NIGHTTIME LIGHT SEBAGAI PROKSI INDEKS PEMBANGUNAN MANUSIA INDONESIA TAHUN 2022

Abstract

Indeks Pembangunan Manusia (IPM) adalah ukuran yang digunakan untuk menilai keberhasilan suatu negara dalam meningkatkan kualitas sumber daya manusianya. Namun, menghitung IPM membutuhkan pengumpulan data yang panjang dan mahal. Data Cahaya Malam (Night Time Life/NTL) dapat menjadi sumber data alternatif yang dapat digunakan sebagai proksi untuk IPM. Penelitian ini bertujuan untuk mengkaji kondisi NTL kabupaten/kota di seluruh Indonesia dan menentukan bagaimana NTL dapat berfungsi sebagai proksi untuk IPM. Penelitian menggunakan regresi linier antara IPM dan NTL dengan dan tanpa variabel kontrol. Hasilnya menunjukkan bahwa kota administratif Jakarta Pusat adalah kota paling terang dengan rata-rata NTL sebesar 46,36. Model regresi pertama dibuat dengan IPM sebagai variabel dependen dan NTL sebagai variabel independen. Model kedua menambahkan variabel kontrol Harapan Hidup, Harapan Lama Sekolah, dan persentase kemiskinan moneter. Dalam kedua model, NTL memiliki hubungan positif yang signifikan dengan IPM. Model dengan variabel kontrol mampu menjelaskan hingga 90,4 persen dari variasi IPM. Pada kedua model terbukti NTL mampu menjadi proksi dalam menghitung IPM dan dimanfaatkan dalam pengambilan kebijakan yang berkaitan dengan IPM.

The Human Development Index (HDI) is an indicator of a country's success in developing quality human resources. However, calculating the HDI requires lengthy and expensive data collection. Nighttime Light (NTL) data can be an alternative data source that can be used as a proxy for the HDI. This study aims to examine the NTL conditions of districts/cities throughout Indonesia and determine how NTL can serve as a proxy for the HDI. The study used linear regression between HDI and NTL with and without control variables. The results indicate that the administrative city of Central Jakarta is the brightest city with an average NTL of 46.36. The first regression model was created with the HDI as the dependent variable and NTL as the independent variable. The second model added control variables of Life Expectancy, Expected Years of Schooling, and the percentage of monetary poverty. In both models, NTL had a significant positive relationship with the HDI. The model with control variables was able to explain up to 90.4 percent of the HDI variation. In both models, it is proven that NTL is able to be a proxy in calculating the HDI and is used in policy making related to the HDI.