Tugas

Indeks Pembangunan Manusia

Apa Itu Indeks Pembangunan Manusia?

IPM menjelaskan bagaimana penduduk dapat mengakses hasil pembangunan dalam memperoleh pendapatan, kesehatan, pendidikan, dan sebagainya. IPM diperkenalkan oleh UNDP pada tahun 1990 dan dipublikasikan secara berkala dalam laporan tahunan Human Development Report (HDR).

IPM dibentuk oleh 3 (tiga) dimensi dasar :

Umur panjang dan hidup sehat (a long and healthy life) Indikator berupa Angka Harapan Hidup
Pengetahuan (knowledge) Indikator berupa Harapan Lama Sekolah dan Rata-rata Lama Sekolah
Standar hidup layak (decent standard of living) Indikator berupa Pengeluaran Perkapita

Apa Saja Manfaat IPM?

IPM merupakan indikator penting untuk mengukur keberhasilan dalam upaya membangun kualitas hidup manusia (masyarakat/penduduk). IPM dapat menentukan peringkat atau level pembangunan suatu wilayah/negara. Bagi Indonesia, IPM merupakan data strategis karena selain sebagai ukuran kinerja Pemerintah, IPM juga digunakan sebagai salah satu alokator penentuan Dana Alokasi Umum (DAU).

Data yang digunakan adalah tahun 2017. Berikut data Indeks Pembangunan Manusia serta indikatornya.

setwd("E:/")
data <- read.csv("data.csv", sep = ",", header = TRUE)
head(data)

##     AHH   EYS  MYS Pengeluaran   IPM
## 1 69.52 14.13 8.98        8957 70.60
## 2 68.37 13.10 9.25       10036 70.57
## 3 68.78 13.94 8.72       10306 71.24
## 4 70.99 13.03 8.76       10677 71.79
## 5 70.76 12.87 8.15        9880 69.99
## 6 69.18 12.35 7.99       10220 68.86

Sumber: Badan Pusat Statistik

A. Karakteristik Data IPM

summary(data)

##       AHH             EYS             MYS          Pengeluaran   
##  Min.   :64.34   Min.   :10.54   Min.   : 6.270   Min.   : 6996  
##  1st Qu.:67.78   1st Qu.:12.49   1st Qu.: 7.560   1st Qu.: 9026  
##  Median :69.59   Median :12.87   Median : 8.290   Median :10220  
##  Mean   :69.46   Mean   :12.97   Mean   : 8.258   Mean   :10286  
##  3rd Qu.:71.02   3rd Qu.:13.32   3rd Qu.: 8.740   3rd Qu.:10825  
##  Max.   :74.74   Max.   :15.42   Max.   :11.020   Max.   :17707  
##       IPM       
##  Min.   :59.09  
##  1st Qu.:68.15  
##  Median :69.99  
##  Mean   :69.78  
##  3rd Qu.:71.03  
##  Max.   :80.06

B. Visualisasi Data

1. Boxplot

library(RColorBrewer)
par(mfrow=c(2,3))
boxplot(data$IPM, col="lightblue", main="Boxplot of IPM", boxwex=0.5)
boxplot(data$AHH, col="lightblue", main="Boxplot of AHH", boxwex=0.5)
boxplot(data$EYS, col="lightblue", main="Boxplot of EYS", boxwex=0.5)
boxplot(data$MYS, col="lightblue", main="Boxplot of MYS", boxwex=0.5)
boxplot(data$Pengeluaran, col="lightblue", main="Boxplot of Pengeluaran", boxwex=0.5)

2. Histogram

library(RColorBrewer)
par(mfrow=c(2,3))
hist(data$IPM, breaks=9, col="lightblue", main="Histogram of IPM")
hist(data$AHH, breaks=9, col="lightblue", main="Histogram of AHH")
hist(data$EYS, breaks=9, col="lightblue", main="Histogram of EYS")
hist(data$MYS, breaks=9, col="lightblue", main="Histogram of MYS")
hist(data$Pengeluaran, breaks=9, col="lightblue", main="Histogram of Pengeluaran")

C. Hubungan antar variabel

Hubungan antar variabel dapat diketahui melalui beberapa scatter plot berikut ini.

Scatter plot

Scatter plot adalah alat untuk menganalisis hubungan antara dua variabel. Satu variabel diplot pada sumbu horizontal dan yang lainnya diplot pada sumbu vertikal. Scatter plot sangat berguna untuk mendeteksi korelasi (hubungan) antara dua variable, sekaligus juga memperlihatkan tingkat hubungan tersebut (kuat atau lemah). Berikut hasil Scatter plot antar variabel.

library(RColorBrewer)
library(ggplot2)
plot(data, col=brewer.pal(3,"Set1"))

D. Regresi Linier

model1 <- lm(IPM ~ AHH+EYS+MYS+Pengeluaran, data=data)
summary(model1)

## 
## Call:
## lm(formula = IPM ~ AHH + EYS + MYS + Pengeluaran, data = data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -0.9128 -0.1639  0.1261  0.1894  0.3419 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 8.667e-01  1.710e+00   0.507    0.616    
## AHH         5.172e-01  2.579e-02  20.056  < 2e-16 ***
## EYS         1.133e+00  8.106e-02  13.977 1.13e-14 ***
## MYS         1.092e+00  8.350e-02  13.078 6.31e-14 ***
## Pengeluaran 9.023e-04  3.817e-05  23.641  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.3169 on 30 degrees of freedom
## Multiple R-squared:  0.9945, Adjusted R-squared:  0.9938 
## F-statistic:  1358 on 4 and 30 DF,  p-value: < 2.2e-16