“PENGARUH UMUR HARAPAN HIDUP DAN PENGELUARAN

PERKAPITA TERHADAP INDEKS PEMBANGUNAN MANUSIA DI 15

KOTA INDONESIA ”
PROPOSAL

Diajukan untuk memenuhi salah satu tugas akhir Statistika Multivariat

Dosen Pembina

Tria Apriliana, S.E., M.Si.

Oleh

Deri Irwansyah 0115101468

JURUSAN AKUNTANSI (S1)

FAKULTAS EKONOMI

UNIVERSITAS WIDYATAMA

BANDUNG

2018
 KATA PENGANTAR

Segala puji syukur penyusun panjatkan kehadirat Allah SWT karena atas

kekuasaan-Nya kita diberi nikmat sehat dan nikmat akal. Sholawat serta salam juga

tercurah kepada Nabi Muhammad, keluarga, sahabat, dan para pengikutnya hingga

akhir zaman. Amin.

Penyusun mengucapkan terimakasih kepada semua pihak yang telah membantu

baik secara materil maupun secara non materil. Proposal yang berjudul Pengaruh Umur

Harapan Hidup dan Pengeluaran Perkapita terhadap Indeks Pembangunan Manusia ini

dapat diselesaikan secara tepat waktu Proposal ini disusun untuk memenuhi tugas mata

kuliah Statistika Multivariat

Semoga tugas proposal ini dapat bermanfaat dan dapat dijadikan sebagai

referensi dalam belajar para mahasiswa ataupun para pembaca. Penyusun juga meminta

maaf apabila ada kekurangan ataupun kesalahan dalam penulisan dan pembahasan

materi yang tidak lengkap ataupun kurang penjelasan.

Penyusun

Bandung, 04 Januari 2019

 BAB I

PENDAHULUAN

1.1 Latar Belakang

Pembangunan manusia didefinisikan sebagai proses perluasan pilihan bagi

penduduk (enlarging people choice). IPM merupakan indikator penting untuk

mengukur keberhasilan dalam upaya membangun kualitas hidup manusia

(masyarakat/penduduk). IPM menjelaskan bagaimana penduduk dapat mengakses

hasil pembangunan dalam memperoleh pendapatan, kesehatan, pendidikan, dan

sebagainya. IPM diperkenalkan oleh United Nations Development Programme

(UNDP) pada tahun 1990 dan metode penghitungan direvisi pada tahun 2010. BPS

mengadopsi perubahan metodologi penghitungan IPM yang baru pada tahun 2014 dan

melakukan backcasting sejak tahun 2010. IPM dibentuk oleh tiga dimensi dasar, yaitu

umur panjang dan hidup sehat (a long and healthy life), pengetahuan (knowledge), dan

standard hidup layak (decent standard of living). Umur panjang dan hidup sehat

digambarkan oleh Umur Harapan Hidup saat lahir (UHH), yaitu jumlah tahun yang

diharapkan dapat dicapai oleh bayi yang baru lahir untuk bertahan hidup, dengan

asumsi bahwa pola angka kematian menurut umur pada saat kelahiran sama sepanjang

usia bayi. Pengetahuan diukur melalui indikator Rata-rata Lama Sekolah dan Harapan

Lama Sekolah. Rata-rata Lama Sekolah (RLS) adalah rata-rata lamanya (tahun)

penduduk usia 25 tahun ke atas yang telah atau sedang menjalani pendidikan formal.
Harapan Lama Sekolah (HLS) didefinisikan sebagai lamanya (tahun) sekolah formal

yang diharapkan akan dirasakan oleh anak pada umur tertentu (7 tahun) di masa

mendatang. Standar hidup yang layak digambarkan oleh pengeluaran per kapita

disesuaikan, yang ditentukan dari nilai pengeluaran per kapita dan paritas daya beli

(purchasing power parity).

No kota X1 X2 Y
untuk harapan pengeluaran per pembangunan
hidup kapita manusia
1 jawa barat 72,44 10,035 70,05
2 DKI jakarta 72,49 17,468 79,60
3 jawa tengah 74,02 10,153 69,98
4 lampung 69,94 9,156 67,65
5 bengkulu 68,56 9,492 69,33
6 banten 69,46 11,469 70,96
sumatra
7 utara 68,33 9,744 70,00
8 bali 71,41 13,279 73,65
9 Ntb 65,48 9,575 65,81
10 Ntt 66,04 7,122 63,13
11 kalbar 69,90 8,348 65,88
12 kalteng 69,57 10,155 69,13
13 kalsel 67,92 11,307 69,05
14 kaltim 73,68 11,355 74,59
15 gorontalo 67,13 9,175 66,29
1.2 Identifikasi masalah

Menurut latar belakang yang sudah diuraikan dapat di identifikasikan yaitu

Indeks Pembangunan Manusia yang tidak memuaskan . Berdasarkan masalah tersebut

maka pertanyaan peneliti dalam penelitian ini adalah :

1. Apakah Umur Harapan Hidup berpengaruh terhadap Pembangunan Manusia di

Indonesia.

2. Apakah Pengeluaran per kapita berpengaruh terhadap Pembangunan Manusia

Di Indonesia.

3. Apakah Umur Harapan Hidup dan Pengeluaran Per Kapita berpengaruh

terhadap Pembangunan Manusia di Indonesia.

1.3 Maksud dan Tujuan Penelitian

Maksud dan tujuan peneliti dalam penelitian tersebut ialah ingin memperoleh

data dan informasi yang akurat dan relevan dengan masalah yang telah diidentifikasi.

Dan di teliti dan di tarik kesimpulannya, serta penelitian ini untuk memenuhi tugas

akhir Mata Kuliah Statistika Multivariat.

1. Untuk mengetahui pengaruh Umur Harapan Hidup terhadap

Pembangunan Manusia di Indonesia.

2. Untuk mengetahui pengaruh Pengeluaran Per Kapita terhadap

Pembangunan Manusia di Indonesia.

3. Untuk mengetahui pengaruh Umur Harapan Hidup dan Pengeluaran Per

Kapita terhadap Pembangunan Manusia di Indonesia.

1.4 Kegunaan Penelitian

Penelitian ini diharapkan dapat bermanfaat bagi semua pihak yang

berkepentingan antara lain bagi:

1. Bagi pihak Pemerintah

Penelitian ini diharapkan dapat memberikan informasi mengenai

pengaruh Umur Harapan Hidup dan Pengeluaran Per Kapita terhadap

Pembangunan Manusia, sehingga dapat dijadikan bahan pertimbangan

dalam mengambil keputusan Pemerintah Indonesia.

2. Bagi penulis

Dapat menambah wawasan dalam hal pembangunan manusia

khususnya pengaruh umur harapan hidup dan pengeluaran per kapita

terhadap indeks pembangunan manusia.

3. Bagi pihak lain

Penelitian ini diharapkan dapat menjadi masukan bagi pengembangan

ilmu kependudukan dan dapat digunakan untuk bahan penelitian bagi

peneliti yang berminat dalam bidang serupa.

1.5 Lokasi dan Waktu Penelitian

Untuk memperoleh data-data sehubungan masalah yang akan diteliti dalam

penyusunan skipsi ini. Maka penulis melakukan penelitian pada beberapa kota di

Indonesia di Badan Pusat Statistik yang berlokasi di Jalan PH Mustofa No 43,

Negalasari, Cibeunying Kaler , Kota Bandung , Jawa Barat. Penelitian ini dilakukan di

bulan Desember 2018 sampai dengan selesai.

 BAB III

METODE PENELITIAN

3.1 Variabel Penelitian dan Definisi Operasional Variabel

Penelitian ini dilakukan dengan menggunakan dua variabel yaitu variabel

terikat (dependent variable) dan variabel bebas (independent variable). Penjelasan

lebih lanjut mengenai variabel-variabel tersebut akan diuraikan pada sub bab

berikutnya.

3.1.1 Variabel Terikat (Dependent Variable)

Indeks Pembangunan Manusia (IPM) atau Human Development Index (HDI)

adalah pengukuran perbandingan dari harapan hidup melek huruf, pendidikan dan

standar hidup untuk semua negara seluruh dunia (Biro Pusat Statistik dan UNDP,

1997). HDI digunakan untuk mengklasifikasikan apakah sebuah negara adalah negara

maju, negara berkembang atau negara terbelakang dan juga untuk mengukur pengaruh

dari kebijaksanaan ekonomi terhadap kualitas hidup.

Hidup yang sehat dan panjang umur yang diukur dengan harapan hidup saat

kelahiran. Pengetahuan yang diukur dengan angka tingkat baca tulis pada orang dewasa

(bobotnya dua per tiga) dan kombinasi pendidikan dasar, menengah, atas gross

enrollment ratio (bobot satu per tiga) standard kehidupan yang layak diukur dengan

GDP per kapita gross domestic product / produk domestik bruto dalam paritas kekuatan

beli purchasing power parity dalam Dollar AS.

3.1.2 Variabel Bebas (Independent Variable)

Menurut Sekaran (2006) variabel bebas adalah variabel yang dapat

mempengaruhi variabel terikat secara positif atau negative. Variabel bebas dalam

penelitian ini adalah Umur Harapan Hidup dan Pengeluaran Perkapita

3.1.2.1 Umur Harapan Hidup

Rata-rata tahun hidup yang masih akan dijalani oleh seseorang yang telah

berhasil mencapai umur x, pada suatu tahun tertentu, dalam situasi mortalitas yang

berlaku di lingkngan masyarakatnya. Angka Harapan Hidup merupakan alat untuk

mengevaluasi kinerja pemerintah dalam meningkatkan kesejahteraan penduduk pada

umumnya, dan meningkatkan derajat kesehatan pada khususnya. Angka Harapan

Hidup yang rendah di suatu daerah harus diikuti dengan program pembangunan

kesehatan, dan program sosial lainnya termasuk kesehatan lingkungan, kecukupan gizi

dan kalori termasuk program pemberantasan kemiskinan. Sumber data lain untuk

mendapatkan variabel penyusun indikator ini adalah Sensus Penduduk dan Survei

Penduduk Antar Sensus (SUPAS).

3.1.2.2 Pengeluaran Perkapita

 Pengeluaran per kapita adalah biaya yang dikeluarkan untuk konsumsi semua

anggota rumah tangga selama sebulan dibagi dengan banyaknya anggota rumah tangga.

Data pengeluaran dapat mengungkap tentang pola konsumsi rumaht angga secara

umum menggunakan indikator proporsi pengeluaran untuk makanan dan non makanan.

Komposisi pengeluaran rumah tangga dapat dijadikan ukuran untuk menilai tingkat

kesejahteraan ekonomi penduduk, makin rendah persentase pengeluaran untuk

makanan terhadap total pengeluaran makin membaik tingkat kesejahteraan.

Pengeluaran rumah tangga dibedakan menurut kelompok makanan dan bukan

makanan. Perubahan pendapatan seseorang akan berpengaruh pada pergeseran pola

pengeluaran. Semakin tinggi pendapatan, semakin tinggi pengeluaran bukan makanan.

Dengan demikian, pola pengeluaran dapat dipakai sebagai salah satu alat untuk

mengukur tingkat kesejahteraan penduduk, dimana perubahan komposisinya

digunakan sebagai petunjuk perubahan tingkat kesejahteraan

3.2 Populasi dan Sampel

Populasi adalah kumpulan individu-individu atau elemen-elemen dalam satu

satuan ukuran yang melekat pada karakteristiksnya yang berada pada areal tertentu

(Acep Edison,112). Populasi dalam penelitian ini adalah seluruh provinsi di Indonesia

pada periode 2016-2017.

3.2.1 Sampel

Pengambilan keputusan dalam sampel ini dilakukan dengan menggunakan

Probability Cluster Random Sampling yaitu pengambilan sampel yang dilakukan

dengan cara membagi populasi terlebih dahulu dalam kelompok atau klas berdasarkan

unit unit kecil yang bersifat homogen (Acep Edison, 2018)

3.3 Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa

Laporan Berita Resmi Statistik Indeks Pembangunan Manusia tahun 2017 . Data

sekunder adalah data yang diperoleh melalui sumber yang ada dan tidak perlu

dikumpulkan sendiri oleh peneliti (Sekaran, 2000). Data-data tersebut diperoleh dari

situs Badan Pusat Statistik yaitu www.bps.co.id.

3.4 Metode Pengumpulan Data

Penelitian ini menggunakan data laporan Berita Resmi Statistik Indeks

Pembangunan Manusia tahun 2017 yang bersumber dari Badan Pusat Statistik dan

website BPS (Badan Pusat Statistik). Karena merupakan data sekunder, maka teknik

pengumpulan data menggunakan cara mempelajari dan mengutip dari arsip-arsip serta

catatan-catatan perusahaan yang diperlukan yang ada dalam sumber data.

3.5 Metode Analisis Data

3.5.1 Analisis Statistik Deskriptif

Analisis statistik deskriptif merupakan teknik deskriptif yang memberikan

informasi mengenai data yang dimiliki dan tidak bermaksud menguji hipotesis.
Analisis ini hanya digunakan untuk menyajikan dan menganalisis data disertai dengan

perhitungan agar dapat memperjelas keadaan atau karakteristik data yang bersangkutan

(Nurgiyantoro, 2004). Pengukuran yang digunakan dalam penelitian ini adalah mean ,

standar deviasi, maksimum, dan minimum. Mean digunakan untuk mengetahui rata-

rata data yang bersangkutan. Standar deviasi digunakan untuk mengetahui seberapa

besar data yang bersangkutan bervariasi dari rata-rata. Maksimum digunakan untuk

mengetahui jumlah terbesar data yang bersangkutan. Minimum digunakan untuk

mengetahui jumlah terkecil data yang bersangkutan

3.5.2 Analisis Regresi Berganda

Metode yang digunakan penelitian ini adalah analisis regresi berganda

(multiple regression analysis). Model regresi yang dikembangkan untuk menguji

hipotesis-hipotesis yang telah dirumuskan dalam penelitian ini adalah

Y = a + b1UHH+ b2PPK + c

Keterangan :

a = Konstanta

UHH = Umur Harapan Hidup

PPK = Pengeluaran Perkapita

C = Koefisien Error
3.5.3 Uji Asumsi Klasik

3.5.3.1 Uji Normalitas Data

Uji normalitas bertujuan untuk menguji apakah variabel dependen dan

independen dalam model regresi tersebut terdistribusi secara normal (Ghozali, 2006).

Model regresi yang baik adalah yang mempunyai distribusi data normal atau mendekati

normal. Uji normalitas pada penelitian ini didasarkan pada uji statistik sederhana

dengan melihat nilai kurtosis dan skewness untuk semua variabel dependendan

independen.

3.5.3.2 Uji Multikolonieritas

Uji multikolonieritas bertujuan untuk menguji apakah terdapat korelasi antar

variabel independen dalam model regresi (Ghozali, 2006). Model regresi yang baik

seharusnya bebas dari multikolonieritas. Deteksi terhadap ada tidaknya

multikolonieritas yaitu (a) Nilai R square (R2 ) yang dihasilkan oleh suatu estimasi

model regresi empiris yang sangat tinggi, tetapi secara individual tidak terikat, (b)

Menganalisis matrik korelasi variabel-variabel independen. Jika antar variable

independen terdapat korelasi yang cukup tinggi (lebih dari 0,09), maka merupakan

indikasi adanya multikolonieritas, (c) Melihat nilai tolerance dan variance

inflationfactor (VIF), suatu model regresi yang bebas dari masalah multikolonieritas

apabila mempunyai nilai toleransi kurang dari 0,1 dan nilai VIF lebih dari 10 (Ghozali,

2006).
3.5.3.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan

variance dari residual suatu pengamatan ke pengamatan yang lain dalam modelregresi

(Ghozali, 2006). Model regresi yang baik adalah jika variance dari residualsatu

pengamatan ke pengamatan lain berbeda (heteroskedastisitas).

Heteroskedastisitas dapat dilihat melalui grafik plot antara nilai prediksi

variable terikat dengan residualnya. Apabila pola pada grafik ditunjukkan dengan titik-

titik menyebar secara acak (tanpa pola yang jelas) serta tersebar di atas maupun

dibawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa tidak terjadi

heteroskedastisitas pada model regresi. Selain menggunakan grafik scatterplots, uji

heteroskedastisitas juga dapat dilakukan dengan menggunakan Uji Glejser. Jika

probabilitas signifikan > 0.05, maka model regresi tidak mengandung

heteroskedastisitas.

3.5.3.4 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier

berganda ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan

penganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan

terdapat problem autokorelasi (Ghozali, 2005). Autokorelasi timbul karena observasi

yang berurutan sepanjang waktu berkaitan satu sama lainnya. Model regresi yang baik

adalah regresi yang bebas dari autokorelasi. Autokorelasi dapat diketahui melalui uji
Durbin – Watson (DW test). Jika d lebih kecil dibandingkan dengan d1 atau lebih besar

dari 4-d1, maka Ho ditolak yang berarti terdapat autokolerasi. Jika dterletak diantara

du dan 4-du, maka Ho diterima yang berarti tidak ada autokolerasi.

3.6 Uji Statistik

3.6.1 Uji R2 atau Koefisien Determinasi

Koefisien determinasi adjusted R 2 pada intinya mengukur seberapa jauh

kemampuan model dalam menerangkan variasi variabel dependen, nilainya berkisar

antara nol dan satu. Biasanya pada data time series mempunyai nilai koefisien

determinasi yang cukup tinggi. Adapun kelemahannya yaitu adanya bias terhadap

jumlah variabel independen yang dimasukkan dalam model. Tiap tambahan satu

variabel independen maka adjusted R pasti meningkat, tidak peduli apakah variabel

tersebut berpengaruh signifikan terhadap variabel dependen.

3.6.2 Pengujian Hipotesis

Pengujian hipotesis pada penelitian ini dilakukan secara parsial (uji t). Uji t

digunakan untuk menghitung masing-masing variabel bebas yang digunakan dalam

penelitian ini secara parsial. Pada uji ini hipotesis 1 sampai dengan 5 atau H1 sampai

dengan H5 diuji dengan menggunakan uji t. Pengujian ini dilakukan dengan cara

sebagai berikut:
1. Uji F

Uji F digunakan untuk menguji apakah model regresi yang digunakan sudah

tepat. Ketentuan yang digunakan dalam uji F adalah sebagai berikut :

a. Jika F hitung lebih besar dari F tabel atau probabilitas lebih kecil dari tingkat

signifikansi (sig < 0,05), maka model penelitian dapat digunakan atau model tersebut

sudah tepat.

b. Jika F hitung lebih kecil dari F tabel atau probabilitas lebih besar dari tingkat

signifikansi (sig > 0,05), maka model penelitian tidak dapat digunakan atau model

tersebut tidak tepat.

2. Uji T

Pada uji t nilai t hitung akan dibandingkan dengan nilai t tabel dilakukan dengan

cara sebagai berikut:

a. Bila t hitung lebih besar t tabel atau probabilitas lebih kecil dari tingkat signifikansi

(sig < 0,05), maka Ha diterima dan H0 ditolak, variabel bebas berpengaruh terhadap

variabel tersebut.

b. Bila t hitung lebih kecil t tabel atau probabilitas lebih besar dari tingkat signifikansi

(sig > 0,05) maka Ha ditolak dan H0 diterima, variabel bebas tidak terpengaruh

terhadap variabel terikat.

 BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Uji Asumsi Dasar

 Uji Normalitas Data

Residual data berdistribusi normal sebesar 5%

Npar Test

Asymp. Sig (2-Tailed) = 0,856

= 0,856 > 0,05 (5%)

One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual

N 15

Mean 0E-7
Normal Parametersa,b
Std. Deviation 222.79833108

Absolute .156

Most Extreme Differences Positive .139

Negative -.156

Kolmogorov-Smirnov Z .606

Asymp. Sig. (2-tailed) .856

a. Test distribution is Normal.

b. Calculated from data.

Berdasarkan Uji Normalitas dengan Kolmogorov-Smirnov Test diperoleh nilai

Asymp.sig. sebesar 0,856 dan lebih besar dari α=0.05 maka dapat disimpulkan bahwa

data yang diuji Berdistribusi Normal.

4.2 Uji Asumsi Klasik

• Uji Heterokedaktisitas
Uji heterokedaktisitas yang baik adalah mencakup:

a) Tidak membentuk pola

b) Sebarannya diatas dan dibawah titik 0

Dari output diatas dapat diketahui bahwa titik titik tidak membentuk pola yg

jelas dan titik menyebar diatas dan dibawah angka 0 pada sumbu Y.Maka dapat

disimpulkan bahwa tidak terjadi masalah heteroskedastisitas.

4.3 Uji autokorelasi

Model Summaryb

Model R R Square Adjusted R Std. Error of the Durbin-Watson

Square Estimate

1 .434a .188 .053 240.64970 1.900

a. Predictors: (Constant), X2, X1

b. Dependent Variable: Y

Penelitian yang baik tidak mengandung autokorelasi. Berdasarkan hasil uji

autokorelasi menunjukkan angka Durbin Wattson sebesar 1,900. Nilai ini akan

dibandingkan dengan menggunakan:

 Dw< Du < 4 – du
1.900> 1,860 <2,140

Oleh karena DW = 1,900 berada diatas nilai du = 1,860, namun dibawah nilai

4-du = 2,140 yaitu (1,860 < 1,900 < 2,140), karena DW berada diantara du dan

4-dumaka hipotesis menyatakan tidak ada auto korelasi.

4.4 Uji Multikolinearitas

Pada penelitian ini digunakan uji VIF dengan kriteria jika nilai VIF suatu variabel

bebas < 10 dan Tolerance >0.01, maka variabel bebas tersebut tidak terjadi

mutikolinearitas.

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 21,634 8,418 2,570 ,025

1 X1 ,495 ,130 ,322 3,809 ,002

X2 1,286 ,142 ,765 9,056 ,000

Coefficientsa

Model Collinearity Statistics

Tolerance VIF
 (Constant)

1 X1 .952 1.050

X2 .952 1.050

a. Dependent Variable: Y

Berdasarkan data diatas menghasilkan nilai VIF sebesar 1.050 dan nilai Tolerance sebesar

0.952.Nilai VIF kurang dari 10 (1,050 < 10) dan atau nilai Tolerance kurang dari 1 (0,952

< 1) maka dapat disimpulkan bahwa tidak terdapat masalah multikolinearitas.

4.5 Persamaan Regresi

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 21,634 8,418 2,570 ,025

1 X1 ,495 ,130 ,322 3,809 ,002

X2 1,286 ,142 ,765 9,056 ,000

Y = a + b1UHH+ b2PPk + c

Y = 21,634 +0,495UHH + 1,286PPK + c

 a = 21,634 variabel Umur Harapan Hidup dan variabel Pengeluaran Perkapita

konstan, maka variable Indeks Pembangunan Manusia 21,634

b1= 0,495 jika variabel Umur Harapan Hidup naik 1 satuan, variable lainnya

konstan (0) maka Indeks Pembangunan Manusia naik sebesar 0,495 satuan

b2= 1,286 jika variabel Umur Harapan Hidup naik 1 satuan, variable lainnya

konstan (0) maka Indeks Pembangunan Manusia naik sebesar 1,286 satuan

4.6 Uji Hipotesis

• Uji Simultan (Uji f)

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 214,260 2 107,130 87,232 ,000b

1 Residual 14,737 12 1,228

Total 228,997 14

Fhitung : Ftabel

Sig – predictive value : a = 5%

= 0,000 < 0,05

 Nilai signifikan model regresi secara simultan sebesar 0,000 nilai ini lebih kecil dari

significance level 0,05 yaitu 0,000<0,05. Pengujian model regresi tersebut

membuktikan bahwa variabel independen berpengaruh secara simultan terhadap

variabel dependen atau sama dengan H0 ditolak dan Ha diterima.

Jadi, Umur Harapan Hidup dan Pengerluaran Perkapita berpengaruh terhadap

Indeks Pembangunan Manusia.

• Uji Parsial (Uji t)

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 21,634 8,418 2,570 ,025

1 X1 ,495 ,130 ,322 3,809 ,002

X2 1,286 ,142 ,765 9,056 ,000

a) Hasil uji t (parsial) pada model regresi, nilai signifikansi variabel Umur

Harapan Hidup (0,002<0,05). Jika hasil dibandingkan maka terlihat Ho ditolak

 dan Ha diterima, artinya secara parsial variable Umur Harapan Hidup

berpengaruh terhadap variabel Indeks Pembangunan Manusia.

b) Hasil uji t (parsial) pada model regresi, nilai signifikansi variabel Pengeluaran

Perkapita (0,000<0,05). Jika hasil dibandingkan maka terlihat maka Ho ditolak dan

Ha diterima, artinya secara parsial variable Pengeluaran Perkapita berpengaruh

terhadap variabel Indeks Pembangunan Manusia.

4.7 Koefisien determinasi

Model Summaryb

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 ,967a ,936 ,925 1,10820

Uji determinasi menunjukan bahwa nilai R square 0,936 hal ini menunjukan bahwa

variable Umur Harapan Hidup dan Pengeluaran Perkapita berpengaruh sebesar 93,6%

terhadap Indeks Pembangunan Manusia dan sisanya 6,4% dipengaruhi oleh variabel

lain yang tidak diteliti.

 BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Pengukuran tingkat keberhasilan pembangunan sumber daya manusia suatu

negara atau wilayah dapat digambarkan melalui Indeks Pembangunan Manusia (IPM)

yang merupakan indeks pembangunan komposit dari tiga dimensi pembangunan

manusia, yaitu lamanya hidup, pengetahuan dan standar kehidupan yang layak

Berdasarkan hasil analisis dan pembahasan data, penulis memperoleh kesimpulan

yang dapat diambil dari penelitian mengenai Pengaruh Umur Harapan Hidup dan

Pengeluaran Perkapita terhadap Indeks Pembangunan Manusia sebagai berikut:

1 Hasil dari penelitian ini menunjukkan bahwa 93,6% variasi variabel

dependen Indeks Pembangunan Manusi dapat dijelaskan oleh variabel-

variabel independen yakni Umur Harapan Hidup dan Pengeluaran

Perkapita. Sedangkan sisanya 6,4% dapat dijelaskan oleh faktor-faktor di

luar model.

2 Variabel Umur Harapan Hidup memiliki pengaruh signifikan terhadap

Indeks Pembangunan Manusia. Artinya peningkatan Umur Harapan Hidup

akan meningkatkan Indeks Pembangunan Manusia di 15 Kota Indonesia

 3 Variabel Pengeluaran Perkapita memiliki pengaruh signifikan terhadap

Indeks Pembangunan Manusia. Artinya peningkatan Pengeluaran Perkapita

akan meningkatkan Indeks Pembangunan Manusia di 15 Kota Indonesia

5.2 Saran

Jika ditanya tentang pembangunan disekitar manusia atau manusia disekitar

pembangunan. Dari pertanyaan diatas dapat disimpulkan bahwa yang menjadi kata

kuncinya adalah manusia. Dalam hal ini manusia merupakan penggerak pembangunan

disetiap Negara didunia.

Pelayanan public yang mempermudah masyarakat untuk mengaksesnya

sehingga tidak menimbulkan hal-hal yang tidak diinginkan seperti konflik ataupun

penentangan kepada pemerintah sehingga menyebabkan tidak terealisasinya program

yang dibuat dengan maksimal.

Dipihak lain juga harus ada pembenahan disektor perangkat pemerintahan agar

sasaran dan tujuan yang ditujukan tidak meleset, dalam kata lain suntikan imun kepada

yang membutuhkan haruslah terpusat kepada sasaran sehingga masyarakat meresakan

pelayanan publik yang diserahkan oleh pemerintah kepada masayarakat yang

membutukan.
 Daftar Pustaka

https://www.bps.go.id/subject/26/indeks-pembangunan-manusia.html

https://sirusa.bps.go.id/index.php?r=indikator/view&id=48

https://sirusa.bps.go.id/index.php?r=indikator/view&id=197

https://satujam.com/variabel-bebas-dan-terikat/

Edison, Acep. 2018. Metode Penelitian Bisnis. Bandung. Cendra Bandung