Discriminant Analysis TINJAUAN PUSTAKA
Tabel 4 Jenis, sumber data yang digunakan, teknik analisis data dan output yang diharapkan
No. Tujuan
Jenis Data Sumber
Data Teknik Analisis Data
Output yang diharapkan
1. Memetakan pola spasial
kemiskinan . Jumlah keluarga pra-Sejahtera dan Sejahtera I
per Kecamatan, jumlah penduduk miskin di bantaran sungai, dibawah jaringan SUTET,
lokasi terisolasi dan di pemukiman kumuh, peta. PODES
BPS Principal Component Analysis
Cluster Analysis Discriminant Analysis
Analisis Kuadran Peta konfigurasi sebaran
kemiskinan dan penduduk, dan pola spasial tipologi
kemiskinan
2. Memetakan pola spasial
Pembangunan ManusiaSosial
Jumlah penduduk laki-lakiperempuan, cacat, kelahiran, kematian, keluar masuk, PUS dan
akseptor KB, jumlah tenaga pendidik dan fasilitas pendidikan, jumlah tenaga kesehatan
dan
fasilitas kesehatan,
jumlah peserta
ASKESKIN, jumlah surat miskin, jumlah penderita wabah penyakit dan yang meninggal,
Jumlah aparat desa dan keamanan, Fasilitas Ibadah, Intensitas Konflik, peta.
PODES BPS
Principal Component Analysis Cluster Analysis
Discriminant Analysis Analisis Kuadran
Peta Konfigurasi tingkatan Pembangunan Kesehatan,
Pendidikan dan Sosial, serta Pola Spasial tipologi
Pembangunan ManusiaSosial
3. Memetakan pola spasial
Aktivitas Ekonomi. Luas panen padi, produksi tanaman pangan
lain, produksi hasil perkebunan, populasi ternak besar, kecil dan unggas, jumlah dan jenis
industri, koperasi , perdagangan dan hotel, jumlah surat izin industri dan perdagangan yang
dikeluarkan, intensitas bencana dan luasan penggunaan lahan, peta.
PODES BPS
Principal Component Analysis Cluster Analysis
Discriminant Analysis Analisis Kuadran
Peta konfigurasi sebaran aktivitas sektor pertanian dan
industriperdagangan, dan pola spasial tipologi
4. Menganalisis Keterkaitan
Variabel Pembangunan ManusiaSosial dan
aktivitas ekonomi dengan kemiskinan.
- Indeks Komposit Kemiskinan,
pembangunan manusiasosial dan aktivitas ekonomi
- Jarak ketetanggaan
Hasil analisis 1, 2
dan 3 BAPPEDA
Multiple regression Spatial Durbin Model
Hubungan fungsional antara kemiskinan dengan variabel-
variabel Pembangunan ManusiaSosial dan aktivitas
ekonomi
5. Menyusun arahan
kebijakan penanganan kemiskinan
- Pola Spasial Tipologi Kemiskinan,
pembangunan manusiasosial dan aktivitas ekonomi.
- Data-data statistik dan hasil analisis
penelitian terkait. Hasil
analisis 1, 2,3 dan 4.
Cluster Analysis Analisis Deskriptif
Susunan arahan penanganan kemiskinan
35
36
Pangsa data dihitung dengan persamaan berikut : PA
i
= ∑A
i
∕ ∑A
tot
Keterangan: PA
i
= pangsa data aktivitas i
∑A
i
= jumlah aktivitas di wilayah i ∑A
tot
= jumlah aktivitas di total wilayah agregat Rasio data dihitung dengan persamaan berikut :
rasA
i
= ∑A
i
∕ ∑Pd
i
Keterangan: rasA
i
= rasio data aktivitas i
∑A
i
= jumlah aktivitas di wilayah i ∑Pd
i
= jumlah penduduk di wilayah i Variabel pangsarasio diortogonalisasi dengan menggunakan teknik
Principal Component Analysis PCA menjadi variabel yang saling lepas dan
menjadi penciri wilayah Lampiran 1. Penciri utama adalah faktor dengan eigenvalue
-nya satu atau lebih dan variabel yang terkait dengan penciri utama adalah variabel yang factor loading-nya lebih dari 0,7.
Penciri wilayah dimanfaatkan untuk mengelompokkan klaster wilayah berdasarkan kedekatan jarak Euclidean distance penciri menggunakan Cluster
Analysis dengan tiga klasifikasi penciri tinggi, sedang, rendah. Hasil klasifikasi
menjadi atribut untuk menghasilkan peta konfigurasi dengan memanfaatkan ArcGIS 9.3, dimana warna hijau menjelaskan penciri dengan tingkatan
pencapaian baik, warna kuning untuk penciri dengan pencapaian sedang, dan warna merah untuk pencapaian buruk. Pembeda dari klaster ditentukan dengan
Discriminant Analysis , dimana pembeda yang paling signifikan adalah penciri
dengan p-level yang kurang dari 0,01. Konfigurasi wilayah yang dihasilkan dari formasi penciri di tingkat
kecamatan menjadi pembobot untuk kabupatenkota, dimana bobot tersebut digunakan untuk membangun pola spasial kabupatenkota dengan teknik analisis
kuadran. Pola spasial kelompok analisis dalam penelitian ini terdiri atas: 1 konfigurasi sebaran keluarga miskin dengan sebaran penduduk yang
membentuk pola spasial tipologi kemiskinan; 2 konfigurasi pembangunan manusia dengan pembangunan sosial membentuk pola spasial tipologi
pembangunan manusiasosial; dan 3 konfigurasi aktivitas sektor pertanian dengan sektor industriperdagangan membentuk pola spasial tipologi aktivitas ekonomi.
37
Penciri-penciri yang dihasilkan dari Analisis Komponen Utama dimanfaatkan pula untuk menganalisis keterkaitan antara variabel-variabel
pembangunan manusiasosial dan aktivitas ekonomi dengan kemiskinan melalui analisis regresi bobot berganda yang membentuk Spatial Durbin Model. Model
yang terbentuk dengan koefisien korelasi berganda R dan koefisien determinasi R
2
mendekati satu adalah model yang lebih tepat menggambarkan keterkaitan. Bobot dari setiap kabupatenkota berikutnya dianalisis untuk menjadi dasar
penyusunan tipologi wilayah kabupatenkota berdasarkan pola spasial kemiskinan, pembangunan manusiasosial, dan aktivitas ekonomi. Tipologi kabupatenkota
dan variabel-variabel yang terkait secara fungsional dijadikan dasar arahan penanganan kemiskinan dan didukung analisis deskriptif dari teori-teori yang
terkait permasalahan
pembangunan. Hasil-hasil
penelitian sebelumnya
dimanfaatkan untuk memperkuat arahan yang disusun. Keseluruhan analisis dalam penelitian ini ditampilkan pada Gambar 4.
Gambar 4 Bagan Alir Penelitian.
38