ANALISIS FAKTOR INDEKS HARGA KONSUMEN PADA SUB KELOMPOK PENGELUARAN YANG MEMPENGARUHI LAJU INFLASI KABUPATEN PATI TAHUN 2011 DENGAN MENGGUNAKAN SOFTWARE SPSS 20

ANALISIS FAKTOR INDEKS HARGA KONSUMEN PADA SUB

KELOMPOK PENGELUARAN YANG MEMPENGARUHI LAJU INFLASI

KABUPATEN PATI TAHUN 2011 DENGAN MENGGUNAKAN SOFTWARE

SPSS 20

Tugas Akhir

disajikan sebagai salah satu syarat

untuk memperoleh gelar Ahli Madya

Program Studi Statistika Terapan dan Komputasi

oleh

Purwangga Juniaryono

4112309006

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMUPENGETAHUAN ALAM

UNIVERSITAS NEGERI SEMARANG

Analisis Faktor Indeks Harga Konsumen Pada Sub Kelompok Pengeluaran

Yang Mempengaruhi Laju Inflasi Kabupaten Pati Tahun 2011 Dengan

Menggunakan Software SPSS 20

disusun oleh

Nama : Purwangga Juniaryono

NIM :

4112309006

telah dipertahankan di hadapan sidang Panitia Ujian Tugas Akhir FMIPA Unnes pada

tanggal 28 Februari 2013

Panitia:

Ketua

Sekretaris

Prof. Dr. Wiyanto, M.Si

Drs. Arief Agoestanto, M.Si

NIP.

1963101219880311001

NIP.

196807221993031005

Ketua

Penguji

Anggota

Penguji

Ary Woro Kurniasih, S.Pd., M.Pd

Riza Arifudin, S.Pd., M.Cs

yang pernah diajukan untuk memperoleh gelar ahli madya di suatu perguruan tinggi,

dan sepanjang pengetahuan saya tidak terdapat karya yang diterbitkan oleh orang

lain, kecuali yang secara tertulis dirujuk dalam Tugas Akhir ini dan disebutkan dalam

daftar pustaka.

Semarang, September 2013

Purwangga

Juniaryono

1.

Ihktiar dan berdoa.

2.

Muliakanlah kedua orang tuamu.

3.

Agama tanpa ilmu adalah buta, ilmu tanpa agama adalah lumpuh.

PERSEMBAHAN

Tugas Akhir ini saya persembahkan kepada:

1.

Papa dan mama tercinta yang selalu ada di sisi penulisdan senantiasa

mengiringi penulis dengan do’a, cinta, dan kasih sayangnya.

2.

Adik-adikkuyang selalu memberi semangat dan dukungan untuk penulis.

3.

Teman kost, teman bermain, teman AKPELNI dan teman sebagainya yang

selalu memberi semangat, dukungan serta rasa kekeluargaan.

4.

Teman-teman Staterkom 2009 (khusus yang terlambat wisuda) yang telah

memberi semangat,kebahagiaan dan warna dalam hidup penulis.

5.

Mas Bambang, Mas Singgih, Hema dan Dwi Susanto yang selalu memberi

semangat, dukungan, support dan memberikan tempat untuk mengerjakan

Tugas Akhir ini.

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Semarang. Riza

Arifudin, S.Pd., M.Cs.,Ary Woro Kurniasih, S.Pd.,M.Pd.

Indeks Harga Konsumen (IHK) merupakan salah satu indikator ekonomi

penting yang dapat memberikan informasi mengenai perkembangan harga barang dan

jasa (komoditas) yang dibayar oleh konsumen atau masyarakat khususnya masyarakat

kota. Perubahan IHK dari waktu ke waktu menunjukkan fluktuasi harga dari barang

dan jasa yang dikonsumsi masyarakat yang inflasi jika terjadi kenaikan dan deflasi

jika terjadi penurunan. Gejolak harga barang dan jasa di suatu wilayah sangat

berpengaruh terhadap kondisi ekonomi masyarakat setempat. Adapun tujuan

penulisan Tugas Akhir ini antara lain untuk mengidentifikasi variabel indeks harga

konsumen pada sub kelompok pengeluaran yang layak untuk dihilangkan (direduksi),

untuk mengelompokkan dan meringkas variabel indeks harga konsumen pada sub

kelompok pengeluaran menjadi variabel baru yang paling dominan mempengaruhi

laju inflasi. Metode yang digunakan untuk mengumpulkan data adalah metode

dokumentasi, metode literatur dan metode komputerisasi. Data yang diambil

dianalisis dengan menggunakan program SPSS 20. Berdasarkan hasil analisis yang

diperoleh, variabel yang dihilangkan adalah variabel padi-padian, ubi-ubian dan

hasilnya dan variabel sarana dan penunjang lainnya. Kedua variabel tersebut

dihilangkan karena nilai MSA nya kurang dari 0,5 yakni 0,095 untuk variabel

padi-padian, ubi-ubian dan hasilnya dan 0,295 untuk variabel sarana dan penunjang

lainnya. Jadi, variabel indeks harga konsumen pada sub kelompok pengeluran yang

paling dominan mempengaruhi laju inflasi Kabupaten Pati adalah variabel lemak dan

minyak, tembakau dan minuman alkohol, biaya tempat tinggal, perlengkapan rumah

tangga, penyelenggaraan rumah tangga, barang pribadi dan sandang lainnya, jasa

perawatan jasmani, dan minuman tak beralkohol.

Puji syukur kehadirat Allah SWT penulis panjatkan karena dengan rahmat dan

ridho-Nya, penulis dapat menyelesaikan Tugas Akhir ini dengan baik. Dimana Tugas

Akhir ini merupakan syarat dalam meraih keahlian (profesionalisasi) bidang

Statistik Terapan dan Komputasi. Semua hambatan dan tantangan dalam penyusunan

Tugas Akhir ini merupakan suatu pengalaman tersendiri bagi penulis.

Dalam mengerjakan dan menyusun Tugas Akhir ini, penulis telah banyak

mendapatkan bantuan, bimbingan dan dorongan yang sangat bermanfaat dari

berbagai pihak. Oleh karena itu pada kesempatan ini penulis mengucapkan

terimakasih kepada:

1.

Prof. Dr. Soedijono Sastroatmojo, M.Si., Rektor Universitas Negeri Semarang.

2.

Prof. Dr. Wiyanto, M.Si

.

, Dekan Fakultas Matematika dan Ilmu Pengetahuan

Alam Universitas Negeri Semarang.

3.

Drs. Arief Agoestanto, M.Si., Ketua Jurusan Matematika FMIPA Universitas

Negeri Semarang.

4.

Riza Arifudin,S.Pd.,M.Cs., Dosen Pembimbing pertama yang telah memberikan

bimbingan dan arahan dalam penyusunan Tugas Akhir.

5.

Ary Woro Kurniasih,S.Pd.,M.Pd., Dosen Pembimbing kedua yang telah

memberikan bimbingan dan arahan dalam penyusunan Tugas Akhir.

doa, kasih sayang dan perhatian yang sangat besar bagi penulis.

8.

Teman kost, teman bermain, teman AKPELNI, teman penderitaan dan teman

sebagainya terima kasih atas rasa persaudaraan dan kekeluargaan yang kalian

berikan pada penulis.

9.

Teman-teman seperjuanganku Staterkom 2009 (khusus yang terlambat wisuda)

yang selalu memberi motivasi dan dukungan dalam menyelesaikan Tugas Akhir.

10.

Mas Bambang, Mas Singgih, Hema dan Dwi Susanto yang selalu memberi

semangat, dukungan, support dan memberikan tempat untuk mengerjakan Tugas

Akhir ini.

11.

Pihak lain yang telah membantu baik langsung maupun tidak langsung sehingga

Tugas Akhir ini dapat terselesaikan.

Akhir kata penulis berharap semoga Tugas Akhir ini dapat berguna dan

bermanfaat bagi pembaca.

Wassalamualaikum. Wr. Wb.

Semarang,

25

Februari

2013

PENGESAHAN KELULUSAN ...

ii

PERNYATAAN KEASLIAN TULISAN ...

iii

MOTTO DAN PERSEMBAHAN ...

iv

ABSTRAK ...

v

KATA PENGANTAR ...

vi

DAFTAR ISI ...

viii

DAFTARTABEL ...

x

DAFTARGAMBAR ...

xi

DAFTAR LAMPIRAN ...

xii

BAB I

PENDAHULUAN ...

1

A.

Latar BelakangMasalah ...

1

B.

Rumusan Masalah dan Pembatasan ...

5

C.

Tujuan dan Manfaat ...

6

D.

Sistematika Penyusunan Tugas Akhir ...

7

BAB II KAJIAN TEORI ...

9

A.

Gambaran Umum Kabupaten Pati ...

9

1.

Letak Geografis ...

9

2.

Sumber Daya Alam ...

9

3.

Luas Wilayah ...

9

4.

Luas Tanah ...

11

B.

Indeks Harga Konsumen ...

12

1.

Konsep Umum ...

12

2.

Kegunaan ...

13

3.

Ruang Lingkup dan Cakupan Materi ...

13

3.

Statistik yang relevan dengan analisis faktor ...

22

4.

Model Matematik dalam Analisis Faktor ...

25

5.

Melakukan Analisis Faktor ...

27

6.

Menentukan Metode dengan Analisis Faktor ... .

28

7.

Menghitung Skor atau Nilai Faktor ... .

29

D.

Gambaran Umum

SoftwareSPSS16.0

dan

Minitab 15.0

...

31

BAB III METODE PENELITIAN ...

34

A.

Variabel yang digunakan ...

34

B.

Metode Pengumpulan Data ...

34

C.

Metode Analisis Data ... .

35

D.

Langkah Analisis Faktor Menggunakan

SoftwareSPSS 20

...

36

BAB IV HASIL KEGIATAN DAN PEMBAHASAN ...

41

A.

Hasil Kegiatan ...

41

B.

Hasil Penelitian Menggunakan

SoftwareSPSS 20

...

42

1.

Pengujian Ulang 1 ... .

45

2.

Pengujian Ulang 2 ... .

47

3.

Proses Inti pada Analisis Faktor ... .

50

C.

Pembahasan ...

58

BAB V SIMPULAN DAN SARAN ...

61

A.

Simpulan ...

61

B.

Saran ...

62

DAFTAR PUSTAKA ...

63

Tabel 1. Kecamatan Kabupaten Pati ...

10

Tabel 2. Communalities ...

52

Tabel 3. Total Variance Explained ...

54

Gambar 1. Peta Kabupaten Pati ...

10

Gambar 2. Prosedur Analisis Faktor ...

27

Gambar 3. Tampilan

Sheet Data View

...

36

Gambar 4. Tampilan

Sheet Variabel View

...

36

Gambar 5. Tampilan

Sheet Masukkan Data

...

37

Gambar 6. Tampilan

Langkah Analisis Faktor

...

37

Gambar 7. Tampilan

Factor Analisis

...

38

Gambar 8. Tampilan

Descriptives

...

38

Gambar 9. Tampilan

Factor Analisis Data Reduction

...

39

Gambar 10. Tampilan

Extraction

...

39

Gambar 11. Tampilan

Rotation

...

40

Lampiran 1. Data Indeks Harga Konsumen ...

65

Lampiran 2. Data Indeks Harga Konsumen (IHK) Pada Sub Kelompok

Pengeluaran Yang Mempengaruhi Laju Inflasi Kabupaten Pati

Tahun 2011 ……….

77

Lampiran 3. Tabel Anti-image Matrices ...

78

Lampiran 4. Tabel Anti-image Matrices Pengujian Ulang 1 ...

79

BAB I

PENDAHULUAN

1.1

Latar Belakang Masalah

Mengelola perekonomian dalam suatu negara yang serba komplek, konon tidak dapat hanya dilakukan sekilas pandang terhadap objek-objek tertentu atau hanya pada saat-saat yang sangat terbatas, kemudian mengambil langkah kebijakan. Dengan kata lain bahwa dalam menentukan kebijakan atau keputusan sangat diperlukan alat bantu atau indikator agar langkah yang diambil tidak menyimpang dari realitas.

Di banyak negara, para pakar hingga saat ini masih menyepakati bahwa indikator untuk menentukan tingkat stabilitas ekonomi suatu negara adalah Indeks Harga Konsumen (IHK). Memang tidak dapat dipungkiri bagi kelompok masyarakat yang belum mengenal konsep tersebut, masih menggunakan cara-cara tradisional untuk menilai stabilitas perekonomian suatu wilayah, misalnya dengan melihat perkembangan harga emas, harga tanah dan mungkin masih ada yang mengukur dengan harga beras dan sebagainya. Namun perlu disadari, bahwa dengan perkembangan zaman yang makin modern khususnya di bidang perdagangan yang terkait erat dengan perkembangan perekonomian, pengukuran stabilitas perekonomian dengan cara tradisional semakin kurang relevan/tidak diminati (BPS Kabupaten Pati, 2011:4).

Indeks Harga Konsumen (IHK) merupakan salah satu indikator ekonomi penting yang dapat memberikan informasi mengenai perkembangan harga barang dan jasa (komoditas) yang dibayar oleh konsumen atau masyarakat khususnya masyarakat kota. Perubahan IHK dari waktu ke waktu menunjukkan fluktuasi harga dari paket barang dan jasa yang dikonsumsi masyarakat, yang inflasi jika terjadi kenaikan dan deflasi jika terjadi penurunan. Gejolak harga barang dan jasa di suatu wilayah sangat berpengaruh terhadap kondisi ekonomi masyarakat setempat (Soemartojo, 1982:20).

Perubahan data IHK merupakan indikator ekonomi makro yang penting untuk memberikan gambaran tentang laju inflasi suatu daerah dan lebih jauh lagi dapat menggambarkan pola konsumsi masyarakat. Selain sebagai salah satu indikator ekonomi makro dan indikator untuk menentukan kebijaksanaan di bidang ekonomi serta berguna untuk mendeteksi kondisi perekonomian, laju inflasi juga menunjukkan keseimbangan antara penawaran dan permintaaan barang dan jasa. Selain itu IHK juga digunakan untuk menghitung andil inflasi.

Paket komoditas yang digunakan dalam menyusun IHK diperoleh dari survei pengeluaran rumah tangga yang disebut Survei Biaya Hidup (SBH). IHK dapat dipengaruhi oleh perubahan harga pasar. Oleh karena itu survei yang digunakan adalah survei pada pasar yang memenuhi syarat, pasar tersebut harus benar-benar layak dijadikan tempat survei sebab dijangkau oleh masyarakat luas. Berdasarkan data BPS laju inflasi di Kabupaten Pati pada tahun 2011 didukung oleh Indeks Harga Konsumen (IHK) pada Kelompok Pengeluaran yang terdiri dari 7 macam Kelompok dan terbagi menjadi 36 Sub-sub Kelompok Pengeluaran yaitu sebagai berikut.

1. Kelompok Pengeluaran Bahan Makanan, terdiri dari: a. Sub kelompok padi-padian, ubi-ubian dan hasilnya b. Sub kelompok daging dan hasilnya

c. Sub kelompok ikan segar d. Sub kelompok ikan diawetkan

e. Sub kelompok telur, susu dan hasilnya f. Sub kelompok sayur-sayuran

g. Sub kelompok kacang-kacangan h. Sub kelompok buah-buahan i. Sub kelompok bumbu-bumbuan j. Sub kelompok lemak dan minyak k. Sub kelompok bahan makanan lainnya

2. Kelompok Pengeluaran Makanan Jadi, Minuman, Rokok dan Tembakau, terdiri dari:

a. Sub kelompok makanan jadi

b. Sub kelompok minuman tak beralkohol

c. Sub kelompok tembakau, rokok dan minuman beralkohol

3. Kelompok Pengeluaran Perumahan, Air, Listrik, Gas dan Bahan Bakar, terdiri dari: a. Sub kelompok biaya tempat tinggal

b. Sub kelompok bahan bakar, penerangan dan air c. Sub kelompok perlengkapan rumah tangga d. Sub kelompok Penyelenggaraan rumah tangga 4. Kelompok Pengeluaran Sandang, terdiri dari:

a. Sub kelompok sandang laki-laki b. Sub kelompok sandang wanita c. Sub kelompok anak-anak

d. Sub kelompok barang pribadi dan sandang lainnya 5. Kelompok Pengeluaran Kesehatan, terdiri dari:

a. Sub kelompok jasa kesehatan b. Sub kelompok obat-obatan

c. Sub kelompok jasa perawatan jasmani

d. Sub kelompok perawatan jasmani dan kosmetika

6. Kelompok Pengeluaran Pendidikan, Rekreasi dan Olahraga, terdiri dari: a. Sub kelompok jasa pendidikan

b. Sub kelompok kursus-kursus dan pelatihan

c. Sub kelompok perlengkapan atau peralatan pendidikan d. Sub kelompok Rekreasi

e. Sub kelompok Olahraga

7. Kelompok Pengeluaran Transportasi dan Komunikasi, terdiri dari: a. Sub kelompok transpor

b. Sub kelompok komunikasi dan pengiriman c. Sub kelompok sarana dan penunjang transpor d. Sub kelompok jasa keuangan

e. Sub kelompok sarana dan penunjang lainnya

Untuk mengetahui, meringkas dan mereduksi sub kelompok Pengeluaran (variabel yang akan diteliti) yang memberikan kontribusi besar terhadap laju inflasi,

digunakanlah metode analisis faktor. Analisis faktor merupakan nama umum yang menunjukkan suatu kelas prosedur, utamanya dipergunakan untuk mereduksi data atau meringkas, dari variabel yang banyak diubah menjadi sedikit variabel. Sebagai contoh, di dalam riset pemasaran pada khususnya dan dalam bidang sosial pada umumnya, akan diperoleh banyak sekali variabel, kebanyakan dari variabel-variabel tersebut berkorelasi sesamanya dan harus diperkecil jumlahnya agar mudah dikelola (manageable).

Diharapkan data statistik tentang indeks harga konsumen tahun 2011 ini dapat dimanfaatkan untuk membantu dalam mempertimbangkan perencanaan dalam pembangunan khususnya sebagai informasi hasil analisis dari hasil pembangunan. Berdasarkan uraian di atas, maka penelitian mengenai Analisis faktorindeks harga konsumen pada sub kelompok pengeluaran yang mempengaruhi laju inflasi Kabupaten Pati tahun 2011 dengan menggunakan softwareSPSS 20menjadilayak untuk dilaksanakan.

1.2

Rumusan Masalah dan Pembatasannya

1.2.1 Rumusan Masalah

Berdasarkan latar belakang di atas maka masalah yang diambil adalah sebagai berikut :

a. Variabel-variabel indeks harga konsumen pada sub kelompok pengeluaran apa sajakah yang layak untuk dihilangkan (direduksi)?

b. Variabel-variabel indeks harga konsumen pada sub kelompok pengeluaran apa sajakah yang paling dominan mempengaruhi laju inflasi?

Pada penulisan Tugas Akhir ini, penulis hanya mengambil data Indeks Harga Konsumen sub kelompok pengeluaran pada setiap bulannya selama tahun 2011di Kabupaten Pati. Dengan diperolehnya data tersebut, maka hanya beberapa sub kelompok pengeluaran yang akan dianalisis yaitu.

1. Sub kelompok padi-padian, ubi-ubian dan hasilnya 2. Sub kelompok lemak dan minyak

3. Sub kelompok minuman tak beralkohol

4. Sub kelompok tembakau, rokok dan minuman beralkohol 5. Sub kelompok biaya tempat tinggal

6. Sub kelompok perlengkapan rumah tangga 7. Sub kelompok penyelenggaraan rumah tangga 8. Sub kelompok barang pribadi dan sandang lainnya 9. Sub kelompok jasa perawatan jasmani

10. Sub kelompok sarana dan penunjang lainnya

1.3

Tujuan dan Manfaat

1.3.1 Tujuan

Tujuan dari penulisan ini adalah sebagai berikut.

a. Untuk mengidentifikasi variabel indeks harga konsumen pada sub kelompok pengeluaran yang layak untuk dihilangkan (direduksi).

b. Untuk mengelompokkan dan meringkas variabel indeks harga konsumen pada sub kelompok pengeluaran menjadi variabel baru yang paling dominan mempengaruhi laju inflasi.

1.3.2 Manfaat

Manfaat dari penulisan ini adalah sebagai berikut.

a. Peneliti mengetahui kondisi perekonomian di suatu wilayah tertentu, khususnya Kabupaten Pati.

b. Peneliti mengetahui variabel yang memberikan pengaruh yang besar terhadap nilai indeks harga konsumen Kabupaten Pati.

c. Membantu peneliti dalam mengaplikasikan ilmu yang telah diperoleh di bangku perkuliahan sehingga menunjang kesiapan untuk terjun ke dunia kerja.

1.4 Sistematika Penulisan

Sistematika Tugas Akhir (TA) ini dibagi menjadi 3 bagian yaitu. Bagian pendahuluan, bagian isi dan bagian akhir :

1.4.1 Bagian Pendahuluan

Bagian pendahuluan ini berisi halaman judul, halaman pengesahan, abstrak, kata pengantar, motto dan persembahan, daftar isi dan daftar lampiran.

1.4.2 Bagian Isi

BAB 1 : PENDAHULUAN

Pendahuluan berisi mengenai latar belakang masalah, rumusan masalah dan pembatasannya, tujuan dan manfaat kegiatan serta sistematika penulisan.

BAB2 : KAJIAN TEORI

Kajian Teori berisi mengenai gambaran umum Kabupaten Kudus, Indeks Harga Konsumen (IHK) dan Analisis Faktor.

BAB 3 : METODE KEGIATAN

Dalam metode kegiatan berisi mengenai variabel yang digunakan, cara pengambilan data dan analisis data.

BAB 4 : HASIL KEGIATAN DAN PEMBAHASAN

Pada hasil kegiatan dan pembahasan berisi mengenai hasil yang diperoleh setelah dianalisis dari pembahasan yang diangkat dalam Tugas Akhir ini. BAB 5 : PENUTUP

Penutup berisi simpulan dan saran.

1.4.3 Bagian Akhir

Bagian akhir ini terdiri dari daftar pustaka yang digunakan sebagai acuan serta lampiran-lampiran yang melengkapi uraian pada bagian isi.

BAB II

KAJIAN TEORI

2.1

Gambaran Umum Kabupaten Pati

2.1.1 Letak Geografis

Kabupaten Pati adalah salah satu dari 35 daerah kabupaten/kota di Jawa Tengah, terletak diantara 1100, 50’ – 1100, 15’ bujur timur dan 60, 25’ – 70, 00’ lintang selatan. Batas wilayah Kabupaten Pati adalah sebagai berikut.

Sebelah Utara : dibatasi wilayah Kab. Jepara dan Laut Jawa. Sebelah Barat : dibatasi wilayah Kab. Kudus dan Kab. Jepara. Sebelah Selatan : dibatasi wilayah Kab. Grobogan dan Kab. Blora. Sebelah Timur : dibatasi wilayah Kab. Rembang dan Laut Jawa (BPS Kabupaten Pati, 2011 : 4).

2.1.2 Sumber Daya Alam

a. Luas Wilayah

Secara administratif Kabupaten Pati mempunyai luas wilayah 150.368 ha yang terdiri dalam 21 kecamatan, 401 desa, 5 kelurahan, 1.106 dukuh serta 1.464 RW dan 7.463 RT (BPS Kabupaten Pati, 2011 : 4). Peta Kabupaten Pati dapat di lihat pada Gambar 1 dan daftar nama kecamatan dapat di lihat pada Tabel 1.

Peta Kabupaten Pati

Gambar 1 Sumber Peta : BPS Kabupaten Pati tahun 2011 Tabel 1 Kecamatan di Kabupaten Pati beserta Luas Wilayahnya.

No Kecamatan Luas Wilayah (Ha)

1 Sukolilo 15874

2 Kayen 9603

3 Tambakromo 7247

4 Winong 9994

5 Pucakwangi 12283

6 Jaken 6852

7 Batangan 5066

8 Juwana 5593

9 Jakenan 5304

10 Pati 4249

12 Margorejo 6181

13 Gembong 6730

14 Tlogowungu 9446

15 Wedarijaksa 4085

16 Trangkil 4284

Lanjutan Tabel 1.

No Kecamatan Luas Wilayah (Ha)

17 Margoyoso 5997

18 Gunungwungkal 6180

19 Cluwak 6931

20 Tayu 4759

21 Dukuhseti 8159

Sumber Data : BPS Kabupaten Pati tahun 2011

b. Luas Tanah

Bagian utara terdiri dari tanah Red Yellow, Latosol, Aluvial, Hidromer dan Regosol. Sedangkan bagian selatan terdiri tanah Aluvial, Hidromer, dan Gromosol.Rincian tanah menurut kecamatan sebagai berikut.

(1)Batangan, Sukolilo, Gabus dan Jakenan merupakan tanah Aluvial. (2)Cluwak, Gunungwungkal dan Gembong merupakan tanah Latosol.

(3)Juwana dan Margoyoso merupakan tanah Aluvial dan Red Yellow mediteran. (4)Pati dan Margorejo merupakan tanah Red Yellow mediteran, Latosol Aluvialdan

Hidromer.

(6)Pucakwangi dan Winong merupakan tanah Gromosol dan Hidromer. (7)Wedarijaksa merupakan tanah Red Yellow mediteran, Latosol dan Regosol. (8)Tayu merupakan tanah Aluvial, Red Yellow dan Regosol.

(9)Tlogowungu merupakan tanah Latosol dan Red Yellow mediteran.

2.2 Indeks Harga Konsumen

2.2.1 Konsep Umum Indeks Harga Konsumen

Pembangunan di semua aspek kehidupan khususnya pembangunan ekonomi pasca krisis terlihat semakin mantap. Keberhasilan pembangunan tersebut perlu diukur dengan alat yang sesuai/tepat. Oleh karena itu dibutuhkan tersedianya data statistik di berbagai sektor. Guna memenuhi harapan tersebut, salah satu upaya yang dilakukan adalah menyajikan data statistik Indeks Harga Konsumen (IHK) dan laju inflasi.

Perubahan IHK merupakan indikator ekonomi makro yang cukup penting untuk memberikan gambaran tentang laju inflasi suatu daerah/wilayah, dan lebih jauh lagi dapat menggambarkan pola konsumsi masyarakat. Selain hal di atas, IHK merupakan salah satu indikator ekonomi yang dapat digunakan untuk membuat analisis sederhana tentang sekilas perkembangan ekonomi di suatu wilayah/daerah pada periode tertentu.

Menurut (Supranto, 2010 : 18), Indeks Harga Konsumen adalah angka yang menggambarkan perbandingan harga konsumen yang terjadi pada dua periode waktu yang berbeda. Harga konsumen di sini mencakup harga semua jenis barang/jasa yang dikonsumsi masyarakat secara umum di antaranya meliputi kelompok barang-barang bahan makanan; kelompok makanan jadi; minuman, rokok dan tembakau; kelompok

perumahan; kelompok sandang; kelompok kesehatan; kelompok pendidikan, rekreasi dan olahraga; dan kelompok transportasi dan komunikasi.

Periode waktu tertentu (telah ditentukan) yang dipakai sebagai dasar pembanding disebut periode dasar atau tahun dasar. IHK pada tahun dasar ditentukan = 100. Penghitungan Indeks Harga Konsumen yang dilakukan oleh BPS Kabupaten Pati selama Januari–Desember 2011 menggunakan tahun dasar 2007 (2007=100). Bila IHK pada suatu waktu lebih besar dari 100, berarti secara umum terjadi kenaikan harga barang atau jasa dan bila kurang dari 100, terjadi penurunan harga barang atau jasa terhadap harga pada periode tahun dasar (BPS Surakarta, 2009: 1).

2.2.2 Kegunaan Indeks Harga Konsumen

Kegunaan penyusunan IHK dan inflasi adalah sebagai berikut. a. Untuk menghitung perkembangan sekelompok barang dan jasa.

b. Sebagai bahan pertimbangan dalam penyelesaian masalah antara buruh dan majikan apabila terjadi perselisihan dalam hal pengupahan/gaji.

c. Untuk penyesuaian harga bilamana terjadi fluktuasi yang signifikan.

d. Pada penghitungan Produk Domestik Regional Bruto (PDRB/PDB) digunakan untuk penilaian harga konstan.

e. Pada dunia perbankan digunakan untuk menentukan suku bunga. (BPS Kota Surakarta, 2009:2)

2.2.3 Ruang Lingkup dan Cakupan Materi IHK

Penghitungan dan penyusunan Indeks Harga Konsumen dan Laju Inflasi Kabupaten Pati menggunakan tahun dasar 2002 (2002=100), di mana pengelompokannya menjadi 7 kelompok pengeluaran dengan jumlah komoditas sebanyak 339 jenis, yaitu

kelompokbahan makanan; kelompok makanan jadi, minuman, rokok dan tembakau; kelompok perumahan, air, listrik, gas, dan bahan bakar; kelompok sandang; kelompok kesehatan; kelompok pendidikan, rekreasi dan olahraga; dan kelompok transport dan komunikasi.

Diagram timbangan dalam bentuk nilai rupiah adalah merupakan rata-rata nilai konsumsi rumah tangga di Kabupaten Pati dalam sebulan. Harga komoditas barang dan jasa adalah merupakan harga konsumen di wilayah administrasi Kabupaten Pati, utamanya di wilayah perkotaan ( BPS Kabupaten Pati, 2011 : 2 )

2.2.4 Konsep dan Definisi IHK

Berikut ini akan diberikan arti dari beberapa istilah yang digunakan dalam penghitungan Indeks Harga Konsumen dan Laju Inflasi, antara lain mencakup pengertian mengenai istilah harga konsumen dan istilah pasar.

a. Harga Konsumen

Harga konsumen ialah harga transaksi yang terjadi antara pedagang/pengecer dengan pembeli/kosumen atas suatu barang dan jasa dengan tujuan untuk dikonsumsi (Supranto, 2010:33).Guna kecermatan dalam pencatatan harga, berbagai hal yang perlu dipahami antara lain sebagai berikut.

(1) Barang dan jasa yang diamati adalah barang dan jasa yang merupakan barang akhir (final goods), artinya benar-benar dibeli untuk dikonsumsi.

(2) Kualitas, merk dagang adalah kualitas/merk yang paling banyak dikonsumsi oleh masyarakat setempat, dan diusahakan tidak berubah-ubah.

(3) Satuan, kemasan diusahakan satuan/kemasan yang lazim di wilayah tersebut, untuk itu diperlukan kehati-hatian dalam melakukan konversi bilamana terjadi ketidaksamaan satuan.

(4) Harga yang terjadi/dicatat termasuk pajak tak langsung misalnya PPN, cukai dan sebagainya.

(5) Pencatatan harga dilaksanakan pada saat pasar sedang ramai- ramainya pembeli

(peak hour).

(6) Harga yang dicatat adalah harga tunai (cash).

(7) Pedagang/penjualnya harus pedagang eceran dengan persedian barang yang relatif banyak, ramai dikunjungi pembeli dan harganya merupakan price leader(BPS Kota Semarang, 2007:4)

b. Pasar

Pasar adalah tempat terjadinya transaksi atas sesuatu barang dan jasa yang dihasilkan antara penjual dan pembeli(Supranto, 2010 : 30).

Secara teoritis harga konsumen harus lebih tinggi ketimbang harga pedagang besar maupun produsen. Pasar yang dimaksudkan untuk pencatatan harga konsumen adalah pasar konsumsi. Untuk menentukan pasar sebagai objek survei perlulah mengamati hal-hal sebagai berikut.

(1) Pasar yang dipilih adalah pasar yang paling banyak dikunjungi konsumen/pasar yang paling besar.

(2) Komoditas barang dalam pasar tersebut relatif banyak dan lengkap.

(4) Harga-harga barang dan jasa di pasar tersebut merupakan pantauan bagi pasar-pasar lainnya/di sekitarnya.

(5) Diusahakan pasarnya bukan pasar musiman, tetapi yang ramai setiap hari (Supranto, 2010 : 34).

c. Indeks Harga Konsumen

Indeks Harga Konsumen adalah besaran angka yang menunjukkan perbandingan dengan angka tahun dasar (Supranto, 2010 : 36).

Yang dimaksud angka yang diperbandingkan dalam hal ini adalah nilai konsumsi rumah tangga, sedangkan angka tahun dasar adalah angka nilai konsumsi rumah tangga (dari hasil survei) yang menjadi patokan/dasar untuk dibandingkan dengan angka-angka selanjutnya, lazimnya angka tahun dasar dibuat 100.

Bilamana angka indeks suatu periode lebih besar dari 100, dapat diartikan terjadi kenaikan harga/inflasi, sebaliknya bilamana angka pada suatu periode lebih kecil dari 100 dapat diartika terjadi deflasi (Supranto, 2010 : 39).

d. Diagram Timbangan

Diagram timbangan adalah nilai konsumsi tahun dasar dari semua jenis barang/jasa yang tercakup dalam paket komoditas. Untuk Kabupaten Pati diagram timbangannya diperoleh dengan merujuk diagram timbangan Kota Semarang yang telah dimodifikasi secara ilmiah. Sedangkan diagram timbangan Kota Semarang diperoleh dari Survei Biaya Hidup (SBH) tahun 2002 (BPS Kabupaten Pati, 2011 : 7).

Relatif harga adalah rasio/perbandingan antara harga suatu komoditas di suatu waktu tertentu (bulan ke n) dibandingkan dengan harga komoditas tersebut pada periode sebelumnya (bulan ke n-1) (BPS Kota Semarang, 2007:8).

f. Nilai Konsumsi (NK)

Nilai konsumsi adalah rata-rata pengeluaran setiap rumah tangga selama satu tahun atas barang atau jasa yang dikonsumsinya (BPS Kota Semarang, 2007:9).

g. Laju Inflasi

Laju inflasi adalah persentase perubahan indeks harga konsumen bulan tertentu terhadap indeks harga konsumen sebelumnya (BPS Kota Semarang, 2007:10).

2.2.5 Metode Penghitungan IHK

Berikut ini akan diberikanrumus yang diperlukan dalam penghitungan Indeks Harga Konsumen dan laju inflasi.

a. Menghitung Relatif Harga

Relatif harga dapat dihitung dengan menggunakan rumus sebagai berikut.

RH = ௉೙

௉_೙షభ

(BPS, 2007:7).

Keterangan.

Pn = Harga pada periode ke n

Rumus perubahan harga (Relatif Harga) ini memberikan prinsip kualitas yang tidak boleh berubah-ubah dari waktu ke waktu.

b. Menghitung Nilai Konsumsi

Nilai Konsumsi (NK) dapat dihitung menggunakan rumus sebagai berikut.

( )1

x

−

=

_{in in}

in

RH

NK

NK

(BPS, 2007:8)

Keterangan.

in

NK

= Nilai konsumsi jenis barang i pada bulan ke-n

in

RH

= Relatif harga jenis barang i pada bulan ke-n

( )n−1 i

NK

= Nilai konsumsi jenis barang i bulan ke-(n-1)

c. Menghitung Indeks Harga Konsumen

IHKdihitung dengan menggunakan rumus modifikasi Laspeyres sebagai berikut.

% 100 . . 0 0 0 1 1 × ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ _× =

∑

∑

− − Q P Q P P P IHK n n n n (BPS, 2007:9) Keterangan. n

IHK

= Indeks periode ke-n

Pn-1

= Harga jenis barang di periode sebelum n

Qn = Nilai konsumsi suatu jenis barang di tahun dasar

periode n

P0. Q0 : Harga jenis barang di periode 0

d. Penghitungan Inflasi

Inflasi di setiap kota / propinsi dihitung berdasarkan perubahan IHK dengan rumus sebagai berikut :

In = 100

1 1

x IHK

IHK IHK

n n n

− − −

(BPS, 2007:10)

Keterangan.

In = Inflasi pada bulan ke – n

IHKn = IHK pada bulan ke – n

IHKn – 1 = IHK pada bulan ke – (n-1)

2.3 Analisis Faktor

2.3.1 Pengertian Analisis Faktor

Analisis faktor merupakan nama umum yang menunjukkan suatu kelas prosedur, utamanya dipergunakan untuk mereduksi data atau meringkas, dari variabel yang banyak diubah menjadi sedikit variabel, misalnya dari 12 variabel yang lama diubah menjadi 8

variabel baru yang disebut faktor dan masih memuat sebagian besar informasi yang terkandung dalam variabel asli (original variable). Di dalam riset pemasaran pada khususnya dan dibidang sosial pada umumnya, akan diperoleh banyak sekali variabel, kebanyakan dari variabel-variabel tersebut berkorelasi sesamanya dan harus diperkecil jumlahnya agar mudah dikelola (manageable). Hubungan antar set dari banyak variabel yang saling terkait (berhubungan) diteliti dan dinyatakan dalam sedikit faktor yang mendasari. Di dalam analisis varian, regresi berganda dan diskriminan, satu variabel disebut sebagai variabel tak bebas (dependent variable) dan variabel lainnya sebagai variabel bebas (independent variable). Di dalam analisis faktor disebut teknik interdependensi/teknik saling ketergantungan(interdependence technique) di mana seluruh set hubungan yang interdependen diteliti (Supranto, 2004:114).

2.3.2 Kegunaan Analisis Faktor

Analisis faktor dipergunakan di dalam situasi sebagai berikut.

a. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying dimensions) atau faktor yang menjelaskan korelasi antara suatu set variabel. Sebagai contoh, suatu set pernyataan mengenai gaya hidup bisa dipergunakan untuk mengukur psikografik profil pelanggan (pembeli/konsumen). Pernyataan-pernyataan ini setelah diberi nilai berdasarkan jawaban dari responden (pelanggan) kemudian dianalisis faktor untuk mengenali faktor psikografik yang mendasari. Misalnya dari 21 variabel (21 pernyataan yang sudah dinilai) diringkas (direduksi) menjadi 7 faktor saja. Menganalisis faktor berarti mereduksi data atau variabel.

b. Mengenali atau mengidentifikasi suatu set variabel yang tidak berkorelasi

(independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set variabel asli yang saling berkorelasi di dalam analisis multivariat.

c. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis multivariat (Supranto, 2004:114-115).

Analisis faktor, banyak aplikasinya di dalam riset pemasaran, manajemen dan ilmu sosial atau kedokteran, untuk klasifikasi atau pengelompokkan.

a. Analisis faktor bisa dipergunakan di dalam segmentasi pasar untuk mengidentifikasi variabel yang mendasari yang dipergunakan untuk mengelompokkan pelanggan. Sebagai contoh, pembeli mobil baru mungkin dikelompokkan berdasarkan pada penekanan relatif (relative emphasis) yang dikaitkan pada ekonomi, kenyamanan alat transportasi (convenience), penampilan, kesenangan (comfort) dan kemewahan (luxury). Berdasarkan data ini mungkin bisa diperoleh 5 segmen pelanggan/pembeli (5 faktor) yaitu, pencari ekonomi(economy seekers), pencari kenyamanan (convinience seekers),pencari kinerja(performance seekers)danpencari kemewahan(luxury seekers).

b. Di dalam riset produk, analisis faktor dapat dipergunakan untuk menentukan atribut atau karakteristik merk yang mempengaruhi pilihan pelanggan atau pembeli. Misalnya merk pasta gigi bisa dievaluasi berdasarkan perlindungan terhadap gigi (supaya tidak berlubang), memutihkan gigi, rasanya (pedas seperti permen keras), napas segar dan harganya murah.

c. Di dalam penelitian harga, bisa digunakan untuk mengenali atau mengidentifikasi karakteristik atau sifat-sifat pelanggan atau pembeli yang sensitif terhadap harga.

d. Di dalam studi advertensi, analisis faktor digunakan untuk mengenali/mengidentifikasi dan memahami kebiasaan mengkonsumsi media atau the media consumption habits dari pasar sasaran (the target market). Pengguna makanan beku mungkin pemirsa berat TV kabel, melihat banyaknya film layar lebar atau sinetron, mendengarkan musik (rock, pop, country atau dangdut) (Supranto, 2004:116).

2.3.3 Statistik yang Relevan dengan Analisis Faktor

Menurut Supranto (2004 : 117 – 118 ), statistik yang relevan dengan analisis faktor adalah sebagai berikut.

a. Bartlett’s test of sphericity(ujikebulatanBartlett)

Bartlett’s test of sphericityadalah suatu uji statistik yang dipergunakan untuk menguji hipotesis bahwa variabel tidak saling berkorelasi dalam populasi. Dengan kata lain, matriks korelasi populasi merupakan matriks identitas (identity matrix), di mana setiap variabel berkorelasi dengan dirinya sendiri secara sempurna dengan r = 1 akan tetapi sama sekali tidak berkorelasi dengan lainnya r = 0, jadi elemen pada diagonal utama matriks semua nilainya 1, sedangkan di luar diagonal utama nilainya nol (rij = 1 kalau i = j dan sama

dengan nol kalau i

≠

j).

Matrik segitiga bagian bawah menunjukkan korelasi sederhana, r, antara semua pasangan variabel yang tercakup dalam analisis. Nilai atau angka pada diagonal utama yang semuanya sama yaitu 1, dihapus/ditiadakan.

c. Communality (Perkumpulan)

Communality yaitu jumlah varian yang disumbangkan oleh suatu variabel dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut sebagai proporsi atau bagian varian yang dijelaskan olehfaktorumum(common factor)

atau besarnya sumbangan suatu faktor terhadap varian seluruh variabel.

d. Eigenvalue (Nilai Eigen)

Eigenvaluemerupakan jumlah varian yang dijelaskan oleh setiap faktor.

e. Factor Loading (faktorMemuat)

Factor Loadingyaitu korelasi sederhana antara variabel dengan faktor.

f. Factor Loading plot (FaktorMemuatpetak)

Factor Loading plotyaitu suatu plot dari variabel asli dengan menggunakan faktor memuat(factor loading) sebagai koordinat.

g. Factor Matrix (Faktor Matrik)

Factor Matrixadalah faktor matrik yang memuat semua factor loading dari semua variabel pada semuafaktorekstraksi(factor extracted).

h. Faktor Scores (Faktor Skor)

Faktor Scoresmerupakan skor komposit yang estimasi untuk setiap responden pada faktor turunan.

i. Kaiser-Meyer-Olkin Measure of sampling adequacy

(Mengukurkecukupanpengambilan sampel)

Kaiser-Meyer-Olkin (KMO) Measure of sampling adequacy yaitu suatu indeks yang dipergunakan untuk meneliti ketepatan analisis faktor. Nilai tinggi antara 0,5-1,0 berarti analisis faktor tepat, kalau kurang dari 0,5 analisis faktor dikatakan tidak tepat.

j. Percentage of variance (Persentasevarians)

Percentage of variancemerupakan Persentase varian total yang disumbangkan oleh setiap faktor.

k. Residuals

Residuals merupakan perbedaan antara korelasi yang terobservasi berdasarkan input matriks korelasi(correlation matrix) dan korelasi hasil reproduksi yang diperkirakan dari matrik faktor.

l. Scree plot

Scree plot merupakan plot sebagai sumbu tegak dan banyaknya faktor sebagai sumbu datar, untuk menentukan banyaknya faktor yang bisa ditarik (Supranto, 2004 : 117 -118 ).

Di dalam model analisis faktor, komponen hipotesis diturunkan dari hubungan antara variabel reobsesi. Model analisis faktor mensyaratkan bahwa hubungan antar variabel terobsesi harus linier dan nilai koefisien korelasi tidak boleh nol, artinya benar-benar ada hubungan. Komponen hipotesis yang diturunkan harus memiliki sifat-sifat berikut.

a. Komponen hipotesis tersebut diberi nama faktor. Faktor-faktor ini membentuk variabel bebas(linear independent set variable). Tak ada faktor yang menjadi kombinasi linier dari faktor yang lain, sebab faktor-faktor tersebut dibuat sedemikian rupa sehingga bebas (independent) satu sama lain.

b. Variabel komponen hipotesis yang disebut faktor tersebut bisa dikelompokkan menjadi dua, yaitufaktor umum(common factors) dan faktor unik (unique

factors). Dua komponen ini bisa dibedakan kalau dinyatakan dalam

bobot(weights) di dalam persamaan linier, yang menurunkan variabel terobservasi dari variabel komponen hipotesis. Suatu faktor umum(common factors) mempunyai lebih dari satu variabel dengan timbangan yang bukan nol nilainya terkait dengan faktor. Suatu faktor unik hanya mempunyai satu variabel dengan timbangan yang tidak nol terkait dengan faktor. Jadi hanya satu faktor variabel yang tergantung pada satu faktor unik.

c. Common factor(faktor umum) selalu dianggap tidak berkorelasi dengan faktor unik. Faktor unik biasanya juga dianggap saling berkorelasi (mutually uncorrelated), akan tetapi faktor umum(common factor) mungkin atau tidak mungkin berkorelasi satu sama lain.

d. Umumnya dianggap bahwa jumlah faktor umum(common factor) lebih sedikit dari jumlah variabel asli. Akan tetapi, banyaknya faktor unik biasanya dianggap sama dengan banyaknya variabel asli.

Persamaan fundamental dari analisis faktor adalah sebagai berikut:

X = AF +Vµ(Supranto,2004: 118 - 120). Keterangan.

X = suatu n x 1 vektor acak dari variabel acak (random) sebanyak

n → X1, X2, ..., Xn

A = matriks koefisien n x m

F = suatu m x 1 vektor dari faktor umum yaitu: F1, F2, ...,F3

V = matriks koefisien diagonal n x n untuk vektor unik yang

merupakan kombinasi faktor umum(common factor) dan

faktor unit yangtertimbang.

µ = suatu vektor acak dari n variabel faktor unik µ1, µ2, ..., µ3.

2.3.5 Melakukan Analisis Faktor

Langkah-langkah yang diperlukan di dalam analisis faktor bisa dilihat dalam Gambar 2.

Gambar 2. Prosedur Analisis Faktor

Langkah pertama dalam analisis faktor adalah merumuskan masalah faktor analisis dan mengidentifikasi variabel-variabel asli yang akan dianalisis faktor. Kemudian suatu

Merumuskan Masalah 

Bentuk Matriks Korelasi 

Tentukan Metode Analisis Faktor 

Lakukan Rotasi 

Interpretasikan Faktor 

Pilih Variabel  Surrogate Hitung Skor Faktor 

Peneliti menentukan banyaknya faktor yang akan diekstraksi (extrated) dari variabel yang banyak tersebut dan metode rotasi yang akan dipergunakan. Langkah berikutnya harus menginterpretasikan faktor hasil rotasi, tergantung pada tujuan penelitian. Skor faktor harus dihitung atau variabel pengganti (variable surrogate) harus dipilih, untuk mewakili faktor yang akan dipergunakan untuk analisis multivariat lebih lanjut. Akhirnya model analisis faktor yang cocok atau tepat dapat ditentukan (Supranto, 2004 : 125 - 130 ).

2.3.6 Menentukan Metode Analisis Faktor

Segera setelah ditetapkan bahwa analisis faktor merupakan teknik yang tepat untuk menganalisis data yang sudah dikumpulkan, kemudian ditentukan atau dipilih metode yang tepat untuk analisis faktor. Ada dua cara atau metode yang bisa dipergunakan dalam analisis faktor, khususnya untuk menghitung timbangan atau koefisien skor faktor, yaitu komponen utama analisis(principal component analysis)dan analisis faktor umum(common factor analysis). Di dalam prinsip utama komponen analisis(principal component analysis)jumlah varian data yang terkandung dalam semua variabel asli dipertimbangkan.

(Principal component analysis) (Analisis Komponen Utama) direkomendasikan apabila tujuan utama peneliti ialah menentukan banyaknya faktor yang diekstraksi

minimum (sedikit mungkin) tetapi menyerap sebagian besar informasi yang terkandung pada semua variabel asli atau menyumbang sebagian besar varian pada data analisis multivariat selanjutnya. Di dalam faktor analisis umum(common factor analysis), faktor diperkirakan berdasarkan hanya pada varian umum(common variance).Metode ini tepat kalau tujuan analisis faktor untuk mengenali/mengidentifikasi dimensi yang mendasari

(underlying dimensions) dan kalau varian umum(common variance) menjadi penting bagi peneliti (Supranto, 2004 : 130 - 135).

2.3.7 Menghitung Skor atau Nilai Faktor

Analisis faktor tidak harus dilanjutkan dengan menghitung skor/nilai faktor, sebab tanpa menghitung pun hasil analisis faktor sudah bermanfaat yaitu mereduksi/mengambil saripati dari variabel yang banyak menjadi variabel baru yang lebih sedikit dari variabel aslinya.

Tujuan analisis faktor untuk mencari variabel baru yang independent bebas satu sama laintidak terjadimultikolinearitas(multicollinearity), yang disebut faktor untuk dipergunakan dalam analisis multivariat lainnya seprti analisis regresi linier berganda ataubanyakanalisisdiskriminan(multidiscriminant analysis), maka perlu dihitung skor/nilai faktor bagi responden.

Suatu faktor sebenarnya merupakan kombinasi linier dari variabel-variabel asli. Menurut Supranto (2004 : 135 – 140), skor/nilai faktor ke-i bisa dihitung dengan menggunakan rumus.

Fi = wi1X1 + wi2 X2 + wi3 X3 + … +wijXj + … + wik

Keterangan.

Fi = skor/nilai faktor yang ke-i

wi = weight or factor score coefficient (beratkoefisienfaktorskor)

k = banyaknya variabel i,j = 1 atau 2 faktor

Weight (berat) atau koefisien skor faktor dipergunakan untuk menggabung variabel yang dibakukan (standardized), diperoleh dariskorfaktorkoefisienmatriks(the factor score coefficient matrix). Hampir seluruh program komputer seperti SPSS 20 bisa memberikan skor/nilai faktor kalau diminta. Hanya dalam kasus principal component analysis, dimungkinkan untuk menghitung faktor tepat skor(exact factor score). Lain daripada itu, di dalam prinsip komponen analisis(principal component analysis), skor tidak berkorelasi (bebas satu sama lain, tidak tidak terjadimultikolinearitas ).

Di dalam faktor analisis umum, estimasi atau perkiraan skor ini diperoleh, akan tetapi tidak ada jaminan bahwa faktor-faktor tersebut tidak akan berkorelasi satu sama lain. Skor faktor bisa dipergunakan sebagai pengganti variabel asli yang banyak jumlahnya di dalam analisis multivariate lainnya. Kadang-kadang sebagai pengganti menghitung skor/nilai faktor, peneliti meungkin ingin memilih pengganti variabel yaitu suatu subset (bagian dari) variabel asli yang dipilih untuk digunakan di dalam analisis selanjutnya .

Pemilihan substitute variables atau variabel pengganti(surrogate variables)

meliputi sebagian dari beberapa variable asli untuk dipergunakan di dalam analisis selanjutnya. Hal ini memungkinkan para peneliti untuk melakukan analisis lanjutan dan menginterpretasikan hasilnya dinyatakan dalam variabel asli bukan dalam skor faktor. Dengan meneliti matriks faktor, kita bisa memilih untuk setiap faktor variabel dengan muatan tinggi (high loading) pada faktor yang bersangkutan.

Variabel tersebut kemudian bisa dipergunakan sebagai pengganti atau surrogate variable untuk faktor yang bersangkutan. Proses untuk mencari variabel pengganti akan berjalan lancar bila muatan faktor (factorloading) untuk suatu variabel jelas-jelas lebih

tinggi daripada muatan faktor lainnya. Akan tetapi pilihan akan menjadi sangat susah, kalau ada dua variabel atau lebih yang sama tingginya (similarly high loading). Di dalam hal seperti itu, pemilihan antara variabel-variabel ini harus didasarkan pada pertimbangan teori dan pengukuran sebagai contoh, mungkin teori menyarankan bahwa suatu variabel dengan muatan sedikit lebih kecil (slightly lower loading) mungkin lebih penting daripada dengan muatan sedikit lebih tinggi (slightly higher loading) (Supranto, 2004 : 134 – 135).

2.4 Gambaran Umum SPSS

Perkembangan teknologi pengolahan data yang berkaitan dengan penelitian telah meningkat sedemikian pesatnya sehingga disadari atau tidak, memaksa perusahaan-perusahaan pembuat software pengolahan data untuk selalu me-release versi terbarunya apabila tidak ingin ditinggalkan penggunanya.

Software pengolahan data yang ada banyak ragamnya dan masing-masing memiliki keunggulan tersendiri, misalkan Minitab, Ecostat, Statgraphics, SAS dan lainnya. Versi terbaru sofware tersebut memudahkan pengguna karena semakin banyak aplikasi statistik yang mampu ditangani serta tampilan dan penggunaannya yang user friendly.

SPSS sebagai software statistik, pertama kali dibuat tahun 1968 oleh tiga mahasiswa Stanford University, yang dioperasikan pada komputer mainframe. Pada tahun 1984, SPSS pertama kali muncul dengan versi PC (dapat dipakai untuk komputer desktop) dengan nama SPSS/PC+ dan sejalan dengan mulai populernya sistem operasi windows, SPSS pada tahun 1992 juga mengeluarkan versi Windows. Selain itu, antara tahun 1994 sampai 1998, SPSS melakukan berbagai kebijakan strategis untuk

seperti SYSTAT. Inc, BMDP Statistical Software, Quantime Ltd., Intuitive Technologies A/S dan Integral Solutions Ltd, untuk memantapkan posisinya sebagai salah satu market leader dalam business intelligence, SPSS juga menjalin aliansi strategis dengan software house terkemuka dunia lainnya, seperti Oracle Corp, Bussiness Object, serta Ceres Integrated Solutions.

Sejalan dengan perkembangan yang pesat dan pelayanan yang beragam, mulai tahun 1998 SPSS beroperasi dalam 4 operating units, yaitu:

(1) SPPS BI atau Business Intelligence untuk pasar bisnis (2) SPSS MR atau Market Research untuk riset pasar (3) SPSS Science untuk riset sains

(4) SPSS Quality untuk peningkatan kualitas

Sekarang produk SPSS telah dipakai dalam berbagai industri, seperti Industri Keuangan, Retail, Telekomunikasi, Farmasi, Broadcasting, Militer serta diaplikasikan untuk berbagai keperluan seperti database marketing, riset pemasaran, peramalan bisnis, penilaian kredit, customer relationship, penilaian kepuasan konsumen (customer satisfaction) dan sebagainya (Santoso, Singgih : 2003).

BAB III

METODE KEGIATAN

3.1 Variabel yang digunakan

Variabel adalah objek penelitian atau apa yang menjadi titik perhatian suatu penelitian. Variabel yang digunakan adalah Indeks Harga Konsumen (IHK) Kabupaten Pati Tahun 2011, antara lain: sub kelompok bahan makanan: sub kelompok makanan jadi, minuman, rokok dan tembakau; sub kelompok perumahan, air, listrik, gas dan bahan makanan; sub kelompok sandang; sub kelompok kesehatan; sub kelompok pendidikan, rekreasi dan olahraga; sub kelompok transportasi dan komunikasi.

3.2 Metode Pengumpulan Data

Metode pengumpulan data yang dilakukan dalam penelitian ini adalah sebagai berikut.

3.2.1 Metode Dokumentasi

Metode dokumentasi yaitu metode pengumpulan data dengan cara mengambil data-data tertulis yang berhubungan dengan Tugas Akhir. Metode ini digunakan untuk mendapatkan data tentang Laju Inflasi dan Indeks Harga Konsumen pada Sub Kelompok Pengeluaran. Data tersebut merupakan data sekunder karena diperoleh dari BPS Kabupaten Pati.

3.2.2 Metode Kepustakaan

Dengan metode kepustakaan, penulis mengumpulkan, memilih dan menganalisis beberapa sumber bacaan yang berkaitan dengan masalah Indeks Harga Konsumen dan laju inflasi.

3.2.3 Metode Literatur

Metode Literatur adalah mengumpulkan, memilih, dan menganalisis beberapa sumber bacaan yang berkaitan dengan rumusan masalah dalam penyusunan tugas akhir. Dengan metode ini, penulis mengumpulkan dan memilih sumber bacaan (buku-buku) yang berkaitan dengan kegiatan tersebut.

3.3 Metode Analisis Data

Metode yang digunakan untuk menganalisis data adalah dengan menggunakan analisis multivariat yaitu analisis faktor dengan program SPSS. Analisis faktor adalah analisis untuk menemukan variabel baru yang disebut faktor yang jumlahnya lebih sedikit dibandingkan dengan jumlah variabel asli, misalnya dari 10 variabel (asli) diubah menjadi 3 variabel atau 5 variabel baru, yang tidak berkorelasi satu sama lainnya (tidak terjadi multicollinearity), variabel baru tersebut memuat sebanyak mungkin informasi yang terkandung di dalam variabel asli. Di dalam proses mereduksi jumlah variabel, informasi yang hilang harus seminimum mungkin.

Untuk melakukan proses analisis faktor diperlukan langkah-langkah sebagai berikut.

3.3.1 Langkah-langkah menilai variabel yang layak.

1. Klik Start, klik IBM SPSS Statistics. Sehingga akan muncul tampilan seperti pada Gambar 3 .

Gambar 3. Tampilan sheet Data View

2. Klik Variable View, kemudian tulis nama variabel-variabelnya seperti pada Gambar 4.

Gambar 4. Tampilan sheet Variabel View

3. Masukkan data tentang Indeks Harga Konsumen pada sub kelompok pengeluaran ke dalam editor SPSS seperti pada Gambar 5.

Gambar 5. Tampilan sheet setelah data dimasukkan

4. Pilih Analyze, pilih sub menu Dimension Reduction, lalu pilih Factor seperti pada Gambar 6.

Gambar 6. Tampilan Langkah Analisis Faktor

5. Menentukan variabel yang akan dianalisis. Masukkan semua variabel seperti pada Gambar 7.

Gambar 7. Tampilan Factor Analysis

6. Kemudian klik mouse pada tombolDescriptive…, seperti pada Gambar

Tampilan pada Gambar 8, berisi alat-alat statistik yang digunakan untuk menggambarkan variabel-variabel, termasuk pengujiannya.CORRELATION MATRIX berisi berbagai alat pengujian dengan dasar korelasi antar variabel.Pilih KMO and Barlett’s test of spericity dan Anti-image, pada saat pengisian CORRELATION MATRIX.

7. Tekan tombol continue untuk kembali ke menu utama. Setelah itu tekan OK

untuk proses data.

3.3.2 Proses inti pada analisis faktor, yakni factoring dan factor rotation/rotasi terhadap faktor yang terbentuk. Factoring adalah menurunkan satu atau lebih variabel-variabel yang telah lolos pada uji sebelumnya. Factor rotation bertujuan untuk memperjelas variabel yang masuk ke dalam faktor tertentu. Langkah-langkah menentukan Factor Rotation untuk memperjelas variabel yang masuk ke dalam faktor tertentu.

1. Dari menu Analyze, pilih submenu Data Reduction, lalu pilihan Factor..., seperti pada Gambar 9.

2. Masukkan semua variabel yang ada pada kotak variables. Kemudian klik mouse pada tombolExtration..., seperti pada Gambar 10.

Gambar 10. Tampilan Extraction

Pengisian pada tampilan Extraction.

(1) METHOD atau metode pembuatan factor (ekstraksi variabel). Jika kotak combo method di buka, tampak berbagai metode factoring. Untuk keseragaman pilih Principal components.

(2) ANALYZE. Tetap pada pilihan Correlation matrix.

(3) DISPLAY. Aktifkan semua pilihan, yakni Unrotated factor solution dan

Scree plot.

(4) EIGENVALUES OVER. Tetap pada angka yang ada, yakni 1.

(5) MAXIMUM ITERATIONS FOR CONVERGENCE. Tetap pada angka 25. 3. Klik Continue untuk kembali ke menu utama.

Gambar 11. Tampilan Rotation

Pengisian pada tampilan Rotation.

(1) METHOD atau metode rotasi. Terlihat berbagai macam metode rotasi, untuk keseragaman pilih Varimax.

(2) DISPLAY aktifkan semua kotak, yakni Rotated solution dan Loading plot(s).

(3) Maximum Iterations for Convergence, tetap pada angka 25.

5. Tekan continue untuk kembali ke menu utama. Dari tampilan menu utama faktor, abaikan juga bagian yang lain dan tekan OK untuk proses data.

3.3.3 Setelah dilakukan pengujian secara keseluruhan maka proses selanjutnya yaitu menganalisis data dengan cara membaca dan menginterpretasikan output yang ada.

BAB IV

HASIL KEGIATAN DAN PEMBAHASAN

4.1 Hasil Kegiatan

Variabel yang digunakan dalam kegiatan ini adalah sebagai berikut.

(1) Sub kelompok padi-padian, ubi-ubian dan hasilnya (X1)

(2) Sub kelompok lemak dan minyak (X2)

(3) Sub kelompok minuman tak beralkohol (X3)

(4) Sub kelompok tembakau, rokok dan minuman beralkohol (X4)

(5) Sub kelompok biaya tempat tinggal (X5)

(6) Sub kelompok perlengkapan rumah tangga (X6)

(7) Sub kelompok penyelenggaraan rumah tangga (X7)

(8) Sub kelompok barang pribadi dan sandang lainnya (X8)

(9) Sub kelompok jasa perawatan jasmani (X9)

(10) Sub kelompok sarana dan penunjang lainnya (X10)

4.1.1 Setelah dilakukan analisis,langkah-langkah menganalisis faktor sebagai berikut.

a. Klik Start, klik IBM SPSS Statistics. Sehingga akan muncul tampilan seperti pada Gambar 12.

Gambar 12. Tampilan Sheet Data View

b. Masukkan data tentang Indeks Harga Konsumen pada sub kelompok pengeluaran ke dalam editor SPSS seperti pada Gambar 13.

Gambar 13. Tampilan sheet setelah data dimasukkan

c. Pilih Analyze, pilih sub menu Dimension Reduction, lalu pilih Factor seperti pada Gambar 14.

d. Menentukan variabel yang akan dianalisis. Masukkan semua variabel seperti pada Gambar 15.

Gambar 15. Tampilan Factor Analyis

e. Kemudian klik mouse pada tombol Descriptive..., seperti pada Gambar 16.

Gambar 16. Tampilan Discriptive

f. Diperoleh output seperti pada Gambar 17.

Gambar17. KMO and Bartlett’s Test KMO and Bartlett's Test

.522 121.266 45 .000 Kaiser-Meyer-Olkin Measure of Sampling

Adequacy.

Approx. Chi-Square df

Sig. Bartlett's Test of

BerdasarkanGambar17, terlihat bahwa angka KMO and Barlet’s Test _{adalah 0,522}

dengan nilai signifikansi 0,000. Oleh karena angka tersebut sudah di atas 0,5 dan nilai signifikansi kurang dari 0,05 (0,000 < 0,05), maka variabel yang ada sebenarnya sudah bisa dianalisis lebih lanjut.

Berdasarkan TabelAnti-image Matrices (Lampiran 3), khususnya pada angka korelasi yang bertanda a (arah diagonal dari kiri atas ke kanan bawah) terlihat bahwa nilai MSA adalah sebagai berikut :

(1) Pada variabel padi adalah 0,095.

(2) Pada variabel lemak dan minyak adalah 0,524. (3) Pada variabel minuman tak beralkohol adalah 0,407.

(4) Pada variabel tembakau dan minuman beralkohol adalah 0,624. (5) Pada variabel biaya tempat tinggal adalah 0,488.

(6) Pada variabel perlengkapan rumah tangga adalah 0,648. (7) Pada variabel penyelenggaraan rumah tangga adalah 0,878. (8) Pada variabel barang pribadi dan sandang lainnya adalah 0,566. (9) Pada variabel jasa perawatan jasmani adalah 0,499.

(10) Pada variabel sarana dan penunjang lainnya adalah 0,516.

Karena ada 4 variabel yaitu variabel padi, minuman tak beralkohol, biaya tempat tinggal dan jasa perawatan jasmani yang mempunyai nilai MSA di bawah 0,5 maka variabel tersebut belum bisa dianalisis lebih lanjut. Sehingga variabel yang nilai MSA nya lebih kecil di antara keempat variabel tersebut harus dikeluarkan. Jadi variabel padi dikeluarkan dan pengujian akan diulangi lagi.

4.1.2 Pengujian Ulang 1

Pengujian Ulang dilakukan dengan cara membuang variabel yang nilai MSA nya kurang dari 0,5 yaitu variabel padi dengan nilai MSA adalah 0,095. Setelah dilakukan Pengujian Ulang, langkah-langkah pengujian ulang 1 sebagai berikut.

a. Dari menu Analyze, pilih submenu Data Reduction, lalu pilihan Factor..., seperti pada Gambar 18.

Gambar 18. Tampilan Factor Analysis Data Reduction

b. Masukkan semua variabel yang ada pada kotak variables, kecuali Variabel Padi karena nilai MSA adalah 0,095. Kemudian klik mouse pada kotak

Descriptives...,seperti pada Gambar 19.

Tampilan Gambar 19 berisi alat-alat statistik yang digunakan untuk menggambarkan variabel-variabel, termasuk pengujiannya. CORRELATION MATRIX berisi berbagai alat pengujian dengan dasar korelasi antar variabel. Untuk keseragaman, pilih KMO and Barlett’s test of spericity dan Anti-image, pada saat memilih CORRELATION MATRIX.

c. Tekan continueuntuk kembali ke menu utama. Dari tampilan menu utama faktor, abaikan juga bagian yang lain dan tekan OK untuk proses data.

d. Sehingga diperoleh output Pengujian Ulang 1 seperti pada Gambar 20.

Gambar 20. KMO and Bartlett’s Test Pengujian Ulang 1

Berdasarkan Gambar 20, terlihat bahwa Angka KMO and Barlet’s Test adalah 0,770 dengan nilai signifikansi 0,000. Oleh karena angka tersebut sudah di atas 0,5 dan nilai signifikansi kurang dari 0,05 (0,000 < 0,05), maka variabel yang ada sebenarnya sudah bisa dianalisis lebih lanjut.

Berdasarkan Tabel Anti-image Matrices Pengujian Ulang 1 (Lampiran 4), khususnya pada angka korelasi yang bertanda a (arah diagonal dari kiri atas ke kanan bawah) terlihat bahwa nilai MSA adalah sebagai berikut.

(1) Pada variabel lemak dan minyak adalah 0,905. (2) Pada variabel minuman tak beralkohol adalah 0,723.

KMO and Bartlett's Test

.770 103.875 36 .000 Kaiser-Meyer-Olkin Measure of Sampling

Adequacy.

Approx. Chi-Square df

Sig. Bartlett's Test of

(3) Pada variabel tembakau dan minuman beralkohol adalah 0,878. (4) Pada variabel biaya tempat tinggal adalah 0,761.

(5) Pada variabel perlengkapan rumah tangga adalah 0,773. (6) Pada variabel penyelenggaraan rumah tangga adalah 0,798. (7) Pada variabel barang pribadi dan sandang lainnya adalah 0,723. (8) Pada variabel jasa perawatan jasmani adalah 0,735.

(9) Pada variabel sarana dan penunjang lainnya adalah 0,295.

Karena ada satu variabel yaitu variabel sarana dan penunjang lainnya yang mempunyai nilai MSA di bawah 0,5 maka variabel tersebut belum bisa dianalisis lebih lanjut. Sehingga variabel tersebut harus dikeluarkan dan pengujian akan diulangi lagi

4.1.3 Pengujian Ulang 2

Pengujian Ulang dilakukan lagi dengan cara membuang variabel yang memiliki nilai MSA kurang dari 0,5 yaitu variabel sarana dan penunjang lainnya dengan nilai MSA adalah 0,295. Setelah dilakukan Pengujian Ulang, langkah-langkah pengujian ulang 2 sebagai berikut.

a. Dari menu Analyze, pilih submenu Data Reduction, lalu pilihan Factor..., seperti pada Gambar 21.

Gambar 21. Tampilan Factor Analysis Data Reduction

b. Masukkan semua variabel yang ada pada kotak variables, kecuali Variabel Sarana dan Penunjang lainnya karena nilai MSA adalah 0,295. Kemudian klik mouse pada tombolDescriptives...,seperti pada Gambar 22.

Gambar 22. Tampilan Discriptives

Tampilan Gambar 22 berisi alat-alat statistik yang digunakan untuk menggambarkan variabel-variabel, termasuk pengujiannya. CORRELATION MATRIX berisi berbagai alat pengujian dengan dasar korelasi antar variabel. Untuk keseragaman, pilih KMO and Barlett’s test of spericity dan Anti-image, pada saat memilih CORRELATION MATRIX.

c. Abaikan bagian yang lain dan tekan continueuntuk kembali ke menu utama. Dari tampilan menu utama faktor, abaikan juga bagian yang lain dan tekan OK untuk proses data.

Gambar 23. KMO and Bartlett’s Test Pengujian Ulang 2

BerdasarkanGambar23, terlihat bahwa Angka KMO and Barlet’s Test adalah 0,800 dengan nilai signifikansi 0,000. Oleh karena angka tersebut sudah di atas 0,5 dan nilai signifikansi kurang dari 0,05 (0,000 < 0,05), maka variabel yang ada sebenarnya sudah bisa dianalisis lebih lanjut.

BerdasarkanTabel Anti Image Matrices Pengujian Ulang 2 (Lampiran 5), khususnya pada angka korelasi yang bertanda a (arah diagonal dari kiri atas ke kanan bawah) terlihat bahwa nilai MSA adalah sebagai berikut.

(1) Pada variabel lemak dan minyak adalah 0,878. (2) Pada variabel minuman tak beralkohol adalah 0,709.

(3) Pada variabel tembakau dan minuman beralkohol adalah 0,913. (4) Pada variabel biaya tempat tinggal adalah 0,815.

(5) Pada variabel perlengkapan rumah tangga adalah 0,836. (6) Pada variabel penyelenggaraan rumah tangga adalah 0,792. (7) Pada variabel barang pribadi dan sandang lainnya adalah 0,711. (8) Pada variabel jasa perawatan jasmani adalah 0,753.

KMO and Bartlett's Test

.800 100.188 28 .000 Kaiser-Meyer-Olkin Measure of Sampling

Adequacy.

Approx. Chi-Square df

Sig. Bartlett's Test of

Karena nilai MSA untuk semua variabel sudah di atas 0,5. Dengan demikian, semua variabel tersebut bisa dianalisis lanjut.

4.1.4 Proses Inti Pada Analisis Faktor

Langkah-langkah proses inti pada analisis faktor, sebagai berikut.

1. Dari menu Analyze, pilih submenu Data Reduction, lalu pilihan Factor..., seperti pada Gambar 24.

Gambar 24. Tampilan Factor Analysis Data Reduction

2. Masukkan semua variabel yang ada pada kotak variables. Kemudian klik mouse pada kotak Extration..., seperti pada Gambar 25.

Pengisian pada tampilan Extraction.

(6) METHOD atau metode pembuatan factor (ekstraksi variabel). Jika kotak combo method di buka, tampak berbagai metode factoring. Untuk keseragaman pilih Principal components.

(7) ANALYZE. Tetap pada pilihan Correlation matrix.

(8) DISPLAY. Aktifkan semua pilihan, yakni Unrotated factor solution dan

Scree plot.

(9) EIGENVALUES OVER. Tetap pada angka yang ada, yakni 1.

(10)MAXIMUM ITERATIONS FOR CONVERGENCE. Tetap pada angka 25.

3. Klik Continue untuk kembali ke menu utama.

4. Kemudian klik mouse pada tombolRotation..., seperti pada Gambar26.

Gambar 26. Tampilan Rotation

Pengisian pada tampilan Rotation.

(4) METHOD atau metode rotasi. Terlihat berbagai macam metode rotasi, untuk keseragaman pilih Varimax.

(5) DISPLAY aktifkan semua kotak, yakni Rotated solution dan Loading plot(s).

(6) Maximum Iterations for Convergence, tetap pada angka 25.

5. Tekan continue untuk kembali ke menu utama. Dari tampilan menu utama faktor, abaikan juga bagian yang lain dan tekan OK untuk proses data. 6. Setelah dilakukan pengujian proses inti pada analisis faktor, output akan

ditampilkan satu persatu dan langsung dianalisis, sebagai berikut. a. Communalities

Tabel 2. Communalities

Communalities pada dasarnya adalah jumlah varian (bisa dalam persentase) dari suatu variabel mula-mula yang bisa dijelaskan oleh faktor yang ada. Angka initial disini untuk mengetahui varians dari suatu faktor dengan masing-masing variabel mempunyai angka 1 yang menunjukkan jumlah varians faktor tersebut. Sedangkan angka extraction adalah untuk mengetahui jumlah varians dari suatu faktor mula-mula yang bisa dijelaskan oleh terbentuk.

Communalities 1.000 .857 1.000 .870 1.000 .763 1.000 .828 1.000 .711 1.000 .857 1.000 .698 1.000 .632 Lemak dan Minyak

Tembakau dan Minuman alkohol

Biaya Tempat Tinggal Perlengkapan Rumah Tangga

Penyelenggaraan Rumah Tangga

Barang Pribadi dan Sandang lainnya Jasa Perawatan Jasmani Minuman tak beralkohol

Initial Extraction

Berdasarkan Tabel 2 (Communalities) maka dapat disimpulkan hal-hal sebagai berikut.

(1) Untuk variabel lemak dan minyak, angkanya adalah 0.857. Hal ini berarti sekitar 85.7% varians dari variabel lemak dan minyak bisa dijelaskan oleh faktor yang terbentuk.

(2) Untuk variabel tembakau dan minuman alkohol, angkanya adalah 0.870. Hal ini berarti sekitar 87.0% varians dari variabel tembakau dan minuman alkohol bisa dijelaskan oleh faktor yang terbentuk.

(3) Untuk variabel biaya tempat tinggal, angkanya adalah 0.763. Hal ini berarti sekitar 76.3% varians dari variabel biaya tempat tinggal bisa dijelaskan oleh faktor yang terbentuk.

(4) Untuk variabel perlengkapan rumah tangga, angkanya adalah 0.828. Hal ini berarti sekitar 82.8% varians dari variabel perlengkapan rumah tangga bisa dijelaskan oleh faktor yang terbentuk.

(5) Untuk variabel penyelenggaraan rumah tangga, angkanya adalah 0.711. Hal ini berarti sekitar 71.1% varians dari variabel penyelenggaraan rumah tangga bisa dijelaskan oleh faktor yang terbentuk.

(6) Untuk variabel barang pribadi dan sandang lainnya, angkanya adalah 0.857. Hal ini berarti sekitar 85.7% varians dari variabel barang pribadi dan sandang lainnya bisa dijelaskan oleh faktor yang terbentuk.

(7) Untuk variabel jasa perawatan jasmani, angkanya adalah 0.698. Hal ini berarti sekitar 69.8% varians dari variabel perawatan jasmani bisa dijelaskan oleh faktor yang terbentuk.

(8) Untuk variabel minuman tak beralkohol, angkanya adalah 0.632. Hal ini berarti sekitar 63.2% varians dari variabel minuman tak beralkohol bisa dijelaskan oleh faktor yang terbentuk.

b.

Total Variance Explained

Tabel 3. Total Variance Explained

Berdasarkan Tabel 3 (Total Variance Explained), ada 8 variabel (component) yang dimasukkan dalam analisis faktor. Yakni variabel lemak dan minyak, tembakau dan minuman alkohol, biaya tempat tinggal, perlengkapan rumah tangga, penyelenggaraan rumah tangga, barang pribadi dan sandang lainnya, jasa perawatan jasmani, dan minuman tak beralkohol. Dengan masing-masing variabel mempunyai varians 1, maka total varians adalah 8 x 1 = 8.

(1) Jika 8 variabel diekstrak menjadi 1 faktor, maka:

Total Variance Explained

6.216 77.697 77.697 6.216 77.697 77.697 .841 10.517 88.214

.547 6.837 95.051 .195 2.438 97.488 .103 1.292 98.780 .047 .585 99.365 .033 .414 99.779 .018 .221 100.000 Component 1 2 3 4 5 6 7 8

Total % of Variance Cumulative % Total % of Variance Cumulative % Initial Eigenvalues Extraction Sums of Squared Loadings

%

7

,

77

%

100

8

216

,

6

₌

x

(2) Jika 8 variabel diekstrak menjadi 2 faktor maka:

%

51

,

10

%

100

8

841

,

0

=

x

Total kedua faktor akan bisa menjelaskan 77,7% + 10,51% atau 88,21% dari variabilitas kedelapan variabel asli tesebut.

Eigenvalues menunjukkan kepentingan relatif masing-masing faktor dalam menghitung varians kedelapan variabel yang dianalisis. Dari tabel 3 terlihat bahwa hanya ada satu faktor yang terbentuk, karena dengan satu faktor angka eigenvalues adalah 6,216 diatas 1. Namun untuk dua faktor angka eigenvalues sudah dibawah 1 yakni 0,841. Sehingga proses

factoring seharusnya berhenti pada satu faktor saja.

c.

Scree Plot

Gambar 27. Hasil Output Scree Plot

Scree Plot Component Number 8 7 6 5 4 3 2 1 Eigenvalue 7 6 5 4 3 2 1 0

Jika Tabel 3 (Total Variance Explained) menjelaskan dasar jumlah faktor yang didapat dengan perhitungan angka, maka Scree Plot

menampakkan hal tersebut dengan grafik. Terlihat bahwa dari satu ke dua faktor (garis dari sumbu component number = 1 ke 2), arah grafik menurun dengan cukup tajam. Kemudian dari angka 2 ke 3, garis masih menurun. Demikian pula dari angka 3 ke 4 sudah dibawah angka 1 dari sumbu Y (Eigenvalues). Hal ini menunjukkan bahwa satu adalah yang paling bagus untuk meringkas kesembilan variabel tersebut.

d.

Component Matrix

Tabel 4. Component Matrix

Setelah diketahui satu faktor adalah jumlah yang paling optimal, maka Tabel 4 (Component Matrix) menunjukkan distribusi kedelapan variabel tersebut pada satu faktor yang terbentuk. Sedangkan

angka-Component Matrix a

.926 .933 .874 .910 .843 .926 .835 -.795 Lemak dan Minyak

Tembakau dan Minuman alkohol

Biaya Tempat Tinggal Perlengkapan Rumah Tangga

Penyelenggaraan Rumah Tangga

Barang Pribadi dan Sandang lainnya Jasa Perawatan Jasmani Minuman tak beralkohol

1 Compone

nt

Extraction Method: Principal Component Analysis. 1 components extracted.

angka yang ada pada tabel tersebut adalah factor loading, yang menunjukkan besar korelasi antar suatu variabel dengan satu faktor.

Besar korelasi pada setiap baris yang ada di dalam Tabel 4 (Component Matrix) adalah sebagai berikut.

(1) Korelasi antara variabel lemak dan minyak dengan komponen adalah 0.926 (korelasi kuat karena diatas 0.5).

(2) Korelasi antara variabel tembakau dan minuman alkohol dengan komponen adalah 0.933 (korelasi kuat karena diatas 0.5).

(3) Korelasi antara variabel biaya tempat tinggal dengan komponen adalah 0.874 (korelasi kuat karena diatas 0.5).

(4) Korelasi antara perlengkapan rumah tangga dengan komponen adalah 0.910 (korelasi kuat karena diatas 0.5).

(5) Korelasi antara variabel penyelenggaraan rumah tangga dengan komponen adalah 0.843 (korelasi kuat karena diatas 0.5).

(6) Korelasi antara variabel barang pribadi dan sandang lainnya dengan komponen adalah 0.926 (korelasi kuat karena diatas 0.5).

(7) Korelasi antara variabel jasa perawatan jasmani dengan komponen adalah 0.835 (korelasi kuat karena diatas 0.5).

(8) Korelasi antara variabel minuman tak beralkohol dengan komponen adalah -0.795 (korelasi kuat karena diatas 0.5).

4.2 Pembahasan

dengan analisis faktor. Variabel tersebut adalah variabel padi-padian, ubi-ubian dan hasilnya dan variabel sarana dan penunjang lainnya. Kedua variabel dihilangkan karena nilai MSAnya kurang dari 0,5 yakni 0,095 untuk variabel padi-padian, ubi-ubian dan hasilnya dan 0,295 untuk variabel sarana dan penunjang lainnya. Variabel padi-padian, ubi-ubian dan hasilnya tidak berpengaruh terhadap laju inflasi Kabupaten Pati tahun 2011 karena sebagian besar masyarakat di Kabupaten Pati tidak bergerak di bidang pertanian.

Variabel indeks harga konsumen pada sub kelompok pengeluaran yang dapat dianalisis lanjut adalah variabel lemak dan minyak, tembakau dan minuman alkohol, biaya tempat tinggal, perlengkapan rumah tangga, penyelenggaraan rumah tangga, barang pribadi dan sandang lainnya, jasa perawatan jasmani, dan minuman tak beralkohol. Berdasarkan kedelapan variabel tersebut faktor yang terbentuk adalah satu faktor. Karena hanya satu faktor maka tidak perlu dilakukan rotasi mengingat tujuan rotasi adalah untuk memperjelas variabel yang masuk pada faktor tertentu.

Variabel lemak dan minyak berpengaruh terhadap laju inflasi Kabupaten Pati tahun 2011 karena harga minyak goreng mengalami kenaikan. Kenaikan ini disebabkan oleh minimnya bahan baku minyak goreng yaitu kelapa sawit. Disinyalir produsen lebih senang menjual kelapa sawitnya ke luar negeri karena tergiur dengan nilai jual yang jauh lebih tinggi bila dibanding dengan di negara sendiri. Sehingga harga minyak goreng di dalam negeri mulai menipis dan harga jualnya melonjak.

Variabel tembakau juga sangat berpengaruh terhadap laju inflasi di Kabupaten Pati, karena dalam penelitiansebagian besar penduduk Kabupaten Pati banyak yang

merokok. Jika harga tembakau naik, akan berpengaruh terhadap kebutuhan pokok sehari-hari.

Variabel minuman beralkohol juga sangat berpengaruh terhadap laju inflasi di Kabupaten Pati, karena dalam penelitian sebagian besar penduduk Kabupaten Pati banyak yang mengkonsumsi minuman beralkohol terutama di kaum remaja. Pendapatan minuman beralkohol terdapat dari kafe-kafe yang tersebar di wilayah Kabupaten Pati. Jika harga minuman beralkohol naik, maka akan berpengaruh terhadap pendapatan tembakau.

Inflasi yang kelajuannya sudah tidak bisa dikendalikan akan mengurangi tabungan, mengurangi gairah perusahaan untuk melakukan investasi yang produktif dan dapat menimbulkan kemerosotan nilai mata uang serta defisit neraca pembayaran. Berbagai masalah ini akan memperlambat laju pertumbuhan ekonomi. Berdasarkan hasil analisis faktor yang telah dilakukan didapatkan bahwa laju inflasi Kabupaten Pati tahun 2011 dipengaruhi oleh variabel lemak dan minyak, tembakau dan minuman alkohol, biaya tempat tinggal, perlengkapan rumah tangga, penyelenggaraan rumah tangga, barang pribadi dan sandang lainnya, jasa perawatan jasmani, dan minuman tak beralkohol. Sehingga Pemerintah Kabupaten Pati diharapkan akan lebih memperhatikan variabel-varibel tersebut agar laju inflasi pada tahun-tahun berikutnya akan menurun.

 

D. Penyelenggaraan Rumahtangga 179,625 12,46 0,56

IV. SANDANG 137,158 1,70 0,08

A. Sandang Laki-laki 114,728 0,22 0,00

B. Sandang Wanita 118,701 0,29 0,00

C. Sandang Anak-anak 131,918 0,00 0,00

D. Barang Pribadi & Sandang lainnya 221,364 6,10 0,08

V. KESEHATAN 143,659 0,55 0,02

A. Jasa Kesehatan 164,377 0,73 0,01

B. Obat-obatan 115,973 0,00 0,00

C. Jasa Perawatan Jasmani 174,228 0,00 0,00

D. Perawatan Jasmani dan Kosmetika 136,558 0,63 0,01

VI. PENDIDIKAN, REKREASI & OR 132,602 1,77 0,09

A. Jasa Pendidikan 143,002 0,00 0,00

B. Kursus-kursus/pelatihan 136,870 4,17 0,01

C. Perlengkapan/Peralatan Pendidikan 126,367 0,00 0,00

D. Rekreasi 110,693 7,50 0,08

E. Olahraga 176,282 0,00 0,00

VII. TRANSPORTASI & KOMUNIKASI 155,121 -2,71 -0,40

A. Transpor 179,976 -3,47 -0,40

B. Komunikasi & Pengiriman 97,325 0,00 0,00

C. Sarana & Penunjang Transport 125,343 0,00 0,00

D. Jasa Keuangan 160,532 0,00 0,00

E. Sarana dan penunjang lainnya 203,981 -0,15 0,00

INDEKS HARGA KONSUMEN DAN PERUBAHANNYA MENURUT KELOMPOK DAN SUB KELOMPOK BARANG/JASA DI KABUPATEN PATI

BULAN : DESEMBER 2011 (2002 = 100)

Kelompok/ Sub Kelompok Indeks Perubahan

Andil Inflasi

(dalam %) (dalam %)

1 2 3 4

UMUM 158,557 0,79 0,79

I. BAHAN MAKANAN 158,923 1,78 0,41

A. Padi-padian, ubi-ubian & hasilnya 194,396 2,63 0,18

B. Daging dan hasilnya 160,234 -1,65 -0,06

C. Ikan Segar 166,700 4,17 0,06

D. Ikan Diawetkan 109,316 0,00 0,00

E. Telur, Susu & hasilnya 144,569 1,92 0,04

 

B. Bahan bakar, penerangan dan air 148,667 0,00 0,00

C. Perlengkapan Rumahtangga 197,802 0,00 0,00

D. Penyelenggaraan Rumahtangga 181,819 1,22 0,00

IV. SANDANG 137,397 0,17 0,01

A. Sandang Laki-laki 114,728 0,00 0,00

B. Sandang Wanita 118,701 0,00 0,00

C. Sandang Anak-anak 131,918 0,00 0,00

D. Barang Pribadi & Sandang lainnya 222,818 0,66 0,01

V. KESEHATAN 143,659 0,00 0,00

A. Jasa Kesehatan 164,377 0,00 0,00

B. Obat-obatan 115,973 0,00 0,00

C. Jasa Perawatan Jasmani 174,228 0,00 0,00

D. Perawatan Jasmani dan Kosmetika 136,558 0,00 0,00

VI. PENDIDIKAN, REKREASI & OR 132,602 0,00 0,00

A. Jasa Pendidikan 143,002 0,00 0,00

B. Kursus-kursus/pelatihan 136,870 0,00 0,00

C. Perlengkapan/Peralatan Pendidikan 126,367 0,00 0,00

D. Rekreasi 110,693 0,00 0,00

E. Olahraga 176,282 0,00 0,00

VII. TRANSPORTASI & KOMUNIKASI 155,783 0,43 0,06

A. Transpor 179,976 0,00 0,00

B. Komunikasi & Pengiriman 97,325 0,00 0,00

C. Sarana & Penunjang Transport 133,783 6,73 0,06

D. Jasa Keuangan 160,532 0,00 0,00

DATA INDEKS HARGA KONSUMEN (IHK) PADA SUB KELOMPOK PENGELUARAN YANG MEMPENGARUHI

LAJU INFLASI KABUPATEN PATI TAHUN 2011

Bulan

Padi-padian

Lemak & Minyak

Minuman Tak Beralkohol

Biaya Tmp Tinggal

Perlengkapan Rmh tangga

Pnylnggraan Rmh tangga

Barang Pribadi

Jasa Prwatan Jasmani

Tembakau & Minuman Beralkohol

Sarana Penunjang

lainnya

Januari 185,682 156,177 162,841 170,822 196,048 154,155 182,068 169,836 153,918 203,981

Pebruari 212,153 156,177 162,841 176,062 196,553 155,617 188,092 169,83 153,918 203,981

Maret 210,41 156,177 162,841 177,023 196,553 155,617 186,133 169,836 155,22 203,981

April 188,973 173,828 162,841 177,023 196,553 155,617 191,518 169,836 156,027 203,981

Mei 188,973 182,654 162,841 177,023 197,322 155,617 187,883 169,836 157,329 160,532

Juni 188,776 187,066 162,841 178,724 197,322 155,617 185,484 169,836 161,288 160,532

Juli 188,827 182,654 162,841 178,724 197,322 155,617 188,968 169,836 162,277 203,981

Agustus 188,926 200,305 160,716 178,605 197,322 156,843 187,668 169,836 162,277 203,981

September 194,463 199,353 158,591 178,605 197,322 159,724 201,689 169,836 164,921 203,981

Oktober 195,3 202,815 159,591 178,605 197,562 159,724 208,629 174,228 164,921 203,981

Nopember 189,416 207,228 160,252 181,986 197,802 179,625 221,364 174,228 165,728 203,981

Tabel Anti-image Matrices Tabel Anti-image Matrices Pengujian Ulang 1

Anti-image Matrices

.057 .030 .005 -.014 -.009 .003 -.003 .023 -.023

.030 .121 -.040 -.002 -.050 .035 -.050 .055 .018

.005 -.040 .094 -.038 .004 -.020 .051 -.074 .004

-.014 -.002 -.038 .034 .002 .003 -.018 .066 -.019

-.009 -.050 .004 .002 .089 -.037 .027 -.003 -.001

.003 .035 -.020 .003 -.037 .026 -.038 .003 .002

-.003 -.050 .051 -.018 .027 -.038 .098 -.040 .001

.023 .055 -.074 .066 -.003 .003 -.040 .321 -.054

-.023 .018 .004 -.019 -.001 .002 .001 -.054 .052

.905a _{.363 .064 -.310 -.133 .087 -.035 .169 -.423} .363 .723a _{-.378 -.032 -.481 .632 -.458 .278 .232} .064 -.378 .761a -.665 .042 -.397 .528 -.428 .057 -.310 -.032 -.665 .773a .041 .093 -.311 .632 -.460 -.133 -.481 .042 .041 .798a -.767 .293 -.018 -.016

.087 .632 -.397 .093 -.767 .723a _{-.756 .031 .058}

-.035 -.458 .528 -.311 .293 -.756 .735a _{-.224 .017} .169 .278 -.428 .632 -.018 .031 -.224 .295a _-.419

-.423 .232 .057 -.460 -.016 .058 .017 -.419 .878a

LEMAK MIN_TAK BIAYA_TM PRL_RT PENYE_RT BRG_PRIB JASA_PER SARANA TEMBAKAU LEMAK MIN_TAK BIAYA_TM PRL_RT PENYE_RT BRG_PRIB JASA_PER SARANA TEMBAKAU Anti-image Covariance

Anti-image Correlation

LEMAK MIN_TAK BIAYA_TM PRL_RT PENYE_RT BRG_PRIB JASA_PER SARANA TEMBAKAU

Measures of Sampling Adequacy(MSA) a.

Tabel Anti-image Matrices Pengujian Ulang 1

Anti-image Matrices

.039 .014 .022 -.024 -.018 -.003 .016 -.031 -.007 .022 .014 .006 .008 -.009 -.007 -.002 .006 -.011 .000 .007 .022 .008 .014 -.014 -.010 -.008 .011 -.020 .002 .014 -.024 -.009 -.014 .018 .007 .003 -.012 .023 -.010 -.013 -.018 -.007 -.010 .007 .020 .003 -.006 .009 .042 -.016 -.003 -.002 -.008 .003 .003 .089 -.022 .015 -.002 -.003 .016 .006 .011 -.012 -.006 -.022 .015 -.022 -.001 .010 -.031 -.011 -.020 .023 .009 .015 -.022 .043 -.012 -.017 -.007 .000 .002 -.010 .042 -.002 -.001 -.012 .320 -.032 .022 .007 .014 -.013 -.016 -.003 .010 -.017 -.032 .027 .095a _{.948 .941 -.898 -.637 -.059 .656 -.751 -.062 .696} .948 .524a .931 -.842 -.680 -.098 .643 -.719 -.005 .562 .941 .931 .407a _{-.901 -.607 -.219 .779 -.809 .036 .711} -.898 -.842 -.901 .488a _{.346 .072 -.721 .828 -.132 -.607} -.637 -.680 -.607 .346 .648a .069 -.363 .319 .526 -.697 -.059 -.098 -.219 .072 .069 .878a _{-.617 .238 -.014 -.053} .656 .643 .779 -.721 -.363 -.617 .566a -.870 -.017 .488 -.751 -.719 -.809 .828 .319 .238 -.870 .499a _{-.101 -.514} PADI

LEMAK MIN_TAK BIAYA_TM PRL_RT PENYE_RT BRG_PRIB JASA_PER SARANA TEMBAKAU PADI LEMAK MIN_TAK BIAYA_TM PRL_RT PENYE_RT BRG_PRIB JASA_PER Anti-image Covarianc

Anti-image Correlation

PADI LEMAK MIN_TAK BIAYA_TM PRL_RT PENYE_RT BRG_PRIB JASA_PER SARANA TEMBAKAU

Tabel Anti-image Matrices Pengujian Ulang 2

Anti-image Matrices

.059 .029 .013 -.031 -.010 .003 .000 -.024

.029 .131 -.037 -.024 -.054 .038 -.049 .036

.013 -.037 .115 -.045 .004 -.023 .053 -.013

-.031 -.024 -.045 .056 .005 .004 -.017 -.017

-.010 -.054 .004 .005 .089 -.037 .028 -.002

.003 .038 -.023 .004 -.037 .026 -.040 .003

.000 -.049 .053 -.017 .028 -.040 .103 -.007

-.024 .036 -.013 -.017 -.002 .003 -.007 .063

.878a .333 .153 -.546 -.132 .083 .003 -.394

.333 .709a _{-.298 -.279 -.495 .649 -.422 .399}

.153 -.298 .815a _{-.564 .038 -.424 .491 -.149}

-.546 -.279 -.564 .836a .068 .095 -.224 -.277

-.132 -.495 .038 .068 .792a -.767 .297 -.026

.083 .649 -.424 .095 -.767 .711a -.769 .078

.003 -.422 .491 -.224 .297 -.769 .753a -.087

-.394 .399 -.149 -.277 -.026 .078 -.087 .913a

LEMAK MIN_TAK BIAYA_TM PRL_RT PENYE_RT BRG_PRIB JASA_PER TEMBAKAU LEMAK MIN_TAK BIAYA_TM PRL_RT PENYE_RT BRG_PRIB JASA_PER TEMBAKAU Anti-image Covariance

Anti-image Correlation

LEMAK MIN_TAK BIAYA_TM PRL_RT PENYE_RT BRG_PRIB JASA_PER TEMBAKAU

Measures of Sampling Adequacy(MSA) a.