PENGELOMPOKAN KECAMATAN BERDASARKAN INDIKATOR PEMERATAAN PENDIDIKAN. Listya Ningrum ( ) Dosen Pembimbing: Drs Kresnayana Yahya, M.Sc

PENGELOMPOKAN KECAMATAN BERDASARKAN INDIKATOR PEMERATAAN PENDIDIKAN

Listya Ningrum (1311030088) Dosen Pembimbing: Drs Kresnayana Yahya, M.Sc.

Latar Belakang Pendidikan

Rumusan Masalah • Bagaimana analisis deskriptif untuk mengetahui karakteristik kecamatankecamatan di Kota Surabaya? • Bagaimana pengelompokkan dan pemetaan Kecamatan di kota Surabaya dengan menggunakan analisis cluster untuk tujuan identifikasi yang lebih spesifik? • Bagaimana analisis terhadap karakteristik kecamatan berdasarkan hasil pemetaan diatas untuk mengatasi masalah pemerataan pendidikan di Kota Surabaya?

Tujuan • Mendeskripsikan analisis deskriptif untuk mengetahui karakteristik kecamatan-kecamatan di Kota Surabaya. • Pengelompokkan dan pemetaan Kecamatan di kota Surabaya dengan menggunakan analisis cluster untuk tujuan identifikasi yang lebih spesifik. • Menganalisis karakteristik kecamatan berdasarkan hasil pemetaan diatas untuk mengatasi masalah pemerataan pendidikan di Kota Surabaya.

Manfaat Memperoleh informasi kecamatan di Surabaya yang berada dalam satu kelompok sehingga dapat dilakukan kebijakan yang sama untuk kecamatan yang berada dalam kelompok sama.

Dapat memberikan informasi kepada pemerintah Kota Surabaya tentang kondisi masyarakat apabila dilihat dari setiap kecamatan.

Dapat membantu memberikan masukan kepada pemerintah Kota Surabaya dalam kesejahteraan masyarakat di Kota Surabaya.

Batasan Masalah Variabel pemerataan pendidikan tiap kecamatan tahun 2012-2013

Ekonomi

Unit obervasi 31 kecamatan di Kota Surabaya

Lingkungan

Tinjauan Pustaka  • • • • • •  • • • • •

Tinjauan Statistika Statistika Deskriptif Uji Kecukupan Data Analisis Faktor Analisis Cluster Metode Ward’s Analisis Biplot Tinjauan Non Statistika Wilayah Surabaya Pendidikan Ekonomi Lingkungan Penelitian Sebelumnya

Statistika Deskriptif Menurut Bhattacarya dan Johnson (1977), statistika deskriptif merupakan statistik yang digunakan untuk mendeskripsikan atau menggambarkan obyek penelitian yang diambil dari sampel maupun populasi

Uji Kecukupan Data Hipotesis Ho : Jumlah data cukup untuk difaktorkan H1 : Jumlah data tidak cukup untuk difaktorkan Statistik uji :  r KMO = p

p

i 1 j 1

p

p

2 ij

p

p

  rij2   a ij2 i 1 j 1

i 1 j 1

Dimana :i = 1, 2, 3, ..., p j = 1, 2, ..., p Keterangan : rij = Koefisien korelasi antara variabel i dan j aij = Koefisien korelasi parsial antara variabel i dan j Apabila nilai KMO lebih besar dari 0,5 maka terima Ho sehingga dapat disimpulkan jumlah data telah cukup difaktorkan (Johnson dan Wichern, 2002).

Analisis Faktor Analisis faktor adalah suatu analisis statistika yang bertujuan untuk mereduksi dimensi data dengan cara menyatakan variabel asal sebagai kombinasi linear sejumlah faktor, sedemikian hingga sejumlah faktor tersebut mampu menjelaskan sebesar mungkin keragaman data yang dijelaskan oleh variabel asal (Johnson dan Wichern, 2002).

Analisis Cluster Analisis cluster adalah proses pengelompokan objek berdasarkan informasi yang menggambarkan objek tersebut atau hubungannya dengan objek lain (Johnson dan Wichern, 2002).

1. Metode hirarki, berdasarkan hasil pengelompokan disajikan secara hirarki mulai dani n, (n-1) sampai 1 kelompok. 2. Metode non-Hirarki, digunakan apabila jumlah kelompok sudah diketahui dan untuk mengelompokkan data yang berukuran besar, yang termasuk dalam dalam metode K-Mean.

Metode Ward’s Metode ini digunakan untuk melakukan kombinasi kelompokkelompok dalam jumlah kecil.

d E x1 , x 2  



n

i 1

( x1i  x 2i ) 2

Metode ini mencoba meminimumkan varians dalam kelompok. Penggunaan metode ward’s juga dinilai memiliki kinerja lebih baik di antara metode-metode Hierarki Cluster Analysis (Gong dan Richman, 1994).

Analisis Biplot Metode biplot didasarkan pada nilai dekomposisi singular suatu matrik. Pada dasarnya metode biplot bertujuan untuk memperagakan secara grafik dari suatu matrik dalam sebuah plot dengan menumpangtindihkan vektor-vektor dalam ruang vektor yang merepresentasikan vektor-vektor kolom matrik tersebut (Sartono, dkk 2003).

Analisis Diskriminan Menurut Johnson dan Wichern (1992), tujuan dari Analisis Diskriminan adalah untuk menggambarkan ciri-ciri suatu pengamatan dari bermacam-macam populasi yang diketahui, baik secara grafis maupun aljabar dengan membentuk fungsi diskriminan.

Geografis Surabaya

Wilayah Surabaya : Luas wilayah Kota Surabaya mencapai 326,36 km2 yang dibagi menjadi 31 Kecamatan dan 163 Kelurahan. Kota Surabaya berbatasan dengan beberapa wilayah yaitu :  Wilayah Utara : Selat Madura  Wilayah Timur : Selat Madura dan Laut Jawa  Wilayah Selatan : Kabupaten Sidoarjo  Wilayah Barat : Kabupaten Gresik

Kecamatan Surabaya Pusat 01. Tegalsari 02. Genteng 03. Bubutan 04. Simokerto Surabaya Utara 05. Pabean Cantikan 06. Semampir 07. Krembangan 08. Kenjeran 09. Bulak

Surabaya Timur 10. Tambaksari 11. Gubeng 12. Rungkut 13. Tenggilis Mejoyo 14. Gunung Anyar 15. Sukolilo 16. Mulyorejo

Kecamatan Surabaya Selatan 17. Sawahan 18. Wonokromo 19. Karangpilang 20. Dukuh Pakis 21. Wiyung 22. Wonocolo 23. Gayungan 24. Jambangan

Surabaya Barat 25. Tandes 26. Sukomanunggal 27. Asemrowo 28. Benowo 29. Pakal 30. Lakarsantri 31. Sambikerep

Gabungan Pendidikan •

Angka Partisipasi Kasar (APK)

•

Angka Partisipasi Murni (APM)

•

Rasio Murid-Guru

•

Rasio Murid-Kelas

•

Rasio Murid-Sekolah

Ekonomi •

IPM Indeks Pembangunan Manusia (IPM) adalah pengukuran perbandingan dari harapan hidup, melek huruf, pendidikan dan standar hidup untuk semua negara seluruh dunia. IPM digunakan untuk mengklasifikasikan apakah sebuah negara adalah negara maju, negara berkembang atau negara terbelakang dan juga untuk mengukur pengaruh dari kebijaksanaan ekonomi terhadap kualitas hidup (bapedda, 2014). • PBB Pajak Bumi dan Bangunan (PBB) adalah Pajak Negara yang dikenakan terhadap bumi dan atau bangunan berdasarkan Undang-undang nomor 12 Tahun 1985 tentang Pajak Bumi dan Bangunan sebagaimana telah diubah dengan UndangUndang nomor 12 Tahun 1994. Menurut ( Pasal 4 UU No. 12 Tahun 1985 jo. UU No.12 Tahun 1994 ) Yang menjadi subjek PBB adalah orang atau badan yang secara nyata : • mempunyai hak atas bumi/tanah, dan/atau; • memperoleh manfaat atas bumi/tanah dan/atau; • memiliki, menguasai atas bangunan dan/atau; • memperoleh manfaat atas bangunan

Penelitian Sebelumnya • analisis pengelompokkan dan pemetaan kecamatan sebagai dasar program untuk mengatasi masalah – masalah sosial – ekonomi di Kota Surabaya (Marsetya Adi Nugroho, 2006).

• Hierarchical cluster via minimax linkage pada pengelompokan kecamatan di Pulau Madura berdasarkan Gabungan Pendidikan (Padmi , 2008).

Sumber Data Sumber data yang digunakan dalam penelitian ini yaitu data sekunder yang diperoleh dari berbagai sumber antara lain Dinas Pendidikan Surabaya mengenai Gabungan pendidikan 2012/2013 dan Dinas Kesehatan Surabaya. Data tersebut adalah data variabel pendidikan 31 Kecamatan di kota Surabaya.

Variabel Penelitian Variabel X1

Variabel Penelitian Rasio Murid-guru SD

Variabel X16

X2

Rasio Murid-guru SMP

X17

X3

Rasio Murid-guru SMA

X18

X4

Rasio Murid-kelas SD

X19

Variabel Penelitian Jumlah penduduk usia sekolah Jumlah Penduduk Berdasarkan Umur 7-12 tahun Jumlah Penduduk Berdasarkan Umur 13-15 tahun Jumlah Penduduk Berdasarkan Umur 16-18 tahun PBB

X5

Rasio Murid-kelas SMP

X20

X6

Rasio Murid-kelas SMA

X21

AHH

X7

Rasio Murid-sekolah SD

X22

AMH

X8

Rasio Murid-sekolah SMP

X23

PPP

X9

Rasio Murid-sekolah SMA APK (Angka Partisipasi Kasar) SD APK (Angka Partisipasi Kasar) SMP APK (Angka Partisipasi Kasar) SMA APM (Angka Partisipasi Murni) SD APM (Angka Partisipasi Murni) SMP APM (Angka Partisipasi Murni) SMA

X24

Jumlah rumah tangga bersih dan sehat

X25

Jumlah rumah tangga yang diamati

X26

Jumlah penduduk

X27

Jumlah rumah bersih

X28

Jumlah rumah bersih yang diamati

X29

Kepadatan penduduk

X10 X11

X12 X13 X14 X15

Langkah Analisis Mengumpulkan data Mengambil kesimpulan

Melakukan analisis deskriptif

Membandingkan hasil pengelompokan

Melakukan pengujian asumsi kecukupan data

Mereduksi dimensi data

Melakukan pengelompokan wilayah kecamatan di kota Surabaya

Melakukan pemetaan wilayah kecamatan di kota Surabaya

Variable Rasio_Murid_Sekolah_SD Rasio_Murid_Guru_SD Rasio_Murid_Kelas_SD

Rasio_Murid_Sekolah_SMP Rasio_Murid_Guru_SMP Rasio_Murid_Kelas_SMP Rasio_Murid_Sekolah_SMA Rasio_Murid_Guru_SMA Rasio_Murid_Kelas_SMA APK SD APK SMP APK SMA APM SD APM SMP APM SMA

Mean 461,1

Variance 89887,6

Minimum 105,7

Maximum 1254,5

24,3

34,53

17,14

46,04

1,437

1,166

0,33

5,53

658

561299

131

4163

27,64

32,65

17,35

41,46

2,325

14,216

0,3

21,24

1338

1911174

0

5811

22,42

249,58

12

103

6,03

104,74

0

42,73

1,371 1,431 10,1 0,988 1,01 1,001

0,896 1,11 1484,53 0,0541 0,1517 1,06

0,21 0,21 0 0,52 0,4 0,18

3,78 3,82 192 1,5 2,02 4,96

rasio SMA pada kecamatan Gununganyar tidak memiliki sekolah, rasio sekolah & kelas terkecil ialah kecamatan mulyorejo sebesar 71,57&0,17. rasio guru terkecil tegalsari sebesar 12

Variable jumlah penduduk usia sek

Mean 97456

Variance 3580

Minimum 50

Maximum 242735

Jumlah_Penduduk_Usia_7_

9505

2642

4337

22404

Jumlah_Penduduk_Usia_13_

4480

6017

2052

10277

jumlah_penduduk_usia_16_

4608

6459

2024

10784

PBB AHH AMH PPP juml_RT_bersih_sehat juml_RT_bersih_sehat diamati jml_pend juml_rmh_bersih jml_diamati kepadatan

14060 76,17 87,9 69,12 29335 2807

1086 1,377 13,216 94,18 2583 2725

10 73,04 81,36 52,37 11942 740

39029 78,51 94,38 82,4 74393 7273

91180 20090 13224 11376

1986 8545 3235 5238

38196 7219 5730 2127

219260 45097 27178 31121

Kecamatan Bulak

Kecamatan Pakal

Kecamatan Tambaksari Kecamatan Simokerto

sambi kerep pakal bulak benowo asemrowo krembangan bubutan pabean cantik semampir simokerto kenjeran tambaksari genteng tegal sari sawahan sukomanunggal tandes lakarsantri wiyung dukuh pakis wonokromo gubeng mulyorejo sukolilo rungkut gununganyar tenggilis mej wonocolo gayungan jambangan karang pilang

1254,51

1173,25

pakal bulak benowo asemrowo

33,41

bubutan pabean… semampir simokerto kenjeran tambaksari genteng tegal sari sawahan sukoman… tandes lakarsantri wiyung

119,33

105,67

gubeng mulyorejo sukolilo rungkut

0

500

1000

Rasio Murid-Sekolah SD 1:1245


19,97 31,63 46,04

31,07 19,26 17,56 18,13 18,08

tenggilis… wonocolo gayungan 1500 jambangan karang… 0

19,42 17,14

3,52

5,53

0,77

0,6 0,39 0,41

0,61 0,33 0,5 0,82

0,68

0,44 0

20

40

Rasio Murid-guru SD 1:46

2

4

60

Rasio Murid-kelas SD 6 kelas

6


sambi kerep pakal bulak 4162,83 benowo asemrowo krembangan bubutan pabean cantik semampir simokerto kenjeran tambaksari genteng tegal sari sawahan 133,55 sukomanunggal tandes lakarsantri wiyung dukuh pakis wonokromo gubeng 130,74 mulyorejo sukolilo rungkut gununganyar tenggilis mej wonocolo gayungan jambangan karang pilang 0 1000 2000 3000 4000 5000

18,47

41,46 19,55 17,35

tenggilis mej wonocolo gayungan jambangan karang…

18,22 0

Rasio Murid-Sekolah SMP 1:103

sambi kerep pakal bulak benowo asemrowo krembangan bubutan pabean… semampir simokerto kenjeran tambaksari genteng tegal sari sawahan RASIO_MURID_GUR sukomanu… U_SMP tandes lakarsantri wiyung dukuh pakis wonokromo gubeng mulyorejo sukolilo rungkut

20

40

60

Rasio Murid-guru SMP 1:42

21,24

0,36

0,38

0,30

0,00

10,00

20,00

Rasio Murid-kelas SMP 21 kelas

30,00


4865,33

5811

133,27

RASIO_MURID_SEK OLAH_SMA

71,57

0

2000

4000

Rasio Murid-Sekolah SMA 1:5811

6000


8000

12

39

0

10

20

30

Rasio Murid-guru SMA 1:103

40

sambi kerep pakal bulak benowo asemrowo krembangan bubutan pabean cantik semampir simokerto kenjeran tambaksari genteng tegal sari sawahan sukomanunggal tandes lakarsantri wiyung dukuh pakis wonokromo gubeng mulyorejo sukolilo rungkut gununganyar tenggilis mej wonocolo gayungan jambangan karang pilang 50

17,14 36,58

21,85 42,73 10,19

0,2

0,17

0

10

20

30

40

Rasio Murid-kelas SMA 43 kelas

50

Kaiser-Meyer-Olkin Bartlett's Test of Sphericity

0.508 Approx.Chi-Square df Sig.

677.574 171 0.000

Component 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Eigenvalues Total % of Cumulative Variance % 5,636 29,665 29,665 2,862 15,062 44,727 2,059 10,835 55,563 1,837 9,667 65,23 1,603 8,4351 73,665 1,159 6,1026 79,767 1,075 5,6561 85,423 0,68 3,5775 89,001 0,53 2,7882 91,789 0,496 2,6125 94,402 0,4 2,1045 96,506 0,249 1,308 97,814 0,22 1,1588 98,973 0,108 0,5685 99,541 0,046 0,2423 99,784 0,037 0,1924 99,976 0,003 0,0141 99,99 0,002 0,008 99,998 4,00E-04 0,0019 100

dari 19 faktor hanya terdapat 7 faktor saja yang optimum karena mempunyai nilai eigenvalue > 1.

Rasio_Murid Sekolah_SD Rasio_Murid Kelas_SD Rasio_Murid Sekolah_SMP Rasio_Murid Kelas_SMA Jumlah penduduk Jumlah_Penduduk Usia_7_12th Jumlah_Penduduk Usia 3_15th jumlah_penduduk usia 16_18th Rasio_Murid Guru_SMA APK_SD APK_SMP APM_SMP APM_SMA Rasio_Murid Kelas_SMP Rasio_Murid Sekolah_SMA Rasio_Murid Guru_SD Rasio_Murid Guru_SMP APK_SMA APM_SD

1 -0.683 -0.657 -0.612 -0.597 0.620

2 0.366 0.376 0.355 0.123 0.380

Component 3 4 -0.118 0.234 -0.148 0.349 0.002 -0.531 0.051 0.631 0.140 0.021

0.785

0.554

-0.016

0.112

0.112

0.065

0.049

0.789 0.786 0.287 0.354 0.473 0.376 0.417 -0.525 -0.619 -0.348 0.144 0.385 0.262

0.547 0.543 0.596 -0.340 -0.454 -0.563 -0.356 0.357 -0.002 -0.177 0.081 -0.043 -0.335

-0.011 -0.001 -0.053 0.792 0.572 -0.565 -0.556 0.007 0.198 0.359 0.215 0.084 -0.441

0.116 0.115 -0.171 -0.030 0.082 0.139 -0.047 -0.628 0.540 -0.364 0.229 0.039 -0.098

0.124 0.106 0.185 0.071 0.211 0.292 0.051 0.114 0.006 0.420 0.814 0.157 0.443

0.094 0.086 -0.370 0.129 0.139 -0.063 0.352 0.387 0.229 -0.352 -0.047 0.548 0.044

0.035 0.039 -0.071 -0.010 -0.180 -0.099 -0.141 0.111 0.392 0.011 0.143 -0.415 0.545

5 0.382 0.146 0.188 -0.036 -.340

6 -0.072 -0.025 0.387 0.228 -0.011

7 -0.289 -0.384 0.093 0.222 0.239

Analisis Faktor Ekonomi Kaiser-Meyer-Olkin Bartlett's Test of Approx. Chi-Square Sphericity df Sig.

Component 1 2 3 4

Total 2,056 0,79 0,734 0,42

Initial Eigenvalues Cumulative % % of Variance 51,409 51,409 19,749 71,158 18,344 89,502 10,498 100

0.696 19.587 6 0.003

AHH AMH PPP PBB

Loading Faktor Faktor 1 0.843 0.771 0.663 0.592

Analisis Faktor Lingkungan Kaiser-Meyer-Olkin Bartlett's

Test

Sphericity

0.857 of Approx.Chi-Square

df Sig.

Compo nent 1 2 3 4 5 6

Total 4,684 0,71 0,294 0,153 0,122 0,037

Eigenvalues % of Cumulative Variance % 78,066 78,066 11,834 89,901 4,9039 94,805 2,5441 97,349 2,0308 99,379 0,6205 100

198.232

15 0.000

Loading Faktor Faktor 1 juml RT bersih sehat

0.983

juml diamati

0.861

jml pendududk

0.946

juml rumah bersih

0.925

jumlah diamati

0.859

Kepadatan penduduk

0.699

Analisis Faktor Gabungan Pendidikan

Kaiser-Meyer-Olkin Bartlett's Test of Approx. ChiSphericity Square df Sig.

0.495 1,01E+06 190 0.000

Eigenvalues Pemerataan Pendidikan Eigenvalues Component 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Total 6,85 4,04 2,33 1,38 1,09 0,88 0,79 0,69 0,57 0,38 0,37 0,26 0,12 0,1 0,07 0,04 0,02 0,0 0,00 0,00

% of Variance 34,26 20,21 11,64 6,90 5,45 4,4 3,97 3,45 2,87 1,89 1,85 1,29 0,62 0,52 0,36 0,18 0,11 0,01 0,00 0,00

Cumulative % 34,26 54,48 66,11 73,02 78,47 82,87 86,85 90,3 93,17 95,06 96,9 98,19 98,81 99,33 99,69 99,88 99,99 100 100 100

dari 20 faktor hanya terdapat 5 faktor saja yang optimum karena mempunyai nilai eigenvalue > 1.

Nilai Loading Faktor Gabungan Pendidikan juml_RT_bersih_sehat juml_diamati jml_pend juml_rmh_bersih jml_diamati kepadatan jumlah_penduduk Jumlah_Penduduk_Usia_7_12th Jumlah_Penduduk_Usia_13_15th jumlah_penduduk_usia_16_18th Rasio_Murid_Guru_SMA AHH PPP IPM Rasio_Murid_Sekolah_SD Rasio_Murid_Kelas_SD Rasio_Murid_Sekolah_SMP Rasio_Murid_Sekolah_SMA AMH PBB

1 0,955 0,836 0,932 0,945 0,851 0,639 0,291 0,077 0,072 0,083 -0,167 -0,258 0,235 0,148 -0,359 -0,341 -0,223 0,127 -0,06 0.018

Component 2 3 0,019 0,113 0,058 0,209 0,093 -0,028 -0,034 -0,04 0,173 0,04 -0,176 0,209 0,561 0,526 0,945 0,12 0,944 0,115 0,941 0,115 0,662 0,03 0,174 0,646 0,123 0,894 0,109 0,914 -0,076 -0,207 -0,101 -0,114 -0,147 -0,229 -0,377 0,026 -0,027 0,396 0.144 0.146

4 -0,154 -0,055 -0,108 -0,055 -0,181 -0,239 -0,214 -0,162 -0,16 -0,158 0,029 -0,236 -0,078 -0,271 0,821 0,807 0,497 0,635 -0,601 -0.057

5 0.035 0.061 0.039 0.040 -0.042 -0.260 -0.052 0.143 0.137 0.152 -0.416 0.387 -0.028 0.137 -0.057 0.094 0.010 -0.113 0.400 0.827

Hierarchical Cluster Analysis Peta Kecamatan Surabaya Berdasarkan Pemerataan Pendidikan

Rata-Rata Nilai Gabungan Pendidikan Cluster juml RT bersih sehat juml RT bersih sehat diamati jml pendududk juml rmh bersih jml rmh bersih diamati kepadatan jumlah penduduk usia sekolah Jumlah Penduduk Usia 7-13 Jumlah Penduduk Usia 13-16 jumlah penduduk usia 16-18 Rasio murid guru SMA AHH PPP IPM

1 64503,77 6083,154 198525,2 43892,23 28296,38 25837,47

2 29544,47 2850,9 91745,5 20228,23 13206,43 11487,31

3 60812,29 5625 189764,3 40457,14 29042,71 19204,3

216280,3 20349,15

96828,89 9574,4

252327,7 23602,86

9625,154 9902,692 37,76923 152,59 142,1715 157,1385

4515,567 4641,233 19,03333 76,193 69,61233 77,86767

11134,71 11543 35,71429 142,4171 137,9686 148,0943

Karakteristik Hasil Pemetaan Lingkungan •

•

• • •

• •

Kelompok 1 : Karang Pilang, Gayungan, Wonocolo, Tenggilis Mejoyo, Dukuh Pakis, Tandes, Sukomanunggal, Tambaksari, Kenjeran, Simokerto, Semampir, Bubutan dan Krembangan jumlah penduduk cukup baik. Dibandingkan kelompok II dan kelompok III, wilayah ini memiliki pemerataan pendidikan paling rendah karena memiliki jumlah rumah tangga bersih dan sehat, jumlah rumah tangga bersih dan sehat yang diamati, jumlah rumah bersih, jumlah rumah bersih yang diamati dan kepadatan penduduk yang rendah diantara kecamatan lainnya. Kelompok 2 : kecamatan Jambangan, Mulyorejo Wiyung, Lakarsantri, Genteng, Pabean Cantikan, Asemrowo, Benowo, Bulak, Pakal dan Sambikerep. jumlah penduduk sangat baik. Dibandingkan kelompok I dan kelompok III, wilayah ini memiliki kondisis lingkungan paling baik karena memiliki jumlah rumah tangga bersih dan sehat, jumlah rumah tangga bersih dan sehat yang diamati, jumlah rumah bersih, jumlah rumah bersih yang diamati dan kepadatan penduduk yang tinggi diantara kecamatan lainnya. Kelompok 3 : kecamatan Gununganyar, Rungkut, Sukolilo, Gubeng, Wonokromo, Sawahan dan Tegalsari. lingkungan baik karena memiliki jumlah rumah tangga bersih dan sehat, jumlah rumah tangga bersih dan sehat yang diamati, jumlah rumah bersih, jumlah rumah bersih yang diamati dan kepadatan penduduk yang baik diantara kecamatan lainnya.

Klasifikasi Kelompok Pemerataan Pendidikan • Klasfikasi 1 : Daerah Pemerataan Pendidikan Tinggi • Kelompok 1 (Karang Pilang, Gayungan, Wonocolo, Tenggilis Mejoyo, Dukuh Pakis, Tandes, Sukomanunggal, Tambaksari, Kenjeran, Simok erto, Semampir, Bubutan dan Krembangan) • Klasifikasi 2 : Daerah Pemerataan Pendidikan Cukup • Kelompok 3 (Gununganyar, Rungkut, Sukolilo, Gubeng, Wonokromo, Saw ahan dan Tegalsar) • Klasfikasi 3 : Daerah Pemerataan Pendidikan Rendah • Kelompok 2 (Jambangan, Mulyorejo Wiyung, Lakarsantri, Genteng, Pabean Cantikan, Asemrowo, Benowo, Bulak, Pakal dan Sambikerep)

Pendidikan

4

asemrowo

3 Second Component

sambi kerep 2 1

wiyung RASIO_MURID_SEKOLAH_SD RASIO_MURID_KELAS_SD

bubutan RASIO_MURID_GURU_SMA pakal RASIO_MURID_KELAS_SMA Jumlah_Penduduk_Usia_13_15th jumlah_penduduk_usia_16_18th Jumlah_Penduduk_Usia_7_12th RASIO_MURID_SEKOLAH_SMP benowo sukolilo sukomanunggal pabean cantik kenjeran jumlah penduduk usia sekolah wonocolo 0 jambangan gayungantandes tenggilis mej sawahan lakarsantri mulyorejo tambaksari bulak -1 krembangan rungkut wonokromo simokerto tegal sari semampir gentengkarang pilang -2 -3 -2 -1 0 1 2 3 4 First Component

5

Ekonomi 2

tandes krembangan simokerto

Second Component

1

0

-1

gununganyar sawahan gayungan PPP rungkut wonokromo jambangan AHH tambaksari AMH lakarsantri

bubutan

bulak kenjeran sambi kerep pakal wonocolo karang pilang semampir benowo PBB asemrowo sukomanunggal pabean cantik wiyung tenggilis mej sukolilo

tegal sari

gubeng genteng

dukuh pakis

-2 mulyorejo

-3 -2

-1

0 1 First Component

2

3

Lingkungan 3 simokerto 2

bubutan tegal sari

genteng 1

0

-1

kenjeran

gubeng wonocolo k epadatan tambaksari gayungan tenggilis mej juml_diamati bulak benowo lakarsantri juml_RT_bersih_sehat jml_pend juml_rmh_bersih dukuh pakis asemrowo gununganyar jml_diamati sambi kerep karang pilang krembangan sawahan semampir wiyung pakal wonokromo tandes sukolilo jambangan

rungkut -3

-2

-1

0

1

2

3

4

5

6

Pemerataan Pendidikan

5,0 tambaksari

semampir Second Component

2,5

kenjeran bubutan juml_RT_bersih_sehat simokerto juml_rmh_bersih jml_pend kepadatan juml_diamati

pabean cantik jml_diamati RASIO_MURID_KELAS_SMA pakal RASIO_MURID_SEKOLAH_SMP benowo RASIO_MURID_SEKOLAH_SD RASIO_MURID_KELAS_SD rungkut PPP 0,0 wonokromo PBB AMH IPM usia sambi kerep jumlah penduduk sekolah RASIO_MURID_GURU_SMA bulak wiyung AHH Jumlah_Penduduk_Usia_13_15th jumlah_penduduk_usia_16_18th Jumlah_Penduduk_Usia_7_12th tenggilis mej jambangandukuh pakis lakarsantri asemrowo genteng -2,5 gayungan wonocolosukomanunggal

sawahan

gubeng

gununganyar

-5,0 -5,0

-2,5

0,0 First Component

2,5

5,0

Analisis Diskriminan Box's M F Approx. df1 df2 Sig.

35.162 5.188 6 4.994E3 .000

Variabel

Jml penduduk Jumlah penduduk usia sekolah (Constant)

Function 1 2 0.000 0.000

0.042 -0.011 -5.771 -1.030

Wilks' Lambda

Jumlah penduduk usia sekolah

0.651

Jml penduduk

0.189

Analisis Diskriminan Box's M F Approx. df1 df2 Sig.

35.162 5.188 6 4.994E3 .000

Variabel

Jml penduduk Jumlah penduduk usia sekolah (Constant)

Wilks' Lambda

Jumlah penduduk usia sekolah

0.651

Jml penduduk

0.189

Function 1 2 0.000 0.000

0.042 -0.011 -5.771 -1.030

Y1 = -5.771 + 0.042 Jumlah penduduk usia sekolah Y2 = -1.030 -0.011 Jumlah penduduk usia sekolah Zscore = -6.801 + 0.031 Jumlah penduduk usia sekolah

Analisis Diskriminan

Put into Group 1 2 3 Total N N correct Proportion

1 13 0 1 13 13 1

2 0 11 0 11 11 1

3 0 0 6 7 7 1

Total 13 11 7 31 31 3

Analisis Diskriminan Normal 0,00009

-20000

20000

wonocolo

Variable score 1 score 2

0,00008

Mean StDev N -1212 14385 31 1935 8295 31

0,00007

Density

0,00006

wonocolo

0,00005 0,00004 0,00003 0,00002 0,00001 0,00000

karang pilang jambangan gayungan karang pilang jambangan

-30000 -20000 -10000

tenggilis mej gununganyar gununganyar rungkut sukolilo tenggilis mej sukolilo

0

10000

Data

20000

30000 40000

Pengelompokan menggunakan metode cluster Ward’s • gabungan pendidikan paling tinggi terdiri atas kecamatan Karang Pilang, Gayungan, Wonoc olo, Tenggilis Mejoyo, Dukuh Pakis, Tandes, Sukomanun ggal, Tambaksari, Kenjera n, Simokerto, Semampir, B ubutan dan Krembangan

Analisis Diskriminan • Zscore = -6.801 + 0.031 Jumlah penduduk usia sekolah • Rungkut dan kecamatan Sukolilo berada di kelompok fungsi dengan dua variabel pembeda yang tinggi/baik

Agar mendpatkan karakteristik pendidikan yang lebih lengkap, disarankan melakukan survei mengenai kualitas pendidikan untuk setiap kecamatan. Penggunaan berbagai metode perlu dilakukan agar hasil yang didapat lebih optimal. Untuk pihak pemerintah untuk lebih memperhaikan ketersediaan sarana sekolah disetiap kecamatan.

DAFTAR PUSTAKA • • • • • • • • • • • • • • •

Adi, Marsetyo. 2006. Analisis Pengelompokkan Dan Pemetaan Kecamatan Sebagai Dasar Program Untuk Mengatasi Masalah – Masalah Sosial – Ekonomi di Kota Surabaya. Surabaya: Jurusan Statistika FMIPA -ITS. Agustianti, Dwi, 2007, HubunganDukunganSosialdenganKualitasHidup Orang Dengan HIV/AIDS (ODHA) di Kota Bandar Lampung, http://www.hubungan+dukungansosial+kualitashidup+ODHA+bandarlampung.html. Diakses 8 Februari 2014. Badan Pusat Statistika Provinsi Jawa Timur. 2013. Surabaya Dalam Angka 2013. Surabaya: BPS Jawa Timur. Badan Pusat Statistika (BPS) Provinsi Sumatera Utara.2012. Keadaan Ketenagakerjaan Sumatera Utara Tahun 2011 [Online].Avaible : diakses tanggal 23 September 2013. Bhattacarya, G.K. dan Johnson, R.A. 1977. Statistical Concepts and Metods. John Wiley & Sons, New York. Dinas Pendidikan Surabaya. dispendik.surabaya.go.id/‎[online]. Avaible : diakses tanggal 04 februari 2014. Fachrimaulana. 2011. Kesempatan Kerja. http://fachrimaulana.blogspot.com/2011/02/kesempatan-kerja.html [Online]. Avaible : diakses 7 Februari 2014. Gabriel, K.R. 1972. The Biplot Graphic Display of Materices with Aplication to Principal Component Analysis. Biometrika 58, 3:453-567. Gong X., Richman MB. 1995. On the Application of Cluster Analysis to Growing Season Precipitation Data in North America East of The Rockies. J.Climate8: 897 -931. Johnson, N. And Wichern, D. 2002. Applied Multivariate Statistical Analysis, 5th Edition. New Jersey: Prentice Hall, Englewood Cliffs. Morrison, D.F. 1990. Multivariate Statistical Methods Third Edition. USA : Mc Graw Hill Inc. Nur, Arinda. 2010. Pengelompokan Kabupaten di Provinsi Jawa Timur Berdasarkan Potensi Pertanian Pangan Tahun 2012. Surabaya: Jurusan Statistika FMIPA -ITS. Saraswati, Mila., Widaningsih, Ida. 2008. Be smart ilmu pengethuan sosial. Jakarta : Grafindo. Widyago. 2011. Pengertian Kependudukan. http://widyago.wordpress.com/2011/04/03/pengertiankependudukan/ [Online]. Avaible : diakses 7 Februari 2014.

PENGELOMPOKAN KECAMATAN BERDASARKAN INDIKATOR PEMERATAAN PENDIDIKAN. Listya Ningrum ( ) Dosen Pembimbing: Drs Kresnayana Yahya, M.Sc

Recommend Documents