Alamat Korespondensi: I Wayan Sunarya, Program Studi Teknik Informatika, STMIK STIKOM Indonesia, DO I:ht tp: //dx .do i.o rg/1 0. 18202/jam230 26332.14.3.18 Jurnal Aplikasi Manajemen ( JAM) Vol 14 N o 3, 20 16 Terindek s dalam Google Scholar
JAM
14, 3
Diterima, Agustus 2016 Direvisi, September 20 16 Disetujui, September 20 16
Analisis Pembangunan Sumber Daya Manusia
di Provinsi Bali Tahun 2011-2014
I Wayan Sunarya
Program Studi Teknik Informatika, STMIK STIKOM Indonesia
Abstract: This study aimed to analyze: (1) the effect of Life Expectancy at Birth (LEB) to Human Development Index (HDI) in Bali from 2011 to 2014; (2) the effect of Adult Literacy Rate (ALR) to Human Development Index (HDI) in Bali from 2011 to 2014; (3) the effect Mean Years of Schooling (MYS) to Human Development Index (HDI) in Bali from 2011 to 2014. Secondary data, from article entitled “Bali In Figures”, which is published once a year, namely from the year 2011-2014 by the Central Statistics Agency of Bali. This study implemented panel data with Fixed Effect Model (FEM) method of Generalized Least Square (GLS). The results showed that the Life Expectancy at Birth (LEB) and Mean Years of School-ing (MYS) has positive and significant effect to Human Development Index (HDI) in Bali from 2011 to 2014. However, Adult Literacy Rate (ALR) doesn’t significantlyaffect the Human Development Index (HDI) in Bali from 2011 to 2014.
Keywords: Human Resource Development, Life Expectancy at Birth, Adult Literacy Rate, Mean Years of Schooling.
Abstrak: Penelitian ini bertujuan untuk: (1) menganalisis pengaruh Angka Harapan Hidup (AHH) terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali tahun 2011-2014; (2) menganalisis pengaruh Angka Melek Huruf (AMH) terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali tahun 2011-2014; (3) menganalisis pengaruh Rata-rata Lama Sekolah (RLS) terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali tahun 2011-2014. Data penelitian ini yaitu data Angka Harapan Hidup (AHH), Angka Melek Huruf (AMH) dan Rata-rata Lama Sekolah (RLS) menggunakan data sekunder yang diperoleh dari artikel yang berjudul “Bali dalam angka”, yang diterbitkan setahun sekali yaitu dari tahun 2011-2014 oleh Badan Pusat Statistik (BPS) Provinsi Bali. Metode analisis yang digunakan adalah analisis data panel dengan menggunakan Fixed Effect Model (FEM) dengan metode Generalized Least Square (GLS). Hasil penelitian menunjukan bahwa variabel Angka Harapan Hidup (AHH) dan Rata-rata Lama Sekolah (RLS) berpengaruh positif dan signifikan terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali tahun 2011-2014. Sedangkan variabel Angka Melek Huruf (AMH) tidak berpengaruh signifikan terhadap terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali tahun 2011-2014.
Kata Kunci: pembangunan SDM, angka harapan hidup, angka melek huruf, rata-rata lama sekolah
Suatu bangsa yang memiliki sumber daya manusia (SDM) yang berkualitas tinggi akan mampu untuk bersaing dalam
pendidikan. Untuk itu, kualitas sumber daya manusia (SDM) agar selalu ditingkatkan dengan melalui pem-berian pendidikan yang berkualitas, demi tercapainya pembangunan dalam suatu daerah maupun dalam suatu negara.
Pembangunan sumber daya manusia yang unggul memiliki beberapa hubungan dalam segi penyediaan fasilitas pendidikan seperti gedung sekolah, fasilitas kegiatan belajar mengajar, tenaga pengajar yang ber-kualitas dan berbagai sarana prasarana di dalam penunjang pendidikan yang ada dalam suatu instansi pendidikan.
Namun realitas yang ada dilapangan menunjuk-kan bahwa ada ketimpangan dalam pembangunan sumber daya manusia. Pembangunan manusia hanya sebagai sebuah proses dalam mencapai pertumbuhan ekonomi yang lebih baik dengan struktur ekonomi yang maju dan sejenisnya. Hanya beberapa tahun belakangan ini pembangunan sumber daya manusia mulai berada dalam posisi yang strategis dalam suatu negara ataupun daerah.
Tujuan pembangunan yang ada baik dalam suatu negara maupun dalam suatu daerah untuk memberi-kan kesejahteraan dan kemakmuran kepada masya-rakat. Jadi sudah sepantasnya manusia yang ada dalam suatu negara ataupun daerah menjadi sebuah subyek dari pembangunan itu sendiri.
Namun disisi lain selain menjadi subyek dalam pembangunan, manusia juga menjadi obyek dari pem-bangunan tersebut sehingga kadangkala pembangun-an ypembangun-ang sudah dibpembangun-angun dalam suatu negara atupun dalam suatu daerah menciptakan manusia yang
memiliki sumber daya yang baik, yang dilihat dari pendidikan, kesehatan dan lain sebagainya.
Kinerja yang ada dalam suatu negara ataupun dalam daerah jika dilihat dari sisi ekonomi maupun sosial, pembangunan sumber daya manusia juga memerlukan eberapa indikator yang dapat menilai kinerja pembangunan yang telah dilakukan.
Indeks Pembangunan Manusia yang disingkat IPM menjadi salah satu indikator pembangunan yang sering digunakan oleh beberapa negara yang ada di dunia. Indonesia sebagai salah satu negara yang memiliki beberapa provinsi juga memakai indikator ini didalam mengukur kemajuan yang telah dicapai dalam suatu provinsi. Berbeda dengan indikator Penghasilan Domestik regional Bruto yang lebih fokus apa yang dihasilkan dari dari hasil pembangunan sek-tornya yang ada didaerah, maka Indeks Pembangunan Manusia (IPM) digunakan sebagai alat pengukuran terhadap pembangunan yang sudah dicapai dan apa-kah hasilnya tersebut sudah dinikmati oleh masya-rakat atau hanya sebagai kesuksesan dalam beberapa sektor semata.
Jika dilihat secara konseptual IPM sendiri meru-pakan sebuah indikator komposit yang menggambar-kan tiga aspek kualitas hidup manusia, yaitu: indeks harapan hidup, indeks pendidikan dan indeks standar hidup layak. IPM merupakan suatu alat ukur suatu kinerja yang ada dalam suatu negara arau daerah yang dilihat dari segi pembangunannya sendiri. Ada-pun data tentang data Indeks Pembangunan Manusia (IPM) di Provinsi Bali dari tahun 2011-2014 adalah sebagaimana tabel 1.
Tabel 1. IPM Kabupaten/Kota di Provinsi Bali Tahun 2011-2014
Sumber: Bali dalam Angka Tahun 2011 - 2014
Dilihat dari tabel 1, perkembangan Indeks Pem-bangunan Manusia (IPM) Provinsi Bali dari tahun 2011 sampai tahun 2014 menunjukkan ada beberapa perubahan dari tahun ketahun seperti pada tahun 2011 ke tahun tahun 2014 mengalami penurunan IPM sebanyak 5,1 atau 1,1%.
Sedangkan data penyusun dari Indek Pemba-ngunan Manusia (IPM) di Provinsi Bali dari Tahun 2011-2014 sebagai berikut:
Angka Harapan Hidup
Angka Harapan Hidup (AHH) merupakan suatu instrumen dalam mengukur produktivitas pemerintah dalam mensejahterakan masyarakat dan mengetahui gambaran tentang tingkat kesehatan di masyarakat pada khususnya. Jika dalam suatu masarakat menun-jukkan Angka Harapan Hidup yang rendah maka umumnya harus selalu meningkatkan program pem-bangunan kesehatan termasuk program pemberan-tasan kemiskinan. Adapun data tentang Angka Harap-an Hidup di Provinsi Bali untuk setiap kabupaten pada tahun 2011-2014 sebagai berikut:
Angka Melek Huruf
Angka melek huruf merupakan tingkat persen-tase penduduk usia 15 tahun keatas yang bisa mem-baca dan menulis serta mengerti sebuah kalimat sederhana dalam hidupnya sehari-hari. Untuk data Angka Melek Huruf untuk setiap kabupaten/kota yang ada di provinsi Bali dari tahun 2011-2014 adalah sebagaimana tabel 3.
Dari data pada tabel 3, dapat dijelaskan bahwa di Provinsi Bali dari Tahun 2011-2014 mengalami peningkatan dimana pada tahun 2011 sebesar 70,78 sampai pada tahun 2014 sebesar 71,20; dari angka ini dapat diukur bahwa peningkatannya sebesar 99,4%. Dari angka 99,4% ini maka dapat digambarkan bahwa di Provinsi Bali untuk kemampuan masyarakat Bali dalam hal membaca dan menulis terus mengalami petumbuhan yang sangat baik.
Rata-rata Lama Sekolah
Rata-rata lama sekolah merupakan rata-rata jumlah tahun yang dihabiskan oleh penduduk berusia
Tabel 2. Angka Harapan Hidup Kabupaten/Kota di Provinsi Bali Tahun 2011-2014
Sumber: Bali dalam Angka Tahun 2011 - 2014
No. Kabupaten/Kota 2011 2012 2013 2014
1 Jembrana 71,88 71,95 72,31 71,39 2 Tabanan 74,49 74,55 74,91 72,64 3 Badung 71,85 71,91 72,24 74,30 4 Gianyar 72,17 72,22 72,56 72,78 5 Klungkung 69,15 69,20 69,52 69,91 6 Bangli 71,73 71,81 72,18 69,44 7 Karangasem 67,95 68,00 68,32 69,18 8 Buleleng 69,34 69,53 70,00 70,71 9 Denpasar 73,06 73,12 73,46 73,71
BALI 70,78 70,84 71,20 71,20
Di dalam tabel 2 diatas diketahui untuk setiap kabupaten dan kota yang ada di Provinsi Bali dari Tahun 2011-2014, Angka Harapan Hidup Kabupaten/ Kota di Provinsi Bali dari Tahun 2011-2014 menga-lami peningkatan secara signifikan yaitu dari Tahun 2011 sebesar 70,78 menjadi 71,20 pada Tahun 2014, dari angka ini dapat diketahui terjadi peningkatan Angka Harapan Hidup sebanyak 99,4%.
15 tahun keatas untuk menempuh semua jenis pendi-dikan formal yang pernah dijalani. Adapun data untuk rata-rata lama sekolah provinsi Bali per kabupaten/ kota dari tahun 2011-2014 sebagaimana tabel 4.
2014 sebesar 8,11; hal ini berarti terjadi penurunan tingkat persentase rata-rata lama sekolah yang ada di Provinsi Bali sekitar 97,1%.
Berdasarkan latar belakang masalah yang sudah dijelaskan dalam tabel 1 sampai tabel 5, maka perta-nyaan dalam penelitian ini adalah:
1. Bagaimana pengaruh Angka Harapan Hidup ter-hadap Indeks Pembangunan Manusia di Provinsi Bali pada tahun 2011-2014;
2. Bagaimana pengaruh Angka Melek Huruf terha-dap Indeks Pembangunan Manusia di Provinsi Bali pada tahun 2011-2014;
3. Bagaimana pengaruh Rata-rata Lama Sekolah terhadap Indeks Pembangunan Manusia di Provinsi Bali pada tahun 2011-2014.
METODE
Penelitian ini mengunakan data panel yaitu gabungan data crosssection 8
kabupaten dan 1 kota dan time series tahun 2011-2014 yang bersumber dari laporan statistik yang diterbitkan oleh Badan Pusat Statistik (BPS) Provinsi Bali. Adapun variabel dan definisi operasional variabel adalah sebagai berikut:
Indeks Pembangunan Manusia (IPM) adalah indikator capaian pembangunan sumber daya manusia (SDM) secara menyeluruh yang dibentuk atas tiga dimensi yaitu dimensi angka harapan hidup, angka melek huruf dan angka rata-rata lama sekolah dengan satuan (Skala 1-100).
Tabel 3. Angka Melek Huruf di Provinsi Bali per Kabupaten/Kota Tahun 2011-2014
Sumber: Bali dalam Angka Tahun 2011 - 2014
No. Kabupaten/Kota 2011 2012 2013 2014
1 Jembrana 90,69 92,36 92,65 11,48 2 Tabanan 90,82 90,86 91,92 12,04 3 Badung 92,96 93,01 93,93 13,00 4 Gianyar 86,81 88,79 89,38 13,06 5 Klungkung 82,39 84,15 84,47 12,57 6 Bangli 85,64 85,83 85,91 11,15 7 Karangasem 74,12 76,03 76,94 11,81 8 Buleleng 88,63 89,94 90,53 12,01 9 Denpasar 97,49 97,52 97,95 13,46
BALI 89,17 90,17 91,03 12,64
Tabel 4. Rata-rata Lama Sekolah di Provinsi Bali per Kabupaten/Kota Tahun 2011-2014
Sumber: Bali dalam Angka Tahun 2011 - 2014
No. Kabupaten/Kota 2011 2012 2013 2014
1 Jembrana 7 ,81 7,86 7,87 7,30
2 Tabanan 8 ,37 8,39 8,40 7,91
3 Badung 9 ,45 9,47 9,51 9,29
4 Gianyar 8 ,37 8,90 8,90 8,28
5 Klungkung 7 ,35 7,43 7,43 6,90
6 Bangli 6 ,66 6,68 6,70 6,38
7 Karangasem 5 ,82 5,88 5,90 5,39
8 Buleleng 7 ,36 7,54 7,55 6,66
9 Denpasar 10,70 10,94 11,05 10,96
Angka harapan hidup (AHH) merupakan suatu instrumen dalam mengukur produktivitas pemerintah dalam mensejahterakan masyarakat dan mengetahui gambaran tentang tingkat kesehatan di masyarakat pada khususnya. Jika dalam suatu masarakat menun-jukkan Angka Harapan Hidup yang rendah maka umumnya harus selalu meningkatkan program pemba-ngunan kesehatan termasuk program pemberantasan kemiskinan.
Angka melek huruf (AMH) merupakan tingkat persentase penduduk usia 15 tahun keatas yang bisa membaca dan menulis serta mengerti sebuah kalimat sederhana dalam hidupnya sehari-hari.
Rata-rata lama sekolah (RLS) merupakan rata-rata jumlah tahun yang dihabiskan oleh penduduk berusia 15 tahun keatas untuk menempuh semua jenis pendidikan formal yang pernah dijalani.
Metode Analisis Data
Menurut Gujarati (2012:237), data panel merupa-kan gabungan data individu (cross section) dan data runtut waktu (time series). Berdasarkan kelebihan-kelebihan data panel maka memiliki implikasi pada tidak harus dilakukan pengujian asumsi klasik seperti multikolinearitas, heterokedastisitas, autokorelasi, dan normalitas dalam model data panel. (Verbeek, 2000; Gujarati, 2003; Wibisino, 2005; Aulia 2004:27 dalam Ajija, 2011). Menurut Widarjono (2009:231) untuk mengestimasi model regresi dengan data panel meng-gunakan tiga pendekatan yaitu pendekatan common effect, fixed effect, dan random effect.
Common effect merupakan teknik mengestimasi data panel yang tidak memperhatikan dimensi antar individu maupun antar waktu. Fixed effect merupakan teknik mengestimasi data panel yang menggunakan variabel dummy untuk melihat adanya perbedaan intersep. Random effect merupakan teknik mengesti-masi variabel gangguan vit yang terdiri dari variabel gangguan kombinasi time series dan cross section
variabel gangguan secara individu. Berdasarkan dari kerangka pemikiran teoritis variabel dependen pada penelitian ini yaitu IPM. Sedangkan variabel indepen-den yaitu Angka Harapan Hidup (LogAHH), Angka Melek Huruf (LogAMH), dan Angka Rata-rata Lama Sekolah (RLS). Maka persamaan pada penelitian ini adalah sebagai berikut:
IPMit = o + 1 LogAHHit + 2 LogAMHit + 3 RLSit + it ... (1)
Keterangan :
IP M = indeks pembangunan manusia (skala 1-100)
LogAHH = Angka Harapan Hidup (%)
LogAMH = Angka Melek Huruf (%)
RLS = Rata-rata Lama Sekolah (%)
= koefisien regresi
= kabupaten/kota i (i = 1, 2, 3 ... 9); t = tahun
ke-t (2011-2014)
it = nilai residual di luar model.
Setelah mengestimasi ketiga model estimasi data panel langkah selajutnya menentukan model terbaik antara common effect, fixed effect, dan random effect yaitu dengan Redundant Fixed Effects Tests
(Likelihood Fixed Effect) dan Correlated Random Effect (Hausman Test), dimana hipotesis dalam
Pada penelitian ini terdapat tiga model estimasi data panel yaitu common effect model, fixed effect model, dan random effect model. Untuk hasil analisis dengan common effect model dapat dilihat sebagai-mana tabel 5.
Setelah mengestimasi tiga pemilihan model kemudian melakukan dua tahap pengujian statistik. 1. Pengujian dengan menggunakan analisis
Redun-dant Fixed Effects Tests (Likelihood Fixed Effect) dari data model panel pada Fixed Ef-fect Model hasilnya sebagaimana tabel 6. Dari data pada tabel 6, maka dapat dilakukan uji hipotesis dimana:
H0 = Common Effect Model H1 = Fixed Effect Model
Jika probability chi-square > 0,05 = Terima H0 Jika probability chi-square < 0,05 = Tolak H0
Karena probability chi-square sebesar 0,0038 lebih kecil dari 0,05 maka H0 ditolak, maka untuk model yang terbaik digunakan dalam analisis data panel adalah Fixed Effect Model.
model panel pada Random Effect Model hasilnya sebagai berikut:
Tabel 5. Hasil Estimasi Data Panel
Sumber: Hasil output E-Views 7.0 Catatan: *) tidak signifikan pada = 5%
Variabel Model Estimasi
Common Effect Fixed Effect Random Effect
Konstanta 14,25328 -55,48688 14,25328 Str. Error 8,928853 18,54305 7,526168
p-va lue 0 ,1202* 0,0063 0,06 73*
LOGAHH 0,601999 1,184635 0,601999 Str. Error 0,138051 0,240421 0,116364
p-va lue 0,0001 0,0000 0,0000
LOGAMH 0,017227 -0,001426 0,017227 Str. Error 0,005731 0,007651 0,004831
p-va lue 0,0051 0,8537* 0,0012
RLS 1,814684 5,496224 1,814684
Str. Error 0,184080 1,133672 0,155162
p-va lue 0,0000 0,0001 0,0000
R2 0,927882 0,961571 0,927882
Adjusted R2 0,921120 0,943957 0,921120 Standar error 1,108686 0,934517 1,108686 F-Statistik 137,2381 5,45928 137,2381 Prob (F-Statistik) 0,000000 0,000000 0,000000 Durbin-Watson Statistik 1,706934 2,118396 1,706934
Tabel 6. Hasil Estimasi Data Panel Redundant Fixed Effects Tests (Likelihood Fixed Effect)
Sumber: Tabel 5 (data diolah)
Effects Test Statistic d.f. Prob.
Cross-section F 2,629936 (8,24) 0,0318 Cross-section Chi-square 22,661489 8 0,0038
Tabel 7. Hasil Estimasi Data Panel dan Correlated Random Effect (Hausman Test)
Sumber: Tabel 5 (data diolah)
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 19,711714 3 0,0002
Dari data pada tabel 7, maka dapat dilakukan uji hipotesis dimana:
H0 = Common Effect Model H1 = Fixed Effect Model
Karena probability chi-square sebesar 0,0002 lebih kecil dari 0,05 maka H0 ditolak, maka untuk model yang terbaik digunakan dalam analisis data panel adalah Fixed Effect Model.
Penentuan model terbaik selain berdasarkan pengujian statistik pada chowtest, houseman test juga didasarkan pada pertimbangan non statistik pada salah satu pertimbangan observasi Judge (Gujarati 2012: 255). Unit cross-section penelitian ini yaitu untuk 8 kabupaten dan 1 kota di Provinsi Bali. Dengan adanya pengambilan unit cross-section penelitian yang tidak diambil secara acak, maka model data panel yang pantas digunakan adalah Fixed Effect Model (FEM). Setelah menganalisis model yang terbaik dilanjutkan dengan mengukur ketepatan fungsi regresi dari
goodness of fit.
Nilai pada adjusted R2 pada Fixed Effect Model
di dalam tabel 5 sebesar 0,921120. Hal ini berarti 92,1% variabel Indeks Pembangunan Manusia (IPM) di Provinsi Bali dijelaskan oleh variasi model variabel Angka Harapan Hidup (logAHH), Angka Melek Huruf (logAMH), dan kepadatan penduduk (KP). Sedangkan sisanya 7,9% dijelaskan oleh variabel lain diluar model.
Uji statistik F (F-test) merupakan pengujian statistik untuk mengetahui pengaruh simultan variabel independen terhadap variabel dependen. Berdasarkan tabel 5 pada fixed effect model diperoleh F-hitung sebesar 5,45928 dan F-tabel (df numerator 3; denume-rator 8) sebesar 4,07. Maka Fhitung > Ftabel (5,45928 > 4,07) dengan p-value sebesar 0,00000. Maka penga-ruh Angka Harapan Hidup (AHH), Angka Melek Huruf (AMH) dan Angka Rata-rata Lama Sekolah (RLS) secara simultan berpengaruh terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali tahun 2011-2014.
Uji statistik t (t-test) merupakan pengujian statistik untuk mengetahui pengaruh parsial variabel indepen-den terhadap variabel depenindepen-den. Berdasarkan uji sta-tistik t (t-test) Angka Harapan Hidup (AHH) memiliki nilai thitung > ttabel (4,927337 > 2,447) dengan p-value sebesar 0,0000 maka Angka Harapan Hidup (AHH) berpengaruh positif dan signifikan terhadap Indek Pembangunan Manusia (IPM) di Provinsi Bali dari tahun 2011-2014. Angka Melek Huruf memiliki nilai thitung < ttabel (-0,186419 < 2,447) dengan p-value sebe-sar 0,8537 maka Angka Melek Huruf (AMH) tidak berpengaruh positif dan signifikan terhadap Indek Pembangunan Manusia (IPM) di Provinsi Bali dari tahun 2011-2014. Sedangkan Angka Rata-rata Lama
Sekolah (RLS) memiliki nilai thitung> ttabel (4,848162 < 2,447) dengan p-value sebesar 0,0001 maka Angka Rata-rata Lama Sekolah (RLS) berpengaruh positif dan signifikan terhadap Indek Pembangunan Manusia (IPM) di Provinsi Bali dari tahun 2011-2014.
Berdasarkan hasil estimasi penelitian ini menggu-nakan model terbaik yaitu Fixed Effect Model (FEM) dengan metode Generalized Least Square (GLS). Persamaan pada model Fixed Effect Model (FEM) adalah sebagai berikut:
IPMit = o + 1 LogAHHit + 2 LogAMHit + 3 RLSit + it = -55,48688+ 1,184635logAHHit –
0,001426 logAMHit + 5,496224RLSit + ìit Std error = (18,54305) (0,240421) (0,007651) (1,133672) Prob = (0,0063) (0,0000) (0,8537) (0,0001)
Nilai konstanta sebesar -55,48688 menunjukan bahwa apabila pemerintah provinsi Bali tidak melaku-kan tindamelaku-kan untuk meningkatmelaku-kan Angka Harapan Hidup (AHH) dan Angka Rata-rata Lama Sekolah (RLS), maka nilai Indeks Pembangunan Manusia (IPM) akan mengalami penurunan sebesar 55,49.
Hasil estimasi Fixed Effect Model (FEM) dapat menunjukan keunikan heterogenitas nilai intersep di Kabupaten/Kota Provinsi Bali. Efek individual diper-oleh dari nilai konstanta kabupaten/kota ditambah dengan nilai konstanta pada Fixed Effect Model
(FEM).
Berdasarkan tabel 8 nilai koefisien yang berpe-ngaruh besar apabila variabel independen nol atau konstan terhadap pembangunan sumber daya manusia yaitu Kota Denpasar karena jika dilihat dari nilai efek individualnya sangat besar sebesar -67,20393 diban-dingkan dengan delapan kabupaten yang ada di Provinsi Bali dari tahun 2011-2014.
KESIMPULAN DAN SARAN
Kesimpulan
Indeks Pembangunan Manusia (IPM) di Kabupaten/ Kota Provinsi Bali. Sedangkan untuk Angka Rata-rata Lama Sekolah (RLS) berpengaruh positif dan signifikan sebesar 5,496224 terhadap Indeks Pembangunan Manusia (IPM) di Kabupaten/Kota Provinsi Bali.
Saran
Dari hasil penelitian dapat dilihat bahwa Angka Harapan Hidup (AHH) dan Rata-rata Lama Sekolah (RLS) berpengaruh positif dan signifikan terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali dari Tahun 2011-2014, maka diharapkan pemerintah Provinsi Bali didalam meningkatkan pembangunan sumber daya manusia kedepannya lebih mengutama-kan produktivitas pemerintah di dalam mensejahtera-kan masyarakat yang ada di Provinsi Bali. Di samping itu juga pemerintah Provinsi Bali agar selalu membina dan mengarahkan masyarakat agar mampu menem-puh pendidikan baik itu pendidikan dasar, menengah
sampai pendidikan tinggi, sehingga diharapkan kualitas sumber daya manusia yang ada di Provinsi Bali dapat bersaing dengan kualitas sumber daya manusia yang ada di luar Provinsi Bali dan di dalam dunia internasional.
DAFTAR RUJUKAN
Ajija, Shochrul, R, dkk. 2011. Cara Cerdas Menguasai Eviews. Jakarta: Salemba Empat.
Badan Pusat Statistik Provinsi Bali. 2012. Bali dalam angka (Bali in Figure) 2012. Bali: BPS Provinsi Bali. Badan Pusat Statistik Provinsi Bali. 2013. Bali dalam angka
(Bali in Figure) 2013. Bali: BPS Provinsi Bali. Badan Pusat Statistik Provinsi Bali. 2014. Bali dalam angka
(Bali in Figure) 2014. Bali: BPS Provinsi Bali. Badan Pusat Statistik Provinsi Bali. 2015. Bali dalam angka
(Bali in Figure)2015. Bali: BPS Provinsi Bali. Gujarati, D.N., dan D.C. Porter. 2012. Dasar-Dasar
Ekonometrika, Edisi 5 Buku 1. Jakarta: Salemba Empat. Widarjono, A. 2009. Ekonometrika Teori dan Aplikasi.
Yogyakarta: Ekonosia.
Tabel 8. Efek Individual Kabupaten/Kota di Provinsi Bali
Sumber: Hasil output E-Views 7.0
Kab/Kota Koefisien Konstanta
Kab. Jembrana 0,498893 -54,98799
Kab. Tab anan -2,773999 -58,26088
Kab. Badung -5,865433 -61,35231
Kab. Gianyar -3,248758 -58,73564
Kab. Klungkung 4,147641 -51,33924
Kab. Bangli 5,139966 -50,34691
Kab. Karangasem 9,842931 -45,64395
Kab. Buleleng 3,975807 -51,51107
