A.Pendahuluan

Kualitas lingkungan hidup merupakan salah satu aspek penting dalam mendukung pembangunan yang berkelanjutan karena berkaitan dengan kesehatan masyarakat dan keseimbangan ekosistem (Aldilla et al.,2024). Lingkungan yang baik dapat menunjang kesehatan masyarakat, kelestarian sumber daya alam, serta keseimbangan ekosistem. Untuk mengukur kondisi lingkungan hidup secara komprehensif, pemerintah menggunakan Indeks Kualitas Lingkungan Hidup (IKLH) sebagai indikator utama.

Untuk menilai kondisi lingkungan hidup suatu wilayah, pemerintah menggunakan Indeks Kualitas Lingkungan Hidup (IKLH), yang merupakan indeks komposit yang mencakup beberapa komponen utama seperti Indeks Kualitas Air (IKA), Indeks Kualitas Udara (IKU), dan Indeks Kualitas Lahan (IKL)(Masyruroh et al., 2021). Ketiga komponen tersebut mencerminkan kondisi lingkungan dari sisi air, udara, dan lahan yang saling berkaitan satu sama lain. Provinsi Aceh memiliki kondisi geografis dan lingkungan yang beragam, sehingga menarik untuk dikaji faktor-faktor yang memengaruhi nilai IKLH di wilayah tersebut. Oleh karena itu, penelitian ini bertujuan untuk menganalisis pengaruh IKA, IKU, dan IKL terhadap IKLH Provinsi Aceh pada periode 2016–2024 menggunakan metode regresi linear berganda.

Deskripsi dan Sumber Data

Data yang digunakan dalam penelitian ini merupakan data sekunder tahunan Provinsi Aceh periode 2016–2024. Variabel yang dianalisis meliputi : - Indeks Kualitas Lingkungan Hidup (IKLH) sebagai variabel terikat (Y) - Kualitas Air (IKA) sebagai variabel bebas (X₁) - Indeks Kualitas Udara (IKU) sebagai variabel bebas (X₂) - Indeks Kualitas Lahan (IKL) sebagai variabel bebas (X₃) Seluruh data diperoleh dari Open Data Provinsi Aceh, yang merupakan portal resmi penyedia data terbuka pemerintah daerah. Data yang digunakan telah melalui proses publikasi dan dapat dipertanggungjawabkan secara resmi. Jumlah observasi dalam penelitian ini adalah 9 tahun, sehingga data dinilai cukup untuk dilakukan analisis regresi linear berganda.

# Data IKLH Provinsi Aceh 2016–2024
IKLH <- c(65.08, 73.38, 69.14, 77.72, 78.99, 74.71, 73.55, 78.53, 79.66)
IKA  <- c(55.02, 67.84, 66.85, 80.73, 78.66, 58.71, 59.73, 61.30, 63.25)
IKU  <- c(84.29, 89.86, 88.33, 90.66, 89.48, 89.63, 90.62, 90.94, 92.81)
IKL  <- c(55.02, 67.84, 66.85, 80.73, 78.66, 66.25, 65.71, 76.51, 76.66)

data_aceh <- data.frame(IKLH, IKA, IKU, IKL)
data_aceh
##    IKLH   IKA   IKU   IKL
## 1 65.08 55.02 84.29 55.02
## 2 73.38 67.84 89.86 67.84
## 3 69.14 66.85 88.33 66.85
## 4 77.72 80.73 90.66 80.73
## 5 78.99 78.66 89.48 78.66
## 6 74.71 58.71 89.63 66.25
## 7 73.55 59.73 90.62 65.71
## 8 78.53 61.30 90.94 76.51
## 9 79.66 63.25 92.81 76.66

Exploratory Data Analysis (EDA)

##       IKLH            IKA             IKU             IKL       
##  Min.   :65.08   Min.   :55.02   Min.   :84.29   Min.   :55.02  
##  1st Qu.:73.38   1st Qu.:59.73   1st Qu.:89.48   1st Qu.:66.25  
##  Median :74.71   Median :63.25   Median :89.86   Median :67.84  
##  Mean   :74.53   Mean   :65.79   Mean   :89.62   Mean   :70.47  
##  3rd Qu.:78.53   3rd Qu.:67.84   3rd Qu.:90.66   3rd Qu.:76.66  
##  Max.   :79.66   Max.   :80.73   Max.   :92.81   Max.   :80.73

Statistik deskriptif menunjukkan bahwa rata-rata IKLH Provinsi Aceh selama periode 2016–2024 sebesar 74,53, dengan nilai minimum 65,08 dan maksimum 79,66. Hal ini mengindikasikan bahwa kualitas lingkungan hidup di Aceh berada pada kategori cukup baik dan cenderung stabil.

Indeks Kualitas Air (IKA) memiliki rata-rata 65,79, menunjukkan variasi yang cukup besar dari tahun ke tahun. Indeks Kualitas Udara (IKU) relatif stabil dengan rata-rata 89,62, sedangkan Indeks Kualitas Lahan (IKL) memiliki rata-rata 70,47 dengan variasi yang cukup tinggi.

Visualisasi scatter plot (pairs plot) juga menunjukkan pola hubungan yang cenderung linear antara IKLH dengan IKU dan IKL, sehingga regresi linear berganda layak digunakan untuk analisis lanjutan.

##           IKLH       IKA       IKU       IKL
## IKLH 1.0000000 0.4969744 0.8709205 0.9164053
## IKA  0.4969744 1.0000000 0.3019596 0.7396604
## IKU  0.8709205 0.3019596 1.0000000 0.7651082
## IKL  0.9164053 0.7396604 0.7651082 1.0000000

Hasil korelasi menunjukkan bahwa IKL memiliki hubungan paling kuat dengan IKLH (0,916), diikuti oleh IKU (0,871), sedangkan IKA memiliki korelasi sedang (0,497). Ini mengindikasikan bahwa kualitas lahan dan udara memiliki peran lebih besar dalam menentukan nilai IKLH dibandingkan kualitas air.

Metode Analisis

Metode analisis yang digunakan adalah regresi linear berganda dengan pendekatan Ordinary Least Squares (OLS), yang bertujuan untuk mengestimasi hubungan antara Indeks Kualitas Lingkungan Hidup (IKLH) sebagai variabel terikat dengan Indeks Kualitas Air (IKA), Indeks Kualitas Udara (IKU), dan Indeks Kualitas Lahan (IKL) sebagai variabel bebas. Metode OLS dipilih karena merupakan metode standar dalam regresi linear yang menghasilkan estimasi koefisien yang optimal dengan meminimalkan jumlah kuadrat kesalahan prediksi.. Model yang digunakan adalah: \[𝐼𝐾𝐿𝐻=𝛽0+𝛽1𝐼𝐾𝐴+𝛽2𝐼𝐾𝑈+𝛽3𝐼𝐾𝐿+𝜀\]

Hasil dan Pembahasan

Estimasi Model

## 
## Call:
## lm(formula = IKLH ~ IKA + IKU + IKL, data = data_aceh)
## 
## Residuals:
##       1       2       3       4       5       6       7       8       9 
##  0.1914  0.4541 -2.5976 -0.8093  1.9033  1.4713  0.2395 -0.6065 -0.2462 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)  
## (Intercept)  -0.7728    37.6581  -0.021   0.9844  
## IKA          -0.1421     0.1252  -1.135   0.3077  
## IKU           0.5161     0.4917   1.050   0.3419  
## IKL           0.5448     0.1980   2.751   0.0402 *
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.668 on 5 degrees of freedom
## Multiple R-squared:  0.9279, Adjusted R-squared:  0.8846 
## F-statistic: 21.45 on 3 and 5 DF,  p-value: 0.002769

Berdasarkan kolom Estimate, model regresi linear berganda yang terbentuk adalah:\[IKLH = -0.7728 - 0.1421(IKA) + 0.5161(IKU) + 0.5448(IKL)\]

  1. Interpretasi koefisien:

  • Konstanta (-0,7728): Menunjukkan nilai dasar IKLH jika ketiga variabel lainnya dianggap nol. Signifikansi Koefisien

  • IKA: Koefisien sebesar -0.1421 dengan p-value 0.3077, artinya pengaruh IKA terhadap IKLH tidak signifikan secara statistik pada level 5%.

  • IKU: Koefisien sebesar 0.5161 dengan p-value 0.3419, artinya pengaruh IKU terhadap IKLH juga tidak signifikan.

  • IKL: Koefisien sebesar 0.5448 dengan p-value 0.0402, artinya IKL memiliki pengaruh positif yang signifikan terhadap IKLH. Setiap kenaikan 1 satuan pada IKL, IKLH diperkirakan meningkat sebesar 0.5448 satuan, dengan asumsi variabel lain konstan.

2.Kualitas Model

  • R-squared (R²) = 0.9279 menunjukkan model mampu menjelaskan 92,79% variasi IKLH, yang menandakan kecocokan model yang tinggi.

  • Adjusted R-squared = 0.8846 memperhitungkan jumlah variabel prediktor dan tetap menunjukkan model cukup baik.

  • F-statistic = 21.45 (p-value = 0.0028) menegaskan bahwa secara simultan, variabel IKA, IKU, dan IKL berpengaruh signifikan terhadap IKLH.

  1. Residual

Residual standar sebesar 1.668, menunjukkan rata-rata deviasi prediksi model terhadap nilai observasi sekitar 1.668 satuan.

OLS Manual

##           [,1]
##     -0.7727808
## IKA -0.1421378
## IKU  0.5161485
## IKL  0.5448145
##               estimate  std.error     t.value    p.value
## (Intercept) -0.7727808 37.6581036 -0.02052097 0.98442152
## IKA         -0.1421378  0.1251803 -1.13546438 0.30766032
## IKU          0.5161485  0.4917143  1.04969187 0.34192413
## IKL          0.5448145  0.1980104  2.75144455 0.04024114
## Hasil Estimasi Manual (OLS Matriks):
##               estimate  std.error     t.value    p.value
## (Intercept) -0.7727808 37.6581036 -0.02052097 0.98442152
## IKA         -0.1421378  0.1251803 -1.13546438 0.30766032
## IKU          0.5161485  0.4917143  1.04969187 0.34192413
## IKL          0.5448145  0.1980104  2.75144455 0.04024114
## 
## Hasil Estimasi lm():
##               Estimate Std. Error     t value   Pr(>|t|)
## (Intercept) -0.7727808 37.6581036 -0.02052097 0.98442152
## IKA         -0.1421378  0.1251803 -1.13546438 0.30766032
## IKU          0.5161485  0.4917143  1.04969187 0.34192413
## IKL          0.5448145  0.1980104  2.75144455 0.04024114

Hasil estimasi menggunakan metode OLS manual (pendekatan matriks) dan fungsi lm() di R menghasilkan koefisien, standard error, nilai t, dan p-value yang identik. Hal ini menunjukkan bahwa proses perhitungan regresi telah dilakukan dengan benar dan konsisten secara matematis. Model regresi yang diperoleh adalah :

\[ IKLH = −0.7728 − 0.1421IKA + 0.5161IKU + 0.5448IKL \]

Berdasarkan uji parsial (uji-t), hanya IKL yang berpengaruh signifikan terhadap IKLH dengan p-value = 0,0402 (< 0,05). Sementara itu, IKA dan IKU tidak signifikan secara statistik.

Hasil ini menegaskan bahwa kualitas lahan merupakan faktor utama yang memengaruhi IKLH Provinsi Aceh pada periode 2016–2024, dan validitas perhitungan OLS telah terverifikasi melalui perbandingan antara metode manual dan fungsi lm().

Uji Signifikansi & ANOVA

##                    2.5 %     97.5 %
## (Intercept) -97.57601786 96.0304563
## IKA          -0.46392402  0.1796485
## IKU          -0.74784328  1.7801402
## IKL           0.03581269  1.0538163
## Analysis of Variance Table
## 
## Response: IKLH
##           Df  Sum Sq Mean Sq F value   Pr(>F)   
## IKA        1  47.681  47.681 17.1291 0.009008 **
## IKU        1 110.382 110.382 39.6537 0.001485 **
## IKL        1  21.073  21.073  7.5704 0.040241 * 
## Residuals  5  13.918   2.784                    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Uji Interval Kepercayaan (Confidence Interval)

Hasil interval kepercayaan 95% menunjukkan:

  • IKA memiliki interval [-0,464 ; 0,180], yang mencakup nol → pengaruh IKA terhadap IKLH tidak signifikan.

  • IKU memiliki interval [-0,748 ; 1,780], yang juga mencakup nol → pengaruh IKU terhadap IKLH tidak signifikan.

  • IKL memiliki interval [0,036 ; 1,054], yang tidak mencakup nol → pengaruh IKL terhadap IKLH signifikan dan positif.

Ini menguatkan hasil uji-t bahwa hanya Indeks Kualitas Lahan (IKL) yang secara statistik berpengaruh terhadap IKLH Provinsi Aceh.

Uji ANOVA (Uji Signifikansi Simultan dan Parsial)

Hasil ANOVA menunjukkan bahwa:

  • IKA signifikan (p = 0,0090),

  • IKU signifikan (p = 0,0015),

  • IKL signifikan (p = 0,0402).

Artinya, masing-masing variabel secara individual memberikan kontribusi terhadap variasi IKLH dalam model.

Namun ketika diuji secara parsial melalui regresi (uji-t), hanya IKL yang tetap signifikan, yang menunjukkan bahwa pengaruh IKA dan IKU sebagian besar tumpang tindih dengan variabel lain, sedangkan IKL memberikan kontribusi unik terhadap IKLH.Perbedaan ini terjadi karena ANOVA menguji kontribusi variabel secara bertahap (Type I Sum of Squares), sedangkan uji-t mengukur pengaruh unik setiap variabel ketika variabel lain sudah dikendalikan.

Prediksi & Metrik

## $R2
## [1] 0.9279054
## 
## $AdjR2
## [1] 0.8846486
## 
## $MSE
## [1] 2.783637
## 
## $RMSE
## [1] 1.243569
## 
## $MAE
## [1] 0.9465739

Nilai R² sebesar 0,9279 menunjukkan bahwa 92,79% variasi IKLH Provinsi Aceh dapat dijelaskan oleh variabel IKA, IKU, dan IKL. Ini menandakan bahwa model memiliki tingkat kecocokan yang sangat tinggi.

Nilai Adjusted R² sebesar 0,8846 tetap tinggi setelah memperhitungkan jumlah variabel, sehingga model tidak mengalami overfitting.

Nilai RMSE sebesar 1,2436 dan MAE sebesar 0,9466 menunjukkan bahwa rata-rata kesalahan prediksi kurang dari 1,3 poin IKLH, yang berarti model mampu memprediksi IKLH dengan tingkat kesalahan yang relatif kecil.

Dengan demikian, model regresi memiliki akurasi prediksi yang baik dan layak digunakan untuk analisis kualitas lingkungan Provinsi Aceh.

Diagnostik Model

  1. Residuals vs Fitted Plot ini digunakan untuk memeriksa asumsi linearitas dan homoskedastisitas.

Interpretasi: Garis merah menunjukkan sedikit tren (tidak sepenuhnya datar pada garis nol), yang mengindikasikan adanya sedikit penyimpangan dari linearitas. Namun, titik-titik residual tersebar secara cukup acak di sekitar garis nol tanpa membentuk pola corong (funnel shape) yang nyata, sehingga asumsi varians yang konstan (homoskedastisitas) masih relatif terpenuhi meski perlu perhatian pada observasi nomor 3 dan 5.

  1. Normal Q-Q (Quantile-Quantile) Plot ini digunakan untuk memeriksa apakah residual terdistribusi secara normal.

Interpretasi: Titik-titik residual sebagian besar mengikuti garis diagonal putus-putus. Hal ini menunjukkan bahwa residual terdistribusi secara normal. Terdapat sedikit deviasi di ujung bawah (observasi 3) dan ujung atas (observasi 5), namun secara keseluruhan tidak ada penyimpangan ekstrem yang merusak asumsi normalitas.

  1. Scale-Location (Spread-Location) Plot ini digunakan untuk memeriksa homoskedastisitas (varians konstan) dengan lebih mendalam menggunakan akar kuadrat dari residual yang distandarisasi.

Interpretasi: Garis merah menunjukkan adanya kenaikan di bagian tengah. Idealnya, garis ini harus horizontal dan titik-titik tersebar secara merata. Fluktuasi pada garis merah menunjukkan adanya sedikit masalah heteroskedastisitas, di mana variabilitas data berubah seiring dengan perubahan nilai prediksi (fitted values).

  1. Residuals vs Leverage Plot ini digunakan untuk mengidentifikasi observasi yang berpengaruh (influential observations) atau outliers yang dapat mengubah hasil model secara signifikan.

Interpretasi: Kita memperhatikan jarak Cook (Cook’s distance). Dalam plot ini, garis merah putus-putus untuk Cook’s distance (ambang batas 0.5 atau 1.0) hampir tidak terlihat atau tidak terlampaui oleh titik data mana pun. Meskipun observasi nomor 8 memiliki nilai leverage yang tinggi (mendekati 0.8), titik tersebut tidak memiliki residual yang ekstrem, sehingga tidak dianggap sebagai influential point yang merusak stabilitas model.

## 
##  Shapiro-Wilk normality test
## 
## data:  residuals(model)
## W = 0.9548, p-value = 0.7427
## 
##  Durbin-Watson test
## 
## data:  model
## DW = 1.6156, p-value = 0.1117
## alternative hypothesis: true autocorrelation is greater than 0
## 
##  studentized Breusch-Pagan test
## 
## data:  model
## BP = 1.4806, df = 3, p-value = 0.6868
##      IKA      IKU      IKL 
## 3.510591 3.834828 7.695187

  • Hasil uji Shapiro–Wilk menghasilkan p-value sebesar 0,7427 (> 0,05), sehingga residual model berdistribusi normal.

  • Uji Durbin–Watson menghasilkan nilai DW = 1,6156 dengan p-value 0,1117 (> 0,05), yang menunjukkan tidak terdapat autokorelasi pada residual.

  • Uji Breusch–Pagan menghasilkan p-value 0,6868 (> 0,05), sehingga dapat disimpulkan tidak terjadi heteroskedastisitas.

  • Nilai VIF untuk seluruh variabel berada di bawah 10 (IKA = 3,51; IKU = 3,83; IKL = 7,70), sehingga tidak terdapat multikolinearitas serius dalam model.

Dengan demikian, model regresi memenuhi seluruh asumsi klasik OLS dan layak digunakan untuk analisis dan inferensi statistik.

Kesimpulan

Berdasarkan hasil regresi linear berganda, dapat disimpulkan bahwa Indeks Kualitas Lahan (IKL) merupakan faktor yang paling berpengaruh dan signifikan terhadap Indeks Kualitas Lingkungan Hidup (IKLH) Provinsi Aceh selama periode 2016–2024. Setiap peningkatan kualitas lahan terbukti meningkatkan nilai IKLH secara nyata. Sementara itu, Indeks Kualitas Air (IKA) dan Indeks Kualitas Udara (IKU) tidak menunjukkan pengaruh signifikan secara parsial terhadap IKLH, meskipun secara bersama-sama ketiga variabel berpengaruh signifikan.

Model regresi yang digunakan memiliki tingkat kecocokan yang sangat baik dengan R² sebesar 92,79%, yang berarti sebagian besar variasi IKLH dapat dijelaskan oleh IKA, IKU, dan IKL. Selain itu, hasil uji asumsi klasik menunjukkan bahwa model memenuhi syarat statistik (residual normal, tidak ada autokorelasi, tidak terjadi heteroskedastisitas, dan tidak ada multikolinearitas serius), sehingga hasil estimasi dapat dipercaya.Dengan demikian, peningkatan kualitas lahan menjadi faktor kunci dalam upaya meningkatkan kualitas lingkungan hidup di Provinsi Aceh.

Referensi

Aldilla, R., Restiatun, R., & Afrizal, A. (2024). Faktor – Faktor yang Mempengaruhi Indeks Kualitas Lingkungan Hidup (IKLH) di Indonesia. Jurnal Ilmu Lingkungan, 22(6), 1494-1503. https://doi.org/10.14710/jil.22.6.1494-1503

Masyruroh, A., Studi, P., Lingkungan, T., Teknik, F., & Jaya, U. B. (2021). KAJIAN INDEKS KUALITAS LINGKUNGAN HIDUP. 4, 151–162.

Pemerintah Aceh.(2024). Indeks Kualitas Lingkungan Hidup (IKLH), Indeks Kualitas Air (IKA), Indeks Kualitas Udara (IKU), dan Indeks Kualitas Lahan (IKL) Provinsi Aceh Tahun 2016–2024. Open Data Provinsi Aceh. https://data.acehprov.go.id