43 Persamaan penghitungan jarak eucledian antara dua titik atau dua gerombol
adalah:
D Yj
Xi
p i
= −
= 2
1 1
2
dimana : Xi = pusat data dari gerombol X
Yj = pusat data dari gerombol Y Nilai D merupakan jarak antara titik datagerombol X dan Y. Makin kecil
nilai D makin besar kemiripan data X dan Y. Dalam analisis gerombol ini tidak dilakukan ortogonalisasi variabel akan tetapi dilakukan standarisasi data mentah
yang ada sebelum dilakukan penggerombolan. Hal ini pengaruh multikolinearitas sangat kecil sehingga dapat diabaikan apabila data sudah distandarisasikan
Iriawan Astuti, 2006. Metode ini digunakan untuk mengelompokkan wilayah analisis berdasarkan variabel-variabel yang sangat berpengaruh nyata terhadap
perkembangan suatu wilayah. Tujuannya adalah mendeskripsikan wilayah kedalam kelompok yang lebih kecil dengan ciri-ciri yang spesifik dari nilai
variabel tersebut. Variabel-variabel yang dipergunakan dalam analisis ini adalah faktor score hasil olahan PCA. Variabel-variabel tersebut meliputi: 1 sumber
daya alam SDA meliputi: kepadatan penduduk dan luas lahan bukan sawah, 2 sumber daya buatan SDB yakni: rasio swalayan, rasio kios saprodi pertanian
milik KUD dan non KUD, pangsa industri besar, pangsa KUD, pangsa tempat praktek dokterbidan, rasio tempat usaha jasa, rasio hotelpenginapan, dan rasio
objek wisata, serta 3 sumber daya manusia SDM adalah rasio jumlah keluarga yang tinggal ditepi sungai.
3. Analisis Diskriminan Discriminant Function Analysis
Analisis diskriminan merupakan salah satu analisis multivariabel untuk menentukan variabel mana yang membedakan secara nyata kelompok-kelompok
yang telah ada secara alami. Dengan kata lain analisis diskriminan digunakan untuk menentukan variabel mana yang merupakan penduga terbaik dari
pembagian kelompok-kelompok yang ada. Pada prinsipnya, penentuan dalam analisis diskriminan ini berbalikan
dengan metode analisis gerombol. Jika analisis gerombol khususnya gerombol
44 unit menentukan gerombol dari ciri-ciri yang diduga mirip, maka analisis
diskriminan ini menentukan dengan kelompok yang sudah tentu yang terbentuk secara alamiah ingin ditentukan variabel yang mana yang sebenarnya secara nyata
membedakan kelompok-kelompok tersebut? Ide dasar dari analisis ini adalah menentukan apakah nilai tengah variabel-
variabel penciri untuk setiap kelompok berbeda dan selanjutnya menggunakan variabel yang nilai tengahnya berbeda secara nyata antar kelompok tersebut
sebagai predictor. Asumsi-asumsi yang digunakan dalam analisis ini antara lain:
a. Data contoh merupakan data multivariabel yang menyebar normal. Walaupun demikian, jika syarat penyebaran normal ini tidak dipenuhi, perbedaan hasil
pengujian tidak ”fatal”. Artinya hasil pengujian masih layak untuk dipercaya; b. Matriks ragam variances atau peragam covariances variabel antar
kelompok bersifat homogen. Jika terdapat deviasi kecil masih bisa diterima. Oleh karena itu, akan lebih baik jika sebelum menggunakan hasil pengujian
terlebih dahulu dilihat lagi nilai korelasi dan ragam variabel dalam setiap kelompoknya;
c. Tidak terdapat korelasi antara nilai tengah variabel antar kelompok dengan nilai ragam atau standar deviasinya;
d. Variabel yang digunakan tidak bersifat ”redundant”. Jika kondisi ini tidak
terpenuhi maka matrik tersebut disebut ”ill-condition”. Matriks yang ill- conditioned
tidak dapat diinversikan; e. Nilai toleransi seharusnya tidak mendekati 0. Didalam analisis diskriminan
akan dilakukan pengujian terhadap keadaan redundant yang diharapkan tidak terjadi. Pengujian ini disebut dengan pengujian nilai toleransi. Nilai toleransi
ini dihitung dengan persaman 1-R
2
. Jika kondisi redundant terjadi, maka nilai toleransi akan mendekati nol.
Fungsi yang terbentuk sebenarnya mirip dengan fungsi regresi. Dalam hal ini variabel bebas Y adalah resultan skor klasifikasi. Sedangkan variabel tak
bebasnya X adalah variabel-variabel yang digunakan sebagai penduga. Skor = a +b
1
X
1
+ b
2
X
2
+ b
n
X
n
45 Variabel dengan nilai koefisien regresi terbesar merupakan variabel yang
mempunyai peranan terbesar dalam membedakan kelompok-kelompok yang ada. Hasil pengolahan statistik ini akan menghasilkan tipologi wilayah yang kemudian
dibuat peta tipologinya kemudian dilakukan analisis spasial. 4.
Analisis Skalogram
Analisis skalogram digunakan untuk membuktikan ada tidaknya hirarki di wilayah Kabupaten Agam, khususnya dalam hal sarana infrastruktur. Adapun
data yang dipergunakan adalah data yang berasal dari Potensi Desa tahun 2006 dan data dari Agam dalam Angka ADA Tahun 2006. Paramater yang diukur
meliputi bidang sarana perekonomian, sarana pariwisata, sarana komunikasi dan informasi, sarana dan tenaga kesehatan, sarana pendidikan, kependudukan, sarana
lingkungan, transportasi, serta aksesibilitas. Untuk lebih rinci mengenai parameter dimaksud dapat dilihat pada Lampiran 3.
Menurut Saefulhakim 2004, tahapan kegiatan pada analisis data dengan metode skalogram antara lain:
a. Melakukan pemilihan terhadap data Podes tahun 2006 dan KCDA 2006 sehingga yang tinggal hanya data yang bersifat kuantitatif;
b. Melakukan seleksi terhadap data-data kuantitatif tersebut sehingga hanya yang relevan saja yang digunakan;
c. Melakukan rasionalisasi data; d. Melakukan seleksi terhadap data-data hasil rasionalisasi hingga diperoleh 32
variabel untuk analisa skalogram yang mencirikan tingkat perkembangan nagari di Kabupaten Agam;
e. Melakukan standardisasi data terhadap 32 variabel tersebut dengan menggunakan rumus Statsoft 2004 yang dimodifikasi:
Dev St
imumYj Yij
Zij .
min −
− dimana:
Zij = nilai baku untuk nagari ke-i dan jenis sarana ke-j
Yij = jumlah sarana untuk nagari ke-i dan jenis sarana ke-j
minimum Yj = nilai minimum untuk jenis sarana ke-j
St.Dev = nilai standar deviasi
46 f. Menentukan indeks perkembangan nagari IPN dan kelas hirarkinya.
Pada prinsipnya, ada dua jenis data yang diukur yaitu data yang bisa langsung dibuat indeksnya data jenis dan jumlah sarana dan data yang harus
dinvers terlebih dahulu data aksesibilitas atau jarak dari ibukota kecamatan dan ibukota kabupaten yang membawahi dan jarak dari ibukota kabupaten lain yang
terdekat. Penelitian ini hanya menggunakan data jenis dan jumlah fasilitas pelayanan.
Setelah proses pembakuan selesai kemudian dilakukan penjumlahan nilai baku tersebut untuk setiap nagari. Untuk melihat struktur wilayah dilakukan
sortasi data dimana wilayah yang mempunyai nilai yang paling besar diletakkan dibarisan atas dan fasilitas yang paling banyak berada di kolom kiri.
Pada penelitian ini, IPN dikelompokkan ke dalam lima kelas hirarki, yaitu hirarki I sangat tinggi, hirarki II tinggi, dan hirarki III sedang, IV rendah,
dan V sangat rendah. Penentuannya didasarkan pada nilai kelas interval Iriawan Astuti, 2006, yaitu:
Hirarki Jumlah
Minimum Nilai
Maksimum Nilai
erval Kelas
− =
int Tabel 3 Nilai Selang Hirarki Berdasarkan Jumlah Jenis Fasilitas
No. Hirarki
Nilai Selang X Tingkat Hirarki
1 I
23 Sangat Tinggi
2 II
19 - 23 Tinggi
3 III
14 - 18 Sedang
4 IV
9 - 13 Rendah
5 V
8 - 12 Sangat Rendah
Tabel 4 Nilai Selang Hirarki Berdasarkan Jumlah Fasilitas
No. Hirarki
Nilai Selang X Tingkat Hirarki
1 I
648 Sangat Tinggi
2 II
493 - 647 Tinggi
3 III
338 - 492 Sedang
4 IV
182 -337 Rendah
5 V
26-181 Sangat Rendah
47 Tabel 5 Nilai Selang Hirarki Berdasarkan Indeks Perkembangan Nagari IPN
No. Hirarki
Nilai Selang X Tingkat Hirarki
1 I
65.12 - 80.93 Sangat Tinggi
2 II
49.30 - 65.11 Tinggi
3 III
33.48 - 49.29 Sedang
4 IV
17.66 - 33.47 Rendah
5 V
1.84 -17.60 Sangat Rendah
5. Analisis Interaksi Spasial
