1
BAB 1 PENDAHULUAN
1.1 Latar Belakang Kemiskinan merupakan masalah yang sulit untuk diatasi. Salah satu sasaran pembangunan nasional adalah penurunan tingkat kemiskinan. Menurut Badan Pusat Statistik, kemiskinan merupakan ketidakmampuan seseorang untuk memenuhi kebutuhan makanan dan bukan makanan yang diukur dari pengeluaran. Sedangkan Bappenas (2004) mendefenisikan kemiskinan sebagai kondisi dimana seseorang atau sekelompok orang, laki-laki maupun perempuan tidak mampu memenuhi- hak-hak dasarnya untuk mempertahankan dan mengembangkan kehidupan yang bermartabat. Kemiskinan merupakan masalah multidimensional yang bukan hanya mencakup kondisi ekonomi tetapi juga sosial, budaya, dan politik. Masalah kemiskinan juga dijadikan salah satu indikator untuk mengevaluasi kinerja pemerintah baik pemerintah pusat maupun pemerintah daerah. Semakin tinggi jumlah dan persentase penduduk miskin disuatu daerah maka semakin tinggi juga beban pembangunannya. sejalan dengan pelaksanaan otonomi daerah, pemerintah daerah diharapkan lebih peka terhadap isu kemiskinan sebagai dasar dalam penyusunan suatu kebijakan yang berkaitan dengan program pengentasan kemiskinan yang akurat sehingga program tersebut lebih tepat sasaran. Indonesia sebagai salah satu negara berkembang juga tidak luput dari masalah kemiskinan. Salah satu provinsi yang mengalami masalah kemiskinan di Indonesia adalah Sumatera Utara. Tingkat kemiskinan antar kota dan kabupaten di Provinsi Sumatera Utara mengalami kesenjangan yang cukup tinggi. Kondisi ini menghadapkan Sumatera Utara pada tantangan untuk meningkatkan dan memeratakan kesejahteraan rakyat. Persentase penduduk miskin di Sumatera Utara lebih rendah dibanding persentase penduduk miskin di Indonesia. Pada periode September 2011 sampai September 2015 perkembangan tingkat kemiskinan di Sumatera Utara dan
1 Universitas Sumatera Utara
2
Indonesia mempunyai pola yang hampir sama yaitu cenderung menurun, tetapi mengalami kenaikan kembali pada September 2015. Berdasarkan data BPS Sumatera Utara, jumlah Penduduk miskin di daerah perkotaan pada September 2015 sebesar 10,51%, naik dibanding Maret 2015 yang sebesar 10,16%. Begitu juga dengan penduduk miskin di daerah perdesaan, yaitu dari 10,89% pada Maret 2015 naik menjadi 11,06% pada September 2015. Apabila dibandingkan dengan provinsi lainnya di Indonesia pada September 2015 persentase penduduk miskin di Sumatera Utara masih cukup tinggi yaitu menempati peringkat ke-17 dari 34 provinsi. Salah satu penyebab kurang berhasilnya usaha pengentasan kemiskinan adalah tidak tepatnya dalam mengidentifikasi karakteristik rumah tangga miskin. Hal ini dikarenakan adanya perbedaan karakteristik rumah tangga miskin di masing-masing daerah. Untuk meminimalisasi identifikasi kemiskinan yang kurang tepat, perlu adanya perhatian mengenai perbedaan kerakteristik kemiskinan antar daerah. Oleh karena itu perlu dilakukan identifikasi dan pengelompokan berdasarkan karakteristik tersebut agar nantinya karakteristik kemiskinan yang dibuat sebagai acuan dalam menentukan rumah tangga miskin lebih mencerminkan daerah masing-masing. Dengan demikian dapat diketahui dengan baik kelompok daerah mana yang terlebih dahulu diprioritaskan untuk diselesaikan agar kesenjangan kemiskinan antar daerah tidak terjadi.
Seperti yang dikemukakan oleh Badan Pusat Statistik (2014) bahwa karakteristik rumah tangga miskin dapat dicirikan oleh karakteristik demografi, pendidikan, ketenagakerjaan, dan tempat tinggal (perumahan). Dalam penelitian ini, peneliti membahas karakeristik rumah tangga miskin menurut BPS. Untuk pengklasifikasian objek-objek menjadi beberapa
kelompok
berdasarkan pengamatan yang diamati dan melihat karakteristik apa saja yang membedakan kelompok tersebut dapat digunakan analisis cluster. Dari dasar dan fakta-fakta inilah peneliti tertarik untuk melakukan penelitian terkait analisis cluster untuk mengelompokkan kabupaten/ kota di Sumatera Utara berdasarkan karakteristik rumah tangga miskin.
2 Universitas Sumatera Utara
3
Menurut Supranto (2004) Analisis cluster merupakan suatu kelas teknik yang dipergunakan untuk mengklasifikasi objek kedalam kelompok yang relatif homogen, yang disebut cluster. Objek dalam setiap kelompok cenderung mirip satu sama lain dan berbeda jauh dengan objek dari kelompok lainnya. Berdasarkan latar belakang tersebut akan dilakukan penelitian dengan
judul
βPENGELOMPOKAN KABUPATEN/ KOTA DI SUMATERA UTARA BERDASARKAN
KARAKTERISTIK
RUMAH
TANGGA
MISKIN
DENGAN MENGGUNAKAN ANALISIS CLUSTERβ.
1.2 Rumusan Masalah Berdasarkan masalah yang telah dikemukakan pada latar belakang diatas, maka dirumuskan suatu permasalahan yaitu pengelompokan kabupaten/ kota di Sumatera
Utara
berdasarkan karakteristik rumah tangga
miskin
untuk
mempermudah pemerintah dalam menentukan kebijakan dalam masalah kemiskinan sesuai dengan karakteristik tiap kelompok kabupaten/kota di Sumatera Utara. 1.3 Batasan Masalah Berdasarkan latar belakang, penelitian ini hanya akan membahas mengenai pengelompokan kabupaten/ kota di Sumatera Utara berdasarkan karakteristik rumah tangga miskin dengan menggunakan analisis cluster hierarki. Data yang digunakan dalam penelitian ini adalah data hasil Survei Sosial Ekonomi Nasional (Susenas) yang dilakukan oleh Badan Pusat Statistik Sumatera Utara tahun 2014.
1.4 Tujuan Penelitian Tujuan dari penelitian ini adalah untuk mengetahui kelompok-kelompok kabupaten/ kota di Sumatera Utara yang terbentuk berdasarkan karakteristik rumah tangga miskin dengan menggunakan analisis cluster.
3 Universitas Sumatera Utara
4
1.5 Manfaat Penelitian Hasil Penelitian ini diharapkan dapat memberikan informasi kepada masyarakat tentang gambaran umum karakteristik rumah tangga miskin di Sumatera Utara dan sebagai bahan masukan bagi pemerintah daerah dalam mengambil kebijakan untuk meminimalisasi masalah kemiskinan.
1.6 Tinjauan Pustaka Menurut Dillon dan Goldstein (1984) analisis cluster adalah analisis statistik peubah ganda yang digunakan apabila ada n buah individu atau objek yang mempunyai p peubah dan n objek tersebut ingin dikelompokkan kedalam k kelompok berdasarkan sifat-sifat yang diamati, sehingga individu atau objek yang terletak dalam satu cluster memiliki kemiripan sifat yang lebih besar dibandingkan dengan indvidu yang terletak dalam cluster lain. Pada prinsipnya Analisis Cluster merupakan metode untuk mengelompokkan individu atau objek penelitian, dimana suatu kelompok mempunyai ciri yang relative sama (homogen), sedangkan antar kelompok memiliki ciri yang berbeda. Semakin kecil jarak suatu individu dengan individu lain, maka semakin besar kemiripan individu tersebut sehingga individu tersebut akan dimasukkan kedalam kelompok yang sama. Pengelompokan individu ini dilakukan berdasarkan besarnya jarak. Dalam analisis cluster hal yang perlu diperhatikan adalah: 1. Ukuran kemiripan dan ketidakmiripan objek Jika ukuran jarak antara dua objek semakin kecil maka kedua objek memiliki kemiripan yang sangat dekat dan sebaliknya kedua objek dikatakan tidak memiliki kemiripan apabila jarak antara kedua objek sangat jauh berbeda. 2. Teknik analisis cluster Dalam analisis cluster terdapat dua teknik yaitu teknik hierarki dan teknik non-hierarki. Teknik yang digunakan dalam penelitian ini adalah teknik hierarki. Dalam teknik hierarki awalnya tiap-tiap objek merupakan satu
4 Universitas Sumatera Utara
5
cluster, kemudian dua cluster yang terdekat digabungkan dan seterusnya sehingga diperoleh satu cluster yang berunsur semua objek. Teknik hierarki digunakan jika jumlah objek pengamatannya tidak terlalu besar dan jumlah clusternya belum diketahui sebelumnya. Untuk menentukan jaraknya digunakan jarak ukuran ketakmiripan yaitu jarak Euclid dan metode yang dipakai adalah metode pautan lengkap. Ukuran jarak antara cluster (i,j) dan cluster lainnya, misalkan k adalah: dk(ij) = max (dki.dkj) Dimana: dki adalah jarak antara cluster k dan cluster i dkj adalah jarak antara cluster k dan cluster j dk(ij) adalah jarak antara cluster k dengan cluster ij 3. Tahapan analisis cluster a. Merumuskan masalah Hal yang paling penting didalam perumusan masalah analisis cluster adalah pemilihan variabel-variabel yang akan digunakan dalam analisis cluster. b. Memilih ukuran jarak atau similaritas Untuk menentukan jaraknya digunakan jarak ukuran ketakmiripan yaitu jarak Euclid. Jarak euclid antara dua pengamatan x dan y diukur menggunakan:
dij =
π π=1
π₯ππ β π₯ππ
2
; I,j = 1,2,3, β¦ n
Dimana: dij adalah jarak euclidan dari individu i dan j xik adalah nilai observasi ke-i pada variabel ke-k xjk adalah nilai observasi ke-j pada variabel ke-k (Johnson dan Wichern, 2007) 5 Universitas Sumatera Utara
6
c. Memilih Teknik pengclusteran Teknik pengclusteran bisa hierarki dan juga non-hierarki. d. Menentukan banyak cluster jika yang digunakan adalah pengclusteran non-hierarki e. Menginterpretasi dan memprofil cluster Menginterpretasi dan memprofil cluster meliputi pengkajian mengenai centroids yaitu rata-rata nilai objek yang terdapat dalam cluster pada setiap variabel. (Supranto, 2004) 1.7 Metode Penelitian Variabel-variabel yang digunakan dalam penelitian ini adalah sebagai berikut: X1: Rata-rata jumlah anggota rumah tangga X2: Persentase kepala rumah tangga yang pendidikan tertingginya hanya tamat SD X3: Persentase kepala rumah tangga yang bekerja pada sektor pertanian X4: Persentase rumah tangga yang luas lantai bangunan tempat tinggal kurang dari 20m2 X5: Persentase rumah tangga yang jenis atapnya adalah ijuk X6: Persentase rumah tangga yang jenis lantai terluas adalah tanah atau kayu berkualitas rendah. X7: Persentase rumah tangga jenis dinding terbuat dari kayu murahan/ bambu. X8: Persentase rumah tangga yang sumber air minumnya tidak layak. X9: Persentase rumah tangga yang fasilias jamban milik bersama/ tidak ada. X10: Persentase rumah tangga yang sumber penerangan tidak listrik X11: Persentase rumah tangga yang status pemilikan rumah tempat tinggalnya kontrak/sewa X12: Rata-rata pendapatan perkapita
6 Universitas Sumatera Utara
7
Langkah-langkah yang dilakukan dalam penelitian ini adalah: 1. Pengumpulan data Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data hasil Susenas yang dilakukan Badan Pusat Statistik tahun 2014. 2. Pembakuan data Setelah data diperoleh kemudian diamati apakah memiliki satuan yang sama atau tidak. Jika tidak maka dilakukan pembakuan data. Pembakuan dilakukan dengan rumus: πππ =
π₯ππ β xπ sππ
Dimana: Zjk = nilai peubah baku untuk pengamatan baris ke-j dan kolom ke-k π₯ππ = pengamatan baris ke- j dan kolom ke-k xπ = nilai rata-rata peubah ke-k sππ = simpangan baku peubah ke-k
3. Menentukan korelasi antar peubah Korelasi antar peubah ke-i dan peubah ke-j dinotasikan dengan rij dan didefenisikan sebagai berikut: πππ =
S ππ s ππ
S jj
Dimana: rij = korelasi antara peubah ke-i dan peubah ke-j Sij = kovariansi sampel peubah ke-i dengan peubah ke-j Sii = variansi peubah ke-i Sjj = variansi peubah ke-j
7 Universitas Sumatera Utara
8
Jika terdapat multikolinearitas, maka dilakukan transformasi terhadap data menggunakan Analisis Komponen Utama (AKU). Korelasi menunjukkan keeratan hubungan dari masing-masing peubah. 4. Analisis Komponen Utama Pada analisis komponen utama akan didapat akar ciri dan proporsi keragaman. Akar ciri dipilih nilai yang besar atau sama dengan satu, sedangkan proporsi keragaman berada > 80%. Andaikan matriks kovarians β yang bersesuaian dengan vektor acak Xβ=(X1,X2,..., Xp). Misalkan β mempunyai pasangan nilai eigen dan vektor eigen (Ξ»1,e1), (Ξ»2,e2),β¦, (Ξ»p,ep) dimana Ξ»1 β₯ Ξ»2 β₯ ... β₯ Ξ»p β₯ 0. Maka komponen utama ke-i diberikan oleh: Yi = ππ πβ² = ππ1 π1 + ππ2 π2 +... + πππ ππ ; i= 1,2,β¦p
Peranan komponen utama diukur dengan besarnya proporsi keragaman total. Proporsi keragaman total yang dapat dijelaskan oleh komponen utama ke-k adalah: Pk =
ππ π 1 +π 2 +β―+π π
k = 1,2,...,p
Dimana: Pk = proporsi keragaman total komponen utama ke-k Ξ»k = akar karakteristik ke-k Selanjutnya penentuan ukuran ketidakmiripan antar satuan pengamatan yang akan dikelompokkan dengan menggunakan jarak euclid. Jarak euclid digunakan karena data pada peubah asal sudah tidak saling berkorelasi dan telah memiliki satuan yang sama.
8 Universitas Sumatera Utara
9
5. Melakukan tahap cluster dengan mengunakan metode pautan lengkap. Metode pautan lengkap digunakan karena penelitian ini melihat ukuran jarak terjauh. 6. Setelah terbentuk beberapa kelompok, selanjutnya mengamati ciri-ciri dari tiap kelompok dengan menggunakan nilai rata-rata umum peubah asal dari masing-masing kelompok. 7. Membuat kesimpulan dan saran.
9 Universitas Sumatera Utara
