415
Aplikasi System Dynamic pada Model Perhitungan Indikator Millennium Development Goals (MDGs) A Mufti Kepala Bagian Data & Informasi Kantor Utusan Khusus Presiden Republik Indonesia untuk Millennium Development Goals
[email protected] Abstrak Indonesia telah menyepakati model pembangunan seperti yang dicanangkan oleh Perserikatan Bangsa Bangsa (PBB) tahun 1990 dalam format Millennium Development Goals (MDGs). Data indikator MDGs pada bulan September tahun 2010 telah dikeluarkan dalam sebuah cetak biru Peta Jalan MDGs hingga tahun 2015 mendatang. Upaya mencari indikator mana yang memberi daya ungkit tinggi dalam pencapaian target MDGs dikonstruksi dalam sebuah model persamaan matematika dengan menggunakan metoda perhitungan Principal Component Analysis (PCA) untuk mendapatkan komposit baru sebagai bentuk racikan variabel indikator MDGs yang memiliki daya ungkit terhadap seluruh indikator MDGs. Analisis PCA mengolah 50 data indikator MDGs dari 33 provinsi di Indonesia. Hasil akhirnya berupa nilai bobot yang selanjutnya diumpankan ke dalam aplikasi model system dynamic dengan tujuan untuk melihat interaksi antar indikator. Dengan memainkan nilai parameter model dapat dilihat beberapa kemungkinan skenario kebijakan yang mungkin dapat diambil sehingga program intervensi dapat memberikan hasil yang optimal secara keseluruhan. Model intervensi untuk percepatan pencapaian MDGs Indonesia masih terus disempurnakan hingga saat ini meski dengan keterbatasan data terkait dengan indikator MDGs. Harapan dibangunnya model tersebut adalah membantu dalam penyusunan program intervensi apa yang cocok di suatu daerah dalam rangka percepatan target pencapaian MDGs. Sehingga implementasi dan intervensi program kerja sesuai dengan daerah setempat serta lebih mudah disinkronisasi dengan target pencapaian MDGs Indonesia secara nasional.
Kata Kunci: MDGs,system dynamic,Principal Component Analysis. 1. PENDAHULUAN Para kepala negara dan pemerintahan, telah berkumpul di Markas Besar PBB di New York pada 6-8 September 2000, dan pada tanggal 8 September 2000 oleh Majelis Umum PBB dicanangkan sebagai awal pembangunan millennium baru. Inti dari deklarasi tersebut adalah kesepakatan tentang tanggung jawab kolektif dari seluruh penandatangan deklarasi untuk tetap menjunjung tinggi prinsip-prinsip martabat manusia, kesetaraan dan ekuitas di tingkat global serta memastikan bahwa arus globalisasi mampu memberi keberkahan untuk seluruh umat manusia di dunia. Tujuan Pembangunan Millennium (Millennium Deve-lopment Goals = MDGs) menargetkan delapan indikator untuk dijadikan acuan dasar dalam penyelenggaraan pembangunan di setiap negara. Ke delapan MDGs tersebut adalah: 1. Menanggulangi kemiskinan dan kelaparan 2. Mencapai pendidikan dasar untuk semua e-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011, Bandung
3. Mendorong kesetaraan gender dan pember-dayaan perempuan 4. Menurunkan angka kematian anak 5. Meningkatkan kesehatan ibu 6. Memerangi HIV/AIDS, menular lainnya
Malaria
dan
penya-kit
7. Memastikan kelestarian lingkungan hidup 8. Membangun kemitraan global untuk pem-bangunan Pada masing-masing tujuan terbagi lagi menjadi rincian target yang lebih terukur oleh angka prosentase. Berdasar data SUSENAS, SDKI yang dikeluarkan oleh Badan Pusat Statistik dan RISKESDAS oleh Kementerian Kesehatan Republik Indoneisia, telah dirangkum menjadi sebuah tabel indikator MDGs. [1]
416
1
2
8
3
7
4
6 5
Gambar 1. Korelasi 8 Indikator MDGs Delapan indikator MDGs tersebut kemudian dikonstruksi menjadi komposit baru yang saling berinteraksi membentuk korelasi satu dengan yang lain, ada yang kuat ada juga yang lemah. Untuk memastikan variabel mana saja yang berinteraksi dan berkorelasi, dibangun model komposit MDGs yang merupakan variabel bentukan dalam satu kelompok indikator MDGs dengan mereduksi variabel yang tidak dominan terhadap komposit barunya. Adapun tujuan dari analisis faktor dengan metode Analisis Komponen Utama (Principal Component Analysis – PCA) adalah sebuah upaya membangun model yang dapat menghu-bungkan (interrelationship) satu varibel dengan lainnya yang saling independen yang terangkum dalam data indikator MDGs Indonesia. PCA diharapkan dapat membantu dalam penyusunan komposit variabel yang lebih sedikit dari jumlah variabel awal sehingga akan lebih mudah dikontrol dan menjadi alat untuk penentuan program intervensi yang terintegrasi yang perlu mendapat prioritas terlebih dahulu.
2.
MODEL PERHITUNGAN
PCA digunakan sebagai alat untuk menghitung apakah komposit baru dapat disusun berdasarkan masingmasing indikator memiliki korelasi kuat dengan indikator lainnya. Perhitungan korelasi antar indikator menggunakan variabel yang merupakan representasi dari sub target MDGs. Alasan digunakannya PCA, karena PCA dapat memiliki kemampuan untuk mereduksi variabel sehingga muncul hanya variabel yang memiliki e-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011, Bandung
korelasi kuat satu dengan lainnya. Model perhitungan yang dikonstruksi pada analisis ini menggunakan variabel data indikator MDGs dari 33 provinsi di Indonesia. Hasil perhitungan variabel indikator MDGs direduksi dengan cara ekstraksi indikator-indikator MDGs yang kecil sekali prosentase kontribusinya untuk kemudian diamati komposisi mana yang mampu meberikan nilai eigen terbesar (Gambar – 2). Proses reduksi data dilakukan pada setiap indikator, mulai dari MDGs-1 sampai MDGs-8, dimana setiap indikator MDGs pada perhitungan akhirnya akan menghasilkan variabel komposit baru yang lebih sederhana dan memberi kontribusi besar terhadap indikator MDGs di 33 provinsi. Sebagai ilustrasi untuk mereduksi goal MDGs-1 yang terdiri dari sepuluh variabel yang berbentuk nilai prosentase indikator MDGs-1, setelah dilakukan perhitungan ulang akhirnya menghasilkan empat konstruktor yang memberi kontribusi besar terhadap komposit MDGs-1 yaitu variabel: • • • •
Indeks kedalaman kemiskinan / P1 (%) Rasio pekerja terhadap penduduk berusia diatas 15 tahun (%) Pekerja bebas dan keluarga terhadap total penduduk yang bekerja (%) Balita kekurangan gizi (%)
Gambar 2. Model komposit MDGs Proses reduksi terhadap indikator MDGs-1 yang memiliki kecenderungan konvergen kepada empat kostruktor setelah enam kali perhitungan (run), menghasilkan satu kompo-nen dengan factor loading (nilai korelasi) dan nilai skornya seperti pada halaman berikut (Tabel 1--2). Perhitungan nilai eigen terhadap indikator MDGs1 memberi arti bahwa model komposit yang dikonstruksi
417
mampu memberi gambaran sebesar 52,86% terhadap semua variabel yang ada pada indikator MDGs-1. Selain nilai eigen yang dapat dihasilkan dari PCA dapat dilihat juga nilai Kaiser-Meyer-Olkin (KMO) yang merupakan representasi kecukupan jumlah sampel yang digunakan. [2,3] Pada perhitungan untuk komposit indikator MDGs-1 nilai KMO sebesar 0,608 yang berarti menurut KeiserMeyer-Olkin tergolong memiliki derajat variansi gabungannya “menengah”. [4]
Komposit MDGs-2 = 0,501 * Angka melek huruf laki-laki berusia 15--24 tahun + 0,501 * Angka melek hurufe perempuan usia 15 - 24 tahun Nilai eigen untuk Komposit MDGs-2 sebesar 99,54% dan nilai KMO sebesar 0,608 (mene-ngah) dengan tingkat signifikansi p =0,000 Komposit MDGs-3 = 0,364 * Rasio APM perempuan / laki di SD MI & Paket A + 0,329 * Rasio APM perempuan/laki di SMP,MTs & Paket B + 0,348 * Rasio APM perempuan / laki di SMA + 0,271 * Rasio melek huruf perempuan / laki-laki berusia 15—24 tahun
Tabel 1 Faktor loading komposit MDGs-1 Component 1 Pekerja bebas & keluarga / total penduduk yang bekerja (%) Rasio pekerja terhadap penduduk > 15 tahun (%) Indeks Kedalaman Kemiskinan / P1 (%) Balita kekurangan gizi (%)
.878 .722 .674 .606
Extraction Method: Principal Component Analysis. a. 1 components extracted.
TabelComponent 2 Koefisien skor komposit MDGs-1 Score Coefficient Matrix Component 1 Indeks Kedalaman Kemiskinan / P1 (%) Rasio pekerja terhadap penduduk > 15 tahun (%) Pekerja bebas & keluarga / total penduduk yang bekerja (%) Balita kekurangan gizi (%)
.319 .342 .415 .287
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Pada Tabel 2 tampak bahwa koefisien dari masing-masing variabel apabila dinyatakan dalam bentuk persamaan linier, maka rumusan komposit untuk indikator MDGs adalah sebagai berikut: Komposit MDGs-1 = 0,319 * Index Kedalaman kemiskinan + 0,342 * Rasio pekerja terhadap penduduk berusia di atas 15 tahun + 0,415 * Pekerja bebas & keluarga per total penduduk yang bekerja + 0,287 * balita kekurangan gizi Selanjutnya setelah dilakukan proses reduksi untuk MDGs-2 sampai MDGs-8 diperoleh hasil sebagai berikut: e-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011, Bandung
Nilai eigen untuk Komposit MDGs-3 sebesar 57,54% dan nilai KMO sebesar 0,682 (mene-ngah) dengan tingkat signifikansi p =0,000 Komposit MDGs-4 = 0,355 * Angka Kematian Balita / AKBA + 0,364 * Angka Kematian Bayi + 0,338 * Angka Kematian Neonatal (NN) Nilai eigen untuk Komposit MDGs-4 sebesar 89,40% dan nilai KMO sebesar 0,679 (mene-ngah) dengan tingkat signifikansi p =0,000 Komposit MDGs-5 = 0,207 * Proporsi kelahiran yang ditolong oleh tenaga kesehatan + 0,235 *Penggunaan kontrasepsi perempuan menikah (1549) semua metoda + 0,255 * Penggunaan kontrasepsi perempuan menikah (15-49) metoda moderen + 0,233 * Penggunaan kontrasepsi perempuan menikah (15-49) metoda tradisional + 0,227 * Cakupan antenatal care (K4) Nilai eigen untuk Komposit MDGs-5 sebesar 78,64% dan nilai KMO sebesar 0,777 (me-muaskan) dengan tingkat signifikansi p =0,000
Komposit MDGs-6 = - 0,290 * Angka kumulatif kasus HIV/AIDS per 100.000 penduduk + 0.114 * Angka penemu kasus baru TB Paru BTA positif (CDR) + 0.415 * Angka kesembuhan – cured care + 0,414 * Angka keberhasilan pengobatan – success rate Nilai eigen untuk Komposit MDGs-6 sebesar 56,78% dan nilai KMO sebesar 0,605 (me-nengah) dengan tingkat signifikansi p =0,000
418
Komposit MDGs-7 = 0,306 * Akses terhadap sumber air minum layak di desa + 0,276 * Akses terhadap sumber air bukan PAM layak di desa – 0,312 * Akses terhadap sumber air tidak layak di desa + 0,230 * Akses terhadap sanitasi layak Nilai eigen untuk Komposit MDGs-7 sebesar 78,12% dan nilai KMO sebesar 0,731 (me-muaskan) dengan tingkat signifikansi p =0,000 Komposit MDGs-8 = 0,563 * Rumah tangga yang memiliki komputer + 0,563 * Rumah tangga yang memiliki akses internet Nilai eigen untuk Komposit MDGs-8 sebesar 78,85% dan nilai KMO sebesar 0,500 (kurang memuaskan) dengan tingkat signifikansi p =0,000 Setelah dihitung nilai komposit masing-masing MDGs, langkah selanjutnya adalah mencari hubungan linier antara komposit MDGs dengan nilai Indeks Pembangunan Manusia (Human Development Index = HDI).[4] Asumsi yang digunakan adalah antara nilai HDI dengan indikator MDGs terdapat hubungan yang kuat secara linier. Hasil regresi linier ternyata terdapat tiga komposit yang benar-benar memberi tingkat kemaknaan yang tinggi yaitu Komposit MDGs-2, Komposit MDGs-3 dan Komposit MDGs-4. Adapun bentuk persamaannya adalah sebagai berikut:
YKemiskinan = 1,248 * Komposit MDGs-1 – 0,387 * Komposit MDG-5 Pada tahun 2010 Kemenkes juga menghitung besaran Indeks Pembangunan Kesehatan Masyarakat (IPKM) yang merupakan sebuah upaya melihat sejauh mana suatu provinsi melakukan pembangunannya di bidang kesehatan. Kembali pada asumsi bahwa indikator MDGs juga banyak bersinggungan dengan masalah kesehatan, maka dikonstruksi model regesi linier yang mencoba mencari komposit mana yang cenderung memiliki pengaruh kuat terhadap angka-angka IPKM. Hasil pemodelannya adalah sebagai berikut: YIPKM = 0,004 * Komposit MDGs-5 + 0,002 * Komposit MDG-7 Ketiga model tersebut memang memiliki karakteristik dan satuan yang berbeda. Akan tetapi paling tidak sudah memberi gambaran, kemana langkah selanjutnya harus disusun. Dengan adanya angka-angka perhitungan nilai komposit dan koefisien regresi selanjutnya menjadi umpan bagi penyusunan model diagram aliran (flow diagram) atau dikenal juga sebagai diagram Forrester yang menggambar-kan secara visual keterkaitan satu indikator dengan lainnya, sehingga apabila dilakukan simulasi untuk melihat interrelationship dapat dengan mudah dilakukan pelatihannya.
3. YHDI = 0,525 * Komposit MDGs-2 + 0,197 * Komposit MDGs-3 – 0,142 * Komposit MDG-4 Target MDGs juga mengukur seberapa besar angka prosentase kemiskinan akan dapat dikurangi apabila dilakukan upaya terhadap peningkatan nilai kompositnya. Setelah model HDI dihitung, selanjutnya dilakukan konstruksi model nilai komposit masingmasing MDGs terhadap prosentase angka kemiskinan tahun 2010. Kembali dengan asumsi hubungan linier antara komposit MDGs dengan prosentase kemiskinan nilai HDI terdapat hubungan yang kuat secara linier. Hasil pemodelan regresi linier ternyata terdapat dua komposit yang benar-benar memberi tingkat kemaknaan yang tinggi yaitu Komposit MDGs-1 dan Komposit MDGs-5. Adapun bentuk persamaannya adal ah sebagai berikut:
e-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011, Bandung
APLIKASI SYSTEM DYNAMIC PADA PERHITUNGAN INDIKATOR MDGs
Setelah diperoleh nilai komposit MDGs-1 sampai MDGs-8 koefisien pada masing-masing dijadikan sebagai faktor pengganda terhadap perubahan prosentase indikatornya. Dengan bantuan diagram aliran disusun sebuah model simulasi yang memungkinkan berbagai skenario intervensi dapat dilakukan dengan mudah dengan menggunakan panel-panel prosentase pada diagram aliran sehingga diperoleh berbagai kemungkinan nilai kompositnya. Berikut disajikan satu model YHDI yang dipengaruhi oleh tiga komposit yaitu Komposit MDGs-2, MDGs-3 dan MDGs4.
419
Gambar 4. Panel simulasi hubungan HDI dengan indikator komposit MDGs-2, MDGs-3 dan MDGs-4
DAFTAR PUSTAKA [1] Peta Jalan Percepatan Pencapaian Tujuan Pembangunan Milenium di Indonesia, http://www.bappenas.go.id/node/118/2814/petajalan-percepatan-pencapaian-tujuan-pembangunanmilenium-di-indonesia/, Diakses Mei 2011 [2] Karl L Wuensch, Principal Components Analysis, http://www.core.ecu.edu/psyc/wuenschk/mv/fa/pcaspss.doc, diakses November 2010 [3] Factor Analysis, Principal components factor analysis Use of extracted factors in multivariate dependency models http://www.docstoc.com/docs/4357516/factoranalysis, diakses pada Mei 2011 [4] Human Development Report 2010, http://hdr.undp.org/en/mediacentre, Diakses Mei 2011
e-Indonesia Initiative 2011 (eII2011) Konferensi Teknologi Informasi dan Komunikasi untuk Indonesia 14-15 Juni 2011, Bandung