Analisis Faktor Komponen Bahan Non Makanan pada Klaster Ketiga Initial Eigenvalues Compo nent
1 2 3 4 5 6 7 8 9
Total 2,353 1,305 1,123 ,901 ,792 ,777 ,666 ,574 ,508
% of CumulaVariance tive % 26,148 14,504 12,481 10,007 8,801 8,630 7,402 6,378 5,649
26,148 40,652 53,133 63,140 71,941 80,571 87,973 94,351 100,00
BAB IV
Extraction Sums of Squared Loading Total 2,353 1,305 1,123
% of CumulaVariance tive % 26,148 14,504 12,481
26,148 40,652 53,133
1
Analisis Faktor Komponen Bahan Makanan pada Klaster Ketiga Rotated Component Matrix Faktor 1 faktor bahan makanan dasar Faktor 2 bahan makanan tambahan Faktor 3 utama
Variabel
BAB IV
Komponen 1 0,651
2 -0,042
3 -0,010
0,535
0,544
0,023
0,611
-0,200
0,313
0,694
0,316
0,057
-0,163
0,716
0,152
0,273
0,592
-0,215
Rekreasi
-0,020
0,637
0,441
Kesehatan
-0,024
0,001
0,794
0,288
0,157
0,551
Listrik, air dan telepon rumah Pulsa HP Bahan bakar untuk memasak Transportasi Surat kabar/majalah Pendidikan
Pakaian
2
Biplot Komponen Bahan Non Makanan pada Klaster Ketiga dengan Tingkat Pendidikan
BAB IV
3
Kesimpulan
BAB V
1. Hasil analisis klaster sebagai berikut. a. Pengelompokkan berdasarkan bahan makanan, Klaster pertama terdiri dari 6 Kab/Kota. Pendidikan terakhir kepala rumah tangganya SD dengan persentase sebesar 45% dan rata-rata pendapatannya <2 juta rupiah per bulan. Gaya konsumsinya pada bahan makanan masih sangat rendah protein (ikan, daging, telur, susu). Klaster 2 terdiri dari 7 Kab/Kota. Pendidikan terakhir kepala rumah tangganya SD dengan persentase sebesar 48% dan rata-rata pendapatannya <2 juta rupiah per bulan. Gaya konsumsinya pada bahan makanan masih rendah protein (ikan, daging, telur, susu). 4
Kesimpulan
BAB V Lanjutan
Klaster ketiga terdiri dari 3 Kab/Kota. Pendidikan terakhir kepala rumah tangganya SMA dengan persentase sebesar 37% dan rata-rata pendapatannya 2 – 5 juta rupiah per bulan. Gaya konsumsinya pada bahan makanan sudah tinggi kandungan proteinnya (ikan, daging, telur, susu). Klaster keempat terdiri dari 4 Kab/Kota. Pendidikan terakhir kepala rumah tangganya SMA dengan persentase sebesar 35% dan rata-rata pendapatannya <2 juta rupiah per bulan. Gaya konsumsinya pada bahan makanan kandungan protein (ikan, daging, telur, susu). 5
Kesimpulan
BAB V Lanjutan
1. Hasil analisis klaster b. Pengelompokkan berdasarkan bahan non makanan, Klaster pertama terdiri dari 9 Kab/Kota. Pendidikan terakhir kepala rumah tangga adalah SMA dengan persentase sebesar 33% dan rata-rata pendapatannya <2 juta rupiah per bulan. Gaya penggunaan terhadap bahan non makanan sudah tinggi (rekreasi, pakaian, surat kabar/majalah). Klaster kedua terdiri dari 6 Kab/Kota. Pendidikan terakhir kepala rumah tangga adalah SD dengan persentse sebesar 51% dan rata-rata pendapatannya <2 juta rupiah per bulan. Gaya penggunaan terhadap bahan non makanan dalam kategori sedang (rekreasi, pakaian, surat kabar/majalah).
6
Kesimpulan
BAB V
Lanjutan Klaster ketiga terdiri dari 5 Kab/Kota. Pendidikan terakhir kepala rumah tangga adalah SD dengan persentase sebanyak 46% dan rata-rata pendapatannya <2juta rupiah per bulan. Gaya penggunaan terhadap bahan non makanan masih rendah (rekreasi, pakaian, surat kabar/majalah). Sehingga yang mempunyai peran lebih dalam pada Indeks Tendensi Konsumen adalah klaser pertama.
7
Kesimpulan
BAB V Lanjutan
2. Hasil analisis faktor berdasarkan masing-masing klaster, Untuk komponen bahan makanan yang terdiri dari 11 variabel, klaster pertama terbentuk 3 faktor, klaster kedua terbentuk 3 faktor, klaster ketiga terbentuk 3 faktor dan klaster keempat terbentuk 4 faktor. Pada bahan non makanan, klaster pertama terbentuk 3 faktor, klaster kedua terbentuk 3 faktor dan klaster ketiga terbentuk 3 faktor.
8
Saran
BAB V
Saran yang dapat disampaikan untuk penelitian ini adalah Data yang digunakan sebaiknya data yang kuantitatif, misalnya perubahan pola konsumsi itu ditandai dengan pertambahan kuantitas yang tepat (kalau daging diukur dalam satuan gram, telur dengan satuan berapa butir). Karena apabila datanya kualitatif, persepsi pada masing-masing wilayah berbeda-beda. Pengambilan samplingnya kurang proporsional sehingga tidak mewakili populasi karena sebagaian besar responden pendidikan terakhirnya SD dan yang diambil adalah kalangan rumah tangga yang sebagaian besar adalah tenaga kerja. Saran untuk penelitian berikutnya, dapat menggunakan metode analisis klaster yang lainnya untuk mendapatkan hasil yang terbaik dalam pengelompkkan Kabupaten/Kota di provinsi Jawa Timur.
9
Daftar Pustaka Badan Pusat Statistik. (2012). Berita Resmi Statistik ITK Triwulan 2 Tahun 2012. Jawa Timur: Badan Pusat Statistik. Badan Pusat Statistik. (2012). Survei Tendensi Konsumen. Surabaya: Badan Pusat Statistik. Bank Indonesia. (2012). Kajian Ekonomi Regional. Jakarta: Bank Indonesia. Deva, I. G. (2012). Klasifikasi potensi kabupaten/kota di Provinsi Bali berdasarkan 2 sektor utama perekonomian dengan pendekatan analisis kelompok. Surabaya: Jurusan Statistika FMIPA-ITS. Gabriel, K. R. (1971). The Biplot Graphics Display with Applications for Principal Component Analysis (Vol. 3). Gong, X., & Richman, M. (1995). On The Application of Cluster Analysis to Growing Season Precipitation Data in North America East of The Rockies. J.Climate , 8, 897-931. 10
Daftar Pustaka Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate Data Analysis (7 ed.). Johnson, R. A., & Wichern, D. W. (2007). Applied Multivariate Statistical Analysis. New Jersey: Pretice Hall. Kardhinata, E. H., & Noer, Z. (2009). Kajian Perubahan Pola Konsumsi Pangan. Agrobio , 1. Komariyah, N. (2011). Pengelompokkan kabupaten/kota di Provinsi Jawa Timur berdasarkan indikator kemiskinan dengan metode Cluster Analysis. Surabaya: Jurusan Statistika FMIPA-ITS. Sensus Penduduk 2010. (2010). http://sp2010.bps.go.id/ index.php/site?id=35&wilayah=Jawa-Timur. Diakses 2 Mei 2013 11
TERIMA KASIH
12
