pendatang dilakukan menggunakan tabulasi silang variabel sosial ekonomi hasil pengolahan data Susenas KOR 2004. Untuk melihat apakah jenis kelamin kepala
rumah tangga dapat mempengaruhi miskin atau tidak miskinnya suatu rumah tangga dan faktor sosial maupun ekonomi apa yang dapat mempengaruhi
kemiskinan digunakan alat statistik berupa model logit. Terakhir, untuk mengetahui faktor-faktor lain yang menyebabkan kemiskinan yang berkaitan
dengan orientasi nilai-budaya dilakukan analisis deskriptif hasil studi mendalam.
3.4.1. Metode Wawancara Mendalam
Penelitian ini menggunakan penelitian pendekatan kualitatif dengan Teknik analisa dengan metode wawancara mendalam. Metode Wawancara mendalam
dilakukan terhadap tiga puluh responden penduduk miskin betawi dan tiga puluh responden penduduk miskin pendatang di tiga kelurahan yaitu: Kelurahan
Kebagusan Jakarta Selatan, Kelurahan Menteng Dalam Jakarta Selatan dan Kelurahan Marunda Jakarta Utara. Wawancara mendalam tersebut dilakukan
untuk menelaah orientasi nilai budaya pada Betawi dan pendatang. Contoh hasil wawancara mendalam dapat dilihat pada lampiran.
3.4.2. Metode Regresi logistik
Data variabel respon Y dalam salah satu perihal yang dibahas dalam studi ini berupa data dikotomikbiner yang mengindikasikan diagnosis dari rumah
tangga miskin Y=1 dan tidak miskin Y=0. Variabel respon Y yang hanya mempunyai dua kategori ini diasumsikan mengikuti distribusi Bernouli Agresti,
1990. EY = 1 x PY=1 + 0 x P Y=0 = PY=1
Peluang kejadian suatu rumah tangga miskin atau tidak miskin dinotasikan dengan
π x dengan nilai probabilitas 0 ≤ π x ≥1, merupakan variabel respon dari nilai k variabel penjelas X = X
1
, X
2
, X
3
, ..., X
k
dan
j
nilai parameter dengan j=1,2,3,..., k. Bentuk umum model peluang regresi logistik dengan j variabel
penjelas dengan observasi i = 1, 2, ..., I
diformulasikan sebagai berikut:
π x merupakan fungsi yang non linier tidak hanya dalam X tapi juga dalam parameter
, sehingga perlu dilakukan transformasi ke dalam bentuk logit untuk memperoleh fungsi yang linier dalam upaya menaksir parameter-parameter
persamaan Agresi, 1990 dan melihat hubungan antara variabel bebas dan variabel tidak bebas. Persamaan yang lebih sederhana didapat dengan melakukan
transformasi logit π x tersebut adalah sebagai berikut:
Dalam regresi logistik, variabel respon dapat diekspresikan sebagai berikut: y
i
= π x +
i
, dimana i= 1, 2, 3, ..., n. dimana
i
= 1 - π x, jika y = 1 dengan peluang π x dan
i
= - π x, jika y = 0
dengan peluang [1-
i
= 1 - π x].
Dari persamaan tersebut fungsi dalam penelitian ini
πx = probabilitaspeluang suatu rumah tangga miskin atau tidak miskin i = kepala rumah tangga ke-i sampel Susenas Kor 2004 = 1, 2, ..., 7099
x
1
= tingkat pendidikan kepala rumah tangga x
2
= status pekerjaan kepala rumah tangga x
3
= jumlah jam kerja kepala rumah tangga dalam seminggu produktivitas x
4
= umur kepala rumah tangga x
5
= jenis kelamin kepala rumah tangga x
6
= tingkat kesehatan kepala rumah tangga x
7
= kepemilikan kepala rumah tangga terhadap jaminan kesehatan x
8
= jumlah anggota rumah tangga x
9
= kepemilikanakses kepala rumah tangga terhadap kredit usaha x
10
= suku kepemilikan kepala rumah tangga
a. Uji Signifikansi Model
Untuk mengetahui pengaruh variabel bebas terhadap variabel tidak bebas secara bersama-sama di dalam model, dapat menggunakan uji Likelihood Ratio.
Hipotesisinya adalah sebagai berikut: H
o
:
1
=
2
= ...=
k
= 0 tidak ada pengaruh variabel bebas secara simultan
.... 1
ln
1 1
k k
x x
x x
x g
....
10 10
1 1
i i
x x
x Logit
terhadap variabel tak bebas. H
1
: minimal ada satu
j
0 ada pengaruh paling sedikit satu variabel bebas terhadap variabel tak bebas.
Untuk j = 1,2, ..., k Statistik uji yang digunakan adalah ,
dengan a L = Maksimum Likelihood dari model reduksi reduce model atau
model yang terdiri dari konstanta saja; b L
k
= Maksimum Likelihood dari model penuh full model atau dengan semua variabel bebas. Statistik G
2
ini
2 -p
atau p-value
, yang berarti variabel bebas X secara bersama-sama mempengaruhi variabel tak bebas Y.
b. Uji Parameter Model
Pengujian keberartian parameter koefisien secara partial dapat dilakukan
melalui Uji Wald dengan hipotesisnya sebagai berikut: H
:
j
= 0 variabel bebas ke-j tidak mempunyai pengaruh secara signifikan
terhadap variabel tidak bebas; H
1
:
j
0 variabel bebas ke-j mempunyai pengaruh secara signifikan
terhadap variabel tidak bebas; Untuk j = 1, 2, ..., p, dengan statistik uji sebagai berikut:
Hipotesis akan ditolak jika W
2 -1
atau p-value yang berarti
variabel bebas X
j
secara partial mempengaruhi variabel tidak bebas Y.
c. Odds Ratio
Odds ratio merupakan ukuran risiko atau kecenderungan untuk mengalami kejadian tertentu antara satu kategori dengan kategori lainnya, didefinisikan
sebagai ratio dari odds untuk x
j
= 1 terhadap x
j
= 0. Odds ratio ini menyatakan risiko atau kecenderungan pengaruh observasi dengan x
j
= 0. Untuk variabel bebas yang berskala kontinyu maka interpretasi dari koefisien
j
pada model
k
L L
G
2
ln 2