Deskripsi Data

kami mengambil data Indeks Pembangunan Manusia provinsi Papua thn 2010~2019 di https://papua.bps.go.id/indicator/26/115/1/-metode-baru-indeks-pembangunan-manusia.html dan kami hanya akan menggunakan data rata rata seluruh kabupaten yaitu data provinsi papua thn 2010~2019 dan kami akan memprediksi IPM berdasarkan data tsb

Pendahuluan

Apa Itu Indeks Pembangunan Manusia?

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 dipublikasikan secara berkala dalam laporan tahunan Human Development Report (HDR). ~sumber:papua.bps.go.id

IPM dibentuk oleh 3 (tiga) dimensi dasar:

Itu adalah metode baru yg digunakan BPS untuk menghitung IPM di papua sebelumnya di metode lama ada angka melek huruf dan pengunaan rata-rata aritmatik namun hal itu bisa menggambarkan bahwa capaian yang rendah di suatu dimensi dapat ditutupi oleh capaian tinggi dari dimensi lain dan angka melek huruf sudah tidak relevan karena sudah tinggi

link: https://drive.google.com/file/d/1PAN7rJJsELCeEAYSb2buUVztJCkOaQfz/view?usp=sharing 

library(readxl)
## Warning: package 'readxl' was built under R version 4.0.3
IndexPembangunanManusia<- read_xlsx("IndeksPembagunanManusia.xlsx")
  IndexPembangunanManusia
## # A tibble: 10 x 6
##    Tahun   AHH   HLS   RLS pengeluaran   IPM
##    <dbl> <dbl> <dbl> <dbl>       <dbl> <dbl>
##  1  2010  64.3  8.57  5.59     6251000  54.4
##  2  2011  64.5  8.92  5.6      6303000  55.0
##  3  2012  64.6  9.11  5.73     6349000  55.6
##  4  2013  64.8  9.58  5.74     6394000  56.2
##  5  2014  64.8  9.94  5.76     6416100  56.8
##  6  2015  65.1  9.95  5.99     6469000  57.2
##  7  2016  65.1 10.2   6.15     6637000  58.0
##  8  2017  65.1 10.5   6.27     6996000  59.1
##  9  2018  65.4 10.8   6.52     7159000  60.1
## 10  2019  65.6 11.0   6.65     7336000  60.8

Menghapus kolom Tahun

karena Kolom tahun tidak kita pakai maka kita perlu membuangnya

IndexPembangunanManusia=IndexPembangunanManusia[-1]
  IndexPembangunanManusia
## # A tibble: 10 x 5
##      AHH   HLS   RLS pengeluaran   IPM
##    <dbl> <dbl> <dbl>       <dbl> <dbl>
##  1  64.3  8.57  5.59     6251000  54.4
##  2  64.5  8.92  5.6      6303000  55.0
##  3  64.6  9.11  5.73     6349000  55.6
##  4  64.8  9.58  5.74     6394000  56.2
##  5  64.8  9.94  5.76     6416100  56.8
##  6  65.1  9.95  5.99     6469000  57.2
##  7  65.1 10.2   6.15     6637000  58.0
##  8  65.1 10.5   6.27     6996000  59.1
##  9  65.4 10.8   6.52     7159000  60.1
## 10  65.6 11.0   6.65     7336000  60.8

Menghitung Indeks Komponen

Setiap komponen IPM Mempunyai rumus dan Rumus yang digunakan adalah sebagai berikut.

Dimensi Kesehatan

didapat dari angka harapan hidup (AHH)


contoh di r:

I_kesehatan = (65.14 - 64.31)/(65.65 - 64.31)
  I_kesehatan
## [1] 0.619403

Dimensi Pendidikan

didapat dari (HLS) dan (RLS)


contoh di r:

I_Pendidikan = (((10.23-8.57)/(11-8.57))+((6.15-5.59)/(6.65-5.59)))/2
  I_Pendidikan
## [1] 0.6057147

Dimensi Pengeluaran

didapat dari pengeluaran per kapita dengan Produk Nasional Bruto (PNB) yg disesuaikan menurut berapa setiap orang mendapatakan berapa ribu dalam satu tahun. pengeluaran yg dimaksud seperti subsidi, pembangunan tempat umum (terminal,jalan,toilet) dan public service lainnya


contoh di r:

I_Pengeluaran = (6416100-6251000)/(7336000-6251000)
  I_Pengeluaran
## [1] 0.1521659

Menghitung IPM

IPM dihitung sebagai rata-rata geometrik dari indeks kesehatan, pendidikan, dan pengeluaran. IPM=∛(I_Kesehatan×I_Pendidikan×I_Pengeluaran) menghitung pertumbuhan ipm per tahun : IPM=∛(I_Kesehatan×I_Pendidikan×I_Pengeluaran) x 100

dengan menggunakan function(x) x^(1/3)bisa membuat fungsi akar pangkat tiga karena sebenarnya akar pangkat 3 = mencari bil berpangkat 3 (?^3) misal akar pangkat tiga dari 125=125^0.3333 Bagaimana kalau akar pangkat dua? Berarti menulisnya 1/2 namun sudah ada fungsi sqrt jadi tdk perlu membuat function lagi.

contoh di r:

a=0.619402985*0.717932136*0.686635945
  a
## [1] 0.3053397
sqrt3<-function(x) x^(1/3)
  IPM=sqrt3(a)*100
  IPM
## [1] 67.33813

ketentuan nilai min & max setiap index:

Komponen IPM Satuan Minimum Maksimum
Angka Harapan Hidup (AHH) Tahun 20 85
Harapan Lama Sekolah (HLS) Tahun 0 18
Rata-rata Lama Sekolah (RLS) Tahun 0 15
Pengeluaran per Kapita Rupiah 1007436 26572352

Catatan:

karena data provinsi papua adalah rata rata dari semua kabupaten di provinsi papua jadi kita tidak bisa menghitung ipm dari data tsb jadi kita pilih salah satu kabupaten yaitu kab Merauke.

apabila kita mencoba menghitung ipm kab meruke provinsi papua thn 2018:

I_kesehatan = (66.31 - 20)/(85 - 20)
  I_Pendidikan = (((11.54-0)/(18-0))+((7.6-0)/(15-0)))/2
  I_Pengeluaran = (9633000-1007436)/(26572352-1007436)
  a=I_kesehatan*I_Pendidikan*I_Pengeluaran
  sqrt3<-function(x) x^(1/3)
  IPM2018 = sqrt3(a)*100
  IPM2018 # sama dengan 65.58?
## [1] 51.67067

bisa dilihat bahwa hasilnya masih salah mungkin ada yg kurang ditambahi atau salah pengambilan data/ salah perhitungan bisa beritahu kami di kolom komentar dibawah

Mengecek variabel yang ada

sama seperti perbandingan data disini kita akan menentukan kolom juga, berbeda dengan sebelumnya kali ini kita menggunakan fungsi names() yg akan membaca semua data per kolom/vektor dan akan menamainya sesuai nama kolom yg sudah ada dan data/vektor harus berisi numerik saja, charakter saja, jadi 1 jenis data, apabila ada jenis data yg tidak sama maka fungsi names() tdk akan membacanya dan akan muncul pesan eror

names(IndexPembangunanManusia)
## [1] "AHH"         "HLS"         "RLS"         "pengeluaran" "IPM"
lm(IPM~AHH+HLS+RLS+pengeluaran,data = IndexPembangunanManusia)
## 
## Call:
## lm(formula = IPM ~ AHH + HLS + RLS + pengeluaran, data = IndexPembangunanManusia)
## 
## Coefficients:
## (Intercept)          AHH          HLS          RLS  pengeluaran  
##   8.023e+00    3.077e-01    1.231e+00    1.423e+00    1.302e-06

Mengecek Model

dari perhitungan regresi linear berganda diatas ditemukan model persamaan, yaitu:

y = 97,3355801 + 3.077e-01* AHH + 1.231e+00* HLS + 1.423e+00* RLS + 1.302e-06* pengeluaran

kita bisa memisalkan :

jika AHH = 65.65 + 0.3077 = 68.95

jika HLS = 11.05 + 0.1231 = 11.17

jika RLS = 6.65 + 0.1423 = 6.79

jika pengeluaran = 7336000 + 130200 = 7466200

maka:

model = lm(IPM~AHH+HLS+RLS+pengeluaran,data = IndexPembangunanManusia)
  data_baru = data.frame(AHH=68.95,HLS=11.17,RLS=6.79,pengeluaran=7466200)
  predict(model,data_baru)
##       1 
## 62.37569

dapat dilihat bahwa data hasil prediksi ipm 2020 provinsi papua adalah 62.37569 yg berarti naik 1.53569 dari data sebelumnya 60.84. jadi itulah prediksi rata rata ipm provinsi papua thn 2020 menurut kelompok kami

Klasifikasi Status Pembangunan Manusia:

Nilai IPM Status Pembangunan Manusia

IPM< 60 Rendah
60 ≤ IPM ≥ 70 Sedang
70 ≤ IPM ≥ 80 Tinggi
IPM≥ 80 Sangat Tinggi

hasil nya adalah = 62.37569 yg berarti data itu masuk klasifikasi sedang

Mencari MAD

untuk mengetahui tingkat kesalahan/error dari data yang sudah diprediksi menggunakan MAD(Mean Absolute Deviation) rumus MAD = (data aktual - data prediksi)/ jumlah baris namun karena data IPM 2020 belum di publikasi bps kami tidak bisa membandingkannya

Visualisasi

link: https://drive.google.com/file/d/1yEUhSvg-lXqY5jjfc4qE6F_NbqtSEPy6/view?usp=sharing

Perbandingan garis /trend IPM dengan AHH,HLS,RLS

Kesimpulan

rata ratanya di provinsi papua terus meningkat dan kota seperti jayapura,merauke,dll juga sudah cukup maju.. ada bandara , area perkantoran ,terminal dan juga ada tokoh dari papua yg terkenal akan kecerdasannya yaitu Septinus George Saa seorang fisikawan pemain sepakbola boaz Sollossa, penyanyi albert Fakdewer dll. jadi walupun IPM di Setiap Kabupaten masuk kategori rendah/sedang namun apabila rata rata nya meningkat maka ada pertumbuhan IPM di provinsi tersebut. nah rata-rata ini lah yg harus dijaga agar tetap meningkat supaya ada laporan progres setiap tahun dan investor lebih yakin menanamkan saham ke projek di papua ini