Analisis Pembangunan Sumber Daya Manusia di Provinsi Bali Tahun

Analisis Pembangunan Sumber Daya Manusia di Provinsi Bali Tahun 2011-2014

Analisis Pembangunan Sumber Daya Manusia di Provinsi Bali Tahun 2011-2014 JAM 14, 3

I Wayan Sunarya Program Studi Teknik Informatika, STMIK STIKOM Indonesia

Diterima, Agustus 2016 Direvisi, September 2016 Disetujui, September 2016

Abstract: This study aimed to analyze: (1) the effect of Life Expectancy at Birth (LEB) to Human Development Index (HDI) in Bali from 2011 to 2014; (2) the effect of Adult Literacy Rate (ALR) to Human Development Index (HDI) in Bali from 2011 to 2014; (3) the effect Mean Years of Schooling (MYS) to Human Development Index (HDI) in Bali from 2011 to 2014. Secondary data, from article entitled “Bali In Figures”, which is published once a year, namely from the year 2011-2014 by the Central Statistics Agency of Bali. This study implemented panel data with Fixed Effect Model (FEM) method of Generalized Least Square (GLS). The results showed that the Life Expectancy at Birth (LEB) and Mean Years of Schooling (MYS) has positive and significant effect to Human Development Index (HDI) in Bali from 2011 to 2014. However, Adult Literacy Rate (ALR) doesn’t significantlyaffect the Human Development Index (HDI) in Bali from 2011 to 2014. Keywords: Human Resource Development, Life Expectancy at Birth, Adult Literacy Rate, Mean Years of Schooling.

Jurnal Aplikasi Manajemen (JAM) Vol 14 No 3, 2016 Terindeks dalam Google Scholar

Alamat Korespondensi: I Wayan Sunarya, Program Studi Teknik Informatika, STMIK STIKOM Indonesia, DO I:ht tp: //dx .do i.o rg/1 0. 18202/jam230 26332.14.3.18

Abstrak: Penelitian ini bertujuan untuk: (1) menganalisis pengaruh Angka Harapan Hidup (AHH) terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali tahun 2011-2014; (2) menganalisis pengaruh Angka Melek Huruf (AMH) terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali tahun 2011-2014; (3) menganalisis pengaruh Rata-rata Lama Sekolah (RLS) terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali tahun 2011-2014. Data penelitian ini yaitu data Angka Harapan Hidup (AHH), Angka Melek Huruf (AMH) dan Ratarata Lama Sekolah (RLS) menggunakan data sekunder yang diperoleh dari artikel yang berjudul “Bali dalam angka”, yang diterbitkan setahun sekali yaitu dari tahun 2011-2014 oleh Badan Pusat Statistik (BPS) Provinsi Bali. Metode analisis yang digunakan adalah analisis data panel dengan menggunakan Fixed Effect Model (FEM) dengan metode Generalized Least Square (GLS). Hasil penelitian menunjukan bahwa variabel Angka Harapan Hidup (AHH) dan Ratarata Lama Sekolah (RLS) berpengaruh positif dan signifikan terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali tahun 2011-2014. Sedangkan variabel Angka Melek Huruf (AMH) tidak berpengaruh signifikan terhadap terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali tahun 2011-2014. Kata Kunci: pembangunan SDM, angka harapan hidup, angka melek huruf, rata-rata lama sekolah

Suatu bangsa yang memiliki sumber daya manusia (SDM) yang berkualitas tinggi akan mampu untuk bersaing dalam

TERAKREDITASI SK NO. 36a/E/KPT/2016

segala hal seperti dalam menjual produk yang diproduksinya sehingga produknya akan terjual banyak di pasar. Salah satu komponen yang berkaitan dengan peningkatan sumber daya manusia (SDM) adalah

577

ISSN: 1693-5241

577

I Wayan Sunarya

pendidikan. Untuk itu, kualitas sumber daya manusia (SDM) agar selalu ditingkatkan dengan melalui pemberian pendidikan yang berkualitas, demi tercapainya pembangunan dalam suatu daerah maupun dalam suatu negara. Pembangunan sumber daya manusia yang unggul memiliki beberapa hubungan dalam segi penyediaan fasilitas pendidikan seperti gedung sekolah, fasilitas kegiatan belajar mengajar, tenaga pengajar yang berkualitas dan berbagai sarana prasarana di dalam penunjang pendidikan yang ada dalam suatu instansi pendidikan. Namun realitas yang ada dilapangan menunjukkan bahwa ada ketimpangan dalam pembangunan sumber daya manusia. Pembangunan manusia hanya sebagai sebuah proses dalam mencapai pertumbuhan ekonomi yang lebih baik dengan struktur ekonomi yang maju dan sejenisnya. Hanya beberapa tahun belakangan ini pembangunan sumber daya manusia mulai berada dalam posisi yang strategis dalam suatu negara ataupun daerah. Tujuan pembangunan yang ada baik dalam suatu negara maupun dalam suatu daerah untuk memberikan kesejahteraan dan kemakmuran kepada masyarakat. Jadi sudah sepantasnya manusia yang ada dalam suatu negara ataupun daerah menjadi sebuah subyek dari pembangunan itu sendiri. Namun disisi lain selain menjadi subyek dalam pembangunan, manusia juga menjadi obyek dari pembangunan tersebut sehingga kadangkala pembangunan yang sudah dibangun dalam suatu negara atupun dalam suatu daerah menciptakan manusia yang

memiliki sumber daya yang baik, yang dilihat dari pendidikan, kesehatan dan lain sebagainya. Kinerja yang ada dalam suatu negara ataupun dalam daerah jika dilihat dari sisi ekonomi maupun sosial, pembangunan sumber daya manusia juga memerlukan eberapa indikator yang dapat menilai kinerja pembangunan yang telah dilakukan. Indeks Pembangunan Manusia yang disingkat IPM menjadi salah satu indikator pembangunan yang sering digunakan oleh beberapa negara yang ada di dunia. Indonesia sebagai salah satu negara yang memiliki beberapa provinsi juga memakai indikator ini didalam mengukur kemajuan yang telah dicapai dalam suatu provinsi. Berbeda dengan indikator Penghasilan Domestik regional Bruto yang lebih fokus apa yang dihasilkan dari dari hasil pembangunan sektornya yang ada didaerah, maka Indeks Pembangunan Manusia (IPM) digunakan sebagai alat pengukuran terhadap pembangunan yang sudah dicapai dan apakah hasilnya tersebut sudah dinikmati oleh masyarakat atau hanya sebagai kesuksesan dalam beberapa sektor semata. Jika dilihat secara konseptual IPM sendiri merupakan sebuah indikator komposit yang menggambarkan tiga aspek kualitas hidup manusia, yaitu: indeks harapan hidup, indeks pendidikan dan indeks standar hidup layak. IPM merupakan suatu alat ukur suatu kinerja yang ada dalam suatu negara arau daerah yang dilihat dari segi pembangunannya sendiri. Adapun data tentang data Indeks Pembangunan Manusia (IPM) di Provinsi Bali dari tahun 2011-2014 adalah sebagaimana tabel 1.

Tabel 1. IPM Kabupaten/Kota di Provinsi Bali Tahun 2011-2014 No.

2011

2012

2013

2014

1

Jembrana

Kabupaten/Kota

73,18

73 ,62

74,29

68,67

2

T abanan

75,24

75 ,55

76,19

72,68

3 4

Badung Gianyar

75,35 73,43

75 ,69 74 ,49

76,37 75,02

77,98 74,29

5

Klungkung

71,02

71 ,76

72,25

68,30

6

Bangli

71,42

71 ,80

72,28

65,75

7

Karangasem

67,07

67 ,83

68,47

64,01

8 9

Buleleng Denpasar

71,12 78,31

71 ,93 78 ,80

72,54 79,41

69,16 81,65

BALI

72,84

73 ,49

74,11

72,48

Sumber: Bali dalam Angka Tahun 2011 - 2014

578

JURNAL APLIKASI Nama Orang MANAJEMEN | VOLUME 14 | NOMOR 3 | SEPTEMBER 2016


Dilihat dari tabel 1, perkembangan Indeks Pembangunan Manusia (IPM) Provinsi Bali dari tahun 2011 sampai tahun 2014 menunjukkan ada beberapa perubahan dari tahun ketahun seperti pada tahun 2011 ke tahun tahun 2014 mengalami penurunan IPM sebanyak 5,1 atau 1,1%. Sedangkan data penyusun dari Indek Pembangunan Manusia (IPM) di Provinsi Bali dari Tahun 2011-2014 sebagai berikut:

Angka Harapan Hidup Angka Harapan Hidup (AHH) merupakan suatu instrumen dalam mengukur produktivitas pemerintah dalam mensejahterakan masyarakat dan mengetahui gambaran tentang tingkat kesehatan di masyarakat pada khususnya. Jika dalam suatu masarakat menunjukkan Angka Harapan Hidup yang rendah maka umumnya harus selalu meningkatkan program pembangunan kesehatan termasuk program pemberantasan kemiskinan. Adapun data tentang Angka Harapan Hidup di Provinsi Bali untuk setiap kabupaten pada tahun 2011-2014 sebagai berikut:

Angka Melek Huruf Angka melek huruf merupakan tingkat persentase penduduk usia 15 tahun keatas yang bisa membaca dan menulis serta mengerti sebuah kalimat sederhana dalam hidupnya sehari-hari. Untuk data Angka Melek Huruf untuk setiap kabupaten/kota yang ada di provinsi Bali dari tahun 2011-2014 adalah sebagaimana tabel 3. Dari data pada tabel 3, dapat dijelaskan bahwa di Provinsi Bali dari Tahun 2011-2014 mengalami peningkatan dimana pada tahun 2011 sebesar 70,78 sampai pada tahun 2014 sebesar 71,20; dari angka ini dapat diukur bahwa peningkatannya sebesar 99,4%. Dari angka 99,4% ini maka dapat digambarkan bahwa di Provinsi Bali untuk kemampuan masyarakat Bali dalam hal membaca dan menulis terus mengalami petumbuhan yang sangat baik.

Rata-rata Lama Sekolah Rata-rata lama sekolah merupakan rata-rata jumlah tahun yang dihabiskan oleh penduduk berusia

Tabel 2. Angka Harapan Hidup Kabupaten/Kota di Provinsi Bali Tahun 2011-2014 No.

Kabupaten/Kota

2011

2012

2013

2014

1

Jembrana

71,88

71,95

72,31

71,39

2

Tabanan

74,49

74,55

74,91

72,64

3 4

Badung Gianyar

71,85 72,17

71,91 72,22

72,24 72,56

74,30 72,78

5

Klungkung

69,15

69,20

69,52

69,91

6 7

Bangli Karangasem

71,73 67,95

71,81 68,00

72,18 68,32

69,44 69,18

8

Buleleng

69,34

69,53

70,00

70,71

9

Denpasar

73,06

73,12

73,46

73,71

BALI

70,78

70,84

71,20

71,20


Di dalam tabel 2 diatas diketahui untuk setiap kabupaten dan kota yang ada di Provinsi Bali dari Tahun 2011-2014, Angka Harapan Hidup Kabupaten/ Kota di Provinsi Bali dari Tahun 2011-2014 mengalami peningkatan secara signifikan yaitu dari Tahun 2011 sebesar 70,78 menjadi 71,20 pada Tahun 2014, dari angka ini dapat diketahui terjadi peningkatan Angka Harapan Hidup sebanyak 99,4%.


15 tahun keatas untuk menempuh semua jenis pendidikan formal yang pernah dijalani. Adapun data untuk rata-rata lama sekolah provinsi Bali per kabupaten/ kota dari tahun 2011-2014 sebagaimana tabel 4. Dalam tabel 4, diketahui bahwa rata-rata lama sekolah di provinsi Bali dari tahun 2011 sampai tahun 2014 telah mengalami fluktuasi rata-rata lama sekolah yaitu pada tahun 2011 sebesar 8,35 dan pada tahun

ISSN: 1693-5241

579

I Wayan Sunarya

Tabel 3. Angka Melek Huruf di Provinsi Bali per Kabupaten/Kota Tahun 2011-2014 No.

Kabupaten/Kota

2011

2012

2013

2014

1

Jembrana

90,69

92,36

92,65

11,48

2

Tabanan

90,82

90,86

91,92

12,04

3 4

Badung Gianyar

92,96 86,81

93,01 88,79

93,93 89,38

13,00 13,06

5

Klungkung

82,39

84,15

84,47

12,57

6 7

Bangli Karangasem

85,64 74,12

85,83 76,03

85,91 76,94

11,15 11,81

8

Buleleng

88,63

89,94

90,53

12,01

9

Denpasar

97,49

97,52

97,95

13,46

BALI

89,17

90,17

91,03

12,64


Tabel 4. Rata-rata Lama Sekolah di Provinsi Bali per Kabupaten/Kota Tahun 2011-2014 No. 1

Kabupaten/Kota Jembrana

2011 7 ,81

2012 7,86

2013 7,87

2014 7,30

2 3 4

Tabanan Badung Gianyar

8 ,37 9 ,45 8 ,37

8,39 9,47 8,90

8,40 9,51 8,90

7,91 9,29 8,28

5 6 7

Klungkung Bangli Karangasem

7 ,35 6 ,66 5 ,82

7,43 6,68 5,88

7,43 6,70 5,90

6,90 6,38 5,39

8 9

Buleleng Denpasar BALI

7 ,36 10,70 8 ,35

7,54 10,94 8,57

7,55 11,05 8,58

6,66 10,96 8,11


2014 sebesar 8,11; hal ini berarti terjadi penurunan tingkat persentase rata-rata lama sekolah yang ada di Provinsi Bali sekitar 97,1%. Berdasarkan latar belakang masalah yang sudah dijelaskan dalam tabel 1 sampai tabel 5, maka pertanyaan dalam penelitian ini adalah: 1. Bagaimana pengaruh Angka Harapan Hidup terhadap Indeks Pembangunan Manusia di Provinsi Bali pada tahun 2011-2014; 2. Bagaimana pengaruh Angka Melek Huruf terhadap Indeks Pembangunan Manusia di Provinsi Bali pada tahun 2011-2014; 3. Bagaimana pengaruh Rata-rata Lama Sekolah terhadap Indeks Pembangunan Manusia di Provinsi Bali pada tahun 2011-2014.

580

METODE Penelitian ini mengunakan data panel yaitu gabungan data crosssection 8 kabupaten dan 1 kota dan time series tahun 20112014 yang bersumber dari laporan statistik yang diterbitkan oleh Badan Pusat Statistik (BPS) Provinsi Bali. Adapun variabel dan definisi operasional variabel adalah sebagai berikut: Indeks Pembangunan Manusia (IPM) adalah indikator capaian pembangunan sumber daya manusia (SDM) secara menyeluruh yang dibentuk atas tiga dimensi yaitu dimensi angka harapan hidup, angka melek huruf dan angka rata-rata lama sekolah dengan satuan (Skala 1-100).



Angka harapan hidup (AHH) merupakan suatu instrumen dalam mengukur produktivitas pemerintah dalam mensejahterakan masyarakat dan mengetahui gambaran tentang tingkat kesehatan di masyarakat pada khususnya. Jika dalam suatu masarakat menunjukkan Angka Harapan Hidup yang rendah maka umumnya harus selalu meningkatkan program pembangunan kesehatan termasuk program pemberantasan kemiskinan. Angka melek huruf (AMH) merupakan tingkat persentase penduduk usia 15 tahun keatas yang bisa membaca dan menulis serta mengerti sebuah kalimat sederhana dalam hidupnya sehari-hari. Rata-rata lama sekolah (RLS) merupakan ratarata jumlah tahun yang dihabiskan oleh penduduk berusia 15 tahun keatas untuk menempuh semua jenis pendidikan formal yang pernah dijalani.

Metode Analisis Data Menurut Gujarati (2012:237), data panel merupakan gabungan data individu (cross section) dan data runtut waktu (time series). Berdasarkan kelebihankelebihan data panel maka memiliki implikasi pada tidak harus dilakukan pengujian asumsi klasik seperti multikolinearitas, heterokedastisitas, autokorelasi, dan normalitas dalam model data panel. (Verbeek, 2000; Gujarati, 2003; Wibisino, 2005; Aulia 2004:27 dalam Ajija, 2011). Menurut Widarjono (2009:231) untuk mengestimasi model regresi dengan data panel menggunakan tiga pendekatan yaitu pendekatan common effect, fixed effect, dan random effect. Common effect merupakan teknik mengestimasi data panel yang tidak memperhatikan dimensi antar individu maupun antar waktu. Fixed effect merupakan teknik mengestimasi data panel yang menggunakan variabel dummy untuk melihat adanya perbedaan intersep. Random effect merupakan teknik mengestimasi variabel gangguan vit yang terdiri dari variabel gangguan kombinasi time series dan cross section variabel gangguan secara individu. Berdasarkan dari kerangka pemikiran teoritis variabel dependen pada penelitian ini yaitu IPM. Sedangkan variabel independen yaitu Angka Harapan Hidup (LogAHH), Angka Melek Huruf (LogAMH), dan Angka Rata-rata Lama Sekolah (RLS). Maka persamaan pada penelitian ini adalah sebagai berikut:


IPMit = o + 1 LogAHHit + 2 LogAMHit + 3 RLSit + it .............................. (1) Keterangan : IP M = LogAHH = LogAMH = RLS =  =  = it

indeks pembangunan manusia (skala 1-100) Angka Harapan Hidup (%) Angka Melek Huruf (%) Rata-rata Lama Sekolah (%) koefisien regresi kabupaten/kota i (i = 1, 2, 3 ...... 9); t = tahun ket (2011-2014) = nilai residual di luar model.

Setelah mengestimasi ketiga model estimasi data panel langkah selajutnya menentukan model terbaik antara common effect, fixed effect, dan random effect yaitu dengan Redundant Fixed Effects Tests (Likelihood Fixed Effect) dan Correlated Random Effect (Hausman Test), dimana hipotesis dalam pemakaian modelnya sebagai berikut: H 0 = Common Effect Model H 1 = Fixed Effect Model Jika chi-square > 0,05 = Terima H0 Jika chi-square < 0,05 = Tolak H0

HASIL DAN PEMBAHASAN Pada penelitian ini terdapat tiga model estimasi data panel yaitu common effect model, fixed effect model, dan random effect model. Untuk hasil analisis dengan common effect model dapat dilihat sebagaimana tabel 5. Setelah mengestimasi tiga pemilihan model kemudian melakukan dua tahap pengujian statistik. 1. Pengujian dengan menggunakan analisis Redundant Fixed Effects Tests (Likelihood Fixed Effect) dari data model panel pada Fixed Effect Model hasilnya sebagaimana tabel 6. Dari data pada tabel 6, maka dapat dilakukan uji hipotesis dimana: H 0 = Common Effect Model H 1 = Fixed Effect Model Jika probability chi-square > 0,05 = Terima H0 Jika probability chi-square < 0,05 = Tolak H0 Karena probability chi-square sebesar 0,0038 lebih kecil dari 0,05 maka H0 ditolak, maka untuk model yang terbaik digunakan dalam analisis data panel adalah Fixed Effect Model. 2. Pengujian dengan menggunakan analisis Correlated Random Effect (Hausman Test) dari data

ISSN: 1693-5241

581

I Wayan Sunarya

Tabel 5. Hasil Estimasi Data Panel Model Estimasi

Variabel Konstanta

Common Effect 14,25328

Fixed Effect -55,48688

Random Effect 14,25328

Str. Error p-value

8,928853 0,1202*

18,54305 0,0063

7,526168 0,0673*

LOGAHH Str. Error

0,601999 0,138051

1,184635 0,240421

0,601999 0,116364

0,0001

0,0000

0,0000

LOGAMH Str. Error

0,017227 0,005731

-0,001426 0,007651

0,017227 0,004831

p-value RLS

0,0051 1,814684

0,8537* 5,496224

0,0012 1,814684

Str. Error p-value

0,184080 0,0000

1,133672 0,0001

0,155162 0,0000

R Adjusted R2

0,927882 0,921120

0,961571 0,943957

0,927882 0,921120

Standar error

1,108686

0,934517

1,108686

F-Statistik Prob (F-Statistik)

137,2381 0,000000

5,45928 0,000000

137,2381 0,000000

Durbin-Watson Statistik

1,706934

2,118396

1,706934

p-value

2

Sumber: Hasil output E-Views 7.0 Catatan: *) tidak signifikan pada  = 5%

Tabel 6. Hasil Estimasi Data Panel Redundant Fixed Effects Tests (Likelihood Fixed Effect)

Effects Test Cross-section F Cross-section Chi-square

Statistic

d.f.

Prob.

2,629936 22,661489

(8,24) 8

0,0318 0,0038

Sumber: Tabel 5 (data diolah)

model panel pada Random Effect Model hasilnya sebagai berikut:

Jika probability chi-square > 0,05 = Terima H0 Jika probability chi-square < 0,05 = Tolak H0

Tabel 7. Hasil Estimasi Data Panel dan Correlated Random Effect (Hausman Test) Test Summary Cross-section random

Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

19,711714

3

0,0002

Sumber: Tabel 5 (data diolah)

Dari data pada tabel 7, maka dapat dilakukan uji hipotesis dimana: H0 = Common Effect Model H1 = Fixed Effect Model 582

Karena probability chi-square sebesar 0,0002 lebih kecil dari 0,05 maka H0 ditolak, maka untuk model yang terbaik digunakan dalam analisis data panel adalah Fixed Effect Model.



Penentuan model terbaik selain berdasarkan pengujian statistik pada chowtest, houseman test juga didasarkan pada pertimbangan non statistik pada salah satu pertimbangan observasi Judge (Gujarati 2012: 255). Unit cross-section penelitian ini yaitu untuk 8 kabupaten dan 1 kota di Provinsi Bali. Dengan adanya pengambilan unit cross-section penelitian yang tidak diambil secara acak, maka model data panel yang pantas digunakan adalah Fixed Effect Model (FEM). Setelah menganalisis model yang terbaik dilanjutkan dengan mengukur ketepatan fungsi regresi dari goodness of fit. Nilai pada adjusted R2 pada Fixed Effect Model di dalam tabel 5 sebesar 0,921120. Hal ini berarti 92,1% variabel Indeks Pembangunan Manusia (IPM) di Provinsi Bali dijelaskan oleh variasi model variabel Angka Harapan Hidup (logAHH), Angka Melek Huruf (logAMH), dan kepadatan penduduk (KP). Sedangkan sisanya 7,9% dijelaskan oleh variabel lain diluar model. Uji statistik F (F-test) merupakan pengujian statistik untuk mengetahui pengaruh simultan variabel independen terhadap variabel dependen. Berdasarkan tabel 5 pada fixed effect model diperoleh F-hitung sebesar 5,45928 dan F-tabel (df numerator 3; denumerator 8) sebesar 4,07. Maka Fhitung > Ftabel (5,45928 > 4,07) dengan p-value sebesar 0,00000. Maka pengaruh Angka Harapan Hidup (AHH), Angka Melek Huruf (AMH) dan Angka Rata-rata Lama Sekolah (RLS) secara simultan berpengaruh terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali tahun 2011-2014. Uji statistik t (t-test) merupakan pengujian statistik untuk mengetahui pengaruh parsial variabel independen terhadap variabel dependen. Berdasarkan uji statistik t (t-test) Angka Harapan Hidup (AHH) memiliki nilai thitung > ttabel (4,927337 > 2,447) dengan p-value sebesar 0,0000 maka Angka Harapan Hidup (AHH) berpengaruh positif dan signifikan terhadap Indek Pembangunan Manusia (IPM) di Provinsi Bali dari tahun 2011-2014. Angka Melek Huruf memiliki nilai thitung < ttabel (-0,186419 < 2,447) dengan p-value sebesar 0,8537 maka Angka Melek Huruf (AMH) tidak berpengaruh positif dan signifikan terhadap Indek Pembangunan Manusia (IPM) di Provinsi Bali dari tahun 2011-2014. Sedangkan Angka Rata-rata Lama


Sekolah (RLS) memiliki nilai thitung> ttabel (4,848162 < 2,447) dengan p-value sebesar 0,0001 maka Angka Rata-rata Lama Sekolah (RLS) berpengaruh positif dan signifikan terhadap Indek Pembangunan Manusia (IPM) di Provinsi Bali dari tahun 2011-2014. Berdasarkan hasil estimasi penelitian ini menggunakan model terbaik yaitu Fixed Effect Model (FEM) dengan metode Generalized Least Square (GLS). Persamaan pada model Fixed Effect Model (FEM) adalah sebagai berikut: IPMit = o + 1 LogAHHit + 2 LogAMHit + 3 RLSit + it = -55,48688+ 1,184635logAHHit – 0,001426 logAMHit + 5,496224RLSit + ìit Std error = (18,54305) (0,240421) (0,007651) (1,133672) Prob = (0,0063) (0,0000) (0,8537) (0,0001) Nilai konstanta sebesar -55,48688 menunjukan bahwa apabila pemerintah provinsi Bali tidak melakukan tindakan untuk meningkatkan Angka Harapan Hidup (AHH) dan Angka Rata-rata Lama Sekolah (RLS), maka nilai Indeks Pembangunan Manusia (IPM) akan mengalami penurunan sebesar 55,49. Hasil estimasi Fixed Effect Model (FEM) dapat menunjukan keunikan heterogenitas nilai intersep di Kabupaten/Kota Provinsi Bali. Efek individual diperoleh dari nilai konstanta kabupaten/kota ditambah dengan nilai konstanta pada Fixed Effect Model (FEM). Berdasarkan tabel 8 nilai koefisien yang berpengaruh besar apabila variabel independen nol atau konstan terhadap pembangunan sumber daya manusia yaitu Kota Denpasar karena jika dilihat dari nilai efek individualnya sangat besar sebesar -67,20393 dibandingkan dengan delapan kabupaten yang ada di Provinsi Bali dari tahun 2011-2014.

KESIMPULAN DAN SARAN Kesimpulan Angka Harapan Hidup (AHH) berpengaruh positif dan signifikan sebesar 1,184635 terhadap Indeks Pembangunan Manusia (IPM) di Kabupaten/Kota Provinsi Bali. Hal tersebut diasumsikan bahwa apabila Angka Harapan Hidup (AHH) meningkat sebesar 1% maka nilai IPM meningkat sebesar 1,18 di kabupaten/ kota di Provinsi Bali. Angka Melek Huruf (AMH) tidak memiliki pengaruh positif dan signifikan terhadap

ISSN: 1693-5241

583

I Wayan Sunarya

Tabel 8. Efek Individual Kabupaten/Kota di Provinsi Bali Kab/Kota Kab. Jembrana Kab. Tab anan Kab. Badung Kab. Gianyar Kab. Klungkung Kab. Bangli Kab. Karangasem Kab. Buleleng Kota Denpasar

Koefisien

Konstanta

0,498893 -2,773999 -5,865433 -3,248758

-54,98799 -58,26088 -61,35231 -58,73564

4,147641 5,139966 9,842931 3,975807 -11,71705

-51,33924 -50,34691 -45,64395 -51,51107 -67,20393

Sumber: Hasil output E-Views 7.0

Indeks Pembangunan Manusia (IPM) di Kabupaten/ Kota Provinsi Bali. Sedangkan untuk Angka Ratarata Lama Sekolah (RLS) berpengaruh positif dan signifikan sebesar 5,496224 terhadap Indeks Pembangunan Manusia (IPM) di Kabupaten/Kota Provinsi Bali.

Saran Dari hasil penelitian dapat dilihat bahwa Angka Harapan Hidup (AHH) dan Rata-rata Lama Sekolah (RLS) berpengaruh positif dan signifikan terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Bali dari Tahun 2011-2014, maka diharapkan pemerintah Provinsi Bali didalam meningkatkan pembangunan sumber daya manusia kedepannya lebih mengutamakan produktivitas pemerintah di dalam mensejahterakan masyarakat yang ada di Provinsi Bali. Di samping itu juga pemerintah Provinsi Bali agar selalu membina dan mengarahkan masyarakat agar mampu menempuh pendidikan baik itu pendidikan dasar, menengah

584

sampai pendidikan tinggi, sehingga diharapkan kualitas sumber daya manusia yang ada di Provinsi Bali dapat bersaing dengan kualitas sumber daya manusia yang ada di luar Provinsi Bali dan di dalam dunia internasional.

DAFTAR RUJUKAN Ajija, Shochrul, R, dkk. 2011. Cara Cerdas Menguasai Eviews. Jakarta: Salemba Empat. Badan Pusat Statistik Provinsi Bali. 2012. Bali dalam angka (Bali in Figure) 2012. Bali: BPS Provinsi Bali. Badan Pusat Statistik Provinsi Bali. 2013. Bali dalam angka (Bali in Figure) 2013. Bali: BPS Provinsi Bali. Badan Pusat Statistik Provinsi Bali. 2014. Bali dalam angka (Bali in Figure) 2014. Bali: BPS Provinsi Bali. Badan Pusat Statistik Provinsi Bali. 2015. Bali dalam angka (Bali in Figure) 2015. Bali: BPS Provinsi Bali. Gujarati, D.N., dan D.C. Porter. 2012. Dasar-Dasar Ekonometrika, Edisi 5 Buku 1. Jakarta: Salemba Empat. Widarjono, A. 2009. Ekonometrika Teori dan Aplikasi. Yogyakarta: Ekonosia.


Analisis Pembangunan Sumber Daya Manusia di Provinsi Bali Tahun

Recommend Documents