BAB II TINJAUAN PUSTAKA

Transkripsi

1 BAB II INJAUAN PUSAKA.1 Aalisis Regresi Bergada Aalisis regresi merupaka salah satu metode statistika yag mempelajari persamaa secara matematis hubuga atara satu variabel bebas (Y) dega satu atau lebih variabel terikat (X). Meurut Drapper da Smith dalam Safitri (014) medefiisika hubuga atara satu variabel bebas dega satu atau lebih variabel terikat dapat di yataka dalam model regresi liier. Secara umum hubuga tersebut dapat diyataka sebagai berikut: Y X X... X (1) i 0 1 i,1 i, p 1 i, p 1 i Dega Y i variabel bebas utuk pegamata ke-i, utuk i adalah 1,,,. β 0, β 1, β,, β p 1 merupaka parameter model regresi da X i,1, X i,,, X i,p 1 sebagai variabel terikat, sedagka ε i = sisa (error) utuk pegamata ke-i yag diasumsika berdistribusi ormal yag salig bebas da idetik dega rata-rata 0 (ol) da varias σ. Dalam otasi matriks persamaa di atas dapat ditulis mejadi : Y = Xβ + ε Y 1 1 X 1.1 X 1. X 1,p 1 β 0 ε 1 Y Y = [ 1 X ] X = [.1 X. X.p 1 β ] β = [ 1 ε ] ε = [ ] () Y 1 X.1 X. X.p 1 β p 1 ε 9

2 10 dimaa Y merupaka vektor variabel tidak bebas berukura x 1. X sebagai matriks variabel bebas berukura x (p 1). β adalah vektor parameter berukura p x da ε adalah vektor error berukura x 1.. Pemodela Spatial Permasalaha yag mucul pada asumsi model regresi klasik jika diguaka sebagai alat aalisis pada pemodela data spatial, yaitu dapat meyebabka kesimpula yag kurag tepat karea asumsi error salig bebas da asumsi homogeitas tidak terpeuhi. obler (1970) mejelaska hukum pertama tetag geografi, adalah kodisi pada salah satu titik atau area berhubuga dega kodisi pada salah satu titik atau area yag berdekata. Hukum didasarka pada kajia permasalaha berdasarka efek lokasi atau spatial.. Aseli (1988) mejelaska dua efek spatial dalam ekoometrika meliputi efek spatial depedece da spatial heterogeity. Spatial depedece meujukka adaya keterkaita (autocorrelatio) atar lokasi obyek peelitia (cross sectioal data set). Spatial heterogeity megacu pada keragama betuk fugsioal da parameter pada setiap lokasi. Lokasi-lokasi kajia meujukka ketidak homogea dalam data. Meurut LeSage (1999) da Aseli (1988), secara umum model spatial dapat diyataka dalam betuk persamaa (3) da (4) y W y X β u (3)

3 11 dega u W u ε ~ N (0, I ) (4) Dimaa y merupaka vektor variabel bebas, berukura 1, X adalah matriks variabel terikat, berukura k 1, β yaitu vektor parameter koefisie regresi, berukura k 1 1, da parameter koefisie spatial lag variabel bebas, merupaka parameter koefisie spatial lag pada error, u adalah vektor error pada persamaa (3) berukura 1, ε yaitu vektor error pada persamaa (4) berukura 1, yag berdistribusi ormal dega mea ol da varias I sedagka W sebagai matriks pembobot, berukura x da I matriks idetitas, berukura bayakya amata atau lokasi dega k adalah baykaya variabel terikat., Error regresi (u) yag diasumsika memiliki efek lokasi radom da mempuyai autokorelasi secara spatial. W1 da W merupaka pembobot yag meujuka hubuga cotiguity atau fugsi jarak atar lokasi da diagoalya berilai ol. Berikut ii adalah betuk matriks persamaa (3). y y y y u u u u ε ε ε ε

4 1 X 1 1 x x x k x x x 1 k 1 x x x 1 k β 1 k 0 W w w w w w w w w w w w w Pemodela spatial dibagi mejadi beberapa macam diataraya yaitu: 1. Spatial Error Model (SEM) terjadi apabila ρ = 0 maka model regresi mejadi spatial autoregressive dalam error atau seperti pada persamaa (5) y (0 ) W y X β u u X β u W u (5) I W 1 ε ~ N (0, I ) sehigga model dapat ditulis, y Xβ u I W y I W X β I W u y W y X β W X β I W u y W y X β W X β I W u (6)

5 13. Apabila ρ = 0 da λ = 0 maka aka mejadi model regresi liear sederhaa yag estimasi parameterya dapat dilakuka melalui Ordiary Least Square (OLS) yaitu regresi yag tidak mempuyai efek spatial. y X β ε (7) ε ~ N (0, I ) 3. LeSage da Pace (009) megealka Spatial Durbi Error Model (SDEM), dega adaya peambaha spatial lag pada variabel terikat. y X W X X W X I W (8) Uji Depedesi Spatial Depedesi spatial meujukka bahwa pegamata di suatu lokasi bergatug pada pegamata di lokasi lai yag letakya berdekata. Pegukura depedesi spatial bisa megguaka Mora s I. Hipotesis yag diguaka adalah : Ho : I M = 0 (tidak ada autokorelasi atar lokasi) H1 : I M 0 (ada autokorelasi atar lokasi) Statistik uji (Lee da Wog, 001) disajika pada persamaa berikut. I - I M Mo Z (9) hitug var( I M ) dimaa

6 14 I M i 1 j1 ij i 1 j1 i 1 w ( x x )( x x ) ij i j w ( x x ) i E I M 1 1 var( I ) M ( 1) S ( 1) S S 1 ( 1)( 1) S o o 1 S ( w w ) 1 ij ij S ) io oi ( w w i j i 1 w w io ij w w oi ji i 1 j1 j1 j1 S o w ij keteraga : xi = data ke-i ( i = 1,,..., ) xj = data ke-j ( j = 1,,..., ) x = rata-rata data w ij = eleme matriks bobot spatial var (IM) E(IM) = varias Mora s I = expected value Mora s I Pegambila keputusaya adalah Ho ditolak jika Z hitug Z. Nilai dari / ideks I adalah atara -1 da 1. Apabila I > Io maka data memiliki autokorelasi positif,

7 15 jika I < Io maka data memiliki autokorelasi egatif. Pola pegelompoka da peyebara atar lokasi dapat juga disajika dega Mora s Scatterplot Gambar.1. Mora s Scatterplot meujukka hubuga atara ilai amata pada suatu lokasi (distadarisasi) dega rata-rata ilai amata dari lokasi-lokasi yag bertetaggaa dega lokasi yag bersagkuta (Lee da Wog, 001). Scatterplot tersebut terdiri atas empat kuadra, yaitu kuadra I, II, III, da IV. Lokasi-lokasi yag bayak berada di kuadra I da III cederug memiliki autokorelasi positif, sedagka lokasi-lokasi yag bayak berada di kuadra II da IV cederug memiliki autokorelasi egatif. Berikut adalah pejelasa dari masig-masig kuadra (Perobelli da Haddad, 003). - Kuadra I (High-High), meujukka data yag secara lokasi yag mempuyai ilai amata tiggi da dikeliligi oleh data pada lokasi yag mempuyai ilai amata tiggi. - Kuadra II (Low-High), meujukka data yag secara lokasi yag mempuyai ilai amata redah da dikeliligi oleh data lokasi yag mempuyai ilai amata tiggi. - Kuadra III (Low-Low), meujukka data yag secara lokasi yag mempuyai ilai amata redah da dikeliligi oleh data lokasi yag mempuyai ilai amata redah.

8 16 - Kuadra IV (High-Low), meujukka data pada lokasi yag mempuyai ilai amata tiggi da dikeliligi oleh data pada lokasi yag mempuyai ilai amata redah. Gambar.1 Mora s Scatterplot.4 Matriks Pembobot Spatial (Spatial Weightig Matrix) Matriks pembobot spatial (W) dapat diperoleh dari ketersigguga atar wilayah da jarak dari ketetaggaa (eighborhood) atau jarak atara satu regio dega regio yag lai. Meurut LeSage (1999), ada beberapa metode utuk medefiisika hubuga persigguga (cotiguity) atar wilayah, ataralai sebagai berikut :

9 17 1. Liear Cotiguity (Persigguga tepi) medefiisika Wij = 1 utuk wilayah yag berada di tepi kiri maupu kaa wilayah yag mejadi perhatia, Wij = 0 utuk wilayah laiya.. Rook Cotiguity (Persigguga sisi) medefiisika Wij = 1 utuk wilyah yag bersisia dega wilayah yag mejadi perhatia, Wij = 0 utuk wilayah laiya. 3. Bhisop Cotiguity (Persigguga sudut) medefiisika Wij = 1 utuk wilayah yag titik sudutya bertemu dega sudut wilayah yag mejadi perhatia, Wij = 0 utuk wilayah laiya. 4. Double Liear Cotiguity (Persigguga dua tepi) medefiisika Wij = 1 utuk dua etity yag berada di sisi kiri da kaa wilayah yag mejadi perhatia, Wij = 0 utuk wilayah laiya. 5. Double Rook Cotiguity (Persigguga dua sisi) medefiisika Wij = 1 utuk dua etity di kiri, kaa, utara da selata wilayah yag mejadi perhatia, Wij = 0 utuk wilayah laiya. 6. Quee Cotiguity (persigguga sisi-sudut) medefiisika Wij = 1 utuk etity yag bersisia atau titik sudutya bertemu dega regio yag mejadi perhatia, Wij = 0 utuk wilayah laiya.

10 18 Dalam Peelitia ii megguaka pembobot customize karea matriks pembobot spatial ii tidak haya mempertimbagka faktor persigguga da kedekata atar lokasi wilayah aka tetapi faktor-faktor laiya yag disesuaika dega karakteristik masalahya. Karakteristik yag dimaksud adalah adaya hubuga salig mempegaruhi atar wilayah karea memiliki hubuga timbal balik. Dimaa W=1 utuk wilayah yag bersisia atau titik sudutya bertemu dega wilayah yag mejadi perhatia, Wij=0 utuk wilayah laiya.

11 19.5 Spatial Durbi Error Model berikut: Model spatial dari SEM memiliki betuk seperti persamaa (5), sebagai y = X β + u u = W u + ε dimaa y adalah x 1 vektor variabel bebas, X adalah x p matriks pada variabel terikat, β adalah p x 1 vektor pada koefisie regresi, W adalah x matriks pembobot spatial, adalah parameter spatial depedesi, da ε adalah vektor berdistribusi idepede da idetik (i.i.d). Persamaa (5) dapat diselesaika higga didapat u, u = W u + ε u - W u = ε I - W u = ε u = I - W ε dari persamaa (5) da (6), -1 y = X β + I - W ε -1 (10) LeSage da Pace (009) megealka Spatial Durbi Error Model (SDEM), dega adaya peambaha spatial lag pada variabel terikat

12 0 y X W X X W X X W X W W (11) X X I persamaa (10) dapat diyataka mejadi persamaa (11) y = Z β + I - W ε -1 (1) Dimaa Z I X X W X W X da β 1 1 pada X da I merupaka matriks idetitas WX adalah spatial Lag,.6 Estimasi Parameter Spatial Durbi Error Model (SDEM) Metode Maximum Likelihood Estimatio (MLE) diguaka utuk megestimasi parameter SDEM. Dari persamaa (11) dibetuk fugsi likelihood, pembetuka fugsi likelihood tersebut dilakuka melalui error ε. Hasil pembetuka fugsi tersebut yaitu pada persamaa (1) y = Z β + I - W ε -1 (13) ε = y I - W - I - W Z β ε = I - W y - Z β Dimaa, Z I X X W X W X da β I

13 1 J u I W y sehigga meghasilka, L 1 ε ε, β, ; y J e 1 I W y - Z β I - W y - Z β,, ; L I e β y W (14) Operasi logaritma atural (l likelihood) pada persamaa (15) 1 l L, β, ; y c l l I W I - W y - Z β I - W y - Z β (15) Dari persamaa tersebut aka didapatka estimasi parameter ˆβ, ˆ da ˆ..7.1 Estimasi Parameter ˆβ Estimasi parameter ˆβ diperoleh dega memaksimumka fugsi l likelihood persamaa (15), yaitu turua pertama persamaa tersebut terhadap ˆβ da membuatya sama dega ol seperti berikut : L, β, ; y β 0

14 1 c l 1 l I W I - W y - Z β I - W y - Z β 0 β Z I - W I - W y Z I - W I - W Z β 0-1 ˆ Z I - W I - W Z Z I - W I - W y (16).7. Estimasi Parameter ˆ Estimasi parameter ˆ, diperoleh dega peurua pertama persamaa (16) terhadap ˆ da membuatya sama dega ol seperti berikut: L, β, ; y 0 1 c l l I W I - W y - Z β I - W y - Z β I - W y - Z β I - W y - Z β 0 ˆ I - W y - Z β I - W y - Z β (17) Estimasi Parameter ˆ Estimator ˆ tidak dapat diperoleh dari residual OLS, estimator ˆ diperoleh dari betuk eksplisit dari cocetrated l likelihood fuctio

15 3 (Aseli, 001). Dega mesubtitusika persamaa (16) da (17) ke dalam persamaa da megabaika kostata, maka 1 l L l y - Z β y - Z β l I - W (18) karea sifatya yag tidak closed form, maka peyelesaia utuk mecari estimasi parameter dilakuka dega metode iteratif.

16 4.8 Evaluasi Model Spatial Ecoometrics Evaluasi model spatial ecoometrics yag diguaka dalam peelitia ii adalah dega megguaka kriteria. Meurut Setiawa da Kusrii D.E (010) terdapat tiga kriteria utuk meetuka apakah model yag diperoleh layak atau tidak dalam sebuah peelitia. Kriteria tersebut yaitu :.8.1 Kriteria Ekoomi Secara Apriori Pada kriteria ekoomi hasil estimasi aka dievaluasi, apakah sudah sesuai dega teori ekoomi dega model yag diperoleh dimaa dilihat dari tada da ukura dari koefisie model.8. Kriteria Statistik Kriteria statistika berkaita dega pegujia kesesuai model Ada beberapa hal yag aka dievaluasi, yaitu koefisie determiasi, sigifikasi, serta pegujia hipotesis. Suatu model dikataka baik apabila R ya tiggi, ilai AIC modelya redah, serta memutuska meolak H0 pada pegujia hipotesis..8.3 Kriteria Ekoometrika Kriteria ii berkaita dega evaluasi terhadap asumsi klasik, apakah semua asumsi klasik terpeuhi atau tidak. Beberapa asumsi klasik yag harus dipeuhi

17 5 adalah residual berdistribusi ormal, tidak terjadi multikoliieritas, tidak terjadi heteroskedastisitas, da terjadi autokorelasi..8.4 Akaike Iformatio Criteria (AIC) AIC dalam Acquah (013) adalah suatu ukura iformasi yag berisi pegukura terbaik dalam uji kelayaka estimasi model. AIC biasaya diguaka utuk memilih maakah model yag terbaik diatara model-model yag diperoleh. Pemiliha model didasarka pada kesalaha hasil ekspektasi yag terkecil yag membetuk data observasi baru (error) yag berdistribusi sama dari data yag diguaka, lebih lajut AIC mampu megukur kecocoka model dari estimasi megguaka estimasi maximum likelihood dari data yag sama, didefiisika: l o g (19) A I C L p Dimaa p adalah jumlah parameter model da L adalah ilai maksimum likelihood dari hasil estimasi model.9 Ideks Pembagua Mausia Dalam UNDP (Uited Natios Developmet Programme), pembagua mausia merupaka proses utuk memperbesar piliha-piliha bagi mausia ( a process of elargig people s choices ). Kosep atau defiisi pembagua mausia tersebut pada dasarya mecakup dimesi pembagua yag sagat luas. Dalam

18 6 kosep pembagua mausia, yag seharusya diaalisis da perlu dipahami dari suatu pembagua adalah dari sudut mausia buka haya dari pertumbuha ekoomiya saja. Sebagaimaa kutipa UNDP (Huma Developmet Report, 1995) tetag beberapa premis petig dari pembagua mausia atara lai: 1. Peduduk adalah usat perhatia yag harus diutamaka pada proses pembagua.. Pembagua bertujua utuk memperbesar piliha-piliha bagi peduduk, buka haya utuk meigkatka pedapata masyarakat. Sehigga kosep pembagua mausia lebih dipusatka pada peduduk secara meyeluruh tidak haya pada aspek ekoomi saja. 3. Pembagua mausia bertujua utuk memafaatka kemampua mausia secara optimal buka haya utuk meigkatka kemampua mausia. 4. Empat pilar pokok pedukug pembagua mausia, yaitu: produktifitas, pemerataa, kesiambiga, da pemberdayaa. 5. Pembagua mausia mejadi dasar dalam peetua tujua pembagua da dalam megaalisis piliha-piliha utuk mecapaiya. Peduduk di tempatka sebagai tujua akhir sedagka upaya pembagua dipadag sebagai saraa utuk mecapai tujua itu. Utuk mejami tercapaiya tujua pembagua mausia, ada empat hal pokok yag perlu diperhatika yaitu:

19 7 a. Produktifitas Peduduk harus meigkatka partisipasi peuh da produktifitas dalam proses meciptaka pedapata, karea pembagua ekoomi merupaka bagia dari model pembagua mausia. b. Pemerataa Peduduk memiliki kesempata yag sama utuk medapatka akses terhadap sumber daya ekoomi da sosial. Peghapusa akses yag dapat meghambat peduduk dalam medapatka kesempata pemerataa sumber daya ekoomi da sosial, dega tujua peduduk dapat ikut berpartisipasi peuh da memperoleh mafaat dari kegiata produktif gua meigkatka kualitas hidup. c. Kesiambuga Semua sumber daya baik sumber daya mausia maupu ligkuga harus selalu diperbarui karea sumber daya dipastika tidak haya utuk geerasigeerasi yag aka datag. d. Pemberdayaa Peduduk harus berpartisipasi peuh dalam keputusa da proses peetua (betuk/arah) kehidupa serta proses pembagua. Meurut Uited Natios Developmet Programme (UNDP), IPM mejadi salah satu acua suatu egara dikataka sebagai egara. maju, yag tetu saja

20 8 mejelaska seberapa besar perkembaga mausia disuatu egara. Sumber daya mausia di Idoesia biasa dieksplorasi da digali sehigga meujuka IPM yag sigifika. IPM adalah ideks komposit yag dipegaruhi oleh tiga idikator dasar meliputi idikator kesehata yag diukur dari Umur Harapa Hidup (UHH), idikator pedidika diwakili oleh Agka Melek Huruf (AMH) da Rata - rata Lama Sekolah (RLS) sedagka idikator ekoomi diukur dari kemampua Daya Beli masyarakat (PPP). Davies ad Quiliva (006), megemukaka IPM merupaka ideks komposit yag dipegaruhi oleh idikator kesehata yag diukur dari umur (harapa hidup), idikator pedidika yag diukur dari agka melek huruf, da idikator ekoomi yag diukir dari kemampua daya beli masyarakat atau pegeluara riil perkapita. Pegertia IPM yag dikeluarka oleh UNDP yag meyataka bahwa Ideks IPM atau Huma Developmet Ideks (HDI) adalah suatu pedekata yag diguaka utuk megukur tigkat keberhasila pembagua mausia. IPM mulai diguaka oleh UNDP pada tahu 1990 utuk megukur upaya pecapaia pembagua mausia di suatu egara. Walaupu tidak seluruhya dimesi dari pembagua dapat diukur, amu mampu megukur dimesi pokok pambagua mausia yag diilai mecermika status kemampua dasar (basic capabilities) peduduk. IPM dihitug berdasarka empat idicator yag dapat mewakili atau meggambarka kompoe IPM yaitu agka harapa hidup yag mewakili bidag kesehata, agka melek huruf da ratarata lamaya bersekolah megukur capaia pembagua di bidag

21 9 pedidika, da kemampua daya beli / paritas daya beli (PPP) masyarakat terhadap sejumlah kebutuha pokok yag dilihat dari ratarata besarya pegeluara perkapita sebagai pedekata pedapata yag mewakili capaia pembagua utuk hidup layak. Kosep pembagua mausia yag seutuhya yaitu kosep pembagua yag meghedaki peigkata kualitas hidup peduduk baik secara metal, fisik maupu spritual. Bahka secara eksplisit dijelaska bahwa pembagua yag dilakuka meitikberatka pada pembagua sumber daya mausia sejala dega pertumbuha ekoomi. Pembagua sumber daya mausia secara fisik da metal mempuyai arti peigkata kapasitas dasar peduduk yag pada akhrya aka memperbesar kesempata utuk dapat berpartisipasi dalam proses pembagua yag berkelajuta, dega tujua utuk megukur dampak dari upaya peigkata kemampua dasar tersebut. Idikator yag diguaka sebagai kompoe dasar peghitugaya meliputi agka harapa hidup waktu lahir, pecapaia pedidika yag diukur dega agka melek huruf da ratarata lama sekolah, serta pegeluara kosumsi. Capaia IPM suatu egara atau wilayah meujukka sejauh maa egara atau wilayah itu mecapai sasara yag telah ditetuka yaitu agka harapa hidup 85 tahu, pedidika dasar bagi semua lapisa masyarakat (tapa kecuali), da tigkat pegeluara da kosumsi yag telah mecapai stadar hidup layak. Pembetuka modal mausia merupaka suatu proses peroleha da peigkata jumlah orag yag

22 30 mempuyai keahlia, pedidika, da pegalama yag dapat meetuka bagi pembagua ekoomi suatu egara. Pembetuka modal mausia dikaitka dega ivestasi pada mausia da pegembagaya sebagai sumber yag kreatif da produktif. 1. Kompoe Pembagua Mausia Lembaga Uited Natios Developmet Programme (UNDP) telah megeluarka lapora pembagua sumber daya mausia dalam ukura kuatitatif yag disebut Huma Developmet Ideks (HDI). Meskipu HDI merupaka alat ukur pembagua SDM yag dirumuska secara kosta, diakui tidak aka perah meagkap gambara pembagua SDM secara sempura. Adapu idikator yag dipilih utuk megukur dimesi HDI adalah sebagai berikut: (UNDP, Huma Developmet Report1993: ) a. Logevity, diukur dega variabel harapa hidup saat lahir diukur dega dua idikator, yaki melek huruf peduduk usia 15 tahu ke atas (adult literacy rate) da tahu ratarata bersekolah bagi peduduk 5 ke atas (the mea years of schoolig). b. Access to resource, dapat diukur secara makro melalui PDB rill perkapita dega termiologi purchasig power parity dalam dolar AS da dapat dilegkapi dega tigkata agkata kerja.

23 31 Secara khusus, IPM diguaka utuk megukur capaia pembagua mausia yag berbasis sejumlah kompoe dasar kualitas hidup (BPS, 009). Sebagai ukura kualitas hidup, IPM dibagu melalui tiga dimesi dasar yaitu: a. Dimesi umur pajag da hidup sehat. b. Dimesi pegetahua. c. Dimesi stadar hidup layak (BPS:014) Dari pejelasa tersebut dapat disimpulka bahwa kompoe-kompoe yag mempegaruhi IPM atara lai: 1. Ideks Harapa hidup Ideks Harapa Hidup meujukka jumlah tahu hidup yag diharapka dapat diikmati peduduk suatu wilayah. Dega iformasi berupa data megeai agka kelahira da kematia per tahu, variabel ii diharapka dapat mecermika rata-rata lama hidup sekaligus hidup sehat masyarakat. Karea sulitya medapatka iformasi orag yag meiggal pada waktu tertetu, maka metode yag diguaka dalam meghidug agka harapa hidup adalah metode tidak lagsug. Data dasar yag dibutuhka dalam metode tidak lagsug berupa rata-rata aak lahir hidup da rata-rata aak masih hidup dari waita perah kawi. Proses peghituga agka harapa hidup ii disediaka oleh program Mortpak. Utuk medapatka Ideks Harapa Hidup dega cara mestadartka agka harapa hidup terhadap ilai maksimum da miimumya.. Ideks Hidup Layak

24 3 Utuk megukur dimesi stadar hidup layak (daya beli), UNDP meguaka idikator yag dikeal dega real per kapita GDP adjusted. Utuk perhituga IPM sub asioal (provisi atau kabupate/kota) tidak memakai PDRB per kapita karea PDRB per kapita haya megukur produksi suatu wilayah da tidak mecermika daya beli riil masyarakat yag merupaka kosetrasi IPM. Utuk megukur daya beli peduduk atar provisi diidoesia, BPS megguaka data ratarata kosumsi 7 komoditi terpilih dari Survei Sosial Ekoomi Nasioal (SUSENAS) yag diaggap palig domia dikosumsi oleh masyarakat Idoesia da telah distadarka agar bisa dibadigka atar daerah da atar waktu yag disesuaika dega ideks PPP (Purchasig Power Parity). 3. Ideks Pedidika Peghituga Ideks Pedidika mecakup dua idikator yaitu agka melek huruf da rata-rata lama sekolah. Peduduk berumur 15 tahu keatas mejadi objek perhituga populasi yag diguaka karea pada keyataaya peduduk usia tersebut sudah ada yag berheti sekolah. Batasa ii diguaka utuk mecerimaka kodisi masyarakat yag sebearya megigat peduduk yag berusia kurag dari 15 tahu masih dalam proses sekolah atau aka sekolah sehigga belum patas utuk rata-rata lama sekolahya. Kedua idikator pedidika ii diharapa dapat mecermika tigkat pegetahua dimaa agka melek huruf merupaka proporsi peduduk yag memiliki kemampua baca tulis dalam suatu kelompok peduduk secara keseluruha. Sedagka cermia ratarata lama sekolah merupaka gambara terhadap keterampila yag dimiliki

25 33 peduduk. Meurut odaro (006) pembagua mausia ada tiga kompoe uiversal sebagai tujua utama meliputi: a. Kecukupa, yaitu merupaka kebutuha dasar mausia secara fisik. Kebutuha dasar merupaka kebutuha yag harus dipeuhi karea jika tidak dipeuhi maka aka meghetika kehidupa mausia da meyebabka keterbleakaga absolut. b. Jati Diri, merupaka kompoe dari kehidupa yag serba lebih baik, diataraya adaya doroga dari diri sediri utuk maju, utuk meghargai diri sediri, utuk merasa diri patas da layak megejar sesuatu. c. Kebebasa dari Sikap Meghamba, merupaka kemampua utuk memiliki ilai uiversal yag tercatum dalam pembagua mausia yaitu kemerdekaa mausia. Kemerdekaa da kebebasa di sii diartika sebagai kemampua berdiri tegak sehigga tidak diperbudak oleh pegejara dari aspek-aspek materil dalam kehidupa. Dega adaya kebebasa kita tidak haya semata-mata dipilih tapi kitalah yag memilih..9.1 Pegukura Ideks Pembagua Mausia Dalam IPM terdapat tiga dimesi dasar atau idikator yag diguaka utuk megukur besarya IPM di suatu egara, atara lai: 1. igkat kesehata, yag diukur dari harapa hidup saat lahir (tigkat kematia bayi).

26 34. igkat pedidika, diukur dega agka melek huruf (dega bobot dua per tiga) da rata-rata lama sekolah (dega bobot sepertiga). 3. Stadar kehidupa layak diukur dega tigkat pegeluara perkapita per tahu. Persamaa umum yag diguaka dalam perhituga IPM yaitu : IPM = 1/3 (Ideks harapa hidup + Ideks pedidika + Ideks stadar hidup layak) abel. abel Capaia IPM di Pulau Jawa Provisi IPM DKI 78,99 Bate 70,7 Jabar 69,50 Jateg 69,49 DIY 77,59 Jatim 68,95 Berdasarka tabel IPM seluruh provisi se-pulau jawa pada tahu 015, capaia IPM Provisi Jawa tegah berada pada kisara 69,49. Capaia ii merupaka yag terburuk kedua setelah Provisi Jawa imur.