BAB 3 HASIL DAN PEMBAHASAN

BAB 3 HASIL DAN PEMBAHASAN

3.1 Sumber Data Data yang digunakan dalam penulisan ini adalah data sekunder yang berasal dari data hasil survei yang dilakukan oleh Badan Pusat Statistik Provinsi Sumatera Utara. Adapun data sekunder ini berupa presentase dari variabel-variabel yang meliputi variabel melek huruf, rata-rata lama sekolah, pengeluaran riil perkapita, harapan hidup dan indeks pembangunan manusia. 3.2 Penyajian Data Data yang diperoleh dari hasil survei yang dilakukan Badan Pusat Statistik Provinsi Sumatera Utara disajikan dalam tabel berikut: Tabel 3.1 Melek Huruf (X1), Rata-Rata Lama Sekolah (X2), Harapan Hidup (X3), Pengeluaran Riil per Kapita (X4) dan IPM (Y)

Melek Tahun

Huruf (X1) (Persen)

Rata-rata

Harapan

Lama

Hidup

Sekolah (X2)

(X3)

(Tahun)

(Tahun)

Pengeluran Riil perKapita

IPM (Y)

(X4) (Rp.000)

2004

96

8,5

67,2

606,4

70

2005

96,4

8,6

68

613,3

71,2

2006

96,4

8,6

68,6

613,6

71,5

2007

97,4

8,6

71,5

618

73,7

2008

97,39

8,6

68,79

622,9

72,59

2009

97,44

8,63

68,89

626,3

72,94

2010

97,7

8,64

68,98

628,82

73,25

2011

97,8

8,65

69,08

632,71

73,64

2012

97,81

8,67

69,18

637,36

74,07

2013

97,94

8,69

69,27

640,64

74,41

Universitas Sumatera Utara

27

Sumber : Badan Pusat Statistik Provinsi Sumatera Utara 3.3 Uji Asumsi Analisis Jalur Sebelum data penelitian dianalisis dengan menggunakan analisis jalur, sebaiknya dilakukan uji asumsi analisis jalur. Uji tersebut digunakan untuk mengetahui apakah data yang ada memenuhi syarat untuk dianalisis dengan menggunakan metode analisis jalur.

3.3.1 Uji Normalitas Uji normalitas merupakan uji yang dilakukan untuk mengetahui apakah data penelitian berasal dari populasi yang normal. Dengan menggunakan bantuan sofware SPSS, maka diperoleh nilai signifikansi uji normalitas untuk semua variabel penelitian yang dapat dilihat pada Uji Kolmogorov-Smirnov satu sampel pada tabel di bawah ini: Tabel 3.2 Hasil Output Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardiz ed Residual N 10 a,b Normal Parameters Mean ,0000000 Std. Deviation ,01190786 Most Extreme Absolute ,239 Differences Positive ,150 Negative -,239 Kolmogorov-Smirnov Z ,757 Asymp. Sig. (2-tailed) ,615 a. Test distribution is Normal. b. Calculated from data. Berdasarkan tabel output diatas, diketahui bahwa nilai signifikansi sebesar 0,615 lebih besar dari 0,05, sehingga dapat disimpulkan bahwa data tersebut berdistribusi normal.

3.3.2 Uji Multikolinearitas Multikolinearitas adalah suatu keadaan dimana terdapat hubungan yang sangat tinggi diantara variabel-variabel bebas/eksogen. Hal ini dapat dilihat dari nilai VIF dan TOL. Nilai VIF>10


28

dan nilai TOL< 0,1 menunjukkan adanya gejala multikolinearitas. Dengan menggunakan bantuan sofware SPSS, maka diperoleh nilai signifikansi uji multikolinearitas untuk semua variabel penelitian yang dapat dilihat pada tabel Collinearity Statistic di bawah ini: Tabel 3.3 Hasil Output Uji Multikolinearitas Coefficientsa Standardiz ed Unstandardized Coefficien Coefficients ts

Model

1

(Constant) Melek Huruf(Persen) Rata-rata Lama Sekolah(Tahun)

Harapan Hidup(Tahun) Pengeluaran Riil perKapita(Rp.000) a. Dependent Variable: IPM

B Std. Error -48,803 3,010

Beta

t

,287

,035

16,213 ,141 8,251

1,269

,308

,047

,540 ,073

Sig. ,000

Collinearity Statistics Toleran ce VIF

,000

,048 20,735

4,113

,009

,108

9,230

,009

,418 58,217

,000

,275

3,633

,003

,577 27,723

,000

,033 30,601

Berdasarkan hasil diatas, nilai VIFdan TOL untuk masing-masing variabel adalah : 

Variabel melek huruf (X1) : VIF= 20,735 >10 dan TOL= 0,048<0,1 sehingga terjadi multikolinearitas.



Variabel rata-rata lama sekolah (X2) : VIF= 9,230 <10 dan TOL= 0,108>0,1 sehingga tidak terjadi multikolinearitas.



Variabel harapan hidup (X3) : VIF= 3,633 <10 dan TOL= 0,275>0,1 sehingga tidak terjadi multikolinearitas.



Variabel pengeluaran riil perkapita (X4) : VIF= 30,601 >10 dan TOL= 0,033>0,1 sehingga terjadi multikolinearitas.

Karena terjadi multikolinearitas pada variabel X1 dan X4, maka di hapuskan salah satu variabel yang mengalami multikolinearitas agar data dapat di uji menggunakan metode


29

analisis jalur. Variabel X4 dikeluarkan karena memiliki nilai multikolinearitas yang paling tinggi. Sehingga setelah X4 dikeluarkan hasilnya menjadi: Tabel 3.4 Hasil Output Uji Multikolinearitas Setelah Mengeluarkan Variabel Pengeluaran Riil perKapita

Model

1

(Constant)

Coefficientsa Standardi zed Unstandardized Coefficien Coefficients ts Std. B Error Beta -128,634 9,955

t

12,922 ,558 5,976

Melek Huruf(Persen) Rata-rata Lama Sekolah(Tahun)

1,133

,190

7,811

2,256

,289

Harapan Hidup(Tahun) a. Dependent Variable: IPM

,347

,070

,268

Sig. ,000

Collinearity Statistics Toleran ce VIF

,001

,209

4,777

3,463

,013

,261

3,828

4,985

,002

,630

1,587

Berdasarkan hasil di atas, nilai VIF untuk masing-masing variabel adalah <10 dan nilai TOL >0,1. Dengan deikian, dapat dikatan bahwa tidak terdapat masalah multikolinearitas.


30

Sehingga data yang sekarang akan dianalisis dengan menggunakan analisis jalur adalah sebagai berikut: Tabel 3.5 Melek Huruf (X1), Rata-Rata Lama Sekolah (X2), Harapan Hidup (X3) dan IPM(Y) Melek Tahun

Huruf (X1) (Persen)

Rata-rata

Harapan

Lama

Hidup

Sekolah (X2)

(X3)

(Tahun)

(Tahun)

IPM (Y)

2004

96

8,5

67,2

70

2005

96,4

8,6

68

71,2

2006

96,4

8,6

68,6

71,5

2007

97,4

8,6

71,5

73,7

2008

97,39

8,6

68,79

72,59

2009

97,44

8,63

68,89

72,94

2010

97,7

8,64

68,98

73,25

2011

97,8

8,65

69,08

73,64

2012

97,81

8,67

69,18

74,07

2013

97,94

8,69

69,27

74,41

Sumber : Badan Pusat Statistik Provinsi Sumatera Utara

3.3.3 Uji Autokorelasi Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi. Dengan menggunakan bantuan sofware SPSS, maka diperoleh nilai signifikansi uji autokorelasi untuk semua variabel penelitian yang dapat dilihat pada Uji Durbin-Watson (uji DW) pada tabel di bawah ini:


31

Tabel 3.6 Hasil Output Uji Autokorelasi dengan Uji Durbin-Watson Model Summaryb Model

R

1

.995a

R Square

Adjusted R Square

.989

.984

Std. Error of the Estimate

DurbinWatson

.18141

1.128

a. Predictors: (Constant), Harapan_Hidup(Tahun), Ratarata_Lama_Sekolah(Tahun), Melek_Huruf(Persen) b. Dependent Variable: IPM Dari hasil output di atas didapat nilai DW yang dihasilkan dari model regresi adalah 1,128. Sedangkan dari tabel DW dengan signifikansi 0,05 dan jumlah data (n) = 10, seta k = 3 (k adalah jumlah variabel independen) diperoleh nilai dL sebesar 0,5253 dan dU sebesar 2,0163 (lihat lampiran 11). Karena nilai DW (1,128) berada pada daerah antara dL dan dU, maka tidak menghasilkan kesimpulan yang pasti (berada di daerah keragu-raguan). Sehingga untuk memastikan terdapat autokorelasi atau tidak, digunakan uji run test. Dengan bantuan software SPSS, maka diperoleh output uji run test pada tabel di bawah ini: Tabel 3.7 Hasil Output Uji Autokorelasi dengan Uji Run Test Runs Test Unstandardize d Residual Test Valuea

-.03188

Cases < Test Value

5

Cases >= Test Value

5

Total Cases Number of Runs Z Asymp. Sig. (2tailed)

10 5 -.335 .737

a. Median

Berdasarkan output SPSS diatas, diketahui nilai Asymp. Sig. (2-tailed) sebesar 0,737 lebih besar > dari 0,05, maka dapat disimpulkan bahwa tidak terdapat gejala atau masalah autokorelasi.


32

3.4 Analisis Data 3.4.1 Diagram Jalur dan Persamaan Struktural Menggambarkan model diagram jalurnya berdasarkan paradigma hubungan antar variabel dengan tahapan seperti berikut : 1. Terdapat hubungan korelasi antara variabel melek huruf (X1) dengan variabel rata-rata lama sekolah (X2). 2. Terdapat hubungan kausalitas antara variabel melek huruf (X1) dengan variabel harapan hidup (X3). 3. Terdapat hubungan kausalitas antara variabel melek huruf (X1) dengan variabel IPM (Y). 4. Terdapat hubungan kausalitas antara variabel rata-rata lama sekolah (X2) dengan variabel harapan hidup (X3). 5. Terdapat hubungan kausalitas antara variabel rata-rata lama sekolah (X2) dengan variabel IPM (Y). 6. Terdapat hubungan kausalitas antara variabel harapan hidup (X3) dengan variabel IPM (Y).

Dari uraian diatas dapat dibuat gambar diagram jalurnya sebagai berikut:

Gambar 3.1 Model Diagram Jalur Berdasarkan Paradigma


33

Keterangan: X1

= Melek Huruf

X2

= Rata-Rata Lama Sekolah

X3

= Harapan Hidup

Y

= IPM

Dari gambar diatas dapat dibuat persamaan strukturnya : Persamaan Substruktur 1

Persamaan Substruktur 2

3.4.2 Menghitung Korelasi antar Variabel Menghitung korelasi antar setiap variabel adalah dengan menggunakan product moment pearson dengan rumus :

Tabel 3.8 Nilai-nilai yang dibutuhkan untuk menghitung korelasi antar variabel No 1 2 3 4 5 6 7 8 9 10 Jumlah

X1 96 96,4 96,4 97,4 97,39 97,44 97,7 97,8 97,81 97,94 972,28

X2 8,5 8,6 8,6 8,6 8,6 8,63 8,64 8,65 8,67 8,69 86,18

X3 67,2 68 68,6 71,5 68,79 68,89 68,98 69,08 69,18 69,27 689,49

Y 70 71,2 71,5 73,7 72,59 72,94 73,25 73,64 74,07 74,41 727,3

X1X2 816 829,04 829,04 837,64 837,554 840,9072 844,128 845,97 848,0127 851,0986 8379,3905


34

Sambungan Tabel 3.8 Nilai-nilai yang dibutuhkan untuk menghitung korelasi antar variabel No 1 2 3 4 5 6 7 8 9 10 Jumlah

X1X3 6451,2 6555,2 6613,04 6964,1 6699,4581 6712,6416 6739,346 6756,024 6766,4958 6784,3038 67041,8093

X1Y 6720 6863,68 6892,6 7178,38 7069,5401 7107,2736 7156,525 7201,992 7244,7867 7287,7154 70722,4928

X2X3 571,2 584,8 589,96 614,9 591,594 594,5207 595,9872 597,542 599,7906 601,9563 5942,2508

X2Y 595 612,32 614,9 633,82 624,274 629,4722 632,88 636,986 642,1869 646,6229 6268,462

Sambungan Tabel 3.8 Nilai-nilai yang dibutuhkan untuk menghitung korelasi antar variabel No 1 2 3 4 5 6 7 8 9 10 Jumlah

X3 Y 4704 4841,6 4904,9 5269,55 4993,4661 5024,8366 5052,785 5087,0512 5124,1626 5154,3807 50156,7322

X12 9216 9292,96 9292,96 9486,76 9484,8121 9494,5536 9545,29 9564,84 9566,7961 9592,2436 94537,215

X22 72,25 73,96 73,96 73,96 73,96 74,4769 74,6496 74,8225 75,1689 75,5161 742,724

X32 4515,84 4624 4705,96 5112,25 4732,0641 4745,8321 4758,2404 4772,0464 4785,8724 4798,3329 47550,4383

Y2 4900 5069,44 5112,25 5431,69 5269,3081 5320,2436 5365,5625 5422,8496 5486,3649 5536,8481 52914,557

Dari tabel 3.8 maka diperoleh hasil sebagai berikut:


35

Menghitung korelasi dari X1 dan X2

Demikianlah sampai seterusnya hingga hubungan korelasi sampai pada Y. Sehingga diperoleh nilai sebagai berikut :

Dan lebih ringkasnya hasil yang diperoleh untuk matriks korelasinya adalah :


36

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel dibawah ini: Tabel 3.9 Hasil Output Korelasi antar variabel Correlations

IPM Pearson Correlation

IPM Melek Huruf(Persen) Rata-rata_Lama Sekolah(Tahun) Harapan Hidup(Tahun)

Sig. (1-tailed)

N

IPM Melek Huruf(Persen) Rata-rata Lama Sekolah(Tahun)

Rata-rata Melek Lama Harapan Huruf(Pers Sekolah(Ta Hidup(Tah en) hun) un)

1,000 ,965

,965 1,000

,884 ,855

,726 ,593

,884

,855

1,000

,437

,726

,593

,437

1,000

,000

,000 ,001

,009 ,035

. ,000 . ,000

,001 .

,103

Harapan Hidup(Tahun) IPM

,009

,035

10

10

10

10

Melek Huruf(Persen)

10

10

10

10

Rata-rata Lama Sekolah(Tahun)

10

10

10

10

Harapan Hidup(Tahun)

10

10

10

10

,103 .


37

3.5 Menghitung Koefisien Jalur 3.5.1 Menghitung Koefisien Jalur Persamaan Substruktur 1 1. Model Diagram Jalur

Gambar 3.2 Diagram Jalur Substruktur 1

2. Persamaan strukturnya

3. Mariks korelasi

4. Menghitung invers matriks korelasi antar variabel eksogen

Det = ad-bc = (1 x 1) – (0,855 x 0,855) = 0,269


38

5. Menghitung koefisien jalur substruktur 1 Setelah memperoleh invers matriks antar variabel eksogen, maka selanjutnya menghitung koefisien jalurnya:

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Coeffientsa nilai Beta di bawah ini: Tabel 3.10 Hasil Output koefisien jalur substruktur 1

Model

1

Coefficientsa Unstandardized Standardized Coefficients Coefficients B Std. Error Beta -8,761 53,983 1,281 ,909 ,816 -5,437 12,081 -,260

(Constant) Melek_Huruf(Persen) Rata-rata Lama_Sekolah(Tahun) a. Dependent Variable: Harapan Hidup(Tahun)

t -,162 1,410 -,450

Sig. ,876 ,201 ,666

Setelah memperoleh nilai koefisiena jalurnya, kemudian kita memcari nilai R square.


39

atau

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Model Summaryb nilai R square dibawah ini: Tabel 3.11 Hasil Output nilai R square substruktur 1 Model Summaryb Mo del R ,608a

Change Statistics Std. R Error of F Squar Adjusted the R Square Chang Sig. F e R Square Estimate Change e df1 df2 Change ,370 ,190 ,98557 ,370 2,055 2 7 ,198

d1 i m e n s i o n 0 a. Predictors: (Constant), Rata-rata Lama Sekolah(Tahun), Melek Huruf(Persen) b. Dependent Variable: Harapan Hidup(Tahun)

Setelah memperoleh nilai R square, maka kita dapat menghitung koefisiean residunya dengan cara :

atau


40

Sehingga dari seluruhnya diperoleh persamaan subtruktural 1 sebagai berikut :

6. Pengujian Hipotesis Secara Simultan Menguji hipotesis secara bersama-sama variabel melek huruf, rata-rata lama sekolah, harapan hidup. artinya tidak terdapat pengaruh melek huruf dan rata-rata lama sekolah terhadap harapan hidup. , artinya terdapat pengaruh melek huruf dan rata-rata lama sekolah terhadap harapan hidup. Untuk menguji hipotesis dilakukan dengan uji F :

atau


41

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Anovab nilai F di bawah ini: Tabel 3.12 Hasil Output Uji F ANOVAb Model 1

Regression Residual

Sum of Squares 3,993 6,799

df 2 7

Mean Square 1,996 ,971

F 2,055

Sig. ,198a

Total 10,792 9 a. Predictors: (Constant), Rata-rata Lama Sekolah(Tahun), Melek Huruf(Persen) b. Dependent Variable: Harapan Hidup(Tahun)

Dengan db1 = 2 ; db2 = 7 dari tabel didapat nilai Ftabel = 4,737  Kriteria pengujian: manual 

Jika

maka tolak



Jika

maka terima

, artinya signifikan , artinya tidak signifikan

 Kaidah pengujian signifikansi : Program SPSS 

Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau (0,05 ≤ Sig ), maka H0 diterima, artinya tidak signifikan.



Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau (0,05 ≥ Sig ), maka H0 ditolak, artinya signifikan.

Pada tabel 3.12 Anovab diperoleh nilai F sebesar 2,055 dengan nilai probabilitas (sig)=0,198, karena nilai Fhitung (2,055) ≤ Ftabel (4.737) dan nilai sig (0,198) > 0,05, maka keputusannya H0 diterima yang artinya tidak terdapat pengaruh dari melek huruf dan rata-rata lama sekolah terhadap harpan hidup. Oleh sebab itu, pengujian secara individual tidak dapat dilakukan. Dari hasil diatas dapat dilihat bahwa melek huruf dan rata-rata lama sekolah tidak berpengaruh terhadap harapan hidup. Oleh sebab itu perlu dilakukan trimming dengan mengeluarkan variabel yang tidak valid sehingga substruktur 1 dihilangkan dari diagram jalurnya.


42

3.5.2 Menghitung Persamaan Substruktur 2 1. Model Diagram Jalur

Gambar 3.3 Diagram Jalur Substruktur 2

2. Persamaan strukturnya

3. Mariks korelasi dan perhitungan koefisien jalur

4. Menghitung invers matriks korelasi antar variabel eksogen dengan bantuan microsoft excel diperoleh:


43

5. Menghitung koefisien jalur substruktur 2 Setelah memperoleh invers matriks antar variabel eksogen, maka selanjutnya menghitung koefisien jalurnya:

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Coeffientsa nilai Beta di bawah ini: Tabel 3.13 Hasil Output koefisien jalur substruktur 2

Model

1

(Constant) Melek_Huruf(Persen) Rata-rata Lama_Sekolah(Tahun) Harapan Hidup(Tahun) a. Dependent Variable: IPM

Coefficientsa Unstandardized Standardized Coefficients Coefficients B Std. Error Beta -128,634 9,955 1,133 ,190 ,558 7,811 2,256 ,289 ,347

,070

,268

t -12,922 5,976 3,463

Sig. ,000 ,001 ,013

4,985

,002

Setelah memperoleh nilai koefisiena jalurnya, kemudian kita memcari nilai R square.


44

atau

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Model Summaryb nilai R square dibawah ini: Tabel 3.14 Hasil Output nilai R square substruktur 2 Model Summaryb Mo del

Change Statistics Std. Error F R Adjusted of the R Square Chang R Square R Square Estimate Change e df1 df2 ,995a ,989 ,984 ,18141 ,989 180,60 3 6 9

Sig. F Change ,000

d1 i m e n s i o n 0 a. Predictors: (Constant), Harapan Hidup(Tahun), Rata-rata Lama Sekolah(Tahun), Melek Huruf(Persen) b. Dependent Variable: IPM

Setelah memperoleh nilai R square, maka kita dapat menghitung koefisiean residunya dengan cara :


45

atau

Sehingga dari seluruhnya diperoleh persamaan subtruktural 2 sebagai berikut :

6. Pengujian Hipotesis Secara Simultan Menguji hipotesis secara bersama-sama variabel melek huruf, rata-rata lama sekolah dan harapan hidup. artinya tidak terdapat pengaruh melek huruf, rata-rata lama sekolah dan harapan hidup terhadap indeks pembangunan manusia . , artinya tidak terdapat pengaruh melek huruf, rata-rata lama sekolah dan harapan hidup terhadap indeks pembangunan manusia . Untuk menguji hipotesisi dilakukan dengan uji F :

atau


46

Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Anovab nilai F di bawah ini: Tabel 3.15 Hasil Output Uji F ANOVAb Model 1

Regression Residual

Sum of Squares 17,830 ,197

df 3 6

Mean Square F 5,943 180,609 ,033

Sig. ,000a

Total 18,028 9 a. Predictors: (Constant), Harapan Hidup(Tahun), Rata-rata Lama Sekolah(Tahun), Melek Huruf(Persen) b. Dependent Variable: IPM

Dengan db1 = 3 ; db2 = 6 dari tabel didapat nilai Ftabel = 4,76  Kriteria pengujian: manual 

Jika

maka tolak



Jika

maka terima







Pada tabel 3.15 Anovab diperoleh nilai F sebesar 180,609 dengan nilai probabilitas (sig)=0,000, karena nilai Fhitung (180,609) ≥ Ftabel (4,76) dan nilai sig (0,000) < 0,05, maka keputusannya H0 ditolak yang artinya terdapat pengaruh dari melek huruf, ratarata lama sekolah dan harpan hidup terhadap indeks pembangunan manusia. Oleh sebab itu, pengujian secara individual dapat dilakukan. 7. Pengujian Hipotesis secara individual  Pengujian koefisien jalur hubungan melek huruf terhadap indeks pembangunan manusia. , artinya tidak terdapat pengaruh antara melek huruf terhadap indeks pembangunan manusia.


47

, artinya terdapat pengaruh antara melek huruf terhadap indeks pembanungan manusia.

Pengujian terhadap hipotesis dilakukan dengan rumus:

atau


48

Ini juga dibuktikan analisis dengan bantuan program SPSS, dapat dilihat pada tabel Coefficientsb nilai t di bawah ini: Tabel 3.16 Hasil Output Uji t Coefficientsa Model

1

Standardize Unstandardized d Coefficients Coefficients B Std. Error Beta (Constant) Melek Huruf(Persen) Rata-rata Lama Sekolah(Tahun)

-128,634 1,133 7,811

9,955 ,190 2,256

Harapan Hidup(Tahun) a. Dependent Variable: IPM

,347

,070

t

Sig.

-12,922 ,558 5,976 ,289 3,463

,000 ,001 ,013

,268

,002

4,985

Dengan α= 5% ; n = 10 ; k = 3 dari tabel didapat nilai ttabel = 2,445  Kriteria pengujian: manual 

Jika

maka tolak



Jika

maka terima







Pada tabel 3.16 Coefficientsb diperoleh nilai t sebesar 5,976 dengan nilai probabilitas (sig) pada kolom sig = 0,001, karena nilai thitung (5,976) ≥ ttabel (2,445) dan nilai sig (0,001) < 0,05, maka keputusannya H0 ditolak yang artinya koefisien analisis jalurnya signifikan . Jadi, melek huruf berpengaruh secara signifikan terhadap indeks pembangunan manusia.


49

 Pengujian koefisien jalur hubungan rata-rata lama sekolah terhadap indeks pembangunan manusia. , artinya tidak terdapat pengaruh antara rata-rata lama sekolah terhadap indeks pembangunan manusia . , artinya terdapat pengaruh antara rata-rata lama sekolah terhadap indeks pembangunan manusia.


atau


Jika

maka tolak



Jika

maka terima



50






Pada tabel 3.16 Coefficientsb diperoleh nilai t sebesar 3,463 dengan nilai probabilitas (sig) pada kolom sig = 0,013, karena nilai thitung (3,463) ≥ ttabel (2,445) dan nilai sig (0,013) < 0,05, maka keputusannya H0 ditolak yang artinya koefisien analisis jalurnya signifikan . Jadi, rata-rata lama sekolah berpengaruh secara signifikan terhadap indeks pembangunan manusia.  Pengujian koefisien jalur hubungan harapan hidup terhadap indeks pembangunan manusia. , artinya tidak terdapat pengaruh antara harapan hidup terhadap indeks pembangunan manusia. , artinya terdapat pengaruh antara harapan hidup terhadap indeks pembangunan manusia.



51

atau


Jika

maka tolak



Jika

maka terima







Pada tabel 3.16 Coefficientsb diperoleh nilai t sebesar 4,985 dengan nilai probabilitas (sig) pada kolom sig = 0,002, karena nilai thitung (4,985) ≥ ttabel (2,445) dan nilai sig (0,002) < 0,05, maka keputusannya H0 ditolak yang artinya koefisien analisis jalurnya signifikan . Jadi, harapan hidup berpengaruh secara signifikan terhadap indeks pembangunan manusia. Dari hasil diatas dapat dilihat bahwa seluruhnya memiliki hubungan yang signifikan sehingga tidak perlu diadakan trimming.


52

3.5.3 Model Diagram Jalur Hasil Trimming Berdasarkan hasil dari koefisien jalur pada subtruktur 1 sampai substruktur 2, maka dapat digambarkan daiagram jalurnya secara keseluruhan sebagai berikut :

Gambar 3.4 Diagram Jalur Hasil Trimming

Dengan persamaan strukturnya adalah:

3.6 Besar Pengaruh Langsung dan Tidak Langsung Besarnya masing-masing pengaruh baik secara langsung maupun tidak langsung dapat dilihat dibawah ini: 

yang merupakan korelasi X1 dan X2.



, yang merupakan koefisien jalur Y dan X1.



, yang merupakan koefisien jalur Y dan X2.



, yang merupakan koefisien jalur Ydan X3.


53

Berdasarkan hasil tersebut, pengaruh langsung, tidak langsung serta pengaruh total variabel eksogen terhadap variabel endogen dapat dihitung sebagai berikut:

1. Untuk jalur X1 terhadap Y a. Besarnya pengaruh langsung (Dirrect Effect) variabel melek huruf (X1) terhadap variabel indeks pembangunan manusia (Y)

b. Besarnya pengaruh tidak langsung (Indirrect Effect) variabel melek huruf (X1) terhadap variabel indeks pembangunan manusia (Y) melalui hubungan korelasi variabel rata-rata lama sekolah (X2)

c. Besarnya pengaruh total (Total Effect) variabel melek huruf (X1) terhadap variabel indeks pembangunan manusia (Y)

2. Untuk Jalur X2 terhadap Y a. Besarnya pengaruh langsung (Dirrect Effect) variabel rata-rata lama sekolah (X2) terhadap variabel indeks pembangunan manusia (Y)

b. Besarnya pengaruh tidak langsung (Indirrect Effect) variabel rata-rata lama sekolah (X2) terhadap variabel indeks pembangunan manusia (Y) melalui hubungan korelasi variabel melek huruf (X1)

c. Besarnya pengaruh total (Total Effect) variabel rata-rata lama sekolah (X2) terhadap variabel indeks pembangunan manusia (Y)


54

3. Untuk Jalur X3 terhadap Y a. Besarnya pengaruh langsung (Dirrect Effect) variabel harapan hidup (X3) terhadap variabel indeks pembangunan manusia (Y)

b. Besarnya pengaruh tidak langsung (Indirrect Effect) variabel harapan hidup (X3) terhadap variabel indeks pembangunan manusia (Y)

c. Besarnya pengaruh total (Total Effect) variabel harapan hidup (X3) terhadap variabel indeks pembangunan manusia (Y)


BAB 4 KESIMPULAN DAN SARAN

4.1 Kesimpulan Dari hasil penelitian yang diperoleh maka didapatkan kesimpulan sebagai berikut: 1. Persamaan struktural diagram jalur yang terbentuk yaitu:

2. Berdasarkan hasil pengolahan data melalui uji F, pengaruh variabel melek huruf,ratarata lama sekolah, dan harapan hidup secara bersama-sama terhadap variabel indeks pembangunan manusia adalah sebesar 0,989 (98,9%) dan 0,105 (10,5%) dipengaruhi variabel lainnya di luar model jalur. 3. Pengaruh langsung melek huruf dengan IPM adalah sebesar 0,3114 (31,14%), pengaruh tidak langsung melek huruf dengan IPM adalah sebesar 0,1381 (13,81%) dan besar pengaruh totalnya adalah 0,4496 (44,96%). 4. Pengaruh langsung rata-rata lama sekolah dengan IPM adalah sebesar 0,0838 (8,38%), pengaruh tidak langsung rata-rata lama sekolah dengan IPM adalah sebesar 0,1381 (13,81%) dan besar pengaruh totalnya adalah 0,2219 (22,19%). 5. Pengaruh langsung harapan hidup dengan IPM adalah sebesar 0,0720 (7,20%), pengaruh tidak langsung harapan hidup dengan IPM adalah sebesar 0 dan besar pengaruh totalnya adalah 0,0720 (7,20%).

4.2 Saran Dari analisis dan kesimpulan yang telah diperoleh, ada beberapa saran yang penulis dapat berikan, yang mungkin dapat membantu masyarakat maupun pemerintah dalam meningkatkan indeks pembangunan manusia di Kabupaten Serdang Begadai yaitu sebagai berikut: 1. Variabel melek huruf yang paling berpengaruh baik secara langsung maupun tidak langsung terhadap peningkatan indeks pembangunan manusia di Kabupaten Serdang Bedagai. Oleh sebab itu alangkah baiknya pemerintah Kabupaten Serdang Bedagai


56

lebih memperhatikan bidang pendidikan masyarakat seperti misalnya pemberantasan buta huruf, peningkatan mutu pendidikan dan menyadarkan masyarakat akan pentingnya bersekolah untuk masa depan diri sendiri dan masyarakat yang lebih baik. 2. Adanya perhatian khusus pemerintah Kabupaten Serdang Bedagai dalam melihat perubahan data Indeks Pembangunan Manusia yang mengalami peningkatan atau penurunan setiap tahunnya agar dapat melakukan evaluasi yang tepat untuk semakin meningkatkan Indeks Pembangunan Manusia.


BAB 3 HASIL DAN PEMBAHASAN

Recommend Documents