesar 0,26, hal ini menujukkan bahwa sebesar 26% variable independen dalam model ini merepresentasikan variable dependen dan sisanya dijelaskan oleh variable di luar model.
Selanjutnya untuk estimasi regresi pada model kedua diperoleh nilai F-stat sebesar 21,63 sedangkan F-tabelnya adalah 3,12, karena F-stat>F-tabel maka dapat disimpulkan bahwa secara serentak variable independen berpengaruh terhadap variable dependen dalam model ini. Untuk uji T-test peroleh bahwa nilai T-test dan probilitasnya adalah 0,76 dan 0,4462 untuk variable rata-rata lama sekolah dan 3,51175 dan 0,0008 untuk variabel angka harapan hidup, karena syarat signifikan adalah T-test>T-tabel maka yang berpengaruh secara parsial terhadap IPM adalah variable angka harapan hidup. Dalam model kedua ini juga diperoleh nilai R-square 0,37 yang menunjukkan bahwa variable independen dalam model ini dapat merepresentasikan 37% variable dependen dan sisinya dijelaskan di luar model.
Kemudian untuk model ketiga dari uji regresi yang dilakukan memperoleh nilai F-stat sebesar 22,21 dengan nilai F-tabel 2,73, karena F-stat>F-tabel maka dapat disimpulkan bahwa dalam model ini secara serentak variable independen berpengaruh terhadap variable dependen. Untuk uji T-test peroleh bahwa nilai T-test dan probilitasnya adalah 1,97 dan 0,0519 untuk rata-rata lama sekolah, 1,59 dan 0,1150 untuk angka harapan hidup dan -3,89 dan 0,0002 untuk jumlah penduduk miskin. Karena nilai semua F-test < F-tabel maka secara parsial variable independen dalam variable ini tidak ada yang berpengaruh terhadap variable dependen. Selain itu juga dihasilkan nilai R-square sebesar 0,47 yang menunjukkan bahwa sebanyak 47% variable independen dalam model ini dapat menerangkan variable dependen dan sisinya dijelaskan oleh varibel di luar model.
Dan yang terakhir adalah estimasi regresi pada model kelima yang menghasilkan F-test sebesar 28,53 dengan F-tabel sebesar 2,34, karena F-test>F-tabel maka dapat disimpulkan bahwa secara serentak semua variable independen berpengaruh terhadap variable dependen dalam variable ini. Untuk selanjutnya pengujian parsial yang ditunjukka oleh T-stat dan signifikansinya adalah 0,72 dan 0,475 untuk rata-rata lama sekolah, 3,13 dan 0,0025 untuk variable angka harapan hidup, -0,40 dan 0,6847 untuk variable jumlah penduduk miskin, 0,47 dan 0,63881 untuk varibel jumlah fasilitas kesehatan dan 6,03 dan 0,0739 untuk varibel kabupaten atau kota, karena syarat signifikan adalah T-test>T-tabel maka yang berpengaruh secara parsial terhadap IPM adalah angka harapan hidup dan kabupten kota. Selanjutnya adalah nilai R-square yang dihasilkan dalam model ini adalah 0,64 yang berarti sebanyak 64% variable independen dapat menjelaskan variable dependen dalam model ini dan sisanya dijelaskan oleh variable di luar model.
4.3.3. Uji Asumsi Klasik 4.3.3.1. Uji Normalitas
Untuk uji normalitas pada model regressi dilihat dengan nilai Jarque-Bera dan probabilitasnya yang secara berturut-turut dari model pertama hingga kelima adalah 1,30 dan 0,520537 untuk model pertama, 3,90 dan 0,142231 untuk model kedua, 10,95 dan 0,004186 untuk model ketiga, 5,15 dan 0,076081 untuk model keempat, serta 16,78 dan 0,000227 untuk model kelima. Data dapat dikatakan terdistribusi normal jika probabilitas > 0,05 maka yang lolos uji normalitas adalah model satu, model dua, dan model empat.
4.3.3.2. Uji Heteroskedastisitas
4.3.3.3. Uji Multikolinearitas
Uji multikolinearitas dalam eviews dapat dilakukan dengan melihat nilai centered VIF pada variable yang ada dalam model regresi dan jika nilai centered VIF < 10 maka dinyatakan bahwa variable tersebut lolos multikolinearitas. Untuk model yang pertama diperoleh nilai centered VIF pada variable rata-rata lama sekolah adalah 1,00, maka variable ini dinyatakan lolos multikolinearitas. Pada model yang kedua nilai centered VIF untuk variable rata-rata lama sekolah dan angka harapan hidup adalah 2,53 dan 2,53, maka kedua variable ini dinyatakan lolos multikolinearitas. Pada model ketiga nilai centered VIF untuk variable rata-rata lama sekolah, angka harapan hidup, dan jumlah penduduk miskin adalah 2,78, 3,22 dan 1,29, maka ketiga variable ini dinyatakan lolos multikolinearitas. Pada model yang keempat nilai centered VIF untuk variable rata-rata lama sekolah, angka harapan hidup, jumlah penduduk miskin, dan fasilitas kesehatan adalah 2,91, 3,76, 2,57 dan 1,99, maka keempat variable ini dinyatakan lolos multikolinearitas. Pada model yang kelima nilai centered VIF untuk variable rata-rata lama sekolah, angka harapan hidup, jumlah penduduk miskin, jumlah fasilitas kesehatan, dan kabupaten atau kota adalah 3,03, 3,79, 2,72, 2,39 dan 1,87, maka semua variable ini dinyatakan lolos multikolinearitas.
Dengan metode lain dapat diketahui bahwa square model 4 > R-square model 3, R-R-square model 2, dan R-R-square model 1.
4.3.3.4. Uji Autokolinearitas
5. Penutup
5.1. Kesimpulan
Bedasarkan hasil dan pembahasan dapat disimpulakan bahwa dengan uji OLS pada kelima model, secara uji global semua model berpengaruh secara signifikan sedangka secara uji parsial variable yang berpengaruh terhadap keempat model adalah variable rata-rata lama sekolah, angka harapan hidup dan kabupaten/kota.
5.2. Saran
Daftar Pustaka
Masruroh, Marwah dan Retno Subekti. 2016. Aplikasi Regresi Partial Least Square untuk Analisis Hubungan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia di Kota Yogyakarta. Jurnal Media Statiska Vol. 9, No. 2, 2477-0647.
Melliana, Ayunanda dan Ismaini Zain. 2013. Annalisis Statistika Faktor yang Mempengaruhi Indeks Pembangunan Manusia di Kabupaten/Kota Provinsi Jawa Timur dengan Regresi Panel. Jurnal Sains dan Seni Pomits Vol. 2, No. 2, 2337-3520.
Pradita, Rahma Nurfiani, et. al. 2015. Pemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia Kabupaten/Kota di Jawa Timur Menggunakan Geographically Weighted Ordinal Logistic Regressio. Jurnal Gaussia Vol. 4, No. 3, 2339-2541.
LAMPIRAN
Hasil Regressi Model Pertama
Hasil Regressi Model Ketiga
Hasil Regressi Model Kelima
Uji Normalitas Model Kedua
Uji Normalitas Model Ketiga
Uji Normalitas Model Kelima
Uji Heteroskedastisitas Model Pertama
Uji Heteroskedastisitas Model Ketiga
Uji Heteroskedastisitas Model Kelima
Uji Multikolinearitas Model Kedua
Uji Multikolinearitas Model Ketiga
Uji Multikolinearitas Model Keempat
Uji Autokolinearitas Model Pertama
Uji Autokolinearitas Model Ketiga
