PENGELOMPOKAN PROPINSI DI INDONESIA BERDASARKAN HASIL PRODUKSI PERTANIAN DAN PETERNAKAN UNTUK MENDUKUNG KETAHANAN PANGAN NASIONAL
Oleh: M. ALFIN FANANDRI (1310 030 045) DOSEN PEMBIMBING Dr. Brodjol Sutijo Suprih Ulama, M.Si
PROGRAM STUDI DIPLOMA III Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember
Food Security and Vulnerability Atlas of Indonesia (FSVA) 2009
Karbohidrat (60-70%)
Prihandoko (2011)
Beras, Jagung, dan Ketela
Protein (10-15%) Berat Badan Balita dibawah standart
•Telur dan Daging (protein hewani) •Kedelai (protein nabati)
Lemak (20-25%)
Factor Analysis
Vitamin dan mineral (A, D, E, K, B, C, dan Ca)
1.
Bagaimana karakteristik data hasil panen padi, jagung, ketela pohon, kedelai, telur dan daging di Indonesia tahun 2011?
2.
Bagaimana pengelompokkan propinsi di Indonesia berdasarkan hasil produksi padi, jagung, ketela pohon, kedelai, telur dan daging untuk mendukung ketahanan pangan nasional?
3.
Apa yang membedakan
kelompok-kelompok propinsi di Indonesia berdasarkan hasil produksi padi, jagung, ketela pohon, kedelai, telur dan daging antara satu dan lainnya?
1. Mengetahui karakteristik data hasil panen padi, jagung, ketela pohon, kedelai, telur dan daging di Indonesia tahun 2011.
2. Mengetahui pengelompokkan propinsi di Indonesia berdasarkan hasil produksi padi, jagung, ketela pohon, kedelai, telur dan daging untuk mendukung ketahanan pangan nasional.
3. Mengetahui perbedaan antar kelompokkelompok propinsi di Indonesia berdasarkan hasil produksi padi, jagung, ketela pohon, kedelai, telur dan daging.
•Data Badan Pusat Statistik dalam katalognya yang berjudul “Data Strategis BPS” •Data Badan Ketahanan Pangan Departemen Pertanian tahun 2011 Pada data BPS maupun data Badan Ketahan Pangan, terdapat 4 jenis data, yaitu data saat ini, data angka ramalan, data angka sementara, dan data angka tetap, dan data yang digunakan dalam penelitian ini adalah data angka tetap.
memberikan informasi kepada Badan Ketahanan Pangan Nasional mengenai komposisi yang strategis tentang propinsi penghasil padi, jagung, Manfaat yang ingin dicapai dari penelitian ini adalah
ketela pohon, telur dan kedelai, sehingga dapat memfokuskan produksi tanaman pangan di propinsi yang ber-sangkutan untuk mendukung ketahanan
pangan nasional.
Statistika deskriptif adalah statistik yang digunakan mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku umum atau generalisasi (Sugiyono, 2010). Statistika deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna (Walpole, 1995).
Analisa faktor adalah suatu metode untuk menganalisis sejumlah observasi, dipandang dari sisi interkorelasinya untuk mendapatkan apakah variasi-variasi yang nampak dalam observasi itu mungkin berdasarkan atas sejumlah kategori dasar yang jumlahnya lebih sedikit dari yang nampak (Fruchter, 1954). Sedangkan menurut Malhotra (1996) menjelaskan bahwa analisis faktor adalah sekelompok prosedur yang digunakan untuk mengurangi atau meringkas data.
X pxl μ( pxl) L( pxm) F( mxl) ε pxl dengan: Lij = loading factor dari variabel asal ke-i pada faktor ke-j Fj = faktor umum ke-j µi = rata-rata dari variabel ke-i ɛi = faktor spesifik ke-i dimana : i = 1,2,....,p dan j = 1,2,...., m
•Analisis Komponen Utama atau juga disebut Principal Component Analysis (PCA) adalah suatu teknik analisis statistik yang mentransformasi variabel-variabel asli yang masih saling berkorelasi satu dengan yang lain menjadi satu set variabel baru yang tidak berkorelasi lagi. Variabel-variabel baru tersebut dikenal sebagai komponen utama (principal component) (Johnson & Wichern, 2007). •Dalam bentuk matematis, misalnya Y merupakan kombinasi linier dari variabelvariabel X1, X2, … , Xp yang dapat dinyatakan sebagai Y = W1X1 + W2X2 + … + WpXp dengan Wi = bobot atau koefisien untuk variabel ke-i Xi = variabel ke-i Y = kombinasi linier dari variabel X
Pengujian distribusi normal multivariat dilakukan untuk memperkuat dugaan bahwa data sudah berdistribusi normal multivariat. Hipotesis: H0 : Data mengikuti distribusi normal multivariat H1: Data tidak mengikuti distribusi normal multivariat Statistik Uji: d2j = (x j μ)' S-1(x j μ) , j = 1,2,3.... n dimana: xj = pengamatan data ke-j µ = vektor rata-rata S-1= invers matriks kovariansi dengan elemen matriks Berdasarkan persamaan diatas, data akan berdistribusi normal multivariat jika jarak d2j ≤ χ2(p;α) minimal 50% (Johnson & Wichern, 2007).
Uji KMO (Kaiser Meyer Olkin) digunakan untuk mengukur kecukupan data Hipotesis: H0 : Jumlah data cukup untuk difaktorkan H1 : Jumlah data tidak cukup untuk difaktorkan Statistik Uji: p p
r
KMO =
i 1 j 1
p
p
2 ij
p
p
rij2 a ij2 i 1 j 1
i 1 j 1
dimana : rij = korelasi pearson antara variabel i dan j aij = korelasi parsial antara variabel i dan j Apabila nilai KMO lebih besar dari 0,5 maka terima H0, sehingga dapat disimpulkan jumlah data telah cukup difaktorkan.
Uji Bartlett adalah suatu pengujian secara statistik untuk mengetahui apakah suatu matriks korelasi telah cukup layak untuk difaktorkan. Hipotesis: H0 : ρ = I (tidak ada korelasi antar variabel) H1 : ρ ≠ I (ada korelasi antar variabel) Statistik Uji: χ2 =
2p 5 n 1 ln R 6
dimana: ln R = nilai determinan dari matriks korelasi n = banyaknya observasi p = banyaknya variabel Daerah penolakan: tolak H0 jika χ2>χ2α;1/2p (p-1)
Ketahanan pangan merupakan situasi dimana semua rumah tangga mempunyai akses, baik secara fisik maupun ekonomi untuk memperoleh pangan bagi seluruh anggota keluarganya dan rumah tangga tidak beresiko untuk mengalami kehilangan kedua akses tersebut (Food and Agriculture Organization, 1997, lihat juga pada Hanafie, 2010).
Karbohidrat 60%-70%
“apabila suatu negara tersebut bisa Protein 10%-15% memenuhi kebutuhan pangannya sebesar Swasembada Lemak 20%-25% 90% dari dalam negeri” Pangan Vitamin Mineral
Cardobo, 2010
FAO
Data Sekunder
Katalog Badan Pusat Statistika (BPS) tahun 2011 yang berjudul “Data Strategis BPS” mengenai hasil panen padi, jagung dan kedelai tahun 2011 yang dipublikasikan pada tahun 2011.
Data hasil produksi ketela pohon, telur dan daging dari Badan Ketahanan Pangan Departemen Pertanian tahun 2011.
1. 2. 3. 4. 5. 6.
Produksi hasil panen Padi (X1) Produksi hasil panen Jagung (X2 Produksi hasil panen Kedelai (X3) Produksi hasil panen Ketela Pohon (X4) Produksi Telur (X5) Produksi Daging (X6)
Data Strategis BPS tahun 2011
Data Badan Ketahanan Pangan, Departemen Pertanian tahun 2011
telur itik, telur ayam ras, dan telur ayam buras. daging (non ayam), daging ayam ras pedaging, daging ayam ras petelur dan daging ayam buras
1 2 3
4 5 7
8
• Deskripsi data • Uji Distribusi Normal Multivariat • Uji Kaiser Meyer Olkin • Uji Bartlett • PCA (Principal Component Analysis) • Analisis Faktor • Menyimpulkan
1. Melakukan Rotasi
Deskripsi Propinsi di Indonesia Berdasarkan Hasil Produksi Padi th. 2011
Jawa Barat 11.633.891 ton
Kepulauan Riau 1.233 ton
Deskripsi Propinsi di Indonesia Berdasarkan Hasil Produksi Jagung th. 2011
Jawa Timur 5.443.705 ton
DKI Jakarta 23 ton
Deskripsi Propinsi di Indonesia Berdasarkan Hasil Produksi Kedelai th. 2011
Jawa Timur 366.999 ton
DKI Jakarta 0 ton
Deskripsi Propinsi di Indonesia Berdasarkan Hasil Produksi Ketela Pohon th. 2011
Lampung 9.202.562 ton
Kepulauan Riau dan Maluku Utara 0 ton
Deskripsi Propinsi di Indonesia Berdasarkan Hasil Produksi Telur th. 2011
Jawa Timur 279.033 ton
DKI Jakarta 134 ton
Deskripsi Propinsi di Indonesia Berdasarkan Hasil Produksi Daging th. 2011
Jawa Barat 579.405 ton
Kepulauan Riau, Kalimantan Barat, Kalimantan Tengah dan Maluku Utara 0 ton
Statistika Deskriptif Propinsi di Indonesia Berdasarkan Hasil Produksi Padi, Jagung, Kedelai, Ketela Pohon, Telur dan Daging th. 2011
Variabel Padi (X1) Jagung (X2) Kedelai (X3) Ketela Pohon (X4) Telur (X5) Daging (X6)
Min. 1,2 0 0 0 0,1 0
Mak. 11633,9 5443,71 366,999 9202,56 279,033 579,405
Rataan 1992,633 534,6439 25,79655 722,3184 44,12906 72,00242
Std. Deviasi 2987,825 1079,1023 66,56703 1796,653 69,55651 116,80536 *dalam Ribuan
Pengujian Asumsi Distribusi Normal Multivariat Scatterplot of q vs dd
Hipotesis:
16
H0 : Data mengikuti distribusi normal multivariat. H1 : Data tidak mengikuti distribusi normal multivariat.
14 12
q
10 8
Nilai d2j = 0,69697
6 4 2 0 0
5
10
15 dd
20
25
30
lebih dari 0,5 maka gagal tolak H0, artinya data telah mengikuti distribusi normal multivariat.
Pengujian Asumsi Kecukupan Data dan Independensi
Nilai KMO
0,715
Nilai Bartlett test of Sphericity (Chi-Square)
231,533
Uji Kecukupan Data Hipotesis: H0 : Jumlah data cukup untuk difaktorkan H1 : Jumlah data tidak cukup untuk difaktorkan
lebih dari 0,5 maka gagal tolak H0, artinya data telah cukup untuk difaktorkan.
Uji Independensi Hipotesis:
H0 : ρ = I (tidak ada korelasi antar variabel) H1 : ρ ≠ I (ada korelasi antar variabel)
dengan nilai α sebesar 0,05 dan nilai db sebesar 15, sehingga menghasilkan nilai χ2 0,05;15 sebesar 24,996 menghasilkan keputusan tolak H0, karena χ2>χ20,05;15 yang artinya ada korelasi antar variabel pada data.
Analisis Faktor – Scree Plot
1 Faktor
Analisis Faktor – Total Varians yang Dapat Dijelaskan (1 Faktor) Komponen
Nilai Eigen Total
1 2 3 4 5 6
4,463 0,749 0,572 0,140 0,048 0,028
Prosentase Varians
74,385 12,491 9,529 2,335 0,796 0,465
Prosentase Kumulatif
74,385 86,875 96,404 98,739 99,535 100,000
Ekstraksi Jumlah Kuadrat Loadings Total Prosentase Varians
4,463
74,385
Analisis Faktor – Total Varians yang Dapat Dijelaskan (2 Faktor)
Komponen
Nilai Eigen Total
1 2 3 4 5 6
4,463 0,749 0,572 0,140 0,048 0,028
Prosentase Varians
74,385 12,491 9,529 2,335 0,796 0,465
Prosentase Kumulatif
74,385 86,875 96,404 98,739 99,535 100,000
Ekstraksi Jumlah Kuadrat Loadings Total Prosentase Varians
4,463 0,749
74,385 12,491
86.87
Analisis Faktor – Penentuan Anggota Faktor (belum dirotasi)
Variabel
Padi (X1) Jagung (X2) Kedelai (X3) Ketela Pohon (X4) Telur (X5) Daging (X6)
Komponen 1
2
0,945 0,921 0,847 0,645 0,961 0,815
-0,220 0,256 0,055 0,650 -0,146 -0,434
Analisis Faktor – Penentuan Anggota Faktor (telah dirotasi)
Variabel
Padi (X1) Jagung (X2) Kedelai (X3) Ketela Pohon (X4) Telur (X5) Daging (X6)
Komponen 1
2
0,900 0,607 0,662 0,155 0,871 0,917
0,362 0,738 0,532 0,903 0,432 0,113
Analisis Faktor – Penentuan Anggota Faktor (Penamaan)
Faktor satu adalah padi, kedelai, telur dan daging Faktor dua adalah jagung dan ketela pohon
sumber protein dan padi sumber karbohidrat
Analisis Faktor – Ketentuan Pengelompokan Berdasarkan Nilai Faktor
Kelompok Kelompok
11 22 33 44
Notasi Sumber Nilai Faktor 1 Protein dan Padi + Tinggi Rendah + Tinggi Rendah
Notasi Sumber Nilai Faktor 2 Karbohidrat + Tinggi + Tinggi Rendah Rendah
Analisis Faktor – Penjabaran Ketentuan Pengelompokan Berdasarkan Nilai Faktor
1. Kelompok 1 adalah propinsi dengan produksi padi, kedelai, telur dan daging tinggi dan produksi jagung dan ketela pohon juga tinggi. 2. Kelompok 2 adalah propinsi dengan produksi padi, kedelai, telur dan daging rendah tetapi produksi jagung dan ketela pohon tinggi. 3. Kelompok 3 adalah propinsi dengan produksi padi, kedelai, telur dan daging tinggi namun produksi jagung dan ketela pohon rendah. 4. Kelompok 4 adalah propinsi dengan produksi padi, kedelai, telur dan daging rendah dan produksi jagung dan ketela pohon juga rendah.
Analisis Faktor – Pengelompokan Berdasarkan Nilai Faktor
Propinsi Aceh Sumatera Utara Sumatera Barat Riau Kepulauan Riau Jambi Sumatera Selatan
Nilai Faktor 1 -0,13962 0,56307 0,15733 -0,28800 -0,54437 -0,32787 0,14513
Nilai Faktor 2 -0,21536 0,11112 -0,30035 -0,38309 -0,25691 -0,34873 -0,35900
Kel. 4 1 3 4 4 4 3
Analisis Faktor – Hasil Pengelompokan Berdasarkan Nilai Faktor Kelompok 1 2 3
4
Anggota Propinsi Sumatera Utara, Propinsi Jawa Tengah, Propinsi Jawa Timur dan Propinsi Sulawesi Selatan. Propinsi Lampung, Propinsi DI Yogyakarta dan Propinsi Nusa Tenggara Timur. Propinsi Sumatera Barat, Propinsi Sumatera Selatan, Propinsi DKI Jakarta, Propinsi Jawa Barat, Propinsi Banten, Propinsi Bali, dan Propinsi Kalimantan Selatan. Propinsi Aceh, Propinsi Riau, Propinsi Kepulauan Riau, Propinsi Jambi, Propinsi Kepulauan Bangka Belitung, Propinsi Bengkulu, Propinsi Nusa Tenggara Barat, Propinsi Kalimantan Barat, Propinsi Kalimantan Tengah, Propinsi Kalimantan Timur, Propinsi Sulawesi Utara, Propinsi Gorontalo, Propinsi Sulawesi Tengah, Propinsi Sulawesi Barat, Propinsi Sulawesi Tenggara, Propinsi Maluku, Propinsi Maluku Utara, Propinsi Papua, dan Propinsi Papua Barat.
Peta Hasil Pengelompokan Berdasarkan Nilai Faktor
4
1
4
3
4 4 4
4
4
4 4
4
3 2
33
4
4
3
2 1
3
4
4
4
4 4
1 3 1
4
2
4 4
1. Produksi padi rata-rata per propinsi di Indonesia adalah sekitar 1.992.633,46 ton pada tahun 2011. 2. Produksi jagung rata-rata per propinsi di Indonesia sebesar 534.643,94 ton pada tahun 2011. 3. Produksi kedelai rata-rata per propinsi di Indonesia pada tahun 2011 sebesar 25.796,55 ton. 4. Rata-rata produksi ketela pohon per propinsi di Indonesia sebesar 722.318,39 ton pada tahun 2011. 5. Produksi rata-rata telur dan daging, masing-masing 44.129,06 ton dan 72.002,42 ton pada tahun 2011.
1. 2. 3. 4.
Kelompok 1: Propinsi Sumatera Utara, Propinsi Jawa Tengah, Propinsi Jawa Timur dan Propinsi Sulawesi Selatan. Kelompok 2: Propinsi Lampung, Propinsi DI Yog-yakarta dan Propinsi Nusa Tenggara Timur. Kelompok 3: Propinsi Sumatera Barat, Propinsi Su-matera Selatan, Propinsi DKI Jakarta, Propinsi Jawa Barat, Propinsi Banten, Propinsi Bali, dan Propinsi Kalimantan Selatan. Kelompok 4: Propinsi Aceh, Propinsi Riau, Propinsi Kepulauan Riau, Propinsi Jambi, Propinsi Kepulauan Bangka Belitung, Propinsi Bengkulu, Propinsi Nusa Tenggara Barat, Propinsi Kalimantan Barat, Propinsi Kalimantan Tengah, Propinsi Kalimantan Timur, Propinsi Sulawesi Utara, Propinsi Gorontalo, Propinsi Sulawesi Tengah, Propinsi Sulawesi Barat, Propinsi Sulawesi Tenggara, Propinsi Maluku, Propinsi Maluku Utara, Propinsi Papua, dan Propinsi Papua Barat.
1. 2. 3. 4.
Kelompok 1 adalah propinsi dengan produksi padi, kedelai, telur dan daging tinggi dan produksi jagung dan ketela pohon juga tinggi. Kelompok 2 adalah propinsi dengan produksi padi, kedelai, telur dan daging rendah tetapi produksi jagung dan ketela pohon tinggi. Kelompok 3 adalah propinsi dengan produksi padi, kedelai, telur dan daging tinggi namun produksi jagung dan ketela pohon rendah. Kelompok 4 adalah propinsi dengan produksi padi, kedelai, telur dan daging rendah dan produksi jagung dan ketela pohon juga rendah.
Diharapkan pemerintah atau khususnya Departemen Pertanian lebih meningkatkan penyuluhan tentang masalah pertanian dan peternakan (padi, jagung, kedelai, ketela pohon, telur dan daging) secara menyeluruh di Indonesia dan disesuaikan dengan kondisi nyata meliputi keadaan geografis, iklim, luas lahan dan lain sebagainya, agar produksi pertanian dan peternakan khususnya padi, jagung, kedelai, ketela pohon, telur dan daging lebih merata diseluruh propinsi di Indonesia, sehingga tercipta ketahanan pangan yang baik.
1. Abdi, H., Williams, L.J. 2010. Principal Component Analysis.WIREs Computational Statistics.Vol 2, July/August 2010, p 433. United States of America: John Wiley & Sons, Inc. 2. Badan Pusat Statistik. 2011. Data Strategis BPS. Jakarta: CV. Nasional Indah 3. Budyanra. 2010. Ketepatan Pengklasifikasian Fungsi Diskriminan Linier Robust Dua Kelompok Dengan Metode Fast Minimum Covariance De-terminant (FAST-MCD). Bandung: Universitas Padjadjaran. 4. Dewan Ketahanan Pangan, Departemen Pertanian RI dan World Food Programme (WFP). 2009. A Food Security and Vulnerability Atlas of Indonesia 2009. Jakarta: PT Enka Deli. 5. Fruchter, B. 1954. Introduction to Factor Analysis. New York: D. van Nostrand Company, Ltd. 6. Hanafie, R. 2010. Pengantar Ekonomi Pertanian. Yogyakarta: Penerbit ANDI 7. Johnson, R.A., Winchert D.W. 2007. Applied Multivariate Statistical Analysis, Sixth Edition. United States of America: Pearson Prentice Hall International. 8. Malhotra, N. 1996. Marketing Research, Second Edition, New Jersey: Pearson Prentice Hall International. 9. Morrison, Donald. F. 1967. Multivariate Statistical Methods Second Edition. United States of America: McGRAW-Hill Book Company. 10. Prihandoko, W.G. 2010. Pemodelan Ketahanan Pangan Indonesia 2009 Menggunakan Analisis Regresi Logistik. Surabaya: Jurusan Statistika ITS.
11. Rencher, C.A. 2002. Methods of Multivariate Analysis, Second Edition. New Jersey, United States of America: Wiley-Interscience. 12. Ronald E.W. (1992). Pengantar Statistika. Jakarta: PT. Gramedia Pustaka Utama. 13. Santoso, S. 2012. Aplikasi SPSS pada Statistik Multivariat. Edisi Revisi. Jakarta: PT Gramedia. 14. Saragih, F.S. 2010. Pengaruh Penyuluhan Terhadap Pengetahuan dan Sikap Ibu Tentang Makanan Sehat dan Gizi Seimbang di Desa Merek Raya Kecamatan Raya Kabupaten Simalungun. Medan: Fakultas Kesehatan Masyarakat Universitas Sumatera Utara. 15. Sharma, S. 1996. Applied Multivariate Techniques. New York: John Wiley & Sons, Inc. 16. Sugiyono, Dr. 2010. Metode Penelitian Kuantitatif Kualitatif dan R&D (Qualitative and Quantitative Research Methods). Bandung: Penerbit Alfabeta. 17. Suryabrata, S. 1982. Metodologi Penelitian Analisis Kuantitatif, Dasar-Dasar Analisa Faktor. Yogyakarta: Lembaga Pendidikan Doktor Universitas Gadjah Mada
PROGRAM STUDI DIPLOMA III Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember