Kabupaten Kapuas Hulu sebesar 95,09, terendah di Kota Pontianak 31,41. Untuk sektor pertanian, persentase pekerja penduduk miskin tertinggi ada pada
Kabupaten Sintang sebesar 93,47 dan terendah pada Kota Pontianak sebesar 6,98. Adanya pekerja sektor pertanian di Kota Pontianak dijumpai pada lahan-
lahan terbuka di perkotaan yang tidak termanfaatkan untuk aktivitas sektor perkotaan, utamanya di area pinggiran suburban area.
Tabel 19 Sebaran Penduduk Miskin 15 tahun ke atas berdasarkan status pekerjaan pada KabupatenKota di Provinsi Kalimantan Barat
Tahun 2008
KabKota Persentaase penduduk miskin
Tidak Bekerja
Bekerja di Sektor
InFormal Bekerja
di Sektor formal
Bekerja di sektor
Pertanian Bekerja
Bukan di sektor
Pertanian Kab. Sambas
Kab. Bengkayang Kab. Landak
Kab. Pontianak Kab. Sanggau
Kab. Ketapang Kab. Sintang
Kab. Kapuas Hulu Kab. Sekadau
Kab. Melawi Kab. Kayong Utara
Kab. Kubu Raya Kota Pontianak
Kota Singkawang 9.68
4.01 0.85
6.28 0.00
3.96 0.56
0.00 1.16
1.61 0.81
- 13.95
5.49 75.10
84.37 92.34
75.39 93.97
65.23 92.96
95.09 91.86
90.68 68.17
- 31.41
47.17 15.22
11.63 6.81
18.33 6.03
30.82 6.48
4.91 6.98
7.71
31.02 -
54.64 47.34
69.67 78.47
89.80 65.48
85.03 68.19
93.47 91.35
88.38 89.07
68.84
- 6.98
27.85 20.65
17.52 9.35
28.24 14.97
27.85 5.97
8.65 10.46
9.32 30.35
- 79.07
66.66 Kalimantan Barat
4.16 78.15
17.70 72.94
22.90
Keterangan : - Data tergabung dengan kabupaten induk. Sumber : BPS 2009
V. POLA SPASIAL KEMISKINAN, PEMBANGUNAN MANUSIASOSIAL, DAN AKTIVITAS EKONOMI DI
PROVINSI KALIMANTAN BARAT
5.1. Pola Spasial Kemiskinan
Gambaran kemiskinan di Kalimantan Barat dalam analisis ini menggunakan dua pendekatan konfigurasi, yaitu konfigurasi sebaran keluarga miskin dan
konfigurasi sebaran penduduk. Sebaran keluarga miskin menggunakan indikator jumlah keluarga miskin keluarga prasejahtera dan sejahtera I dan lokasi tempat
tinggal keluarga miskin lokasi tinggal di bantaran sungai, di bawah jaringan SUTET, di pemukiman kumuh dan lokasi yang sulit dijangkau.
5.1.1 Konfigurasi Sebaran Keluarga Miskin
Kemiskinan dipersepsikan dalam konteks ketidakcukupan pendapatan dan kepemilikan uang serta aset dalam dimensi ekonomi. Keluarga miskin pada
umumnya selalu lemah dalam kemampuan berusaha dan terbatas aksesnya kepada kegiatan ekonomi sehingga seringkali makin tertinggal jauh dari masyarakat lain
yang memiliki kemampuan lebih tinggi Cotter, 2002. Dua variabel yang digunakan untuk menunjukkan penciri jumlah keluarga
miskin pada konfigurasi ini adalah adalah jumlah keluarga prasejahtera dan sejahtera I. Data yang diambil dari 175 kecamatan se-Kalimantan Barat
membentuk satu komponen utama dengan keragaman 52,46 kecamatan di Kalimantan Barat berkorelasi dengan pangsa keluarga sejahtera I dan pra
Sejahtera. Pada Tabel 20 menunjukkan keterkaitan variabel dengan komponen utama masing-masing sebesar 0,72 yang artinya peningkatan satu unit komponen
utama berkorelasi dengan kenaikan pangsa keluarga prasejahtera dan sejahtera I masing-masing sebesar 0,72 unit.
Berhubung sebagian besar konsentrasi penduduk miskin pada 175 kecamatan ditemukan di empat lokasi, maka empat variabel lokasi tinggal
keluarga miskin, yaitu di bantaran sungai, pemukiman kumuh, jaringan SUTET, dan lokasi yang sulit dijangkau dimanfaatkan dan membentuk dua komponen atau
penciri utama dengan keragaman 84,71. Pada Tabel 20, komponen pertama lokasi tinggal keluarga miskin Idx_kelmiskf1 menunjukkan 58,92 kecamatan
di Provinsi Kalimantan Barat terkait dengan variabel pangsa keluarga miskin yang
tinggal di bantaran sungai, pangsa keluarga miskin yang tinggal di pemukiman kumuh dan pangsa keluarga miskin di pemukiman yang sulit terjangkau.
Kenaikan satu unit nilai dari indeks ini terkait dengan kenaikan variabel berturut- turut sebesar 0,92, 0,89 dan 0,80 unit. Untuk komponenpenciri kedua
Idx_kelmiskf2 terkait dengan lokasi tinggal keluarga miskin di sekitar jaringan SUTET, menunjukkan keragaman 25,79 di seluruh kecamatan. Untuk kenaikan
satu unit nilai dari indeks ini merupakan kenaikan 0,98 unit pangsa keluarga miskin yang tinggal dibawah jaringan SUTET.
Tabel 20 Muatan faktor factor loading variabel dari penciri konfigurasi sebaran keluarga miskin
Kelompok Penciri varian
Penciri Utama varian
Keterangan Muatan
faktor Keluarga miskin
52,46 Idx_Miskf1
52,46 Pangsa Keluarga Prasejahtera
0,72+ Pangsa Keluarga Sejahtera I
0,72+
Lokasi tinggal keluarga miskin
84,71 Idx_Kelmiskf1
58,92 Pangsa Keluarga Miskin yang tinggal
di bantaran Sungai 0,92+
Pangsa Keluarga Miskin yang tinggal di pemukiman kumuh
0,89+ Pangsa Keluarga Miskin yang tinggal
di pemukiman sulit dijangkau 0,80+
Idx_Kelmiskf2 25,79
Pangsa Keluarga Miskin yang tinggal di bawah jaringan SUTET
0,98+
Penciri pada Tabel 20 digunakan dalam mengklasifikasikan kecamatan dengan analisis klaster cluster analysis yaitu dengan memanfaatkan kedekatan
jarak antar penciri euclidean distance dari factor score dari setiap kecamatan Lampiran 2. Ketiga penciri signifikan menjadi pembeda sehingga membentuk 3
klaster tinggi, rendah, dan sedang seperti yang ditunjukkan pada Gambar 11.
Nilai Tengah Penciri Konfigurasi Sebaran Keluarga Miskin
Klaster 1 Klaster 2
Klaster 3
Idx_Miskf1 Idx_Kelmiskf1
Idx_Kelmiskf2
Penciri Klaster
-4 -3
-2 -1
1 2
3 4
5 6
7 8
9
Gambar 11 Grafik nilai tengah Euclidean Distance penciri konfigurasi sebaran keluarga miskin.
n il
a i
te n
g a
h
Melalui analisis diskriminan ketiga penciri tersebut menjadi pembeda tiga klaster yang terbentuk, dengan besarnya kemampuan klasifikasi 97,71. Masing-
masing kelompok tersebut memiliki kategori seperti yang ditunjukkan pada Tabel 21.
Tabel 21 Kategori pembeda utama pada konfigurasi sebaran keluarga miskin
Penciri Keterangan
Kategori I
II III
Idx_Kelmiskf2 Pangsa Keluarga Miskin yang tinggal
di bawah jaringan SUTET Sedang
Tinggi Rendah
Idx_Miskf1 Pangsa Keluarga Prasejahtera
Tinggi Sedang
Rendah Pangsa Keluarga Sejahtera I
Tinggi Sedang
Rendah
Idx_Kelmiskf1 Pangsa Keluarga Miskin yang tinggal
di bantaran Sungai Tinggi
Sedang Rendah
Pangsa Keluarga Miskin yang tinggal di pemukiman kumuh
Tinggi Sedang
Rendah Pangsa Keluarga Miskin yang tinggal
di pemukiman sulit dijangkau Tinggi
Sedang Rendah
Dengan kategori yang tersusun, dari 175 kecamatan, klaster 1 terdiri atas 25 kecamatan 14,29, klaster 2 terdiri atas 3 kecamatan 1,71 dan klaster 3
terdiri atas 147 kecamatan 84,00. Distribusi konfigurasi di tingkat kecamatan ditunjukkan pada Lampiran 3.
Dari analisis ini mengindikasikan bahwa klaster 1 adalah wilayah dengan kategori sebaran keluarga miskin yang tinggi, klaster 2 dengan sebaran keluarga
miskin sedang, dan klaster 3 dengan sebaran keluarga miskin rendah. Tampilan tematik dari konfigurasi sebaran keluarga miskin pada Gambar 12, menunjukkan
kantong-kantong kemiskinan warna merah banyak ditemukan di kecamatan- kecamatan pada wilayah tengah dan di perbatasan baik perbatasan antar negara
maupun antar provinsi. Lebih dari separuh wilayah Kabupaten Sintang dijumpai area merah yang menyebar mulai dari utara hingga selatan wilayahnya. Di area
berwarna hijau menunjukkan penyebaran keluarga miskin yang rendah, dimana pada wilayah tersebut insiden kemiskinan dijumpai dengan jumlah yang relatif
lebih rendah dibandingkan wilayah lainnya. Area ini meliputi sebagian besar wilayah di Provinsi Kalimantan Barat dan dari peta konfigurasi menunjukkan
bahwa Kabupaten Sambas, Kabupaten Bengkayang dan Kayong Utara adalah kabupaten yang tidak dijumpai spot merah atau kecamatan dengan sebaran
keluarga miskin yang tinggi.
Gambar 12 Peta Konfigurasi Sebaran Keluarga Miskin di Provinsi Kalimantan Barat.
Distribusi kecamatan di kabupatenkota pada tiap klasternya ditunjukkan pada Tabel 22, dimana kabupaten dengan kecamatan yang terkategori sebaran
keluarga miskin tinggi terbanyak ditemukan di Kabupaten Sintang yaitu sebanyak 7 dari 14 kecamatan. Lebih dari sepertiga kecamatan di Kabupaten Landak dan
Kota Pontianak juga ditemukan kantong-kantong kemiskinan, sementara wilayah lainnya dibawah 20.
Tabel 22 Distribusi kategori sebaran keluarga miskin pada kabupatenkota
KabupatenKota Distribusi kategori sebaran persen
Tinggi Sedang
Rendah Kabupaten Sambas
0,00 0,00
100,00 Kabupaten Bengkayang
0,00 0,00
100,00 Kabupaten Landak
38,46 0,00
61,54 Kabupaten Pontianak
11,11 11,11
77,78 Kabupaten Sanggau
6,67 0,00
93,33 Kabupaten Ketapang
10,00 0,00
90,00 Kabupaten Sintang
50,00 0,00
50,00 Kabupaten Kapuas Hulu
12,00 0,00
88,00 Kabupaten Sekadau
14,29 0,00
85,71 Kabupaten Melawi
18,18 0,00
81,82 Kabupaten Kayong Utara
0,00 0,00
100,00 Kabupaten Kubu Raya
11,11 11,11
77,78 Kota Pontianak
33,33 16,67
50,00 Kota Singkawang
0,00 0,00
100,00
Identifikasi kantong-kantong kemiskinan sangat penting dilakukan agar target utama penanganan kemiskinan lebih terarah sebagaimana yang
dikembangkan di Kenya dalam Kenya’s Interim Poverti Reduction Strategy Paper
Swallow, 2005 yang membantu pemerintah Kenya memetakan lokasi kantong- kantong kemiskinan dalam penanganan kemiskinan.
5.1.2 Konfigurasi Sebaran Penduduk
Indikator-indikator yang digunakan dalam membuat konfigurasi sebaran penduduk adalah jumlah penduduk, pertumbuhan dan penunjang pertumbuhan
penduduk dan jumlah penduduk cacat. Variabel dari indikator jumlah penduduk adalah jumlah penduduk laki-laki dan perempuan yang membentuk satu
komponen utama dan mewakili 99,95 keragaman dari data yang ada. Pada Tabel 23, variabel jumlah penduduk laki-laki dan perempuan berkorelasi positif
dengan keterkaitan terhadap komponen utama Idx_SDMJP masing-masing sebesar 0,99, yang artinya peningkatan satu unit penciri menggambarkan kenaikan
pangsa penduduk laki-laki dan perempuan masing-masing sebesar 0,99 unit. Tabel 23
Muatan faktor factor loading variabel dari penciri konfigurasi sebaran jumlah penduduk
Kelompok Penciri
varian Penciri Utama
varian Variabel
Faktor Loading
Jumlah Penduduk
99,95 Idx_SDMJP
99,95 Pangsa Penduduk Laki-Laki
0,99+
Pangsa Penduduk Perempuan 0,99+
Pertumbuhan Penduduk
81,95 Idx_SDMPf1
81,95 Pangsa kelahiran Laki-Laki
0,92 –
Pangsa kelahiran Perempuan 0,92
– Pangsa kematian Laki-Laki
0,93 –
Pangsa kematian Perempuan 0,89
– Pangsa imigran
0,88 –
Pangsa emigran 0,89
– Penunjang
Pertumbuhan Penduduk
65,71 Idx_SDMPPf1
65,71 Pangsa Pasangan Usia Subur
0,97+ Pangsa Peserta KB
0,98+
Penduduk Cacat 54,47
Idx_SDMCf1 42,66
Pangsa lokal penduduk Tuna Wicara 0,79+
Pangsa lokal penduduk Tuna Daksa 0,88+
Pangsa lokal penduduk Tuna Mental 0,82+
Idx_SDMCf2 11,81
Pangsa lokal penduduk cacat eksKusta
0,93+
Pola pertumbuhan penduduk di suatu wilayah, akan menjadi salah satu faktor penyebab sebaran jumlah penduduk. Dari 175 kecamatan, dengan enam
variabel, yaitu pangsa kelahiran laki-laki, pangsa kelahiran perempuan, pangsa kematian laki-laki, pangsa kematian perempuan, pangsa penduduk masuk dan
pangsa penduduk keluar wilayah, membentuk satu penciri utama. Hasil analisis
menunjukkan bahwa penciri tersebut Idx_SDMJP menggambarkan 81,95 keragaman data dari seluruh wilayah Provinsi Kalimantan Barat. Kenaikan satu
unit nilai dari indeks tersebut terkait dengan penurunan variabel masing-masing sebesar 0,92, 0,92, 0,93, 0,89, 0,88 dan 0,89.
Pertumbuhan penduduk selain terkait dengan kelahiran, kematian dan penduduk keluar masuk, dipengaruhi pula adanya tiga variabel yang
mempengaruhi tingkat pertumbuhan penduduk digunakan, yakni pangsa penduduk liar, pangsa pasangan usia subur dan pangsa peserta Keluarga
Berencana KB. Hasil analisis menunjukkan bahwa dari 175 kecamatan membentuk satu komponenpenciri utama Idx_SDMPPf1 yang mewakili
65,71 keragaman wilayah di Kalimantan Barat. Kenaikan satu unit nilai dari indeks komposit tersebut terkait dengan kenaikan variabel pangsa pasangan usia
subur dan pangsa peserta Keluarga Berencana masing-masing sebesar 0,97 dan 0,98.
Jumlah penduduk cacat merupakan satu komponen yang mempengaruhi besarnya beban untuk menanggung penduduk cacat per penduduk di suatu
wilayah. Hal tersebut terkait pula dengan produktifitas penduduk, semakin tinggi jumlah penduduk cacat di suatu wilayah, maka pangsa penduduk produktif
menurun, serta beban pemerintah untuk mengalokasikan pembiayaan pembinaan penduduk cacat akan tinggi pula. Dari data jumlah penduduk cacat
dikelompokkan dalam sembilan kategori. Analisis menghasilkan dua komponenpenciri utama yang menggambarkan 54,47 keragaman data dari 175
unit analisis. Penciri pertama Idx_SDMCf1 menggambarkan 42,66 keragaman data yang terkait dengan variabel pangsa lokal penduduk tuna wicara, pangsa
lokal penduduk tuna daksa, dan pangsa lokal penduduk cacat mental. Kenaikan satu unit penciri pertama terkait dengan kenaikan dari masing-masing variabel
sebesar 0,79, 0,88 dan 0,82. Untuk komponen kedua Idx_SDMCf2 menggambarkan keragaman 11,81 yang terkait dengan pangsa lokal penduduk
cacat eks-Kusta. Naiknya satu unit indeks kedua berkorelasi dengan kenaikan 0,93 unit pangsa lokal penduduk cacat eks-Kusta.
Penciri-penciri konfigurasi
sebaran penduduk
digunakan untuk
mengklasifikasikan kecamatan dengan pendekatan jarak terdekat antar penciri
euclidean distance pada analisis klaster cluster analysis yang memanfaatkan factor score
unit analisis wilayah kecamatan seperti yang ditunjukkan pada Lampiran 4. Tiga penciri signifikan menjadi pembeda tiga klaster tinggi, rendah,
dan sedang, yaitu jumlah penduduk, pertumbuhan penduduk, dan penunjang pertumbuhan penduduk seperti yang ditunjukkan pada Gambar 13.
Gambar 13 Grafik nilai tengah Euclidean Distance penciri konfigurasi sebaran penduduk.
Dari analisis ini menunjukkan bahwa jumlah penduduk berkorelasi kuat dengan pola pertumbuhan penduduk. Klaster 1 dengan jumlah penduduk yang
tinggi menunjukkan pola pertumbuhan penduduk yang tinggi pula. Demikian halnya dengan klaster 2 dan klaster 3 juga menunjukkan korelasi searah.
Karenanya klaster 1 menunjukkan jumlah dan pertumbuhan penduduk yang tinggi, klaster 2 dengan kategori sedang, dan klaster 3 dengan kategori rendah
Tabel 24. Tabel 24 Kategori pembeda utama pada konfigurasi sebaran penduduk
Penciri Keterangan
Kategori I
II III
Idx_JP Pangsa Penduduk Laki-Laki
Tinggi Sedang
Rendah Pangsa Penduduk Perempuan
Tinggi Sedang
Rendah
Idx_SDMPf1 Pangsa kelahiran Laki-Laki
Tinggi Sedang
Rendah Pangsa kelahiran Perempuan
Tinggi Sedang
Rendah Pangsa kematian Laki-Laki
Tinggi Sedang
Rendah Pangsa kematian Perempuan
Tinggi Sedang
Rendah Pangsa imigran
Tinggi Sedang
Rendah Pangsa emigran
Tinggi Sedang
Rendah Idx_SDMPPf1
Pangsa Pasangan Usia Subur Tinggi
Sedang Rendah Pangsa Peserta KB
Tinggi Sedang Rendah
Nilai Tengah Penciri Konfigurasi Sebaran Penduduk
Klaster 1 Klaster 2
Klaster 3
Idx_SDMPf1 Idx_SDMPPf1
Idx_SDMCf1 Idx_SDMCf2
Idx_JP
Penciri Klaster
-6 -4
-2 2
4 6
8 10
12 14
16
n il
a i
te n
g a
h
