APLIKASI ANALISIS JALUR DALAM MENGANALISIS ANGKA INDEKS PEMBANGUNAN MANUSIA (IPM) DI SUMATERA UTARA TAHUN 2012

DAFTAR ISI

PERSETUJUAN PERNYATAAN PENGHARGAAN DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR BAB.1 PENDAHULUA PENDAHULUAN N

1.1 Latar Belakang 1.2 Batasan dan Rumusan Masalah 1.3 Tujuan Penelitian 1.4 Manfaat Penelitian 1.5 Metode Penelitiaan Penelitiaan 1.8 Sistematika Penulisan BAB.2 TINJAUAN PUSTAKA

2.1 Konsep Dasar Statistika 2.2 Analisis Jalur 2.2.1 Manfaat Analisis Jalur 2.2.2 Asumsi-Asumsi Analisis Jalur 2.2.3 Model Analisis Jalur 2.3 Analisis Regresi Linier Berganda 2.4 Uji Regresi Linier Ganda 2.5 Koefisien Korelasi BAB.3 GAMBARAN UMUM BADAN PUSAT STATISTIK

3.1 Visi dan Misi BPS Provinsi Sumatera Utara 3.1.1 Visi Badan Pusat Statistik 3.1.2 Misi Badan Pusat Statistik 3.2 Struktur Organisasi BPS Provinsi Sumatera Utara 3.3 Job Description BAB.4 HASIL DAN PEMBAHASAN

4.1 Data yang Dianalisisa 4.1.1 Menganalisis Data Menggunakan Program Pro gram Amos Versi 18

Halaman i ii iii iv vi vii 1 1 3 4 4 4 7 9 9 13 11 11 12 16 20 22 24 24 24 24 25 26 28 28

32

4.2 Menafsirkan Hasil Analisis Data 4.2.1 Analisis Regresi 4.2.2 Analisis Korelasi

33 33 37

4.3 Perhitungan Pengaruh 4.3.1 Pengaruh Langsung (Direct Effect) 4.3.2 Pengaruh Tidak Langsung (Indirect Effect)

40 40 42

BAB.5 IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem 5.2 Sekilas Tentang Amos Versi 18 5.3 Mengaktifkan Amos Versi 18 5.4 Membuka Lembar Baru 5.5 Membuat Gambar Path Diagram 5.6 Pengisian Data 5.7 Pengolahan Pengolahan Data dengan Analisis Jalur 5.8 Output Hasil Pengolahan Data BAB.6 KESIMPULAN DAN SARAN

6.1 Kesimpulan 6.2 Saran DAFTAR PUSTAKA LAMPIRAN

45 45 45 47 47 48 48 49 51 52 52 53

DAFTAR TABEL

Tabel 2.1 Bentuk Umum Data Observasi

17

Tabel 4.1 Komponen Indeks Pembangunan Manusia (IPM) Menurut Kabupaten/Kota Kabupaten/Kota di Provinsi Sumatera Utara

28

DAFTAR GAMBAR

Gambar 1.1 Model Diagram Jalur berdasarkan paradigma

6

Gambar 1.2 Diagram Jalur

7

Gambar 2.1 Model Regresi Berganda

13

Gambar 2.2 Model Mediasi

13

Gambar 2.3 Model Kombinasi Kombinasi Pertama dan Kedua

14

Gambar 2.4 Model Kompleks

14

Gambar 2.5 Model Rekursif

15

Gambar 4.1 Model Diagram Jalur berdasarkan paradigma

30

Gambar 4.2 Diagram Jalur

31

Gambar 5.1 Tampilan Jendela AMOS Versi 18

47

Gambar 5.2 Path Diagram

48

Gambar 5.3 Pengisian Data

48

Gambar 5.4 Pengisian Data pada Data pada Data File

49

Gambar 5.5 Pengolahan Data

49

Gambar 5.6 Pengisian Data pada kotak Analysis kotak Analysis Properties

50

Gambar 5.7 Tampilan Pemasukan pada Calculate Estimate

50

Gambar 5.8 Tampilan Jendela untuk melihat hasil Output

51

Gambar 5.9 Tampilan output Tampilan output nilai nilai koefisien jalur

51

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Perkembangan teknologi dan ilmu pengetahuan mengantar manusia pada tahap pemahaman yang lebih t inggi di d i masing-masing bidang ilmu. Dalam mengaplikasikan bidang ilmu, baik dalam bidang ekonomi, sosial, dan matematika telah ditemukan beberapa cara dalam menganalisis suatu keadaan. Terutama dalam hal perkembangan metode statistik yang semakin lama semakin nyata dampaknya. Statistika yang merupakan salah satu cabang ilmu di bidang matematika yang dapat menganalisis suatu keadaan untuk membuat kesimpulan sehingga dapat menyelesaikan suatu permasalahan. Dalam dunia penelitian atau riset, statistika telah memberikan banyak manfaat. Misalnya saja untuk mengetahui hubungan ataupun pengaruh dari suatu variabel dalam variabel lainnya.

Salah satu analisis yang digunakan dalam metode statistika untuk mengetahui hubungan antar variabel adalah analisis jalur. Analisis jalur, salah satu teknik analisis kuantitatif, merupakan pengembangan dari regresi berganda. Teknik ini mempunyai kelebihan dibandingkan dengan regresi linier. Dengan model analisis jalur dapat menemukan pengaruh tidak langsung dalam hubungan antar variabel melalui variabel

perantara. Dengan menggunakan menggunakan analisis ini peneliti akan memperoleh hasil analisis lebih akurat, tajam, dan detail det ail (Sarwono, 2006).

Meskipun analisis jalur ini popular dikalangan ekonomi, namun teknik analisis ini juga digunakan di berbagai ilmu lainnya. Sebagai contoh kasus dalam hal ini, jika kita lihat di bidang sosial. Manusia merupakan kekayaan bangsa dan sekaligus sebagai modal dasar pembangunan. Tujuan utama dari pembangunan adalah menciptakan lingkungan yang memungkinkan bagi rakyatnya untuk menikmati hidup sehat, umur panjang dan menjalankan menjalankan kehidupan yang produktif. produktif.

Untuk mewujudkan tercapainya ketiga tujuan tersebut dilakukan upaya konkrit dan berkesinambungan. Misalnya untuk mencapai umur yang panjang ataupun angka harapan hidup yang tinggi, harus didukung oleh tingkat kesehatan yang baik. Untuk memiliki pengetahuan dan keterampilan harus didukung oleh pendidikan yang baik serta memiliki tenaga kerja ker ja yang terampil. Dengan meningkatnya kesehatan, pendidikan serta keterampilan ketenagakerjaan diharapkan masyarakat dapat memenuhi kebutuhan hidupnya dan meningkatkan kualitas hidup serta pencapaian standar hidup layak sehingga dapat meningkatkan Indeks Pembangunan Manusia (IPM) atau Human Development Indeks (HDI) di suatu daerah.

Pada

dasarnya

banyak

variabel

sektoral

yang

mempengaruhi

Indeks

Pembangunan Pembangunan Manusia (IPM). Diantaranya Diantaranya adalah harapan harapan hidup, hidup, melek huruf, huruf, ratarata lama sekolah, pengeluaran riil per kapita yang mengungkapkan perkembangan fenomena tertentu, misalnya perkembangan atau peningkatan kualitas hidup yang setiap tahunnya di masing-masing kabupaten atau kota. Namun dari keseluruhan variabel

sektoral

tersebut

diambil

beberapa

variabel

yang

dominan

terhadap

Indeks

Pembangunan Manusia (IPM). Dalam rangka untuk mengukur pengaruh variabel sektoral terhadap Indeks Pembangunan Manusia (IPM) provinsi Sumatera Utara, maka perlu dilakukan analisis analisis hubungan antar variabel.

Dari pemaparan kasus di atas, at as, analisis jalur mencoba mengupas mengupas tuntas hubungan sebab akibat yang ditimbulkan oleh beberapa variabel sektoral terhadap Indeks Pembangunan Manusia (IPM). Oleh sebab itu, penulis melakukan penelitian dengan judul “APLIKASI ANALISIS JALUR DALAM MENGANALISIS ANGKA INDEKS PEMBANGUNAN MANUSIA (IPM) DI SUMATERA UTARA TAHUN 2012 ”.

1.2 Batasan dan Rumusan Masalah

Walaupun identifikasi telah ditetapkan, tetapi masih perlu adanya pembatasan masalah mengenai faktor-faktor yang mempengaruhi Indeks Pembangunan Manusia (IPM). Untuk mengarahkan pembahasan dalam tugas akhir ini agar tidak menyimpang dari sasaran yang ingin dituju, maka perlu membuat batasan ruang lingkup permasalahan. Sebagai pembatasan masalah ini adalah hanya terbatas pada analisis untuk mengetahui daerah

penelitian

kemudian

permasalahan

yang

dianalisis

yang

menentukan

peningkatan kemudian permasalahan yang dianalisis yang menentukan peningkatan Indeks Pembangunan Manusia (IPM), serta variabel-variabel yang diinginkan dalam penulisan ini adalah Indeks Pembangunan Manusia (Y), harapan hidup (X 1), melek huruf (X2), rata-rata lama sekolah (X3).

1.3 Tujuan Penelitian

Adapun tujuan penulis melakukan penelitian ini adalah untuk melihat perkembangan pembangunan pembangunan manusia di provinsi Sumatera Utara selama se lama tahun t ahun 2012 dan peningkatan Indeks Pembangunan Manusia (IPM) provinsi Sumatera Utara.

1.4 Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat antara lain: 1. Memberikan atau menambah wawasan bagi penulis, terutama dalam penerapan ilmu yang didapat di bangku kuliah dengan menyatukan materi perkuliahan dengan objek permasalahan yang dijadikan materi materi pembahasan. 2. Memberi sumbangan pemikiran pada instansi di provinsi Sumatera Utara yang berkepentingan dalam meningkatkan meningkatkan Indeks Pembangunan Pembangunan Manusia (IPM). 3. Hasil penelitian ini diharapkan dapat bermanfaat sebagai bahan masukan dan referensi bagi pihak yang berkepentingan. 4. Melengkapi tugas dan memenuhi syarat mencapai gelar Ahli Madya.

1.6 Metode Penelitian

Metode yang digunakan digunakan penulis dalam melaksanakan penelitian ini adalah:

1.

Studi kepustakaan, yaitu metode pengumpulan data untuk memperoleh data dan informasi dari perpustakaan dengan cara membaca buku-buku referensi dan bahan bahan yang bersifat teoritis yan mendukung mendukung penulisan tugas akhir. akhir.

2.

Metode Pengumpulan Data Pengumpulan data untuk keperluan riset ini telah dilakukan oleh penulis dengan menggunakan data sekunder yang diperoleh dari instansi yang ada di Badan Pusat Statistik Provinsi Sumatera Utara. Data yang dikumpulkan tersebut kemudian disusun dan kemudian disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

3.

Teknik dan Analisa Data Data penelitian dianalisis dengan menggunakan analisis jalur. Analisis jalur adalah suatu teknik untuk menganalisis menganalisis hubungan sebab akibat yang yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung atau juga dapat dikatakan bahwa analisis jalur merupakan kepanjangan dari analisis regresi berganda.

Dalam menganalisis data ini, penulis menggunakan model persamaan satu jalur. Pada model persamaan satu jalur ini, hubungan pertamanya sama dengan model regresi berganda, yaitu variabel bebas terdiri dari lebih dari satu variabel dan variabel tergantungnya lebih dari satu.

Model diagram jalur berdasarkan paradigma hubungan hubungan variabel :

X1

Harapan Hidup ε

X2

Melek Huruf

IPM X3

Rata-rata lama sekolah

Gambar 1.1 Model diagram jalur berdasarkan paradigma.

Diagram jalur tersebut terdiri atas satu persamaan struktural dengan hanya satu substruktur, yaitu X1, X2, X3 disebut sebagai variabel eksogen dengan Y sebagai variabel endogen. Adapun rumus persamaan jalurnya dapat dituliskan sebagai berikut : Y = ρ yx1 X1 + ρ yx2 X2 + ρ yx3 X3 + ε

Dimana : ρ yx1 = koefisien jalur dari yx1 ρ yx2 = koefisien jalur dari yx2 ρ yx3 = koefisien jalur dari yx3 X1

= variabel bebas pertama

X2

= variabel bebas kedua

X3

= variabel bebas ketiga

Y

= variabel terikat

ε

= error

Diagram jalurnya sebagai berikut :

X1

r x1x2

ρ yx1 X1 X2

r x1x3

ε

r x1x2

ρ yx2 X2

ε

IPM

ρ yx3 X3 X3 Gambar 1.2 Diagram jalur

Dimana koefisien jalur dari variabel-variabel tersebut akan dicari nilai dan pengaruhnya masing-masing terhadap variabel terikat ter ikat dengan menggunakan aplikasi SPSS 17.

1.7 Sistematika Penulisan

Sistematika penulisan Tugas Akhir ini terdiri dari 6 ( enam ) bab yang masing-masing dirincikan dalam beberapa sub bab yaitu : BAB 1

: PENDAHULUAN

Bab ini berisi tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, lokasi penelitian, tinjauan pustaka, metode penelitian, dan sistematika penulisan.

BAB 2

: TINJAUAN PUSTAKA

Bab ini menjelaskan tentang segala sesuatu yang berhubungan dengan penyelesaian masalah sesuai dengan judul dan permasalahan yang diutarakan mengenai analisis jalur.

BAB 3

: GAMBARAN UMUM BADAN PUSAT STATISTIK

Bab ini berisi tentang sejarah singkat Badan Pusat Statistik, visi dan misi Badan Pusat Statistik

BAB 4

: HASIL DAN PEMBAHASAN

Bab ini menjelaskan mengenai data yang akan dianalisis, metode analisis data dengan menggunakan analisis jalur serta interpretasi data.

BAB 5

: IMPLEMENTASI SISTEM

Bab ini menjelaskan pengertian implementasi sistem, pengenalan Amos versi 18, cara kerja Amos versi 18, dan cara pengoperasian Amos.

BAB 6

: PENUTUP

Bab ini berisi tentang beberapa kesimpulan dan saran yang dapat diberikan penulis sesuai dengan analisis yang dilakukan.

BAB 2

TINJAUAN PUSTAKA

2.1 Konsep Dasar Statistika

Statistika merupakan cara-cara tertentu yang digunakan dalam mengumpulkan, menyusun atau mengatur, menyajikan, menganalisis dan memberi interpretasi terhadap sekumpulan data, sehingga kumpulan bahan keterangan yang dikumpulkan dapat memberi pengertian dan makna tertentu. Seperti pengambilan kesimpulan, membuat estimasi dan juga prediksi yang akan datang.

Ruang lingkup statistika meliputi statistik deduktif atau statistik deskriptif dan statistik induktif atau statistik inferensial. Statististik deskriptif terdiri dari menghimpun, menyusun, mengolah, menyajikan, dan menganalisis data angka. Sedangkan statistik inferensial atau statistik induktif adalah meliputi teori probability, distribusi teoritis, distribusi sampling, penaksiran, pengujian hipotesa, korelasi, komparasi dan regresi. Sumber data statistik dapat dikumpulkan langsung oleh peneliti dari pihak yang bersangkutan, disebut dengan data primer. Dan data dapat juga diperoleh dari pihak lain atau data yang sudah ada, disebut dengan data sekunder.

2.2 Analisis Jalur

Analisis jalur pertama kali diperkenalkan oleh Sewall Wright (1921), seorang ahli genetika, namun kemudian dipopulerkan oleh Otis Dudley Duncan (1966), seorang ahli sosiologi. Analisis jalur bisa dikatakan sebagai pengembangan dari konsep korelasi dan regresi, dimana korelasi dan regresi tidak mempermasalahkan mengapa hubungan antar variabel terjadi serta apakah hubungan antar variabel tersebut disebabkan oleh variabel itu sendiri atau mungkin dipengaruhi oleh variabel lain.

Analisis jalur ialah suatu teknik teknik untuk menganalisi menganalisi hubungan sebab sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung (Robert D.Rutherford 1993). Modelnya 1993). Modelnya digambarkan dalam bentuk gambar lingkaran dan panah dimana anak panah tunggalnya tunggalnya menunjukkan sebagai sebagai penyebab.

Pembobotan regresi diprediksikan dalam satu model yang dibandingkan dengan matriks korelasi yang diobservasi untuk semua variabel dan dilakukan juga penghitungan penghitungan uji keselarasan statistik (David Gurson, 2003). Dari defenisi-defenisi diatas, dapat disimpulkan bahwa sebenarnya analisis jalur merupakan kepanjangan dari analisis regresi berganda.

2.2.1 Manfaat Analisis Jalur

Manfaat model analisis jalur, yaitu untuk :

1. Penjelasan terhadap fenomena yang dipelajari atau permasalahan yang diteliti. 2. Prediksi nilai variabel terikat (Y) berdasarkan nilaivariabel bebas (X) dan diprediksi dengan analisis jalur ini bersifat kualitatif. 3. Faktor determinan yaitu penentuan variabel bebas (X) mana yang berpengaruh dominan terhadap variabel terikat (Y), juga dapat digunakan untuk menelusuri mekanisme (jalur-jalur) pengaruh variabel terikat (X) terhadap variabel terikat (Y). 4. Pengujian model menggunakan theory trimming , baik untuk uji reabilitas konsep yang sudah ada ataupun uji pengembangan konsep baru.

2.2.2 Asumsi-Asumsi Analisis Jalur

Asumsi yang mendasari analisis jalur, yaitu :

1. Hubungan antar variabel adalah bersifat linear, adaptif, dan bersifat normal. 2. Hanya sistem aliran kausal ke satu arah, artinya tidak ada arah kausalitas yang terbalik. 3. Variabel terikat (endogen) minimal dalam skala ukur interval dan ratio.

4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel. 5. Observed variables variables diukur tanpa kesalahan (instumen pengukuran valid dan reliable) reliable) artinya variabel yang diteliti dapat diobservasi secara langsung. 6. Model yang dianalisis dispesifikasikan (diidentifikasikan) dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan hubungan kausalitas antar variabel.

2.2.3 Model Analisis Jalur

Beberapa istilah dan defenisi dalam path dalam path analysis: analysis : (1) Dalam path Dalam path Analysis, Analysis , kita hanya menggunakan sebuah lambung variabel, yaitu X. Untuk membedakan X yang satu dengan X yang lainnya, kita menggunakan subscript (indeks). Contoh : X1, X2, X3,

….., Xk. (2) Kita membedakan dua jenis variabel, yaitu variabel yang menjadi pengaruh (exogenous variable), variable), dan variabel yang dipengaruhi ( endogenous variable). variable). (3) Lambang hubungan hubungan langsung dari eksogen ke endogen e ndogen adalah panah bermata sat u, yang bersifat recursive atau arah hubungan yang tidak berbalik/satu arah. (4) Diagram jalur merupakan diagram atau gambar yang mensyaratkan hubungan terstruktur antar variabel (Harun Al Rasyid, 2005). Ada beberapa model jalur mulai dari yang paling sederhana sampai dengan yang lebih rumit, diantaranya diterangkan di bawah ini :

1. Model Regresi Berganda Model pertama ini sebenarnya merupakan pengembangan regresi berganda dengan menggunakan dua variabel exogenus, yaitu X1 dan X2 dengan satu variabel exogenous Y. Model ini digambarkan sebagai berikut :

Gambar 2.1 Model Regresi Berganda

2. Model mediasi Model kedua adalah model mediasi atau perantara dimana variabel Y memodifikasi pengaruh variabel X terhadap variabel Z. Model digambarkan sebagai berikut ;

Gambar 2.2 Model Mediasi

3. Model Kombinasi Pertama dan Kedua Model ketiga ini merupakan kombinasi antara model pertama dan kedua, yaitu variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak langsung mempengaruhi variabel Z melalui variabel Y. Model ini digambarkan sebagai berikut :

Gambar 2.3 Model Kombinasi Pertama dan Kedua

4. Model Kompleks Model keempat ini merupakan model yang lebih kompleks, yaitu variabel X1 secara langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak langsung mempengaruhi Y2, sementara variabel Y2 juga dippengaruhi oleh variabel Y1. Model digambarkan sebagai berikut :

Gambar 2.4 Model Kompleks

5. Model Rekursif dan Non Rekursif Dari sisi pandang arah sebab akibat, ada dua tipe model jalur, yaitu rekursif dan non rekursif. Model rekursif ialah jika semua anak panah menuju satu arah seperti pada pada gambar 2.5 berikut berikut :

Gambar 2.5 Model Rekursif

Model tersebut dapat diterangkan sebagai berikut : a. Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2 ke 3 dan dari 3 menuju ke 4. Tidak ada arah yang terbalik, misalnya dari 4 ke 1. b. Hanya terdapat satu variabel exogenus, exogenus, yaitu 1 dan tiga variabel endogenus, endogenus, yaitu 2, 3, dan 4. Masing-masing variable endogenus diterangkan endogenus diterangkan oleh variabel 1 dan error (e2, e3, dan e4). c. Satu variabel endogenus endogenus dapat menjadi penyebab variabel endogenus endogenus lainnya, tetapi bukan ke variabel exogenus. exogenus. Model non recursif terjadi jika arah anak panah tidak searah atau terjadi ter jadi arah yang terbalik (looping), (looping), misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2 atau bersifat sebab akibat (reciprocal cause).

Model non rekursif terjadi jika arah anak panah tidak searah atau terjadi arah yang terbalik, misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat sebab akibat.

2.3 Analisis Regresi Linier Berganda

Regresi linier berganda mengandung makna bahwa dalam suatu persamaan regresi terdapat satu variabel dependent dan lebih dari satu variabel independent. Regresi linier berganda adalah a nalisis regresi r egresi yang menjelaskan hubungan antara variabel dependent dengan faktor-faktor yang mempengaruhi lebih dari satu variabel independent.

Persamaan regresi berganda yang mempunyai variabel dependent Y dengan dua variabel independent, yakni X yakni X 1 dan X dan X 2. Secara umum persamaan regresi gandanya dapat ditulis sebagai berikut :

Ŷ = bo + b1 X1 + b2X2

(2.1)

Dengan :

Ŷ

bo

= nilai estimasi Y = nilai Y pada perpotongan antara garis linear dengan sumbu vertikal Y.

X1, X2 = nilai nilai variabel independent terhadap terhadap Y b1, b2

= slope yang berhubungan dengan nilai X1 dan X2

Untuk regresi linier yang menggunakan lebih dari dua variabel independent maka persamaan yang digunakan adalah :

Ŷ = bo + b1 X1 + b2X2+ … +bn Xn Bentuk data yang akan diolah ditunjukkan pada tabel 2.1 berikut :

(2.2)

Tabel 2.1 Bentuk Umum Data Observasi

Nomor Observasi

Responden

Variabel Bebas

(Y)

X1

X2

1

Y1

X11

X21

2

Y2

X12

X22

.

.

Xk

… …

Xk1 Xk2

… .

.

…

N

Σ

.

.

.

.

.

.

.

.

.

Yn

X1n

X2n

…

Xkn

Σ X

…

Σ X

Σ Y

i

ΣX

1i

… …

.

.

2i

Dari tabel 2.1 dapat dilihat bahwa Y1 berpasangan dengan X11, X21, berpasangan dengan X12, X22,

.

kn

…, Xk1 dan Y2

…, Xk2 dan umumnya data Yn berpasangan dengan

X1n, X2n, ..., Xkn. Dalam penelitian ini, penulis menggunakan regresi linier berganda dengan 4 variabel, yaitu satu variabel tak bebas (dependent variable) variable) dan tiga variabel bebas (independent variable).

Persamaan regresi berganda dengan tiga variabel bebas X1, X2 danX3ditaksir oleh :

Ŷ = bo + b1 X1 + b2X2 +b3X3

(2.3)

Dengan :

Ŷ bo

= nilai estimasi Y = nilai nilai Y pada perpotongan antara garis linear dengan sumbu vertikal Y

X1, X2, X3 = nilai variabel independent independent terhadap Y b1, b2, b3 = slope yang berhubungan berhubunga n dengan nilai X1 dan X2

Dan diperoleh tiga persamaan normal, yaitu :

Σ Y i

= b0n

+ b1Σ X 1i 1i+ b1Σ X 2i 2i+ b1Σ X 3i 3i

Σ X1i Y i = b0Σ X 1i1i + b1Σ X 21i+ b2Σ X 1i1 X i 2i 2i+ b3Σ X 1i 1 X i 3i 3i 2 Σ X2i Y i =b0Σ X 2i2i + b1Σ X 1i1 X i 2i 2i+ b2Σ X 2i+ b3Σ X 2i 2 X i 3i 3i 2 Σ X3i Y i = b0Σ X 3i3i + b1Σ X 1i1 X i 3i 3i+ b2Σ X 2i 2 X i 3i 3i+ b3Σ X 3i

(2.4)

Harga-harga b0,b1, b2, dan b3 yang telah di dapat kemudian disubstitusikan ke dalam persamaan (2.4) sehingga diperoleh model regresi linier berganda Y atas X 1, X 2, dan X3.

Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y

dengan Ŷ akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan.

Ukuran tersebut dapat dihitung oleh kekeliruan baku taksiran

2

s y.12…k,yang

dapat ditentukan dengan rumus :

2

s

123…k

(2.5)

y.

Dengan : Yi= nilai data hasil pengamatan

Ŷi = nilai hasil regresi n

= ukuran sampel

k

= banyak banyak variabel bebas

2.4 Uji Regresi Linier Ganda

Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda dapat dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu dilakukan untuk mengetahui apakah variabel-variabel bebas secara bersamaan memiliki pengaruh terhadap variabel tidak bebas.

Langkah-langkah pengujiannya pengujiannya adalah sebagai berikut : 1. Menentukan formulasi hipotesis Ho : b1= b2 = b3

= …= bk = 0, (

X1, X2, …, Xk tidak mempengaruhi Y)

H1 : minimal minimal ada satu parameter koefisien koefisien regresi yang yang tidak sama dengan nol atau mempengaruhi Y.

2. Menentukan taraf nyata dan F tabel dengan derajat kebebasan v 1 = k dan v2 = nk-1. 3. Menentukan kriteria pengujian Ho diterima bila Fhitung ≤ Ftabel H1 diterima bila Fhitung > Ftabel 4.

Menentukan nilai statistik F dengan rumus :

Fhitung =

(2.6)

Dengan :

JK reg = jumlah kuadrat regresi

JK res = jumlah kuadrat residu (sisa) n-k-1 = derajat kebebasan

Bentuk umumnya :

JK reg = b1 Σ y X i 1i 1i + b2 Σ y X i 2i 2i +… +bk Σ y X i ki ki

Dengan : X1i

= X1 – i

X2i

= X2i –

Xki

= Xki – k

1

2

(2.7)

JK res =

Σ (Y

i 

Ŷi )2

5. Membuat kesimpulan apakah H 0 diterima atau ditolak.

2.5 Koefisie K oefisien n Korelas K orelasii

Analisis Korelasi adalah alat yang dapat digunakan untuk mengetahui adanya derajat hubungan linier antara satu variabel dengan variabel lain. Hubungan antara variabel ini dapat berupa hubungan yang kebetulan belaka, tetapi dapat juga merupakan hubungan sebab akibat.

Untuk mencari korelasi antara variabel Y dan X dapat dirumuskan sebagai berikut : (2.8)

ryx =

Dua variabel dikatakan berkorelasi apabila perubahan pada suatu variabel akan diikuti oleh perubahan variabel lain, baik dengan arah yang sama maupun dengan arah yang berlawanan. Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis hubungan, hubungan, sebagai berikut ber ikut :

1. Korelasi Positif Terjadinya korelasi positif apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang sama atau berbanding lurus. Artinya, apabila variabel yang satu meningkat, maka akan diikuti dengan peningkatan variabel yang yang lain.

2. Korelasi Negatif Korelasi negatif terjadi apabila pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang berlawanan atau berbanding berbanding terbalik. Artinya, apabila variabel yang satu meningkat, maka akan diikuti dengan penurunan variabel yang lain dan sebaliknya. 3. Korelasi Nihil Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti pada perubahan variabel yang yang lain dengan arah yang tidak teratur (acak).

Nilai koefisien korelasi adalah -1

≤ r ≤ 1. Jika dua variabel berkorelasi neg atif

maka nilai koefisien korelasi akan mendekati -1. Jika dua variabel tidak berkorelasi akan mendekati 0. Sedangkan jika dua variabel berkorelasi positif maka koefisien korelasi akan mendekati +1.

Untuk lebih memudahkan mengetahui seberapa jauh derajat keeratan antara variabel tersebut, dapat dilihat pada perumusan berikut ini: -1,00 ≤ r ≤ -0,80 berarti korelasi kuat secara negatif -0,79 ≤ r ≤ -0,50 berarti korelasi sedang secara negatif -0,49 ≤ r ≤

0,49 berarti berkorelasi lemah

0,50 ≤ r ≤ 0,79 be rarti berkorelasi sedang secara positif 0,80 ≤ r ≤ 1,00 berarti berkorelasi berkor elasi kuat secara positif.

BAB 3

GAMBARAN UMUM BADAN PUSAT STATISTIK

3.1 Visi dan Misi Badan Pusat Statistik Provinsi Sumatera Utara

3.1.1

Visi Badan Pusat Statistik

Badan Pusat Statistik mempunyai visi menjadikan informasi statistik sebagai tulang punggung punggung informasi pembangunan nasional dan regional, didukung Sumber Daya Manusia yang berkualitas, ilmu pengetahuan dan teknologi informasi yang mutakhir.

3.1.2

Misi Badan Pusat Statistik

Dalam menunjuk pembangunan nasional Badan Pusat Statistik mengemban misi mengarahkan pembangunan statistik pada penyediaan data statistik yang bermutu, handal, efektif dan efisien, peningkatan kesadaran masyarakat akan arti dan kegunaan statistik serta pengembanan pengembanan ilmu pengetahuan statistik.

3.3 Struktur Organisasi Badan Pusat Statistik Propinsi Sumatera Utara

Setiap perusahaan baik perusahaan pemerintah maupun swasta mempunyai struktur organisasi, karena perusahaan juga merupakan organisasi.Dimana organisasi adalah suatu sistem dari aktivitas kerjasama yang terorganisir, yang dilaksanakan oleh sejumlah orang untuk mencapai tujuan bersama.

Dalam struktur organisasi ditetapkan tugas-tugas, wewenang dan tanggung jawab setiap orang dalam mencapai tujuan yang telah ditetapkan serta bagaimana hubungannya yang satu dengan yang lain.

Dengan adanya struktur organisasi perusahaan yang baik, maka dapat diketahui pembagian tugas antara para pegawai dalam rangka pencapaian tujuan. Adapun struktur organisasi yang dipakai oleh Badan Pusat Statistik Provinsi Sumatera Utara adalah berbentuk Lini dan staff. 1. Bagian Tata Usaha/Kepegawaian 2. Bidang Statistik Produksi 3. Bidang Statistik Distribusi 4. Bidang Statistik Kependudukan 5. Bidang Pengolahan, Penyajian dan Pelayanan Statistik 6. Bidang Neraca Wilayah dan Analisis Statistik

3.4 Job Description Description

Dalam menjalankan suatu organisasi maka diperlukan personal-personal jabatan tertentu dalam organisasi tersebut di mana masing-masing diberi tugas dan fungsi job description atau pembagian kerja. Kepala kantor dibantu bagian tata usaha yang terdiri dari : 1. Sub Bagian Urusan Dalam 2. Sub Bagian Perlengkapan 3. Sub Bagian Keuangan 4. Sub Bagian Kepegawaian 5. Sub Bagian Bina Program

Sedangkan bidang penunjang statistik ada 5 bidang, yaitu:

1. Bidang Statistik Produksi Bidang Statistik Produksi mempunyai tugas untuk melaksanakan kegiatan statistik pertanian, industri serta stat istik konstruksi pertambangan pertambangan dan energi. 2. Bidang Statistik Distribusi Bidang Statistik Distribusi mempunyai tugas untuk melaksanakan kegiatan statistik konsumen dan perdagangan besar, statistik keuangan dan harga produsen serta Statistik Kesejahteraan. 3. Bidang Statistik Sosial Bidang Statistik Kependudukan mempunyai tugas untuk melaksanakan kegiatanstatistik demografi dan rumah tangga, statistik ketenaga kerjaa n.

4. Bidang Integrasi Pengolahan dan Distribusi Sosial Bidang Statistik Pengolahan Data mempunyai tugas yaitu melaksanakan kegiatan dan penyiapan data, penyusunan sistem dan program serta operasional pengolahan data dengan komputer. komputer. 5. Bidang Neraca Wilayah dan Analisis Statistik Bidang Neraca Wilayah dan Analisis Statistik mempunyai tugas yaitu melaksanakan kegiatan penyusunan neraca produksi, neraca konsumen dan akumulasi penyajian analisis serta kegiatan penerapan statistik.

BAB 4

HASIL DAN PEMBAHASAN

4.1 Data

Data yang diambil dari Kantor Badan Pusat Statistik Sumatera Utara adalah data komponen Indeks Pembangunan Manusia menurut kabupaten/kota pada t ahun 2012.

Tabel 4.1 Komponen Indeks Pembangunan Manusia (IPM) Menurut Kabupaten/Kota di Provinsi Sumatera Utara

N o

Kabupaten / Kota

Angka Harapan Hidup

Angka Melek Huruf

Rata-rata Lama Bersekolah

IPM

1

Nias

69,77

90,78

6,42

69,09

2

Mandailing Natal

63,70

99,34

7,92

71,04

3

Tapanuli Selatan

67,34

99,83

8,95

74,45

4

Tapanuli Tengah

68,26

95,82

8,15

71,63

5

Tapanuli Utara

70,02

98,60

8,97

74,86

6

Toba Samosir

70,75

98,49

9,85

76,93

7

LabuhanBatu LabuhanBat u

70,02

97,96

8,55 8 ,55

74,65

8

Asahan

69,13

97,70

7,92

73,25

9

Simalungun Simalungu n

69,08

97,57

8,71

73,94

10

Dairi

68,59

98,70

8,91

73,49

11

Karo

72,29

98,72

9,22

75,79

12

Deli Serdang

70,88

98,64

9,56

75,78

13

Langkat

69,12

97,27

8,78

73,62

14

Nias Selatan

70,36

85,28

6,40

67,72

15

HumbangHasundutan HumbangHasu ndutan

67,96

98,22

9,31

72,43

16

Pakpak Bharat

67,81

96,53

8,22

71,20

17

Samosir

69,84

97,47

9,54

74,27

18

SerdangBedagai

69,08

97,80

8,65

73,64

19

Batu Bara

68,71

95,27

7,54

72,08

20

Padang Lawas Utara

66,62

99,53

8,89

73,25

21

Padang Lawas

67,09

99,66

8,40

72,55

22

Labuhanbatu Selatan

70,23

98,93

8,24

74,38

23

Labuhanbatu Labuhanbat u Utara

69,97

98,53

8,01

74,14

24

Nias Utara

69,24

89,30

6,13

68,18

25

Nias Barat

69,23

84,46

5,88

67,10

26

Sibolga

70,29

99,31

9,72

75,50

27

Tanjungbalai

70,76

99,02

8,89

74,72

28

Pematangsiantar

72,29

99,47

10,89

77,93

29

TebingTinggi TebingT inggi

71,47

99,02

9,90

76,91

30

Medan

72,06

99,38

10,86

77,81

31

Binjai

71,89

99,20

9,99

76,88

32

Padangsidimpuan Padangs idimpuan

69,72

99,72

10,21

75,58

33

Gunungsitoli Gunungsito li

70,29

94,86

8,45

72,21

Sumber : BPS, SurveiSosialEkonomiN SurveiSosialEkonomiNasional asional

Dari tabeltersebut, maka :

Y

= IPM (Indeks Pembangunan Manusia)

X1 = Angka Angka HarapanHidup X2 = Angka Angka Melek Huruf X3 = Rata-rata Lama Bersekolah

Model diagram jalur berdasarkan paradigma hubungan hubungan variabel :

X1 HarapanHidup

X2 MelekHuruf

IPM

X3Rata-rata lama sekolah

Gambar 4.1 Model diagram jalur berdasarkan paradigma

Diagram jalur tersebut terdiri atas satu persamaan struktural dengan hanya satu substuktur, yaitu X 1, X2, X3 disebut sebagai sebagai variabel eksogen

dengan Y sebagai

variabel endogen dengan persamaan stuktural sebagai berikut :

Y = ρyx1 X1 + ρyx2X2 + ρyx3 X3 + ε

Keterangan :

1.

X1 = Angka Angka Harapan Harapan Hidup (variabel bebas)

2.

X2 = AngkaMelekHuruf AngkaMelekHuruf (variabel bebas)

3.

X3 = Rata-rata Lama Lama Bersekolah (variabel bebas)

4.

Y

=Indeks Pembangunan Manusia (variabel terikat)

Diagram jalurnya sebagai berikut :

X1 rx1x2 rx1x3

ρ yx1 X1

ε

X2 ε ρyx2X2

rx2 x3

ρyx3 X3

X3

Gambar 4.2 Diagram jalur

Y

Keterangan :

a.

X1 sebagai variabel bebas harapan harapa n hidup

b.

X2 sebagai variabel bebas melek huruf

c.

X3 sebagai variabel bebas rata-rata lama bersekolah

d.

Y sebagai variabel terikat

Diagram jalur tersebut terdiri atas satu persamaan struktural dengan hanya satu substruktur, yaitu X 1, X2, X3disebut sebagai variabel eksogen dengan Y sebagai variabel endogen dengan persamaan struktural sebagai berikut :

Y = ρ yx1 X1 + ρ yx2 X2 + ρ yx3 X3 + ε

4.1.1 Menganalisis Menganalisi s Data Menggunakan Program Amos Versi 18

Untuk menganalisis menggunakan Amos Amos Versi Vers i 18, terdapat t erdapat tahapan sebagai berikut:

1.

Menampilkan gambar dengan tampilan angka hasil analisis

Progr am Amos Amos Versi Vers i 18  Buka Program Amos Graphics Graphics  Pilih Amos  Gambar struktur model pada drawing drawing area

 Input data dengan klik file kemudian pilih data dengan klik file name

kemudian klik OK Amos  Klik Analyse pada menu Amos  Pilih Calculate Estimates Estimates (Ctrl + F9) F9)  Save Path Diagram

Diagram  Klik View the Output Path Diagram

2.

Melakukan pengujian data

Setelah model dan file data dimasukkan, proses selanjutnya adalah melakukan proses pengujian data. Untuk persiapan output maka langkah-langkahnya langkah-langkahnya adalah sebagai berikut:

 Buka menu View

Analysis Properties (muncul Kotak Dialog Dialog Analysis Analysis Properties)  Pilih Analysis output dan beri tanda centang semua tab output  Klik tab output  Tutup kotak dialog dialog dengan dengan klik tombol close close  Untuk proses, jalankan jalankan menu Analyse Analyse dan pilih Calculate Calculate Estimates  Tampilan output dengan dengan buka menu menu view dan pilih text output

4.2 Menafsirkan Menafsirkan Hasil Analisis Data

4.2.1 Analisis Regresi

Kita akan menganalisis regresi dengan melihat pengaruh secara gabungan dan secara parsial.

a. Melihat pengaruh pengaruh Angka Harapan Hidup, Angka Angka Melek Huruf, dan Rata-rata Lama Bersekolah secara gabungan gabungan terhadap IPM. IPM.

Untuk melihat pengaruh harapan hidup, angka melek huruf, dan rata-rata lama bersekolah terhadap IPM secara gabungan, akan kita lihat hasil perhitungan dalam model Squared Multiple Correlations, Correlations, khususnya angka R square di bawah ini:

Squared Multiple Correlations : (Group number 1 – Default Default model)

Estimate ,966

IPM

2 Besarnya angka estimate dalam hal ini merupakan angka R square (r ) adalah 0,966. Angka tersebut dapat digunakan untuk melihat besarnya pengaruh pendidikan, kesehatan, dan

ketenagaker kete nagakerjaan jaan

terhadap terha dap

IPM

Kabupaten Kabupate n

Asahan Asahan dengan cara menghitung menghit ung

Koefisien Determinasi (KD) dengan menggunakan rumus sebagai berikut: 2 Koefisien Determinasi (KD) = r x 100 % = 0,966 x 100 % = 96,6 %

Angka tersebut mempunyai maksud bahwa pengaruh harapan hidup, angka melek huruf, dan rata-rata lama bersekolah secara gabungan terhadap IPM adalah 96,6 %. Adapun sisanya sebesar 3,4 % (100 % - 96,6 %) dipengaruhi oleh faktor lain. Dengan kata lain variabilitas IPM IPM yang yang dapat diterangkan diterangkan dengan

menggunakan menggunakan variabel variabel angka harapan

hidup, angka melek huruf, dan rata-rata lama bersekolah adalah sebesar 96,6 %, sedangkan pengaruh 3,4 % disebabkan oleh variabel-variabel lain di luar model ini. Untuk mengetahui mengetahui apakah model regresi di atas sudah benar atau salah, diperlukan uji hipotesis menggunakan menggunakan uji signifikansi s ignifikansi sebagaimana tertera dalam tabel di bawah ini:

Covariances : (Group number 1 – Default Default model)

Estimate

S.E.

C.R.

P

Label

Angka_Harapan_Hidup Angka_Harapan_Hidup

<-->

Angka_Melek_Huruf Angka_Melek_Huruf

-,074

1,196

-,062

,951

par_4


<-->

Rata_rata_Lama_Bersekolah Rata_rata_Lama_Bersekolah

3,764

1,061

3,549

***

par_5


<-->


,806

,402

2,003

,045

par_6

Angka Angka est imate pada output di atas at as menunjukkan kovarian ant ar variabel terikat (endogenus) dengan variabel bebasnya (eksogenus). Untuk mengetahui hal tersebut, dapat dilakukan pengujian hipotesis seperti pada pengujian ada tidaknya hubungan antara dua variabel tertentu.

Kaidah pengujian signifikansi Program Amos 18 sebagai berikut: 

Jika nilai nilai probabilitas probabilitas 0,05 lebih lebih kecil atau sama dengan nilai probabilitas sig atau

[0,05 ≤ Sig], maka H o diterima dan H1 ditolak yang artinya tidak signifikan.  Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas sig atau [0,05

≥

Sig],

maka

Ho

ditolak dan H1

diterima yang artinya signifikan.

Dari tabel kovarian di atas, nilai probabilitas lebih besar dari 0,05, bahkan mencapai angka sempurna yakni mendekati 1. Jika diberikan hipotesis seperti berikut:

 Ho

:

tidak ada hubungan yang nyata (signifikan) antara a ntara angka harapan hidup,

angka melek huruf, dan rata-rata rata-r ata lama bersekolah terhadap t erhadap IPM

 H1

:

ada hubungan hubungan yang yang nyata (signifikan) antara antara angka harapan hidup, angka

melek huruf, dan rata-rata lama bersekolah terhadap t erhadap IPM

Maka, dari pernyataan di atas, Ho ditolak dan H1 diterima sehingga ada hubungan yang nyata (signifikan) antara angka harapan hidup, angka melek huruf, dan rata-rata lama bersekolah terhadap indeks indeks pembangunan manusia. manusia.

a. Melihat pengaruh pengaruh angka harapan hidup, angka melek huruf, dan rata-rata rata-r ata lama lama bersekolah secara parsial terhadap IPM.

Untuk melihat pengaruh angka harapan hidup, angka melek huruf, dan rata-rata lama bersekolah terhadap IPM secara parsial, akan kita lihat hasil perhitungan dalam model Regression Weights: Weights: Group number 1 – default default model :

Regressions Weights : (Group number 1 – Default Default model)

Estimate

S.E. S.E.

C.R. C.R.

P

Label Label

IPM <---


,573

,067

8,583 *** par_1

IPM <---


,387

,048

8,145 *** par_2

IPM <---

Rata_rata_Lama_Bersekolah

,780

,163

4,781 *** par_3

Proses: Perumusan Hipotesis  Ho

:

Tidak ada hubungan hubungan yang nyata (signifikan) antara angka harapan

hidup, angka melek huruf, dan rata-rata rata- rata lama bersekolah terhadap IPM.

 H1

:

Ada hubungan hubungan yang nyata (signifikan) antara antara angka angka harapan hidup, angka

melek huruf, dan rata-rata lama bersekolah terhadap t erhadap IPM.

Dalam hal ini semua hubungan , jika ada dan nyata, adalah positif. Dalam arti semakin tinggi angka harapan hidup justru mengakibatkan semakin rendah angka melek huruf. Hal ini penting, karena jika hubungan dinyatakan signifikan, namun mempunyai tanda negatif, seharusnya hasil tersebut ditolak, karena tidak sesuai dengan hipotesis teoritis.

Dasar keputusan: Jika nilai probability (P) > 0,05 H o diterima. Jika nilai probability (P) < 0,05 H o ditolak.

Keputusan : Pada kolom P terlihat nilai P adalah ***. Hal ini menunjukkan angka P adalah 0,000, yang jauh di bawah 0,05. Karena itu Ho ditolak, atau pada pengujian nilai estimate antara IPM dengan ketiga variabel di atas dikatakan memang terdapat hubungan yang nyata diantara keduanya.

Untuk melengkapi hasil analisis di atas, berikut disertakan tampilan estimate yang sudah distandarisasi.

Standardized Regression Weights : (Group number 1 – Default Default model)

Estimate IPM <---


,371

IPM <---


,550

IPM <---


,349

Jika tabel terdahulu menguji menguji signifikan atau tidak hubungan hubungan dua dua variabel, maka tabel ini menjelaskan seberapa eratnya hubungan tersebut. Namun karena pada uji signifikansi sudah terbukti ada hubungan yang nyata, maka tidak per lu analisis analisis lanjutkan. lan jutkan.

4.2.2 Analisis Korelasi

Analisis

korelasi

antar

variabel angka harapan hidup, angka melek huruf, dan rata-

rata lama bersekolah pada hasil output berikut ini: Covariances : (Group number 1 – Default Default model)

Estimate

S.E.

C.R. C.R.

P

Label Label


<-->


-,074

1,196

-,062

,951

par_4


<-->


3,764

1,061

3,549

***

par_5


<-->


,806

,402

2,003

,045

par_6

Analisis hubungan antar variabel bebas (eksogen) : Hipotesis yang diajukan Ho

: tidak ada hubungan antar dua variabel eksogen (bebas)

H1

: ada hubungan antar dua variabel eksogen (bebas)

Dasar keputusan: Jika nilai probability (P) > 0,05 H o diterima Jika nilai probability (P) < 0,05 H o ditolak

Kovarians adalah hubungan hubungan dua variabel yang yang bersifat dua

arah berbeda (berbeda

dengan regression weights weights yang bersifat searah). Pada model ada beberapa kovarians, yang menunjukkan hubungan antara masing-masing variabel bebas (eksogenus). Pada kolom P terlihat semua angka probability yakni P (0,951 ; 0,000 ; 0,045). Hal ini berarti ada hubungan hubungan antara variabel angka melek huruf terhadap rata-rata lama bersekolah dan ada hubungan hubungan antara variabel angka harapan hidup dengan rata-rata rata -rata lama bersekolah.

Correlations : (Group number 1 – Default Default model)

Estimate Angka_Harapan_Hidup Angka_Harapan_Hidup <-->


-,011


<-->


,806

Angka_Harapan_Hidup Angka_Harapan_Hidup <-->


,379

Dari hasil korelasi data di atas nilai estimate bernilai negatif. Hal ini berarti telah terlihat jelas bahwa tidak ada korelasi (hubungan) antara dua variabel bebas (eksogenus).

Penjelasan selanjutnya sebagai berikut:

 Korelasi antara Angka Harapan Hidup dan Angka Melek Huruf

rx1x2 = -0,011 Berdasarkan perhitungan diperoleh nilai korelasi antar variabel angka harapan hdiup dan angka melek huruf sebesar -0,011 yang berarti bahwa hubungan antara angka harapan hidup dan angka melek huruf adalah negatif sempurna dan tak searah.

 Korelasi antara Angka Melek Huruf dengan Rata-rata Lama Bersekolah

rx2x3 = 0,806 Berdasarkan perhitungan diperoleh nilai korelasi antara variabel angka melek huruf dan rata-rata lama bersekolah sebesar 0,806 yang berarti bahwa hubungan antara angka melek huruf dan rata-rata rata-rat a lama bersekolah adalah kuat dan searah.

 Korelasi antara antar a Angka Harapan Hidup dengan Rata-rata Lama Bersekolah

rx1x3 = 0,379 Berdasarkan perhitungan diperoleh nilai korelasi antara variabel angka harapan hidup dan rata-rata lama bersekolah sebesar 0,379 yang berarti bahwa hubungan antara angka harapan hidup dengan dengan rata-rata lama bersekolah adalah lemah lemah dan dan searah.

Implied(for all variabels) Correlations (Group number 1 – Default Default model)

Rata_rata_Lama_ Bersekolah

Rata_rata_

Angka_

Angka_

Lama_

Melek_

Harapan_

Bersekolah

Huruf

Hidup

1,000


,806

1,000


,436

,044

1,000

4,072

7,704

8,104

IPM

IPM

1,000

Besarnya nilai korelasi antara variabel terikat (endogenus) dengan variabel bebas (eksogenus) antara lain:



Korelasi antara anta ra Angka Harapan Hidup dengan IPM

rx1 y = 8,104 Berdasarkan perhitungan diperoleh nilai korelasi antara variabel angka harapan hidup dan IPM sebesar 8,104 yang berarti bahwa hubungan antara angka harapan hidup dan IPM adalah sangat sangat kuat dan searah.



Korelasi antara Angka Melek Huruf dengan IPM

rx2 y = 7,704 Berdasarkan perhitungan diperoleh nilai korelasi antara variabel angka melek huruf dan IPM sebesar 7,704 yang berarti bahwa hubungan antara angka melek huruf dan IPM adalah sangat kuat dan searah.



Korelasi antara a ntara Rata-rata Rata-rat a Lama Bersekolah dengan IPM

rx3 y = 4,072

Berdasarkan perhitungan diperoleh nilai korelasi antara variabel rata-rata lama bersekolah dan IPM sebesar 4,072 yang berarti bahwa hubungan antara rata-rata lama bersekolah dan IPM adalah sangat kuat dan searah.

4.3 Perhitungan Pengaruh

ct) 4.3.1 Pengaruh Langsung (D ir ect Eff ect)

Pengaruh langsung ( Direct Effect) Effect) adalah Besarnya pengaruh langsung yang dapat dilihat dari koefesien jalur dari satu variabel ke variabel lainnya. Untuk menghitung menghitung besarnya pengaruh langsung dalam presentase (%) yaitu dengan cara mengkuadratkan koefisien jalurnya. Besarnya

pengaruh

langsung

variabel

eksogenus

terhadap

variabel

endogenus = Pxux1 X Pxux1. Dalam hal ini variabel angka harapan hidup secara langsung mempengaruhi IPM sehingga besar pengaruh langsung dapat dihitung dengan menggunakan rumus Pxux1 X Pxux1. Variabel angka melek huruf mempengaruhi IPM secara langsung langsung sehingga sehingga besar pengaruh langsung IPM dengan angka melek huruf dapat dihitung dengan menggunakan menggunakan rumus Pxux2 X Px ux2 dan untuk menghitung besarnya pengaruh langsung variabel rata-rata lama bersekolah terhadap IPM adalah Pxux3 X Pxux3.

Hasil outputnya outputnya dapat dilihat sebagai sebagai berikut :

Direct Effects (Group number 1 – Default Default model)

IPM

Rata_rata_Lama_ Bersekolah ,780

Angka_Melek_ Huruf ,387

Angka_Harapan_ Hidup ,573

 Besarnya pengaruh langsung variabel Angka Harapan Hidup terhadap IPM

X1

Y = 0,573

Hal itu menunjukkan menunjukka n besarnya kontribusi kontr ibusi angka harapan harapa n hidup (X 1) yang secara langsung mempengaruhi IPM (Y) adalah 0,573 2 = 0,3283 atau 32,83 %. Artinya bahwa angka harapan harapan hidup secara secara langsung mempengaruhi mempengaruhi angka IPM sebesar 32,83 % dan sisanya dipengaruhi secara langsug oleh variabel yang lain.  Pengaruh variabel Angka Melek Huruf terhadap IPM

X2

Y = 0,387

Hal itu menunjukkan besarnya kontribusi angka melek huruf (X 2) yang secara langsung mempengaruhi IPM (Y) adalah 0,387

2

= 0,1498 atau 14,98 %. Artinya Artinya bahwa bahwa angka angka

harapan hidup secara langsung mempengaruhi mempengaruhi angka IPM sebesar 14,98 % dan sisanya sisanya dipengaruhi oleh variabel yang lain.

 Pengaruh variabel Rata-rata Lama Bersekolah terhadap IPM

X3

Y = 0,780

Hal itu menunjukkan besarnya kontribusi ketenagakerjaan (X 3) yang secara langsung 2 mempengaruhi IPM (Y) adalah 0,780 = 0,6084 atau 60,84 %.

Artinya bahwa bahwa angka harapan hidup secara secara langsung mempengaruhi mempengaruhi angka IPM sebesar 14,98 % dan sisanya dipengaruhi oleh variabel yang lain. Sedangkan nilai standarisasi dapat dilihat pada hasil output berikut ini: Standardized Direct Effects (Group number 1 – Default Default model)

IPM




4.3.2 Pengaruh Tidak Tida k Langsung (Indirect (Indirect Effects)

Pengaruh tidak langsung ( Indirect Effect) dapat didefenisikan sebagai urutan jalur melalui satu atau atau lebih lebih variabel perantara. Untuk menghitung pengaruh tak langsung (indirect effect) digunakan formula sebagai berikut: Besarnya pengaruh tidak langsung variabel eksogenus terhadap variabel endogenus = pxuxi x rx1x2 x pxuxi. Hasil outputnya dapat dilihat sebagai berikut :

Indirect Effects (Group number 1 – Default Default model)

IPM




Dari tabel di atas terlihat bahwa data tersebut tidak memiliki pengaruh secara tak langsung karena merupakan model model satu jalur, jalur, dimana dimana hanya hanya mempunyai pengaruh pengaruh langsung langsung saja.

Sedangkan nilai standarisasi dapat dilihat pada hasil output berikut ini:

Standardized Indirects Effects (Group number 1 – Default Default model)

IPM




Besarnya pengaruh total variabel eksogenus terhadap variabel endogenus adalah penjumlahan besarnya besarnya pengaruh langsung dengan besarnya pengaruh tidak langsung = [pxuxi x pxuxi] + [pxux x rx1x2] Hasil outputnya adalah sebagai berikut :

Total Effects (Group number 1 – Default Default model)

IPM




Sedangkan nilai standarisasi dapat dilihat pada hasil output berikut ini:

Standardized Total Effects (Group number 1 – Default Default model)

IPM




BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam sistem yang telah disetujui, dan memulai sistem baru atau sistem yang sudah diperbaiki.

5.2 Sekilas Tentang Amos Versi 18

Ada beberapa program komputer yang dapat digunakan untuk menganalisis model persamaan struktural antara lain AMOS, ESQ, LISREL, with PRELIS, LISCOMP Mx, SASS PROC CALIS, STATISTICA-SEPATH. Program AMOS memiliki kelebihan karena user friendly graphical interface. interface. Program ini di buat oleh perusahaan Smallwaters Corporation da versi untuk student dapat diperoleh secara gratis di http://www.smallwaters.com/ versi student sebenarnya lengkap seperti haknya full version, tetapi jumlah variabel hanya dibatasi sampai delapan variabel saja.

Pada saat ini AMOS sudah mencapai AMOS 18, namun demikian, semua data dan output pada buku (yang dibuat menggunakan AMOS 18) dapat diakses dengan program AMOS versi-versi versi- versi sebelumnya, yakni AMOS 4, AMOS 5, AMOS 6, AMOS 7, AMOS 16, maupun AMOS 17. Mulai dari AMOS versi 7, bersamaan dengan rilis versi terbaru SPSS, yakni SPSS versi 16. Ada lompatan versi AMOS, dari AMOS 7 ke AMOS 16, yang disebabkan adanya keinginan untuk menyamakan versi AMOS dengan SPSS terbaru. Namun dari sisi content dan future, future, antara AMOS 16 dan AMOS 7, kemudian dengan AMOS 17 dan AMOS 18, hampir tidak ada perubahan, kecuali adanya kemampuan mixed modeling yang ada pada versi 16, konversi ke program Visual Basic. Dan beberapa beberapa tambahan kemampuan pembuatan pembuatan diagram.

Untuk dapat menggunakan AMOS 18, diperlukan persyaratan hardware sebagai berikut: 1. Memori RAM minimal 256 MB 2. Tersedia tempat kosong di Hard disk disk minimal minimal 125 MB 3. Tersedia Software Internet Internet Eksplorer Versi Versi 16 ke atas 4. Tersedia program net.Framework versi 3,5 atau di atasnya. Jika sistem sistem operasi yang digunakan adalah Windows Vista atau Windows 7, program tersebut pada

umumnya umumnya

telah

(www.microsoft.com) (www.microsoft.com)

terinstal,

dapat

mengunduhnya mengunduhnya

lewat

internet internet

5.3 Mengaktifkan Amos Versi 18

Program Amos dapat diaktifkan langsung lewat icon AMOS yang ada di layar, atau lewat Start

All Program

SPSS Inc

AMOS 18

AMOS GRAPHICS.

Saat membuka program AMOS, akan tampak ta mpilan berikut.

Gambar 5.1 Tampilan Awal AMOS Versi 18

Tampak di tengah windows adalah area berbentuk segi empat yang menggambarkan selembar kertas yang nanti akan digunakan untuk menggambarkan model struktural secara grafik. Disamping itu, ada beberapa menu antara lain file, edit, view, diagram, analysis, tool plugin, dan help. Disamping tampilan window utama Amos Graphic, Amos juga menampilkan toolbox windows dengan button perintah yang akan digunakan untuk menggambarkan dan operasi pemodelan.

5.4 Membuka Lembar Baru

Untuk membuka lembaran baru, maka langkah yang harus dilakukan adalah klik icon file

new, maka akan tampil lembaran kosong yang siap untuk dibuat gambar grafik

analisis.

5.5 Membuat Gambar Path Diagram

Gambarkan diagram path dengan menggunakan menu dalam program Amos Amos Versi Vers i 18

Gambar 5.2 Path Diagram

5.6 Pengisian Data

Setelah membuat gambar model diagram jalurnya, kemudian lakukan pengisian data yang akan diolah dengan menggunakan menggunakan Amos 18, yakni dengan cara sebagai berikut:

Gambar 5.3 Pengisian Data

Gambar 5.4 Pngisian Data pada Data F il e

5.7 Pengolahan Data Dengan Analisis Jalur

Data diolah diolah dengan menggunakan menggunakan icon View

Analysis Analysis Propertice yang kemudian

akan menampilkan tampilan sebagai berikut:

Gambar 5.5 Pengolahan Data

Gambar 5.6 Pengisisan Data pada kotak Analysis Properties

Kemudian dilakukan pengolahan data dengan cara klik icon Analysis Estimate, dengan tampilan sebagai berikut:

Esti mate Gambar 5.7 Tampilan Pemasukan pada Calcul ate Esti

Calculate

5.8 Output Hasil Pengolahan Data

Dari hasil analisis dapat dilihat output model sebagai berikut:

Gambar 5.8 Tampilan Jendela untuk melihat hasil Output

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpula K esimpulan n

Berdasarkan hasil analisis yang telah dilakukan maka dapat diambil beberapa kesimpulan yaitu : 1. Variabel angka harapan hidup, angka melek huruf dan rata-rata lama bersekolah memiliki hubungan yang linier dengan masing-masing besar pengaruh yaitu pengaruh angka harapan hidup terhadap indeks pembangunan manusia sebesar 0,573 ; pengaruh angka melek huruf terhadap indeks pembangunan pembangunan manusia sebesar 0,387 ; pengaruh rata-rata rata- rata lama bersekolah terhadap angka indeks pembangunan manusia 0,780. 2. Pengaruh angka harapan hidup, angka melek huruf dan rata-rata lama bersekolah secara gabungan terhadap indeks pembangunan manusia adalah 96,6 %. 3. Variabel angka melek huruf, angka harapan hidup, dan rata-rata lama bersekolah memiliki korelasi yang sedang dan searah terhadap indeks pembangunan pembangunan manusia.

6.2 Saran

Adapun saran yang dapat diberikan oleh penulis ada lah : 1. Adanya tindak lanjut dari pemerintah Provinsi Sumatera Utara dalam usaha peningkatan pendidikan dan kesehatan masyarakat dalam memaksimalkan program pembangunan pembangunan manusia. 2. Adanya perhatian khusus pemerintah Provinsi Sumatera Utara dalam perubahan keragaman data yang menggambarkan Indeks Pembangunan Manusia yang mengalami peningkatan maupun penurunan setiap tahunnya. 3. Meskipun sudah di dapat indikator yang merumuskan angka Indeks Pembangunan Manusia (IPM), terlebih dahulu kita perlu menguji seberapa besar pengaruh masing-masing indikator sehingga sehingga hasil perhitungan per hitungan maksimal dan dapat dipertanggungjawabkan.

DAFTAR PUSTAKA

Algifari. 2000. Analisa Regresi Teori Kasus dan Solusi. Solusi . Edisi Kedua. Yogyakarta : BPFE. Anton, Dajan. 1972. Pengantar 1972. Pengantar Metode Statistik . Jakarta : LP3ES. Drafer, N.R dan Smith H. 1992. Analisis Regresi R egresi Terapan. Terapan. Edisi Kedua. Jakarta : PT. Gramedia Pustaka Umum. Ghozali, Imam. 2004. Model Persamaan Struktural Konsep dan Aplikasi dengan Program SPSS ver.17 ver.17 . Semarang : Andi. Hasan, Ikbal. 2003. Pokok-pokok 2003. Pokok-pokok Materi Statistik 2. 2. Jakarta: Bumi Aksara. Riduwan. 2007. Cara menggunakan dan Memaknai Analisis Jalur. Bandung : Alfabeta. Santoso, Singgih. 2011. Structural Equation Modeling (SEM) Konsep dan Aplikasi dengan Program AMOS 18 . Jakarta : PT. Elex Media Komputindo. Sarwono, Jonathan. 2007. Analisis 2007. Analisis Jalur untuk Riset Bisnis dengan SPSS. Yogyakarta : C.V.Andi Sudjana. 2005. Metode 2005. Metode Statistika. Bandung Bandung : Tarsito. Suharjo, Bambang. 2008. Analisis Regresi Terapan dengan SPSS. Yogyakarta : Graha Ilmu. Suliyanto. 2006. Metode 2006. Metode Riset Bisnis. Bisnis. Yogyakarta : Andi.

APLIKASI ANALISIS JALUR DALAM MENGANALISIS ANGKA INDEKS PEMBANGUNAN MANUSIA (IPM) DI SUMATERA UTARA TAHUN 2012

Recommend Documents