Pendahuluan

Indeks Pembangunan Manusia (IPM) telah menjadi salah satu tolok ukur utama untuk menilai keberhasilan pembangunan suatu wilayah. Paper karya Muhammad Firza Ibnu Hartono dan Laelatul Khikmah dari Institut Teknologi Statistika dan Bisnis Muhammadiyah Semarang ini mencoba menggali lebih dalam faktor-faktor yang memengaruhi IPM di Provinsi Jawa Timur tahun 2021. Penelitian ini menggunakan pendekatan statistik canggih, yakni regresi logistik ordinal, untuk melihat pengaruh berbagai indikator sosial-ekonomi terhadap kategori IPM kabupaten/kota.

Latar Belakang

Paradigma pembangunan saat ini tidak hanya mengacu pada pertumbuhan ekonomi, tetapi juga menekankan pembangunan manusia sebagai fondasi utama. Oleh karena itu, IPM yang mengukur dimensi pendidikan, kesehatan, dan daya beli menjadi alat penting dalam menilai kesejahteraan daerah.

Meski Jawa Timur merupakan provinsi berpenduduk besar dan memiliki sumber daya ekonomi melimpah, posisinya dalam peringkat IPM nasional belum optimal, hanya menempati urutan ke-17 dari 34 provinsi. Hal ini menimbulkan pertanyaan mendasar: faktor apa saja yang memengaruhi capaian IPM di Jawa Timur?

Metodologi

Penelitian ini menggunakan data sekunder dari Badan Pusat Statistik (BPS) tahun 2021 untuk 38 kabupaten/kota di Jawa Timur. Model analisis yang digunakan adalah regresi logistik ordinal, mengingat IPM dikategorikan ke dalam tiga level:

1. Sedang (60 < IPM < 70)

2. Tinggi (70 < IPM < 80)

3. Sangat tinggi (IPM ≥ 80)

Variabel yang digunakan:

• Y (Variabel dependen): IPM kategori ordinal

• X1: Tingkat pengangguran terbuka (TPT)

• X2: Tingkat partisipasi angkatan kerja (TPAK)

• X3: Tingkat kemiskinan

• X4: Harapan lama sekolah

• X5: Rata-rata lama sekolah

• X6: Usia harapan hidup

• X7: Pengeluaran per kapita

Langkah Analisis:

1. Analisis deskriptif menggunakan peta tematik sebaran IPM.

2. Uji serentak dengan likelihood ratio test.

3. Uji parsial dengan uji Wald untuk tiap variabel.

4. Uji kesesuaian model regresi.

Hasil Penelitian

Gambaran Umum:

• Kota dengan IPM sangat tinggi: Surabaya (82.31), Malang, Madiun, dan Sidoarjo.

• Sebagian besar kabupaten lain hanya berada di kategori tinggi atau bahkan sedang.

Temuan Statistik:

• Uji serentak menghasilkan nilai p-value = 0,000, berarti secara kolektif ada pengaruh signifikan antara variabel bebas dan IPM.

• Namun secara parsial (Uji Wald), tidak ada satu pun variabel yang berpengaruh signifikan secara statistik terhadap IPM.

Ini menunjukkan adanya multikollinearitas atau variabel luar yang belum ditangkap oleh model.

Analisis Tambahan & Opini

Penafsiran:

Temuan ini menarik karena bertolak belakang dengan literatur umum yang menyatakan bahwa pendidikan dan kesehatan sangat menentukan IPM. Kemungkinan besar:

• Ketimpangan antarwilayah mempengaruhi kestabilan model.

• Ada variabel penting lain seperti infrastruktur, kualitas layanan publik, atau kinerja pemerintah daerah yang belum dimasukkan.

• Kategori ordinal terlalu sempit untuk menangkap variabilitas riil antar daerah.

Kritik terhadap Penelitian:

• Rentang variabel dependen (IPM) mungkin terlalu luas untuk dibatasi dalam tiga kategori saja.

• Tidak dilakukan transformasi data atau normalisasi, yang mungkin dibutuhkan untuk meningkatkan keakuratan model.

• Tidak diuji kemungkinan interaksi antar variabel.

Implikasi Kebijakan

• Pemerintah perlu menyusun kebijakan pembangunan manusia yang terintegrasi, tidak hanya mengejar angka pendidikan atau kesehatan secara nominal.

• Perlu pengumpulan data yang lebih luas, termasuk data kualitas hidup dan partisipasi sosial.

• Untuk analisis ke depan, disarankan menggunakan model yang lebih fleksibel seperti regresi multinomial atau analisis spasial.

Perbandingan dengan Studi Lain

• Studi ini memperkuat kritik terhadap pendekatan yang terlalu kuantitatif dalam analisis pembangunan manusia.

• Berbeda dengan penelitian Melliana & Zain (2013) yang menggunakan regresi panel dan menemukan pengaruh signifikan dari fasilitas kesehatan dan akses air bersih terhadap IPM Jawa Timur.

• Sementara itu, Farida et al. (2022) menggunakan pendekatan regresi ordinal namun dengan transformasi data dan berhasil menemukan signifikansi pendidikan dan pengeluaran.

Kesimpulan

Penelitian ini memberikan insight penting tentang keterbatasan model statistik dalam menjelaskan capaian pembangunan manusia jika tidak dilengkapi data yang komprehensif. Meski tidak menemukan pengaruh parsial yang signifikan, studi ini membuka ruang diskusi tentang kompleksitas IPM dan perlunya pendekatan multidimensi dan lintas disiplin.

Saran

• Gunakan pendekatan mixed-methods yang menggabungkan data kuantitatif dan wawancara lapangan.

• Tambahkan variabel kualitatif seperti persepsi publik, akses pelayanan, dan infrastruktur wilayah.

• Gunakan skala IPM kontinu atau indeks komposit agar hasil analisis lebih akurat dan aplikatif.

Sumber

Hartono, M. F. I., & Khikmah, L. (2024). Analisis Faktor yang Mempengaruhi Indeks Pembangunan Manusia (IPM) Jawa Timur 2021 Menggunakan Metode Regresi Logistik Ordinal. Jurnal El Mal, 5(9), 3989–3995. https://journal-laaroiba.com/ojs/index.php/elmal/3932