2 kesehatan invers jumlah orang meninggal akibat penyakit per seribu penduduk, 3 daya beli invers jumlah keluarga prasejahtera dan sejahtera I per
jumlah keluarga, invers banyaknya penduduk yang tidak mempunyai pekerjaan per jumlah keluarga, 4 aksesibilitas informasi banyaknya keluarga yang
berlangganan telepon dan banyaknya keluarga yang mempunyai televisi per jumlah keluarga, 5 kewirausahaan jumlah industri kerajinan per seribu
penduduk. Variabel-variabel yang diasumsikan mampu menjelaskan potensi sumber daya sosial, antara lain: kegiatan dan kelompok sosial banyaknya jenis
kelompok sosial dan banyaknya jenis kelompok olah raga. Variabel-variabel yang diasumsikan mampu menjelaskan potensi sumber
daya buatan, antara lain: 1 fasilitas perumahan jumlah bangunan rumah per jumlah keluarga, 2 fasilitas pendidikan jumlah SD dan sederajat per seribu
penduduk, jumlah SLTP dan sederajat per seribu penduduk, jumlah SMU, SMK, dan sederajat per seribu penduduk, jumlah perguruan tinggi dan sederajat per
seribu penduduk, 3 fasilitas kesehatan jumlah rumah sakit, rumah sakit bersalin, poliklinik, puskesmas, puskesmas pembantu, tempat praktek dokter,
tempat praktek bidan per seribu penduduk, 4 fasilitas perhubungan dan komunikasi jumlah ketersediaan terminal angkutan umum roda-4 di kecamatan
dan jumlah stasiun KA per seribu penduduk, jumlah wartel, kiospon, warpostel, dan warnet per seribu penduduk, 6 fasilitas perekonomian jumlah toko,
warung, dan kios per seribu penduduk, jumlah restoran, rumah makan, serta kedai makanan dan minuman per seribu penduduk, jumlah bank umum dan bank
perkreditan rakyat BPR per seribu penduduk.
1. Analisis Komponen Utama
Tujuan dilakukannya analisis komponen utama terhadap variabel-variabel yang digunakan dalam penelitian ini adalah: 1 Untuk mentransformasikan suatu
struktur data dengan variabel-variabel yang saling berkorelasi menjadi struktur data baru dengan variabel-variabel baru yang kemudian disebut sebagai
Komponen Utama atau Faktor yang tidak saling berkorelasi Ortogonalisasi Variabel
; 2 Untuk menyederhanakan variabel sehingga banyaknya variabel baru yang dihasilkan jauh lebih sedikit dari pada variabel asalnya, tetapi proses
penyederhanaan tersebut tidak mengurangi total kandungan informasinya atau total ragamnya relatif tidak berubah.
Seperti dikemukakan oleh Saefulhakim 2004, bahwa dengan dilakukan analisis komponen utama akan membantu menyelesaikan permasalahan
multicollinearity , yaitu adanya fenomena saling berkorelasi antarvariabel penjelas,
serta mempermudah dalam memahami, mengkomunikasikan, dan menetapkan prioritas penanganan terhadap hal-hal yang lebih pokok dari struktur
permasalahan yang dihadapi. Analisis komponen utama terhadap variabel- variabel sumber daya alam, sumber daya manusia, sumber daya sosial, dan
sumber daya buatan yang digunakan dalam penelitian ini, dilakukan secara bertahap pada masing-masing kelompok variabel. Untuk variabel sumber daya
sosial, dalam proses analisis komponen utama digabung dengan sumber daya manusia karena jumlahnya yang sedikit. Setelah dari masing-masing kelompok
variabel sumber daya tersebut dihasilkan faktor penciri utama, baru kemudian dilakukan analisis kluster Gambar 8.
2. Analisis Kluster
Teknik pewilayahan merupakan salah satu teknik untuk membatasi wilayah berdasarkan kemiripan karakteristik tertentu dari suatu hamparan wilayah
Saefulhakim 2004. Teknik klasifikasi wilayah yang akan digunakan pada analisis ini menggunakan bantuan teknik analisis multivariabel dengan analisis
kluster. Unit-unit analisis yang dikelompokkan akan bergerombol sesuai dengan kedekatan atau kemiripan karakteristiknya masing-masing.
Setelah diperoleh faktor penciri utama pada masing-masing kelompok dan faktor penciri utama dari keseluruhan sumber daya wilayah yang ada kemudian
dilakukan analisis kluster untuk mengetahui tipologi wilayah di Kawasan Kedungsapur berdasarkan sumber daya yang ada di masing-masing wilayah dalam
hal ini adalah kecamatan. Sehingga wilayah pada masing-masing kecamatan di Kawasan Kedungsapur dapat dibedakan berdasarkan sumber daya yang ada di
tiap-tiap kecamatan tersebut.
SDA SDB
PCA PCA
PCA SDM, SDS
Seleksi Variabel Karakteristik Wilayah
Data PODES SP 2003
Factor Loading
Factor Score
λ ≥ 1
PCA Factor
Loading Factor
Score Factor
Loading
λ ≥ 1 λ ≥ 1
Factor Loading
Factor Score
λ ≥ 1
Analisis Kluster
Kelompok Wilayah Analisis Diskriminan
Analisis Tipologi Kelompok Wilayah
dengan Faktor Utamanya Factor
Score
Tipologi Wilayah
Gambar 8 Kerangka analisis tipologi wilayah.
3. Analisis Diskriminan