LAPORAN PRAKTIKUM

ANALISIS DATA KATEGORIK

MODUL 5

Analisis Regresi Logistik Ordinal pada Faktor-faktor

yang Mempengaruhi IPM Provinsi Jawa Timur
Tahun 2012

Oleh :
Fahmi Cholid 1314 030 046
Naurah Nazhifah 1314 030 097

Asisten Dosen:
Anggraeni Nur Isnaeni

Program Studi Diploma III

Jurusan Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh Nopember
Surabaya
2016
 ABSTRAK

Sebagian besar negara, baik maju maupun berkembang banyak yang

menggunakan Indeks Pembangunan Manusia (IPM) sebagai salah satu
indikator untuk menilai kualitas sumberdaya manusia. Sumberdaya manusia
yang berkualitas dapat dilihat dari angka pendidikan dan kesehatan, serta
juga perekonomian suatu wilayah atau negara yang semakin membaik. Jawa
Timur merupakan salah satu provinsi di Pulau Jawa. Guna peningkatan
kualitas hidup yang lebih baik maka pemerintah di provinsi Jawa Timur
terus memantau perkembangan IPM di provinsi tersebut. Penelitian ini akan
membahas mengenai faktor-faktor apasajakah yang mempengarhui IPM
Provinsi Jawa Timur menggunakan metode regresi logistik ordinal. Sumber
data yang digunakan berasal dari BPS tepatnya pada website BPS Provinsi
Jatim. Hasil pengujian menunjukkan bahwa terdapat 10 kabupaten/kota di
Provinsi Jawa Timur yang memiliki IPM kategori rendah dan tinggi, dan
terdapat 9 kabupaten.kota di Provinsi Jawa Timur yang memiliki IPM
kategori sangat rendah dan sangat tinggi. Hasil penelitian diperoleh juga
bahwa variabel indeks kesehatan, indeks pendidikan, dan indeks PPP
memiliki hu bungan dengan IPM. Setelah dilakukan pengujian serentak
menunjukkan bahwa minimal terdapa satu variabel yang signifikan oleh
karena itu dilanjutkan dengan uji parsial. Hasil tersebut menunjukkan bahwa
Indeks kesehatan dengan kategori 1 dan indeks daya beli masyarakat dengan
kategori 2 dan 3. Selain itu, diperoleh bahwa terdapat 3 model logit. Model-
model tersebut telah sesuai dan cocok digunakan menggunakan metode
regresi logistik ordinal, dengan kebaikan model sebesar 84,2%.
Kata Kunci : IPM, Regresi Logistik Ordinal.

ii
 DAFTAR ISI
Halaman
HALAMAN JUDUL ......................................................................................... i
ABSTRAK ......................................................................................................... ii
DAFTAR ISI ...................................................................................................... iii
DAFTAR TABEL ............................................................................................. v
DAFTAR GAMBAR ........................................................................................ vi
BAB I PENDAHULUAN
1.1 Latar Belakang ............................................................................................. 1
1.2 Rumusan Masalah ......................................................................................... 2
1.3 Tujuan ........................................................................................................... 2
1.4 Manfaat ......................................................................................................... 3
1.5 Batasan Masalah ........................................................................................... 3
BAB II TINJAUAN PUSTAKA
2.1 Karakteristik Data ......................................................................................... 4
2.2 Uji Independensi ........................................................................................... 5
2.3 Pengujian Regresi Logistik Ordinal ............................................................. 6
2.3 Indeks Kesehatan ......................................................................................... 10
2.4 Indeks Pendidikan ........................................................................................ 10
2.5 Daya Beli ...................................................................................................... 11
BAB III METODE PENELITIAN
3.1 Sumber Data .................................................................................................. 12
3.2 Variabel Penelitian ........................................................................................ 12
3.3 Struktur Data ................................................................................................ 12
3.4 Langkah Analisis .......................................................................................... 12
3.5 Diagram Alir ................................................................................................ 13
BAB IV ANALISIS DAN PEMBAHASAN
4.1 Karakteristik Data Faktor-Faktor IPM .......................................................... 14
4.2 Uji Independensi pada Faktor-faktor yang Mempengaruhi IPM
Provinsi Jawa Timur Tahun 2012 ................................................................ 15

iii
4.3 Uji Serentak, Parsial dan Model Logit pada Data Faktor-Faktor
yang Mempengaruhi IPM Provinsi Jawa Timur Tahun 2012 ....................... 16
4.4 Uji Kesesuaian Model, Tes of Parallel dan Kebaikan Model pada
Faktor-Faktor Mempengaruhi IPM Provinsi Jawa Timur
Tahun 2012 .................................................................................................. 19
4.5 Analisis odds ratio pada Faktor-faktor yang mempengaruhi IPM
Provinsi Jawa Timur tahun 2012................................................................... 22
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan .................................................................................................. 24
5.2 Saran ............................................................................................................. 25
DAFTAR PUSTAKA
LAMPIRAN

iv
 DAFTAR TABEL

Halaman
Tabel 2.1 Struktur Data Tabel Kontingensi..................................................... 4
Tabel 3.1 Variabel Penelitian ....................................................................... 12
Tabel 4.1 Crosstab Faktor Indeks Kesehatan .............................................. 14
Tabel 4.2 Crosstab Faktor Indeks Pendidikan ............................................. 14
Tabel 4.3 Crosstab Faktor Indeks Daya Beli ................................................ 15
Tabel 4.4 Uji Indepedensi .............................................................................. 16
Tabel 4.5 Uji Serentak ................................................................................... 17
Tabel 4.6 Uji Parsial ....................................................................................... 18
Tabel 4.7 Model Logit IPM Provinsi Jawa Timur Tahun 2012 .................... 18
Tabel 4.8 Uji Kesesuaian Model Faktor-Faktor IPM ..................................... 20
Tabel 4.9 Test of Parallel Line IPM Provinsi Jawa Timur Tahun 2012.......... 21
Tabel 4.10 Estimasi Parameter Setiap Kategori IPM ....................................... 21
Tabel 4.11 R-square Model Faktor-Faktor yang Mempengaruhi IPM
Provinasi Jawa Timur Tahun 2012................................................. 22
Tabel 4.12 Oods Ratio Faktor-Faktor yang Mempengaruhi IPM
Provinsi Jawa Timur Tahun 2012 .................................................. 22

v
 DAFTAR GAMBAR
Halaman

Gambar 3.1 Diagram Alir .............................................................................. 13

vi
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Dalam rangka meningkatkan kesejahteraan masyarakat di dalam suatu
negara maka membutuhkan pembangunan dari segi manusia. Pembangunan pada
dasarnya adalah suatu proses untuk melakukan perubahan pada indikator sosial
maupun ekonomi masyarakat menuju ke arah yang lebih baik dan
berkesinambungan. Salah satu tolok ukur dalam keberhasilan pembangunan
adalah tersedianya sumber daya manusia (SDM) yang berkualitas. Sumberdaya
manusia yang berkualitas dapat dilihat dari angka pendidikan dan kesehatan, serta
juga perekonomian suatu wilayah atau negara yang semakin membaik (Stanton,
2007).
Oleh karena itu, sebagian besar negara baik maju maupun berkembang
banyak yang menggunakan Indeks Pembangunan Manusia (IPM) sebagai salah
satu indikator untuk menilai kualitas sumberdaya manusia. Pembangunan manusia
merupakan suatu proses memperluas pilihan-pilihan penduduk. Indeks
Pembangunan Manusia (IPM) merupakan indeks komposit yang dipengaruhi oleh
indikator kesehatan yang diwakili oleh Umur Harapan Hidup (UHH), indikator
pendidikan yang diwakili oleh Angka Melek Huruf (AMH), Rata-rata Lama
Sekolah (RLS) dan indikator ekonomi yang diwakili oleh Daya Beli masyarakat
(PPP) (Mirza, 2012).
Jawa Timur merupakan salah satu provinsi di Pulau Jawa. Guna
peningkatan kualitas hidup yang lebih baik maka pemerintah di provinsi Jawa
Timur terus memantau perkembangan IPM di provinsi tersebut. Indonesia
memiliki sumber daya manusia yang bisa dieksplorasi dan digali sehingga
menunjukan Indeks Pembangunan Manusia yang signifikan (Todaro,2014)
Pada penelitian ini akan membahas hubungan antara indeks kesehatan,
indeks pendidikan, indeks PPP dengan IPM di provinsi Jawa Timur pada tahun
2012 menggunakan model regresi logistik ordinal. Regresi logistik ordinal adalah
suatu analisa regresi yang digunakan untuk menggambarkan hubungan antara
variabel respon dengan sekumpulan variabel prediktor, dimana variabel respon
1
 bersifat ordinal, dan terdiri dari tiga katagorik atau lebih. Penelitian ini akan
dianalisis menggunakan tabel kontingensi, uji independensi, uji serentak dan
parsial, uji keseuaian model, uji intersep, model logit, dan analisis odds ratio.

1.2 Rumusan Masalah

Rumusan masalah yang digunakan berdasarkan latar belakang tersebut
adalah sebagai berikut.
1. Bagaimana tabel kontingensi dari data faktor-faktor yang mempengaruhi
IPM Provinsi Jawa Timur tahun 2012 ?
2. Bagaimana uji independen dari data faktor-faktor yang mempengaruhi
IPM Provinsi Jawa Timur tahun 2012 ?
3. Bagaimana uji serentak, uji parsial dan model logit pada data faktor-faktor
yang mempengaruhi IPM Provinsi Jawa Timur tahun 2012 ?
4. Bagaimana kesesuaian model, test of parallel lines, dan kebaikan model
dari data faktor-faktor yang mempengaruhi IPM Provinsi Jawa Timur
tahun 2012 ??
5. Bagaimana odds ratio pada faktor-faktor yang mempengaruhi IPM
provinsi Jawa Timur tahun 2012 ?

1.3 Tujuan
Tujuan yang akan dicapai berdasarkan rumusan masalah adalah sebagai
berikut.
1. Mengetahui tabel kontingensi dari data faktor-faktor yang mempengaruhi
IPM Provinsi Jawa Timur tahun 2012.
2. Mengetahui uji independen dari data faktor-faktor yang mempengaruhi
IPM Provinsi Jawa Timur tahun 2012 .
3. Mengetahui uji serentak, uji parsial dan model logit pada data faktor-faktor
yang mempengaruhi IPM Provinsi Jawa Timur tahun 2012.
4. Mengetahui kesesuaian model, test of parallel lines, dan kebaikan model
dari data faktor-faktor yang mempengaruhi IPM Provinsi Jawa Timur
tahun 2012.
5. Mengetahui odds ratio pada faktor-faktor yang mempengaruhi IPM
provinsi Jawa Timur tahun 2012.

2
1.4 Manfaat
Manfaat yang dapat diambil dengan adanya praktikum ini adalah pembaca
dapat mengetahui mengetahui hubungan antara variabel IPM dengan sekumpulan
faktor-faktor yang mempengaruhi IPM Provinsi Jawa Timur tahun 2012 dengan
menggunakan uji independensi pada analisis regresi logistik ordinal.

1.5 Batasan Masalah

Batasan masalah dalam praktikum ini adalah faktor-faktor yang diduga
mempengaruhi IPM Provinsi Jawa Timur yaitu indeks kesehatan, indeks
pendidikan, dan indeks PPP Provinsi Jawa Timur tahun 2012.

3
 BAB II
TINJAUAN PUSTAKA

2.1 Karakteristik Data

Statistika deskriptif adalah metode yang berhubungan dengan
mengumpulkan, mengeksplorasi, merangkum, dan menyajikan data kuantitatif
sehingga dapat memberikan informasi yang diinginkan. Dalam statistika
deskriptif hal-hal yang dilakukan adalah pengumpulan data mentah, penyusunan
tabel distribusi frekuensi, penyajian distribusi frekuensi dalam bentuk grafik (jika
diperlukan), penghitungan ukuran-ukuran untuk mengikhtisarkan karakteristik
data (Walpole, 1995).
Tabel kontingensi atau yang sering disebut tabulasi silang (cross tabulation)
adalah tabel yang mempunyai i buah baris dari kategori X dan j buah kolom dari
kategori Y dimana setiap sel dari tabel tersebut menyajikan semua hasil ij yang
mungkin (Agresti, 2002). Tabel kontingensi tiga dimensi merupakan tabel
kontingensi yang terdiri dari tiga faktor (variabel) dimana faktor yang satu terdiri
dari i kategori dan faktor lainnya terdiri atas j kategori serta k kategori.
Misalkan dibuat tabel kontingensi berukuran ijk dengan i menyatakan baris,
j menyatakan kolom, dan k menyatakan layer ke-k. Tabel kontingensi tiga dimensi
dapat digunakan untuk menjawab ada atau tidaknya hubungan antara tiga variabel
penelitian tetapi bukan untuk menjawab hubungan sebab akibat.
Adapun struktur data dari tabel kontingensi tiga dimensi adalah sebagai berikut.
Tabel 2.1 Struktur Data Tabel Kontingensi 3 Dimensi
Var 3 (X3)
Var 1 (X1) Var 2 (X2)
1 2 … K
1 1 n111 n112 … n11k
… … … … …
J n1j1 n1j2 … n1jk
2 1 n211 n212 … n21k
… … … … …
J n2j1 n2j2 … n2jk
… … … … … …
I 1 ni11 ni12 … ni1k
… … … … …
J nij1 nij2 … nijk

4
Keterangan:
nijk = frekuensi pengamatan pada sel (i,j,k)
Jika antara ketiga variabel tersebut saling independen, maka taksiran nilai
harapan dari masing-masing sel adalah sebagai berikut.
ni.. n. j . n.. k (2.1)
eijk  2
n...

Dimana:
J K
ni..   nijk = jumlah nilai observasi pada baris ke-i
j 1 k 1

I K
n. j .    nijk = jumlah nilai observasi pada kolom ke-j
i 1 k 1

I J
n.. k   nijk = jumlah nilai observasi pada layer ke-k
i 1 j 1

I J K
n...   nijk = jumlah nilai seluruh observasi
i 1 j 1 k 1

(Agresti, 2002)

2.2 Uji Independensi

Uji independensi digunakan untuk memeriksa ada tidaknya hubungan antara
dua variabel. Dua variabel dikatakan independen apabila distribusi dari variabel
tersebut tidak dipengaruhi pada distribusi variabel yang lain. Uji yang sesuai
untuk mengetahui hubungan antara dua variabel katgori yang berupa tabel
kontingensi adalah pearsonChi-Square test(Agresti, 2002).
Hipotesis :
H0 : Tidak ada hubungan antara varaibel-variabel yang diamati.
H1 : Ada hubungan antara variabel- variabel yang diamati.

Daerah kritis : Tolak H0 apabila  hitung   tabel

2 2

Statistik Uji :
2
n n  nij  eij 
 2
    (2.2)
hitung
 e
i 1 j 1 

ij 
dimana

5
 ni.. xn. j .
eij  (2.3)
n 2 ..
Keterangan : 2.2
n ij : frekuensi observasi untuk kategori ke-i

e ij : frekuensi ekspektasi atau frekuensi harapan untuk kategori ke-i

db : (i  1)( j  1)

2.3 Pengujian Regresi Logistik Ordinal

Regresi logistik ordinal adalah suatu analisa regresi yang digunakan untuk
menggambarkan hubungan antara variabel respon dengan sekumpulan variabel
prediktor, dimana variabel respon bersifat ordinal, dan terdiri dari tiga katagorik
atau lebih (Hosmer dan Lemeshow, 2000).
Model yang dipakai pada regresi logistik ordinal ini adalah model logit.
Pada model logit ini sifat ordinal dari respon Y dituangkan dalam peluang
kumulatif sehingga komulatif logit models merupakan model yang didapat dengan
membandingkan peluang kumulatif yaitu peluang kurang dari atau sama dengan
katagori respon ke-j pada p variabel prediktor yang dinyatakan dalam vektor x i ,
P(Y ≤ j | xi), dengan peluang lebih besar dari kategori respon ke-j pada p variabel
prediktor P(Y ≥ j | xi) (Hosmer dan Lemeshow, 2000).
exp( 0 j  k 1 k xik )
p

PY  j xi   (2.4)
1  exp( 0 j  k 1 k xik )
p

Dengan xi= [x1i , x2i , ... , xip] merupakan nilai pengamatan ke-i (i= 1, 2, ...,
n) dari setiap p variabel prediktor (Agresti, 1990). Apabila P(Y≤ j) dibandingkan
dengan peluang suatu respon pada kategori (j+1) sampai kategori p, maka
hasilnya sebagai berikut.
P(Y  j ) P(Y  j )
 (2.5)
P(Y  j ) 1  P(Y  j )

Setelah didapatkan persamaan baru maka dilakukan transformasi logistik menjadi

model regresi logistik (logit) ordinal:
 P(Y  j )    1   2  ....   j 
Logit [P(Y  j) ] = ln    ln  
 (2.6)
1  P(Y  j )    j 1   j  2  ....   r 

Dimana, j = 1, 2, . . ., p
2.5
6
Bentuk model regresi logistik dengan p variabel prediktor.

(  0 1 x1   2 x2 ....   p x p )
e
 ( x)  (  0 1 x1   2 x2 ....   p x p )
(2.7)
1 e
Jika terdapat 3 kategori respon j=1, 2, 3 maka nilai peluang dari respon ke-r
didapatkan sebagai berikut berikut.

e  01 x '
P(Y  1 | x j )  (2.8)
1  e  01 x '
e  02  x '
P(Y  2 | x j )  (2.9)
1  e  02  x '
Dari kedua peluang kumulatif, didapatkan peluang masing-masing kategori
respon.

e 01 x '
P(Y j  1)   1 ( x)  (2.10)
1  e 01 x '
e  02  x ' e  01 x '
pY j  2   2 x    (2.11)
1  e 02  x ' 1  e 01 x '

PY j  3   3 x  
1
(2.12)
1  e  02  x '
a. Pengujian Parameter Secara Serentak
Pengujian serentak dilakukan untuk memeriksa koefisien β secara
keseluruhan atau secara serentak.
Hipotesis :
H0 :  0  1  ...   k  0

H1 : Paling sedikit ada   0

Taraf Signifikansi : α
Statistik Uji :
n1 n1 n0 n0
 2 ln(
) ( )
G n n n
(2.13)
 
  y1 (1   i ) (1 y1 )
i 1

Daerah Penolakan : Tolak H0 apabila G >  ( ,db) 2

7
b. Pengujian Parameter Secara Parsial
Pengujian parsial dilakukan untuk mengetahui apakah variabel prediktor
mempengaruhi variabel responnya atau tidak dan uji ini dimaksudkan untuk
melihat apakah variabel prediktor layak masuk ke dalam model.
Hipotesis :
H0 :  k  0

H1 :  k  0
Taraf Signifikansi : α
Statistik Uji :
2
 ˆ 
Wk    k  (2.14)
 SE (  ) 
 k 

dengan k=1,2,...p
Daerah Penolakan : Tolak H0 apabila Wk   2 ( ,1)

c. Kesesuaian Model
Pengujian ini dilakukan untuk menguji apakah model yang dihasilkan
berdasarkan regresi logistik multivariat/serentak sudah layak. Dengan kata lain
tidak terdapat perbedaan antara hasil pengamatan dan kemungkinan hasil prediksi
model. Pengujian kesesuaian model dilakukan dengan hipotesis sebagai berikut
(Hosmer & Lemeshow, 2000).
Hipotesis
H0 : Model sesuai (tidak terdapat perbedaan yang signifikan antara hasil
pengamatan dengan kemungkinan hasil prediksi model).
H1 : Model tidak sesuai (terdapat perbedaan yang signifikan antara hasil
pengamatan dengan kemungkinan hasil prediksi model).
Statistik uji:
g
o  n' k  k  2

Cˆ   k (2.15)
k 1 n' k  k 1   k 

atau
2.14
 nij 
G 2  2i 1 nij log  
n
(2.16)
 mˆ ij 
dimana:
8 2.15
 Ck
o k : Observasi pada grup ke-k (  y j dengan ck : respon (0, 1))
j 1

Ck
m j ˆ j
 k : Rata-rata taksiran peluang (  )
j 1 n' k
g: Jumlah grup (kombinasi kategori dalam model serentak)
n' k : Banyak observasi pada grup ke-k

Daerah penolakan : Tolak H0 jika  hitung>  (db,α) atau G2 >  (db,α)

2 2 2

2.4 Indeks Pembangunan Manusia (IPM)

Pembangunan didefinisikan sebagai suatu kegiatan dalam upaya
meningkatkan kesejahteraan masyarakat di berbagai aspek kehidupan yang
dilakukan secara terencana dan berkelanjutan dengan memanfaatkan dan
memperhitungkan kemampuan sumber daya, informasi dan kemajuan ilmu
pengetahuan dan teknologi, serta memperhatikan perkembangan sosial
(Bappennas, 1999).
Indeks pembangunan manusia merupakan salah satu alat ukur yang dapat
digunakan untuk menilai kualitas pembangunan manusia, baik dari sisi
dampaknya terhadapkondisi fisik manusia (kesehatan dan kesejahteraan) maupun
yang bersifat non-fisik (pendidikan). Pembangunan yang berdampak pada kondisi
fisik masyarakat misalnya tercermin dalam angka harapan hidup serta kemampuan
daya beli masyarakat, sedangkan dampak non-fisik dapat dilihat dari kualitas
pendidikan masyarakat.
IPM merupakan ukuran untuk melihat dampak kinerja pembangunan
wilayah yang mempunyai dimensi yang sangat luas, karena memperlihatkan
kualitas penduduk suatu wilayah dalam hal harapan hidup, pendidikan, dan
standar hidup layak. IPM merupakan indeks komposit yang dihitung sebagai rata-
rata dari tiga indeks yang menggambarkan kemampuan dasar manusia dalam
memperluas pilihan-pilihan, yaitu indeks harapan hidup,indeks pendidikan, dan
indeks standart hidup layak (BPS, 2016).

9
2.5 Kesehatan
Kesehatan merupakan faktor penting pembangunan manusia. Kesehatan
status kesehatan mempengaruhi kemampuan masyarakat untuk meningkatkan
tingkat pendidikan dan pada gilirannya mempengaruhi produktivitas masyarakat.
Status kesehatan masyarakat juga sangat erat kaitannya dengan kemiskinan.
Kemiskinan menyebabkan masyarakat kesulitan untuk menjangkau pelayanan
kesehatan yang layak, obat-obatan yang memadai dan bahkan memelihara
lingkungan yang sehat. Dalam perhitungan IPM, kesehatan diukur dengan angka
harapan hidup. Namun untuk level kecamatan, dimensi kesehatan menggunakan
indeks longevity. Indeks tersebut merupakan gabungan dari indeks harapan hidup
dan indeks status kesehatan. Indeks harapan hidup dibentuk dari AHH, sementara
indeks status kesehatan dibentuk dari morbiditas dan lrata-rata lama sakit. Supaya
perhitungan IPM ini dapat benar-benar bisa digunakan untuk perencanaan
pembangunan suatu wilayah, maka perlu dikaji secara mendalam berbagai faktor
yang terkait dengan dimensi penyusunannya (kesehatan, pendidikan, dan
pendapatan). Terkait dengan aspek kesehatan perlu mengkaji berbagai upaya
peningkatan angka harapan hidup. Berdasar hasil kajian tersebut perlu diusulkan
berbagai macam kebijakan dan program prioritas sebagai masukan untuk
perencanaan pembangunan. Tentunya perlu melibatkan berbagai stakeholder dari
wilayah yang bersangkutan yang mengetahui kondidi wilayahnya dengan baik
(Unika, 2009).

2.6 Pendidikan
Untuk mengukur dimensi pengetahuan penduduk digunakan dua indicator,
yaitu rata-rata lama sekolah dan angka melek huruf. Rata-rata lama sekolah
menggambarkan jumlah tahun yang digunakan oleh penduduk usia 15 tahun ke
atas dalam menjalani pendidikan formal. Sedangkan angka melek huruf adalah
persentase penduduk usia 15 tahun ke atas yang dapat membaca dan menulis
huruf latin atau huruf lainnya. Proses perhitungannya, kedua indicator tersebut
digabung setelah masing-masing diberikan bobot. Rata-rata lama sekolah diberi
bobot sepertiga dan angka melek huruf diberi bobot dua per tiga (BPS, 2016).

10
2.7 Daya Beli
Daya beli merupakan kemampuan masyarakat dalam membelanjakan
uangnya untuk barang dan jasa. Kemampuan ini sangat dipengaruhi oleh harga-
harga riil antar wilayah karena nilai tukar yang digunakan dapat menurunkan atau
menaikkan nilai daya beli. Dengan demikian kemampuan daya beli masyarakat
antar wilayah lain berbeda (BPS, 2016).

11
 BAB III
METODOLOGI PENELITIAN

3.1 Sumber Data

Data yang digunakan dalam penelitian ini merupakan data sekunder yang
diperoleh dari Badan Pusat Statistik, yaitu data Indeks Pembangunan Manusia
(IPM) di Provinsi Jawa Timur pada tahun 2012. Data tersebut diambil pada hari
Senin, 14 November 2016 melalui website jatim.bps.go.id.

3.2 Variabel Penelitian

Variabel penelitian yang digunakan dalam penelitian ini adalah sebagai
berikut.
Tabel 3.1 Variabel Penelitian

Variabel Nama Variabel Skala Pengukuran Keterangan

1 : Sangat Rendah
2 : Rendah
Y IPM Ordinal
3 : Tinggi
4 : Sangat Tinggi
1 : Sangat Rendah
X1 Indeks Kesehatan Ordinal 2 : Rendah
3 : Tinggi
4 : Sangat Tinggi
1 : Sangat Rendah
2 : Rendah
X2 Indeks Pendidikan Ordinal
3 : Tinggi
4 : Sangat Tinggi
1 : Sangat Rendah
X3 Indeks PPP Ordinal 2 : Rendah
3 : Tinggi
4 : Sangat Tinggi

3.3 Langkah Analisis

Langkah analisis yang dikalukan dalam melakukan praktikum regresi
logistik ordinal adalah sebagai berikut.
1. Mengumpulkan data.

12
2. Melakukan uji independensi dari data faktor-faktor yang mempengaruhi
IPM di Jawa Timur pada tahun 2012.
3. Melakukan uji signifikansi parameter serentak dan parsial pada data faktor-
faktor yang mempengaruhi IPM di Jawa Timur pada tahun 2012.
4. Melakukan uji kesesuaian model pada data faktor-faktor yang
mempengaruhi IPM di Jawa Timur pada tahun 2012.
5. Melakukan uji ketepatan klasifikasi secara manual pada data faktor-faktor
yang mempengaruhi IPM di Jawa Timur pada tahun 2012.
6. Membuat kesimpulan.

3.4 Diagram Alir

Langkah – langkah dalam menganalisis data dapat disajikan dalam bentuk
flow chart berikut.

Mulai

Data Sekunder

Tidak
Uji Indepedensi
IIIndependensi
Ya
Signifikansi Parameter secara
Serentak dan Parsial

Uji Kesesuaian & Kebaikan Model, Test of pararel

Odds Ratio

Kesimpulann

Selesai

Gambar 3.1 Diagram Alir

13
 BAB IV
ANALISIS DAN PEMBAHASAN

4.1 Karakteristik Data Faktor-Faktor yang Mempengaruhi IPM Provinsi

Jawa Timur Tahun 2012
Karakteristik data menunjukkan karakter setiap factor yang mempengaruhi
indeks pembangunan manusia (IPM). Berikuta adalah crosstab dari masing-
masing faktor tersebut.
Tabel 4.1 Crosstabs Faktor Indeks Kesehatan
Indeks Kesehatan
Total
Kategori Sangat rendah Rendah Tinggi Sangat tinggi
Sangat rendah 8 0 1 0 9
Rendah 1 7 2 0 10
IPM
Tinggi 0 2 4 4 10
Sangat tinggi 0 0 3 5 9
Total 9 10 10 9 38
Tabel 4.1 menunjukkan bahwa untuk indeks pembangunan manusia sangat
rendah pada indeks kesehatan sangat rendah memiliki jumlah yang lebih besar
daripada indeks kesehatan rendah, tinggi, dan sangat tinggi. indeks pembangunan
manusia rendah pada indeks kesehatan rendah memiliki jumlah yang lebih besar
daripada indeks kesehatan sangat rendah, tinggi, dan sangat tinggi.Indeks
pembangunan manusia tinggi pada indeks kesehatan tinggi memiliki jumlah yang
sama dengan indeks kesehatan sangat tinggi serta lebih besar daripada indeks
kesehatan sangat rendah dan rendah. Sedangkan untuk indeks pembangunan
manusia sangat tinggi pada indeks kesehatan sangat tinggi memiliki jumlah yang
sama dengan indeks kesehatan sangat rendah serta lebih kecil daripada indeks
kesehatan rendah, tinggi, dan sangat tinggi.
Tabel 4.2 Crosstabs Faktor Indeks Pendidikan
Indeks Pendidikan
Total
Kategori Sangat rendah Rendah Tinggi Sangat tinggi
Sangat rendah 7 0 0 2 9
Rendah 2 8 0 0 10
IPM
Tinggi 0 2 7 1 10
Sangat tinggi 0 0 3 6 9
Total 9 10 10 9 38
Tabel 4.2 menunjukkan bahwa untuk indeks pembangunan manusia sangat
rendah pada indeks pendidikan sangat rendah memiliki jumlah yang lebih besar
daripada indeks pendidikan rendah, tinggi, dan sangat tinggi. Indeks

14
pembangunan manusia rendah pada indeks pendidikan rendah memiliki jumlah
yang lebih besar daripada indeks pendidikan sangat rendah, tinggi, dan sangat
tinggi.Indeks pembangunan manusia tinggi pada indeks pendidikan tinggi
memiliki jumlah yang lebih besar daripada indeks kesehatan sangat rendah,
rendah dan sangat tinggi. Sedangkan untuk indeks pembangunan manusia sangat
tinggi pada indeks pendidikan sangat tinggi memiliki jumlah yang lebih besar
daripada indeks pendidikan sangat rendah, rendah dan tinggi.
Tabel 4.3 Crosstabs Faktor Indeks beli
Indeks daya beli
Total
Kategori Sangat rendah Rendah Tinggi Sangat tinggi
Sangat rendah 3 4 2 0 9
Rendah 5 3 2 0 10
IPM
Tinggi 1 3 4 2 10
Sangat tinggi 0 0 3 6 9
Total 9 10 11 8 38
Tabel 4.3 menunjukkan bahwa untuk indeks pembangunan manusia sangat
rendah pada indeks daya beli sangat rendah memiliki jumlah yang lebih besar
daripada indeks daya beli tinggi, dan sangat tinggi serta lebih kecil daripada
indeks daya beli rendah. Indeks pembangunan manusia rendah pada indeks daya
beli rendah memiliki jumlah yang lebih besar daripada indeks daya beli tinggi dan
sangat tinggi .Indeks pembangunan manusia tinggi pada indeks daya beli tinggi
memiliki jumlah yang lebih besar daripada indeks daya sangat rendah, rendah dan
sangat tinggi. Sedangkan untuk indeks pembangunan manusia sangat tinggi pada
indeks daya beli sangat tinggi memiliki jumlah yang lebih kecil daripada indeks
daya beli sangat rendah, rendah dan tinggi.

4.2 Uji Independensi Pada Data Faktor-Faktor yang Mempengaruhi IPM

Provinsi Jawa Timur Tahun 2012
Uji independensi dilakukan untuk mengetahui apakah terdapat hubungan
antara Indeks Pembangunan Manusia (IPM) dengan indeks kesehatan, indeks
pendidikan dan indeks daya beli masyarakat. Uji independensi dilakukan dengan
uji Chi-square. Hasil uji independensi adalah sebagai berikut.
Hipotesis
1. Faktor indeks kesehatan dengan indeks pembangunan manusia (IPM)
H 0 : Tidak ada hubungan antara indeks kesehatan dengan IPM

15
H 1 : ada hubungan antara indeks kesehatan dengan IPM
2. Faktor indeks pendidikan dengan indeks pembangunan manusia (IPM)
H 0 : Tidak ada hubungan antara indeks kesehatan dengan IPM

H 1 : ada hubungan antara indeks kesehatan dengan IPM

3. Faktor indeks daya beli masyarakat dengan indeks pembangunan manusia
(IPM)
H 0 : Tidak ada hubungan antara indeks kesehatan dengan IPM

H 1 : ada hubungan antara indeks kesehatan dengan IPM

α = 0,05
Daerah Kritis : Tolak H0 jika  2   tabel
2
atau P-value< α
Tabel 4.4 Uji Independensi
Variabel Prediktor Value df P-value  tabel
2
Keterangan
Indeks Kesehatan (X1) 43,315 9 0,000 16,918 Ada Hubungan
Indeks Pendidikan (X2) 54,124 9 0,000 16,918 Ada Hubungan
Indeks Daya Beli (X3) 23,595 9 0,005 16,918 Ada Hubungan
Berdasarkan Tabel 4.4 dapat diketahui dari ketiga variabel prediktor yang
digunakan semuanya memiliki  2   tabel
2
dan P-value kurang dari α yang
digunakan yaitu 0.05 sehingga dapat diketahui bahwa semua variabel
berhubungan dengan variabel respon. Variabel indeks kesehatan, indeks
pendidikan dan indeks daya beli memiliki hubungan dengan IPM.

4.3 Uji Serentak, Parsial dan Model Logit Pada Data Faktor-Faktor yang
Mempengaruhi IPM Provinsi Jawa Timur Tahun 2012
Uji signifikansi secara serentak dilakukan untuk mengetahui variabel yang
berpengaruh, sehingga membentuk model yang tepat. Hasil uji serentak adalah
sebagai berikut.
Hipotesis:
H 0 : 1   2   3  0 (Tidak ada ada pengaruh antar faktor-faktor IPM di
Provinasi Jawa Timur 2012)
H 1 : Paling sedikit ada satu  k  0 ( ada ada pengaruh antar faktor-faktor IPM di
Provinasi Jawa Timur 2012)
Daerah kritis : Tolak H0 jika  2   tabel
2
atau P-value< α

16
 Tabel 4.5 Uji Serentak
Model -2 Log Likelihood Chi-Square df P-value  tabel
2

Final 40,317 59,156 9 0,000 16,918

Berdasarkan Tabel 4.2 diperoleh nilai Chi-Square sebesar 40,317 lebih
besar dari  tabel
2
(16,918) dan p-value sebesar 0,000 dimana p-value tersebut
kurang dari α (0,05), sehingga keputusan yang diambil adalah tolak H0. Yang
berarti paling tidak ada satu variabel yang berpengaruh secara signifikan terhadap
tinggi rendahnya IPM
Uji Parsial dilakukan untuk mengetahui variabel yang berengaruh signifikan
yang dilakukan secara individu. Variabel yang diuji adalah variabel yang
signifikan pada uji independensi. Karena semua variabel signifikan pada uji
independensi, maka uji parsial dilakukan pada semua variabel. Hasil uji parsial
adalah sebagai berikut.
Hipotesis:
1. Faktor indeks kesehatan dengan indeks pembangunan manusia (IPM)
H 0 : Variabel indeks kesehatan tidak berpengaruh signifikan terhadap IPM

H 1 : Variabel indeks kesehatan berpengaruh signifikan terhadap IPM

2. Faktor indeks pendidikan dengan indeks pembangunan manusia (IPM)
H 0 : Variabel indeks pendidikan tidak berpengaruh signifikan terhadap IPM

H 1 : Variabel indeks pendidikan berpengaruh signifikan terhadap IPM

3. Faktor indeks daya beli masyarakat dengan indeks pembangunan manusia
(IPM)
H 0 : Variabel indeks daya beli masyarakat tidak berpengaruh signifikan terhadap
IPM
H 1 : Variabel indeks daya beli masyarakat berpengaruh signifikan terhadap IPM
α = 0,05
Daerah kritis : Tolak H0 jika Wald   tabel
2
atau P-value< α

17
 Tabel 4.6 Uji Parsial
Variabel Estimate Std. Error Wald df P-value  tabel
2

IPM=1 -10,603 2,573 16,983 1 0.000 3,841

IPM=2 -6,62 2,203 9,026 1 0.003 3,841
IPM=3 -2,882 1,449 3,957 1 0.047 3,841
Indeks kesehatan=1 -7,087 2,112 11,264 1 0.001 3,841
Indeks kesehatan=2 -2,482 1,455 2,912 1 0.088 3,841
Indeks kesehatan=3 -2,947 1,361 4,69 1 0.030 3,841
Indeks kesehatan=4 0 - - 0 -
Indeks Daya beli=1 4,985 2,051 5,91 1 0,015 3,841
Indeks Daya beli=2 5,13 2,051 6,217 1 0.013 3,841
Indeks Daya beli=3 -3,986 2,057 6,09 1 0.014 3,841
Indeks Daya beli=4 0 - - 0 -
Berdasarkan Tabel 4.6 diketahui bahwa variabel yang berpengaruh terhadap
IPM secara parsial adalah Indeks kesehatan dengan kategori 1 dan indeks daya
beli masyarakat dengan kategori 2 dan 3, karena memiliki Wald   tabel
2
dan P-
value kurang dari 0,05.
. Berdasarkan hasil tersebut maka dapat diperoleh 3 model logit. Berikut
adalah model logit IPM Provinsi Jawa Timur tahun 2012.
g1 x   10,603  7,087 x1 1  2,947 x1 3  4,985x3 1  5,130 x3 2  3,986 x3 3

g 2 x   6,620  7,087 x1 1  2,947 x1 3  4,985x3 1  5,130 x3 2  3,986 x3 3

g3 x   2,882  7,087 x1 1  2,947 x1 3  4,985x3 1  5,130 x3 2  3,986 x3 3
Model logit IPM Provinsi Jawa Timur tahun 2012 terdapat 3 model logit.
Berdasarkan model tersebut dapat diketahui nilai peluang dari masing-masing
kategori IPM Provinsi Jawa Timur tahun 2012. Berikut adalah nilai perhitungan
nilai peluang setiap kategori IPM Provinsi Jawa Timur tahun 2012.
a. Nilai Peluang Kategori Y=1 (Sangat Rendah)
exp g1  x 
1  1  exp g x 
1

exp  10,603  7,0871  2,9473  4,9851  5,1302  3,9863

1  1  exp  10,603  7,0871  2,9473  4,9851  5,1302  3,9863
1  2,244 x 10 24

Berdasarkan hasil perhitungan diatas, diperoleh bahwa nilai peluang IPM

kategori sangat rendah dengan indeks kesehatan sangat rendah, indeks

18
 kesehatan tinggi, indeks PPP sangat rendah, indeks PPP rendah dan indeks
PPP tinggi sebesar 2,244 x 10-24.
b. Nilai Peluang Kategori Y=2 (Rendah)
exp g 2 x  exp g1 x 
 2  1  expg x  1  expg x
2 1

exp  6,620  7,0871  2,9473  4,9851  5,1302  3,9863

 2  1  exp  6,620  7,0871  2,9473  4,9851  5,1302  3,9863  2,244 x 10  24

 2  1,204 x 10 22  2,244 x 10 24  1,812 x 10 22

Berdasarkan hasil perhitungan diatas, diperoleh bahwa nilai peluang IPM

kategori rendah dengan indeks kesehatan sangat rendah, indeks kesehatan
tinggi, indeks PPP sangat rendah, indeks PPP rendah dan indeks PPP tinggi
sebesar 1,812 x 10-22.

c. Nilai Peluang Kategori Y=2 (Tinggi)

exp g 3 x  exp g 2 x 
 3  1  expg x  1  expg x
3 2

exp  2,282  7,0871  2,9473  4,9851  5,1302  3,9863

 3  1  exp  2,282  7,0871  2,9473  4,9851  5,1302  3,9863   2,365 x 10  24 
 3  9,219 x 10 21  1,812 x 10 22  9,0378 x 10 21

Berdasarkan hasil perhitungan diatas, diperoleh bahwa nilai peluang IPM

kategori tinggi dengan indeks kesehatan sangat rendah, indeks kesehatan
tinggi, indeks PPP sangat rendah, indeks PPP rendah dan indeks PPP tinggi
sebesar 9,0378 x 10-21.

d. Nilai Peluang Kategori Y=1 (Sangat Tinggi)

 4  1  3

 4  1  9,0378x10 21
1

Berdasarkan hasil perhitungan diatas, diperoleh bahwa nilai peluang IPM

kategori sangat tinggi dengan indeks kesehatan sangat tinggi, indeks
kesehatan tinggi, indeks PPP sangat rendah, indeks PPP rendah dan indeks
PPP tinggi sebesar 1.

19
4.4 Uji Kesesuaian Model, Test of Parallel Lines, dan Uji Kebaikan Model
pada Faktor-faktor yang Mempengaruhi IPM Provinsi Jawa Timur
Tahun 2012
Uji kesesuaian model dilakukan untuk mengetahui apakah model yang
digunakan telah sesuai atau tidak. Berikut adalah hasil uji kesesuain model pada
faktor-faktor yang mempengaruhi IPM Provinsi Jawa Timur tahun 2012.
Hipotesis :
H0 : Model faktor-faktor yang mempengaruhi IPM Provinsi Jawa Timur tahun
2012 telah sesuai.
H1 : Model faktor-faktor yang mempengaruhi IPM Provinsi Jawa Timur tahun
2012 tidak sesuai.
Taraf signifikan : α = 0,05
Statistik uji :
Berikut adalah hasil uji kesesuaian model faktor-faktor yang
mempengaruhi IPM Provinsi Jawa Timur menggunakan software.
Tabel 4.8 Uji Keseuaian Model Faktor-faktor IPM
χ2hitung χ2tabel df p-value
65,906 67,505 54 0,128
Tabel 4.8 menunjukkan bahwa nilai chi-square hitung lebih kecil dari nilai
chi-square tabel yaitu 65,906 lebih kecil dari 67,505. Selain itu diketahui juga
bahwa nilai p-value memiliki nilai sebesar 0,128 yang lebih besar dari alpha
sebesar 0,05. Oleh karena itu dapat diambil suatu keputusan yaitu gagal tolak H0.
Artinya, model faktor-faktor yang mempengaruhi IPM Provinsi Jawa Timur tahun
2012 telah sesuai.
Test of parallel line (uji intersep masing-masing kategori variabel)
digunakan untuk mengetahui apakah nilai intersep pada masing-masing kategori
variabel respon adalah sama atau berbeda. Tujuannya yaitu untuk mengetahui
apakah model yang digunakan telah tepat atau tidak untuk dianalisis
menggunakan regresi logistik ordinal. Berikut adalah hasil analisis pengujian nilai
intersep masing-masing kategori pada IPM Provinsi Jawa Timur tahun 2012.
Hipotesis :
H0 : Intersep untuk masing-masing kategori IPM Provinsi Jawa Timur tahun
2012 adalah sama.

20
H1 : Intersep untuk masing-masing kategori IPM Provinsi Jawa Timur tahun 2012
adalah berbeda.
Taraf signifikan : α = 0,05
Statistik uji :
Berikut adalah hasil uji intersep pada masing-masing kategori IPM
Provinsi Jawa Timur tahun 2012 menggunakan software.
Tabel 4.9 Test of Parallel Line IPM Provinsi Jawa Timur Tahun 2012
χ2hitung χ2tabel df p-value
40,317 28,869 18 0,002
Tabel 4.9 Menunjukkan bahwa nilai chi-square hitung memiliki nilai
yang lebih besar dari chi-square tabel yaitu 40,317 lebih besar dari 28,869. Selain
itu, diketahui bahwa nilai p-value sebesar 0,002 yang memiliki nilai lebih kecil
dari alpha yaitu 0,05. Oleh karena itu, dapat diambil suatu keputusan yaitu tolak
H0. Artinya, intersep untuk masing-masing kategori IPM Provinsi Jawa Timur
tahun 2012 adalah berbeda. Hal tersebut dapat dibuktikan bahwa nilai estimasi
tiap-tiap kategori telah berbeda. Berikut adalah hasil estimasi parameter setiap
kategori IPM Provinsi Jawa Timur tahun 2012.
Tabel 4.10 Estimasi Parameter Setiap Kategori IPM Provinsi Jawa Timur tahun 2012
Kategori Estimasi
Sanagat Rendah -10,603
Rendah -6,620
Tinggi -2,882
Menurut tabel 4.10 diperoleh bahwa nilai intersep pada tiap-tiap kategori
telah berbeda. Hal ini ditunjukkan bahwa nilai estimasi IPM Provinsi Jawa Timur
tahun 2012 dengan kategori sangat rendah, rendah, dan tinggi secara berurutan
yaitu -10,603; -6,620; dan -2,882
Hasil analisis menunjukkan bahwa model telah tepat digunakan
menggunakan metode regresi logistik ordinal. Hal ini dibuktikan dengan hasil
nilai uji test of parallel lines yang telah signifikan, artinya bahwa model yang
digunakan adalah model yang memiliki intersep yang berbeda atau dapat
dikatakan bahwa model masing-masing kategori telah bertingkat. Menurut hasil
analisis menunjukkan bahwa kebaikan model yang dimiliki pada model tersebut
sebesar 84,2%. Berikut adalah hasil analisis uji kebaikan model menggunakan
metode regresi logistik ordinal pada faktor-faktor yang mempengaruhi IPM
Provinsi Jawa Timur tahun 2012.

21
 Tabel 4.11 R-square Model Faktor-Faktor Yang Mempengaruhi IPM
Provinsi Jawa Timur Tahun 2012
R-square
Negelkerke 0,842
Tabel 4.11 menunjukkan bahwa variabilitas model sebesar 84,2%. Artinya, indek
kesehatan, indeks pendidikan, dan indeks PPP dapat menjelaskan IPM Provinsi
Jawa Timur tahun 2012 sebesar 84,2%, sedangkan sisanya yakni sebesar 15,8%
dijelaskan oleh variabel prediktor yang tidak masuk kedalam model.

4.5 Odds Ratio Faktor-faktor yang Mempengaruhi IPM Provinsi Jawa

Timur Tahun 2012
Analisis oods ratio digunakan untuk menentukan kecenderungan/hubungan
funsional antara variabel prediktor dengan variabel respon serta menunjukkan
pengaruh perubahan nilai pada variabel yang bersangkutan. Besaran oods ratio
atau eβdiartikan sebagai kecenderungan variabel respon yang memiliki nilai
tertentu. Berikut adalah hasil analisis oods ratio pada data faktor-faktor yang
mempengaruhi IPM Provinsi Jawa Timur tahun 2012.
Tabel 4.12 Oods Ratio Faktor-Faktor Yang Mempengaruhi IPM Provinsi Jawa Timur Tahun 2012
Variabel Estimate Exp (estimate) P-value
Indeks Kesehatan (1) -7,087 0,0008359 0,001
Indeks Kesehatan (3) -2,947 0,0525 0,03
Indeks PPP (1) -4,985 0,00684 0,015
Indeks PPP (2) -5,130 0,00592 0,013
Indeks PPP (3) -3,986 0,01857 0,014
Tabel 4.12 menunjukkan mengenai oods ratio faktor-faktor yang
mempengaruhi IPM Provinsi Jawa Timur tahun 2012. Hasil tersebut menunjukkan
bahwa indeks kesehatan dengan standar rendah cenderung memiliki IPM
0,0008359 lebih kecil dibandingkan dengan indeks kesehatan standar sangat
tinggi. Indeks kesehatan standar tinggi cenderung memiliki IPM 0,0525 lebih
kecil dibandingkan dengan indeks kesehatan standar sangat tinggi. Indeks PPP
standar sangat rendah cenderung memiliki IPM 0,00684 lebih kecil dibandingkan
dengan indeks PPP standar sangat tinggi. Indeks PPP standar rendah cenderung
memiliki IPM 0,00592 lebih kecil dibandingkan dengan indeks PPP standar
sangat tinggi. Indeks PPP standar tinggi cenderung memiliki IPM 0,01857 lebih
kecil dibandingkan dengan indeks PPP standar sangat tinggi.

22
 BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Pada praktikum kali ini terdapat beberapa percobaan yang dapat
disimpulkan, yaitu.
1. Hasil analisis tabel kontingensi antara variabel prediktor dan variabel respon
pada data faktor-faktor yang mempengaruhi IPM Provinsi Jawa Timur tahun
2012 yaitu jumlah kabupaten/kota yang memiliki nilai IPM Provinsi Jawa
Timur dengan berkategori rendah dan tinggi masing-masing terdapat 10
kabupaten/kota, sedangkan untuk kategori sangat rendah dan sangat tinggi
masing-masing sebesar 9 kabupaten/kota.
2. Hasil pengujian independensi pada variabel respon dan variabel prediktor
pada data data faktor-faktor yang mempengaruhi IPM Provinsi Jawa Timur
tahun 2012 bahwa variabel indeks kesehatan, indeks pendidikan, dan indeks
PPP memiliki hubungan dengan IPM Provinsi Jawa Timur tahun 2012.
3. Hasil pengujian signifikansi parameter didapatkan bahwa pengujian
serentak menghasilkan minimal terdapat satu variabel prediktor yang
memberikan pengaruh berbeda terhadap variabel respon. Hasil uji parsial
menunjukkan bahwa variabel yang berpengaruh terhadap IPM secara parsial
adalah Indeks kesehatan dengan kategori 1 dan indeks daya beli masyarakat
dengan kategori 2 dan 3. Selain itu, diperoleh bahwa terdapat 3 model logit.
4. Pengujian kesesuaian model faktor-faktor yang mempengaruhi IPM
Provinsi Jawa Timur tahun 2012 menunjukkan bahwa model yang terbentuk
telah sesuai dan model telah tepat digunakan dengan memiliki intersep yang
berbeda atau dapat dikatakan telah memiliki tingkatan. Kebaikan model
tersebut sebesar 84,2%.
5. Analisis oods ratio menunjukkan bahwa indeks kesehatan dengan standar
rendah cenderung memiliki IPM 0,0008359 lebih kecil dibandingkan
dengan indeks kesehatan standar sangat tinggi. Indeks kesehatan standar
tinggi cenderung memiliki IPM 0,0525 lebih kecil dibandingkan dengan
indeks kesehatan standar sangat tinggi. Indeks PPP standar sangat rendah
23
 cenderung memiliki IPM 0,00684 lebih kecil dibandingkan dengan indeks
PPP standar sangat tinggi. Indeks PPP standar rendah cenderung memiliki
IPM 0,00592 lebih kecil dibandingkan dengan indeks PPP standar sangat
tinggi. Indeks PPP standar tinggi cenderung memiliki IPM 0,01857 lebih
kecil dibandingkan dengan indeks PPP standar sangat tinggi.

5.2 Saran
Saran yang dianjurkan untuk para peneliti selanjutnya agar lebih teliti dan
cermat dalam melakukan analisis data. Untuk praktikum selanjutnya, variabel
variabel yang digunakan ditambah lebih banyak agar informasi yang didapat
dapat lebih banyak dan beragam macamnya.

24
 DAFTAR PUSTAKA

Agresti, Alan. 2002. Categorical Data Analysis. New York : John Willey and
Sons, 1990.
Badan Pusat Statistik (BPS). 2016, Indeks Pembangunan Manusia 2011-2012.
BPS, Jakarta.
Bappenas. 1999, Data Dasar Pembangunan Daerah Kabupaten/Kota Tahun 1999.
Bappenas, Jakarta.
Hosmer, D.W dan Lemeshow, S In. 1989. Applied Logistic Rgression . New
York : John Willey, 1989.
Mirza, D.S. (2012). Pengaruh Kemiskinan terhadap Indeks Pembangunan
Manusia. Economics Development Analysis Journal.
Stanton, William J. (2007). Prinsip Pembangunan. Alih Bahasa oleh Sadu
Sundaru. Jilid Satu. Edisi Kesepuluh. Jakarta : Erlangga.
Todaro, M. P dan Smith, Stephen C. (2004). Pembangunan Ekonomi di Dunia
Ketiga. Jakarta: Penerbit Erlanga.
Unika, Atma Jaya. 2009. Indeks Pembangunan Manusia (IPM) Dari Sisi
Kesehatan Kasus Provinsi Gorontalo. Dikutip: 14 November 2016. [Online]
https://lib.atmajaya.ac.id/default.aspx?tabID=61&id=208293&src=a.
Walpole. E.R. 1995. Pengantar Metode Statistika.. Penerbit PT. Gramedia.
Jakarta
 LAMPIRAN
Lampiran 1. Data Faktor-faktor yang Mempengaruhi IPM Provinsi Jawa Timur
tahun 2012
Indeks Kesehatan Indeks pendidikan indeks PPP IPM (Y)
4 2 2 3
3 2 2 2
4 3 3 3
4 3 2 3
3 3 4 3
3 3 1 3
2 2 3 2
2 2 1 2
1 1 1 1
2 2 2 2
1 1 1 1
1 1 2 1
1 1 2 1
1 2 3 2
3 4 4 4
3 3 3 3
3 3 3 3
2 2 2 3
2 2 1 2
4 3 3 3
3 2 1 2
2 1 1 2
2 1 1 2
2 2 2 2
4 3 3 4
1 1 2 1
1 1 2 1
1 1 1 1
1 4 3 1
3 4 3 1
4 4 4 4
3 4 4 4
3 3 4 4
2 4 4 3
4 4 4 4
4 4 3 4
4 4 4 4
2 3 3 4
Lampiran 2. Output SPSS
in_kese * IPM Crosstabulation
Count

IPM

sangat
rendah rendah tinggi sangat tinggi Total

in_kese sangat rendah 8 1 0 0 9

rendah 0 7 2 1 10

tinggi 1 2 4 3 10

sangat tinggi 0 0 4 5 9
Total 9 10 10 9 38

Chi-Square Tests

Asymp. Sig. (2-

Value df sided)

Pearson Chi-Square 43,315a 9 ,000

Likelihood Ratio 44,975 9 ,000
Linear-by-Linear Association 22,523 1 ,000
N of Valid Cases 38

a. 16 cells (100,0%) have expected count less than 5. The minimum expected
count is 2,13.

in_pen * IPM Crosstabulation

Count
IPM

sangat sangat
rendah rendah tinggi tinggi Total

in_pen sangat
7 2 0 0 9
rendah

rendah 0 8 2 0 10

tinggi 0 0 7 3 10

sangat tinggi 2 0 1 6 9
Total 9 10 10 9 38

Chi-Square Tests

Asymp. Sig. (2-

Value df sided)
Pearson Chi-Square 54,124a 9 ,000
Likelihood Ratio 58,217 9 ,000
Linear-by-Linear Association 18,878 1 ,000
N of Valid Cases 38

a. 16 cells (100,0%) have expected count less than 5. The minimum expected
count is 2,13.

in_ppp * IPM Crosstabulation

Count

IPM

sangat sangat
rendah rendah tinggi tinggi Total

in_ppp sangat
3 5 1 0 9
rendah

rendah 4 3 3 0 10

tinggi 2 2 4 3 11

sangat tinggi 0 0 2 6 8
Total 9 10 10 9 38

Chi-Square Tests

Asymp. Sig. (2-

Value df sided)

Pearson Chi-Square 23,595a 9 ,005

Likelihood Ratio 28,087 9 ,001
Linear-by-Linear Association 15,731 1 ,000
N of Valid Cases 38

a. 16 cells (100,0%) have expected count less than 5. The minimum expected
count is 1,89.

Model Fitting Information

Model -2 Log Likelihood Chi-Square df Sig.

Intercept Only 99,472

Final 40,317 59,156 9 ,000

Link function: Logit.

Goodness-of-Fit

Chi-Square df Sig.

Pearson 65,906 54 ,128

Deviance 35,687 54 ,974
Link function: Logit.

Pseudo R-Square

Cox and Snell ,789

Nagelkerke ,842
McFadden ,562

Link function: Logit.

Parameter Estimates
Estima Std. Wald df Sig. 95% Confidence
te Error Interval
Lower Upper
Bound Bound
- 16,98
[IPM = 1,00] 2,573 1 ,000 -15,646 -5,560
10,603 3
Threshold
[IPM = 2,00] -6,620 2,203 9,026 1 ,003 -10,938 -2,301
[IPM = 3,00] -2,882 1,449 3,957 1 ,047 -5,722 -,043
[indeks_kesehatan= 11,26
-7,087 2,112 1 ,001 -11,226 -2,948
1,00] 4
[indeks_kesehatan=
-2,482 1,455 2,912 1 ,088 -5,333 ,369
2,00]
[indeks_kesehatan=
-2,947 1,361 4,690 1 ,030 -5,614 -,280
3,00]
[indeks_kesehatan=
0a . . 0 . . .
4,00]
[indeks_pendidikan=
-1,732 2,290 ,572 1 ,450 -6,221 2,757
1,00]
Location [indeks_pendidikan=
-,141 1,626 ,007 1 ,931 -3,327 3,046
2,00]
[indeks_pendidikan=
1,497 1,242 1,452 1 ,228 -,938 3,932
3,00]
[indeks_pendidikan=
0a . . 0 . . .
4,00]
[indeks_ppp=1,00] -4,985 2,051 5,910 1 ,015 -9,005 -,966
[indeks_ppp=2,00] -5,130 2,057 6,217 1 ,013 -9,162 -1,097
[indeks_ppp=3,00] -3,986 1,615 6,090 1 ,014 -7,152 -,820
[indeks_ppp=4,00] 0a . . 0 . . .
Link function: Logit.
a. This parameter is set to zero because it is redundant.

Test of Parallel Linesa

Model -2 Log Likelihood Chi-Square df Sig.

Null Hypothesis 40,317

General ,000b 40,317 18 ,002

The null hypothesis states that the location parameters (slope coefficients) are the
same across response categories.
a. Link function: Logit.
b. The log-likelihood value is practically zero. There may be a complete separation in
the data. The maximum likelihood estimates do not exist.