1
ANALISIS STATISTIKA MENGENAI PERUBAHAN STRUKTUR SOSIAL, EKONOMI, DAN PERTANIAN DALAM MENGUBAH PERTUMBUHAN DAN PEMBANGUNAN PROVINSI JAWA TIMUR Haris Eko Faruddin, Kresnayana Yahya Jurusan Statistika, FMIPA, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia e-mail:
[email protected],
[email protected] Abstrak—Pertumbuhan dan pembangunan Provinsi Jawa Timur diukur melalui perubahan struktur sosial, ekonomi, dan pertanian. Penelitian ini menggunakan empat sektor utama dengan total sebanyak 61 variabel dengan menggunakan data pada tahun 2002, 2007 dan 2012. Perubahan struktur melibatkan kondisi perubahan kabupaten/kota di Provinsi Jawa Timur. Beberapa kabupaten/kota memiliki karakteristik sama dan berbeda-beda. Perubahan struktur dapat diketahui dengan melakukan pengelompokan (cluster) kabupaten/kota untuk melihat potensi dan perubahan berdasarkan variabel yang paling dominan yang diperoleh dari analisis faktor. Hasil analisis menunjukkan bahwa telah terjadi penurunan distribusi produk domestik Bruto sektor pertanian dari 42,90% (Th.1975) turun menjadi 15,42% (Th. 2012). Penurunan dipicu oleh naiknya sektor industri dari 11,70% (Th.1975) naik menjadi 27,11% (Th. 2012) dan naiknya sektor perdagangan dari 20,70% (Th.1975) menjadi 30,40% (Th.2012). Sektor pendidikan merupakan sektor yang mendominasi pada tahun 2002 dengan variabilitas sebesar 37,465%. Sektor keuangan, industri dan perdagangan merupakan sektor yang mendominasi pada tahun 2007 dengan variabilitas sebesar 37,433% dan pada tahun 2012 dengan variabilitas sebesar 41,661%. Kata kunci—Perubahan Struktur, Analisis Faktor, Analisis Pengelompokan (Cluster).
I. PENDAHULUAN erkembangan dan pembangunan suatu wilayah dapat dilihat dari berbagai sektor, diantaranya yaitu sektor sosial, ekonomi dan pertanian. Kondisi Ekonomi dapat dilihat dari sisi PDRB (Produk Domestik Regional Bruto) dan APBD (Anggaran Pemerintah dan Belanja Daerah). Data Jawa Timur dalam Angka menunjukkan adanya peningkatan APBD dari tahun 2002 hingga tahun 2012. Tahun 2002 APBD Provinsi Jawa Timur sebesar 3,535 Triliun rupiah dan pada tahun 2003 mencapai 3,976 Triliun rupiah, jumlah tersebut terus meningkat hingga tahun 2012 yang mencapai 12,214 Triliun rupiah. Dalam kurun waktu 10 tahun sejak tahun 1999 Indonesia telah terbentuk daerah otonom baru sebanyak 205 buah yang terdiri dari 7 provinsi, 164 kabupaten dan 34 Kota [1]. Adanya otonomi daerah tersebut, kebijakan-kebijakan baru yang dibuat oleh pemerintah, krisis ekonomi serta pertumbuhan penduduk yang pesat membuat terjadinya perubahan-perubahan struktural berbagai sektor bidang disetiap provinsi di Indonesia. Provinsi Jawa Timur memiliki 38 kabupaten/kota dimana peningkatan-peningkatan dan perubahan berbagai sektor sosial dan ekonomi turut dipacu oleh perkembangan berbagai sektor sosial dan ekonomi yang ada pada masing - masing kabupaten /kota di Jawa Timur. Penelitian menggunakan analisis faktor dan cluster analysis pernah dilakukan oleh [2] dan [3] Penelitian sebelumnya mengenai analisis biplot juga pernah dilakukan [4]. Analisis faktor merupakan metode untuk menganalisis sejumlah observasi, dipandang dari sisi interkorelasinya untuk mendapatkan apakah variasi-variasi yang nampak dalam
P
observasi itu mungkin berdasarkan atas sejumlah kategori dasar yang jumlahnya lebih sedikit dari yang nampak [5]. Maksud dan kegunaan dasar analisis faktor ada dua yang pertama yaitu mengeksplorasi wilayah-wilayah variabel guna mengetahui dan menunjukkan faktor-faktor yang diduga melandasi variabelvariabel itu, dan yang kedua adalah menguji hipotesis tentang relasi-relasi antar variabel [6]. Variabel-variabel yang termasuk kedalam indikator sektor sosial, ekonomi dan pertanian akan dikelompokkan melalui metode analisis faktor untuk mengetahui variabel yang paling dominan dalam meningkatkan pembangunaan dan perkembangan Provinsi Jawa Timur pada tahun 2002, 2007 dan 2012 untuk melihat perubahan-perubahan yang terjadi pada sektor tersebut. Kabupaten/kota akan dikelompokkan menggunakan hierarchical clustering atau metode Ward untuk mengetahui daerah atau wilayah yang mengalami perubahan sektor sosial, ekonomi dan pertanian. dalam kurun waktu 2002 hingga 2012. II. TINJAUAN PUSTAKA A. Analisis Faktor Analisis faktor digunakan untuk mereduksi data dari beberapa variabel diubah menjadi beberapa variabel baru yang lebih sedikit yang disebut sebagai faktor yang masih memuat sebagian besar informasi yang terkandung dalam variabel asal. Melalui analisis faktor, dapat ditentukan variabel-variabel yang saling berkorelasi dengan kualitas random yang disebut sebagai faktor [7]. Variabel random X dengan variabel komponen sebanyak p, yang memiliki rata-rata dan matriks kovarian , maka model faktor dari X yang merupakan kombinasi linier beberapa variabel saling bebas yang tidak teramati adalah
F1 , F2 ,..., Fm
disebut
ditambahkan dengan
sebagai
common
factors
dan
1 , 2 ,..., p disebut specific factor,
sehingga secara khusus dapat ditulis sebagai 𝑋1 − 𝜇1 = 𝑙11 𝐹1 + 𝑙12 𝐹2 + … +𝑙1𝑚 𝐹𝑚 + 𝜀1 𝑋2 − 𝜇2 = 𝑙21 𝐹1 + 𝑙22 𝐹2 + … +𝑙2𝑚 𝐹𝑚 + 𝜀2 ⋮ ⋮ ⋮ … 𝑋𝑝 − 𝜇𝑝 = 𝑙𝑝1 𝐹1 + 𝑙𝑝2 𝐹2 + … +𝑙𝑝𝑚 𝐹𝑚 + 𝜀𝑝 dimana 𝐹𝑚 = Common factor ke-m 𝑙𝑝𝑚 = Loading factor ke-j dan variabel ke-p 𝜀𝑝 = Specific factor ke-p p = 1, 2, ..., p dan m = 1, 2, ..., m
berikut. (1)
atau dapat ditulis sebagai berikut : 𝑧𝑗 = 𝑙𝑗 1 𝐹1 + 𝑙21 𝐹1 + ⋯ + 𝑙𝑗𝑚 𝐹𝑚 + 𝜀𝑝 (2) dengan 𝑧𝑗 merupakan variabel ke-j yang telah distandardisasi. Dalam notasi matrik persamaan dapat ditulis sebagai berikut : (3) X ( px1) ( px1) L( pxm) F( mx1) ( px1)
2 Analisis faktor dapat dilakukan jika data telah memenuhi asumsi korelasi dan kecukupan data. D. Analisis Biplot Biplot merupakan metode untuk menggambarkan data-data secara grafis dengan dua dimensi. [8] mengenalkan Biplot pertamakali, kata “bi” menunjukkan dua jenis informasi yang terdapat dalam matriks. Informasi yang terdapat pada kolom (n) menunjukkan unit sampling sedangkan informasi pada baris (p) menujukkan variabel [9]. Suatu matriks Xnxp dengan rank Xnxp ≥ 2, dapat diuraikan menjadi Xnxp = Gnx2H’2xp. Kemudian untuk menghitung biplot dapat diketahui dengan mencari matriks Xc yang merupakan matriks data yang telah terkoreksi terhadap nilai tengahnya yaitu Xc=X–(JX)/n. Pendekatan langsung untuk mendapatkan biplot dimulai dari nilai Singular Value Decomposition yang diperoleh melalui rumus berikut. Xc(nxp) = Unxr Lrxr A’rxp (3) Jarak antara titik-titik pada biplot dapat dihitung berdasarkan titik-titik tersebut, dengan rumus sebagai berikut. 𝑥 𝑦 +𝑥 𝑦 cos 𝛼 = 1 𝐿1 𝐿 2 2 (4) 𝑥 𝑦
dimana : 𝐿𝑥 = 𝑦 𝑇 = 𝑦1 𝑦2
𝑥 𝑇 𝑥 dan 𝐿𝑦 =
𝑦 𝑇 𝑦 dan 𝑥 𝑇 = 𝑥1 𝑥2 dan
E. Analisis Hierarchical Clustering Menurut [10] analisis Cluster merupakan metode pengelompokan objek-objek pengamatan menjadi beberapa kelompok yang memiliki kesamaan karakteristik dalam satu kelompok, sedangkan objek pada kelompok yang lain memiliki perbedaan. Metode Hierarchical Clustering yaitu hasil pengelompokannya disajikan secara hirarkhi atau berjenjang dari n, (n-1) sampai 1 kelompok. Kesamaan karakter pada analisis pengelompokan menggunakan fungsi jarak, dengan kriteria tak negatif (dij 0, untuk setiap i dan j), tak negatif (dij = 0, untuk setiap i = j), simetri (dij = dji ) dan dij dik + djk , untuk setiap i, j dan k. Metode yang digunakan yaitu Metode Ward’s dengan perhitungan menggunakan jarak euclidean. Menurut [11] Jarak Euclidean dapat dinyatakan dalam persamaan berikut. 𝑑(𝑥𝑖 , 𝑥𝑗 ) =
𝑝 𝑘=1
𝑥𝑖𝑘 − 𝑥𝑗𝑘
2
(5)
dimana
i = 1,2,...,n j = 1,2,...,n 𝑑(𝑥𝑖 , 𝑥𝑗 ) = jarak antara dua objek i dan j 𝑥𝑖𝑘 = nilai objek i pada variabel k 𝑥𝑗𝑘 = nilai objek j pada variabel k Menurut [12] jarak euclidean pada dasarnya merupakan bentuk perluasan dari Teorema Pythagoras pada data multidimensional. Metode Ward’s merupakan metode dengan jarak antara dua kelompok yang dihitung melalui jumlah kuadrat antara dua kelompok untuk semua variabel [13]. Menurut [14] metode Ward’s juga memiliki kinerja yang lebih baik diantara metodemetode Hierarki Cluster Analysis. F. Levene Test Levene Test merupakan uji yang digunakan mengetahui apakah varian data antar kelompok sama. Hipotesis : H0 : 𝜎1 2 = 𝜎2 2 = ⋯ = 𝜎𝑘 2 H1 : minimal ada satu 𝜎𝑖 2 ≠ 𝜎𝑗 2
untuk
Statistik uji : 𝑊=
𝑁−𝑘 𝑘−1
𝑘 2 𝑖=1 𝑁 𝑖 𝑍 𝑖 .−𝑍.. 𝑘 𝑁𝑖 𝑍 −𝑍 . 2 𝑖 𝑖=1 𝑗 =1 𝑖𝑗
(6)
dimana : W : Hasil pengujian k : jumlah kelompok pada masing-masing sampel N : total sampel Ni : jumlah sampel pada kelompok ke-i Yij : nilai pada sampel ke-j dan kelompok ke-i Daerah kritis : Tolak H0 jika 𝑊 > 𝐹𝛼,𝑘 −1,𝑁−𝑘 G. Analisis Diskriminan Analisis diskriminan merupakan metode statistik yang digunakan untuk mengelompokkan atau mengklasifikasi sejumlah objek ke dalam beberapa kelompok berdasarkan beberapa variabel. Suatu kombinasi liner x menghasilkan nilai Y11, Y12, ….Y1n1 untuk pengamatan dari populasi pertama dan nilai Y21, Y22, ….Y2n2 untuk pengamatan dari populasi kedua. Kombinasi linier dari variabel-variabel ini akan membentuk suatu fungsi diskriminan sebagai berikut : 1 yˆ ( x1 x 2)' S pooled x (7) dimana : 𝑦 = nilai fungsi diskriminan 𝑥1 = rata-rata pengamatan kelompok 1 𝑥2 = rata-rata pengamatan kelompok 2 n1 1 n1 1 1 S pooled s1 s2 (n1 1) (n2 1) (n1 1) (n2 1)
(8)
III. METODOLOGI PENELITIAN Sumber data yang digunakan dalam penelitian ini yaitu menggunakan data sekunder dari Badan Pusat Statistik, Dinas Kesehatan Provinsi Jawa Timur dan Dinas Pendidikan Provinsi Jawa Timur. Seluruh data menggunakan data tahun 2002-2012. Adapun variabel yang digunakan dalam penelitian ini adalah : 1. Sektor Penduduk, Ekonomi, Tenaga Kerja dan Industri KP, PEND014, PEND1564, PEND65, IPM, PPP, PDRBADHKTANI, PDRBADHKIND, PDRBADHKDAGANG, PDRBADHKUANG, APBD, TPT, TPAK, INDUSTRI.
2. Sektor Kesehatan AHH, AKB, AKI, KBAKTIF, RSU, PUSPUSAT, PUSPEM, PUSKEL, POSY, MEDDINKES, MEDPUS, MEDRSU.
3. Sektor Pendidikan AMH, APS712, APS1315, APS1618, APMSD, APMSMP, APMSMA, APKSD, APKSMP, APKSMA, PUTUSSD, PUTUSSMP, PUTUSSMA, ALSD, ALSMP, ALSMA, RMGSD, RMGSMP, RMGSMA.
4. Sektor Pertanian PADI, JAGUNG, UBIKAYU, UBIJALAR, KACANGTANAH, KACANGKEDELAI, KACANGHIJAU, KELAPA, KOPI, CENGKEH, KAPUKRANDU, TEMBAKAU, TEBU, SAPIPOTONG, KAMBING, AYAMBURAS.
Adapun langkah-langkah analisis data yang dilakukan dalam penelitian ini adalah : 1. Mengumpulkan data kependudukan atau demografi dan data makro sosial ekonomi serta APBD dan PDRB ADHK tiap kabupaten/kota di Provinsi Jawa Timur pada tahun 2002 hingga 2012. 2. Mendeskripsikan sektor kependudukan, sektor sosial yaitu pendidikan, kesehatan, tenaga kerja, sektor ekonomi, dan sektor pertanian di setiap kabupaten/kota di Propinsi Jawa
3
3.
4. 5.
6.
Timur tahun 2002 hingga 2012 dengan analisis statistika deskriptif yang disajikan dengan diagram maupun grafik. Melakukan pengujian asumsi korelasi dan kecukupan data sebelum melakukan analisis faktor terhadap variabel-variabel pada masing-masing indikator pada setiap sektor. Melakukan analisis faktor dengan mereduksi dimensi data untuk mengetahui variabel-variabel yang paling dominan. Melakukan analisis biplot untuk mengetahui hasil secara visual dari deskripsi anggota-anggota kabupaten/kota dengan hasil dari faktor-faktor yang telah terbentuk dari analisis faktor. Melakukan pengelompokkan kabupaten/kota di Jawa Timur menggunakan Hierarchical Clustering dengan Ward’s Method dan Jarak Euclidian berdasarkan hasil dari masingmasing faktor yang telah terbentuk.
7. Melakukan analisis diskriminan berdasarkan hasil analisis faktor dan analisis cluster pada tahun 2012. IV. HASIL DAN PEMBAHASAN Selama beberapa kurun waktu terakhir telah terjadi perubahan yang berdampak pada pertumbuhan dan pembangunan Provinsi Jawa Timur. Turunnya persentase sektor pertanian turut dipicu oleh naiknya persentase sektor lainnya seperti sektor industri dan sektor perdagangan. 50,00
percent (%)
40,00 30,00 20,00 10,00 0,00 1975 1980 1985 1990 1995 1998 1999 2000 2005 2008 2009 2010 2011 2012 Pertanian / Agriculture Industri / Manufacturing Industry Perdagangan, Hotel & Restoran / Trade, Hotel & Restaurant Pengangkutan & Komunikasi / Transport & Communication Keuangan, Persewaan & Jasa Perusahaan / Financial, Ownership & Business Services
Gambar 1. Persentase Distribusi Sektoral Produk Domestik Bruto Provinsi Jawa Timur Tahun 1975-2012
Di sisi lain jika dilihat dari deskkripsi kesehatan Angka kematian ibu menggambarkan kondisi derajat kesehatan, AKI terus mengalami peningkatan, pada tahun 2002 AKI Provinsi Jawa Timur berada di angka 68,57, tahun 2007 meningkat diangka 92,83, dan meningkat kembali sebesar 107,51 pada tahun 2012 dan jika dilihat dari segi pendidikan Angka Partisipasi Kasar (APK) SMA memiliki kondisi cukup baik dikarenakan meningkatnya APK-SMA di Provinsi Jawa Timur yaitu sebesar 57,29 pada tahun 2002, meningkat menjadi 69,18 pada tahun 2007 dan meningkat kembali menjadi 80,77 pada tahun 2012. Seluruh asumsi korelasi dan kecukupan data untuk seluruh analisis baik tahun 2002, 2007 dan 2012 telah terpenuhi. A. Kondisi Sektor Pada Tahun 2002 1) Analisis Faktor Sektor Penduduk, Ekonomi, Tenaga Kerja dan Industri Tahun 2002 Terbentuk tiga faktor dengan PDRBADHKDAGANG (Produk Domestik Regional Bruto Atas Dasar Harga Berlaku Sektor Perdagangan) merupakan variabel paling dominan pada faktor pertama. 2) Analisis Faktor Sektor Kesehatan Tahun 2002
Terbentuk empat faktor dengan PUSKEL (Jumlah Puskesmas Keliling) merupakan variabel paling dominan pada faktor pertama. 3) Analisis Faktor Sektor Pendidikan Tahun 2002 Terbentuk enam faktor dengan APKSMP (Angka Partisipasi Sekolah SMP) merupakan variabel paling dominan pada faktor pertama. 4) Analisis Faktor Sektor Pertanian Tahun 2002 Terbentuk lima faktor dengan CENGKEH (Jumlah Produksi Cengkeh) merupakan variabel paling dominan pada faktor pertama. 5) Analisis Faktor Variabel Pilihan Tahun 2002 Analisis Faktor berdasarkan variabel pilihan merupakan analisis yang dilakukan untuk melihat hasil reduksi yang melibatkan keempat sektor yang ada dengan menggunakan variabel pilihan berdasarkan faktor pertama dari seluruh sektor. Terbentuk empat faktor dengan nilai variabilitas sebesar 37,465% pada faktor pertama, 24,965% pada faktor kedua, 13,475% pada faktor ketiga dan 6,936% pada faktor keempat. Tabel 1. Loading Faktor Variabel Pilihan Tahun 2002 Indicators APS1315 APS712 APS1618 APKSMP APMSMP AMH PUTUSSD APMSMA PDRBADHKDAGANG PDRBADHKUANG PDRBADHKIND APBD INDUSTRI PEND1564 POSY PUSKEL PUSPEM PUSPUSAT APKSMA CENGKEH UBIKAYU KAMBING
1 0,952 0,905 0,890 0,869 0,868 0,864 -0,771 0,597 0,145 0,071 0,213 -0,111 0,202 -0,108 0,006 -0,222 -0,226 -0,214 0,608 0,142 -0,160 -0,194
Component 2 3 0,098 -0,054 -0,070 0,115 0,129 -0,281 0,002 -0,311 0,039 -0,298 0,253 -0,054 -0,090 0,051 -0,001 -0,475 -0,015 0,961 -0,045 0,936 -0,143 0,858 0,363 0,836 0,253 0,777 0,672 0,681 -0,188 0,842 0,239 0,835 0,165 0,825 0,448 0,782 0,056 -0,611 -0,087 0,070 -0,098 0,124 -0,169 0,445
4 0,051 -0,066 -0,155 -0,195 0,022 -0,101 -0,173 -0,200 -0,086 -0,039 -0,127 0,035 -0,189 0,036 -0,024 0,322 0,094 0,185 -0,260 0,940 0,897 0,637
Sektor pendidikan merupakan sektor yang paling beragam yang memiliki variabilitas tinggi, sehingga sektor pendidikan tahun 2002 dikatakan tidak merata di seluruh Kabupaten/kota di Provinsi Jawa Timur. B. Kondisi Sektor Pada Tahun 2007 1) Analisis Faktor Sektor Penduduk, Ekonomi, Tenaga Kerja dan Industri Tahun 2007 Terbentuk tiga faktor dengan PDRBADHKDAGANG (Produk Domestik Regional Bruto Atas Dasar Harga Berlaku Sektor Perdagangan) merupakan variabel paling dominan pada faktor pertama. 2) Analisis Faktor Sektor Kesehatan Tahun 2007 Terbentuk empat faktor dengan POSY (Jumlah Posyandu) merupakan variabel paling dominan pada faktor pertama. 3) Analisis Faktor Sektor Pendidikan Tahun 2007 Terbentuk enam faktor dengan APS1618 (Angka Partisipasi Sekolah Usia 16-18 tahun) merupakan variabel paling dominan pada faktor pertama. 4) Analisis Faktor Sektor Pertanian Tahun 2007 Terbentuk lima faktor dengan KACANGHIJAU (Jumlah Produksi Kacang Hijau) merupakan variabel paling dominan pada faktor pertama.
4 PUTUSSMP ALSMP ALSD AMH APS1315 PUTUSSMA APS1618 APS712 JAGUNG SAPIPOTONG KAPUKRANDU KELAPA ALSMA TEMBAKAU
5) Analisis Faktor Variabel Pilihan Tahun 2007 Tabel 2. Loading Faktor Variabel Pilihan Tahun 2007 Indicators APBD MEDPUS PDRBADHKDAGANG POSY PDRBADHKUANG INDUSTRI PUSPUSAT MEDDINKES PDRBADHKIND PUSPEM APS1315 AMH APS712 APS1618 SAPIPOTONG APMSMA APKSMP APMSMP APKSMA KELAPA KACANGHIJAU JAGUNG TEMBAKAU
1 0,971 0,957 0,866 0,836 0,818 0,799 0,778 0,680 0,653 0,548 -0,048 0,142 0,002 0,053 0,052 -0,204 0,033 0,185 -0,187 0,035 -0,090 0,051 -0,112
Component 2 3 -0,042 -0,032 -0,030 -0,004 0,038 0,387 -0,128 -0,369 -0,033 0,409 0,137 0,123 -0,153 -0,381 0,116 -0,173 0,137 0,575 -0,219 -0,527 0,311 0,849 0,283 0,814 0,036 0,808 0,445 0,740 -0,379 -0,656 0,605 0,615 0,311 0,837 0,285 0,643 0,599 0,620 -0,054 -0,237 -0,339 0,097 -0,418 -0,363 -0,505 0,085
4 0,145 -0,014 -0,103 0,278 -0,080 -0,106 0,358 -0,236 -0,124 0,393 0,011 -0,260 -0,159 -0,306 0,545 -0,293 -0,121 0,038 -0,297 0,847 0,804 0,653 0,512
Jika dibandingkan dengan kondisi pada tahun 2002, hasil analisis faktor variabel pilihan tahun 2007 keragaman yang tinggi tidak lagi didominasi oleh sektor pendidikan, namun pada tahun 2007 sektor yang beragam adalah sektor ekonomi, industri dan kesehatan. C. Kondisi Sektor Pada Tahun 2012 1) Analisis Faktor Sektor Penduduk, Ekonomi, Tenaga Kerja dan Industri Tahun 2012 Terbentuk tiga faktor dengan APBD (Anggaran Pemerintah dan Belanja Daerah) merupakan variabel paling dominan pada faktor pertama. 2) Analisis Faktor Sektor Kesehatan Tahun 2012 Terbentuk tigat faktor dengan MEDRSU (Jumlah Tenaga Medis di Rumah Sakit Umum) merupakan variabel paling dominan pada faktor pertama. 3) Analisis Faktor Sektor Pendidikan Tahun 2012 Terbentuk empat faktor dengan ALSMP (Angka Kelulusan SMP) merupakan variabel paling dominan pada faktor pertama. 4) Analisis Faktor Sektor Pertanian Tahun 2012 Terbentuk lima faktor dengan SAPIPOTONG (Jumlah Populasi Sapi Potong) merupakan variabel paling dominan pada faktor pertama. 5) Analisis Faktor Variabel Pilihan Tahun 2012 Terbentuk empat faktor dengan faktor pertama memiliki keragaman sebesar 39,760%, sedangkan faktor kedua sebesar 27,408%, faktor ketiga sebesar 8,535% dan faktor keempat sebesar 4,552% dengan kumulatif varians dari ke empat faktor yaitu sebesar 80,255%. Tabel 3. Loading Faktor Variabel Pilihan Tahun 2007 Indicators PDRBADHKDAGANG MEDPUS APBD MEDRSU PDRBADHKUANG RSU PDRBADHKIND PEND1564 INDUSTRI PEND014 PUTUSSD
1 0,970 0,954 0,951 0,949 0,930 0,911 0,784 0,778 0,754 0,714 -0,077
Component 2 3 0,121 -0,143 0,026 0,086 0,025 0,140 0,121 -0,188 0,101 -0,144 0,228 -0,002 0,248 -0,197 -0,068 0,552 0,170 0,129 -0,134 0,568 0,120 -0,893
-0,188 0,222 0,074 0,184 -0,003 -0,359 -0,041 0,029 -0,074 -0,066 -0,042 -0,075 0,459 -0,019
-0,867 0,860 0,834 0,783 0,783 -0,773 0,769 0,765 -0,328 -0,533 -0,230 -0,121 0,320 -0,398
0,195 -0,014 -0,036 -0,337 -0,304 0,021 -0,449 -0,088 0,789 0,744 0,595 0,587 0,561 0,319
0,040 -0,232 -0,433 -0,202 0,207 0,380 0,243 0,074 0,126 0,168 -0,010 0,425 0,016 0,712
Hasil analisis faktor variabel pilihan tahun 2012 menunjukkan variabel yang memiliki variabilitas tertinggi pada faktor pertama yaitu PDRBADHKDAGANG, yang sebelumnya pada tahun 2007 posisi ini ditempati oleh APBD, beragamnya PDRBADHKDAGANG turut dipengaruhi oleh majunya sektor perdagangan di beberapa kabupaten/kota di Provinsi Jawa Timur. D. Analisis Biplot Berikut hasil analisis biplot pada tahun 2002. IAKU1 2
1
0
-1
-2 -1
0
1
2
3
Rataan
Gambar 2. Hasil Analisis Biplot Tahun 2002
Berikut Hasil analisis biplot pada tahun 2007. IAKU1 2
1
0
-1
-2 -2
-1
0
1
2
Rataan
Gambar 3. Hasil Analisis Biplot Tahun 2007
Berikut hasil analisis biplot pada tahun 2012 IAKU1 2
1
0
4 0,027 0,004 -0,023 0,040 0,089 -0,078 -0,035 -0,124 -0,284 -0,162 0,243
-1
-2 -2
-1
0
1
Rataan
Gambar 4. Hasil Analisis Biplot Tahun 2012
2
5 d. Kelompok 4 :
E. Analisis Cluster (Pengelompokan)
PUTUSSD PUTUSSMP PUTUSSMA ALSD ALSMP APS712 PEND014 APS1315 AMH PEND1564 APBD MEDPUS APS1618 PDRBADHKDAGANG INDUSTRI RSU PDRBADHKUANG MEDRSU PDRBADHKIND
2012 2007 2002
0%
Gambar 5. Hasil Pengelompokan secara visual Tahun 2012
a. Kelompok 1 :
10%
20%
30%
40%
Gambar 9. Perubahan Kontribusi Variabel Kelompok 4
e. Kelompok 5 :
PUTUSSMP PEND014 PEND1564 PUTUSSMA AMH PUTUSSD ALSD APS712 ALSMP APS1315 APS1618 APBD RSU MEDPUS INDUSTRI PDRBADHKUANG PDRBADHKDAGANG MEDRSU PDRBADHKIND
2012 2007 2002
0%
20%
40%
60%
MEDRSU PDRBADHKUANG PDRBADHKDAGANG PDRBADHKIND RSU MEDPUS INDUSTRI APBD PEND1564 PEND014 APS1618 AMH APS1315 ALSMP APS712 ALSD PUTUSSD PUTUSSMA PUTUSSMP
80%
2012 2007 2002
0%
Gambar 6. Perubahan Kontribusi Variabel Kelompok 1
10%
20%
30%
40%
50%
Gambar 10. Perubahan Kontribusi Variabel Kelompok 5
b. Kelompok 2 : F. Analisis Diskriminan
APS1618 APS1315 AMH APS712 ALSMP ALSD PUTUSSMA APBD RSU PEND1564 MEDPUS PEND014 MEDRSU PUTUSSMP PDRBADHKUANG PDRBADHKDAGANG PUTUSSD INDUSTRI PDRBADHKIND
Tabel 7. Tests of Equality of Group Means
2012 2007 2002
0%
5%
10%
15%
20%
25%
30%
Gambar 7. Perubahan Kontribusi Variabel Kelompok 2
Component 1 Component 2 Component 3 Component 4
Wilks' Lambda 0,119 0,167 0,819 0,977
F 60,852 41,221 1,817 0,192
df1 4 4 4 4
df2 33 33 33 33
Sig. 0,000 0,000 0,149 0,941
Tabel 7 menunjukkan terdapat dua komponen yang memiliki nilai signifikansi < 0,05 yaitu Component 1 dan Component 2, artinya group means dari masing-masing kelompok untuk Component 1 dan Component 2 memiliki perbedaan secara nyata. Sehingga analisis diskriminan hanya menggunakan dua komponen saja. Berikut Gambar 11 dan
Gambar 12 menunjukkan daerah Cluster jika dilihat menggunakan Zscore hasil analisis diskriminan.
c. Kolompok 3 : PDRBADHKIND INDUSTRI PDRBADHKDAGANG MEDRSU PDRBADHKUANG RSU MEDPUS APS1618 PEND014 PEND1564 AMH APBD APS1315 ALSMP APS712 ALSD PUTUSSMA PUTUSSMP PUTUSSD
2012 2007 2002
Gambar 11. Histogram of Zscore Function 1 0%
10%
20%
30%
40%
50%
60%
Gambar 8. Perubahan Kontribusi Variabel Kelompok 3
6
Gambar 12. Histogram of Zscore Function 2
Model Persamaan diskriminan yang terbentuk berdasarkan Classification Function Coefficients sebagai berikut. 𝐶1 = −1,694 − 1,050 F1 − 0,501 F2 C2 = −4,536 − 3,202 F1 − 4,487 F2 𝐶3 = −5,891 + 5,256 F1 + 5,852 F2 𝐶4 = −13,065 − 3,116 F1 − 11,175 F2 𝐶5 = −112,327 + 41,169 F1 + 6,600 F2 Berdasarkan ketepatan klasifikasi terdapat 2 wilayah kabupataen/kota yang salah diklasifikasikan yaitu Kab.Jombang dan Kota Pasuruan, pada analisis cluster sebelumnya kedua wilayah ini masuk kedalam kelompok 1 namun pada analisis diskriminan kedua wilayah ini masuk kedalam kelompok 2. V. KESIMPULAN DAN SARAN Perubahan struktural terjadi di beberapa sektor utama, diantaranya yaitu sektor pertanian mengalami penurunan distribusi produk domestik bruto dari 42,90% pada tahun 1975 hingga terus merosot sebesar 15,42% pada tahun 2012. Sektor pendidikan merupakan sektor yang dikatakan tidak merata pada tahun 2002 Pada tahun 2007 sektor yang mendominasi secara keseluruhan tidak lagi sektor pendidikan namun berganti menjadi sektor ekonomi dan kesehatan. Jika dilihat secara keseluruhan sektor ekonomi tetap mendominasi pada tahun 2012 dan perdagangan menjadi variabel utama yang paling mendominasi dari seluruh variabel yang ada. Analisis cluster menghasilkan lima kelompok kabupaten/kota dimana setiap kelompok memiliki karaketeristik yang berbeda-beda. Kelompok 1 : Angka putus sekolah untuk jenjang SD memiliki kontribusi tertinggi pada tahun 2002 yaitu sebesar 67,35%, turun menjadi 64,11% pada tahun 2007 dan pada tahun 2012 turun kembali menjadi 55,28%. Kelompok 2 : memiliki kondisi pendidikan yang baik, dikarenakan enam posisi tertinggi ditempati oleh variabel APS1618, APS1315, AMH, APS712, ALSMP dan ALSD. Kelompok 3 : memiliki kondisi industri yang baik, kelompok ini juga didukung oleh Kab.Sidoarjo dan Kab.Gresik yang memang merupakan wilayah dengan sektor industri yang mendominasi. Namun kelompok ini memiliki perubahan kontribusi untuk PDRBADHKIND, dimana pada tahun 2002 PDRBADHKIND pada kelompok ini mencapai 51,73% turun menjadi 51,27% dan turun kembali menjadi 49,27% pada tahun 2012. Kelompok 4 : Angka putus sekolah baik untuk jenjang pendidikan SD, SMP maaupun SMA memiliki kontribusi paling tinggi pada kelompok ini dan jika dilihat untuk variabel PUTUSSD mengalami kenaikan kontribusi dari tahun 2002 hingga tahun 2012. Kelompok 5 : hanya terdiri dari satu wilayah yaitu Kota Surabaya, namun Kota Surabaya mampu memberikan kontribusi tinggi seperti jumlah tenaga medis di rumah sakit umum yang mengalami peningkatan sangat tinggi dari 7,83% ada taun 2002
menjadi 38,58% pada tahun 2007 dan menjadi 37,36% pada tahun 2012. Kelompok ini juga memiliki kontribusi PDRBADHK yang tinggi untuk sektor keuangan, perdagangan dan indutri, namun juga terjadi perubahan untuk ketiga sektor tersebut, dimana PDRBADHK sektor keuangan mengalami peningkatan dari tahun 2002 hingga 2012, namun untuk PDRBADHK sektor perdagangan mengalami penurunan dari tahun 2007 (29,54%) ke tahun 2012 (29,47%), dan untuk PDRBADHK sektor industri mengalami penurunan dari tahun 2002 (28,12%) ke tahun 2007 (22,53%) dan meningkat kembali pada tahun 2012 (23,16%). Analisis diskriminan menghasilkan dua komponen yang signifikan yaitu komponen 1 dan komponen 2. Kedua komponen tersebut menghasilkan Function 1 dan Function 2 dimana terdapat perbedaan sebaran distribusi melalui nilai Zscore pada masing-masing cluster. Nilai Zscore negatif menunjukkan daerah cluster yang memiliki sektor rendah, dan nilai Zscore positif menunjukkan daerah cluster yang memiliki kondisi sektor yang baik. Ada dua kabupaten/kota yang salah diklasifikasikan pada analisis cluster. Wilayah tersebut yaitu Kab.Jombang dan Kota Pasuruan. Pada analisis cluster kedua wilayah ini masuk kedalam kelompok 1 namun setelah dilakukan analisis diskriminan kedua wilayah ini masuk kedalam kelompok 2. Saran yang dapat disampaikan yaitu analisis perlu dilakukan secara lebih detail dengan menggunakan data-data yang lebih spesifik. Data yang spesifik dan analisis yang mendasar dan detail akan memberikan hasil yang mendalam sebagai acuan untuk melihat potensi Provinsi Jawa Timur dalam beberapa kurun waktu kedepan, agar pemerintah Provinsi Jawa Timur serta pemerintah kabupaten/kota secara fokus dapat meningkatkan pertumbuhan dan pembangunan disetiap sektor yang menjadi sasaran program pemerintah. DAFTAR PUSTAKA [1]
[2]
[3]
[4]
[5] [6] [7] [8]
[9] [10] [11] [12] [13] [14]
Harmantyo, D. 2007. Kebijakan desentralisasi dan implementasi otonomi daerah di Indonesia. Jurnal Makara. Vol. 6, 2007. Universitas Indonesia. Depok. Harmanto, M.N. 2013. Pengelompokan kabupaten/kota di Jawa Timur berdasarkan Indikator Pendidikan dengan Metode Cluster Analysis. Tugas Akhir, Jurusan Statistika, ITS. Abdi, G.M. 2013. Analisis Statistika Mengenai Potensi Pengembangan Madura Berdasarkan Sektor Demografi, Sosial dan Pertanian Sebelum dan Setelah Berdirinya Jembatan Suramadu. Tugas Akhir, Jurusan Statistika, ITS Mayasari, W.O. 2012. Analisis Biplot pada kabupaten/kota di Provinsi Jawa Timur berdasarkan Variabel-Variabel Komponen Penyusun Indek Pembangnan Manusia (IPM). Tugas Akhir, Jurusan Statistika, ITS. Fruchter, B. 1954. Introduction to Factor Analysis. New Tork : D.van Nostrand Company,Ltd. Kerlinger, F.N. 1990. Asas-asas Penelitian Behavioral. Edisi 3. Yogyakarta: Gadjah Mada University Press. Johnson, Richard A. and D. W. Wichern. 1992. Applied Multivariate Analysis, Fifth Edition. New Jersey : Prentice Hall Inc. Gabriel, K.R. 1971. The Biplot Graphic Display of Matrices with Aplication to principal component analysis, Journal of Biometrica, 58, 453467. Sartono dkk .2003. Analisis Peubah Ganda. Jurusan Statistika FMIPA IPB. Bogor. Johnson, Richard A. and D. W. Wichern. 2002. Applied Multivariate Analysis, Third Edition. New Jersey : Prentice Hall Inc. Johnson, Richard A. and D. W. Wichern. 2007. Applied Multivariate Analysis, Third Edition. New Jersey : Prentice Hall Inc. Richards, J.A. dan Jia, X. 2006. Remote Sensing Digital Image Analysis : An Introdustion, Fourth Edition. Berlin : Springer-Verlag. Landgrebe, D.A. 2003. Signal Theory Methods In Multispectral Remote Sensing. New Jersey : John Willey & Sons Inc. Gong X., Richman MB. 1995. On The Aplication of Cluster Analysis to Growing Season Precipitation Data in North America East of The Rockies. J.Climate 8 : 897-931
