BAB 3 HASIL DAN PEMBAHASAN

Transkripsi

1 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 (X 1 ), Rata-Rata Lama Sekolah (X 2 ), Harapan Hidup (X 3 ), Pengeluaran Riil per Kapita (X 4 ) dan IPM (Y) Tahun Pengeluran Rata-rata Harapan Melek Riil Lama Hidup Huruf (X 1 ) perkapita Sekolah (X 2 ) (X 3 ) (Persen) (X 4 ) (Tahun) (Tahun) (Rp.000) IPM (Y) ,5 67,2 606, ,4 8, ,3 71, ,4 8,6 68,6 613,6 71, ,4 8,6 71, , ,39 8,6 68,79 622,9 72, ,44 8,63 68,89 626,3 72, ,7 8,64 68,98 628,82 73, ,8 8,65 69,08 632,71 73, ,81 8,67 69,18 637,36 74, ,94 8,69 69,27 640,64 74,41

2 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 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 Normal Parameters a,b Mean, Std. Deviation, Most Extreme Differences Absolute,239 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 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

3 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 Model Unstandardized Coefficients Coefficients a Standardiz ed Coefficien ts B Std. Error Beta 1 (Constant) -48,803 3,010-16,213 Melek Huruf(Persen) Rata-rata Lama Sekolah(Tahun) Harapan Hidup(Tahun) Pengeluaran Riil perkapita(rp.000) a. Dependent Variable: IPM t Sig.,000 Collinearity Statistics Toleran ce VIF,287,035,141 8,251,000,048 20,735 1,269,308,047 4,113,009,108 9,230,540,009,418 58,217,000,275 3,633,073,003,577 27,723,000,033 30,601 Berdasarkan hasil diatas, nilai VIFdan TOL untuk masing-masing variabel adalah : Variabel melek huruf (X 1 ) : VIF= 20,735 >10 dan TOL= 0,048<0,1 sehingga terjadi multikolinearitas. Variabel rata-rata lama sekolah (X 2 ) : VIF= 9,230 <10 dan TOL= 0,108>0,1 sehingga tidak terjadi multikolinearitas. Variabel harapan hidup (X 3 ) : VIF= 3,633 <10 dan TOL= 0,275>0,1 sehingga tidak terjadi multikolinearitas. Variabel pengeluaran riil perkapita (X 4 ) : VIF= 30,601 >10 dan TOL= 0,033>0,1 sehingga terjadi multikolinearitas. Karena terjadi multikolinearitas pada variabel X 1 dan X 4, maka di hapuskan salah satu variabel yang mengalami multikolinearitas agar data dapat di uji menggunakan metode

4 29 analisis jalur. Variabel X 4 dikeluarkan karena memiliki nilai multikolinearitas yang paling tinggi. Sehingga setelah X 4 dikeluarkan hasilnya menjadi: Tabel 3.4 Hasil Output Uji Multikolinearitas Setelah Mengeluarkan Variabel Pengeluaran Riil perkapita Model Unstandardized Coefficients B Coefficients a Std. Error Standardi zed Coefficien ts Beta 1 (Constant) -128,634 9,955-12,922 Melek Huruf(Persen) Rata-rata Lama Sekolah(Tahun) Harapan Hidup(Tahun) a. Dependent Variable: IPM t Sig.,000 Collinearity Statistics Toleran ce VIF 1,133,190,558 5,976,001,209 4,777 7,811 2,256,289 3,463,013,261 3,828,347,070,268 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.

5 30 Sehingga data yang sekarang akan dianalisis dengan menggunakan analisis jalur adalah sebagai berikut: Tabel 3.5 Melek Huruf (X 1 ), Rata-Rata Lama Sekolah (X 2 ), Harapan Hidup (X 3 ) dan IPM(Y) Tahun Melek Huruf (X 1 ) (Persen) Rata-rata Lama Sekolah (X 2 ) (Tahun) Harapan Hidup (X 3 ) (Tahun) IPM (Y) ,5 67, ,4 8, , ,4 8,6 68,6 71, ,4 8,6 71,5 73, ,39 8,6 68,79 72, ,44 8,63 68,89 72, ,7 8,64 68,98 73, ,8 8,65 69,08 73, ,81 8,67 69,18 74, ,94 8,69 69,27 74,41 Sumber : Badan Pusat Statistik Provinsi Sumatera Utara 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:

6 31 Tabel 3.6 Hasil Output Uji Autokorelasi dengan Uji Durbin-Watson Model R R Square Model Summary b Adjusted R Square Std. Error of the Estimate Durbin- Watson a 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 Value a Cases < Test Value 5 Cases >= Test Value 5 Total Cases 10 Number of Runs 5 Z Asymp. Sig. (2- tailed) a. Median.737 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.

7 Analisis Data 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 (X 1 ) dengan variabel rata-rata lama sekolah (X 2 ). 2. Terdapat hubungan kausalitas antara variabel melek huruf (X 1 ) dengan variabel harapan hidup (X 3 ). 3. Terdapat hubungan kausalitas antara variabel melek huruf (X 1 ) dengan variabel IPM (Y). 4. Terdapat hubungan kausalitas antara variabel rata-rata lama sekolah (X 2 ) dengan variabel harapan hidup (X 3 ). 5. Terdapat hubungan kausalitas antara variabel rata-rata lama sekolah (X 2 ) dengan variabel IPM (Y). 6. Terdapat hubungan kausalitas antara variabel harapan hidup (X 3 ) dengan variabel IPM (Y). Dari uraian diatas dapat dibuat gambar diagram jalurnya sebagai berikut: Gambar 3.1 Model Diagram Jalur Berdasarkan Paradigma

8 33 Keterangan: X 1 X 2 X 3 Y = Melek Huruf = Rata-Rata Lama Sekolah = Harapan Hidup = IPM Dari gambar diatas dapat dibuat persamaan strukturnya : Persamaan Substruktur 1 Persamaan Substruktur 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 X 1 X 2 X 3 Y X 1 X ,5 67, ,4 8, ,2 829, ,4 8,6 68,6 71,5 829, ,4 8,6 71,5 73,7 837, ,39 8,6 68,79 72,59 837, ,44 8,63 68,89 72,94 840, ,7 8,64 68,98 73,25 844, ,8 8,65 69,08 73,64 845, ,81 8,67 69,18 74,07 848, ,94 8,69 69,27 74,41 851,0986 Jumlah 972,28 86,18 689,49 727,3 8379,3905

9 34 Sambungan Tabel 3.8 Nilai-nilai yang dibutuhkan untuk menghitung korelasi antar variabel No X 1 X 3 X 1 Y X 2 X 3 X 2 Y , , ,2 6863,68 584,8 612, , ,6 589,96 614, ,1 7178,38 614,9 633, , , , , , , , , , , , , , , , , , , , , , , , ,6229 Jumlah 67041, , , ,462 Sambungan Tabel 3.8 Nilai-nilai yang dibutuhkan untuk menghitung korelasi antar variabel No X 3 Y 2 X 1 2 X 2 2 X 3 Y , , ,6 9292,96 73, , ,9 9292,96 73, , , , ,76 73, , , , , , , , , , , , , , ,29 74, , , , ,84 74, , , , , , , , , , , , ,8481 Jumlah 50156, , , , ,557 Dari tabel 3.8 maka diperoleh hasil sebagai berikut:

10 35 Menghitung korelasi dari X 1 dan X 2 Demikianlah sampai seterusnya hingga hubungan korelasi sampai pada Y. Sehingga diperoleh nilai sebagai berikut : Dan lebih ringkasnya hasil yang diperoleh untuk matriks korelasinya adalah :

11 36 Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel dibawah ini: Tabel 3.9 Hasil Output Korelasi antar variabel Pearson Correlation Correlations IPM Melek Huruf(Pers en) Rata-rata Lama Sekolah(Ta hun) Harapan Hidup(Tah un) IPM 1,000,965,884,726 Melek Huruf(Persen) Rata-rata_Lama Sekolah(Tahun),965 1,000,855,593,884,855 1,000,437 Harapan Hidup(Tahun),726,593,437 1,000 Sig. (1-tailed) IPM.,000,000,009 Melek Huruf(Persen) Rata-rata Lama Sekolah(Tahun),000.,001,035,000,001.,103 Harapan Hidup(Tahun),009,035,103. N IPM Melek Huruf(Persen) Rata-rata Lama Sekolah(Tahun) Harapan Hidup(Tahun)

12 Menghitung Koefisien Jalur 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

13 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 Coeffients a nilai Beta di bawah ini: Tabel 3.10 Hasil Output koefisien jalur substruktur 1 Model Coefficients a Unstandardized Coefficients Standardized Coefficients B Std. Error Beta 1 (Constant) -8,761 53,983 -,162,876 Melek_Huruf(Persen) 1,281,909,816 1,410,201 Rata-rata Lama_Sekolah(Tahun) a. Dependent Variable: Harapan Hidup(Tahun) t Sig. -5,437 12,081 -,260 -,450,666 Setelah memperoleh nilai koefisiena jalurnya, kemudian kita memcari nilai R square.

14 39 atau Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Model Summary b nilai R square dibawah ini: Tabel 3.11 Hasil Output nilai R square substruktur 1 Mo del R R Squar e Adjusted R Square Model Summary b Std. Error of the Estimate R Square Change Change Statistics F Chang e df1 df2 Sig. F Change 1,608 a,370,190,98557,370 2, ,198 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

15 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

16 41 Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Anova b nilai F di bawah ini: Tabel 3.12 Hasil Output Uji F Model Sum of Squares ANOVA b df Mean Square F Sig. 1 Regression 3, ,996 2,055,198 a Residual 6,799 7,971 Total 10,792 9 a. Predictors: (Constant), Rata-rata Lama Sekolah(Tahun), Melek Huruf(Persen) b. Dependent Variable: Harapan Hidup(Tahun) Dengan db 1 = 2 ; db 2 = 7 dari tabel didapat nilai F tabel = 4,737 Kriteria pengujian: manual Jika maka tolak, artinya signifikan Jika maka terima, 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 H 0 diterima, artinya tidak signifikan. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau (0,05 Sig ), maka H 0 ditolak, artinya signifikan. Pada tabel 3.12 Anova b diperoleh nilai F sebesar 2,055 dengan nilai probabilitas (sig)=0,198, karena nilai F hitung (2,055) F tabel (4.737) dan nilai sig (0,198) > 0,05, maka keputusannya H 0 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.

17 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:

18 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 Coeffients a nilai Beta di bawah ini: Tabel 3.13 Hasil Output koefisien jalur substruktur 2 Model Coefficients a Unstandardized Coefficients Standardized Coefficients B Std. Error Beta 1 (Constant) -128,634 9,955-12,922,000 Melek_Huruf(Persen) 1,133,190,558 5,976,001 Rata-rata Lama_Sekolah(Tahun) t Sig. 7,811 2,256,289 3,463,013 Harapan Hidup(Tahun),347,070,268 4,985,002 a. Dependent Variable: IPM Setelah memperoleh nilai koefisiena jalurnya, kemudian kita memcari nilai R square.

19 44 atau Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Model Summary b nilai R square dibawah ini: Tabel 3.14 Hasil Output nilai R square substruktur 2 Mo del R R Square Adjusted R Square Model Summary b Std. Error of the Estimate R Square Change 1,995 a,989,984,18141, ,60 9 Change Statistics F Chang e df1 df2 Sig. F Change 3 6,000 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 :

20 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

21 46 Ini juga dibuktikan analisis dengan bantuan program SPSS, yang dapat dilihat pada tabel Anova b nilai F di bawah ini: Tabel 3.15 Hasil Output Uji F Model Sum of Squares ANOVA b df Mean Square F Sig. 1 Regression 17, , ,609,000 a Residual,197 6,033 Total 18,028 9 a. Predictors: (Constant), Harapan Hidup(Tahun), Rata-rata Lama Sekolah(Tahun), Melek Huruf(Persen) b. Dependent Variable: IPM Dengan db 1 = 3 ; db 2 = 6 dari tabel didapat nilai F tabel = 4,76 Kriteria pengujian: manual Jika maka tolak, artinya signifikan Jika maka terima, 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 H 0 diterima, artinya tidak signifikan. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau (0,05 Sig ), maka H 0 ditolak, artinya signifikan. Pada tabel 3.15 Anova b diperoleh nilai F sebesar 180,609 dengan nilai probabilitas (sig)=0,000, karena nilai F hitung (180,609) F tabel (4,76) dan nilai sig (0,000) < 0,05, maka keputusannya H 0 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.

22 47, artinya terdapat pengaruh antara melek huruf terhadap indeks pembanungan manusia. Pengujian terhadap hipotesis dilakukan dengan rumus: atau

23 48 Ini juga dibuktikan analisis dengan bantuan program SPSS, dapat dilihat pada tabel Coefficients b nilai t di bawah ini: Tabel 3.16 Hasil Output Uji t Model Coefficients a Unstandardized Coefficients Standardize d Coefficients B Std. Error Beta 1 (Constant) -128,634 9,955-12,922,000 Melek Huruf(Persen) 1,133,190,558 5,976,001 Rata-rata Lama Sekolah(Tahun) t Sig. 7,811 2,256,289 3,463,013 Harapan Hidup(Tahun) a. Dependent Variable: IPM,347,070,268 4,985,002 Dengan α= 5% ; n = 10 ; k = 3 dari tabel didapat nilai t tabel = 2,445 Kriteria pengujian: manual Jika maka tolak, artinya signifikan Jika maka terima, 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 H 0 diterima, artinya tidak signifikan. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau (0,05 Sig ), maka H 0 ditolak, artinya signifikan. Pada tabel 3.16 Coefficients b diperoleh nilai t sebesar 5,976 dengan nilai probabilitas (sig) pada kolom sig = 0,001, karena nilai t hitung (5,976) t tabel (2,445) dan nilai sig (0,001) < 0,05, maka keputusannya H 0 ditolak yang artinya koefisien analisis jalurnya signifikan. Jadi, melek huruf berpengaruh secara signifikan terhadap indeks pembangunan manusia.

24 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. Pengujian terhadap hipotesis dilakukan dengan rumus: atau Dengan α= 5% ; n = 10 ; k = 3 dari tabel didapat nilai t tabel = 2,445 Kriteria pengujian: manual Jika maka tolak, artinya signifikan Jika maka terima, artinya tidak signifikan

25 50 Kaidah pengujian signifikansi : Program SPSS Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau (0,05 Sig ), maka H 0 diterima, artinya tidak signifikan. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau (0,05 Sig ), maka H 0 ditolak, artinya signifikan. Pada tabel 3.16 Coefficients b diperoleh nilai t sebesar 3,463 dengan nilai probabilitas (sig) pada kolom sig = 0,013, karena nilai t hitung (3,463) t tabel (2,445) dan nilai sig (0,013) < 0,05, maka keputusannya H 0 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. Pengujian terhadap hipotesis dilakukan dengan rumus:

26 51 atau Dengan α= 5% ; n = 10 ; k = 3 dari tabel didapat nilai t tabel = 2,445 Kriteria pengujian: manual Jika maka tolak, artinya signifikan Jika maka terima, 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 H 0 diterima, artinya tidak signifikan. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau (0,05 Sig ), maka H 0 ditolak, artinya signifikan. Pada tabel 3.16 Coefficients b diperoleh nilai t sebesar 4,985 dengan nilai probabilitas (sig) pada kolom sig = 0,002, karena nilai t hitung (4,985) t tabel (2,445) dan nilai sig (0,002) < 0,05, maka keputusannya H 0 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.

27 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 X 1 dan X 2., yang merupakan koefisien jalur Y dan X 1., yang merupakan koefisien jalur Y dan X 2., yang merupakan koefisien jalur Ydan X 3.

28 53 Berdasarkan hasil tersebut, pengaruh langsung, tidak langsung serta pengaruh total variabel eksogen terhadap variabel endogen dapat dihitung sebagai berikut: 1. Untuk jalur X 1 terhadap Y a. Besarnya pengaruh langsung (Dirrect Effect) variabel melek huruf (X 1 ) terhadap variabel indeks pembangunan manusia (Y) b. Besarnya pengaruh tidak langsung (Indirrect Effect) variabel melek huruf (X 1 ) terhadap variabel indeks pembangunan manusia (Y) melalui hubungan korelasi variabel rata-rata lama sekolah (X 2 ) c. Besarnya pengaruh total (Total Effect) variabel melek huruf (X 1 ) terhadap variabel indeks pembangunan manusia (Y) 2. Untuk Jalur X 2 terhadap Y a. Besarnya pengaruh langsung (Dirrect Effect) variabel rata-rata lama sekolah (X 2 ) terhadap variabel indeks pembangunan manusia (Y) b. Besarnya pengaruh tidak langsung (Indirrect Effect) variabel rata-rata lama sekolah (X 2 ) terhadap variabel indeks pembangunan manusia (Y) melalui hubungan korelasi variabel melek huruf (X 1 ) c. Besarnya pengaruh total (Total Effect) variabel rata-rata lama sekolah (X 2 ) terhadap variabel indeks pembangunan manusia (Y)

29 54 3. Untuk Jalur X 3 terhadap Y a. Besarnya pengaruh langsung (Dirrect Effect) variabel harapan hidup (X 3 ) terhadap variabel indeks pembangunan manusia (Y) b. Besarnya pengaruh tidak langsung (Indirrect Effect) variabel harapan hidup (X 3 ) terhadap variabel indeks pembangunan manusia (Y) c. Besarnya pengaruh total (Total Effect) variabel harapan hidup (X 3 ) terhadap variabel indeks pembangunan manusia (Y)

30 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

31 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.