JURNAL SAMUDRA EKONOMIKA, VOL. 7, NO. 2 SEPTEMBER 2023 P-ISSN 2549-4104 E-ISSN 2685-4287
E-ISSN 2685-4287 Samuka Vol. 7, No. 2: hlm 312-320
SAMUKA
Jurnal Samudra Ekonomika https://ejurnalunsam.id/index.php/jse
PENGARUH TINGKAT PENDIDIKAN, PDRB, DAN ANGKA PARTISIPASI SEKOLAH TERHADAP INDEKS PEMBANGUNAN MANUSIA (IPM) PADA 6
PROVINSI DI PULAU JAWA
Eka Nurwidi Astuti1* , 2Enfila Prihayatni Email: *)[email protected], [email protected]
1,2Fakultas Ekonomi dan Bisnis Islam, IAIN Ponorogo
Received: 17 Juni 2023;Accepted: 28 September 2023; Published: 30 September 2023
Abstrak
Penelitian ini bertujuan untuk menganalisis dampak tingkat pendidikan, PDRB, dan angka partisipasi sekolah terhadap Indeks Pembangunan Manusia (IPM) di enam Provinsi di Pulau Jawa. Data sekunder selama dua tahun digunakan dalam penelitian ini, meliputi Provinsi DKI Jakarta, Jawa Barat, Jawa Tengah, DIY, Jawa Timur, dan Banten, yang diperoleh dari BPS.
Teknik dalam penelitian ini yaitu metode analisis regresi data panel. Temuan penelitian mengungkapkan bahwa keseluruhan, secara simultan, tingkat pendidikan, PDRB, dan angka partisipasi sekolah tidak terdapat pengaruh signifikan terhadap Indeks Pembangunan Manusia di Pulau Jawa. Secara parsial, tingkat pendidikan, PDRB, dan angka partisipasi sekolah juga tidak mempunyai dampak yang besar atau signifikan pada Indeks Pembangunan Manusia di Pulau Jawa.
Kata Kunci : Tingkat Pendidikan, PDRB, Angka Partisipasi Sekolah, Indeks Pembangunan Manusia
Abstract
This study aims to analyze the impact of education level, GRDP, and school enrollment rate on the Human Development Index (HDI) in six provinces in Java Island. Secondary data for two years is used in this study, covering the Provinces of DKI Jakarta, West Java, Central Java, DIY, East Java, and Banten, which are obtained from Central of Bureau Statistics. The technique in this study is the panel data regression analysis method. The research findings reveal that overall, simultaneously, education level, GRDP, and school enrollment rate have no significant influence on the Human Development Index in Java Island. Partially, the level of education, GRDP, and school enrollment also do not have a large or significant impact on the Human Development Index in Java Island.
Key words : Education Level, GRDP, School Enrollment Rate, Human Development Index
dianggap dapat menghitung dimensi pada pembangunan manusia. Kenaikan nilai IPM memperlihatkan kenaikan dalam kualitas manusia sebagai subjek serta objek pembangunan, yang menandakan bahwasannya manusia tidak hanya sebagai pihak yang terlibat dalam proses pembangunan, tetapi juga sebagai tujuan dari pembangunan itu sendiri. Oleh karena itu, peningkatan kualitas sumber daya manusia merupakan faktor yang sangat penting dalam pembangunan.(Muliza, Zulham, and Seftarita 2017) Pembangunan manusia merupakan hal yang penting serta perlu memperoleh perhatian. Memang, pertumbuhan ekonomi yang pesat tidak selalu menyelesaikan masalah. Kondisi kesejahteraan seperti tingkat kemiskinan dan standar hidup masyarakat pada umumnya menjadi berhasil Perkembangan dewasa ini sering terlihat pada pencapaian kualitas sumber daya manusia (Zamruddin Hasid 2019).
Upaya peningkatan kualitas sumber daya manusia tentunya diperlukan untuk menghasilkan tenaga kerja yang berkualitas. Negara membelanjakan uang atau berinvestasi dalam pembangunan manusia. Pengeluaran pemerintah mencerminkan kebijakan pemerintah.
Kebijakan sasaran anggaran sumber daya serta dana seluruh daerah yaitu untuk menaikkan kebutuhan umum pelayanan publik guna mencapai kesejahteraan sosial masyarakat. Pada hal ini tentunya fokus pada pelayanan publik yang berkaitan dengan pendidikan. dalam kesehatan dan ekonomi, yang merupakan inti pada konsep pembangunan manusia. Mengukur Indeks Pembangunan Manusia (IPM) juga menjadi penting. Pembangunan yang berhasil mencakup peningkatan kualitas hidup, yang dipengaruhi oleh berbagai faktor seperti kesehatan, pendidikan, produk domestik bruto, dan tingkat kemiskinan.
Pendidikan merupakan salah satu pilar pembangunan ekonomi negara. Mencapai ekonomi yang begitu luas membutuhkan pendidikan yang berkualitas maka tenaga kerja negara tersebut memiliki keuntungan langsung. Pendidikan dapat memperkuat angkatan kerja untuk bekerja secara efektif dan efisien. Kenyamanan ini dapat meningkatkan produktivitas dan memiliki efek optimal pada produksi (Affandi, Fahlevi, dan Rabiana Risma 2019).
Data Produk Domestik Regional Bruto (PDRB) adalah data statistik yang dijadikan untuk mengevaluasi kinerja ekonomi secara besar atau luas pada wilayah tertentu selama periode waktu tertentu. Ada dua indikator utama yang terkait dengan produk domestik bruto, yaitu tingkat pertumbuhan ekonomi yang mencerminkan kontribusi sektor ekonomi dan analisis sektor ekonomi itu sendiri. PDRB dapat diukur dengan mempertimbangkan harga saat ini.
JURNAL SAMUDRA EKONOMIKA, VOL. 7, NO. 2 SEPTEMBER 2023 P-ISSN 2549-4104 E-ISSN 2685-4287
E-ISSN 2685-4287 Angka Partisipasi Sekolah (APS) mengukur persentase siswa yang bersekolah pada usia tertentu dalam suatu negara. Semakin tinggi APS, semakin banyak anak usia sekolah yang mendapatkan pendidikan di negara tersebut. Hasil penelitian ini memberikan informasi penting dalam pembuatan kebijakan ekonomi yang berkaitan dengan peningkatan sumber daya manusia.
Pemerintah daerah perlu memperhatikan kebijakan dalam mengalokasikan sumber daya untuk pendidikan, PDRB, dan juga angka partisipasi sekolah sebagai upaya untuk meningkatkan Indeks Pembangunan Manusia di Provinsi Jawa Timur.
METODE PENELITIAN
Penelitian ini merupakan jenis penelitian kuantitatif karena didasarkan pada data kuantitatif yaitu pendekatan yang fokus pada pengujian teori melalui pengukuran variabel dalam bentuk angka dan menganalisis data tersebut menggunakan prosedur statistik. Pada penelitian ini data yang akan dianalisis mencakup data regional di 6 provinsi yang ada di Pulau Jawa. Objek penelitian merupakan suatu objek yang mempunyai kriteria sesuai dengan yang telah ditetapkan oleh peneliti untuk dipelajari atau diteliti dan kemudia diambil kesimpulan (Sugiyono 2017:146) Objek penelitian yang digunakan adalah pengaruh tingkat pendidikan, PDRB, dan angka partisipasi sekolah terhadap indeks pembangunan manusia di Pulau Jawa. Penelitian ini menggunakan pendekatan asosiatif, yang bertujuan untuk mengidentifikasi hubungan antara satu variabel dengan variabel lainnya. Penelitian ini juga berfokus pada pengujian dan pemanfaatan kebenaran suatu masalah atau pengetahuan (Arikunto, 2006:12)
Sumber data yang digunakan pada penelitian ini merupakan data sekunder yang bersumber dari BPS. Data sekunder adalah jenis sumber data yang tidak langsung memberikan informasi kepada peneliti dalam pengumpulan data (Sugiyono 2017:219). Pada penelitian ini menggunakan data time series dan dengan menggunakan regeresi data panel. Penelitian yang menggunakan data panel, maka disebut dengan model regeresi data panel (Widarjono, 2013:353).
Data panel adalah kombinasi antara data silang (cross section) dan data berurutan sepanjang waktu (time series).(Winarno 2009:91) Sampel adalah sebagian kecil dari subjek atau objek yang merupakan representasi dari keseluruhan populasi.(Tika 2006:46) Sampel pada penelitian ini menggunakan data tahunan yaitu tahun 2020-2022 maka data time series yang dipakai sebanyak 3 tahun, kemudian untuk data panel diambil dari 6 provinsi yang ada di Pulau Jawa. Dalam penelitian ini, digunakan teknik analisis data panel dengan menggunakan perangkat lunak pengolah data statistik Eviews. Beberapa metode umum yang digunakan untuk memperkirakan
HASIL DAN PEMBAHASAN
Berdasarkan laporan Badan Pusat Statistik pada tahun 2020, Indeks Pembangunan Manusia (IPM) digunakan untuk mengevaluasi hasil pembangunan dalam bidang pendidikan, pendapatan, kesehatan, dan aspek lainnya. IPM memiliki peran yang signifikan dalam memperkirakan keberhasilan upaya meningkatkan kualitas hidup masyarakat. Di Indonesia, IPM adalah data yang relevan karena digunakan sebagai alat ukur kinerja pemerintah. Selain itu, IPM juga memiliki peran sebagai penentu dalam pengalokasian Dana Alokasi Umum (DAU) di Indonesia. Jumlah IPM menurut data di Pulau Jawa pada tahun 2020 menunjukkan bahwa Provinsi DKI Jakarta sebagai Provinsi dengan nilai IPM tertinggi yaitu sebesar 80,77%.
Sedangkan di sisi lain Provinsi Jawa Timur menjadi Provinsi dengan nilai IPM terendah adalah sebesar 71,71%.
Tingkat pendidikan mencakup aktivitas individu dalam bentuk perilaku atau usaha untuk mengembangkan kemampuan mereka. Tingkat pendidikan dapat dijalani secara terencana atau terorganisir. Konsep tingkat pendidikan ini memiliki makna dalam proses peserta didik untuk meningkatkan pendidikan mereka sesuai dengan jenjang yang sedang mereka tempuh, dengan tujuan melanjutkan pendidikan yang sedang dijalani. Jumlah Tingkat Pendidikan menurut data di Pulau Jawa pada tahun 2020 menunjukkan bahwa nilai Tingkat Pendidikan tertinggi berada di di Provinsi DI Yogyakarta sebesar 87,99. Sedangkan nilai Tingkat Pendidikan terendah berada di Provinsi Jawa Tengah yaitu sebesar 55,82.
Produk Domestic Regional Bruto (PDRB) atau sering disingkat PDRB, sebagai salah satu indikator yang penting, digunakan untuk mengevaluasi keadaan ekonomi suatu wilayah dalam periode waktu tertentu. PDRB memiliki beberapa tujuan utama, yaitu membantu dalam perumusan kebijakan daerah atau perencanaan, memberikan informasi yang menjelaskan kinerja perekonomian suatu daerah, serta digunakan untuk mengevaluasi hasil pembangunan yang meliputi berbagai komponen seperti sewa tanah, keuntungan daerah, pajak tidak langsung, upah dan gaji, penyusutan, dan bunga. Jumlah PDRB menurut Provinsi di Pulau Jawa pada tahun 2020 menunjukkan bahwa nilai PDRB tertinggi berada di Provinsi DKI Jakarta sebesar 262.615,17.
Sedangkan nilai PDRB terendah berada di Provinsi Jawa Tengah yaitu sebesar 36.964,78.
Angka Partisipasi Sekolah (APS) adalah sebuah parameter pendidikan yang digunakan untuk mengukur tingkat keterlibatan penduduk dalam kegiatan sekolah berdasarkan kelompok usia atau jenjang pendidikan yang spesifik. APS dapat dihitung sebagai persentase jumlah siswa
JURNAL SAMUDRA EKONOMIKA, VOL. 7, NO. 2 SEPTEMBER 2023 P-ISSN 2549-4104 E-ISSN 2685-4287
E-ISSN 2685-4287 pada kelompok usia tertentu yang sedang menempuh pendidikan di berbagai tingkat pendidikan, dibagi oleh jumlah penduduk yang berada dalam kelompok usia sekolah yang relevan. Jumlah angka partisipasi sekolah menurut Provinsi di Pulau Jawa pada tahun 2020 menunjukkan bahwa nilai angka partisipasi sekolah tertinggi berada di Provinsi DIY sebesar 51,81. Sedangkan nilai angka partisipasi sekolah terendah berada di Provinsi Banten sebesar 21,6.
Hasil Estimasi Regresi 1. Uji Chow
Uji Chow dilakukan dalam proses pengujian untuk memilih model yang sesuai untuk melakukan estimasi akhir, yaitu antara model Common Effect atau model Fixed Effect.(Yamin and Dkk.
2011:201). Dalam menguji penentangan pada hipotesis nol, kita dapat memakai Chow statistik (F statistik) yang dihitung berdasarkan distribusi statistik F bersama derajat kebebasan (df) sebanyak n-1 untuk numerator. Jika nilai F yang dihitung melebihi nilai F pada tabel, maka kita dapat menolak hipotesis nol. Dengan demikian, dapat disimpulkan bahwa teknik regresi data panel dengan fixed effect lebih unggul dibandingkan common effect. Dalam uji ini, hipotesis yang diajukan yaitu seperti berikut:
Hipotesis
H0: Model CEM lebih baik dibanding model FEM H1: Model FEM lebih baik dibanding model CEM
Tabel 1 Hasil Uji Chow
Effect Test Statistic d.f. Prob.
Cross-section F 4.120369 (5;2) 0.2068
Cross-section Chi-square 29.098611 5 0.0000
Dari hasil uji Chow test untuk membedakan serta menentukan antara model Common Effect dan model Fixed Effect, terdapat nilai probabilitas Cross-section Chi-Square yang signifikan secara statistik, yaitu 0.0000 menunjukkan tingkat signifikansi yang signifikan karena probabilitas 0.0000 < 0.05 (5%). Oleh karena itu, model Fixed Effect menjadi model yang layak atau terbaik untuk digunakan.
2. Uji LM
Uji LM digunakan untuk memilih antara model Common Effect Model (CEM) atau Random Effects Model (REM).(Widarjono 2013:24) Uji LM ini bergantung dengan probability Breusch- Pagan, di mana apabila nilai probability Breusch-Pagan lebih rendah dari alpha, maka kita menolak hipotesis nol (Ho). Hal ini mengindikasikan bahwa estimasi yang paling baik untuk
H0: Model CEM lebih baik dibanding model REM H1: Model REM lebih baik disbanding model CEM
Tabel 2 Hasil LM Test Hypothesis
Cross-section Time Both
Breusch-Pagan 4.249702 20.07159 24.32129
(0.0393) (0.0000) (0.0000)
Hasil uji LM memperlihatkan bahwa nilai Breusch-Pagan 0.0393, yang lebih kecil dari nilai alpha 0,05. Artinya hipotesis nol (H0) ditolak kemudian hipotesis alternatif (H1) diterima. Oleh karena itu, disarankan untuk menggunakan model Random Effect Model (REM) karena REM memiliki kinerja yang lebih baik.
3. Uji Hausman
Uji Hausman digunakan untuk menentukan model yang memadai atau terbaik untuk digunakan dalam estimasi akhir, yaitu antara model Fixed Effect atau model Random Effect.(Yamin and Dkk.
2011:202) Penolakan terhadap H0 dapat dilakukan dengan menggunakan statistik Hausman dan membandingkannya dengan nilai kritis statistik chi-square. Jika hasil pengujian Hausman test melebihi nilai kritis chi-square pada tabel, maka H0 ditolak. Hal ini menunjukkan bahwa estimasi yang paling baik bagi regresi data panel yaitu model fixed effect. Sebaliknya, jika hasil pengujian Hausman test tidak melebihi nilai kritis chi-square pada tabel, artinya H0 diterima, yang bermakna model random effect lebih cocok Dalam uji ini, hipotesis yang diajukan adalah sebagai berikut:
Hipotesis
H0: Model REM lebih baik dibanding model FEM H1: Model FEM lebih baik disbanding model REM
Tabel 3 Hasil Hausman
Test Summary Chi-Sq. Statistic Chi-Sq.d.f. Prob.
Cross-section random 6.334357 3 0.0964
JURNAL SAMUDRA EKONOMIKA, VOL. 7, NO. 2 SEPTEMBER 2023 P-ISSN 2549-4104 E-ISSN 2685-4287
E-ISSN 2685-4287 Dilihat dari hasil pengujian uji Hausman pada tabel, probabilitas sebesar 0.0964 menunjukkan tingkat signifikansi yang signifikan karena probabilitas 0.0964 > 0.05 (5%). Oleh karena itu, model yang layak atau terbaik untuk digunakan adalah model Random Effect Model.
4. Uji Normalitas
Uji normalitas digunakan untuk memeriksa apakah nilai residual dari model yang dibentuk mengikuti distribusi normal. Pendekatan yang digunakan dalam pengujian normalitas adalah uji Jarque-Bera (Uji JB). Hasil pengujian menunjukkan bahwa nilai Jarque-Bera adalah 0.923056, dengan probabilitas X2 hitung sebesar 0.630320, yang lebih besar dari probabilitas statistik (α=0.05). Oleh karena itu, dapat disimpulkan bahwa model ini mengikuti distribusi normal.
Tabel 4
0 1 2 3 4
-0.3 -0.2 -0.1 0.0 0.1 0.2 0.3
Series: Standardized Residuals Sample 2021 2022 Observations 12 Mean -1.85e-16 Median 0.011443 Maximum 0.217171 Minimum -0.218082 Std. Dev. 0.142316 Skewness -0.077110 Kurtosis 1.650064 Jarque-Bera 0.923056 Probability 0.630320
5. Uji Autokorelasi
Uji autokorelasi dipakai dalam mengevaluasi apakah ada hubungan korelasi antara kesalahan pengganggu (residual) pada periode t dengan periode t-1 dalam suatu model regresi linear.
Tabel 5 Uji Autokorelasi
Sum squared resid 0.222792
Durbin-Watson stat 3.157022
Dari hasil perhitungan uji autokorelasi dapat diketahui Nilai Durbin Watson sebesar 3.157022.
Nilai n=12 dan k=2, maka dL dan dU adalah 0,569 dan 1.274. Nilai 4-dL=3,431dan 4-dU=2,726, sehingga 4 − 𝑑𝑈 ≤ 𝑑 ≤ 4 − 𝑑𝐿 (Tidak dapat diputuskan).
6. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan dalam konteks data panel karena adanya data cross section, yang menimbulkan kecurigaan adanya heteroskedastisitas. Heteroskedastisitas dipakai dalam mengidentifikasi perbedaan varians residual dari seluruh pengamatan dalam model regresi.(Gozali 2009:105) Berikut adalah hasil uji heteroskedastisitas:
Variable Coefficient Std.Error t-Statistic Prob
C 0.048442 0.243123 0.199249 0.8470
Tingkat pendidikan 0.004593 0.006271 0.732394 0.4848
PDRB -5.92E-07 5.87E-07 -1.009453 0.3423
Angka partisipasi sekolah -0.007071 0.006989 -1.180723 0.2716
Karena tidak ada p-value yang kurang dari 0,05, maka tidak ada variabel yang berpengaruh terhadap residual. Sehingga bisa disimpulkan bahwa tidak terjadi kasus heteroskedastisitas.
Hasil Regresi
Regresi adalah penelitian yang berkaitan dengan Bagaimana variabel dependen terpengaruh oleh satu atau lebih variabel independen, sebagai tujuan melakukan estimasi atau prediksi nilai rata- rata variabel dependen berdasarkan nilai yang diketahui dari variabel independen.(Widarjono 2013:7) Setelah menentukan model terpilih, yaitu model Random Effect Model (REM), langkah berikutnya adalah melakukan pengujian hipotesis. Pengujian ini dilakukan melalui uji t, uji F, dan koefisien determinasi (R2) dari kesamaan yang dihasilkan dari analisis data seperti berikut ini:
IPMit = 0.938164 – 0.008995tingkatpendidikan2it +7.27E-07PDRB3it + 0.003424 angkapartisipasisekolah4it + wit
Uji Signifikansi Individu (Uji t)
Uji t digunakan sebagai metode pengujian untuk menentukan apakah koefisien regresi memiliki signifikansi statistik atau tidak.(Gujarati 2006:119) Uji signifikansi individu (Uji t) digunakan untuk mengevaluasi pengaruh secara individu (parsial) antara variabel bebas seperti pada variabel terikat, yaitu indeks pembangunan manusia, sebagai anggapan bahwa variabel lain sebagai konstan. Dalam hal ini, digunakan asumsi seperti berikut:
- Jika thitung > ttabel maka H0 ditolak - Jika thitung < ttabel maka H0 diterima
Dari perhitungan hasil uji regresi, menunjukkan hasil uji t dibawah ini:
Tabel 7
Hasil uji signiifikansi individu (uji t)
Variabel t-statistik Probabilitas Keterangan
Tingkat pendidikan -0.499710 0.6307 Tidak signifikan
PDRB 0.431861 0.6772 Tidak signifikan
Angka partisipasi sekolah 0.199183 0.8471 Tidak signifikan
IPM 1.344363 0.2157 Tidak signifikan
JURNAL SAMUDRA EKONOMIKA, VOL. 7, NO. 2 SEPTEMBER 2023 P-ISSN 2549-4104 E-ISSN 2685-4287
E-ISSN 2685-4287 Uji Signifikansi Simultan (Uji F)
Uji F atau uji koefisien regresi secara simultan dipakai untuk mengevaluasi pengaruh gabungan dari variabel bebas terhadap variabel terikat secara signifikan. Uji signifikansi simultan (Uji F) dipakai untuk menentukan apakah variabel bebas, seperti tingkat pendidikan, PDRB, dan angka partisipasi sekolah, secara bersama-sama memiliki dampak pada variabel terikat, yakni indeks pembangunan manusia, dengan mengasumsikan bahwa variabel lainnya tetap konstan. Hasil perhitungan regresi, hasil probabilitas F-statistik diperoleh sebanyak 0.754679, yang lebih kecil dibanding nilai sig. (0.05). Oleh karena itu, hipotesis alternatif (H0) ditolak. Dengan demikian, dapat disimpulkan bahwa tingkat pendidikan, PDRB, dan angka partisipasi sekolah secara bersama-sama tidak memiliki pengaruh signifikan terhadap indeks pembangunan manusia.
KESIMPULAN
Berdasarkan penelitian yang dilakukan untuk mengetahui pengaruh tingkat pendidikan, PDRB, dan angka partisipasi sekolah terhadap indeks pembangunan manusia di 6 provinsi di Pulau Jawa, dapat disimpulka bahwa berdasarkan uji regresi, nilai probabilitas –statistik adalah 0,75679, yang lebihrendah dari nilai sig (0,05) maka hipotesis alternative ditolak. Dengan demikian dapat disimpulkan bahwa tingkat pendidikan, PDRB, dan tingkat partisipasi sekolah tidak berpengaaruh terhadapa indeks pembangunan manusia.
REFERENSI
Affandi, Mirdha Fahlevi, dan Okta Rabiana Risma. 2019. “Analisis Tingkat Pendidikan dan TPAK Terhadap PDRB Perkapita Di Indonesia.” Ekombis 5(2):46–55.
Arikunto, Suharsimi. 2006. Prosedur Penelitian, Suatu Pendekatan Praktik. Jakarta: PT.Rineka Cipta.
Gozali, Imam. 2009. Ekonometrika Teori Konsep Dan Aplikasi Dengan SPSS 17. Semarang:
Badan Penerbit Universitas Diponegoro.
Gujarati, Damodar N. 2006. Dasar-Dasar Ekonometrik Jilid I. Jakarta: Erlangga.
Muliza, Muliza, Teuku Zulham, dan Chenny Seftarita. 2017. “Analisis Pengaruh Belanja Pendidikan, Belanja Kesehatan, Tingkat Kemiskinan dan PDRB Terhadap IPM Di Provinsi Aceh.” Jurnal Perspektif Ekonomi Darussalam 3(1):51–69. doi: 10.24815/jped.v3i1.6993.
Sugiyono. 2017. Metode Penelitian Bisnis. Bandung: Alfabeta.
Tika, Moh. Pabundu. 2006. Metodologi Riset Bisnis. Jakarta: PT. Bumi Aksara.
Widarjono, Agus. 2013. Ekonometrika. Yogyakarta: UPP STIM YKPN.
Winarno, Wing Wahyu. 2009. Analisis Ekonometrika dan Statistika Dengan Eviews. Yogyakarta:
STIM YKPN.
Yamin, Sofyan, Dkk. 2011. Regresi dan Korelasi Dalam Genggaman Anda: Aplikasi Dengan Software SPSS, Eviews, MINITAB dan STATGRAPHICS. Jakarta: Salemba Empat.
Si’lang, I. L. S, Zamruddin Hasid, dan Priyagus. 2019. “Analisis Faktor-Faktor Yang Berpengaruh Terhadap Indeks Pembangunan Manusia.” Jurnal Manajemen 11(2):159–69.
