• Penyederhanaan Variabel: banyaknya variabel baru yang dihasilkan, jauh lebih sedikit dari pada variabel asalnya, tapi total kandungan informasinya
total ragamnya relatif tidak berubah. Saefulhakim, 2004. Hasil PCA antara lain:
• Akar ciri eigen value merupakan suatu nilai yang menunjukkan keragaman dari peubah komponen utama dihasilkan dari analisis, semakin besar nilai
eigen value , maka semakin besar pula keragaman data awal yang mampu
dijelaskan oleh data baru. • Proporsi dan komulatif akar ciri, nilai pembobot eigen vector merupakan
parameter yang menggambarkan hubungan setiap peubah dengan komponen utama ke-i.
• PC loading menggambarkan besarnya korelasi antar variable pertama dengan komponen ke-i.
• Component score adalah nilai yang menggambarkan besarnya titik-titik data baru dari hasil komponen utama dan digunakan setelah PCA. PC scores ini
yang digunakan jika terjadi analisis lanjutan setelah PCA. Dalam penelitian ini PCA digunakan sebagai teknik pengolah data indikator
kinerja pembangunan dan indikator pola pengalokasian anggaran yang melalui proses rasionalisasi. Hasil dari PCA tersebut component score menjadi masukan
untuk analisis spatial autoregressive model.
3.3.3. Analisis Hubungan Fungsional Antara Konfigurasi Spasial Pola
Pengalokasian Anggaran Belanja Daerah Dengan Konfigurasi Spasial Kinerja Pembangunan Daerah
Analisis ini dilandasi pada pemikiran bahwa faktor-faktor yang mempengaruhi kinerja pembangunan suatu daerah yaitu pola pengalokasian
anggaran suatu daerah, pola pengalokasian anggaran daerah lain dan kinerja pembangunan daerah lain disekitarnya. Dengan kata lain kinerja pembangunan
suatu daerah tidak hanya dipengaruhi oleh pola pengalokasian anggaran daerah yang bersangkutan, tetapi akan dipengaruhi oleh kondisi daerah lain disekitarnya
dalam hal ini adalah pola pengalokasian anggaran dan kinerja pembangunan daerah di sekitarnya.
Dari analisis kinerja pembangunan
Dari analisis pola pengalokasian
anggaran Komponen Utama
Variabel kinerja Pembangunan Y
Komponen Utama Variabel Pola
Pengalokasian Anggaran X
Peta Jabar
Matriks kontiguitas
kedekatan wilayah
W
1
Matriks kontiguitas
kebalikan jarak antar wilayah
W
2
Analisis Spatial Auto Regresi
Hubungan : Fungsional antara Pola
Pengalokasian Anggaran dan Kinerja Pembangunan
Pengaruh Antar Daerah terhadap Kinerja
Pembangunan Daerah Matriks
Aliran Kendaraan
W
3
Matriks Aliran komoditas
Barang W
4
r r
n k
r k
k n
k r
k k
r
X X
W Y
W Y
ε β
ρ ρ
α
+ +
+ +
=
∑ ∑
= =
1 .
2 1
. 1
Gambar 3.5. Diagram alir kerangka analisis hubungan fungsional antara pola pengalokasian anggaran dan kinerja pembangunan.
Analisis hubungan fungsional antara pola pengalokasian anggaran belanja daerah dengan kinerja pembangunan daerah menggunakan variabel hasil analisis
pertama dan kedua yaitu komponen utama variabel indikator kinerja pembangunan daerah dan komponen utama pola pengalokasian anggaran daerah.
Data yang diperlukan untuk analisis ini adalah komponen utama indikator kinerja pembangunan daerah, komponen utama indikator pola pengalokasian
anggaran, peta administrasi, data aliran kendaraan, dan data aliran barang. Matriks kontiguitasnya berasal dari data peta administrasi kabupatenkota propinsi Jawa
bagian barat. Teknik analisis yang dipakai menggunakan spatial econometrics.
Prinsip dasar spatial econometrics hampir sama dengan regresi berbobot weighted regression, dengan variable yang menjadi pembobot adalah faktor
lokasi. Kedekatan dan keterkaitan antar lokasi ini menyebabkan munculnya fenomena ‘autokorelasi spasial’. Spatial Autoregresi merupakan pengembangan
dari regresi sederhana, yang digunakan untuk data spasial. Misalnya untuk mengetahui tingkat perkembangan di suatu wilayah selain dipengaruhi veriabel
bebas hasil olah PCA juga dipengaruhi oleh variable lain, yaitu hubungan spasial.
Spatial econometrics ini digunakan untuk membuat model pendugaan
terhadap nilai dari variabel penjelas. Prasyarat dalam analysis spatial econometrics
adalah sample harus independent. Untuk itu sebelum dilakukan model ini, data harus diolah terlebih dahulu dengan menggunakan PCA Principal
Componens Analysis .
Data yang digunakan untuk variabel bebas x berasal dari komponen utama hasil pengolahan PCA. Representasi faktor lokasi pada spatial
econometrics dalam bentuk matriks pembobot spasial spatial weight matrices,
yang secara umum mengandung matriks kedekatan yang disebut dengan matrix kontiguity contiguity matrix. Untuk perhitungan matriks pembobot spasial W
dalam penelitian ini didasarkan pada 3 tiga aspek, yaitu: • Ketetanggaan batas wilayah antar kabupatenkota kontiguity
• Kebalikan jarak antar kabupatenkota • Aliran komoditas barang
Teknik-teknik analisis yang dipakai untuk menganalisis peran struktur alokasi anggaran belanja dan keterkaitan antar daerah untuk optimalisasi kinerja
pembangunan daerah adalah : 1. Multiple regressive. Persamaannya adalah:
r r
r
X Y
ε β
α +
+ =
. 2. Spatial auto regressive model. Persamaannya adalah :
.
r r
k r
k k
r
X Y
W Y
ε β
ρ α
+ +
+ =
∑
= 3
1 .
1
3. Spatial Durbin model. Persamaannya adalah :
r r
k r
k k
k r
k k
r
X X
W Y
W Y
ε β
ρ ρ
α
+ +
+ +
=
∑ ∑
= =
3 1
. 2
3 1
. 1
dimana : Y
r
: Fungsi tujuanpeubah respondependent variable : Kinerja Pembangunan Daerah r
α,β : Konstantakoefisien fungsi regresi ρ
1.
k
: Koefisien regresi
W
k
: Matriks pembobot spasial antar wilayah , dimana : • k=1 : Ketetanggaan batas wilayah antar kabupatenkota
• k=2 : Kebalikan jarak antar kabupatenkota • k=3 : Aliran komoditas barang
ρ
2.k
: Koefisien regresi
X : Variabel
bebaspeubah penjelasindependent variabel : pola
pengalokasian anggaran
3.3.4. Analisis Deskripsi Logika Verbal
