sempitnya lapangan kerja yang dapat dimasuki. Taraf pendidikan yang rendah juga membatasi kemampuan untuk mencari dan memanfaatkan peluang. 2
Rendahnya derajat kesehatan, taraf kesehatan dan gizi yang rendah menyebabkan rendahnya daya tahan fisik, daya pikir, dan prakarsa. 3
Terbatasnya lapangan kerja. Keadaan kemiskinan karena kondisi pendidikan dan kesehatan diperberat oleh terbatasnya lapangan pekerjaan. Selama ada lapangan
kerja atau kegiatan usaha, selama itu pula ada harapan untuk memutuskan lingkaran kemiskinan itu. 4 Kondisi keterisolasian, banyak penduduk miskin
secara ekonomi tidak berdaya karena terpencil dan terisolasi. Penduduk tersebut hidup terpencil sehingga sulit atau tidak dapat terjangkau oleh
pelayanan pendidikan, kesehatan dan gerak kemajuan yang dinikmati masyarakat lainnya Kartasasmita, 1996.
3.1.3 Analisis Regresi Logit
Regresi logit logistic regression merupakan suatu teknik permodelan linier secara umum yang memungkinkan dibuatnya prediksi-prediksi dari variabel
respon dan taksiran-taksiran tingkat kemampuan mempengaruhi dari variabel- variabel penjelas individu maupun kelompok. Data-data yang dapat
dianalisis dengan alat analisis regresi logit adalah data yang relatif umum dan terdiri atas dichotomous classification Hutcheson dan Sofroniou, 1999.
Terdapat tiga komponen dari model linier umum, yaitu komponen acak dari variabel respon, komponen sistematis yang merepresentasikan nilai tetap dari
variabel penjelas pada bagian fungsi linier, dan link function yang merupakan alat pemeta komponen sistematis menjadi komponen acak. Regresi logit
mengasumsikan bahwa galat dari komponen acak terdistribusi secara binomial,
berbeda dengan regresi Ordinary Least Square OLS yang mengasumsikan bahwa galat dari komponen acak terdistribusi secara normal. Komponen sistematis
dari regresi logit sama dengan regresi OLS, dengan variabel penjelas diasumsikan kontinu dan minimal berskala interval. Sebagaimana regresi OLS,
variabel penjelas yang tidak kontinu dalam regresi logit dapat dimasukkan ke dalam model menggunakan teknik pengkodean variabel dummy. Perbedaan logit dengan
regresi OLS adalah komponen acak dan komponen sistematis yang ada tidak dapat dipetakan secara langsung satu sama lain. Selain itu, dalam regresi logit digunakan
non-linier link function fungsi inilah yang dinamakan logit. Model dalam analisis logit dituliskan dengan p =
x x
β α
β α
+ +
+ l l
1
, dimana p
merupakan peluang, e adalah logaritma natural, α dan β merupakan parameter
komponen linier dari model, dan x sebagai nilai dari variabel penjelas. Konversi dari peluang agar dapat diestimasi dalam linier dengan logit dinamakan odds.
Metode untuk menganalisis logit adalah Maximum Likelihood ML. Untuk mengestimasi peluang dengan metode ML dilakukan dengan proses:
Odds = p
p −
1 Inodds= In
x β
α +
l logodds=
α + βxlogl logodds=
α + βx persamaan linier sehingga dapat diestimasi logit p =
α + βx persamaan yang dapat diestimasi dengan ML Parameter dari model logit dapat diinterpretasikan dengan cara yang sama
seperti OLS, yaitu dengan gradienslope parameter β. Gradien ini diinterpretasikan
sebagai perubah logit p akibat perubahan satu unit variabel x. Dengan kata lain, β
menggambarkan perubahan dalam log odds dari adanya perubahan satu unit x. Parameter
α menunjukkan nilai logit p akibat ketika x = 0 atau log odds dari
keadaan x = 0. Standard error dari logit disebut ASE Assymtotic Standard Error.
3.2 Kerangka Pemikiran Operasional
