Pengar uh R ata-r ata L ama S ek olah, A ngk a H ar apan H idup, J umlah
Penduduk M isk in, J umlah F asilitas K esehatan, dan K abupaten/K ota
ter hadap I ndek s Pembangunan M anusia di J awa T engah, D I Y , dan J awa
Pada penelitian ini penulis akan meneliti data panel mengenai lama sekolah, angka harapan
hidup, jumlah penduduk miskin, jumlah fasilitas kesehatan dan K abupaten/K ota serta
pengaruhnya terhadap Indeks Pembangunan Manusia di Provinsi J awa T engah, J awa T imur, dan
D aerah Istimewa Y ogyakarta pada periode 2013 dan 2014. Penelitian ini menggunakan ti ga
metode dengan lima model yaitu E stimasi yang akan dilakukan menggunaka lima model estimasi
panel yang meliputi model Pooled L east Square (PL S), F ixed E ffect (F E ), serta Random E ffect
(RE ). D an pada uji hausman diperoleh bahwa model terbaik dalam penelitian ini adalah pada
F ixed E ffect Model yang secara serentak berpengaruh signifikan sedangkan secara parsial
variable lama sekolah, angka harapan hidup, dan K abupaten/K ota berpengaruh secara signifikan.
K ata K unci: F ixed E ffect Model, R andom E ffect Model , Uj i H ausman.
1. Pendahuluan
Pembangunan merupakan suatu upaya yang dilakukan oleh pemerintah untuk
mewujudkan masyarakat yang makmur dan sejahtera. S alah satu indikator yang dapat
digunakan untuk mengukur hasil pembangunan adalah Indeks Pembangunan Manusia
( IPM). IPM merupakan indeks komposit yang dihitung dari indeks harapan hidup, indeks
pendidikan, dan indeks standar hidup layak. K arena dalam perhitungan indeks harapan
hidup, indeks pendidikan, dan indeks standar hidup layak melibatkan komponen ekonomi
maupun non ekonomi seperti kualitas pendidikan, kesehatan, dan kependudukan, maka
pembangunan. S ejauh mana variabel ekonomi maupun non ekonomi tersebut dapat
menunjang IPM menjadi fokus pada penelitian ini.
Menurut B PS (2013) Indeks Pembangunan M anusia ( 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. S ebagai ukuran
kualitas hidup, IPM dibangun melalui pendekatan tiga dimensi dasar. D imensi tersebut
mencakup umur panjang dan sehat, pengetahuan, dan kehidupan yang layak.
Indeks Pembangunan Manusia pada beberapa provinsi di pulau jawa yaitu J awa
T engah, J awa T imur dan D aerah Istimewa Y ogyakarta pada tahun 2014 secara
berturut-turut adalah 68,78 persen, 68,14 persen, dan 76,81 persen (B PS , 2015). K eti ga provinsi ini
merupakan provinsi yang berada di bagian tengah dan timur pulau J awa 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.
D ari 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 J awa T engah, J awa T imur
dan D aerah Istimewa Y ogyakarta.
2. T inj auan Pustak a
Menurut Masruroh (2016) bahwa dengan metode PL S (Partial L east S quare)
keempat faktor yaitu A HH ( A ngka Harapan Hidup), A MH (A ngka Melek Huruf) , MY S
(R ata-rata L ama S ekolah), dan PPP ( Indeks D aya B eli) berpengaruh positif terhadap
Indeks Pembangunan Manusia. D an menurut Melliana (2013) bahwa terdapat tujuh
variabel yang berpengaruh signifikan terhadap IPM antara lain vari abel rasio siswa
terhadap guru, angka partisipasi S MP/MT s, jumlah sarana kesehatan, persentase rumah
tangga dengan akases air bersih, kepadatan penduduk, tingkat partisipasi angkatan kerja
mempengaruhi Indeks Pembangunan Manusia kabupaten/kota di J awa T imur berdasarkan
model GW OL R (Geographically W eighted Ordinal L ogistic R egression) pada umumnya
adalah persentase penduduk yang tamat S MP/sederajat, banyaknya sarana kesehatan dan
kepadatan penduduk.
D engan hasil penelitian di atas maka penulis tertarik untuk meneliti tentang
Pengaruh L ama S ekolah, A ngka Harapan Hidup, J umlah Penduduk Miskin, J umlah
F asilitas K esehatan, dan K abupaten/K ota terhadap Indeks Pembangunan Manusia dan
dalam penelitian ini penulis akan membahasnya dalam dua periode yaitu tahun 2013 dan
2014 di K abupaten dan/atau K ota di Provinsi J awa T engah, J awa T imur, dan D earah
Istimewa Y ogyakarta.
3. M etodologi
3.1.S umber D ata dan V ar iabel Penelitian
Penelitian ini akan membahas faktor-faktor yang mempengaruhi IPM di
J awa T engah, J awa T imur dan D aerah Istimewa Y ogyakarta. D ata yang digunakan
dalam penelitian ini adalah data hasil S urvei S osial E konomi Nasional (S US E NA S)
oleh B adan Pusat S tatistik (B PS ). V ariabel yang digunakan pada penelitian ini
sebanyak 6 variabel. V ariabel tersebut terbagi atas satu variabel respon dan empat
variabel prediktor. V ariabel yang berperan sebagai variabel respon (Y ) adalah
Indeks Pembangunan Manusia ( IPM), sedangkan variabel prediktor yang dipakai
penelitian ini meliputi:
1. L ama S ekolah sebagai X1
2. A ngka Harapan Hidup sebagai X2
3. J umlah Penduduk Miskin sebagai X3
4. J umlah F asilitas K esehatan sebagai X4
5. K abupaten atau K ota sebagai X5
S edangkan ada lagi variable dummy tahun 2013 dan tahun 2014 dengan
tahun 2013 sebagai tahun dasar.
3.2.M odel E stimasi
E stimasi yang akan dilakukan menggunaka lima model estimasi panel yang
meliputi model Pooled L east Square (PL S), F ixed E ffect (F E ), serta Random E ffect
M odel Pooled L east S quare (PL S )
D alam model di atas y adalah variable terkait, x variable bebas, α koefisien
konstan, β koevisien variable, dan e adalah error term. S ubscript I menunjukkan
unit cross section sedangkan t mengacu pada waktu (R asyid, 2016).
3.3.Penguj ian
D alam penelitian ini software yang digunakan adalah S tata 13. Probabilitas
pada penelitan ini menggunakan probabilitas 0,05 atau 5%. A dapun langkah
analisis yang digunakan dalam penelitian ini adalah:
Y ang pertama adalah pengujian model estimasi dilakukan pada empat jenis
yaitu uji statistika deskriptif, uji estimator regresi serta pemilihan model terbaik,
dan uji asumsi klasik. D alam uji statistika diskriptif memuat informasi mengenai
data yang digunakan secara umum. A dapun informasi yng dijabarkan memuat
nama variable, jumlah observer, rata-rata, standar deviasi, batas maksimal dan batas
minimal data yang digunakan.
Uji estimator regresi memuat lima model yaitu, P ooled L east Square (PL S )
dengan dummy tahun, PL S dengan dummy tahun 2013, PL S dengan dummy tahun
2014, T ime F ixed E ffect Model, dan Random E ffect Model. A dapun tahap pengujian
yang pertama, dilakukan uji endogenitas peneliti mempertimbangkan penggunaan
estimator model yang cocok antara PL S , time fixed effect, atau random effect.
Pemilihan model terbaik ini hanya akan memilih antara T ime F ixed E ffect Model
A dapun, uji asumsi klasik dengan menggunakan uji normalitas, uji
heterokedastisitas, uji multikoliniearitas, serta uji autokolineritas. A sumsi
normalitas hanya berhubungan dengan unsur gangguan atau residual. Untuk
menguji data yang digunakan seberapa “mendekati” normal menggunakan uji
S kewness K urtosis. Uji Heterokedastisitas adalah pengujian yang digunakan untuk
mengetahui adanya ketidaksamaan varians dari residu satu ke semua pengamatan
pada model regresi, untuk uji ini akan menggunakan pengujian uji residual
diagnotis menggunakan ( xttest3). Uji Multikolinieritas adalah pengujian yang
digunakan untuk menguji korelasi yang terjadi pada beberapa atau semua antar
variable independen, pada uji asumsi klasik ini akan digunakan pengujian uji
V ariance Inflation F actor (V IF ), uncentered. D an yang terakhir adalah uji
A utokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi
antara kesalahan pengganggu pada periode t-1, pada pengujian ini akan dilakukan
uji F ixed and random effects linear models with an AR(1) disturbance.
4. Pembahasan
4.1.D esk r ipsi D ata
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 J awa T engah, J awa T imur,
dan D aerah Istimewa Y ogyakarta pada periode 2013/2014. D eskripsi data yang
digunakan dapat dilihat pada table 1.
F asilitas K esehatan (Unit) 156 98.61 39.99 13 220
K abupaten/K ota, 1=K ota 156 0.19 0.39 0 1
D ummy T ahun 156 0.49 0.5 0 1
D ari data di atas dapat kita ketahui bahwa jumlah dari masing-masing
variable adalah 156 sampel yang menunjukkan bahwa dalam penelitian ini
menggunakan sampel besar. D ata sampel pada variable IPM dengan nilai rata-rata
71,47 persen dengan nilai minimal sebesar 56,44 persen dan maksimal 85 persen
serta standar deviasi 5,42. S edangkan untuk variable rata-rata lama sekolah dengan
nilai rata-rata 10,18 tahun dan nilai minimal 4,39 tahun serta maksimal 16,32 tahun
sedangkan untuk standar deviasinya adalah 2,72. K emudian variable angka harapan
hidup memiliki nilai rata-rata 71,54 tahun dan nilai minimal dan maksimal secara
berturut-turut adalah 61 tahun dan 77,45 tahun sedangkan standar deviasinya
adalah 3,8.
V ariable selanjutnya adalah jumlah penduduk miskin yang memiliki
rata-rata 129,74 ribu jiwa dan jumlah minimal dan maksimalnya adalah 7 ribu jiwa dan
355,1 ribu jiwa serta standar deviasinya 72,95. K emudian ada variable jumlah
fasilitas kesehatan yang terdiri dari jumlah rumah sakit dan puskesmas yang ada di
dalam daerah itu dengan rata-rata jumlah faslitas 98,61 unit dan jumlah maksimal
dan minimalnya adalah 220 unit dan 13 unit serta dengan standar deviasi 39,99.
D an 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.
S emua data tersebut merupakan data gabungan antara tahun 2013 dan 2014.
4.2.T abel H asil R egr essi
T inggi rendahnya indikator yang mempengaruhi IPM tentu dapat dijadikan
acuan dalam usaha untuk meningkatkan kualitas manusia Indonesia dengan
parameter IPM tersebut. D alam penggunaan data panel, perlu dilakukan pengujian
beberapa metode untuk mendapatkan suatu model yang terbaik. A dapun pilihan
dengan dummy tahun, PL S dengan dummy tahun 2013, PL S dengan dummy tahun
2014, T ime F ixed E ffect Model, dan Random E ffect Model.
D ari hasil estimasi regresi yang telah dilakukan sebanyak lima kali telah
dihasilkan F -stat dan R -square secara berturut-turut adalah 19267,73 dengan
probabilitas 0,0000 dan 0,99 untuk model Pooled L east Square (PL S ), 11.000,86
dengan probabilitas 0,0000 dan 0,99 untuk model PL S dengan dummy tahun 2013,
11141,61 dengan probabilitas 0,0000 dan 0,99 untuk model PL S dengan dummy
tahun 2014.
S edangkan untuk hasil estimasi regressi menggunkan T ime F ixed E ffect
Model dihasilkan nilai F -stat 123,7 dengan probabilitas 0,000 serta untuk uji
regressi menggunakan Random E ffect Model dihasilkan nilai F -stat 169,24 dengan
probabilitas 0,000. S elanjutnya untuk uji parsial atau t-test dan probanilitasnya
d2013 17.37
Random E ffect Model yang akan dilakukan melalui uji hausman.
Uj i H ausman
Hasil uji hausman menunjukkan bahwa nilai chi-square dari pengujian 97,20.
S edangkan untuk probabilitasnya adalah 0,000. K arena 0,000 < 0,05 maka hipotesis
awal metode signifikan menggunakan T ime F ixed E ffect diterima. Model T ime F ixed
effect lebih baik dibaningkan model Random E ffect.
4.4.I ntepr etasi H asil R egr essi
K arena model terbaik dalam penelitian ini adalah T ime F ixed E ffect Model, maka
intepretasi model yang akan dilakukan hanya pada model tersebut yang juga akan kami
uji dengan uji asumsi klasik yang sesuai.
4.4.1. I ntepr etasi T ime F ixed E ffect Model
IPMit = 17,33it + 0,84 L ama Sekolahit + 0,62Angka Harapan Hidupit –
0,001Penduduk Miskinit + 0,007F asilitas K esehatanit + 3,95
K abupaten/K otait + eit
Hasil estimasi tersebut menghasilkan nilai F -stat 123,7 dengan
probabilitasnya sebesar 0,000. K arena 0,000>0,01>0,05>0,1 maka dapat
semua tingkat. K emudian untuk intepretasi parsialnya dapat dijelaskan
sebagai berikut.
D alam persamaan ini nilai intercept yang dihasilkan adalah 17,33
yang berarti jika semua nilai koefisien dalam variable ini 0 maka nilai IPM
hanya sebesar 17,31. V ariable lama sekolah memiliki koefisien sebesar 0,84
dengan probabilitas 0,000, yang berarti secara signifkan bahwa jika lama
sekolah meningkat satu tahun maka IPM akan meningkat sebesar 0,84
persen. S elanjutnya variable A ngka Harapan Hidup yang memiliki nilai
koefisien 0,62 dengan probabilitas 0,000 yang berarti jika A ngka H arapan
Hidup meningkat satu tahun maka IPM akan meningkat sebesar 0,62 persen
secara signifikan.
S elanjutnya adalah variable penduduk miskin yang memiliki nilai
koefisien sebesar -0,001 dengan probabilitas 0,694 yang berarti jika
penduduk miskin naik satu juta jiwa maka IPM akan turun sebesar 0,001
persen secara tidak signifikan. V ariabel fasilitas kesehatan memiliki nilai
koefisien sebesar 0,007 dengan probabilitas 0,282 yang berarti bahwa jika
fasilitas kesehatan meningkat satu unit maka IPM akan meningkat sebesar
0,007 secara tidak signifikan. D an yang terakhir adalah variable dummy
K abupaten/K ota dengan K abupaten sebagai acuan yang memiliki nilai
koefisien sebesar 3,95 dengan probabilitas 0,000 yang berarti bahwa jika ia
adalah daerah kota maka memiliki nilai IPM sebesar 3,95 persen lebih
tinggi secara signifikan dari pada daerah K abupaten.
D alam estimasi ini dapat disimpulkan bahwa secara serentak
berpengaruh secara signifikan sedangkan secara parsial yang berpengaruh
signifikan adalah variable lama sekolah, angka harapan hidup dan
K abupaten/K ota.
4.4.2. Uj i A sumsi K lasik
4.4.2.1. Uj i Nor malitas
Untuk menguji data yang digunakan seberapa “mendekati”
normal menggunakan uji S kewness K urtosis dengan parameter
A lpha (0,05). D alam pengujian ini diperoleh hasil nilai
probabilitas variable IPM, lama sekolah, angka harapan hidup,
jumlah penduduk miskin, fasilitas kesehatan, dan
K abupaten/K ota secara berturut-turut adalah 0,06, 0,00, 0,003,
0,06,0,55, dan 0,00. D engan demikian dapat disimpulkan bahwa
variable yang terdistribusi normal adalah variable lama sekolah,
angka harapan hidup, dan K abupaten/K ota.
4.4.2.2. Uj i H eter osk edastisitas
D alam pengujian ini akan menggunakan pengujian uji
residual diagnotis menggunakan (xttest3) dengan parameter
erjadi masalah heteroskedastisitas jika nilai probabilitas
squared < A lpha (0,05). D alam pengujian ini diperoleh hasil
chi-squared sebesar 0,00 dengan probabilitasnya 0,999. K arena 0,99
> 0,05, maka dapat disimpulkan model ini terkena
sekolah, angka harapan hidup, jumlah penduduk miskin, fasilitas
kesehatan, dan K abupaten/K ota secara berturut-turut adalah
33,67, 21,4, 13,15, 6,87, 2,1. D ari hasil tersebut dapat
disimpulkan bahwa pada model ini yang lolos uji
multikolinearitas adalah variable jumlah penduduk miskin dan
K abupaten/K ota.
4.4.2.4. Uj i A utok olinear itas
Pada pengujian ini akan dilakukan uji F ixed and random
effects linear models with an AR(1) disturbance dengan
parameter terjadi masalah heteroskedastisitas jika nilai
ini diperoleh hasil nilai probabilitas variable IPM, lama sekolah,
angka harapan hidup, jumlah penduduk miskin, fasilitas
kesehatan, dan K abupaten/K ota secara berturut-turut adalah 0,00,
0,00, 0,55, 0,69, 0,00 dengan koefisien autokorelasi sebesar
-2,22. D engan demikian dapat disimpulkan bahwa variable lama
sekolah, angka harapan hidup, fasilitas kesehatan dan
K abupaten/K ota lolos uji autokorelasi.
5. Penutup
5.1.K esimpulan
B eradasarkan hasil penelitian ini dapat disimpulkan bahwa model terbaik
yang dapat digunakan untuk mengestimasi pengaruh lama sekolah, angka harapan
hidup, jumlah penduduk miskin, fasilitas kesehatan, dan K abupaten/K ota di J awa
T engah, J awa T imur, dan D aerah Istimewa Y ogyakarta pada periode 2013 dan
2014 yang merupakan data panel adalah model estimasi T ime F ixed E ffect dengan
dummy tahun 2014 sebagai variable acuan.
D alam model tersebut mengahasilkan bahwa secara serentak estimasi dalam
model ini berpengaruh signifikan sedangkan secara parsial variable lama sekolah,
angka harapan hidup, dan K abupaten/K ota berpengaruh secara signifikan.
5.2.S ar an
A dapun saran yang dapat penulis berikan kepada pemerintah adalah untuk
dapat mempertimbangkan variable-variabel dalam penelitian ini, khususnya yang
dapat perpengaruh positif secara signifikan. A dapun bagi peneliti berikutnya
supaya dapat menambah variable-variabel terkait yang lainnya supaya hasilnya
D aftar Pustak a
Masruroh, Marwah dan R etno S ubekti. 2016. A plikasi R egresi Partial L east S quare untuk A nalisis
Hubungan F aktor-F aktor yang Mempengaruhi Indeks Pembangunan Manusi a di K ota Y ogyakarta.
J urnal Media S tatiska V ol. 9, No. 2, 2477-0647.
Melliana, A yunanda dan Ismaini Z ain. 2013. A nnalisis S tatistika F aktor yang Mempengaruhi
Indeks Pembangunan Manusia di K abupaten/K ota Provinsi J awa T imur dengan R egresi Panel.
J urnal S ains dan S eni Pomits V ol. 2, No. 2, 2337-3520.
Pradita, R ahma Nurfiani, et. al. 2015. Pemodelan F aktor-F aktor yang Mempengaruhi Indeks
Pembangunan Manusia K abupaten/K ota di J awa T imur Menggunakan G eographicall y W eighted
Ordinal L ogistic R egressio. J urnal Gaussia V ol. 4, No. 3, 2339-2541.
R asyid, Mohtar. 2016. Pengantar Mikro E konometrika D engan Aplikasi Porgram Stata.
Y ogyakarta: T R E ND .
L A M PI R A N
E stimasi Pooled L east S quar e
E stimasi Pooled L east S quar e dummy 2014
E stimasi R andom E ffect
Uj i Nor malitas
Uj i H eter osk edastisitas
