METODE PENELITIAN Kerangka Pemikiran Instrumen spasial menjadi tema baru pendekatan pembangunan dalam rangka mengatasi kemiskinan dan pengangguran.
Analisis spasial yang
menekankan keterkaitan dan interaksi antara wilayah merupakan pendekatan untuk meminimalkan ketimpangan antara wilayah. Entitas ilmu wilayah tidak hanya melihat wilayah sebagai satuan administrasi yang dipimpin oleh kepala daerah tetapi menjelaskan berbagai fenomena (fenomenum) yang saling terkait. Upaya untuk memaksimalkan pendekatan ilmu wilayah dengan mengamati segala aktifitas di darat, di laut sampai ke dalaman tertentu hingga udara sampai batas tertentu. Segala aktifitas tersebut dianalisis guna menghasilkan rekomendasi kebijakan untuk mengatasi berbagai persoalan. Karakteristik wilayah menjadi modal awal untuk mengetahui bagaimana wilayah dapat dikembangkan dan bagaimana wilayah dapat menyebabkan kemiskinan. Karakteristik wilayah terdiri dari karakteristik struktur dan aktifitas ekonomi, karakterstik ruang, infrastruktur, penganggaran, sumberdaya alam, sumberdaya manusia hingga pendapatan asli dan produk domestik bruto. Berbagai karakteristik tersebut akan membantu menjelaskan sebab – sebab terjadi kemiskinan sehingga memudahkan untuk malakukan evaluasi, monitoring, pengendalian dan pengawasan, perencanaan hingga perumusan dan reformasi kebijakan.
Karakteritik menjadi dasar untuk membuat rumusan kebijakan
penanggulangan kemiskinan dan pengangguran.
Rumusan kebijakan tersebut
tentu saja sudah mempertimbangkan hubungan antara wilayah lain, baik yang terkait dengan jarak antara daerah, aliran barang daerah, kemiripan antara wilayah berdasarkan karakteristik tiap wilayah. Kemiskinan sangat terkait dengan sumberdaya manusia dan sumberdaya alam.
Sumberdaya manusia yang baik tidak menjamin akan menciptakan
kesejahteraan bagi masyarakat jika sumberdaya alam miskin. Kesejahteraan bisa saja tercipta jika potensi sumberdaya manusia mampu membangun interaksi dengan wilayah yang memiliki kekayaan sumberdaya alam.
36
Wilayah yang memiliki kekayaan sumberdaya alam tidak akan menjamin kesejahteraan jika sumberdaya manusia rendah dan tidak mencoba berinteraksi antar wilayah yang memiliki kualitas sumberdaya manusia. Sumberdaya alam yang melimpah juga tidak menciptakan kesejahteraan jika limpahan sumberdaya alam tidak diolah dan dipasarkan terhadap wilayah yang membutuhkannya. Sumberdaya manusia sebagai dasar untuk mengembangkan social capital. Kekuatan sumberdaya manusia minimal mampu membangun kekuatan dalam skala komunitas yang memiliki kemiripan budaya (bonding), antar berbagai komunitas (bridging), hingga hubungan yang lebih tinggi (lingkages). Bagaimanapun, sumberdaya manusia, karakateristik wilayah dan interaksi antara wilayah menjadi faktor kunci mensejahterakan masyarakat. Wilayah yang aktifitas ekonominya tidak memperhatikan hulu dan hilir, memusat, tidak ada keterkaitan dan interaksi berpotensi menciptakan ketimpangan ekonomi. Sumberdaya alam yang diproduksi oleh daerah tertentu, kemudian diolah secara massal oleh perusahaan besar (pemilik modal besar) tanpa melibatkan usaha dalam skala kecil berpotensi menciptakan ketimpangan ekonomi. Situasi seperti ini akan menciptakan struktur pasar monopoli dan monopsoni. Pasar monopoli memiliki kekuasaan relatif besar dalam menentukan harga.
Pasar monopoli memiliki skala industri besar dan modal besar
mengakibatkan usaha kecil sulit untuk bersaing. Konsumen tidak memiliki nilai tawar karena tidak punya pilihan produk. Umumnya pasar monopoli sulit menciptakan inovasi teknologi dan sumberdaya. Faktor pendorong dan pesaing yang tidak ada menyebabkan pasar monopoli relatif jarang menciptakan inovasi baru. Walaupun ada keinginan untuk melakukan efisiensi biaya guna menciptakan produk yang lebih massal, aktifitas ekonomi relatif akan berjalan lambat karena aktifitas ekonomi bergerak satu arah (yaitu satu pemilik dengan banyak pengguna). Dalam situasi seperti ini dinamika pasar harus dikendalikan oleh pemerintah. Kebijakan pemerintah harus menciptakan pasar dua arah melalui pengembangan
industri
kecil.
Pengembangan
dapat
dilakukan
dengan
meningkatkan kualitas sumberdaya manusia (human capital) dan bantuan modal (economic capital). Tentu saja social capital diharapkan mampu hadir sebagai
37
jembatan untuk memperkuat basis sumberdaya manusia dan modal. Reciprocity dan sikap saling percaya harus ditumbuhkan untuk menciptakan pasar yang adil dan menghilangkan konflik yang sudah melekat pada masyarakat (social embedded). Pengembangan dapat diimplementasikan dengan menciptakan pasar dua arah. Penciptaan pasar dua arah (industri kecil sebagai penyedia ditunjang dengan teknologi dan industri besar sebagai penerima berbagai industri skala kecil) relatif mengurangi ketimpangan struktur ekonomi.
Kerjasama antara
industri ini tidak lain untuk membuka lapangan pekerjaan bagi masyarakat dan mengurangi angka kemiskinan. Pasar juga relatif terbuka untuk memberi peluang industri besar lain yang memiliki produk yang sama. Industri besar yang relatif banyak dapat merangsang perkembangan industri skala kecil dan menengah sebagai pemasok. Industri yang mulai berkembang tentu memerlukan sumber energi dan pengelolahan sumberdaya alam yang tepat. Industri yang menggunakan sumberdaya alam yang tidak terbaharukan sebagai sumber energi lambat laun akan mengalami penyusutan. Disaat sumberdaya tak terbaharukan semakin kecil atau mengalami kelangkaan maka biaya ekonomi relatif akan besar. Industri yang menggunakan sumberdaya alam yang terbaharukan menjadi alternatif untuk menjaga terjadinya kelangkaan sumberdaya alam tak terbaharukan. Ketersedian air tanah memberi pengaruh bagi industri guna mengurangi biaya ekonomi, demikian halnya issu penggunaan energi sumber bio sel menjadi alternatif bagi industri dan bahan bakar minyak.
Apapun itu, kelestarian
sumberdaya alam menjadi faktor kunci untuk menjamin ketersedian sumberdaya alam terbaharukan. Ketersediaan cadangan air dan kedalaman air tanah sangat terkait dengan luas areal hutan yang dapat dipertahankan. Menjaga hutan berarti kita menjaga aktifitas ekonomi dapat menjadi lebih efisien dan keseimbangan ekologis. Perlu penataan ruang (space) yang terpola sesuai dengan fungsi tiap wilayah untuk menunjang aktifitas tersebut.
Pola penataan ruang akan
memperjelas distribusi fungsi tiap kawasan dalam satu wilayah atau sebaliknya. Kawasan ditentukan berdasarkan karakteristik wilayah. Kawasan industri semen
38
( bahan baku yang sulit dipindahkan ) harus diolah terlebih dahulu kemudian dipindahkan.
Kawasan tambak merupakan tempat yang relatif dekat dengan
pantai dan produk bisa dipindahkan dengan cara apapun tetapi lokasinya sulit dipindahkan atau tidak sama sekali. Kawasan industri menjadi tempat pemasok atau pengelolah bahan baku. Kawasan hutan sebagai tempat penyedia cadangan air, aktifitas organisme dan penjaga keseimbangan ekologi. Kawasan pertanian merupakan tempat untuk bercocok tanam guna memenuhi kebutuhan primer dan sekunder masyarakat, perumahan menjadi lingkungan sosial dalam bermasyarakat dan sebagainya. Pola penataan ruang tetap berpijak pada penggunaan lahan yang tepat. Lahan peruntukkan bagi pertanian musiman lebih sesuai untuk tanah yang proses geologinya berbentuk geologi kuarter. Jenis tanah seperti ini sangat sesuai untuk pertanian musiman, sehingga perlu pertimbangan untuk mengubah fungsi lahan. Tanah yang terbentuk melalui proses geologi tersier lebih sesuai peruntukannya bagi tanaman tahunan. Tanah tersier mengandung banyak nilai tambang. Ketersedian infrastruktur menjadi penunjang untuk aktifitas tersebut. Pengelolahan sumberdaya alam, perbaikan struktur dan aktifitas ekonomi, pola tata ruang, fasilitas peningkatan kualitas sumberdaya manusia harus ditunjang dengan kesediaan infrastruktur. Tanpa ketersediaan infrastruktur yang memadai relatif akan menghambat hubungan berbagai aktifitas. Infrastruktur jalan, sarana teknologi, bangunan permanen, fasilitas transportasi dan berbagai jenis infrastruktur lainnya menjadi modal untuk mengembangkan berbagai karakteristik dalam wilayah. Ketersedian infrastruktur di daerah pedesaan yang relatif kurang tersedia mengakibatkan perkembangan pedesaan relatif lambat dibanding dengan perkotaan.
Kebijakan penganggaran yang lebih memprioritaskan perkotaan
mengakibatkan kesenjangan antara kota dan desa menjadi lebih tinggi. Penduduk sebagian besar di pedesaan justru keluar dari wilayahnya guna mengenyam kemajuan yang terjadi di kota. Pengelolahan produk pertanian relatif kurang berkembang karena tidak ditunjang dengan penyediaan infrastruktur. Penyediaan infrastruktur di desa tidak berarti mematikan unsur budaya lokal masyarakat setempat terhadap silaunya modernisasi teknologi. Penyedian
39
infrastruktur di desa untuk memudahkan aktifitas masyarakat setempat. Keberadaan infrastruktur memudahkan masyarakat desa untuk mengelolah produk pertanian mereka agar lebih memiliki nilai tambah ekonomi dan dapat menunjang kehidupannya. Penyediaan infrastruktur tetap menjamin kekhasan masyarakat melalui serapan teknologi yang baik dan bimbingan masyarakat tentang teknologi yang tidak merusak sumberdaya alam dan sifat kekhasan masyarakat. Pola penganggaran yang selama ini memusat harus dapat menjamin ketersedian infrastruktur di tiap wilayah. Era otonomi yang mulia dilakukan sejak reformasi harus mampu menyesuaikan alokasi anggaran terhadap karakteristik wilayah.
Pola penganggaran yang tidak memperhatikan karaktersitik dan
kebutuhan masyarakat tidak banyak memberikan hasil yang bermanfaat guna meningkatkan kualitas manusia dalam upaya penanggulangan kemiskinan. Tidak
berlebihan
bahwa
sumberdaya
manusia
sebagai
pelaku
pembangunan sangat menentukan arah pembangunan guna mengatasi kemiskinan dan pengangguran. Pelaku pembangunan harus menjamin keseimbangan alam sebagai wadah penyeimbang ekologis, struktur ekonomi, pola peganggaran, infrastruktur dan tata ruang guna mengurangi ketimpangan dan pengangguran. Atas dasar itu ilmu pengetahuan sebagai jembatan (bridge) menjadi kunci untuk membuka pintu analisis mengembangkan wilayah. Ilmu pengetahuan menjadi instrumen penting untuk menelaah segala karakteristik wilayah. Pedoman hidup masyarakat yang tertuang dalam tata aturan atau adat istiadat atau norma sebagai pengikat yang kuat dalam berhubungan antara sesama masyarakat bisa dijadikan sebagai modal awal untuk membangun wilayah. Pedoman ini menjadi awal menciptakan sikap saling percaya. Kesadaran akan pentingnya sikap saling percaya menjadi dasar untuk menciptakan interaksi antara wilayah. Prinsip kesejajaran antara wilayah menempatkan wilayah sebagai entitas yang memiliki kekhasan yang dibutuhkan wilayah lain. Hubungan pertukaran antara kekhasan yang dimiliki wilayah lain memberikan pesan keterkaitan antara wilayah perlu diperkuat. Instrumen kebijakan harus mampu mengarahkan pemerintah untuk membuka jaringan antara wilayah (network) keterkaitan antara wilayah (lingkage) dan keterpaduan (cohessivenss). Instrumen seperti ini akan mengurangi fenomena
40
pemusatan aktifitas di wilayah tertentu.
Aktifitas pembangunan relatif akan
merata melalui aktifitas yang berlangsung ditiap wilayah berdasarkan kekhasan. Produk yang dihasilkan wilayah akan diimpor (dalam bentuk produk) ke wilayah lain yang membutuhkannya. Aktifitas seperti ini diharapkan berlangsung terus menerus antara wilayah.
Akhirnya kita akan sepakat bahwa wilayah dalam
terminologi arab, yang berarti sikap saling tolong menolong melalui reformasi kebijakan dan dikontrol dengan cara monitoring, evaluasi, pengendalian dan perencanaan adalah suatu keniscayaan. Berikut ini akan ditampilkan gambar kerangka pemikiran penelitian
Gambar 1 Kerangka pemikiran.
41
Kerangka Pendekatan Studi Kerangka pendekatan ini bertujuan memperjelas tahap – tahap penelitian agar variabel dan indikator penelitian terukur dan dianalisis secara sistematis. Adapun tahap – tahap tersebut meliputi penentuan variabel tujuan, variabel keadaan dan variabel terikat. Kemiskinan dalam hal ini dianggap sebagai variabel tujuan. Tahap ini menganalisis variabel
tipologi wilayah yang menyebabkan
kemiskinan dan pengangguran. Pemetaan ini bertujuan untuk mengetahui secara umum gambaran wilayah. Kemisikinan akan dicari faktor penyebabnya, dugaan sementara kemiskinan disebabkan karena pendapatan masyarakat yang rendah dan timbulnya masalah pengangguran. Berbagai karakteristik akan diamati sebagai faktor pendorong yang dapat menyebabkan kemiskinan. Karakteristik tersebut meliputi penganggaran, aktifitas ekonomi, sumberdaya manusia dan sosial, penataan ruang, sumberdaya alam, infrastruktur dan pendapatan asli daerah. Tiap karakteristik akan dijelaskan akibat yang dapat ditimbulkan. Tahap kedua, setelah berbagai karakteristik telah dianalisis, maka kita akan menentukan karakteristik utama. Karakteristik utama ini akan menjadi variabel keadaan. Gambaran dari variabel keadaan adalah realitas aktifitas yang dapat mendorong terciptanya kemiskinan dan pengangguran. Variabel tujuan akan dispesifikasikan dengan menentukan beberapa indikator – indikator yang mungkin mewakili tiap karakteristik variabel keadaan. Penentuan indikator harus sesuai dengan variabel keadaan. Dapat dikatakan bahwa variabel tujuan adalah merupakan fungsi dari variabel keadaan. Setiap variabel keadaan akan dianalisis untuk melihat variabel yang memberikan pengaruh signifikan terhadap munculnya fenomena kemiskinan pada kecamatan tertentu. Analisis yang digunakan adalah Multiple Regression. Setelah menggunakan analisis ini, maka kita dapat menduga dan menentukan variabel yang menyebabkan kemiskinan di kecamatan. Tahap ketiga menelaah pembangunan manusia dan sosial. Ditahap ini lebih banyak menggunakan kajian literatur logika verbal dan hasil penelitian yang dapat menunjang analisis. Faktor pendorong dalam sosial akan ditelaah faktor yang dapat menyebabkan norma kolektifitas dan gotong royang (silaturahim) pada wilayah. Norma yang terbentuk dalam wilayah dianalisis secara deskritif dengan
42
melihat social ties (ikatan sosial). Selanjutnya akan dieksplorasi secara logika verbal manfaat social capital bagi masyarakat. Pendekatan yang dilakukan yaitu mengamati karya yang diciptakan masyarakat (swadaya) seperti pembuatan jalan dan beberapa bangunan lainnya yang memberikan manfaat sosial dan ekonomi. Telaah juga dilakukan terhadap hal hal yang dapat menyebabkan social capital tidak tercipta. Telaah itu berupa kerjasama dan silaturahim yang semakin menipis sehingga menyebabkan ikatan sosial lemah dan sifat individualisme bisa muncul. Tahap keempat menguji model hubungan antara pembangunan manusia dan sosial, interaksi spasial serta kemiskinan dan pengangguran. Analisis ini menggunankan jarak antara kecamatan (cakupan penelitian).
Analisis ini
bertujuan mengetahui keterkaitan antar wilayah. Sebagai ilustrasi pelayanan yang digunakan secara bersama seperti rumah sakit atau sekoloh yang berada pada kecamatan tertentu digunakan juga oleh kecamatan lain. Artinya aktifitas disuatu wilayah akan memberikan pengaruh wilayah lainnya. Analisis yang digunakan pada tahap ini adalah Spatial Durbin Model.
Tahap lain adalah membuat
karakteristik dominan di suatu wilayah. Karakteristik menjadi ciri yang dimiliki suatu wilayah.
Ciri wilayah membantu untuk membuat tipologi wilayah.
Tipologi wilayah dapat diketahui setelah ciri tiap wilayah dipetakan. Lokasi dan Waktu Penelitian ini dilakukan di Kabupaten Bogor Provinsi Jawa Barat sebagai salah satu wilayah yang memiliki indeks pembangunan 68,41 dan berupaya untuk mencapai angka 80. Penelitian ini dimulai bulan November 2006 – Maret 2007. Metode Pengambilan dan Sumber Data Pengambilan data dilakukan dengan cara mengumpulkan semaksimal mungkin data sekunder yang berhubungan dengan penelitian.
Sumber data
diperoleh dari BAPPEDA, Dinas Pendidikan, P4W, BPS dan instansi lain. Jenis Data Jenis data yang digunakan dalam penelitian ini dikelompokkan ke dalam 8 bagian yaitu data kinerja pembangunan wilayah, sumberdaya alam, sumberdaya manusia dan sosial, aktifitas ekonomi, pengendalian ruang, infrastruktur dan fasilitas publik, penganggaran belanja daerah dan jarak antar kecamatan
43
Berikut ditampilkan data yang digunakan dalam mengerjakan PCA. Tabel 1 Data variabel yang digunakan dan sumber diperoleh untuk dianalisis No
Variabel
Indikator
Sumber data
Kinerja pembangunan
Pangsa lokal keluarga pra dan sejahtera I, pangsa angkatan kerja menganggur
BPS 2006 Bogor
Sumberdaya Alam
Pangsa lokal luas tanaman pangan & indeks diversitas, pangsa lokal jenis hutan, perkebunan & indeks diversitas, pangsa lokal jumlah produksi ton ikan & indeks diversitas, & pangsa lokal jumlah produksi ton ikan & indeks diversitas
PODES 2003 dan 2006
3
Sumberdaya manusia dan sosial
Pangsa lokal guru SD & MI, pangsa lokal guru SMP & MTs, Pangsa Lokal guru SMU, MA, SMK, pangsa lokal usia produktif, pangsa lokal aktifitas sosial, permukiman kumuh & intensitas konflik, pangsa lokal institusi sosial, & indeks diversitas.
BPS, 2006 dan BAPPEDA
4
Aktifitas ekonomi
Pangsa lokal industri kecil & rumah tangga, intensitas ekonomi peternakan & perikanan, pangsa lokal alat pertanian
BPS, 2006
5
Pengendalian ruang
Pangsa lokal lahan sawah & pangsa laju alih guna lahan
BAPPEDA dan BPS, 2006
Infrastruktur dan Fasilitas publik
Rasio bank dan pasar, rasio sarana kesehatan & tenaga medis, pangsa lokal lembaga keterampilan & indeks diversitas, pangsa lokal & indeks diversitas sarana pendidikan, rasio usia sekolah, unit polisi dan PNS
BPS, 2006 dan BAPPEDA
Penganggaran belanja
Pangsa lokal penganggaran belanja
BAPPEDA
Keterkaitan antara daerah dan ketetanggan
Jarak antara kecamatan dan kebalikan jarak
Kabupaten Bogor dalam Angka
1
2
Catatan : lihal penjelasan di lampiran
44
Metode Analisis Data yang telah diperoleh akan dianalisis berdasarkan tujuan penelitian. Analisis data sebagai dasar menginterpretasi hasil yang diperoleh. Data terlebih dahulu diolah dengan software Excel. Data diolah dengan membagi masing – masing variabel data. Pembagian data dilakukan dengan cara merasiokan data, mencari pangsa data, intensitas aktifitas, dan indeks diversitas masing masing data (lihat Gambar 3). Persamaan yang digunakan sebagai berikut : Persamaan matematis untuk menghitung pangsa : Pit =
∑ AT
ait
a
JTAit
............................................................................... (1)
Persamaan matematis indeks diversitas IDZ it =
1 ⎛ ⎞ exp⎜ − ∑ Pit ln Pit ⎟ .......................................................................... (2) Na ⎝ a ⎠
Persamaan matematis intensitas : IAkit = JATit Ait ................................................................................................. (3) Keterangan : Pit = Pangsa di daerah ke-i pada tahun ke-t Pauit = Jumlah aktifitas tertentu tipe ke-a di daerah ke-i pada tahun ke-t JTAit = Jumlah total aktifitas di daerah ke-i pada tahun ke-t IAkit
= Intensitas aktifitas kegiatan di daerah ke-i analisis pada tahun ke-t
JATit = Jumlah aktitifitas kegiatan tertentu di daerah ke-i pada tahun ke-t Ait
= Total aktitifitas pada daerah ke-i tahun ke-t Setelah diolah dengan menggunakan persamaan matematis, data
kemudian diolah dengan software Statistica 6 dengan menggunakan prinsip PCA. Hasil dari PCA kemudian diinterpretasi. Data olahan hasil PCA disimulasikan untuk memperolah hasil Multiple Regression (MREG), Spatial Auto-regression (SAR) dan Spatial Durbin Model. Data kemudian dikonfersi melalui Arc View untuk mengamati konfigurasi spasial tiap variabel. dilihat pada Gambar 2 berikut :
Adapun Prosesnya dapat
45
Gambar 2 Alur pemikiran. Keterangan : DD SDA PR IF Ind
: : : : :
Data Dasar Sumberdaya Alam Pengendalian Ruang Infrastruktur Indikator
PB : AE : SDM : SDS : STDEV: MREG :
Penganggaran Belanja Aktifitas Ekonomi Sumberdaya Manusia Sumberdaya Sosial Standar Baku Multiple Regression
P KP PM Var IdxKom DF
: : : : :
:
Variabel Penunjang Kemiskina & Pengangguran Pembangunan Manusia Variabel Indeks komposit Discriminant Function
Gambaran umum PCA untuk Menjawab Peran Pembangunan Manusia Principal Component Analysis (PCA) merupakan salah satu teknik analisis yang bertujuan untuk mentransformasikan data dengan cara linear pada suatu variabel – variabel yang saling berkorelasi menjadi struktur data baru dengan variabel – variabel baru (disebut sebagai komponen utama) yang tidak saling berkorelasi (Ortogonalisasi variable). Variabel baru yang dihasilkan jauh lebih sedikit dari pada variabel asalnya, tetapi total kandungan informasi (total ragamnya) relatif tidak berubah, proses ini disebut (Saefulhakim, 2004).
penyederhanaan variabel
46
Manfaat yang dapat diperoleh terhadap tujuan PCA adalah membolehkan analisis regresi berganda (pendugaan parameter struktur hubungan linear antar satu variabel tujuan dengan lebih dari satu variabel penjelas) atau analisis discriminant function (pendugaan parameter struktur hubungan linear antara satu variabel pengelompokan dengan lebih dari satu variabel penjelas perbedaan antar kelompok). Multicollinearity tidak terjadi dalam analisis tersebut (fenomena saling berkorelasi antara variabel penjelas).
Masalah multicollinearity dapat
dihilangkan dengan menggunakan PCA dan FA (Saefulhakim, 2004). Penyajian data pada struktur jauh lebih sederhana tanpa kehilangan esensi informasi yang terkandung di dalamnya dapat lebih mudah dipahami, dikomunikasikan dan ditetapkan prioritas penanganan terhadap hal - hal yang lebih pokok dari struktur permasalahan yang dihadapi. Struktur sederhana ini merupakan manfaat yang kedua dari PCA. Berikut ini akan ditampilkan gambar analisis dan desain tabel yang digunakan untuk mengerjakan PCA (Saefulhakim, 2004) ; Y2
Y1 c21 c12 c11
C22 F2
F1
Hubungan korelasi Arah Transformasi Gambar 3 Prinsip ilustrasi PCA. Tabel 2 Desain tabel yang digunakan untuk melakukan PCA Kecamat an
Kinerja pembangun an ekonomi
Sumbe rdaya alam
Sumberdaya manusia& sosial
Aktifitas ekonomi
Pengendali an ruang
Infarastruktur & fasilitas publik
1 2
Persamaan umum PCA adalah: Yk = ak1X1 + ak2X2 + ak3X3 + … + akpXp
Penganggaran belanja daerah
Durbin model (jarak)
47
PCA memiliki format data sebagai dasar untuk menyusun matriks berukuran n dikalikan dengan p, dimana n : unit sample (jumlah desa) p : jumlah peubah (kolom). Analisis komponen utama dilakukan sampai diperoleh nilai PC Score terbaik, yaitu: -
PC Score dengan nilai akar ciri (eigenvalues) diatas 70%
-
Jumlah faktor-faktor baru pada tabel factor loading di bawah lima
-
Korelasi antar variabel-variabel asal dengan faktor-faktor baru pada factor loading dapat diinterpretasikan secara logis. Prinsip – Prinsip Prosedural PCA
Prosedural perhitungan untuk mengerjakan PCA dijelaskan di bawah ini : - Penyiapan data ke dalam format tabulasi tertentu (dalam tulisan ini disebut format data asal) dimana baris menyatakan kasus (sample, individu responden, lokasi dsb) kolom menyatakan variabel – variabel yang diukur. - Standarisasi data asal sehingga diperoleh struktur data pada variabel baku yaitu setiap variabel memiliki angka rataan sama dengan nol dan simpangan baku (serta ragam) sama dengan satu. - Ortogonalisasi variabel baku sehingga diperoleh variabel ortogonal yaitu antar variabel tersebut menjadi tidak saling berkorelasi, atau koefisien korelasi antara variabel tersebut menjadi sama dengan nol - Standarisasi variabel ortogonal sehingga diperoleh variabel baru (disebut faktor atau komponen utama) yang tidak saling berkorelasi satu sama lain, angka rataan masing masing sama dengan nol dan simpangan baku serta ragam masing masing sama dengan satu;dan - Seleksi faktor (atau komponen utama) sehingga diperoleh beberapa faktor atau komponen utama terpilih yang mengandung bobot informasi memadai untuk digunakan analisis lebih lanjut (Saefulhakim, 2004). Setelah dilakukan prosedural dengan menggunakan persamaan matematis PCA maka hasil yang akan diperoleh dari PCA antara lain: Akar ciri (eigen value) adalah nilai yang menunjukkan keragaman dari peubah komponen utama dihasilkan dari analisis, semakin besar nilai
48
eigen value, maka semakin besar pula keragaman data awal yang mampu dijelaskan oleh data baru. Proporsi dan komulatif akar ciri, nilai pembobot (eigen vector) merupakan parameter yang menggambarkan hubungan setiap peubah dengan komponen utama ke-i. Component score adalah nilai yang menggambarkan besarnya titik-titik data baru dari hasil komponen utama dan digunakan setelah PCA. PC loading menggambarkan besarnya korelasi antar variable pertama dengan komponen ke-i. PC scores ini yang digunakan jika terjadi analisis lanjutan setelah PCA. Factor Loadings (Lα) adalah sama dengan Factor Score Coefficients (Cα) kali Eigenvalue Faktor atau Komponen Utamanya (λα) (Saefulhakim, 2004). Indeks komposit diperoleh dari PCA setelah diperoleh •
Indeks komposit kinerja pembangunan ekonomi
•
Indeks komposit sumberdaya alam
•
Indeks komposit sumberdaya manusia dan sosial
•
Indeks komposit aktifitas ekonomi
•
Indeks komposit pengendalian ruang
•
Indeks komposit infrastruktur dan fasilitas publik Gambaran Metode K_Means Clustering dan Discriminant Function K_means Clustering adalah metode analisis untuk membuat konfigurasi
masing – masing variabel indikator berdasarkan hasil klasifikasi atau tipologi wilayah. Tujuan dari analisis ini adalah untuk mengetahui faktor penciri dari masing – masing variabel indikator yang diperoleh dari indeks komposit masing – masing faktor. Sebelum membagi tipologi berdasarkan kelas tinggi, sedang dan rendah, maka di lakukan tahap Tree Clustering. Metode ini dilakukan untuk menentukan berapa banyak pembagian tipologi. Nilai nyata yang diperoleh dari K_means clustering selanjutnya dilakukan discriminant function berdasarkan pembagian tipologi. Tujuan untuk memperoleh score atau tipologi. Ketentuan yang harus dalam metode ini adalah data observasi dengan data sesungguhnya harus sama. Hasil yang digunakan adalah klasifikasi untuk menentukan score (tipologi).
Analisis terakhir adalah menggunakan
49
multiple regression sebagai dasar untuk mengetahui faktor determinan terhadap score (tipologi) wilayah. Analisis Multiple Regression (MREG) Variabel Pengukur Kemiskinan dan Pengangguran Multiple Regression merupakan alat analisis yang digunakan untuk mengetahui pengaruh kemiskikan yang terjadi di dearah sendiri tanpa melihat pengaruh daerah lain. Analisis ini dilakukan setelah ditemukan nilai Ln dari hasil indeks komposit yang diambil dari nilai Factor Score. Seluruh variabel hasil indeks komposit yang di Ln-kan pada variabel keadaan untuk melihat pengaruh terhadap kemiskinan dan pengangguran. Hasilnya bisa berkorelasi positif dan elastis atau tidak elastis serta berkorelasi negatif. Hasil yang diperoleh adalah parameter yang menyebabkan kemiskinan di daerah sendiri. Terkait dengan tujuan penelitian maka analisis dengan menggunakan Multiple Regression dapat mengetahui parameter yang dapat menyebabkan pengaruh kuat atau lemah masalah kemiskinan dan pengangguran. Analisis ini belum terkait dengan daerah sekitar atau tetangga. Kemiskinan merupakan variabel tujuan yang terpilih pada penelitian ini, variabel pengontrol (dependent variable) adalah kebijakan yang harus direformasi dan variabel keadaan adalah sumberdaya manusia, infrastruktur, sumberdaya alam, penataan ruang, aktifitas ekonomi dan kinerja pembangunan. Seluruh variabel (pengontrol, tujuan dan keadaan) tidak terjadi lagi hubungan multicollianirity sebagaimana syarat dalam mengerjakan PCA. Variabel yang memiliki pengaruh signifikan dan bersifat nyata akan dijadikan rekomendasi kepada pemerintah (dalam hal ini yang terkait dengan pembuat kebijakan) untuk mempertimbangkan variabel tersebut agar menjadi perhatian dalam menyusun rancangan strategis kedepan. Analisis Spatial Auto-Regression (SAR) Pengukur Pembangunan Manusia dan Sosial Ilmu perencanaan wilayah sangat terkait dengan sifat kekhasan (spesialisasi), interaksi wilayah dan keterwakilan kelembagaan. Sifat dasar yang terkait tersebut menjadikan ilmu wilayah identik dengan ruang atau biasa disebut
50
spasial. Sifat kekhasan bisa terjadi dalam satu wilayah maupun wilayah lain. Sifat kekhasan akan menjadi dasar terciptanya interaksi antara wilayah Wilayah yang memiliki kekhasan yang sama, sulit untuk terjadi interaksi, kecuali terjadi kekurang stok dalam wilayah tertentu, demikian pula dengan wilayah yang memiliki jarak yang jauh dengan wilayah lain akan sulit berinteraksi karena akan dipengaruhi banyak faktor ( ekonomi, feasibility, shipment , tax dan cost). Wilayah yang berdekatan (bertetangga) akan berinteraksi secara kuat apabila sifat kekhasan wilayah berbeda dan adanya akses jalan yang mudah. Analisis Spatial Auto-regression bertujuan menganalisis pengaruh wilayah terhadap wilayah yang lain. Analisis ini berusaha menjelaskan berapa besar pengaruh wilayah lain yang dapat menyebabkan kemiskinan dan pengangguran, demikian pula keberhasilan wilayah apakah dipengaruhi wilayah lain. Terkait dengan tujuan penelitian maka analisis ini, bagaimana peran pembangunan dan social capital dalam suatu wilayah.
Jika dalam analisis
memperlihatkan bahwa kemiskinan dan pengangguran terjadi dipengaruhi oleh daerah sekitar maka peran pembangunan dan social capital harus mampu hadir dalam rangka menciptakan saling memperkuat antar wilayah. Backwash effect dapat terjadi akibat ketimpangan antara daerah yang menyebabkan terjadi aliran penduduk ke daerah lain atau akibat daerah lain cendrung sentralistik yang berakibat terjadi ketidakberimbangan.
Situasi ini dapat dikatakan sebagai
pengaruh daerah lain. Hasil ini menjadi rekomendasi bagi pembuat kebijakan agar mampu menciptakan hubungan kerja sama antara daerah lain terkait pembangunan manusia dan social capital. Menguji Model Hubungan antara Pembangunan Manusia dan Sosial serta Interaksi Spasial Kemiskinan dan Pengangguran Hasil pemetaan tipologi wilayah akan diuji hubungannya antara pembangunan manusia dengan social capital. Uji ini bertujuan untuk melihat bagaimana pengaruh pembangunan manusia yang tinggi dan rendah terhadap social capital, kemiskinan dan pengangguran.
Uji interaksi spasial dengan
mengamati pola interaksi yang terjadi antar kecamatan.
51
Teknik dengan tujuan ketiga penelitian, alat analisisnya menggunakan Spatial Durbin Model. Teknik ini menggunakan hasil PCA untuk menduga parameter model hubungan antara pembangunan manusia dengan konfigurasi ruang (spasial) wilayah Prinsip dasar Spatial Durbin Model hampir sama dengan regresi berbobot (weighted regression). Variabel yang menjadi pembobot pada Spatial Durbin Model adalah faktor lokasi. Kedekatan dan keterkaitan antar lokasi ini menyebabkan munculnya fenomena ‘autokorelasi spasial’, dengan ketentuan terjadi spesialisasi (kekhasan) yang berbeda pada wilayah tersebut.
Spatial
Durbin Model merupakan pengembangan dari regresi sederhana, yang digunakan untuk data spasial. Misalnya untuk mengetahui tingkat perkembangan di suatu wilayah selain dipengaruhi veriabel bebas (hasil olah PCA) juga dipengaruhi oleh variabel lain, yaitu hubungan spasial. Data yang digunakan untuk variabel bebas (x) berasal dari komponen utama hasil pengolahan PCA. Representasi faktor lokasi pada Spatial Durbin Model dalam bentuk matriks jarak. Berdasarkan analisis di atas maka fenomena saling berkorelasi (auto – corelation) yang menyebabkan kemiskinan dan pengangguran sangat dipengaruhi oleh daerah yang berdekatan dan memiliki keterkaitan. Jika hasil olah penelitian menghasilkan pengaruh jarak maka kemiskinan dan pengangguran di daerah sekitar dipengaruhi oleh parameter keadaan di daerah lain. Adapun besar kecilnya sangat terkait dengan tingkat nyata dan sifat elastisitas. Persamaan Matematis : Lny = a +
∑ b LnX j
j
j
+
∑ c . w Lny k
k
k
K
+
∑∑d j
k
jk
.W
k
. LnX
j
+
ε
l
Lny
= Indeks kemiskinan dan pengangguran tipe ke – l
X
= Indeks pembangunan manusia dan social capital tipe ke - i
j
∑ b LnΧ j
= Multiple Regression Model
j
j
∑ c .W Lny k
k
k
k
= Spatial Auto - Regression Spatial Model
∑ ∑ d W LnX = Spatial Durbin Model jk
j
k
k
j
52
Unit analisis : unit analisis yang digunakan adalah kecamatan Variabel peubah independen : sumberdaya alam, sosial, manusia, infrastruktur, aktifitas ekonomi, dan pengendalian ruang Variabel peubah dependen
: kinerja pembanguan
Variabel spasial spasial
: jarak antar kecamatan Alat Analisis
Alat analisis yang digunakan dalam penelitian ini adalah Software excel
Arc view GIS versi 3.3 dan Statistika 6. Berikut ini peta lokasi penelitian di Kabupaten Bogor.
Gambar 4 Wilayah analisis peta Kabupaten Bogor Prinsip Interpretasi Parameter Koefisien Regresi Parameter yang telah diperoleh hasilnya melalui analisis Multiple
Regression dibaca dengan mengenal tanda negatif dan positif (arah) pada parameter koefisien. Parameter yang memiliki pengaruh elastis nilainya lebih besar dari 1 dan tidak elastis kurang dari 1. Nilai negatif tidak menandakan kecil dari satu tetapi hanya menjelaskan model kurva yang slope (arah) negatif. Nilai elastisitas diperoleh dari persamaan dan digambarkan dalam kurva : Y = aX + b...........................................................................................
1
53
a
Grafik di atas menunjukkan nilai koefisien dari X adalah a.
Jika
persamaan pertama diturunkan secara parsial terhadap X maka persamaan matematis diperoleh sebagai berikut
δΥ = a ................................................................................................................................... δΧ
2
atau dapat ditulis dengan rasio perubahan Y terhadap X
ΔΥ = a ............................................................................................................. ΔΧ
3
Nilai dari perubahan Y dapat ditulis dengan persamaan
ΔΥ = Y 1 − Y 0 ...................................................................................................
4
Nilai perubahan Y ditulis dengan persentase maka persamaannya adalah ΔΥ = Y 1
−Y 0
Y
..................................................................................................
5
0
Berdasarkan persamaan tersebut maka diperoleh nilai perubahan Y berdasarkan persentase. Nilai perubahan X dilakukan dengan prinsip di atas
ΔΧ =
X −X 1
0
................................................................................................
6
Nilai perubahan X ditulis dengan persentase maka persamaannya adalah ΔΧ =
X −X X 1
0
...............................................................................................
7
0
Berdasarkan persamaan tersebut maka diperoleh nilai perubahan X berdasarkan persentase dengan menggambungkaan persamaan a dan b maka ditemukan persamaan elastisitas yang disimbolkan dengan E. Rasio perubahan Y terhadap X adalah merupakan hasil turunan parsial dengan tanpa menurunkan variabel lain. Persamaan tersebut adalah E=
ΔΥ x ΔΧ
X Y
0
..................................................................................................
8
0
Karena nilai a merupakan rasio perubahan Y terhadap X maka persamaan matematis untuk memperoleh nilai elastisitas di tuliskan pada persamaan berikut :
54
E=a
X Y
1
........................................................................................................
9
1
Nilai a adalah nilai tengah Bersadarkan persamaan di atas maka elastisitas suatu hasil parameter indikator sangat terkait dengan berapa besar pengaruh nilai rasio perubahan Y terhadap X berdasarkan persentase. Jika nilai perubahan semakin besar maka tingkat elastisitas parameter semakin besar pengaruhnya terhadap nilai elastis, dalam hal ini besar dari 1. Situasi ini menandakan parameter memiliki pengaruh elastis. Jika hasil parameter memiliki nilai kurang dari 1 maka dikategorikan sebagai parameter yang tidak berpengaruh signifikan.
Jika nilai elastis
membentuk kurva maka persamaan matematis secara otomatis menggunakan Ln sebagai pengali variabel. Persamaan matematis dapat ditulis sebagai berikut LnY = aLnX + b ...............................................................................................
10
Y Y3 Y2 Y1 X1
X2 X3
X
Gambar 21 Kurva produksi slope positif. Kurva di atas mengilustrasikan perubahan produksi. Mula – mula produksi bergerak pada Y1 dan X1.
Pada periode ini aktifitas produksi belum
menghasilkan banyak produksi atau cendrung relatif konstan. Aktifitas belum mampu memberikan keuntungan bagi perusahaan. Posisi kurva tersebut masih bersifat tidak elastis dengan nilai elastisitas kurang dari 1.
Pada periode
berikutnya produksi mulai bergerak sebesar Y1 – Y2 dengan periode tahun bergerak sebesar X1 – X2. Pada periode ini aktifitas produksi sudah mampu meningkat 2 kali lebih besar bahkan lebih. Produksi sudah mampu memberikan keuntungan lebih, posisi kurva ini menunjukkan nilai yang elastisitasnyan lebih besar dari 1. Posisi kurva antar Y3 – Y2 dalam periode waktu X3 – X2 produksi cendrung konstan atau akan mengalami titik balik (menurun). Posisi seperti ini di kategorikan produksi sudah tidak mampu lagi melebihi Y2 – Y1. Jika produksi terus dilakukan maka hasilnya akan cendrung menurun, posisi kurva seperti ini
55
bersifat tidak elastis. Diperlukan diversifikasi produksi atau perlakuan khusus untuk menjaga kurva tersebut tidak turun (produksi menurun).
Y Y3 Y2 Y1 X3
X2
X1
X
Gambar 22 Kurva produksi jarak slope negatif. Jika pada gambar kurva di atas ber slope positif maka pada kurva berikut ber slope negatif. Sebagai ilustrasi jarak tanam tanaman. Jika jarak tanam hanya berkisar X1 maka hasil produksi tidak maksimal, demikian pula pada jarak X3. jarak tanam yang bersifat elastis adalah pada jarak X2. Pada jarak tanam ini akan menghasilkan produksi yang maksimal. Nilai elastis atau tidak elastis tidak berarti hasil parameternya semua bersifat nyata. Nilai nyata ini sangat terkait terhadap nilai x1 (variabel) dikurang nilai tengah atau nilai rata – rata serta besar nilai standar deviasi.
(χ − χ )
2
1
∑
Stdev =
i →1
i
D.bebas
.....................................................................................
11
Persamaan di atas menunjukkan jika nilai x1 mendekati atau mirip nilai tengah maka respon parameter cendrung homogen. Posisi ini relatif pasti dan dapat diduga serta memiliki faktor dominan. Hasil parameter ini bersifat nyata. Jika tingkat heterogenitas pada x1 tinggi maka nilai tersebut bersifat tidak pasti sehingga parameter tersebut tidak nyata. Tinggi taraf nyata sangat dipengaruhi berapa besar standar deviasi. Persamaan matematis dari taraf nyata ;
T
student
=
x ................................................................................................. Stdev
12
Semakin besar nilai yang diperoleh (mendekati 1) semakin besar nilai hasil parameter yang dapat dijelaskan. Parameter yang bersifat elastis adalah parameter yang menjelaskan respon yang kuat jika terjadi perubahan dalam aktifitas. Pengaruh itu bisa disebabkan karena kondisi politik, ekonomi, biaya
56
produksi dan respon konsumen terhadap perubahan. Jika terjadi respon perubahan yang kuat akibat perubahan yang terjadi dan nilai elastisitas lebih 1 maka situasi ini dikategorikan elastis. Parameter yang tidak elastis adalah parameter yang menjelaskan respon perubahan yang tidak siginifikan mengalami perubahan. Jika terjadi kenaikan harga akibat perubahan biaya produksi maka selera masyarakat untuk mengkonsumsi produk tersebut tidak mengalami penurunan yang signifikan atau jika biaya produksi tinggi, jumlah produksi tidak serta turun akibat perusahaan berusaha untuk mengejar keuntungan guna merespon permintaan. Nilai nyata sangat dipengaruhi oleh nilai x1, jika nilai x1 mendekati nilai tengah serta respon parameter cendrung homogen maka hasil parameter bersifat nyata. Tetapi jika respon parameter nilai variabel x1 terhadap nilai tengah cendrung menjauh atau respon keragaman atau bersifat heterogenitas maka parameter akan bersifat tidak nyata. Besarnya nilai parameter dalam menjelaskan parameter sangat terkait dengan nilai Tstudent. Jika standart error semakin kecil nilainya maka taraf nyata akan semakin tinggi. Artinya model mampu menjelaskan fenomena dengan tingkat keakuratan yang tinggi terhadap permasalahan yang dihadapi. Jika taraf nyata rendah maka model hanya mampu menjelaskan sebagian kecil dari keadaan.
