39
Gambar 5 Proses pemetaan pola spasial tipologi kemiskinan. 3.5.2
Pemetaan Pola Spasial Pembangunan ManusiaSosial
Variabel-variabel yang terkait dengan pembangunan manusiasosial diortoganalisasi untuk mendapatkan penciri utamanya yang diperlukan untuk
membentuk tiga konfigurasi, yaitu konfigurasi tingkatan pembangunan di bidang kesehatan, bidang pendidikan dan bidang sosial. Factor score penciri masing-
masing konfigurasi diklaster dengan teknik Cluster Analysis dan untuk mendapatkan pembeda dari tiap pola konfigurasi digunakan teknik Discriminant
Analysis . Penciri ditampilkan secara spasial dan menghasilkan konfigurasi
spasialnya. Tingkatan pembangunan yang tinggi ditunjukkan dengan warna hijau, tingkatan sedang dengan tampilan warna kuning, dan tingkatan rendah dengan
tampilan warna merah. Persentase kecamatan yang ada pada setiap klaster di kabupatenkota
dikalikan skala bobot klaster menghasilkan bobot kabupatenkota yang akan di- plot
dalam analisis kuadran. Bobot klaster konfigurasi pada pola spasial tipologi pembangunan manusiasosial ditunjukkan pada Tabel 6.
Tabel 6 Bobot Klaster pada pola spasial tipologi pembangunan manusiasosial
Konfigurasi Bobot Klaster
Tinggi Sedang
Rendah Konfigurasi pembangunan bidang kesehatan
3 2
1 Konfigurasi pembangunan bidang pendidikan
3 2
1 Konfigurasi pembangunan bidang sosial
3 2
1
Kemiskinan Sebaran keluarga miskin
Sebaran penduduk Orthogonalisasi, clustering
dan discrimant function Konfigurasi sebaran
keluarga miskin
Pola spasial kemiskinan Konfigurasi sebaran
penduduk
Analisis Kuadran Orthogonalisasi, clustering
dan discrimant function
40
Pola spasial yang dibangun adalah konfigurasi tingkatan pembangunan manusia komposit dari pembangunan kesehatan dan pendidikan terhadap
konfigurasi tingkatan pembangunan sosial. Pola spasial membentuk empat kuadran, yaitu: 1 kuadran pertama untuk wilayah dengan tingkatan pembangunan
manusia dan pembangunan sosial tinggi; 2 kuadran kedua untuk wilayah dengan tingkatan pembangunan manusia rendah dan pembangunan sosial tinggi; 3
kuadran ketiga untuk wilayah dengan tingkatan pembangunan manusia dan pembangunan sosial rendah; dan 4 kuadran keempat untuk wilayah dengan
tingkatan pembangunan manusia tinggi dan pembangunan sosial rendah. Keseluruhan alur analisis pemetaan pola spasial tipologi pembangunan
manusiasosial ditunjukkan pada Gambar 6.
Gambar 6 Proses pemetaan pola spasial tipologi pembangunan manusiasosial.
3.5.3 Pemetaan Pola Spasial Aktivitas Ekonomi
Variabel-variabel yang terkait dengan aktivitas ekonomi diortoganalisasi untuk mendapatkan penciri utama yang diperlukan untuk membentuk dua
konfigurasi, yaitu konfigurasi sebaran aktivitas sektor pertanian dan konfigurasi sebaran aktivitas sektor industriperdagangan. Factor score penciri konfigurasi
sebaran aktivitas sektor pertanian dan konfigurasi sebaran aktivitas sektor
41
industriperdagangan digunakan dalam teknik Cluster Analysis dan untuk mendapatkan pembeda dari tiap pola konfigurasi digunakan teknik Discriminant
Analysis . Wilayah kecamatan unit analisis dikelompokkan berdasarkan tingkat
capaian setiap pembeda, hingga diperoleh kategori tinggi, sedang, dan rendah. Penciri menjadi atribut unit analisis dan ditampilkan secara spasial untuk
menghasilkan konfigurasi spasialnya. Sebaran aktivitas ekonomi yang tinggi ditampilkan dengan warna hijau, sebaran sedang dengan tampilan warna kuning,
dan sebaran rendah dengan tampilan warna merah. Persentase kecamatan pada setiap klaster di kabupatenkota dikalikan skala
bobot klaster untuk menghasilkan bobot spasial kabupatenkota sebagai nilai yang akan di-plot dalam analisis kuadran. Bobot klaster konfigurasi pada pola spasial
tipologi aktivitas ekonomi ditunjukkan pada Tabel 7. Tabel 7 Bobot Klaster pada pola spasial tipologi aktivitas ekonomi
Konfigurasi Bobot Klaster
Tinggi Sedang
Rendah Konfigurasi sebaran aktivitas sektor pertanian
3 2
1 Konfigurasi sebaran aktivitas sektor
industriperdagangan 3
2 1
Konfigurasi spasial yang menggunakan atribut di tingkat kecamatan, akan digunakan untuk menentukan pola spasial tipologi aktivitas ekonomi di tingkat
kabupatenkota dengan pendekatan kuadran, yaitu pemetaan kabupaten kota berdasarkan pola sebaran aktivitas sektor pertanian terhadap pola sebaran aktivitas
sektor industriperdagangan. Pola spasial membentuk empat kuadran, yaitu: 1 kuadran pertama untuk wilayah dengan sebaran aktivitas sektor pertanian dan
sebaran industriperdagangan tinggi; 2 kuadran kedua untuk wilayah dengan sebaran aktivitas sektor pertanian rendah dan sebaran industriperdagangan tinggi;
3 kuadran ketiga untuk wilayah dengan sebaran aktivitas sektor pertanian dan sebaran industriperdagangan rendah; dan 4 kuadran keempat untuk wilayah
dengan sebaran aktivitas sektor pertanian tinggi dan sebaran industriperdagangan rendah. Alur analisis pemetaan pola spasial tipologi aktivitas ekonomi secara
keseluruhan ditunjukkan pada Gambar 7.
42
Gambar 7 Proses pemetaan pola spasial tipologi aktivitas ekonomi.
3.5.4 Analisis Keterkaitan Variabel-variabel Pembangunan ManusiaSosial
dan Aktivitas Ekonomi, dengan Kemiskinan.
Analisis ini menggunakan analisis fungsional untuk melihat seberapa besar variable-variabel utama dari aktivitas ekonomi dan pembangunan manusiasosial
berperan dalam menentukan jumlah penduduk miskin baik di wilayahnya maupun pengaruh dari wilayah lain. Untuk mengatasi multikolinieritas, maka dalam
analisis ini digunakan indeks komposit dari setiap kelompok variabel. Analisis ini didasarkan pemikiran bahwa untuk dapat menekan tingginya
tingkat kemiskinan perlu meningkatkan aktivitas ekonomi daerah dan upaya pembangunan manusia. Indeks komposit dari variabel-variabel pada aktivitas
ekonomi dan pembangunan manusiasosial menjadi variabel independen X, sedangkan jumlah penduduk miskin yang merupakan variabel dependen Y.
Analisis hubungan fungsional ini menggunakan komponen utama masing- masing variabel dan data jarak antar kecamatan yang kemudian dianalisis dengan
spatial econometric . Kedekatan dan keterkaitan antar lokasi menyebabkan
munculnya autokorelasi spasial, yang menunjukkan bahwa tingkat perkembangan di suatu wilayah selain dipengaruhi oleh variabel bebas, juga dipengaruhi oleh
hubungan spasial.
43
Spatial econometric hampir sama dengan regresi berbobot. Untuk
perhitungan pembobotan spasial didasarkan pada dua aspek, yaitu : Ketetanggaan
Kebalikan jarak
3.5.4.1 Model Regresi Berganda
Model regresi berganda digunakan untuk mengetahui faktor-faktor yang mempengaruhi kemiskinan dalam suatu wilayah sendiri tanpa melihat pengaruh
daerah lain. Variabel-variabel dari komponen utama yang dihasilkan dari PCA pada variabel keadaan diregresikan dengan terhadap variabel tujuan yaitu jumlah
penduduk miskin pada suatu wilayah. Variabel yang berpengaruh signifikan dalam menekan jumlah penduduk
yang hidup di bawah garis kemiskinan, direkomendasikan kepada pemerintah sebagai bahan pertimbangan strategi pembangunan daerah dalam mengatasi
kemiskinan. Rumus dari model regresi berganda :
Y
r
= α + βX
r
+ ε
r
dimana : Y
r
adalah variabel tujuan sebaran keluarga miskin,
α
dan
β
adalah koefisien fungsi regresi, X
r
adalah variabel bebas pembangunan manusiasosial
dan aktivitas ekonomi, dan
ε
r
adalah error.
3.5.4.2 Spatial Durbin Model
Teknik ini digunakan untuk apakah melihat kemiskinan dalam suatu wilayah disebabkan oleh kemiskinan daerah lainnya yang berdekatan dan
memiliki keterkaitan, dan dipengaruhi pula oleh variabel-variabel dari komponen utama pada indikator pembangunan ekonomi dan pembangunan manusia di
wilayahnya dan diwilayah lain. Jika jarak antar daerah sangat mempengaruhi interaksi antar daerah, maka dapat dilihat parameter apa saja pada daerah lain
yang memberi pengaruh terhadap penurunan tingkat kemiskinan di daerah tersebut, dan seberapa besar pengaruhnya.
Variabel-variabel dari komponen utama dari pembangunan ekonomi dan pembangunan di wilayahnya dan di wilayah lain yang dihasilkan dari PCA akan
digunakan sebagai variabel bebas X
r
, dan jumlah penduduk miskin wilayah lain dan di wilayahnya sendiri menjadi variabel tujuan Y
r
. Prinsip dasarnya adalah