Poverty Spatial Pattrern In Indramayu
POLA SPATIAL KEMISKINAN DI INDRAMAYU
LINDA SAHFITRI HASIBUAN
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI
Dengan ini saya menyatakan bahwa tesis saya yang berjudul : ”Pola
Spatial Kemiskinan di Indramayu” adalah karya saya sendiri dan belum pernah
dipublikasikan dalam bentuk apa pun kepada perguruan tinggi mana pun. Semua
sumber data dan informasi telah dinyatakan secara jelas dan dapat diperiksa
kebenarannya.
Bogor, Januari 2008
Linda Sahfitri Hasibuan
NRP. G151040121
ABSTRACT
LINDA SAHFITRI HASIBUAN. Poverty Spatial Pattern in Indramayu. Under
the direction of ASEP SAEFUDDIN, HERMANTO SIREGAR, and BAGUS
SARTONO.
It is assumed that poverty in one area is related to poverty in adjacent
area. Hence, poverty is distributed following a certain pattern creating a cluster.
An area or cluster having high density of poverty significantly is called hotspot. In
this research, Flexibly shaped spatial scan statistic Method was used for detecting
cluster and hotspot. A correlogram is created to explain that distance no
correlation among poverty areas. Information about hotspot and correlogram can
be used to act a program of poverty alleviation. Based on the results, there are 7
clusters high significant different with other cluster. In the seven cluster, there are
70 hotspot areas. The average distance of no correlation among poverty is 5.714
Km. To create poverty alleviation program efficiently, it is recommanded to
implement in the middle of cluster.
Keywords : spatial, poverty, hotspot, cluster, correlogram
© Hak cipta milik Institut Pertanian Bogor, tahun 2008
Hak cipta dilindungi Undang-undang
1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa
mencantumkan atau menyebutkan sumber
a. Pengutipan hanya untuk kepentingan, pendidikan, penelitian,
penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau
tinjauan suatu masalah
b. Pengutipan tidak merugikan kepentingan yang wajar IPB
2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya
tulis dalam bentuk apapun tanpa izin IPB
POLA SPATIAL KEMISKINAN DI INDRAMAYU
LINDA SAHFITRI HASIBUAN
Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains pada
Program Studi Statistika
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008
Judul Tesis
Nama Mahasiswa
NRP
: Pola Spatial Kemiskinan di Indramayu
: Linda Sahfitri Hasibuan
: G151040121
Disetujui,
Komisi Pembimbing
Dr. Ir. Asep Saefuddin, M.Sc
Ketua
Dr. Ir. Hermanto Siregar M.Ec
Anggota
Bagus Sartono, S.Si, M.Si
Anggota
Diketahui,
Ketua Program Studi Statistika
Dekan Sekolah Pascasarjana
Dr. Ir. Aji Hamim Wigena, M.Sc
Prof. Dr. Ir. Khairil Anwar Notodiputro, MS
Tanggal Ujian : 05 Oktober 2007
Tanggal Lulus :
KATA PENGANTAR
Puji syukur dihaturkan kehadirat Allah SWT Yang Maha Kuasa Pengasih
lagi Penyayang yang telah melimpahkan karunia dan inayahNya sehingga
penulisan Tesis yang berjudul Pola Spatial Kemiskinan di Indramayu dapat
diselesaikan. Tesis ini disusun guna melengkapi sebagian syarat untuk
menyelesaikan jenjang pendidikan pada Program studi Statistika, Sekolah
Pascasarjana Institut Pertanian Bogor.
Dalam penulisan tesis ini, tidak terlepas dari bantuan berbagai pihak,
karenanya penulis menghaturkan penghargaan setinggi-tingginya kepada :
1. Bapak Dr. Ir. Asep Saefuddin, MSc, Dr. Ir. Hermanto Siregar, MEc dan
Bapak Bagus Sartono, SSi, MSi, selaku komisi pembimbing saya yang
telah menyediakan waktu, tenaga serta ilmunya kepada penulis dalam
penyelesaian tesis ini
2. Seluruh Dosen dan staff karyawan Program Studi Statistika yang telah
memberikan pengetahuan dan bantuan selama saya mengikuti pendidikan
di program tersebut.
3. Bakti dan doa yang tiada habis-habisnya kepada orang tua tercinta
Ayahanda Drs. Ahmad Sayuti Hasibuan, MA (Alm) dan Ibunda Nurlin
Nasution yang dengan segala keikhlasannya senantiasa mencurahkan rasa
kasih sayang dan dorongan moril dan materil yang tidak mungkin
terbalaskan, semoga semua amal ibadah tersebut dibalas oleh Allah SWT.
Buat adik-adikku tersayang, Lita, Lailan, Bairuni, Parabi, tetap semangat
ya dan jangan terlalu larut dalam kesedihan meskipun tanpa ayah.
4. Suami, Hasan Basri Sagala yang menjadi semangat baru untuk secepat
mungkin menyelesaikan tesis ini. Terima kasih atas pengertian, kesabaran,
dan bantuan yang diberikan selama ini.
5. Teman-teman di STK, terutama STK 2004 atas tutorial mata kuliah,
bantuan, dan semangat yang diberikan untuk bisa bertahan di STK hingga
bisa lulus.
Akhirnya kepada semua pihak yang telah banyak memberikan bantuan dalam
penulisan tesis ini yang tidak dapat disebutkan satu persatu, saya haturkan terima
kasih, semoga Allah SWT membalas semua kebajikan terserbut. Amin
Bogor, Januari 2008
Linda Sahfitri Hasibuan
RIWAYAT HIDUP
Penulis lahir di Medan pada tanggal 18 September 1981 dari pasangan
Bapak Drs. Ahmad Sayuti Hasibuan, MA (Alm) dan Ibu Nurlin Nasution. Penulis
merupakan putri pertama dari lima bersaudara.
Tahun 1999 penulis lulus dari SMA Negri 18 Medan dan pada tahun yang
sama lulus seleksi masuk IPB melalui jalur UMPTN. Penulis diterima pada
Program Studi Agribisnis, Jurusan Sosial Ekonomi Pertanian, Fakultas Pertanian.
Selama mengikuti perkuliahan, penulis aktif di Progress Insani yang
menangani anak-anak jalanan dan mengajar MTK SMP dan SMA di salah satu
bimbingan belajar di Kota Bogor. Tahun 2003, penulis bergabung di Lembaga
Swadaya Masyarakat RMI - The Institute for Forest and Environment, bagian
pendidikan lingkungan. Tahun 2004, penulis melanjutkan pendidikan ke Sekolah
Pascasarjana IPB dan diterima di Program Studi Statistika. Dalam penyelesaiaan
tesis, penulis menikah dengan Hasan Basri Sagala, SAg, MSi pada Bulan Juli
2007.
DAFTAR ISI
DAFTAR TABEL................................................................................................. x
DAFTAR GAMBAR ............................................................................................ x
PENDAHULUAN ................................................................................................ 1
Latar Belakang .......................................................................................... 1
Tujuan Penelitian ...................................................................................... 3
TINJAUAN PUSTAKA ....................................................................................... 4
Kemiskinan ............................................................................................... 4
Peta Kemiskinan........................................................................................ 7
Metode Flexibly Shaped Spatial Scan Statistic......................................... 8
Sebaran Poisson ........................................................................................11
Metode Maksimum Likelihood .................................................................11
Uji Rasio Log Likelihood ..........................................................................13
Correlogram..............................................................................................14
DATA DAN METODE ........................................................................................15
Data ...........................................................................................................15
Metode ......................................................................................................15
HASIL DAN PEMBAHASAN.............................................................................17
Deskripsi Data...........................................................................................17
Kantong dan Hotspot Kemiskinan di Indramayu......................................19
Deskripsi Kantong.....................................................................................23
Correlogram Kemiskinan di Indramayu...................................................27
Pusat-Pusat Pengentasan Kemiskinan di Indramayu ................................28
Program Pengentasan ................................................................................30
SIMPULAN DAN SARAN ..................................................................................32
Simpulan ...................................................................................................32
Saran..........................................................................................................32
DAFTAR PUSTAKA ...........................................................................................33
LAMPIRAN..........................................................................................................35
Lampiran 1 Deskripsi kantong ..................................................................35
DAFTAR TABEL
1 Keterangan pada setiap kantong........................................................................20
2 Jarak maksimum pada tiap kantong ..................................................................29
DAFTAR GAMBAR
1 Peta Indramayu..................................................................................................17
2 Persentase kemiskinan ......................................................................................18
3 Peta persentase kemiskinan per kecamatan.......................................................19
4 Peta hotspot kemiskinan....................................................................................22
5 Correlogram kemiskinan ..................................................................................28
6 Peta pusat pengentasan kemiskinan ..................................................................29
POLA SPATIAL KEMISKINAN DI INDRAMAYU
LINDA SAHFITRI HASIBUAN
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI
Dengan ini saya menyatakan bahwa tesis saya yang berjudul : ”Pola
Spatial Kemiskinan di Indramayu” adalah karya saya sendiri dan belum pernah
dipublikasikan dalam bentuk apa pun kepada perguruan tinggi mana pun. Semua
sumber data dan informasi telah dinyatakan secara jelas dan dapat diperiksa
kebenarannya.
Bogor, Januari 2008
Linda Sahfitri Hasibuan
NRP. G151040121
ABSTRACT
LINDA SAHFITRI HASIBUAN. Poverty Spatial Pattern in Indramayu. Under
the direction of ASEP SAEFUDDIN, HERMANTO SIREGAR, and BAGUS
SARTONO.
It is assumed that poverty in one area is related to poverty in adjacent
area. Hence, poverty is distributed following a certain pattern creating a cluster.
An area or cluster having high density of poverty significantly is called hotspot. In
this research, Flexibly shaped spatial scan statistic Method was used for detecting
cluster and hotspot. A correlogram is created to explain that distance no
correlation among poverty areas. Information about hotspot and correlogram can
be used to act a program of poverty alleviation. Based on the results, there are 7
clusters high significant different with other cluster. In the seven cluster, there are
70 hotspot areas. The average distance of no correlation among poverty is 5.714
Km. To create poverty alleviation program efficiently, it is recommanded to
implement in the middle of cluster.
Keywords : spatial, poverty, hotspot, cluster, correlogram
© Hak cipta milik Institut Pertanian Bogor, tahun 2008
Hak cipta dilindungi Undang-undang
1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa
mencantumkan atau menyebutkan sumber
a. Pengutipan hanya untuk kepentingan, pendidikan, penelitian,
penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau
tinjauan suatu masalah
b. Pengutipan tidak merugikan kepentingan yang wajar IPB
2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya
tulis dalam bentuk apapun tanpa izin IPB
POLA SPATIAL KEMISKINAN DI INDRAMAYU
LINDA SAHFITRI HASIBUAN
Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains pada
Program Studi Statistika
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008
Judul Tesis
Nama Mahasiswa
NRP
: Pola Spatial Kemiskinan di Indramayu
: Linda Sahfitri Hasibuan
: G151040121
Disetujui,
Komisi Pembimbing
Dr. Ir. Asep Saefuddin, M.Sc
Ketua
Dr. Ir. Hermanto Siregar M.Ec
Anggota
Bagus Sartono, S.Si, M.Si
Anggota
Diketahui,
Ketua Program Studi Statistika
Dekan Sekolah Pascasarjana
Dr. Ir. Aji Hamim Wigena, M.Sc
Prof. Dr. Ir. Khairil Anwar Notodiputro, MS
Tanggal Ujian : 05 Oktober 2007
Tanggal Lulus :
KATA PENGANTAR
Puji syukur dihaturkan kehadirat Allah SWT Yang Maha Kuasa Pengasih
lagi Penyayang yang telah melimpahkan karunia dan inayahNya sehingga
penulisan Tesis yang berjudul Pola Spatial Kemiskinan di Indramayu dapat
diselesaikan. Tesis ini disusun guna melengkapi sebagian syarat untuk
menyelesaikan jenjang pendidikan pada Program studi Statistika, Sekolah
Pascasarjana Institut Pertanian Bogor.
Dalam penulisan tesis ini, tidak terlepas dari bantuan berbagai pihak,
karenanya penulis menghaturkan penghargaan setinggi-tingginya kepada :
1. Bapak Dr. Ir. Asep Saefuddin, MSc, Dr. Ir. Hermanto Siregar, MEc dan
Bapak Bagus Sartono, SSi, MSi, selaku komisi pembimbing saya yang
telah menyediakan waktu, tenaga serta ilmunya kepada penulis dalam
penyelesaian tesis ini
2. Seluruh Dosen dan staff karyawan Program Studi Statistika yang telah
memberikan pengetahuan dan bantuan selama saya mengikuti pendidikan
di program tersebut.
3. Bakti dan doa yang tiada habis-habisnya kepada orang tua tercinta
Ayahanda Drs. Ahmad Sayuti Hasibuan, MA (Alm) dan Ibunda Nurlin
Nasution yang dengan segala keikhlasannya senantiasa mencurahkan rasa
kasih sayang dan dorongan moril dan materil yang tidak mungkin
terbalaskan, semoga semua amal ibadah tersebut dibalas oleh Allah SWT.
Buat adik-adikku tersayang, Lita, Lailan, Bairuni, Parabi, tetap semangat
ya dan jangan terlalu larut dalam kesedihan meskipun tanpa ayah.
4. Suami, Hasan Basri Sagala yang menjadi semangat baru untuk secepat
mungkin menyelesaikan tesis ini. Terima kasih atas pengertian, kesabaran,
dan bantuan yang diberikan selama ini.
5. Teman-teman di STK, terutama STK 2004 atas tutorial mata kuliah,
bantuan, dan semangat yang diberikan untuk bisa bertahan di STK hingga
bisa lulus.
Akhirnya kepada semua pihak yang telah banyak memberikan bantuan dalam
penulisan tesis ini yang tidak dapat disebutkan satu persatu, saya haturkan terima
kasih, semoga Allah SWT membalas semua kebajikan terserbut. Amin
Bogor, Januari 2008
Linda Sahfitri Hasibuan
RIWAYAT HIDUP
Penulis lahir di Medan pada tanggal 18 September 1981 dari pasangan
Bapak Drs. Ahmad Sayuti Hasibuan, MA (Alm) dan Ibu Nurlin Nasution. Penulis
merupakan putri pertama dari lima bersaudara.
Tahun 1999 penulis lulus dari SMA Negri 18 Medan dan pada tahun yang
sama lulus seleksi masuk IPB melalui jalur UMPTN. Penulis diterima pada
Program Studi Agribisnis, Jurusan Sosial Ekonomi Pertanian, Fakultas Pertanian.
Selama mengikuti perkuliahan, penulis aktif di Progress Insani yang
menangani anak-anak jalanan dan mengajar MTK SMP dan SMA di salah satu
bimbingan belajar di Kota Bogor. Tahun 2003, penulis bergabung di Lembaga
Swadaya Masyarakat RMI - The Institute for Forest and Environment, bagian
pendidikan lingkungan. Tahun 2004, penulis melanjutkan pendidikan ke Sekolah
Pascasarjana IPB dan diterima di Program Studi Statistika. Dalam penyelesaiaan
tesis, penulis menikah dengan Hasan Basri Sagala, SAg, MSi pada Bulan Juli
2007.
DAFTAR ISI
DAFTAR TABEL................................................................................................. x
DAFTAR GAMBAR ............................................................................................ x
PENDAHULUAN ................................................................................................ 1
Latar Belakang .......................................................................................... 1
Tujuan Penelitian ...................................................................................... 3
TINJAUAN PUSTAKA ....................................................................................... 4
Kemiskinan ............................................................................................... 4
Peta Kemiskinan........................................................................................ 7
Metode Flexibly Shaped Spatial Scan Statistic......................................... 8
Sebaran Poisson ........................................................................................11
Metode Maksimum Likelihood .................................................................11
Uji Rasio Log Likelihood ..........................................................................13
Correlogram..............................................................................................14
DATA DAN METODE ........................................................................................15
Data ...........................................................................................................15
Metode ......................................................................................................15
HASIL DAN PEMBAHASAN.............................................................................17
Deskripsi Data...........................................................................................17
Kantong dan Hotspot Kemiskinan di Indramayu......................................19
Deskripsi Kantong.....................................................................................23
Correlogram Kemiskinan di Indramayu...................................................27
Pusat-Pusat Pengentasan Kemiskinan di Indramayu ................................28
Program Pengentasan ................................................................................30
SIMPULAN DAN SARAN ..................................................................................32
Simpulan ...................................................................................................32
Saran..........................................................................................................32
DAFTAR PUSTAKA ...........................................................................................33
LAMPIRAN..........................................................................................................35
Lampiran 1 Deskripsi kantong ..................................................................35
DAFTAR TABEL
1 Keterangan pada setiap kantong........................................................................20
2 Jarak maksimum pada tiap kantong ..................................................................29
DAFTAR GAMBAR
1 Peta Indramayu..................................................................................................17
2 Persentase kemiskinan ......................................................................................18
3 Peta persentase kemiskinan per kecamatan.......................................................19
4 Peta hotspot kemiskinan....................................................................................22
5 Correlogram kemiskinan ..................................................................................28
6 Peta pusat pengentasan kemiskinan ..................................................................29
PENDAHULUAN
Latar belakang
Krisis ekonomi yang melanda Indonesia sejak pertengahan tahun 1997,
meningkatkan jumlah penduduk miskin di Indonesia. Tahun 2006 tercatat jumlah
keluarga miskin 26738245 keluarga dan jumlah kepala keluarga 55803271
keluarga dengan persentase kemiskinan 47.92% (BKKBN 2006). Pendudukpenduduk miskin terkonsentrasi di Pulau Jawa dan Bali (BPS 2006). Salah
satunya, Propinsi Jawa Barat dengan jumlah kepala keluarga 10392664 keluarga
pada tahun 2006 dan jumlah keluarga miskin 4466248 keluarga dengan persentase
42.98% (BKKBN 2006). Pemerintah telah melakukan berbagai program
pengentasan kemiskinan dan program tersebut telah mengurangi jumlah penduduk
miskin. Tetapi jumlah penduduk miskin masih tinggi dan kemiskinan (BPS 2005)
menjadi salah satu permasalahan yang harus dicari pemecahannya.
Beberapa penelitian tentang kemiskinan telah dilakukan untuk mencari
penyelesaiannya, seperti penelitian tentang pengukuran tingkat kemiskinan,
indikator kemiskinan dan pemetaannya. Hasil penelitian-penelitian tersebut,
antara lain : pendekatan terbaik menurut Sumarto et al. (2006) untuk memprediksi
kemiskinan antara model hubungan terhadap konsumsi, model peluang
kemiskinan, dan Analisis Komponen Utama indeks kekayaan adalah model
hubungan terhadap konsumsi (consumption correlated model). Mereka juga
menemukan indikator kemiskinan yang terbaik adalah level pendidikan,
kepemilikan aset dan pola konsumsi. Faktor lain yang mempengaruhi secara
langsung kesejahteraan penduduk miskin menurut Balisacan et al. (2002) adalah
infrastruktur, sumber daya manusia, insentif harga pertanian, dan akses terhadap
teknologi.
Sebagian besar penelitian kemiskinan sebelumnya menggunakan peubah
demografi dan struktur ekonomi, sedikit sekali penelitian yang mencoba
memodelkan norma sosial, institusi masyarakat (community institutions), dan
spatial. Para ahli ekonomi sudah mulai meneliti faktor eksternal spatial dalam
penelitian kemiskinan, seperti yang dilakukan Rupasingha dan Goetz (2003).
Mereka mengembangkan model spatial ekonometrika perubahan tingkat
1
kemiskinan per propinsi selama tahun 1990 dan mereka menemukan bahwa
perubahan kemiskinan secara nyata dipengaruhi oleh kemiskinan propinsi
sekitarnya. Begitu juga menurut Hasibuan et al. (2006) model kemiskinan,
terutama pada level desa di suatu propinsi tidak bisa mengabaikan adanya
pengaruh dari propinsi lain.
Faktor geografi merupakan salah satu faktor yang mempengaruhi
pengurangan kemiskinan. Pengurangan kemiskinan di suatu tempat akan
mempengaruhi dan dipengaruhi tempat-tempat lain yang berada di sekitarnya,
sehingga dapat dinyatakan peubah kemiskinan memiliki unsur spatial (Crandall
dan Weber 2004). Kemudian sampai jarak berapa, kemiskinan di suatu tempat
saling mempengaruhi, dapat diketahui dengan memodelkan hubungan korelasi
kemiskinan antar tempat dengan jarak yang biasanya disebut correlogram.
Salah satu bahan dalam tujuan analisis spatial adalah pendeteksian kantong
kemiskinan dan hotspot kemiskinan. Kantong kemiskinan merupakan kumpulan
daerah-daerah yang nyata memiliki tingkat kemiskinan yang lebih besar dari pada
daerah-daerah di luar kantong tersebut (Tango dan Takahasi 2005). Hotspot
kemiskinan merupakan bagian dari suatu wilayah yang kita amati yang memiliki
persentase kemiskinan yang tinggi (Patil dan Taillie 2003). Ketika kantong
kemiskinan dan hotspot di suatu wilayah sudah terdeteksi, maka informasi
tersebut dapat dibuat dalam peta kemiskinan. Pembuat kebijakan dapat
menggunakan peta tersebut untuk menyusun program yang sesuai untuk
mengatasi kemiskinan. Peta tersebut akan lebih baik jika disajikan dengan daerah
geografi yang lebih kecil, seperti kota, bagian administratif lainnya dalam sebuah
propinsi (Betti et al. 2006).
Beberapa metode yang digunakan untuk mendeteksi kantong kemis
kinan, seperti : Circular spatial scan statistic yang diperkenalkan oleh Martin
Kulldorff tahun 1997, Upper Level Set (ULS) scan statistic (noncircular spatial
scan statistics) yang diperkenalkan oleh G.P. Patil dan C. Taillie tahun 2004, serta
Flexibly shaped spatial scan statistic yang diperkenalkan oleh Toshiro Tango dan
Kunihiko Takahashi tahun 2005. Metode Circular spatial scan statistic memiliki
tingkat keakuratan yang tinggi dalam mendeteksi kantong lingkaran secara tepat,
tetapi sulit untuk mendeteksi kantong bukan lingkaran secara tepat seperti kantong
2
yang mengikuti aliran sungai. Namun demikian sebagian besar daerah geografi
tidak berbentuk lingkaran. Metode ini juga memiliki kecenderungan untuk
mendeteksi kantong lebih besar dari ukuran sebenarnya meskipun kantong
tersebut berbentuk lingkaran (Tango dan Takahashi 2005).
Metode ULS menetapkan nilai batasan yang dilambangkan dengan g
sehingga jumlah daerah yang akan diperiksa berkurang (Patil dan Taillie 2004).
Metode ini memeriksa peubah yang berhubungan secara spatial, sebagai sebuah
threshold yang bergerak dari level yang paling tinggi ke level yang paling rendah
dan mendefenisikan kesamaan merupakan nilai yang lebih besar atau sama
dengan nilai dari tiap g. Tetapi metode ini tidak membahas bagaimana
menentukan g yang didefenisikan sebagai nilai batasan dan program untuk metode
ini belum tersedia secara bebas (Patil et al. 2006b). Sedangkan flexibly shaped
spatial scan statistic memiliki kekuatan yang cukup baik dan mampu mendeteksi
kantong bukan lingkaran lebih akurat. Metode ini baik digunakan untuk kantong
yang berukuran kecil sampai sedang, sampai berukuran 30 daerah. Untuk ukuran
kantong yang lebih besar, metode ini tidak praktis sehingga dibutuhkan algoritma
yang lebih efisien (Tango dan Takahashi 2005).
Tujuan Penelitian
Penelitian ini bertujuan :
1. mendeteksi kantong kemiskinan dan hotspot kemiskinan pada tingkat desa
di Indramayu,
2. menyusun correlogram kemiskinan, dan
3. menentukan pusat-pusat pengentasan kemiskinan di Indramayu secara
spatial.
3
TINJAUAN PUSTAKA
Kemiskinan
Keluarga miskin menurut BKKBN adalah keluarga yang tidak dapat
memenuhi salah satu atau lebih dari enam indikator penentu kemiskinan. Enam
indikator penentu kemiskinan tersebut (BKKBN 2004) adalah :
1. Pada umunya seluruh anggota keluarga makan dua kali sehari atau lebih.
2. Anggota
keluarga
memiliki
pakaian
berbeda
untuk
dirumah,
bekerja/sekolah dan bepergian.
3. Bagian lantai yang terluas bukan dari tanah.
4. Paling kurang sekali seminggu keluarga makan daging/ikan/telor.
5. Setahun terakhir seluruh anggota keluarga memperoleh paling kurang satu
stel pakaian baru.
6. Luas lantai rumah paling kurang delapan meter persegi untuk tiap
penghuni.
Keluarga miskin biasanya juga dianggap sama dengan Keluarga Pra
Sejahtera (KPS), tetapi kadang-kadang disamakan dengan KPS dan KS (Keluarga
Sejahtera) I, klasifikasi dari BKKBN. Klasifikasi tersebut dibuat berdasarkan
beberapa indikator, termasuk pola konsumsi makanan, jenis layanan kesehatan
yang dapat diakses oleh anggota keluarga, kepemilikan dan penggunaan pakaian,
bahan dan ukuran lantai rumah, dan kemudahan bagi anggota keluarga untuk
melaksanakan ibadah menurut agamanya masing-masing. Penetapan indikator–
indikator tersebut dilakukan oleh tim lintas sektoral dan para ahli (pakar) berbagai
bidang, terutama dari Ikatan Sosiologi Indonesia (ISI).
Ciri-ciri keluarga yang berkaitan dengan aspek keluarga sejahtera
dikelompokkan menjadi lima tahap dan diterjemahkan ke dalam 23 indikator
(BKKBN 2004). Indikator-indikator tersebut adalah :
1. Anggota keluarga melaksanakan ibadah menurut agama yang dianut.
2. Pada umumnya seluruh anggota keluarga makan dua kali sehari atau lebih.
3. Seluruh anggota keluarga memiliki pakaian yang berbeda untuk di rumah,
bekerja/sekolah dan bepergian.
4. Bagian terluas dari lantai rumah bukan dari tanah.
4
5. Bila anak atau anggota keluarganya yang lain sakit dibawa ke sarana/
petugas kesehatan. Demikian halnya bila PUS ingin ber-KB dibawa ke
sarana/petugas kesehatan dan diberi obat/cara KB modern.
6. Anggota keluarga melaksanakan ibadah secara teratur menurut agama
yang dianut masing-masing.
7. Sekurang-kurangnya sekali seminggu keluarga menyediakan daging atau
ikan atau telur sebagai lauk pauk.
8. Seluruh anggota keluarga memperoleh paling kurang satu stel pakaian
baru setahun terakhir.
9. Luas lantai rumah paling kurang 8 m2 untuk tiap penghuni rumah.
10. Seluruh anggota keluarga dalam tiga bulan terakhir berada dalam keadaan
sehat sehingga dapat melaksanakan tugas/fungsi masing-masing.
11. Paling kurang satu orang anggota keluarga yang berumur 15 tahun ke atas
mempunyai penghasilan tetap.
12. Seluruh anggota keluarga yang berumur 10-60 tahun bisa membaca tulisan
latin.
13. Seluruh anak berusia 6-15 tahun saat ini (waktu pendataan) bersekolah.
14. Bila anak hidup dua orang atau lebih pada keluarga yang masih PUS, saat
ini mereka memakai kontrasepsi (kecuali bila sedang hamil).
15. Mempunyai upaya untuk meningkatkan pengetahuan agama.
16. Sebagian dari penghasilan keluarga dapat disisihkan untuk tabungan
keluarga.
17. Biasanya makan bersama paling kurang sekali sehari dan kesempatan ini
dimanfaatkan untuk berkomunikasi antar-anggota keluarga.
18. Ikut serta dalam kegiatan masyarakat di lingkungan tempat tinggalnya.
19. Mengadakan rekreasi bersama di luar rumah paling kurang sekali dalam
enam bulan.
20. Memperoleh berita dengan membaca surat kabar, majalah, mendengarkan
radio atau menonton televisi.
21. Anggota keluarga mampu mempergunakan sarana transportasi.
22. Keluarga atau anggota keluarga secara teratur memberikan sumbangan
bagi kegiatan sosial masyarakat dalam bentuk materi.
5
23. Kepala
keluarga
atau
anggota
keluarga
aktif
sebagai
pengurus
perkumpulan, yayasan, atau institusi masyarakat lainnya.
Indikator-indikator tersebut digunakan untuk mengelompokkan keluarga sejahtera
dalam lima tahapan, yaitu :
1. Keluarga Pra Sejahtera (KPS)
Keluarga-keluarga yang belum dapat memenuhi kebutuhan dasarnya
secara minimal, seperti kebutuhan akan pengajaran agama, pangan,
sandang, papan dan kesehatan.
2. Keluarga Sejahtera I (KS I)
Keluarga tersebut sudah dapat memenuhi kebutuhan yang sangat
mendasar, tetapi belum dapat memenuhi kebutuhan yang lebih tinggi.
Indikator yang dipergunakan, indikator 1-5.
3. Keluarga Sejahtera II (KS II)
Keluarga yang selain dapat memenuhi kebutuhan dasar minimumnya
dapat pula memenuhi kebutuhan sosial psikologisnya, tetapi belum dapat
memenuhi kebutuhan pengembangannya. Indikator yang dipergunakan,
indikator 1-14.
4. Keluarga Sejahtera III (KS III)
Keluarga yang telah dapat memenuhi kebutuhan dasar minimum dan
kebutuhan sosial psikologisnya serta sekaligus dapat memenuhi kebutuhan
pengembangannya, tetapi belum aktif dalam usaha kemasyarakatan di
lingkungan desa atau wilayahnya. Mereka harus memenuhi persyaratan
indikator 1-21.
5. Keluarga Sejahtera III Plus
Keluarga yang selain telah dapat memenuhi kebutuhan dasar minimumnya
dan kebutuhan sosial psikologisnya, dapat pula memenuhi kebutuhan
pengembangannya, serta sekaligus secara teratur ikut menyumbang dalam
kegiatan sosial dan aktif pula mengikuti gerakan semacam itu dalam
masyarakat. Keluarga-keluarga tersebut memenuhi semua indikator yang
digunakan.
6
Peta Kemiskinan
Peta kemiskinan menyediakan informasi distribusi spatial kemiskinan
pada suatu propinsi dan dapat mengungkapkan variasi lokal yang nyata tentang
kondisi kehidupan di suatu wilayah. Peta tersebut akan lebih baik jika disajikan
untuk mewakili daerah geografi yang lebih kecil, seperti kota, kotamadya, bagian
administratif lainnya dalam sebuah propinsi. Peta kemiskinan yang terinci untuk
wilayah administrasi kecil berperan penting dalam mengatasi kekurangan analisis
kemiskinan agregat melalui hal-hal berikut ini (Suryahadi dan Sumarto 2003) :
1. Peta kemiskinan menangkap heteroginitas kemiskinan dalam suatu negara
tertentu. Semua negara di dunia memiliki wilayah-wilayah yang lebih
makmur daripada wilayah lainnya. Perbedaan ini sering tersamarkan
dalam statistik nasional. Hasil studi awal SMERU menunjukkan bahwa
peta kemiskinan mampu mengungkapkan variasi tingkat kemiskinan di
tingkat lokal.
2. Peta kemiskinan memperbaiki penentuan sasaran intervensi. Sumbersumber daya untuk program penanggulangan kemiskinan dapat digunakan
secara lebih efektif jika kelompok-kelompok yang paling membutuhkan
bantuan dapat ditentukan dengan lebih baik. Mencegah kebocoran dari
manfaat program jatuh ke rumah tangga yang tidak miskin akan membantu
mengurangi resiko rumah tangga miskin terluput dari program.
3. Peta kemiskinan dapat membantu pemerintah menjelaskan berbagai tujuan
kebijakan. Keputusan yang diambil berdasarkan data sebaran geografis
kemiskinan
akan
meningkatkan
transparansi
dalam
pengambilan
keputusan pemerintah dibandingkan dengan penilaian subjektif tentang
perbandingan kemiskinan antar daerah. Karena itu, peta kemiskinan yang
dibuat dengan baik dapat menambah kredibilitas pengambilan keputusan
pemerintah.
4. Peta kemiskinan berperan penting dalam menyampaikan informasi
mengenai distribusi kesejahteraan kepada masyarakat madani di suatu
negara. Informasi mengenai tingkat kesejahteraan yang terdisagregasi
memberikan informasi yang relevan. Informasi tersebut berisi fakta-fakta
yang diperlukan pelaku lokal untuk pengambilan keputusan di tingkat
7
lokal. Karena itu, peta kemiskinan juga merupakan alat penting dalam
melakukan pemberdayaan masyarakat lokal dan desentralisasi.
5. Peta kemiskinan bermanfaat untuk mengevaluasi dampak berbagai
program. Hingga saat ini tidak adanya indikator kesejahteraan untuk
wilayah kecil yang cukup memadai telah menghalangi para peneliti
melakukan kajian mengenai hubungan antara berbagai program,
kemiskinan, ketimpangan, dan berbagai dampaknya, misalnya terhadap
kesehatan, pendidikan, kejahatan, dan lingkungan. Peta kemiskinan
membuka kesempatan lebih luas bagi para peneliti untuk mempelajari
hubungan-hubungan tersebut.
6. Estimasi indikator kemiskinan di wilayah kecil dapat digabungkan dengan
Sistem Informasi Geografis (SIG). Hal ini memungkinkan penggabungan
informasi mengenai kemiskinan dengan indikator-indikator lain dari
bidang yang relevan dengan kebijakan. Contohnya adalah pangkalan data
geografis mengenai infrastruktur transportasi, pusat-pusat layanan publik,
akses terhadap pasar input dan output, atau informasi mengenai kualitas
sumber daya serta kerentanannya. Dengan menggunakan teknik tumpangtindih geografis dan metoda analisis spatial, pangkalan data yang baru
mengenai kemiskinan tersebut akan dapat digunakan untuk menjawab
serangkaian pertanyaan dari berbagai disiplin ilmu.
Metode Flexibly Shaped Spatial Scan Statistic
Metode Flexibly Shaped Spatial Scan Statistic diperkenalkan oleh Toshiro
Tango dan Kunihiko Takahashi pada tahun 2005. Metode tersebut fleksibel
terhadap bentuk kantong yang dihasilkan jadi tidak terbatas pada bentuk lingkaran
saja. Pada awalnya, suatu daerah dibagi menjadi m bagian yang lebih kecil seperti,
propinsi dan desa berdasarkan pertambahan jarak (selanjutnya disebut terdiri dari
m desa). Jumlah kasus yang ada di desa i merupakan peubah yang dilambangkan
dengan Yi, diasumsikan saling bebas dan mengikuti sebaran Poisson.
Flexibly dapat ditempatkan pada kantong yang tidak teratur pada setiap
desa. Window ke-i dilambangkan dengan Wi yang merupakan kumpulan desa i dan
desa-desa yang berbatasan dengan desa i. Kemudian disusun himpunan Z yang
8
bentuknya tidak teratur dengan panjang k pada tiap desa, yang terdiri atas k desa
(termasuk desa i). Z merupakan himpunan bagian dari W dan panjangnya mulai
dari 1 sampai panjang maksimum k. Desa yang berbatasan dibatasi sebagai
himpunan bagian dari desa i dan (K - 1) desa sekitar yang terdekat dengan desa i
untuk menghindari pendeteksian kantong yang bentuknya aneh (unlikely peculiar
shape). Kemudian akan banyak terbentuk Z yang bentuknya berbeda-beda dan
saling tumpang tindih. Z tersebut dilambangkan dengan Zik(j), j = 1,..., jik
melambangkan Z ke-j yang merupakan himpunan k desa yang berhubungan dan
dimulai dari desa i. Dimana jik adalah jumlah j yang memenuhi Zik(j)
Zik dengan
k = 1,..., K. Kemudian semua Z yang diperiksa dimasukkan dalam himpunan :
Z = {Zik(j) | 1 ≤ i ≤ m, 1 ≤ k ≤ K, 1 ≤ j ≤ jik}
(1)
Algoritma yang digunakan untuk mendapatkan Z tersebut dengan panjang
maksimum K yang telah ditentukan (Tango dan Takahasi 2005), sebagai berikut :
1. Membuat matriks A = (aij) berukuran m × m, dimana :
⎧1, jika desa i dan desa j berbatasan
aij = ⎨
⎩0, lainnya
dan himpunan Z = himpunan kosong dan i0= 0
2. Biarkan i0 ← i0 + 1 dan i0(= 1, 2,..., m) menjadi desa awal. Kemudian
dibentuk himpunan Wi0 yang terdiri dari (K - 1) tetangga terdekat ke desa
awal i0 dan i0 sendiri, seperti :
Wi0 = {i0, i1, i2,..., iK - 1}, dimana ik merupakan k- desa terdekat ke i0.
3. Bentuk semua himpunan Z ⊂ Wi0, termasuk desa awal i0. Untuk himpunan
Z lainnya, ulangi kembali langkah 4–7.
4. Himpunan Z dibagi menjadi dua himpunan yang tidak berhubungan Z0 =
{i0}dan Z1 terdiri dari desa lain yag terdapat dalam Z.
5. Membuat dua himpunan baru Z’0 dan Z’1. Z’0 terdiri dari desa Z1 yang
berbatasan dengan beberapa desa Z0. Pada bagian lain, Z’1 terdiri dari desa
Z1 yang tidak berbatasan dengan desa Z0. Kemudian Z0 diganti menjadi Z’0
dan Z1 diganti menjadi Z’1.
6. Ulangi langkah 5 secara rekursif sampai Z0 atau Z1 menjadi himpunan
kosong.
7. Keputusannya sebagai berikut :
9
Z dikatakan berbatasan jika Z1 menjadi himpunan kosong dan tidak
berbatasan jika Z0 menjadi himpunan kosong. Bila Z berbatasan, maka Z
dimasukkan dalam himpunan Z. tetapi bila Z tidak berbatasan maka
sebaliknya.
8. Ulangi langkah 2-7 sampai akhirnya kita memperoleh himpunan Z yang
terdiri dari Z dengan bentuk tertentu dan panjang maksimum K.
Hipotesis yang digunakan, paling tidak ada satu Z, dimana desa-desa di
dalam Z memiliki peluang lebih besar dibandingkan di luar Z. Dengan kata lain,
hipotesisnya sebagai berikut :
H0 : λ(z) = λ(zc) , untuk semua Z
(2)
H1 : λ(z) > λ(zc), untuk beberapa Z
(4)
Bisa juga dituliskan
H0 : RR = λ(z) / λ(zc) =1 , untuk semua Z
(5)
H1 : RR = λ(z) / λ(zc) >1, untuk beberapa Z
(6)
Dimana λ(z) melambangkan proporsi keluarga miskin di dalam Z, λ(z ) proporsi
c
di luar Z, dan RR adalah resiko relatif desa-desa di dalam Z. Pada setiap Z, kita
dapat menghitung likelihood untuk mengamati jumlah kemiskinan di dalam dan di
luar Z. Dengan asumsi Poisson, uji statistik yang disusun dengan uji rasio
likelihood :
sup ⎡ n( z ) ⎤
z ∈ Z ⎢⎣λ ( z )⎥⎦
n( z)
⎡ n( z c ) ⎤
⎢
c ⎥
⎣λ ( z ) ⎦
n( z c )
⎡ n( z ) n( z c ) ⎤
〉
I⎢
c ⎥
⎣λ ( z ) λ ( z ) ⎦
(7)
zc melambangkan semua desa di luar Z, dan n() melambangkan jumlah
kemiskinan dalam Z yang ditentukan dan I() merupakan fungsi indikator. Ketika
program diatur hanya untuk memeriksa kantong dengan high rates, maka :
⎧1, jika Z memiliki peluang lebih besar
I() = ⎨
⎩0, lainnya
Begitu juga sebaliknya jika hanya untuk kantong dengan low rates. Tetapi jika
diatur untuk high dan low rates, maka I() = 1 untuk semua Z.
Uji statistik yang dilakukan menggunakan pengujian hipotesis Monte
Carlo. P-value diperoleh dengan membandingkan rank dari likelihood yang
10
maksimal dari data yang sebenarnya dengan likelihood yang maksimal dari
himpunan data acak. Jika rank dilambangkan R, maka p = R /(1+#simulasi). Agar
p memiliki nilai yang bagus dilihat, maka nilainya dibatasi 999 atau nomor lain
yang diakhiri 999 seperti 1999, 9999 or 99999. Itulah mengapa nilai cut-off seperti
0.05, 0.01 dan 0.001, ketika menolak atau menerima Ho.
Kantong-kantong yang terbentuk akan diurutkan berdasarkan nilai
likelihoodnya. Z* yang mencapai maksimum likelihood dinyatakan sebagai most
likely cluster (MLC), yaitu kumpulan desa-desa yang disebut sebagai hotspot.
Sebaran Poisson
Jumlah keluarga miskin per desa dilambangkan dengan Yi, merupakan
peubah yang diasumsikan saling bebas dan mengikuti sebaran Poisson. Jumlah
keluarga miskin dapat dipandang sebagai ”insiden kemiskinan” sehingga untuk
mengamati sebarannya dapat dilakukan dengan menggunakan sebaran Poisson
sebagai berikut :
Yi ~ Poisson (λiNi), f ( y i ) = e −λi N i
(λi N i ) y i
yi !
(8)
i ∈ (1, 2, 3, ..., m), y = 0, 1, 2, 3, ... ~
Dimana :
λi
= Resiko di desa i
Yi
= Jumlah keluarga miskin per desa
Ni
= Jumlah keluarga per desa
ΣYi = Y
= Total jumlah keluarga miskin
ΣNi = N
= Total jumlah keluarga
1
N
∑λ N
i
i
=λ
= Resiko rata-rata
Metode Maksimum Likelihood
Fungsi likelihood untuk λ adalah :
m
m
i =1
i =1
L λΝ yi , y 2 ,..., ym = ∏ f yi λΝ = ∏ e − λN i
(λN i ) y i
yi !
(9)
11
⎡ ∑ yi m
⎤
⎢ i =1 ∏ N i yi ⎥
−λ ∑ Ni λ
⎥
i =1
e i =1 ⎢
⎢
⎥
m
⎢ ∏ yi ! ⎥
⎢⎣
⎥⎦
i =1
m
m
=
(10)
kemudian persamaan 10 diLn dan diturunkan sehingga diperoleh persamaan 11
dan 12
m
m
m
i =1
i =1
i =1
m
LnL(λΝ ) = −λ ∑ N i + ∑ y i Lnλ + Ln∏ N i i − Ln∏ yi !
y
(11)
i =1
m
m
dLnL (λΝ )
yi
= −∑ N i + ∑
i =1
dλ
i =1
(12)
λ
Persamaan likelihood :
m
m
dLnL(λΝ )
yi
= −∑ N i + ∑
=0
i =1
dλ
i =1
(13)
λ
m
∑y = ∑N
m
i =1
i
λ
i =1
i
(14)
kemudian diperoleh pesamaan-persamaan berikut :
m
)
λ=
∑y
i =1
m
i
∑N
i =1
=
Y
= Resiko total
N
(15)
i
)
yi
=Resiko di desa i
Ni
)
λi y i N i
= Resiko relatif desa i terhadap desa j
RRi,j = ri,j = ) =
λj yj / N j
λi =
) )
RRz = rz =Resiko relatif Z = λ z / λ z c ,
(16)
(17)
(18)
)
λ z = Resiko di Z
)
λ z = Resiko di luar
c
12
Uji Rasio Log Likelihood
Hipotesis yang digunakan :
H0 : RR = λ(z) / λ(zc) =1 , untuk semua Z
H1 : RR = λ(z) / λ(zc) >1, untuk beberapa Z
Fungsi likelihood untuk λ pada sebuah Z
L λΝ yi , y 2 ,..., ym = likelihood untuk desa-desa di dalam kantong
L λc Ν yi , y 2 ,..., ym = likelihood untuk desa-desa di luar kantong
Uji Rasio Log Likelihood = Log Likelihood (H1 benar)/ Log Likelihood (H0 benar)
Log [Likelihood ( λ N) . Likelihood ( λc N)]
=
Log Likelihood ( λtot N)
⎡
Log ⎢
⎣
(λN i ) y i
.
yi !
d
∏ e − λN i
i =1
dc
∏ e − λc N i
i =1
(λc N i ) yi ⎤
⎥
yi ! ⎦
=
(19)
⎡
⎢
⎣
Log
d tot
∏e λ
−
tot N i
i =1
(λtot N i ) yi ⎤
⎥
yi !
⎦
Uji Rasio Log Likelihood =
d
d
d
i =1
i =1
i =1
dc
dc
dc
i =1
i =1
i =1
d
− λ ∑ N i + ∑ y i Lnλ + Ln∏ N i i − Ln∏ yi !
y
+
i =1
dc
− λc ∑ N i + ∑ y i Lnλ c + Ln∏ N i i − Ln∏ yi !
y
i =1
=
(20)
d tot
d tot
d tot
i =1
i =1
i =1
d tot
− λtot ∑ N i + ∑ y i Lnλtot + Ln∏ N i i − Ln∏ yi !
y
i =1
Dimana :
d = Jumlah desa di dalam Z
λ = Proporsi keluarga miskin di dalam Z
d c = Jumlah desa di luar Z
λc = Proporsi keluarga miskin di dalam Z
d tot = Jumlah desa di dalam Z
λtot = Proporsi keluarga miskin di dalam Z
13
Correlogram
Correlogram adalah fungsi yang menunjukkan korelasi kemiskinan antar
desa yang dipisahkan dengan jarak. Korelasi tersebut biasanya menurun terhadap
jarak, nilainya sampai mendekati nol serta dapat diduga dengan persamaan
(Sharov 1996) :
ρ ( h) = ⎢∑
⎡
⎣⎢
D1 D2 − N h M h2 ⎤
⎥
N h S h2
⎦⎥
(21)
Dimana :
D1,D2 = Jumlah keluarga miskin di desa 1 dan di desa 2.
h
= Jarak antar desa
Nh
= Jumlah pasangan desa yang dipisahkan dengan jarak sejauh h
M h dan S h adalah mean dan standard deviasi dari jumlah keluarga miskin
Correlogram dapat didekati dengan beberapa model matematika dan model yang
biasa digunakan adalah :
Model eksponensial
⎧c1 exp(−3h / a ), h〉 0
1,
h=0
⎩
ρ ′(h) = ⎨
(22)
Model spherical
⎧c1 [1 − 1.5(h / a ) + 0.5(h / a ) 3 ],
ρ ′(h) = ⎨
⎩
1,
h〉 0
h=0
(23)
Dimana : c1 adalah sill (ambang) dan a adalah range
Model tersebut dapat diduga dengan menggunakan regresi non-linear. Pengujian
nilai korelasi untuk mengetahui nyata atau tidak, dengan menghitung nilai statistik
uji z-nya (Walpole 1995)
n − 3 ⎡ (1 + r )
Ln ⎢
2
⎣ (1 − r )
Dimana :
Ζ=
(1 − ρ 0 )⎤
(1 + ρ 0 )⎥⎦
(24)
Z = Nilai statistik uji z
r = Nilai korelasi
n = Jumlah pasangan
ρ0 = Nilai korelasi populasi = 0
Hipotesis yang digunakan H0 : r = 0 dan H1 : r ≠ 0 pada taraf α = 0.05
Kriteria : Tolak H0 jika Z < -1.96 dan Z > 1.96
14
DATA DAN METODE
Data
Data yang digunakan dalam penelitian ini adalah data kemiskinan dan
populasi per desa di Kabupaten Indramayu yang bersumber dari data Potensi Desa
(PODES) 2006. Data PODES antara lain mencakup kependudukan dan
ketenagakerjaan, perumahan dan lingkungan hidup, serta pendidikan dan
kesehatan.
Data kemiskinan merupakan jumlah keluarga yang dikategorikan PKS dan
KS I, sedangkan data populasi merupakan jumlah total keluarga per desa. Peta
desa di Kabupaten Indramayu diperoleh dari Bakosurtanal, sehingga dapat
diketahui batasan-batasan, luas desa, dan jarak antar desa.
Metode
Tahapan analisis yang dilakukan dalam penelitian ini :
A. Identifikasi kantong kemiskinan menggunakan metode Flexibly Shaped Spatial
Scan Statistic, berdasarkan uraian di latar belakang. Metode ini menggunakan
program FleXScan. Data yang digunakan, disusun ke dalam empat tabel
(Takahasi et al. 2005), yaitu :
1. File Coordinate
Format
Berisi nama desa serta letak desa berdasarkan garis lintang dan garis
bujur. Garis lintang dan garis bujur dirubah menjadi bentuk desimal
dalam derajat. Dengan cara sbb : xx(derajat) yy(menit) zz(detik)
menjadi xx + yy/60 + zz/3600 (derajat)
2. File Matrix definition
Format …
Kolom pertama merupakan nama desa. Kolom selanjutnya, nama desadesa yang berbatasan dengan desa yang dijelaskan pada kolom
pertama.
3. File Case
Format:
15
Kolom pertama merupakan nama desa yang susunannya sesuai dengan
susunan di File Coordinate. Kolom selanjutnya, jumlah keluarga
miskin yang terdapat pada desa yang sesuai dengan kolom pertama.
4. File Population
Format
Kolom pertama merupakan nama desa yang susunannya sesuai dengan
susunan di File Coordinate. Kolom selanjutnya, jumlah total keluarga
yang terdapat di desa tersebut.
Setelah semua data disusun, kemudian pilih metode flexible lalu run. Hasil yang
diperoleh dengan metode ini, bila digabungkan dengan peta Indramayu maka
diperoleh peta kemiskinan dengan program Arcview.
B. Pendugaan correlogram kemiskinan dan jarak
1. Data kemiskinan per desa dan jarak antar desa diurutkan berdasarkan
data jarak, mulai dari jarak terdekat sampai terjauh.
2. Data yang terurut dibagi menjadi beberapa kelompok per 2 km.
3. Menentukan korelasi antara kemiskinan dan jarak di tiap kelompok.
4. Plot data korelasi dan jarak sehingga diperoleh grafik yang dapat
menjelaskan pada jarak berapa tidak terdapat korelasi.
5. Pengujian signifikansi nilai korelasi
C. Penentuan pusat pengentasan kemiskinan di setiap kantong.
1. Menghitung panjang maksimum dan radius di setiap kantong. Radius
merupakan setengah dari panjang maksimum.
2. Menentukan pusat pengentasan kemiskinan di setiap kantong dengan
membandingkan radius terhadap jarak yang diperoleh pada tahap B.
Ketentuannya : Jika radius < jarak B maka pusat pengentasan
kemiskinan hanya pada pusat kantong. Tetapi kalau radius > jarak B
maka pusat pengentasan tidak hanya satu desa pada setiap kantong.
16
HASIL DAN PEMBAHASAN
Deskripsi Data
Data yang digunakan dalam penelitian ini bersumber dari data Potensi
Desa (PODES) 2006, pengambilan datanya dilakukan tahun 2005. Data PODES
berisi data tentang keterangan umum desa/kelurahan; kependudukan dan
ketenagakerjaan; antisipasi dan kejadian bencana alam; pendidikan dan kesehatan;
sosial budaya; rekreasi, hiburan, dan olah raga; angkutan, komunikasi, dan
informasi, penggunaan lahan; ekonomi; politik dan keamanan; keterangan aparat
desa/kelurahan. Sedangkan peta yang digunakan adalah peta digital Indramayu
tahun 2003. Data PODES yang digunakan, disesuaikan dengan kecamatankecamatan yang ada pada peta.
Berdasarkan defenisi kemiskinan dari BKKBN, Kabupaten Indramayu
memiliki persentase kemiskinan tertinggi dibandingkan kabupaten lain yang
terdapat di Provinsi Jawa Barat. Secara keseluruhan persentase kemiskinan di
Jawa Barat sebesar 37.5% dan Kabupaten Indramayu sebesar 64%.
Kabupaten Indramayu memiliki 24 kecamatan dan 310 desa. Peta
Indramayu per kecamatan dapat dilihat pada Gambar 1.
PETA INDRAMAYU
LAUT JAWA
SUBANG
CIREBON
Peta indramayu.shp
ANJATAN
ARAHAN
BALONGAN
BANGODUA
BONGAS
CANTIGI
CIKEDUNG
GABUSWETAN
HAURGEULIS
INDRAMAYU
JATIBARANG
JUNTINYUAT
KANDANGHAUR
KARANGAMPEL
KERTASEMAYA
KRANGKENG
KROYA
LELEA
LOHBENER
LOSARANG
SINDANG
SLIYEG
SUKRA
WIDASARI
N
SUMEDANG
W
20
0
20
E
40 Miles
S
Gambar 1 Peta Indramayu
17
Berdasarkan Gambar 1, Kabupaten Indramayu berbatasan dengan Kabupaten
Subang, Sumedang dan Cirebon. Bagian utara berbatasan dengan Laut Jawa.
Kabupaten Indramayu memiliki jumlah total keluarga 467,479 keluarga
dan jumlah keluarga miskin 299,185 keluarga. Persentase kemiskinan per
kecamatan dapat dilihat pada Gambar 2.
Persentase(%)
Persentase Kemiskinan
90
85
80
75
70
65
60
55
50
45
40
35
30
25
20
15
10
5
0
l
i
i
t
u
r
r
s
an ti g ng y a eg au k ra ay a ang dua ne ung mpe s ar el ea ang eul i tan ay y ua gan ang gas tan
e d a
u m
d
a L ar rg nj a am in on ar on we
o
ah an k e ro l iy h
ib au A dr unt al os B us
Ar C ang K S ang S s e Si n an g ohb ik e ng Wi d
t
C ra
B L
L
In J
B
Ja H
r ta
Kr
nd
ab
ta
G
Ka
Ke
Ka
Ko
Kecamatan
Gambar 2 Persentase kemiskinan
Berdasarkan Gambar 2, persentase kemiskinan antara 40%-90%. Tiga kecamatan
yang memiliki persentase lebih dari 85%, yaitu Kecamatan Krangkeng, Cantigi,
dan Arahan. Kecamatan Gabus Wetan merupakan kecamatan yang memiliki
persentase relatif terendah.
Peta sebaran kemiskinan per kecamatan, tampak pada Gambar 3. Gambar
tersebut menunjukkan bahwa kecamatan-kecamatan yang ada dikelompokkan ke
dalam 5 kelompok berdasarkan persentase kemiskinannya. Kecamatan-kecamatan
yang berada pada tingkatan terendah dan tertinggi sama dengan kesimpulan yang
diperoleh dari Gambar 2. Kelompok I merupakan kumpulan desa-desa dengan
persentase relatif terendah. Kelompok ini terdiri dari tiga kecamatan dengan
persentase kemiskinan 39.39%-43.17%, yaitu : Kecamatan Bongas, Gabus Wetan,
dan Losarang. Kelompok II terdiri dari enam kecamatan dengan persentase
43.17%-60.01%, yaitu : Kecamatan Balongan, Juntinyuat, Jatibarang, Haurgeulis,
Anjatan dan Kota Indramayu. Kelompok III terdiri dari tujuh kecamatan dengan
persentase 60.01%-68.81%, yaitu : Kecamatan Karangampel, Sindang, Cikedung,
Lelea, Lohbener, Bangodua, dan Widasari.
Kelompok IV terdiri dari lima Kecamatan dengan persentase 6
LINDA SAHFITRI HASIBUAN
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI
Dengan ini saya menyatakan bahwa tesis saya yang berjudul : ”Pola
Spatial Kemiskinan di Indramayu” adalah karya saya sendiri dan belum pernah
dipublikasikan dalam bentuk apa pun kepada perguruan tinggi mana pun. Semua
sumber data dan informasi telah dinyatakan secara jelas dan dapat diperiksa
kebenarannya.
Bogor, Januari 2008
Linda Sahfitri Hasibuan
NRP. G151040121
ABSTRACT
LINDA SAHFITRI HASIBUAN. Poverty Spatial Pattern in Indramayu. Under
the direction of ASEP SAEFUDDIN, HERMANTO SIREGAR, and BAGUS
SARTONO.
It is assumed that poverty in one area is related to poverty in adjacent
area. Hence, poverty is distributed following a certain pattern creating a cluster.
An area or cluster having high density of poverty significantly is called hotspot. In
this research, Flexibly shaped spatial scan statistic Method was used for detecting
cluster and hotspot. A correlogram is created to explain that distance no
correlation among poverty areas. Information about hotspot and correlogram can
be used to act a program of poverty alleviation. Based on the results, there are 7
clusters high significant different with other cluster. In the seven cluster, there are
70 hotspot areas. The average distance of no correlation among poverty is 5.714
Km. To create poverty alleviation program efficiently, it is recommanded to
implement in the middle of cluster.
Keywords : spatial, poverty, hotspot, cluster, correlogram
© Hak cipta milik Institut Pertanian Bogor, tahun 2008
Hak cipta dilindungi Undang-undang
1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa
mencantumkan atau menyebutkan sumber
a. Pengutipan hanya untuk kepentingan, pendidikan, penelitian,
penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau
tinjauan suatu masalah
b. Pengutipan tidak merugikan kepentingan yang wajar IPB
2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya
tulis dalam bentuk apapun tanpa izin IPB
POLA SPATIAL KEMISKINAN DI INDRAMAYU
LINDA SAHFITRI HASIBUAN
Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains pada
Program Studi Statistika
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008
Judul Tesis
Nama Mahasiswa
NRP
: Pola Spatial Kemiskinan di Indramayu
: Linda Sahfitri Hasibuan
: G151040121
Disetujui,
Komisi Pembimbing
Dr. Ir. Asep Saefuddin, M.Sc
Ketua
Dr. Ir. Hermanto Siregar M.Ec
Anggota
Bagus Sartono, S.Si, M.Si
Anggota
Diketahui,
Ketua Program Studi Statistika
Dekan Sekolah Pascasarjana
Dr. Ir. Aji Hamim Wigena, M.Sc
Prof. Dr. Ir. Khairil Anwar Notodiputro, MS
Tanggal Ujian : 05 Oktober 2007
Tanggal Lulus :
KATA PENGANTAR
Puji syukur dihaturkan kehadirat Allah SWT Yang Maha Kuasa Pengasih
lagi Penyayang yang telah melimpahkan karunia dan inayahNya sehingga
penulisan Tesis yang berjudul Pola Spatial Kemiskinan di Indramayu dapat
diselesaikan. Tesis ini disusun guna melengkapi sebagian syarat untuk
menyelesaikan jenjang pendidikan pada Program studi Statistika, Sekolah
Pascasarjana Institut Pertanian Bogor.
Dalam penulisan tesis ini, tidak terlepas dari bantuan berbagai pihak,
karenanya penulis menghaturkan penghargaan setinggi-tingginya kepada :
1. Bapak Dr. Ir. Asep Saefuddin, MSc, Dr. Ir. Hermanto Siregar, MEc dan
Bapak Bagus Sartono, SSi, MSi, selaku komisi pembimbing saya yang
telah menyediakan waktu, tenaga serta ilmunya kepada penulis dalam
penyelesaian tesis ini
2. Seluruh Dosen dan staff karyawan Program Studi Statistika yang telah
memberikan pengetahuan dan bantuan selama saya mengikuti pendidikan
di program tersebut.
3. Bakti dan doa yang tiada habis-habisnya kepada orang tua tercinta
Ayahanda Drs. Ahmad Sayuti Hasibuan, MA (Alm) dan Ibunda Nurlin
Nasution yang dengan segala keikhlasannya senantiasa mencurahkan rasa
kasih sayang dan dorongan moril dan materil yang tidak mungkin
terbalaskan, semoga semua amal ibadah tersebut dibalas oleh Allah SWT.
Buat adik-adikku tersayang, Lita, Lailan, Bairuni, Parabi, tetap semangat
ya dan jangan terlalu larut dalam kesedihan meskipun tanpa ayah.
4. Suami, Hasan Basri Sagala yang menjadi semangat baru untuk secepat
mungkin menyelesaikan tesis ini. Terima kasih atas pengertian, kesabaran,
dan bantuan yang diberikan selama ini.
5. Teman-teman di STK, terutama STK 2004 atas tutorial mata kuliah,
bantuan, dan semangat yang diberikan untuk bisa bertahan di STK hingga
bisa lulus.
Akhirnya kepada semua pihak yang telah banyak memberikan bantuan dalam
penulisan tesis ini yang tidak dapat disebutkan satu persatu, saya haturkan terima
kasih, semoga Allah SWT membalas semua kebajikan terserbut. Amin
Bogor, Januari 2008
Linda Sahfitri Hasibuan
RIWAYAT HIDUP
Penulis lahir di Medan pada tanggal 18 September 1981 dari pasangan
Bapak Drs. Ahmad Sayuti Hasibuan, MA (Alm) dan Ibu Nurlin Nasution. Penulis
merupakan putri pertama dari lima bersaudara.
Tahun 1999 penulis lulus dari SMA Negri 18 Medan dan pada tahun yang
sama lulus seleksi masuk IPB melalui jalur UMPTN. Penulis diterima pada
Program Studi Agribisnis, Jurusan Sosial Ekonomi Pertanian, Fakultas Pertanian.
Selama mengikuti perkuliahan, penulis aktif di Progress Insani yang
menangani anak-anak jalanan dan mengajar MTK SMP dan SMA di salah satu
bimbingan belajar di Kota Bogor. Tahun 2003, penulis bergabung di Lembaga
Swadaya Masyarakat RMI - The Institute for Forest and Environment, bagian
pendidikan lingkungan. Tahun 2004, penulis melanjutkan pendidikan ke Sekolah
Pascasarjana IPB dan diterima di Program Studi Statistika. Dalam penyelesaiaan
tesis, penulis menikah dengan Hasan Basri Sagala, SAg, MSi pada Bulan Juli
2007.
DAFTAR ISI
DAFTAR TABEL................................................................................................. x
DAFTAR GAMBAR ............................................................................................ x
PENDAHULUAN ................................................................................................ 1
Latar Belakang .......................................................................................... 1
Tujuan Penelitian ...................................................................................... 3
TINJAUAN PUSTAKA ....................................................................................... 4
Kemiskinan ............................................................................................... 4
Peta Kemiskinan........................................................................................ 7
Metode Flexibly Shaped Spatial Scan Statistic......................................... 8
Sebaran Poisson ........................................................................................11
Metode Maksimum Likelihood .................................................................11
Uji Rasio Log Likelihood ..........................................................................13
Correlogram..............................................................................................14
DATA DAN METODE ........................................................................................15
Data ...........................................................................................................15
Metode ......................................................................................................15
HASIL DAN PEMBAHASAN.............................................................................17
Deskripsi Data...........................................................................................17
Kantong dan Hotspot Kemiskinan di Indramayu......................................19
Deskripsi Kantong.....................................................................................23
Correlogram Kemiskinan di Indramayu...................................................27
Pusat-Pusat Pengentasan Kemiskinan di Indramayu ................................28
Program Pengentasan ................................................................................30
SIMPULAN DAN SARAN ..................................................................................32
Simpulan ...................................................................................................32
Saran..........................................................................................................32
DAFTAR PUSTAKA ...........................................................................................33
LAMPIRAN..........................................................................................................35
Lampiran 1 Deskripsi kantong ..................................................................35
DAFTAR TABEL
1 Keterangan pada setiap kantong........................................................................20
2 Jarak maksimum pada tiap kantong ..................................................................29
DAFTAR GAMBAR
1 Peta Indramayu..................................................................................................17
2 Persentase kemiskinan ......................................................................................18
3 Peta persentase kemiskinan per kecamatan.......................................................19
4 Peta hotspot kemiskinan....................................................................................22
5 Correlogram kemiskinan ..................................................................................28
6 Peta pusat pengentasan kemiskinan ..................................................................29
POLA SPATIAL KEMISKINAN DI INDRAMAYU
LINDA SAHFITRI HASIBUAN
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI
Dengan ini saya menyatakan bahwa tesis saya yang berjudul : ”Pola
Spatial Kemiskinan di Indramayu” adalah karya saya sendiri dan belum pernah
dipublikasikan dalam bentuk apa pun kepada perguruan tinggi mana pun. Semua
sumber data dan informasi telah dinyatakan secara jelas dan dapat diperiksa
kebenarannya.
Bogor, Januari 2008
Linda Sahfitri Hasibuan
NRP. G151040121
ABSTRACT
LINDA SAHFITRI HASIBUAN. Poverty Spatial Pattern in Indramayu. Under
the direction of ASEP SAEFUDDIN, HERMANTO SIREGAR, and BAGUS
SARTONO.
It is assumed that poverty in one area is related to poverty in adjacent
area. Hence, poverty is distributed following a certain pattern creating a cluster.
An area or cluster having high density of poverty significantly is called hotspot. In
this research, Flexibly shaped spatial scan statistic Method was used for detecting
cluster and hotspot. A correlogram is created to explain that distance no
correlation among poverty areas. Information about hotspot and correlogram can
be used to act a program of poverty alleviation. Based on the results, there are 7
clusters high significant different with other cluster. In the seven cluster, there are
70 hotspot areas. The average distance of no correlation among poverty is 5.714
Km. To create poverty alleviation program efficiently, it is recommanded to
implement in the middle of cluster.
Keywords : spatial, poverty, hotspot, cluster, correlogram
© Hak cipta milik Institut Pertanian Bogor, tahun 2008
Hak cipta dilindungi Undang-undang
1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa
mencantumkan atau menyebutkan sumber
a. Pengutipan hanya untuk kepentingan, pendidikan, penelitian,
penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau
tinjauan suatu masalah
b. Pengutipan tidak merugikan kepentingan yang wajar IPB
2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya
tulis dalam bentuk apapun tanpa izin IPB
POLA SPATIAL KEMISKINAN DI INDRAMAYU
LINDA SAHFITRI HASIBUAN
Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains pada
Program Studi Statistika
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008
Judul Tesis
Nama Mahasiswa
NRP
: Pola Spatial Kemiskinan di Indramayu
: Linda Sahfitri Hasibuan
: G151040121
Disetujui,
Komisi Pembimbing
Dr. Ir. Asep Saefuddin, M.Sc
Ketua
Dr. Ir. Hermanto Siregar M.Ec
Anggota
Bagus Sartono, S.Si, M.Si
Anggota
Diketahui,
Ketua Program Studi Statistika
Dekan Sekolah Pascasarjana
Dr. Ir. Aji Hamim Wigena, M.Sc
Prof. Dr. Ir. Khairil Anwar Notodiputro, MS
Tanggal Ujian : 05 Oktober 2007
Tanggal Lulus :
KATA PENGANTAR
Puji syukur dihaturkan kehadirat Allah SWT Yang Maha Kuasa Pengasih
lagi Penyayang yang telah melimpahkan karunia dan inayahNya sehingga
penulisan Tesis yang berjudul Pola Spatial Kemiskinan di Indramayu dapat
diselesaikan. Tesis ini disusun guna melengkapi sebagian syarat untuk
menyelesaikan jenjang pendidikan pada Program studi Statistika, Sekolah
Pascasarjana Institut Pertanian Bogor.
Dalam penulisan tesis ini, tidak terlepas dari bantuan berbagai pihak,
karenanya penulis menghaturkan penghargaan setinggi-tingginya kepada :
1. Bapak Dr. Ir. Asep Saefuddin, MSc, Dr. Ir. Hermanto Siregar, MEc dan
Bapak Bagus Sartono, SSi, MSi, selaku komisi pembimbing saya yang
telah menyediakan waktu, tenaga serta ilmunya kepada penulis dalam
penyelesaian tesis ini
2. Seluruh Dosen dan staff karyawan Program Studi Statistika yang telah
memberikan pengetahuan dan bantuan selama saya mengikuti pendidikan
di program tersebut.
3. Bakti dan doa yang tiada habis-habisnya kepada orang tua tercinta
Ayahanda Drs. Ahmad Sayuti Hasibuan, MA (Alm) dan Ibunda Nurlin
Nasution yang dengan segala keikhlasannya senantiasa mencurahkan rasa
kasih sayang dan dorongan moril dan materil yang tidak mungkin
terbalaskan, semoga semua amal ibadah tersebut dibalas oleh Allah SWT.
Buat adik-adikku tersayang, Lita, Lailan, Bairuni, Parabi, tetap semangat
ya dan jangan terlalu larut dalam kesedihan meskipun tanpa ayah.
4. Suami, Hasan Basri Sagala yang menjadi semangat baru untuk secepat
mungkin menyelesaikan tesis ini. Terima kasih atas pengertian, kesabaran,
dan bantuan yang diberikan selama ini.
5. Teman-teman di STK, terutama STK 2004 atas tutorial mata kuliah,
bantuan, dan semangat yang diberikan untuk bisa bertahan di STK hingga
bisa lulus.
Akhirnya kepada semua pihak yang telah banyak memberikan bantuan dalam
penulisan tesis ini yang tidak dapat disebutkan satu persatu, saya haturkan terima
kasih, semoga Allah SWT membalas semua kebajikan terserbut. Amin
Bogor, Januari 2008
Linda Sahfitri Hasibuan
RIWAYAT HIDUP
Penulis lahir di Medan pada tanggal 18 September 1981 dari pasangan
Bapak Drs. Ahmad Sayuti Hasibuan, MA (Alm) dan Ibu Nurlin Nasution. Penulis
merupakan putri pertama dari lima bersaudara.
Tahun 1999 penulis lulus dari SMA Negri 18 Medan dan pada tahun yang
sama lulus seleksi masuk IPB melalui jalur UMPTN. Penulis diterima pada
Program Studi Agribisnis, Jurusan Sosial Ekonomi Pertanian, Fakultas Pertanian.
Selama mengikuti perkuliahan, penulis aktif di Progress Insani yang
menangani anak-anak jalanan dan mengajar MTK SMP dan SMA di salah satu
bimbingan belajar di Kota Bogor. Tahun 2003, penulis bergabung di Lembaga
Swadaya Masyarakat RMI - The Institute for Forest and Environment, bagian
pendidikan lingkungan. Tahun 2004, penulis melanjutkan pendidikan ke Sekolah
Pascasarjana IPB dan diterima di Program Studi Statistika. Dalam penyelesaiaan
tesis, penulis menikah dengan Hasan Basri Sagala, SAg, MSi pada Bulan Juli
2007.
DAFTAR ISI
DAFTAR TABEL................................................................................................. x
DAFTAR GAMBAR ............................................................................................ x
PENDAHULUAN ................................................................................................ 1
Latar Belakang .......................................................................................... 1
Tujuan Penelitian ...................................................................................... 3
TINJAUAN PUSTAKA ....................................................................................... 4
Kemiskinan ............................................................................................... 4
Peta Kemiskinan........................................................................................ 7
Metode Flexibly Shaped Spatial Scan Statistic......................................... 8
Sebaran Poisson ........................................................................................11
Metode Maksimum Likelihood .................................................................11
Uji Rasio Log Likelihood ..........................................................................13
Correlogram..............................................................................................14
DATA DAN METODE ........................................................................................15
Data ...........................................................................................................15
Metode ......................................................................................................15
HASIL DAN PEMBAHASAN.............................................................................17
Deskripsi Data...........................................................................................17
Kantong dan Hotspot Kemiskinan di Indramayu......................................19
Deskripsi Kantong.....................................................................................23
Correlogram Kemiskinan di Indramayu...................................................27
Pusat-Pusat Pengentasan Kemiskinan di Indramayu ................................28
Program Pengentasan ................................................................................30
SIMPULAN DAN SARAN ..................................................................................32
Simpulan ...................................................................................................32
Saran..........................................................................................................32
DAFTAR PUSTAKA ...........................................................................................33
LAMPIRAN..........................................................................................................35
Lampiran 1 Deskripsi kantong ..................................................................35
DAFTAR TABEL
1 Keterangan pada setiap kantong........................................................................20
2 Jarak maksimum pada tiap kantong ..................................................................29
DAFTAR GAMBAR
1 Peta Indramayu..................................................................................................17
2 Persentase kemiskinan ......................................................................................18
3 Peta persentase kemiskinan per kecamatan.......................................................19
4 Peta hotspot kemiskinan....................................................................................22
5 Correlogram kemiskinan ..................................................................................28
6 Peta pusat pengentasan kemiskinan ..................................................................29
PENDAHULUAN
Latar belakang
Krisis ekonomi yang melanda Indonesia sejak pertengahan tahun 1997,
meningkatkan jumlah penduduk miskin di Indonesia. Tahun 2006 tercatat jumlah
keluarga miskin 26738245 keluarga dan jumlah kepala keluarga 55803271
keluarga dengan persentase kemiskinan 47.92% (BKKBN 2006). Pendudukpenduduk miskin terkonsentrasi di Pulau Jawa dan Bali (BPS 2006). Salah
satunya, Propinsi Jawa Barat dengan jumlah kepala keluarga 10392664 keluarga
pada tahun 2006 dan jumlah keluarga miskin 4466248 keluarga dengan persentase
42.98% (BKKBN 2006). Pemerintah telah melakukan berbagai program
pengentasan kemiskinan dan program tersebut telah mengurangi jumlah penduduk
miskin. Tetapi jumlah penduduk miskin masih tinggi dan kemiskinan (BPS 2005)
menjadi salah satu permasalahan yang harus dicari pemecahannya.
Beberapa penelitian tentang kemiskinan telah dilakukan untuk mencari
penyelesaiannya, seperti penelitian tentang pengukuran tingkat kemiskinan,
indikator kemiskinan dan pemetaannya. Hasil penelitian-penelitian tersebut,
antara lain : pendekatan terbaik menurut Sumarto et al. (2006) untuk memprediksi
kemiskinan antara model hubungan terhadap konsumsi, model peluang
kemiskinan, dan Analisis Komponen Utama indeks kekayaan adalah model
hubungan terhadap konsumsi (consumption correlated model). Mereka juga
menemukan indikator kemiskinan yang terbaik adalah level pendidikan,
kepemilikan aset dan pola konsumsi. Faktor lain yang mempengaruhi secara
langsung kesejahteraan penduduk miskin menurut Balisacan et al. (2002) adalah
infrastruktur, sumber daya manusia, insentif harga pertanian, dan akses terhadap
teknologi.
Sebagian besar penelitian kemiskinan sebelumnya menggunakan peubah
demografi dan struktur ekonomi, sedikit sekali penelitian yang mencoba
memodelkan norma sosial, institusi masyarakat (community institutions), dan
spatial. Para ahli ekonomi sudah mulai meneliti faktor eksternal spatial dalam
penelitian kemiskinan, seperti yang dilakukan Rupasingha dan Goetz (2003).
Mereka mengembangkan model spatial ekonometrika perubahan tingkat
1
kemiskinan per propinsi selama tahun 1990 dan mereka menemukan bahwa
perubahan kemiskinan secara nyata dipengaruhi oleh kemiskinan propinsi
sekitarnya. Begitu juga menurut Hasibuan et al. (2006) model kemiskinan,
terutama pada level desa di suatu propinsi tidak bisa mengabaikan adanya
pengaruh dari propinsi lain.
Faktor geografi merupakan salah satu faktor yang mempengaruhi
pengurangan kemiskinan. Pengurangan kemiskinan di suatu tempat akan
mempengaruhi dan dipengaruhi tempat-tempat lain yang berada di sekitarnya,
sehingga dapat dinyatakan peubah kemiskinan memiliki unsur spatial (Crandall
dan Weber 2004). Kemudian sampai jarak berapa, kemiskinan di suatu tempat
saling mempengaruhi, dapat diketahui dengan memodelkan hubungan korelasi
kemiskinan antar tempat dengan jarak yang biasanya disebut correlogram.
Salah satu bahan dalam tujuan analisis spatial adalah pendeteksian kantong
kemiskinan dan hotspot kemiskinan. Kantong kemiskinan merupakan kumpulan
daerah-daerah yang nyata memiliki tingkat kemiskinan yang lebih besar dari pada
daerah-daerah di luar kantong tersebut (Tango dan Takahasi 2005). Hotspot
kemiskinan merupakan bagian dari suatu wilayah yang kita amati yang memiliki
persentase kemiskinan yang tinggi (Patil dan Taillie 2003). Ketika kantong
kemiskinan dan hotspot di suatu wilayah sudah terdeteksi, maka informasi
tersebut dapat dibuat dalam peta kemiskinan. Pembuat kebijakan dapat
menggunakan peta tersebut untuk menyusun program yang sesuai untuk
mengatasi kemiskinan. Peta tersebut akan lebih baik jika disajikan dengan daerah
geografi yang lebih kecil, seperti kota, bagian administratif lainnya dalam sebuah
propinsi (Betti et al. 2006).
Beberapa metode yang digunakan untuk mendeteksi kantong kemis
kinan, seperti : Circular spatial scan statistic yang diperkenalkan oleh Martin
Kulldorff tahun 1997, Upper Level Set (ULS) scan statistic (noncircular spatial
scan statistics) yang diperkenalkan oleh G.P. Patil dan C. Taillie tahun 2004, serta
Flexibly shaped spatial scan statistic yang diperkenalkan oleh Toshiro Tango dan
Kunihiko Takahashi tahun 2005. Metode Circular spatial scan statistic memiliki
tingkat keakuratan yang tinggi dalam mendeteksi kantong lingkaran secara tepat,
tetapi sulit untuk mendeteksi kantong bukan lingkaran secara tepat seperti kantong
2
yang mengikuti aliran sungai. Namun demikian sebagian besar daerah geografi
tidak berbentuk lingkaran. Metode ini juga memiliki kecenderungan untuk
mendeteksi kantong lebih besar dari ukuran sebenarnya meskipun kantong
tersebut berbentuk lingkaran (Tango dan Takahashi 2005).
Metode ULS menetapkan nilai batasan yang dilambangkan dengan g
sehingga jumlah daerah yang akan diperiksa berkurang (Patil dan Taillie 2004).
Metode ini memeriksa peubah yang berhubungan secara spatial, sebagai sebuah
threshold yang bergerak dari level yang paling tinggi ke level yang paling rendah
dan mendefenisikan kesamaan merupakan nilai yang lebih besar atau sama
dengan nilai dari tiap g. Tetapi metode ini tidak membahas bagaimana
menentukan g yang didefenisikan sebagai nilai batasan dan program untuk metode
ini belum tersedia secara bebas (Patil et al. 2006b). Sedangkan flexibly shaped
spatial scan statistic memiliki kekuatan yang cukup baik dan mampu mendeteksi
kantong bukan lingkaran lebih akurat. Metode ini baik digunakan untuk kantong
yang berukuran kecil sampai sedang, sampai berukuran 30 daerah. Untuk ukuran
kantong yang lebih besar, metode ini tidak praktis sehingga dibutuhkan algoritma
yang lebih efisien (Tango dan Takahashi 2005).
Tujuan Penelitian
Penelitian ini bertujuan :
1. mendeteksi kantong kemiskinan dan hotspot kemiskinan pada tingkat desa
di Indramayu,
2. menyusun correlogram kemiskinan, dan
3. menentukan pusat-pusat pengentasan kemiskinan di Indramayu secara
spatial.
3
TINJAUAN PUSTAKA
Kemiskinan
Keluarga miskin menurut BKKBN adalah keluarga yang tidak dapat
memenuhi salah satu atau lebih dari enam indikator penentu kemiskinan. Enam
indikator penentu kemiskinan tersebut (BKKBN 2004) adalah :
1. Pada umunya seluruh anggota keluarga makan dua kali sehari atau lebih.
2. Anggota
keluarga
memiliki
pakaian
berbeda
untuk
dirumah,
bekerja/sekolah dan bepergian.
3. Bagian lantai yang terluas bukan dari tanah.
4. Paling kurang sekali seminggu keluarga makan daging/ikan/telor.
5. Setahun terakhir seluruh anggota keluarga memperoleh paling kurang satu
stel pakaian baru.
6. Luas lantai rumah paling kurang delapan meter persegi untuk tiap
penghuni.
Keluarga miskin biasanya juga dianggap sama dengan Keluarga Pra
Sejahtera (KPS), tetapi kadang-kadang disamakan dengan KPS dan KS (Keluarga
Sejahtera) I, klasifikasi dari BKKBN. Klasifikasi tersebut dibuat berdasarkan
beberapa indikator, termasuk pola konsumsi makanan, jenis layanan kesehatan
yang dapat diakses oleh anggota keluarga, kepemilikan dan penggunaan pakaian,
bahan dan ukuran lantai rumah, dan kemudahan bagi anggota keluarga untuk
melaksanakan ibadah menurut agamanya masing-masing. Penetapan indikator–
indikator tersebut dilakukan oleh tim lintas sektoral dan para ahli (pakar) berbagai
bidang, terutama dari Ikatan Sosiologi Indonesia (ISI).
Ciri-ciri keluarga yang berkaitan dengan aspek keluarga sejahtera
dikelompokkan menjadi lima tahap dan diterjemahkan ke dalam 23 indikator
(BKKBN 2004). Indikator-indikator tersebut adalah :
1. Anggota keluarga melaksanakan ibadah menurut agama yang dianut.
2. Pada umumnya seluruh anggota keluarga makan dua kali sehari atau lebih.
3. Seluruh anggota keluarga memiliki pakaian yang berbeda untuk di rumah,
bekerja/sekolah dan bepergian.
4. Bagian terluas dari lantai rumah bukan dari tanah.
4
5. Bila anak atau anggota keluarganya yang lain sakit dibawa ke sarana/
petugas kesehatan. Demikian halnya bila PUS ingin ber-KB dibawa ke
sarana/petugas kesehatan dan diberi obat/cara KB modern.
6. Anggota keluarga melaksanakan ibadah secara teratur menurut agama
yang dianut masing-masing.
7. Sekurang-kurangnya sekali seminggu keluarga menyediakan daging atau
ikan atau telur sebagai lauk pauk.
8. Seluruh anggota keluarga memperoleh paling kurang satu stel pakaian
baru setahun terakhir.
9. Luas lantai rumah paling kurang 8 m2 untuk tiap penghuni rumah.
10. Seluruh anggota keluarga dalam tiga bulan terakhir berada dalam keadaan
sehat sehingga dapat melaksanakan tugas/fungsi masing-masing.
11. Paling kurang satu orang anggota keluarga yang berumur 15 tahun ke atas
mempunyai penghasilan tetap.
12. Seluruh anggota keluarga yang berumur 10-60 tahun bisa membaca tulisan
latin.
13. Seluruh anak berusia 6-15 tahun saat ini (waktu pendataan) bersekolah.
14. Bila anak hidup dua orang atau lebih pada keluarga yang masih PUS, saat
ini mereka memakai kontrasepsi (kecuali bila sedang hamil).
15. Mempunyai upaya untuk meningkatkan pengetahuan agama.
16. Sebagian dari penghasilan keluarga dapat disisihkan untuk tabungan
keluarga.
17. Biasanya makan bersama paling kurang sekali sehari dan kesempatan ini
dimanfaatkan untuk berkomunikasi antar-anggota keluarga.
18. Ikut serta dalam kegiatan masyarakat di lingkungan tempat tinggalnya.
19. Mengadakan rekreasi bersama di luar rumah paling kurang sekali dalam
enam bulan.
20. Memperoleh berita dengan membaca surat kabar, majalah, mendengarkan
radio atau menonton televisi.
21. Anggota keluarga mampu mempergunakan sarana transportasi.
22. Keluarga atau anggota keluarga secara teratur memberikan sumbangan
bagi kegiatan sosial masyarakat dalam bentuk materi.
5
23. Kepala
keluarga
atau
anggota
keluarga
aktif
sebagai
pengurus
perkumpulan, yayasan, atau institusi masyarakat lainnya.
Indikator-indikator tersebut digunakan untuk mengelompokkan keluarga sejahtera
dalam lima tahapan, yaitu :
1. Keluarga Pra Sejahtera (KPS)
Keluarga-keluarga yang belum dapat memenuhi kebutuhan dasarnya
secara minimal, seperti kebutuhan akan pengajaran agama, pangan,
sandang, papan dan kesehatan.
2. Keluarga Sejahtera I (KS I)
Keluarga tersebut sudah dapat memenuhi kebutuhan yang sangat
mendasar, tetapi belum dapat memenuhi kebutuhan yang lebih tinggi.
Indikator yang dipergunakan, indikator 1-5.
3. Keluarga Sejahtera II (KS II)
Keluarga yang selain dapat memenuhi kebutuhan dasar minimumnya
dapat pula memenuhi kebutuhan sosial psikologisnya, tetapi belum dapat
memenuhi kebutuhan pengembangannya. Indikator yang dipergunakan,
indikator 1-14.
4. Keluarga Sejahtera III (KS III)
Keluarga yang telah dapat memenuhi kebutuhan dasar minimum dan
kebutuhan sosial psikologisnya serta sekaligus dapat memenuhi kebutuhan
pengembangannya, tetapi belum aktif dalam usaha kemasyarakatan di
lingkungan desa atau wilayahnya. Mereka harus memenuhi persyaratan
indikator 1-21.
5. Keluarga Sejahtera III Plus
Keluarga yang selain telah dapat memenuhi kebutuhan dasar minimumnya
dan kebutuhan sosial psikologisnya, dapat pula memenuhi kebutuhan
pengembangannya, serta sekaligus secara teratur ikut menyumbang dalam
kegiatan sosial dan aktif pula mengikuti gerakan semacam itu dalam
masyarakat. Keluarga-keluarga tersebut memenuhi semua indikator yang
digunakan.
6
Peta Kemiskinan
Peta kemiskinan menyediakan informasi distribusi spatial kemiskinan
pada suatu propinsi dan dapat mengungkapkan variasi lokal yang nyata tentang
kondisi kehidupan di suatu wilayah. Peta tersebut akan lebih baik jika disajikan
untuk mewakili daerah geografi yang lebih kecil, seperti kota, kotamadya, bagian
administratif lainnya dalam sebuah propinsi. Peta kemiskinan yang terinci untuk
wilayah administrasi kecil berperan penting dalam mengatasi kekurangan analisis
kemiskinan agregat melalui hal-hal berikut ini (Suryahadi dan Sumarto 2003) :
1. Peta kemiskinan menangkap heteroginitas kemiskinan dalam suatu negara
tertentu. Semua negara di dunia memiliki wilayah-wilayah yang lebih
makmur daripada wilayah lainnya. Perbedaan ini sering tersamarkan
dalam statistik nasional. Hasil studi awal SMERU menunjukkan bahwa
peta kemiskinan mampu mengungkapkan variasi tingkat kemiskinan di
tingkat lokal.
2. Peta kemiskinan memperbaiki penentuan sasaran intervensi. Sumbersumber daya untuk program penanggulangan kemiskinan dapat digunakan
secara lebih efektif jika kelompok-kelompok yang paling membutuhkan
bantuan dapat ditentukan dengan lebih baik. Mencegah kebocoran dari
manfaat program jatuh ke rumah tangga yang tidak miskin akan membantu
mengurangi resiko rumah tangga miskin terluput dari program.
3. Peta kemiskinan dapat membantu pemerintah menjelaskan berbagai tujuan
kebijakan. Keputusan yang diambil berdasarkan data sebaran geografis
kemiskinan
akan
meningkatkan
transparansi
dalam
pengambilan
keputusan pemerintah dibandingkan dengan penilaian subjektif tentang
perbandingan kemiskinan antar daerah. Karena itu, peta kemiskinan yang
dibuat dengan baik dapat menambah kredibilitas pengambilan keputusan
pemerintah.
4. Peta kemiskinan berperan penting dalam menyampaikan informasi
mengenai distribusi kesejahteraan kepada masyarakat madani di suatu
negara. Informasi mengenai tingkat kesejahteraan yang terdisagregasi
memberikan informasi yang relevan. Informasi tersebut berisi fakta-fakta
yang diperlukan pelaku lokal untuk pengambilan keputusan di tingkat
7
lokal. Karena itu, peta kemiskinan juga merupakan alat penting dalam
melakukan pemberdayaan masyarakat lokal dan desentralisasi.
5. Peta kemiskinan bermanfaat untuk mengevaluasi dampak berbagai
program. Hingga saat ini tidak adanya indikator kesejahteraan untuk
wilayah kecil yang cukup memadai telah menghalangi para peneliti
melakukan kajian mengenai hubungan antara berbagai program,
kemiskinan, ketimpangan, dan berbagai dampaknya, misalnya terhadap
kesehatan, pendidikan, kejahatan, dan lingkungan. Peta kemiskinan
membuka kesempatan lebih luas bagi para peneliti untuk mempelajari
hubungan-hubungan tersebut.
6. Estimasi indikator kemiskinan di wilayah kecil dapat digabungkan dengan
Sistem Informasi Geografis (SIG). Hal ini memungkinkan penggabungan
informasi mengenai kemiskinan dengan indikator-indikator lain dari
bidang yang relevan dengan kebijakan. Contohnya adalah pangkalan data
geografis mengenai infrastruktur transportasi, pusat-pusat layanan publik,
akses terhadap pasar input dan output, atau informasi mengenai kualitas
sumber daya serta kerentanannya. Dengan menggunakan teknik tumpangtindih geografis dan metoda analisis spatial, pangkalan data yang baru
mengenai kemiskinan tersebut akan dapat digunakan untuk menjawab
serangkaian pertanyaan dari berbagai disiplin ilmu.
Metode Flexibly Shaped Spatial Scan Statistic
Metode Flexibly Shaped Spatial Scan Statistic diperkenalkan oleh Toshiro
Tango dan Kunihiko Takahashi pada tahun 2005. Metode tersebut fleksibel
terhadap bentuk kantong yang dihasilkan jadi tidak terbatas pada bentuk lingkaran
saja. Pada awalnya, suatu daerah dibagi menjadi m bagian yang lebih kecil seperti,
propinsi dan desa berdasarkan pertambahan jarak (selanjutnya disebut terdiri dari
m desa). Jumlah kasus yang ada di desa i merupakan peubah yang dilambangkan
dengan Yi, diasumsikan saling bebas dan mengikuti sebaran Poisson.
Flexibly dapat ditempatkan pada kantong yang tidak teratur pada setiap
desa. Window ke-i dilambangkan dengan Wi yang merupakan kumpulan desa i dan
desa-desa yang berbatasan dengan desa i. Kemudian disusun himpunan Z yang
8
bentuknya tidak teratur dengan panjang k pada tiap desa, yang terdiri atas k desa
(termasuk desa i). Z merupakan himpunan bagian dari W dan panjangnya mulai
dari 1 sampai panjang maksimum k. Desa yang berbatasan dibatasi sebagai
himpunan bagian dari desa i dan (K - 1) desa sekitar yang terdekat dengan desa i
untuk menghindari pendeteksian kantong yang bentuknya aneh (unlikely peculiar
shape). Kemudian akan banyak terbentuk Z yang bentuknya berbeda-beda dan
saling tumpang tindih. Z tersebut dilambangkan dengan Zik(j), j = 1,..., jik
melambangkan Z ke-j yang merupakan himpunan k desa yang berhubungan dan
dimulai dari desa i. Dimana jik adalah jumlah j yang memenuhi Zik(j)
Zik dengan
k = 1,..., K. Kemudian semua Z yang diperiksa dimasukkan dalam himpunan :
Z = {Zik(j) | 1 ≤ i ≤ m, 1 ≤ k ≤ K, 1 ≤ j ≤ jik}
(1)
Algoritma yang digunakan untuk mendapatkan Z tersebut dengan panjang
maksimum K yang telah ditentukan (Tango dan Takahasi 2005), sebagai berikut :
1. Membuat matriks A = (aij) berukuran m × m, dimana :
⎧1, jika desa i dan desa j berbatasan
aij = ⎨
⎩0, lainnya
dan himpunan Z = himpunan kosong dan i0= 0
2. Biarkan i0 ← i0 + 1 dan i0(= 1, 2,..., m) menjadi desa awal. Kemudian
dibentuk himpunan Wi0 yang terdiri dari (K - 1) tetangga terdekat ke desa
awal i0 dan i0 sendiri, seperti :
Wi0 = {i0, i1, i2,..., iK - 1}, dimana ik merupakan k- desa terdekat ke i0.
3. Bentuk semua himpunan Z ⊂ Wi0, termasuk desa awal i0. Untuk himpunan
Z lainnya, ulangi kembali langkah 4–7.
4. Himpunan Z dibagi menjadi dua himpunan yang tidak berhubungan Z0 =
{i0}dan Z1 terdiri dari desa lain yag terdapat dalam Z.
5. Membuat dua himpunan baru Z’0 dan Z’1. Z’0 terdiri dari desa Z1 yang
berbatasan dengan beberapa desa Z0. Pada bagian lain, Z’1 terdiri dari desa
Z1 yang tidak berbatasan dengan desa Z0. Kemudian Z0 diganti menjadi Z’0
dan Z1 diganti menjadi Z’1.
6. Ulangi langkah 5 secara rekursif sampai Z0 atau Z1 menjadi himpunan
kosong.
7. Keputusannya sebagai berikut :
9
Z dikatakan berbatasan jika Z1 menjadi himpunan kosong dan tidak
berbatasan jika Z0 menjadi himpunan kosong. Bila Z berbatasan, maka Z
dimasukkan dalam himpunan Z. tetapi bila Z tidak berbatasan maka
sebaliknya.
8. Ulangi langkah 2-7 sampai akhirnya kita memperoleh himpunan Z yang
terdiri dari Z dengan bentuk tertentu dan panjang maksimum K.
Hipotesis yang digunakan, paling tidak ada satu Z, dimana desa-desa di
dalam Z memiliki peluang lebih besar dibandingkan di luar Z. Dengan kata lain,
hipotesisnya sebagai berikut :
H0 : λ(z) = λ(zc) , untuk semua Z
(2)
H1 : λ(z) > λ(zc), untuk beberapa Z
(4)
Bisa juga dituliskan
H0 : RR = λ(z) / λ(zc) =1 , untuk semua Z
(5)
H1 : RR = λ(z) / λ(zc) >1, untuk beberapa Z
(6)
Dimana λ(z) melambangkan proporsi keluarga miskin di dalam Z, λ(z ) proporsi
c
di luar Z, dan RR adalah resiko relatif desa-desa di dalam Z. Pada setiap Z, kita
dapat menghitung likelihood untuk mengamati jumlah kemiskinan di dalam dan di
luar Z. Dengan asumsi Poisson, uji statistik yang disusun dengan uji rasio
likelihood :
sup ⎡ n( z ) ⎤
z ∈ Z ⎢⎣λ ( z )⎥⎦
n( z)
⎡ n( z c ) ⎤
⎢
c ⎥
⎣λ ( z ) ⎦
n( z c )
⎡ n( z ) n( z c ) ⎤
〉
I⎢
c ⎥
⎣λ ( z ) λ ( z ) ⎦
(7)
zc melambangkan semua desa di luar Z, dan n() melambangkan jumlah
kemiskinan dalam Z yang ditentukan dan I() merupakan fungsi indikator. Ketika
program diatur hanya untuk memeriksa kantong dengan high rates, maka :
⎧1, jika Z memiliki peluang lebih besar
I() = ⎨
⎩0, lainnya
Begitu juga sebaliknya jika hanya untuk kantong dengan low rates. Tetapi jika
diatur untuk high dan low rates, maka I() = 1 untuk semua Z.
Uji statistik yang dilakukan menggunakan pengujian hipotesis Monte
Carlo. P-value diperoleh dengan membandingkan rank dari likelihood yang
10
maksimal dari data yang sebenarnya dengan likelihood yang maksimal dari
himpunan data acak. Jika rank dilambangkan R, maka p = R /(1+#simulasi). Agar
p memiliki nilai yang bagus dilihat, maka nilainya dibatasi 999 atau nomor lain
yang diakhiri 999 seperti 1999, 9999 or 99999. Itulah mengapa nilai cut-off seperti
0.05, 0.01 dan 0.001, ketika menolak atau menerima Ho.
Kantong-kantong yang terbentuk akan diurutkan berdasarkan nilai
likelihoodnya. Z* yang mencapai maksimum likelihood dinyatakan sebagai most
likely cluster (MLC), yaitu kumpulan desa-desa yang disebut sebagai hotspot.
Sebaran Poisson
Jumlah keluarga miskin per desa dilambangkan dengan Yi, merupakan
peubah yang diasumsikan saling bebas dan mengikuti sebaran Poisson. Jumlah
keluarga miskin dapat dipandang sebagai ”insiden kemiskinan” sehingga untuk
mengamati sebarannya dapat dilakukan dengan menggunakan sebaran Poisson
sebagai berikut :
Yi ~ Poisson (λiNi), f ( y i ) = e −λi N i
(λi N i ) y i
yi !
(8)
i ∈ (1, 2, 3, ..., m), y = 0, 1, 2, 3, ... ~
Dimana :
λi
= Resiko di desa i
Yi
= Jumlah keluarga miskin per desa
Ni
= Jumlah keluarga per desa
ΣYi = Y
= Total jumlah keluarga miskin
ΣNi = N
= Total jumlah keluarga
1
N
∑λ N
i
i
=λ
= Resiko rata-rata
Metode Maksimum Likelihood
Fungsi likelihood untuk λ adalah :
m
m
i =1
i =1
L λΝ yi , y 2 ,..., ym = ∏ f yi λΝ = ∏ e − λN i
(λN i ) y i
yi !
(9)
11
⎡ ∑ yi m
⎤
⎢ i =1 ∏ N i yi ⎥
−λ ∑ Ni λ
⎥
i =1
e i =1 ⎢
⎢
⎥
m
⎢ ∏ yi ! ⎥
⎢⎣
⎥⎦
i =1
m
m
=
(10)
kemudian persamaan 10 diLn dan diturunkan sehingga diperoleh persamaan 11
dan 12
m
m
m
i =1
i =1
i =1
m
LnL(λΝ ) = −λ ∑ N i + ∑ y i Lnλ + Ln∏ N i i − Ln∏ yi !
y
(11)
i =1
m
m
dLnL (λΝ )
yi
= −∑ N i + ∑
i =1
dλ
i =1
(12)
λ
Persamaan likelihood :
m
m
dLnL(λΝ )
yi
= −∑ N i + ∑
=0
i =1
dλ
i =1
(13)
λ
m
∑y = ∑N
m
i =1
i
λ
i =1
i
(14)
kemudian diperoleh pesamaan-persamaan berikut :
m
)
λ=
∑y
i =1
m
i
∑N
i =1
=
Y
= Resiko total
N
(15)
i
)
yi
=Resiko di desa i
Ni
)
λi y i N i
= Resiko relatif desa i terhadap desa j
RRi,j = ri,j = ) =
λj yj / N j
λi =
) )
RRz = rz =Resiko relatif Z = λ z / λ z c ,
(16)
(17)
(18)
)
λ z = Resiko di Z
)
λ z = Resiko di luar
c
12
Uji Rasio Log Likelihood
Hipotesis yang digunakan :
H0 : RR = λ(z) / λ(zc) =1 , untuk semua Z
H1 : RR = λ(z) / λ(zc) >1, untuk beberapa Z
Fungsi likelihood untuk λ pada sebuah Z
L λΝ yi , y 2 ,..., ym = likelihood untuk desa-desa di dalam kantong
L λc Ν yi , y 2 ,..., ym = likelihood untuk desa-desa di luar kantong
Uji Rasio Log Likelihood = Log Likelihood (H1 benar)/ Log Likelihood (H0 benar)
Log [Likelihood ( λ N) . Likelihood ( λc N)]
=
Log Likelihood ( λtot N)
⎡
Log ⎢
⎣
(λN i ) y i
.
yi !
d
∏ e − λN i
i =1
dc
∏ e − λc N i
i =1
(λc N i ) yi ⎤
⎥
yi ! ⎦
=
(19)
⎡
⎢
⎣
Log
d tot
∏e λ
−
tot N i
i =1
(λtot N i ) yi ⎤
⎥
yi !
⎦
Uji Rasio Log Likelihood =
d
d
d
i =1
i =1
i =1
dc
dc
dc
i =1
i =1
i =1
d
− λ ∑ N i + ∑ y i Lnλ + Ln∏ N i i − Ln∏ yi !
y
+
i =1
dc
− λc ∑ N i + ∑ y i Lnλ c + Ln∏ N i i − Ln∏ yi !
y
i =1
=
(20)
d tot
d tot
d tot
i =1
i =1
i =1
d tot
− λtot ∑ N i + ∑ y i Lnλtot + Ln∏ N i i − Ln∏ yi !
y
i =1
Dimana :
d = Jumlah desa di dalam Z
λ = Proporsi keluarga miskin di dalam Z
d c = Jumlah desa di luar Z
λc = Proporsi keluarga miskin di dalam Z
d tot = Jumlah desa di dalam Z
λtot = Proporsi keluarga miskin di dalam Z
13
Correlogram
Correlogram adalah fungsi yang menunjukkan korelasi kemiskinan antar
desa yang dipisahkan dengan jarak. Korelasi tersebut biasanya menurun terhadap
jarak, nilainya sampai mendekati nol serta dapat diduga dengan persamaan
(Sharov 1996) :
ρ ( h) = ⎢∑
⎡
⎣⎢
D1 D2 − N h M h2 ⎤
⎥
N h S h2
⎦⎥
(21)
Dimana :
D1,D2 = Jumlah keluarga miskin di desa 1 dan di desa 2.
h
= Jarak antar desa
Nh
= Jumlah pasangan desa yang dipisahkan dengan jarak sejauh h
M h dan S h adalah mean dan standard deviasi dari jumlah keluarga miskin
Correlogram dapat didekati dengan beberapa model matematika dan model yang
biasa digunakan adalah :
Model eksponensial
⎧c1 exp(−3h / a ), h〉 0
1,
h=0
⎩
ρ ′(h) = ⎨
(22)
Model spherical
⎧c1 [1 − 1.5(h / a ) + 0.5(h / a ) 3 ],
ρ ′(h) = ⎨
⎩
1,
h〉 0
h=0
(23)
Dimana : c1 adalah sill (ambang) dan a adalah range
Model tersebut dapat diduga dengan menggunakan regresi non-linear. Pengujian
nilai korelasi untuk mengetahui nyata atau tidak, dengan menghitung nilai statistik
uji z-nya (Walpole 1995)
n − 3 ⎡ (1 + r )
Ln ⎢
2
⎣ (1 − r )
Dimana :
Ζ=
(1 − ρ 0 )⎤
(1 + ρ 0 )⎥⎦
(24)
Z = Nilai statistik uji z
r = Nilai korelasi
n = Jumlah pasangan
ρ0 = Nilai korelasi populasi = 0
Hipotesis yang digunakan H0 : r = 0 dan H1 : r ≠ 0 pada taraf α = 0.05
Kriteria : Tolak H0 jika Z < -1.96 dan Z > 1.96
14
DATA DAN METODE
Data
Data yang digunakan dalam penelitian ini adalah data kemiskinan dan
populasi per desa di Kabupaten Indramayu yang bersumber dari data Potensi Desa
(PODES) 2006. Data PODES antara lain mencakup kependudukan dan
ketenagakerjaan, perumahan dan lingkungan hidup, serta pendidikan dan
kesehatan.
Data kemiskinan merupakan jumlah keluarga yang dikategorikan PKS dan
KS I, sedangkan data populasi merupakan jumlah total keluarga per desa. Peta
desa di Kabupaten Indramayu diperoleh dari Bakosurtanal, sehingga dapat
diketahui batasan-batasan, luas desa, dan jarak antar desa.
Metode
Tahapan analisis yang dilakukan dalam penelitian ini :
A. Identifikasi kantong kemiskinan menggunakan metode Flexibly Shaped Spatial
Scan Statistic, berdasarkan uraian di latar belakang. Metode ini menggunakan
program FleXScan. Data yang digunakan, disusun ke dalam empat tabel
(Takahasi et al. 2005), yaitu :
1. File Coordinate
Format
Berisi nama desa serta letak desa berdasarkan garis lintang dan garis
bujur. Garis lintang dan garis bujur dirubah menjadi bentuk desimal
dalam derajat. Dengan cara sbb : xx(derajat) yy(menit) zz(detik)
menjadi xx + yy/60 + zz/3600 (derajat)
2. File Matrix definition
Format …
Kolom pertama merupakan nama desa. Kolom selanjutnya, nama desadesa yang berbatasan dengan desa yang dijelaskan pada kolom
pertama.
3. File Case
Format:
15
Kolom pertama merupakan nama desa yang susunannya sesuai dengan
susunan di File Coordinate. Kolom selanjutnya, jumlah keluarga
miskin yang terdapat pada desa yang sesuai dengan kolom pertama.
4. File Population
Format
Kolom pertama merupakan nama desa yang susunannya sesuai dengan
susunan di File Coordinate. Kolom selanjutnya, jumlah total keluarga
yang terdapat di desa tersebut.
Setelah semua data disusun, kemudian pilih metode flexible lalu run. Hasil yang
diperoleh dengan metode ini, bila digabungkan dengan peta Indramayu maka
diperoleh peta kemiskinan dengan program Arcview.
B. Pendugaan correlogram kemiskinan dan jarak
1. Data kemiskinan per desa dan jarak antar desa diurutkan berdasarkan
data jarak, mulai dari jarak terdekat sampai terjauh.
2. Data yang terurut dibagi menjadi beberapa kelompok per 2 km.
3. Menentukan korelasi antara kemiskinan dan jarak di tiap kelompok.
4. Plot data korelasi dan jarak sehingga diperoleh grafik yang dapat
menjelaskan pada jarak berapa tidak terdapat korelasi.
5. Pengujian signifikansi nilai korelasi
C. Penentuan pusat pengentasan kemiskinan di setiap kantong.
1. Menghitung panjang maksimum dan radius di setiap kantong. Radius
merupakan setengah dari panjang maksimum.
2. Menentukan pusat pengentasan kemiskinan di setiap kantong dengan
membandingkan radius terhadap jarak yang diperoleh pada tahap B.
Ketentuannya : Jika radius < jarak B maka pusat pengentasan
kemiskinan hanya pada pusat kantong. Tetapi kalau radius > jarak B
maka pusat pengentasan tidak hanya satu desa pada setiap kantong.
16
HASIL DAN PEMBAHASAN
Deskripsi Data
Data yang digunakan dalam penelitian ini bersumber dari data Potensi
Desa (PODES) 2006, pengambilan datanya dilakukan tahun 2005. Data PODES
berisi data tentang keterangan umum desa/kelurahan; kependudukan dan
ketenagakerjaan; antisipasi dan kejadian bencana alam; pendidikan dan kesehatan;
sosial budaya; rekreasi, hiburan, dan olah raga; angkutan, komunikasi, dan
informasi, penggunaan lahan; ekonomi; politik dan keamanan; keterangan aparat
desa/kelurahan. Sedangkan peta yang digunakan adalah peta digital Indramayu
tahun 2003. Data PODES yang digunakan, disesuaikan dengan kecamatankecamatan yang ada pada peta.
Berdasarkan defenisi kemiskinan dari BKKBN, Kabupaten Indramayu
memiliki persentase kemiskinan tertinggi dibandingkan kabupaten lain yang
terdapat di Provinsi Jawa Barat. Secara keseluruhan persentase kemiskinan di
Jawa Barat sebesar 37.5% dan Kabupaten Indramayu sebesar 64%.
Kabupaten Indramayu memiliki 24 kecamatan dan 310 desa. Peta
Indramayu per kecamatan dapat dilihat pada Gambar 1.
PETA INDRAMAYU
LAUT JAWA
SUBANG
CIREBON
Peta indramayu.shp
ANJATAN
ARAHAN
BALONGAN
BANGODUA
BONGAS
CANTIGI
CIKEDUNG
GABUSWETAN
HAURGEULIS
INDRAMAYU
JATIBARANG
JUNTINYUAT
KANDANGHAUR
KARANGAMPEL
KERTASEMAYA
KRANGKENG
KROYA
LELEA
LOHBENER
LOSARANG
SINDANG
SLIYEG
SUKRA
WIDASARI
N
SUMEDANG
W
20
0
20
E
40 Miles
S
Gambar 1 Peta Indramayu
17
Berdasarkan Gambar 1, Kabupaten Indramayu berbatasan dengan Kabupaten
Subang, Sumedang dan Cirebon. Bagian utara berbatasan dengan Laut Jawa.
Kabupaten Indramayu memiliki jumlah total keluarga 467,479 keluarga
dan jumlah keluarga miskin 299,185 keluarga. Persentase kemiskinan per
kecamatan dapat dilihat pada Gambar 2.
Persentase(%)
Persentase Kemiskinan
90
85
80
75
70
65
60
55
50
45
40
35
30
25
20
15
10
5
0
l
i
i
t
u
r
r
s
an ti g ng y a eg au k ra ay a ang dua ne ung mpe s ar el ea ang eul i tan ay y ua gan ang gas tan
e d a
u m
d
a L ar rg nj a am in on ar on we
o
ah an k e ro l iy h
ib au A dr unt al os B us
Ar C ang K S ang S s e Si n an g ohb ik e ng Wi d
t
C ra
B L
L
In J
B
Ja H
r ta
Kr
nd
ab
ta
G
Ka
Ke
Ka
Ko
Kecamatan
Gambar 2 Persentase kemiskinan
Berdasarkan Gambar 2, persentase kemiskinan antara 40%-90%. Tiga kecamatan
yang memiliki persentase lebih dari 85%, yaitu Kecamatan Krangkeng, Cantigi,
dan Arahan. Kecamatan Gabus Wetan merupakan kecamatan yang memiliki
persentase relatif terendah.
Peta sebaran kemiskinan per kecamatan, tampak pada Gambar 3. Gambar
tersebut menunjukkan bahwa kecamatan-kecamatan yang ada dikelompokkan ke
dalam 5 kelompok berdasarkan persentase kemiskinannya. Kecamatan-kecamatan
yang berada pada tingkatan terendah dan tertinggi sama dengan kesimpulan yang
diperoleh dari Gambar 2. Kelompok I merupakan kumpulan desa-desa dengan
persentase relatif terendah. Kelompok ini terdiri dari tiga kecamatan dengan
persentase kemiskinan 39.39%-43.17%, yaitu : Kecamatan Bongas, Gabus Wetan,
dan Losarang. Kelompok II terdiri dari enam kecamatan dengan persentase
43.17%-60.01%, yaitu : Kecamatan Balongan, Juntinyuat, Jatibarang, Haurgeulis,
Anjatan dan Kota Indramayu. Kelompok III terdiri dari tujuh kecamatan dengan
persentase 60.01%-68.81%, yaitu : Kecamatan Karangampel, Sindang, Cikedung,
Lelea, Lohbener, Bangodua, dan Widasari.
Kelompok IV terdiri dari lima Kecamatan dengan persentase 6