Prediksi IPM Jayapura 2020

Penjelasan

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 salah satu data kabupaten yaitu kab Jayapura thn 2010~2019 dan kami akan memprediksi IPM berdasarkan data tsb

Tentang IPM

Apa Itu Indeks Pembangunan Manusia (IPM)? IPM menjelaskan bagaimana penduduk dapat mengakses hasil pembangunan dalam memperoleh pendapatan, kesehatan, pendidikan, dan sebagainya. IPM Digunakan Diindonesia untuk mengukur tingkat peradaban setiap daerah karena indonesia memliki banyak daerah oleh karena itu IPM tidak dihutung secara nasional karena ketimpangan yg sangat tinggi antara daerah terpencil dan daerah maju. 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:

Umur panjang dan hidup sehat(Index Kesehatan)
Pengetahuan(Index Pendidikan)
Standar hidup layak(Index Pengeluaran)

Itu adalah metodologi terbaru yg digunakan BPS untuk menjumlah 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/16aw4ulk2NCOOIHzsHpLSYCAxxHxVyfoD/view?usp=sharing

library(readxl)

## Warning: package 'readxl' was built under R version 4.0.3

IPMJayapura=read_xlsx("IPMJayapura.xlsx")
  IPMJayapura

## # A tibble: 10 x 6
  ##    Tahun   AHH   HLS   RLS PENGELUARAN   IPM
  ##    <dbl> <dbl> <dbl> <dbl>       <dbl> <dbl>
  ##  1  2010  70.4  15    11.6       15176  80.2
  ##  2  2011  70.2  15.0  11.3       14922  79.6
  ##  3  2012  70    15.0  11.1       14781  79.2
  ##  4  2013  70.0  14.6  11.2       14319  78.6
  ##  5  2014  70.0  14.2  11.1       14249  78.0
  ##  6  2015  70.0  14.1  11.1       14172  77.9
  ##  7  2016  70.0  14.0  10.9       14088  77.5
  ##  8  2017  69.9  13.9  10.8       14004  77.2
  ##  9  2018  69.9  13.8  10.7       13960  77.0
  ## 10  2019  69.9  13.6  10.6       13903  76.7

Menghapus vortex tahun

karena Kolom tahun tidak kita pakai maka kita perlu membuangnya sebenarnya langkah ini opsional tidak dibuang pun tidak apa apa

IPMJayapura=IPMJayapura[-1]
  IPMJayapura

## # A tibble: 10 x 5
  ##      AHH   HLS   RLS PENGELUARAN   IPM
  ##    <dbl> <dbl> <dbl>       <dbl> <dbl>
  ##  1  70.4  15    11.6       15176  80.2
  ##  2  70.2  15.0  11.3       14922  79.6
  ##  3  70    15.0  11.1       14781  79.2
  ##  4  70.0  14.6  11.2       14319  78.6
  ##  5  70.0  14.2  11.1       14249  78.0
  ##  6  70.0  14.1  11.1       14172  77.9
  ##  7  70.0  14.0  10.9       14088  77.5
  ##  8  69.9  13.9  10.8       14004  77.2
  ##  9  69.9  13.8  10.7       13960  77.0
  ## 10  69.9  13.6  10.6       13903  76.7

Menghitung Indeks Komponen

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

Dimensi Kesehatan

didapat dari angka harapan hidup (AHH)

Dimensi Pendidikan

didapat dari (HLS) dan (RLS)

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

Mencari 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

contoh di r:

a=0.633285829*0.723943953*0.629332492
  a

## [1] 0.2885259

sqrt3<-function(x) x^(1/3)
  IPM=sqrt3(a)*100
  IPM

## [1] 66.07872

ketentuan Minimal & Maximal

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:

Penentuan nilai minimum dan maksimum menggunakan standar UNDP untuk keterbandingan global. kecuali standar hidup layak karena menggunakan ukuran rupiah.
Daya beli minimum merupakan garis kemiskinan terendah kabupaten tahun 2010 (data empiris) yaitu di Tolikara Papua.
Daya beli maksimum merupakan nilai tertinggi kabupaten yang diproyeksikan hingga 2025 (akhir PJPN) yaitu perkiraan pengeluaran per kapita Jakarta Selatan tahun 2025.

Menamai Variable

kali ini kita menggunakan fungsi names() yg akan membaca setiap data bertipe sama per variable dan akan menamainya sesuai nama kolom yg sudah ada dan variable harus berisi numerik saja, charakter saja, jadi 1 jenis data, apabila ada jenis data yg tidak sama maka fungsi names() tdk akan menamai nya dan masih bernama default seperti 1 untuk variable 1

names(IPMJayapura)

## [1] "AHH"         "HLS"         "RLS"         "PENGELUARAN" "IPM"

lm(IPM~AHH+HLS+RLS+PENGELUARAN,data = IPMJayapura)

## 
  ## Call:
  ## lm(formula = IPM ~ AHH + HLS + RLS + PENGELUARAN, data = IPMJayapura)
  ## 
  ## Coefficients:
  ## (Intercept)          AHH          HLS          RLS  PENGELUARAN  
  ##   18.302968     0.327037     0.909496     1.218470     0.000733

Penjelasan Model

dari perhitungan regresi linear berganda diatas ditemukan model persamaan, yaitu: y = 18.302968 + 0.327037 * AHH + 0.909496 * HLS + 1.218470 * RLS + 0.000733 * PENGELUARAN dapat dilihat angka paling besar ada di HLS yg berarti HLS yg paling berpengaruh pada IPM Jayapura ini. karena datanya semakin menurun kita bisa memisalkan :

jika AHH = 69.89 - 0.327037 = 69.562963

jika HLS = 13.64 - 0.909496 = 12.730504

jika RLS = 10.62 - 1.218470 = 9.40153

jika PENGELUARAN = 13903 - 733 = 13170

maka:

modell = lm(IPM~AHH+HLS+RLS+PENGELUARAN,data = IPMJayapura)
  data_baruu = data.frame(AHH=69.89,HLS=13.64,RLS=10.62,PENGELUARAN=13170)
  predict(modell,data_baruu)

##        1 
  ## 76.15847

dapat dilihat bahwa data hasil prediksi ipm 2020 provinsi papua adalah 76.15847 yg berarti naik 4.6484 dari data sebelumnya 60.84. jadi itulah prediksi rata rata ipm provinsi papua thn 2020

Klasifikasi

Nilai IPM Status Pembangunan Manusia

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

hasil nya adalah = 76.15847 yg berarti data itu masuk klasifikasi Tinggi

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

Tampilan trend

link: https://drive.google.com/file/d/1WXVJBA2ky2hztEZla5LFiOBUnbIxmZkJ/view?usp=sharing

Kesimpulan

dapat kita lihat bahwa IPM kota Jayapura semakin menurun sebenarnya setelah saya melihat kabupaten lainnya juga sama semakin menurun seperti yg kita ketahui provinsi papua memang provinsi terjauh dari ibukota indonesia dan juga relokasi anggaran pengeluarannya sedikit hanya sekitar 4~10 jt mungkin karena infrastruktur jalan yg belum memadai untuk membuat pembagunan atau masalah internal dengan suku adat setempat sebenarnya disana mereka cukup makmur alam masih terjaga(walupun ada sedikit pertambangan) masih bisa mencari makanan di hutan namun mereka tidak akan bisa maju, sebenarnya terserah sih mau maju atau tidak tergantung pilihan mereka mau jadi orang kota yg penuh dengan hiruk-pikuk kehidupan perkotaan atau tidak.

namun rata ratanya di provinsi papua tetap meningkat dan kota seperti jayapura,merauke,dll juga sudah cukup maju kok.. 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 ada juga orang papua yg mau maju