PENELITIAN KECILPL 2205 METODE ANALISIS PERENCANAAN II

FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIADI JAWA TIMUR TAHUN 2008

Oleh :Ervan Sugiana (15410040)

PROGRAM STUDI PERENCANAAN WILAYAH DAN KOTASEKOLAH ARSITEKTUR, PERENCANAAN, DAN PENGEMBANGAN KEBIJAKANINSTITUT TEKNOLOGI BANDUNG2012

Latar BelakangIPM merupakan indeks yang dihitung sebagai rata-rata sederhana dari indeks harapan hidup, indeks pendidikan, dan indeks standar hidup layak. ). Usia hidup diukur dengan angka harapan hidup, komponen pengetahuan diukur dengan angka melek huruf dan rata-rata lama sekolah yang dihitung berdasarkan data Susenas, dan komponen standar hidup layak diukur dengan indikator rata-rata konsumsi riil yang telah disesuaikan. Indeks Pembangunan Manusia (IPM) adalah hal yang menjadi ukuran kualitas hidup suatu wilayah, atau pada tingkatan yang lebih luas hingga tingkatan negara. Hal ini disebabkan oleh angka IPM yang berasal dari perhitungan tingkat pendidikan, tingkat kesehatan, dan ekonomi, yang ketiga unsur inilah yang merupakan pilar-pilar penting dalam pembangunan kualitas manusia. Semakin tinggi angka IPM suatu wilayah, maka bisa disimpulkan bahwa di wilayah tersebut sektor pendidikan, sektor kesehatan, dan/atau sektor ekonominya ada dalam kondisi yang baik.

TujuanTujuan dari penelitian ini adalah untuk mengetahui faktor-faktor apa saja yang paling mempengaruhi IPM di Jawa Timur tahun 2008, serta seberapa besar pengaruh dari faktor tersebut terhadap IPM.

MetodeMetode yang digunakan dalam penelitian ini mencakup dua hal, yaitu metoda pengumpulan dan analisis data. Metoda pengumpulan data berupa survey sekunder yaitu mencari data dari internet (buku Jawa Timur dalam Angka 2009 dan skripsi tentang IPM). Sedangkan metode penelitian adalah regresi linear berganda, dengan perangkat lunak SPSS.

AnalisisBerdasarkan data yang didapat dari buku Jawa Timur dalam Angka Tahun 2009, didapatkan data-data kota/kabupaten di Jawa Timur pada tahun 2008. Variabel-variabel yang digunakan dalam analisis ini adalah Luas kota/kabupaten, jumlah kecamatan, jumlah sekolah taman kanan-kanan negeri & swasta, jumlah sekolah dasar negeri &swasta, jumlah sekolah menegah pertama negeri & swasta, jumlah sekolah menengah umum negeri & swasta, jumlah sekolah menengah kejuruan negeri & swasta, jumlah rumah sakit umum, dan jumlah rumah sakit swasta. Variabel-variabel tersebut dapat dikategorikan ke dalam infrastruktur pendidikan jumlah sekolah), infrastruktur kesehatan (jumlah rumah sakit), serta administratif (jumlha kecamatan dan luas wilayah)Sembilan variabel tersebut dimasukkan ke dalam SPSS sebagai variabel independen dan IPM kota/kabupaten sebagai variabel dependen.Dari tabel correlation yang terbentuk dalam SPSS, terdapat angka yang menjelaskan kolerasi masing-masing variabel dengan variabel lainnya. Nilai kolerasi yang berjumlah > 0,5 menunjukkan bahwa terdapat kolerasi yang kuat antar variabel. Nilai kolerasi yang paling besar adalah antara IPM dengan jumlah rumah sakit swasta, yaitu 0,563. Berdasarkan kolerasi ini dapat diketahui bahwa variabel IPM paling dipengaruhi olrh variabel jumlah rumah sakit umum swasta, sekolah dasar negeri & swasta, dan jumlah sekolah taman kanak-kanak negeri & swasta.Model Summaryd

ModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsDurbin-Watson

R Square ChangeF Changedf1df2Sig. F Change

1.563.317.2984.41276.31716.673136.000

2.751.564.5393.57445.24719.866135.000

3.809.654.6243.22937.0908.880134.0051.322

Sumber: output SPSS, 2012

Tabel di atas menunjukkan jumlah variabel predictor yang terbentuk, serta menginformasikan seberapa besar variabel predictor tersebut menjelaskan variabel dependen. Model yang dipakai adalah model ketiga, sebab nilai adjusted R Squared pada tabel ketiga adalah yang paling besar, 0,624; sedangkan pada model satu sebesar 0,298; dan model kedua 0,539; sehingga model ketigalah yang paling mewakili variabel dependen.Coefficientsa

ModelUnstandardized CoefficientsStandardized CoefficientstSig.Collinearity Statistics

BStd. ErrorBetaToleranceVIF

1(Constant)65.926.91971.726.000

Rumah Sakit Umum Swasta.481.118.5634.083.0001.0001.000

2(Constant)70.7561.31553.815.000

Rumah Sakit Umum Swasta.579.098.6775.911.000.9501.053

Sekolah Sekolah Dasar Negeri & Swasta-.010.002-.510-4.457.000.9501.053

3(Constant)71.3501.20459.237.000

Rumah Sakit Umum Swasta.399.107.4673.735.001.6501.539

Sekolah Sekolah Dasar Negeri & Swasta-.018.003-.921-5.346.000.3432.919

Sekolah Taman Kanak-Kanak Negeri & Swasta.011.004.5842.980.005.2653.779

Sumber: output SPSS, 2012Tabel di muka menunjukkan model yang dapat dibuat berdasarkan banyaknya variabel independen. Berdasarkan nilai B maka dapat diperoleh model sebagai berikut:Y=a+bX1+bX2+...+eY=71,350+0.399X1-0.18X2+0.011X3Dengan Y=IPMX1= jumlah rumah sakit swasta umumX2= jumlah sekolah dasar neger & swasataX3= jumlah sekolah taman kanak-kanak negeri & swasta

Jadi variabel dependen IPM dipengaruhi oleh tiga variabel predictor yaitu variabel jumlah rumah sakit umum swasta, sekolah dasar negeri & swasta, dan jumlah sekolah taman kanak-kanak negeri & swasta (dari sembilan variabel yang dimasukkan). Berdasarkan model diatas, untuk meningkatkan IPM suatu kota/kabupaten di Jawa Timur, perlu peningkatan jumlah rumah sakit swasta.

KesimpulanHal yang paling dominan pengaruhnya dari 9 variabel independen yang dipilih adalah infrastruktur kesehatan yaitu rumah sakit umum swasta serta infrastruktur pendidikan yaitu jumlah sekolah taman kanan-kanan negeri & swasta, jumlah sekolah dasar negeri & swasta. Dapat disimpulkan ilustrasi keberpengaruhan variabel-variabel tersebut pada IPM adalah sebagai berikut:

Setiap penambahan satu jumlah rumah sakit umum swasta akan menambah IPM sebesar 0,399 Setiap penambahan satu jumlah sekolah dasar negeri atau swasta akan mengurangi IPM sebesar 0,018 Setiap penambahan satu jumlah sekolah taman kanak-kanak negeri atau swasta akan menambah IPM sebesar 0,011.

Dari variabel-variabel tersebut pengaruh variabel-variabel tersebut dalam penentuan IPM adalah 62,4%. Berarti masih banyak variabel yang menentukan IPM (terutama infrastruktur ekonomi) namun tidak dimasukkan dalam penelitian ini.

Datakabupaten_kotaIPMluas_daerahkectk_sklhsd_sklhsmp_sklhsma_sklhsmk_sklhrsu_pemrsu_swas

Pacitan69.5214191235741559111810

Ponorogo68.1715032131861882302715

Trenggalek71.0212611439143678192214

Tulungagung72.0711321947966069202119

Blitar70.8616292284673091172115

Kediri69.2813872667763897312826

Malang67.453519339561127267625327

Lumajang65.1517912143557792311312

Jember62.333293318311001236595256

Banyuwangi66.88245724653856144483328

Bondowoso59.1215602333950266202110

Situbondo60.216391723845967151511

Probolinggo58.891697243406189125713

Pasuruan64.07147324551728111363112

Sidoarjo73.3715187306141435759115

Mojokerto72.579691837450696343434

Jombang71.6115921357570262504618

Nganjuk68.712242061369070273323

Madiun68.9110111570746440131521

Magetan70.46891840256054122811

Ngawi66.8312981944057973253211

Bojonegoro66.2123072757180895434634

Tuban66.318582036161169261912

Lamongan67.99181327934636131695514

Gresik72.211951848847794462516

Bangkalan61.931249181856549828610

Sampang55.761229141875789618410

Pamekasan61.579213208482102341511

Sumenep62.151999272397077935211

Kediri73.3633103144302522110

Blitar74.9733381611571614

Malang73.121105258259904845116

Probolinggo70.785257611622121412

Pasuruan71.4237383622081010

Mojokerto74.9116250611716914

Madiun74.92343627020252624

Surabaya79.3835531125089728916896534

Batu70.48189377722591013

Sumber: intput SPSS, 2012

Daftar Pustaka

Jawa Timur Dalam Angka Tahun 2009Attha, Lailly, Analisis Cluster Untuk Mengidentifikasi Pemerataan IPM Jawa Timur Tahun 2008 (2011) UIN Malanghttp://id.wikipedia.org/wiki/Indeks_Pembangunan_Manusiawww.jabarprov.go.id (Perhitungan Indeks Pembangunan Manusia)Modul Praktikum Analisis Regresi Berganda