BAB 3 HASIL DAN PEMBAHASAN

(1)

HASIL DAN PEMBAHASAN

3.1 Sumber Data

Data yang digunakan dalam penulisan ini adalah data sekunder yang berasal dari data hasil survei yang dilakukan oleh Badan Pusat Statistik Provinsi Sumatera Utara. Adapun data sekunder ini berupa presentase dari variabel-variabel yang meliputi variabel melek huruf, rata-rata lama sekolah, pengeluaran riil perkapita, harapan hidup dan indeks pembangunan manusia.

3.2 Penyajian Data

Data yang diperoleh dari hasil survei yang dilakukan Badan Pusat Statistik Provinsi Sumatera Utara disajikan dalam tabel berikut:

Tabel 3.1 Melek Huruf (X1), Rata-Rata Lama Sekolah (X2), Harapan Hidup (X3), Pengeluaran Riil per Kapita (X4) dan IPM (Y)

Tahun Melek Huruf (X1) (Persen) Rata-rata Lama Sekolah (X2) (Tahun) Harapan Hidup (X3) (Tahun) Pengeluran Riil perKapita (X4) (Rp.000) IPM (Y) 2004 96 8,5 67,2 606,4 70 2005 96,4 8,6 68 613,3 71,2 2006 96,4 8,6 68,6 613,6 71,5 2007 97,4 8,6 71,5 618 73,7 2008 97,39 8,6 68,79 622,9 72,59 2009 97,44 8,63 68,89 626,3 72,94 2010 97,7 8,64 68,98 628,82 73,25 2011 97,8 8,65 69,08 632,71 73,64 2012 97,81 8,67 69,18 637,36 74,07 2013 97,94 8,69 69,27 640,64 74,41

(2)

Sumber : Badan Pusat Statistik Provinsi Sumatera Utara 3.3 Uji Asumsi Analisis Jalur

Sebelum data penelitian dianalisis dengan menggunakan analisis jalur, sebaiknya dilakukan uji asumsi analisis jalur. Uji tersebut digunakan untuk mengetahui apakah data yang ada memenuhi syarat untuk dianalisis dengan menggunakan metode analisis jalur.

3.3.1 Uji Normalitas

Uji normalitas merupakan uji yang dilakukan untuk mengetahui apakah data penelitian berasal dari populasi yang normal. Dengan menggunakan bantuan sofware SPSS, maka diperoleh nilai signifikansi uji normalitas untuk semua variabel penelitian yang dapat dilihat pada Uji Kolmogorov-Smirnov satu sampel pada tabel di bawah ini:

Tabel 3.2 Hasil Output Uji Normalitas

Berdasarkan tabel output diatas, diketahui bahwa nilai signifikansi sebesar 0,615 lebih besar dari 0,05, sehingga dapat disimpulkan bahwa data tersebut berdistribusi normal.

3.3.2 Uji Multikolinearitas

Multikolinearitas adalah suatu keadaan dimana terdapat hubungan yang sangat tinggi diantara variabel-variabel bebas/eksogen. Hal ini dapat dilihat dari nilai VIF dan TOL. Nilai VIF>10

One-Sample Kolmogorov-Smirnov Test

Unstandardiz ed Residual

N 10

Normal Parametersa,b Mean ,0000000 Std. Deviation ,01190786 Most Extreme Differences Absolute ,239 Positive ,150 Negative -,239 Kolmogorov-Smirnov Z ,757

Asymp. Sig. (2-tailed) ,615

a. Test distribution is Normal. b. Calculated from data.

(3)

dan nilai TOL< 0,1 menunjukkan adanya gejala multikolinearitas. Dengan menggunakan bantuan sofware SPSS, maka diperoleh nilai signifikansi uji multikolinearitas untuk semua variabel penelitian yang dapat dilihat pada tabel Collinearity Statistic di bawah ini:

Tabel 3.3 Hasil Output Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standardiz ed Coefficien ts t Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF 1 (Constant) -48,803 3,010 -16,213 ,000 Melek Huruf(Persen) ,287 ,035 ,141 8,251 ,000 ,048 20,735 Rata-rata Lama Sekolah(Tahun) 1,269 ,308 ,047 4,113 ,009 ,108 9,230 Harapan Hidup(Tahun) ,540 ,009 ,418 58,217 ,000 ,275 3,633 Pengeluaran Riil perKapita(Rp.000) ,073 ,003 ,577 27,723 ,000 ,033 30,601 a. Dependent Variable: IPM

Berdasarkan hasil diatas, nilai VIFdan TOL untuk masing-masing variabel adalah :

 Variabel melek huruf (X1) : VIF= 20,735 >10 dan TOL= 0,048<0,1 sehingga terjadi multikolinearitas.

 Variabel rata-rata lama sekolah (X2) : VIF= 9,230 <10 dan TOL= 0,108>0,1 sehingga tidak terjadi multikolinearitas.

 Variabel harapan hidup (X3) : VIF= 3,633 <10 dan TOL= 0,275>0,1 sehingga tidak terjadi multikolinearitas.

 Variabel pengeluaran riil perkapita (X4) : VIF= 30,601 >10 dan TOL= 0,033>0,1 sehingga terjadi multikolinearitas.

Karena terjadi multikolinearitas pada variabel X1 dan X4, maka di hapuskan salah satu variabel yang mengalami multikolinearitas agar data dapat di uji menggunakan metode

(4)

analisis jalur. Variabel X4 dikeluarkan karena memiliki nilai multikolinearitas yang paling tinggi. Sehingga setelah X4 dikeluarkan hasilnya menjadi:

Tabel 3.4 Hasil Output Uji Multikolinearitas Setelah Mengeluarkan Variabel Pengeluaran Riil perKapita Coefficientsa Model Unstandardized Coefficients Standardi zed Coefficien ts t Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF 1 (Constant) -128,634 9,955 -12,922 ,000 Melek Huruf(Persen) 1,133 ,190 ,558 5,976 ,001 ,209 4,777 Rata-rata Lama Sekolah(Tahun) 7,811 2,256 ,289 3,463 ,013 ,261 3,828 Harapan Hidup(Tahun) ,347 ,070 ,268 4,985 ,002 ,630 1,587 a. Dependent Variable: IPM

Berdasarkan hasil di atas, nilai VIF untuk masing-masing variabel adalah <10 dan nilai TOL >0,1. Dengan deikian, dapat dikatan bahwa tidak terdapat masalah multikolinearitas.

(5)

Sehingga data yang sekarang akan dianalisis dengan menggunakan analisis jalur adalah sebagai berikut:

Tabel 3.5 Melek Huruf (X1), Rata-Rata Lama Sekolah (X2), Harapan Hidup (X3) dan IPM(Y) Tahun Melek Huruf (X1) (Persen) Rata-rata Lama Sekolah (X2) (Tahun) Harapan Hidup (X3) (Tahun) IPM (Y) 2004 96 8,5 67,2 70 2005 96,4 8,6 68 71,2 2006 96,4 8,6 68,6 71,5 2007 97,4 8,6 71,5 73,7 2008 97,39 8,6 68,79 72,59 2009 97,44 8,63 68,89 72,94 2010 97,7 8,64 68,98 73,25 2011 97,8 8,65 69,08 73,64 2012 97,81 8,67 69,18 74,07 2013 97,94 8,69 69,27 74,41

Sumber : Badan Pusat Statistik Provinsi Sumatera Utara

3.3.3 Uji Autokorelasi

Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi. Dengan menggunakan bantuan sofware SPSS, maka diperoleh nilai signifikansi uji autokorelasi untuk semua variabel penelitian yang dapat dilihat pada Uji Durbin-Watson (uji DW) pada tabel di bawah ini:

(6)

Tabel 3.6 Hasil Output Uji Autokorelasi dengan Uji Durbin-Watson Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .995a .989 .984 .18141 1.128

a. Predictors: (Constant), Harapan_Hidup(Tahun), Rata-rata_Lama_Sekolah(Tahun), Melek_Huruf(Persen) b. Dependent Variable: IPM

Dari hasil output di atas didapat nilai DW yang dihasilkan dari model regresi adalah 1,128. Sedangkan dari tabel DW dengan signifikansi 0,05 dan jumlah data (n) = 10, seta k = 3 (k adalah jumlah variabel independen) diperoleh nilai dL sebesar 0,5253 dan dU sebesar 2,0163 (lihat lampiran 11). Karena nilai DW (1,128) berada pada daerah antara dL dan dU, maka tidak menghasilkan kesimpulan yang pasti (berada di daerah keragu-raguan). Sehingga untuk memastikan terdapat autokorelasi atau tidak, digunakan uji run test. Dengan bantuan software SPSS, maka diperoleh output uji run test pada tabel di bawah ini:

Tabel 3.7 Hasil Output Uji Autokorelasi dengan Uji Run Test Runs Test

Unstandardize d Residual Test Valuea -.03188 Cases < Test Value 5 Cases >= Test Value 5

Total Cases 10 Number of Runs 5 Z -.335 Asymp. Sig. (2-tailed) .737 a. Median

Berdasarkan output SPSS diatas, diketahui nilai Asymp. Sig. (2-tailed) sebesar 0,737 lebih besar > dari 0,05, maka dapat disimpulkan bahwa tidak terdapat gejala atau masalah autokorelasi.

(7)

3.4 Analisis Data

3.4.1 Diagram Jalur dan Persamaan Struktural

Menggambarkan model diagram jalurnya berdasarkan paradigma hubungan antar variabel dengan tahapan seperti berikut :

1. Terdapat hubungan korelasi antara variabel melek huruf (X1) dengan variabel rata-rata lama sekolah (X2).

2. Terdapat hubungan kausalitas antara variabel melek huruf (X1) dengan variabel harapan hidup (X3).

3. Terdapat hubungan kausalitas antara variabel melek huruf (X1) dengan variabel IPM (Y).

4. Terdapat hubungan kausalitas antara variabel rata-rata lama sekolah (X2) dengan variabel harapan hidup (X3).

5. Terdapat hubungan kausalitas antara variabel rata-rata lama sekolah (X2) dengan variabel IPM (Y).

6. Terdapat hubungan kausalitas antara variabel harapan hidup (X3) dengan variabel IPM (Y).

Dari uraian diatas dapat dibuat gambar diagram jalurnya sebagai berikut:

(8)

Keterangan:

X1 = Melek Huruf

X2 = Rata-Rata Lama Sekolah X3 = Harapan Hidup

Y = IPM

Dari gambar diatas dapat dibuat persamaan strukturnya : Persamaan Substruktur 1

Persamaan Substruktur 2

3.4.2 Menghitung Korelasi antar Variabel

Menghitung korelasi antar setiap variabel adalah dengan menggunakan product moment pearson dengan rumus :

Tabel 3.8 Nilai-nilai yang dibutuhkan untuk menghitung korelasi antar variabel

No X1 X2 X3 Y X1X2 1 96 8,5 67,2 70 816 2 96,4 8,6 68 71,2 829,04 3 96,4 8,6 68,6 71,5 829,04 4 97,4 8,6 71,5 73,7 837,64 5 97,39 8,6 68,79 72,59 837,554 6 97,44 8,63 68,89 72,94 840,9072 7 97,7 8,64 68,98 73,25 844,128 8 97,8 8,65 69,08 73,64 845,97 9 97,81 8,67 69,18 74,07 848,0127 10 97,94 8,69 69,27 74,41 851,0986 Jumlah 972,28 86,18 689,49 727,3 8379,3905

(9)

Sambungan Tabel 3.8 Nilai-nilai yang dibutuhkan untuk menghitung korelasi antar variabel

No X3Y X12 X22 X32 Y2 1 4704 9216 72,25 4515,84 4900 2 4841,6 9292,96 73,96 4624 5069,44 3 4904,9 9292,96 73,96 4705,96 5112,25 4 5269,55 9486,76 73,96 5112,25 5431,69 5 4993,4661 9484,8121 73,96 4732,0641 5269,3081 6 5024,8366 9494,5536 74,4769 4745,8321 5320,2436 7 5052,785 9545,29 74,6496 4758,2404 5365,5625 8 5087,0512 9564,84 74,8225 4772,0464 5422,8496 9 5124,1626 9566,7961 75,1689 4785,8724 5486,3649 10 5154,3807 9592,2436 75,5161 4798,3329 5536,8481 Jumlah 50156,7322 94537,215 742,724 47550,4383 52914,557

Dari tabel 3.8 maka diperoleh hasil sebagai berikut:

No X1X3 X1Y X2X3 X2Y 1 6451,2 6720 571,2 595 2 6555,2 6863,68 584,8 612,32 3 6613,04 6892,6 589,96 614,9 4 6964,1 7178,38 614,9 633,82 5 6699,4581 7069,5401 591,594 624,274 6 6712,6416 7107,2736 594,5207 629,4722 7 6739,346 7156,525 595,9872 632,88 8 6756,024 7201,992 597,542 636,986 9 6766,4958 7244,7867 599,7906 642,1869 10 6784,3038 7287,7154 601,9563 646,6229 Jumlah 67041,8093 70722,4928 5942,2508 6268,462

(10)

Menghitung korelasi dari X1 dan X2

Demikianlah sampai seterusnya hingga hubungan korelasi sampai pada Y. Sehingga diperoleh nilai sebagai berikut :

Dan lebih ringkasnya hasil yang diperoleh untuk matriks korelasinya adalah :

(11)

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel dibawah ini:

Tabel 3.9 Hasil Output Korelasi antar variabel Correlations IPM Melek Huruf(Pers en) Rata-rata Lama Sekolah(Ta hun) Harapan Hidup(Tah un) Pearson Correlation IPM 1,000 ,965 ,884 ,726 Melek Huruf(Persen) ,965 1,000 ,855 ,593 Rata-rata_Lama Sekolah(Tahun) ,884 ,855 1,000 ,437 Harapan Hidup(Tahun) ,726 ,593 ,437 1,000

Sig. (1-tailed) IPM . ,000 ,000 ,009

Melek Huruf(Persen) ,000 . ,001 ,035 Rata-rata Lama Sekolah(Tahun) ,000 ,001 . ,103 Harapan Hidup(Tahun) ,009 ,035 ,103 . N IPM 10 10 10 10 Melek Huruf(Persen) 10 10 10 10 Rata-rata Lama Sekolah(Tahun) 10 10 10 10 Harapan Hidup(Tahun) 10 10 10 10

(12)

3.5 Menghitung Koefisien Jalur

3.5.1 Menghitung Koefisien Jalur Persamaan Substruktur 1 1. Model Diagram Jalur

Gambar 3.2 Diagram Jalur Substruktur 1

2. Persamaan strukturnya

3. Mariks korelasi

4. Menghitung invers matriks korelasi antar variabel eksogen

Det = ad-bc = (1 x 1) – (0,855 x 0,855) = 0,269

(13)

5. Menghitung koefisien jalur substruktur 1

Setelah memperoleh invers matriks antar variabel eksogen, maka selanjutnya menghitung koefisien jalurnya:

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Coeffientsa nilai Beta di bawah ini:

Tabel 3.10 Hasil Output koefisien jalur substruktur 1 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -8,761 53,983 -,162 ,876 Melek_Huruf(Persen) 1,281 ,909 ,816 1,410 ,201 Rata-rata Lama_Sekolah(Tahun) -5,437 12,081 -,260 -,450 ,666 a. Dependent Variable: Harapan Hidup(Tahun)

Setelah memperoleh nilai koefisiena jalurnya, kemudian kita memcari nilai R square.

(14)

atau

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Model Summaryb nilai R square dibawah ini:

Tabel 3.11 Hasil Output nilai R square substruktur 1 Model Summaryb Mo del R R Squar e Adjusted R Square Std. Error of the Estimate Change Statistics R Square Change F Chang e df1 df2 Sig. F Change d i m e n s i o n 0 1 ,608a ,370 ,190 ,98557 ,370 2,055 2 7 ,198

a. Predictors: (Constant), Rata-rata Lama Sekolah(Tahun), Melek Huruf(Persen) b. Dependent Variable: Harapan Hidup(Tahun)

Setelah memperoleh nilai R square, maka kita dapat menghitung koefisiean residunya dengan cara : atau

(15)

Sehingga dari seluruhnya diperoleh persamaan subtruktural 1 sebagai berikut :

6. Pengujian Hipotesis Secara Simultan

Menguji hipotesis secara bersama-sama variabel melek huruf, rata-rata lama sekolah, harapan hidup.

artinya tidak terdapat pengaruh melek huruf dan rata-rata lama sekolah terhadap harapan hidup.

, artinya terdapat pengaruh melek huruf dan rata-rata lama sekolah terhadap harapan hidup.

Untuk menguji hipotesis dilakukan dengan uji F :

atau

(16)

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Anovab nilai F di bawah ini:

Tabel 3.12 Hasil Output Uji F ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 3,993 2 1,996 2,055 ,198a Residual 6,799 7 ,971 Total 10,792 9

a. Predictors: (Constant), Rata-rata Lama Sekolah(Tahun), Melek Huruf(Persen) b. Dependent Variable: Harapan Hidup(Tahun)

Dengan db1 = 2 ; db2 = 7 dari tabel didapat nilai Ftabel = 4,737

 Kriteria pengujian: manual

 Jika maka tolak , artinya signifikan  Jika maka terima , artinya tidak signifikan

 Kaidah pengujian signifikansi : Program SPSS

 Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau (0,05 ≤ Sig ), maka H0 diterima, artinya tidak signifikan.

 Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau (0,05 ≥ Sig ), maka H0 ditolak, artinya signifikan.

Pada tabel 3.12 Anovab diperoleh nilai F sebesar 2,055 dengan nilai probabilitas (sig)=0,198, karena nilai Fhitung (2,055) ≤ Ftabel (4.737) dan nilai sig (0,198) > 0,05, maka keputusannya H0 diterima yang artinya tidak terdapat pengaruh dari melek huruf dan rata-rata lama sekolah terhadap harpan hidup. Oleh sebab itu, pengujian secara individual tidak dapat dilakukan.

Dari hasil diatas dapat dilihat bahwa melek huruf dan rata-rata lama sekolah tidak berpengaruh terhadap harapan hidup. Oleh sebab itu perlu dilakukan trimming dengan mengeluarkan variabel yang tidak valid sehingga substruktur 1 dihilangkan dari diagram jalurnya.

(17)

3.5.2 Menghitung Persamaan Substruktur 2 1. Model Diagram Jalur

Gambar 3.3 Diagram Jalur Substruktur 2

2. Persamaan strukturnya

3. Mariks korelasi dan perhitungan koefisien jalur

4. Menghitung invers matriks korelasi antar variabel eksogen dengan bantuan microsoft excel diperoleh:

(18)

5. Menghitung koefisien jalur substruktur 2

Setelah memperoleh invers matriks antar variabel eksogen, maka selanjutnya menghitung koefisien jalurnya:

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Coeffientsa nilai Beta di bawah ini:

Tabel 3.13 Hasil Output koefisien jalur substruktur 2 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -128,634 9,955 -12,922 ,000 Melek_Huruf(Persen) 1,133 ,190 ,558 5,976 ,001 Rata-rata Lama_Sekolah(Tahun) 7,811 2,256 ,289 3,463 ,013 Harapan Hidup(Tahun) ,347 ,070 ,268 4,985 ,002 a. Dependent Variable: IPM

Setelah memperoleh nilai koefisiena jalurnya, kemudian kita memcari nilai R square.

(19)

atau

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Model Summaryb nilai R square dibawah ini:

Tabel 3.14 Hasil Output nilai R square substruktur 2 Model Summaryb Mo del R R Square Adjusted R Square Std. Error of the Estimate Change Statistics R Square Change F Chang e df1 df2 Sig. F Change d i m e n s i o n 0 1 ,995a ,989 ,984 ,18141 ,989 180,60 9 3 6 ,000

a. Predictors: (Constant), Harapan Hidup(Tahun), Rata-rata Lama Sekolah(Tahun), Melek Huruf(Persen)

b. Dependent Variable: IPM

Setelah memperoleh nilai R square, maka kita dapat menghitung koefisiean residunya dengan cara :

(20)

atau

Sehingga dari seluruhnya diperoleh persamaan subtruktural 2 sebagai berikut :

6. Pengujian Hipotesis Secara Simultan

Menguji hipotesis secara bersama-sama variabel melek huruf, rata-rata lama sekolah dan harapan hidup.

artinya tidak terdapat pengaruh melek huruf, rata-rata lama sekolah dan harapan hidup terhadap indeks pembangunan manusia .

, artinya tidak terdapat pengaruh melek huruf, rata-rata lama sekolah dan harapan hidup terhadap indeks pembangunan manusia .

Untuk menguji hipotesisi dilakukan dengan uji F :

atau

(21)

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Anovab nilai F di bawah ini:

Tabel 3.15 Hasil Output Uji F ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 17,830 3 5,943 180,609 ,000a Residual ,197 6 ,033 Total 18,028 9

a. Predictors: (Constant), Harapan Hidup(Tahun), Rata-rata Lama Sekolah(Tahun), Melek Huruf(Persen)

b. Dependent Variable: IPM

Dengan db1 = 3 ; db2 = 6 dari tabel didapat nilai Ftabel = 4,76

Pada tabel 3.15 Anovab diperoleh nilai F sebesar 180,609 dengan nilai probabilitas (sig)=0,000, karena nilai Fhitung (180,609) ≥ Ftabel (4,76) dan nilai sig (0,000) < 0,05, maka keputusannya H0 ditolak yang artinya terdapat pengaruh dari melek huruf, rata-rata lama sekolah dan harpan hidup terhadap indeks pembangunan manusia. Oleh sebab itu, pengujian secara individual dapat dilakukan.

7. Pengujian Hipotesis secara individual

 Pengujian koefisien jalur hubungan melek huruf terhadap indeks pembangunan manusia.

, artinya tidak terdapat pengaruh antara melek huruf terhadap indeks pembangunan manusia.

(22)

, artinya terdapat pengaruh antara melek huruf terhadap indeks pembanungan manusia.

Pengujian terhadap hipotesis dilakukan dengan rumus:

atau

(23)

Ini juga dibuktikan analisis dengan bantuan program SPSS, dapat dilihat pada tabel Coefficientsb nilai t di bawah ini:

Tabel 3.16 Hasil Output Uji t Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients t Sig. B Std. Error Beta 1 (Constant) -128,634 9,955 -12,922 ,000 Melek Huruf(Persen) 1,133 ,190 ,558 5,976 ,001 Rata-rata Lama Sekolah(Tahun) 7,811 2,256 ,289 3,463 ,013 Harapan Hidup(Tahun) ,347 ,070 ,268 4,985 ,002 a. Dependent Variable: IPM

Dengan α= 5% ; n = 10 ; k = 3 dari tabel didapat nilai ttabel = 2,445

Pada tabel 3.16 Coefficientsb diperoleh nilai t sebesar 5,976 dengan nilai probabilitas (sig) pada kolom sig = 0,001, karena nilai thitung (5,976) ≥ ttabel (2,445) dan nilai sig (0,001) < 0,05, maka keputusannya H0 ditolak yang artinya koefisien analisis jalurnya signifikan . Jadi, melek huruf berpengaruh secara signifikan terhadap indeks pembangunan manusia.

(24)

 Pengujian koefisien jalur hubungan rata-rata lama sekolah terhadap indeks pembangunan manusia.

, artinya tidak terdapat pengaruh antara rata-rata lama sekolah terhadap indeks pembangunan manusia .

, artinya terdapat pengaruh antara rata-rata lama sekolah terhadap indeks pembangunan manusia.

atau

(25)

Pada tabel 3.16 Coefficientsb diperoleh nilai t sebesar 3,463 dengan nilai probabilitas (sig) pada kolom sig = 0,013, karena nilai thitung (3,463) ≥ ttabel (2,445) dan nilai sig (0,013) < 0,05, maka keputusannya H0 ditolak yang artinya koefisien analisis jalurnya signifikan . Jadi, rata-rata lama sekolah berpengaruh secara signifikan terhadap indeks pembangunan manusia.

 Pengujian koefisien jalur hubungan harapan hidup terhadap indeks pembangunan manusia.

, artinya tidak terdapat pengaruh antara harapan hidup terhadap indeks pembangunan manusia.

, artinya terdapat pengaruh antara harapan hidup terhadap indeks pembangunan manusia.

(26)

atau

Pada tabel 3.16 Coefficientsb diperoleh nilai t sebesar 4,985 dengan nilai probabilitas (sig) pada kolom sig = 0,002, karena nilai thitung (4,985) ≥ ttabel (2,445) dan nilai sig (0,002) < 0,05, maka keputusannya H0 ditolak yang artinya koefisien analisis jalurnya signifikan . Jadi, harapan hidup berpengaruh secara signifikan terhadap indeks pembangunan manusia.

Dari hasil diatas dapat dilihat bahwa seluruhnya memiliki hubungan yang signifikan sehingga tidak perlu diadakan trimming.

(27)

3.5.3 Model Diagram Jalur Hasil Trimming

Berdasarkan hasil dari koefisien jalur pada subtruktur 1 sampai substruktur 2, maka dapat digambarkan daiagram jalurnya secara keseluruhan sebagai berikut :

Gambar 3.4 Diagram Jalur Hasil Trimming

Dengan persamaan strukturnya adalah:

3.6 Besar Pengaruh Langsung dan Tidak Langsung

Besarnya masing-masing pengaruh baik secara langsung maupun tidak langsung dapat dilihat dibawah ini:

 yang merupakan korelasi X1 dan X2.

 , yang merupakan koefisien jalur Y dan X1.

 , yang merupakan koefisien jalur Ydan X2.

(28)

Berdasarkan hasil tersebut, pengaruh langsung, tidak langsung serta pengaruh total variabel eksogen terhadap variabel endogen dapat dihitung sebagai berikut:

1. Untuk jalur X1 terhadap Y

a. Besarnya pengaruh langsung (Dirrect Effect) variabel melek huruf (X1) terhadap variabel indeks pembangunan manusia (Y)

b. Besarnya pengaruh tidak langsung (Indirrect Effect) variabel melek huruf (X1) terhadap variabel indeks pembangunan manusia (Y) melalui hubungan korelasi variabel rata-rata lama sekolah (X2)

c. Besarnya pengaruh total (Total Effect) variabel melek huruf (X1) terhadap variabel indeks pembangunan manusia (Y)

2. Untuk Jalur X2 terhadap Y

a. Besarnya pengaruh langsung (Dirrect Effect) variabel rata-rata lama sekolah (X2) terhadap variabel indeks pembangunan manusia (Y)

b. Besarnya pengaruh tidak langsung (Indirrect Effect) variabel rata-rata lama sekolah (X2) terhadap variabel indeks pembangunan manusia (Y) melalui hubungan korelasi variabel melek huruf (X1)

c. Besarnya pengaruh total (Total Effect) variabel rata-rata lama sekolah (X2) terhadap variabel indeks pembangunan manusia (Y)

(29)

3. Untuk Jalur X3 terhadap Y

a. Besarnya pengaruh langsung (Dirrect Effect) variabel harapan hidup (X3) terhadap variabel indeks pembangunan manusia (Y)

b. Besarnya pengaruh tidak langsung (Indirrect Effect) variabel harapan hidup (X3) terhadap variabel indeks pembangunan manusia (Y)

c. Besarnya pengaruh total (Total Effect) variabel harapan hidup (X3) terhadap variabel indeks pembangunan manusia (Y)

(30)

BAB 4

KESIMPULAN DAN SARAN

4.1 Kesimpulan

Dari hasil penelitian yang diperoleh maka didapatkan kesimpulan sebagai berikut: 1. Persamaan struktural diagram jalur yang terbentuk yaitu:

2. Berdasarkan hasil pengolahan data melalui uji F, pengaruh variabel melek huruf,rata-rata lama sekolah, dan harapan hidup secara bersama-sama terhadap variabel indeks pembangunan manusia adalah sebesar 0,989 (98,9%) dan 0,105 (10,5%) dipengaruhi variabel lainnya di luar model jalur.

3. Pengaruh langsung melek huruf dengan IPM adalah sebesar 0,3114 (31,14%), pengaruh tidak langsung melek huruf dengan IPM adalah sebesar 0,1381 (13,81%) dan besar pengaruh totalnya adalah 0,4496 (44,96%).

4. Pengaruh langsung rata-rata lama sekolah dengan IPM adalah sebesar 0,0838 (8,38%), pengaruh tidak langsung rata-rata lama sekolah dengan IPM adalah sebesar 0,1381 (13,81%) dan besar pengaruh totalnya adalah 0,2219 (22,19%).

5. Pengaruh langsung harapan hidup dengan IPM adalah sebesar 0,0720 (7,20%), pengaruh tidak langsung harapan hidup dengan IPM adalah sebesar 0 dan besar pengaruh totalnya adalah 0,0720 (7,20%).

4.2 Saran

Dari analisis dan kesimpulan yang telah diperoleh, ada beberapa saran yang penulis dapat berikan, yang mungkin dapat membantu masyarakat maupun pemerintah dalam meningkatkan indeks pembangunan manusia di Kabupaten Serdang Begadai yaitu sebagai berikut:

1. Variabel melek huruf yang paling berpengaruh baik secara langsung maupun tidak langsung terhadap peningkatan indeks pembangunan manusia di Kabupaten Serdang Bedagai. Oleh sebab itu alangkah baiknya pemerintah Kabupaten Serdang Bedagai

(31)

lebih memperhatikan bidang pendidikan masyarakat seperti misalnya pemberantasan buta huruf, peningkatan mutu pendidikan dan menyadarkan masyarakat akan pentingnya bersekolah untuk masa depan diri sendiri dan masyarakat yang lebih baik. 2. Adanya perhatian khusus pemerintah Kabupaten Serdang Bedagai dalam melihat

perubahan data Indeks Pembangunan Manusia yang mengalami peningkatan atau penurunan setiap tahunnya agar dapat melakukan evaluasi yang tepat untuk semakin meningkatkan Indeks Pembangunan Manusia.