30 umumnya diabaikan. Perumusan umum nilai eucledian distance adalah :
∑
=
− =
p i
j i
IJ
Z Z
D
1 2
, untuk kasus multivariabel dan univariabel; dimana :
IJ
D adalah jarak eucledian antara unit spasial i dan j
i
Z dan
j
Z adalah atribut dari spasial i dan j kasus univariabel
mi
Z dan
mj
Z adalah nilai atribut dari unit spasial i dan j untuk peubah
m
Z dalam
kasus multivariabel
mi
Z dan
mj
Z adalah nilai dari
mi
Z dan
mj
Z yang telah distandarkan Asumsi yang harus dipenuhi dalam penggunaan jarak eucledian ini adalah
bahwa antar variabel tidak terjadi multicollinearitas atau variabel- variabel yang ada saling tegak lurus orthogonal. Oleh karena itu, data yang digunakan untuk
analisis gerombol telah melalui transformasi PCA.
2.9. Analisis Fungsi Diskriminan Discriminant Function Analysis
Analisis fungsi diskriminan Discriminant Function Analysis atau DFA adalah teknik analisis untuk menentukan parameter-parameter yang diduga
fungsi pembeda antar kelompok, sehingga dapat ditentukan sifat dan ciri utama kelompok yang telah ditentukan melalui analisis gerombol.
Pada DFA, data yang digunakan sebagai variabel tujuan dependent variable
bersifat kualitatif sedangkan variabel penjelasnya explanatory variable berupa data kuantitatif.
Jika diasumsikan bahwa G
i
= f
j
, dimana j = 1, 2, …, M adalah kelompok wilayah berdasarkan analisis gerombol. Hasil klasifikasi sebelumnya telah
diketahui jumlah serta anggota dalam gerombol tersebut, sehingga G
i
dapat ditulis kembali menjadi G
i
= f
jk
, dimana j = 1, 2, …, M
k
dengan asumsi bahwa k adalah jumlah gerombol k = 1, 2, …, K. Sedangkan kelompok yang telah diketahui dari
31 hasil analisis gerombol dapat dituliskan dengan persamaan berikut :
i q
qi i
i oi
i
F a
F a
F a
a G
ε +
+ +
+ +
= ...
2 2
1 1
, dimana
1
F ,
2
F , …,
q
F adalah variabel- variabel yang telah diketahui melalui analisis gerombol sedangkan
i
ε adalah nilai standard error
kelompok. Parameter-parameter yang akan diduga melalui fungsi diskriminan adalah
oi
a ,
i
a
1
,
i
a
2
, …,
qi
a . Fungsi klasifikasi diwujudkan sebagai fungsi kepekaan peluang fz :
− −
= m
z C
z F
2 1
exp 2
1
2
π , dimana
C : determinan matriks ragam peragam z
: vektor berdimensi N z
E m =
: rataan vektor berdimensi N
[ ]
m z
m z
E C
− −
= : matriks ragam berukuran N x N
2.10. Analisis Regresi Berganda Multiple Regression Analysis
Analisis regresi berganda Multiple Regression Analysis adalah metode statistik untuk merumuskan model pendugaan variabel tujuan dependent
variable terhadap variabel-variabel penjelas explanatory variable lain yang
diamati. Pada analisis regresi berganda, variabel penjelas maupun variabel tujuan adalah data yang bersifat kuantitatif.
Persamaan yang dihasilkan dari model regresi berganda harus memenuhi beberapa asumsi berikut ini :
1. ,
=
i
E ε untuk setiap ,
i dimana
, ,
... ,
2 ,
1 n
i = artinya rata-rata kesalahan
pengganggu standard error adalah nol. 2.
, ,
, j
i Kov
j i
≠ =
ε ε
artinya kovarian ,
, =
j i
ε ε
dengan kata lain tidak ada autokorelasi antar pengganggu kesalahan standard error.
32 3.
,
2 2
σ ε =
i
Var untuk setiap ,
i dimana
, ,
... ,
2 ,
1 n
i = artinya setiap kesalahan
pengganggu memiliki varian yang sama. 4.
, ,
,
2 1
= =
i i
i i
x Kov
x Kov
ε ε
artinya kovarian kesalahan pengganggu memiliki varian yang sama dengan setiap peubah bebas tercakup dalam persamaan
linear berganda. 5.
, ;
2
σ ε
N
i
= kesalahan pengganggu menyebar normal dengan rata-rata nol
dan varian .
2
σ 6. Tidak ada multikolinearitas, artinya tidak ada hubungan linear yang eksak
antara peubah-peubah penjelas atau saling bebas orthogonal. Persamaan umum model regresi berganda adalah :
n n
o
X A
X A
A Y
+ +
+ =
...
1 1
, dimana Y
: Fungsi tujuanpeubah yang diduga dependent variable
o
A : Nilai konstantakoefisien fungsi regresi intercept
X : Variabel penjelas variabel yang diduga independent variable
n
A : Nilai konstantakoefisien variabel penjelas fungsi regresi
Umumnya, variabel-variabel penjelas merupakan kombinasi dari variabel kategorikal dan kontinu, maka diperlukan beberapa metode khusus untuk
menghasilkan model yang memiliki satu set peubah-peubah terbaik. Beberapa metode yang dimaksud antara lain : standard, forward stepwise, dan backward
stepwise . Pada penelitian ini digunakan metode Forward Stepwise, yang mana
prinsip dasarnya adalah mengurangi banyaknya peubah di dalam fungsi tujuan dengan cara menyisipkan peubah penjelas satu per satu hingga diperoleh
persamaan regresi yang paling baik.
33
III. METODOLOGI PENELITIAN
3.1. Waktu dan Lokasi Penelitian
Penelitian dilaksanakan di Bagian Perencanaan Pengembangan Sumberdaya Lahan, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian,
Institut Pertanian Bogor. Penelitian dilakukan sejak bulan Februari 2005 dan hingga bulan Juli 2005.
Wilayah studi yang dikaji adalah 171 desa yang tersebar di sembilan kecamatan di Kabupaten Sambas, Propinsi Kalimantan Barat.
3.2. Jenis Data, Sumber Data, dan Alat Penelitian
Data yang digunakan dalam penelitian ini adalah data Badan Pusat Statistik BPS berupa data Potensi Desa PODES tahun 2003 serta peta digital unit-unit
wilayah administratif Kabupaten Sambas, Propinsi Kalimantan Barat. Alat yang digunakan pada penelitian ini adalah seperangkat komputer, alat
tulis, dan perangkat lunak software, terdiri dari Microsoft Excel 2000, Statistica Versi 5.0, dan Arc View GIS 3.2.
3.3. Tahapan Penelitian
Tahapan-tahapan yang dilakukan pada penelitian ini adalah : 1 Studi pustaka tentang kawasan agropolitan di Kabupaten Sambas
2 Penyusunan dan pengajuan proposal 3 Proses pemilihan data-data yang diperlukan
4 Analisis data sesuai dengan tujuan penelitian 5 Interpretasi hasil analisis data sebagai bahan penyusunan skripsi
6 Penulisan skripsi
