36
komunitas, tingkat kemiskinan komunitas desa, dan intervensi pihak-pihak luar desa program-program pembangunan.
3.4. Teknik Analisis Pentipologian Induktif
Pendekatan induktif dilakukan dengan mengidentifikasi data empirik yang diperlukan yang dapat digunakan untuk menganalisa dan menentukan tipologi wilayah,
yaitu data Potensi Desa dari Badan Pusat Statistik BPS. Data ini mencakup data kuantitatif maupun data kualitatif.
Pada tahap selanjutnya data tersebut dianalisa dengan menggunakan teknik analisis statistik, yaitu dengan Two Step Cluster Penggerombolan Dua Tahap Teknik ini
merupakan teknik analisis peubah ganda multivariate analysis yang dapat mengatasi masalah skala pengukuran yang tidak sama tipe kontinu dan kategorik, sehingga dapat
menganalisis data kuantitatif tipe data kontinu maupun data kualitatif tipa data kategorik secara bersamaan.
Teknik Two Step Cluster melakukan penggerombolan objek-objek berdasarkan karakteristik variabel-variabelnya, baik data kuantitatif maupun data kualitatif. Jarak antar
dua kelompok didefinisikan sebagai jarak antar pusat dari masing-masing kelompok tersebut. Pusat dari suatu kelompok adalah vektor dari rata-rata masing-masing
variabelnya. Jarak yang digunakan dalam teknik Two Step Cluster adalah jarak Log- Likelihood dan jarak Euclidean.
Jarak Euclidean paling sering digunakan hampir diberbagai teknik analisis gerombol cluster analysis, tetapi hanya dapat digunakan apabila semua variabel bertipe
kontinu. Jarak Euclidean antara dua kelompok ke-i dan kelompok ke-j dari p variabel didefinisikan sebagai berikut:
2 1
p 1
k 2
jk ik
X X
j ,
i d
di mana: di,j = jarak antara kelompok ke-i dan kelompok ke-j
ik
X = nilai tengah rata-rata untuk variabel k pada kelompok ke-i
jk
X
= nilai tengah rata-rata untuk variabel k pada kelompok ke-j p
= banyaknya variabel.
37
Jarak Log-Likelihood dapat digunakan untuk variabel kontinu maupun kategorik. Jarak antara dua kelompok ke-i dan kelompok ke-j didefinisikan sebagai berikut:
j ,
i j
i
j ,
i d
di mana: di,j = jarak anatara kelompok ke-i dan kelompok ke-j
i
=
A B
K 1
k K
1 k
jk 2
jk 2
k 2
1
E ˆ
ˆ ˆ
log N
jk
E ˆ
=
j jkl
L 1
l jkl
N N
log ...
N N
k
N
...
= jumlah
data N
jkl
= jumlah data pada kelompok ke-j untuk peubah kategorik ke-k dengan kategorik ke-l
2 jk
ˆ
= ragam dugaan untuk peubah kontinu ke-k pada kelompok ke-j K
A
= jumlah peubah kontinu K
B
= jumlah peubah kategorik L
k
= jumlaj kategori untuk variabel kategorik ke-k i,j = indeks kombinasi kelompok ke-i dan ke-j.
Prosedur penggerombolan objek dalam teknik Two Step Cluster dilakukan melalui dua tahapan SPSS 2004; Bacher et al, 2004, yaitu tahap penggerombolan awal dan tahap
pembentukan gerombol optimal.
Tahap 1: Penggerombolan Awal Tahapan ini bertujuan untuk meminimalisasi jumlah objek. Pada tahap ini data
diamati secara acak, dan kemudian berdasarkan jarak tertentu, data tersebut ditentukan apakah dapat digabungkan dengan kelompok sebelumnya atau membentuk kelompok baru.
Proses penggerombolan dilakukan dengan penyisipan inserting dan pembentukan kembali rebuilding. Pada tahap penyisipan, satu objek dipilih secara acak dan kemudian
diukur jaraknya dengan objek lainnya. Jika jarak tersebut kurang dari jarak maksimum, maka objek itu dimasukkan ke dalam satu kelompok. Tetapi jika jarak tersebut melebihi
38
jarak maksimum, maka objek tersebut dianggap pencilan. Demikian seterusnya untuk objek-objek lainnya. Pada tahapan rebuilding, pencilan akan membentuk kelompok baru.
Batas jarak maksimum ditingkatkan agar lebih banyak objek yang dapat dimasukkan ke dalam kelompok baru. Peningkatan jarak ini dapat mengakibatkan objek-objek yang
berasal dari kelompok yang berbeda bergabung menjadi satu kelompok.
Tahap 2: Pembentukan Gerombol Optimal Suatu kelompok objek dikatakan optimal jika memiliki jarak antar kelompok paling
jauh dan jarak antar objek dalam kelompok paling dekat. Semakin dekat jarak antar objek, semakin besar kemiripan antar objek dam satu kelompok. Penggerombolan menggunakan
analisis gerombol berhierarki dengan metode penggabungan. Penentuan jumlah gerombol optimal berdasarkan kriteria BIC Bayesian
Information Criterion atau AIC Akaike’s Information Criterion untuk setiap gerombol, dan peningkatan jarak terbesar antara dua gerombol terdekat. Tetapi dalam beberapa kasus
jumlah gerombol terbaik ditentukan berdasarkan rasio perubahan BIC dan rasio perubahan jarak yang besar.
3.5. Pendekatan Pentipologian Terpadu Desa-Desa Perbatasan Tertinggal
Kategori