IDENTIF FIKASI PE ERILAKU MEMILIH M (VOTING ( B BEHAVIOU UR) PADA PEMIL LU LEGISL LATIF 2009 DI JAWA BARAT
AHMA AD NASRU UDIN
DEPARTE EMEN STATISTIKA FAKUL LTAS MAT TEMATIKA A DAN ILM MU PENGET TAHUAN ALAM A IN NSTITUT PERTANIA P AN BOGOR R BOGOR 2010
RINGKASAN AHMAD NASRUDIN. Identifikasi Perilaku Memilih (Voting Behaviour) pada Pemilu Legislatif 2009 di Jawa Barat. Dibimbing oleh MUHAMMAD NUR AIDI dan ASEP SAEFUDDIN. Sebagai salah satu pilar demokrasi, pemilu diharapkan dapat menjadi wadah masyarakat untuk berekspresi dan memilih para wakil rakyat yang sesuai dengan hati nuraninya. Oleh karena itu pemilih harus menggunakan hak pilihnya secara baik dan benar. Sistem proporsional terbuka dengan suara terbanyak memungkinkan hasil yang lebih transparan serta derajat keterwakilan menjadi lebih baik daripada sistem pemilu sebelumnya. Ada tiga pendekatan yang digunakan dalam mempelajari perilaku pemilih dalam menentukan pilihan, yaitu pendekatan sosiologis, pendekatan psikologis dan pendekatan politik rasional. Dalam penelitian ini, pendekatan yang digunakan adalah pendekatan sosiologis dan psikologis. Kedua pendekatan tersebut digunakan untuk mengidentifikasi perilaku memilih pada pemilu legislatif 2009. Hasil analisis deskriptif memperlihatkan bahwa sebagian besar pemilih tidak mengenal partai peserta pemilu legislatif 2009. Sekitar 88.96% pemilih mengenal kurang dari 10 partai. Dari beberapa partai yang dikenal, sekitar 71.88% pemilih yang tahu sasaran partai tidak lebih dari setengahnya. Mereka hanya sebatas mengenal nama partai tanpa tahu sasarannya. Selain itu, mereka juga kurang mengenal calon yang akan maju untuk mewakili daerah pemilihan di Jawa Barat, yaitu sekitar 95.57% pemilih yang masuk dalam kategori tersebut. Hasil uji Khi-Kuadrat menunjukkan bahwa kecenderungan responden dalam menentukan pilihan berhubungan dengan jenis kelamin, pengeluaran, jenis pekerjaan, pendidikan, agama, persentase tahu sasaran dari partai yang dikenal, serta faktor tahu/tidaknya calon yang mewakili daerah pemilihan. Keragaman data awal yang mampu dijelaskan oleh plot hasil analisis korespondensi sebesar 48.40%. Regresi logistik biner yang didapat mempunyai kemampuan prediksi dengan benar sebesar 57.96%. Dari beberapa peubah yang digunakan sebagai peubah bebas, peubah pendidikan, pengeluaran, jenis pekerjaan, agama, persentase tahu sasaran dari partai yang dikenal serta faktor tahu/tidaknya calon yang mewakili daerah pemilihan memiliki pengaruh yang signifikan terhadap pilihan. Karakteristik pemilih yang cenderung memilih gambar partai adalah pemilih dengan tingkat pendidikan dan pengeluaran yang lebih rendah dibandingkan dengan pemilih yang memilih nama calon. Selain itu, mereka juga cenderung memiliki pengetahuan seputar pemilu yang kurang. Kata kunci : Analisis Deskriptif, Analisis Korespondensi, Analisis Regresi Logistik Biner
IDENTIFIKASI PERILAKU MEMILIH (VOTING BEHAVIOUR) PADA PEMILU LEGISLATIF 2009 DI JAWA BARAT
AHMAD NASRUDIN
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010
Judul
: Identifikasi Perilaku Memilih (Voting Behaviour) pada Pemilu Legislatif 2009 di Jawa Barat Nama : Ahmad Nasrudin NRP : G14061598
Menyetujui:
Pembimbing I
Pembimbing II
Dr. Ir. Muhammad Nur Aidi, M.S NIP. 19600818198931004
Dr. Ir. Asep Saefuddin, M.Sc NIP. 195703161981031004
Mengetahui : Ketua Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Dr. Ir. Hari Wijayanto, M.Si NIP. 196504211990021001
Tanggal Lulus :
RIWAYAT HIDUP Penulis dilahirkan di Sragen pada tanggal 9 September 1988, sebagai anak ketiga dari tiga bersaudara. Penulis lahir dari keluarga petani pasangan Sunardi dan Siti Fatimah. Pendidikan dasar dan menengah penulis tempuh di kabupaten Sragen. Penulis menempuh pendidikan dasar di SD Negeri Donoyudan dan lulus pada tahun 2000. Kemudian melanjutkan sekolah ke MTs Muhammadiyah 2 Kalijambe dan lulus pada tahun 2003. Pada tahun 2006 penulis menyelesaikan pendidikan menengah atas di SMA Negeri 1 Gemolong dan pada tahun yang sama penulis diterima di Institut Pertanian Bogor melalui jalur USMI. Penulis bergabung di SERUM G selama periode 2007/2008. Selain itu, penulis pernah menjadi ketua Badan Pengawas Himpunan Profesi Gamma Sigma Beta periode 2009/2010. Penulis juga terlibat dalam sejumlah kegiatan tahunan, seperti Pesta Sains 2007 & 2008, Statistika Ria 2008 & 2009, Panitia WCS 2009 dan beberapa kegiatan lainnya. Selain cukup aktif dalam organisasi dan kegiatan kampus, penulis juga pernah bergabung di lembaga konsultasi data Stat Center dan beberapa pengalaman sebagai surveyor dan field supervisor.
KATA PENGANTAR Alhamdulillah, puji dan syukur senantiasa penulis panjatkan kepada Allah SWT, karena dengan limpahan rahmat-Nya penulis dapat melaksanakan amanah orang tua dan dapat menyelesaikan karya ilmiah ini. Shalawat dan salam semoga selalu terlimpah untuk sang idola, sang guru besar, Rosulullah SAW. Dengan penuh rasa syukur yang tidak terkira, penulis persembahkan karya ilmiah ini kepada keluarga tercinta, sebagai wujud bakti penulis. Pada kesempatan ini, penulis mengucapkan terima kasih yang tak terhingga kepada: 1. Bapak Dr. Ir. Muhammad Nur Aidi, M.S dan bapak Asep Saefuddin, M.Sc, selaku pembimbing. Terima kasih atas segala saran, arahan, bimbingan serta perhatian yang diberikan sehingga karya ilmiah ini dapat diselesaikan. 2. Mbak Ratih, mbak Maya, Pak Arman, Pak Dharma dan semua pihak JIP yang telah memberikan banyak ilmu terutama aplikasi statistika di bidang politik. 3. Simbok lan bapak di rumah. Terima kasih karena telah memberikan kepercayaan kepada penulis untuk melanjutkan sekolah serta telah bekerja keras untuk membiayai penulis selama di perguruan tinggi. 4. Mas Ali dan Mas Bur, yang telah begitu perhatian kepada penulis. Terima kasih atas kesabaran dan dukungannya selama ini. 5. Mbak rina, mbak Ami, mbak Ika, Mas Njum, dan kawan-kawan di Stat Center yang telah memberikan banyak pelajaran berharga dalam mendayagunakan ilmu yang diperoleh selama kuliah. 6. Teman-teman statistika angkatan 43 yang telah memberikan pengalaman berharga, dorongan serta tempat bertukar pikiran. 7. Teman-teman wisma Al Fath, yang telah banyak memberikan ruang bercengkerama dan bertukar pikiran guna memperluas wawasan. 8. Adik kelas statistika angkatan 44, 45 dan 46. Semoga karya ilmiah ini bermanfaat bagi semua pihak yang menggunakannya dan dapat meningkatkan wawasan para pembaca tentang aplikasi statistika di bidang politik.
Bogor, Agustus 2010
Ahmad Nasrudin
Kado dari si Kecil untuk kedua orang tua dan kedua kakakku: Tanpa seutas kata terucap untuk mengungkap , Kau memahami, ibu kau memahami, bapak kau memahami, mas Aku. Cinta kalian, menghembus angin di kala panas, lentera di waktu dingin dan gulita. Terkadang aku tidak memahaminya. Tapi sangat terasa di lubuk ini. Dariku hanya seuntai doa terpanjat kalian, kasihku semua. Dan ini kupersembahkan kado kecil untuk kalian.
vii
DAFTAR ISI
Halaman DAFTAR TABEL ...................................................................................................................... viii DAFTAR GAMBAR ................................................................................................................. viii DAFTAR LAMPIRAN .............................................................................................................. viii PENDAHULUAN Latar Belakang ...................................................................................................................... Tujuan ...................................................................................................................................
1 1
TINJAUAN PUSTAKA Sistem Pemilu ....................................................................................................................... Perilaku Pemilih (Voter Behaviour) ..................................................................................... Uji Kebebasan Khi-Kuadrat ................................................................................................. Analisis Korespondensi ........................................................................................................ Regresi Logistik Biner..........................................................................................................
1 2 2 2 3
METODOLOGI Data ....................................................................................................................................... Metode ..................................................................................................................................
4 4
HASIL DAN PEMBAHASAN Pengetahuan Pemilih Seputar Pemilu .................................................................................. 5 Bentuk Pilihan ...................................................................................................................... 6 Uji Kebebasan Khi-Kuadrat ................................................................................................. 6 Analisis Korespondensi ........................................................................................................ 7 Analisis Regresi Logistik Biner ........................................................................................... 8 Karakteristik Pemilih ............................................................................................................ 10 KESIMPULAN DAN SARAN Kesimpulan ........................................................................................................................... 10 Saran ..................................................................................................................................... 11 DAFTAR PUSTAKA ................................................................................................................ 11 LAMPIRAN ............................................................................................................................... 12
viii
DAFTAR TABEL Halaman 1. Hasil uji Khi-Kuadrat beberapa peubah dengan peubah pilihan ............................................... 2. Uji Simultan dan uji Kelayakan model regresi logistik biner ................................................... 3. Hasil uji Wald peubah yang berpengaruh terhadap peubah pilihan ..........................................
6 8 9
DAFTAR GAMBAR Halaman 1. 2. 3. 4. 5.
Persentase kategori jumlah partai yang dikenal ...................................................................... Persentase sasaran yang diketahui oleh responden ................................................................. Pengetahuan tentang calon dari daerah pemilihan .................................................................. Pilihan pada saat Pemilu legislatif 2009 ................................................................................. Plot dua dimensi analisis korespondensi .................................................................................
5 5 6 6 8
DAFTAR LAMPIRAN Halaman 1. 2. 3. 4. 5. 6. 7. 8. 9.
Peubah yang digunakan dalam penelitian ............................................................................... 13 Frekuensi kategori peubah yang digunakan dalam penelitian ................................................ 14 Tabel kontingensi antara peubah demografi dan pengetahuan seputar pemilu dengan peubah pilihan ...................................................................................................................................... 15 Nilai singular, inersia, proporsi keragaman yang mampu dijelaskan plot hasil analisis korespondensi .......................................................................................................................... 15 Koordinat masing-masing kategori dalam plot dua dimensi ................................................. 16 Jarak kategori gambar partai dan nama calon terhadap kategori peubah yang lain pada plot dua dimensi .............................................................................................................................. 17 Jarak beberapa kategori terhadap gambar partai dan nama calon setelah diurutkan .............. 17 Klasifikasi model regresi logistik biner .................................................................................. 18 Hasil uji Wald parameter model regresi logistik biner ........................................................... 18
1
PENDAHULUAN Latar Belakang Pemilihan umum (pemilu) merupakan salah satu pilar demokrasi untuk menyelaraskan kebijakan pemerintah serta pembangunan berdasarkan kehendak rakyat, sebagai pemilik kedaulatan. Di Indonesia, pemilu yang diselenggarakan secara langsung merupakan yang pertama kali dilaksanakan sekaligus bersejarah karena merupakan salah satu langkah penting dalam menciptakan kehidupan politik yang lebih beradab. Ada dua jenis pemilihan umum yang dilaksanakan secara langsung yaitu pemilihan presiden serta pemilihan anggota legislatif. Pemilihan umum anggota DPR RI tahun 2009 dilaksanakan dengan sistem proporsional terbuka. Proses perhitungannya didasarkan pada sejumlah daerah pemilihan, dengan peserta pemilu adalah partai politik. Pemilihan umum ini adalah yang pertama kalinya dilakukan dengan penetapan calon terpilih berdasarkan perolehan suara terbanyak, bukan berdasarkan nomor urut. Pada pemilu anggota legislatif 2009, masyarakat dihadapkan pada dua bentuk pilihan pada saat memilih, memilih gambar partai politik (primer/wajib) atau memilih nama calon legislatif (sekunder/tidak wajib). Jika pemilih memilih nama calon, maka secara otomatis dia juga memilih partai yang mengusung calon legislatif tersebut. Proporsi pemilih yang memilih nama calon menjadi salah satu indikator dari keberhasilan sistem pemilu proporsional terbuka. Ada tiga pendekatan yang digunakan dalam menjelaskan perilaku pemilih (voter behaviour) dalam menentukan pilihannya. Tiga pendekatan tersebut adalah pendekatan sosiologis, pendekatan psikologis, dan pendekatan politik rasional. Pendekatan yang sama juga digunakan dalam penelitian Mujani (2003) dan Liddle (2003) untuk menjelaskan perilaku pemilih (voter behaviour) di Indonesia. Seperti telah disebutkan di atas, pada pemilu legislatif 2009, pemilih diberikan kebebasan dalam menentukan pilihan, memilih nama calon atau memilih gambar partai. Jika hal ini dikaitkan dengan teori tentang perilaku pemilih (voter behaviour) maka akan timbul pertanyaan mengenai faktor apasaja yang berhubungan dan berpengaruh terhadap perilaku pemilih (voter behaviour) untuk kasus di Jawa Barat. Selain itu, bagaimana karakteristik pemilih tersebut berdasarkan pada jenis pilihannya.
Tujuan Secara umum tujuan penelitian ini adalah: 1. Identifikasi karakteristik pemilih berdasarkan pilihannya (memilih nama calon atau partai). 2. Mengetahui faktor-faktor yang berpengaruh terhadap jenis pilihan (nama calon atau partai) pada pemilu legislatif 2009. TINJAUAN PUSTAKA Sistem Pemilu Pada tingkat yang paling dasar, sistem pemilu mengkonversi suara yang diperoleh partai politik atau calon legislatif dalam pemilu menjadi kursi legislatif. Dua hal penting yang menjadi bahan pertimbangan dalam pelaksanaan pemilu adalah model pemilu yang digunakan dan ukuran daerah pemilihan. Ukuran daerah pemilihan didasarkan pada banyaknya anggota legislatif yang dipilih untuk wilayah tersebut, bukan didasarkan pada banyaknya pemilih di wilayah tersebut. Sementara itu, model yang digunakan tergantung dari sistem pemilu yang dianut oleh negara yang bersangkutan. Berdasakan klasifikasi yang diambil dari The ACE Project, suatu kerjasama antara PBB, IFES dan IDEA Internasional mengenai sistem pemilu, sistem pemilu dibagi menjadi tiga (Reilly & Reynolds 2001) : 1. Sistem distrik Dalam sistem distrik, wilayah negara dibagi menjadi beberapa daerah pemilihan. Banyaknya daerah pemilihan disesuaikan dengan jumlah kursi legislatif yang diperebutkan sehingga setiap daerah pemilihan hanya diwakili oleh satu orang. Oleh karena itu, individu yang mewakili atau yang dicalonkan oleh partai politik merupakan calon yang dikenal secara baik oleh masyarakat daerah tersebut. 2. Sistem representasi proporsional Daerah pemilihan pada sistem proporsional memiliki cakupan lebih luas daripada daerah pemilihan pada sistem distrik. Jumlah wakil yang terpilih untuk suatu daerah pemilihan ditentukan oleh persentase suara sah yang diraih oleh partai atau kandidat di daerah pemilihan tersebut. Jadi, dalam satu kesatuan geografis memungkinkan dihasilkan lebih dari satu wakil. 3. Sistem semi-proporsional Dalam sistem ini, partai politik yang tidak mendapat dukungan suara terbanyak masih
2
dapat memperoleh perwakilan. Namun, sistem ini tidak dirancang untuk memberikan alokasi perwakilan sesuai dengan persentase suara yang diperoleh partai politik seperti pada sistem representasi proporsional. Perilaku Pemilih (Voter Behaviour) Perilaku pemilih merupakan tindakan para pemilih dalam memberikan suaranya pada pemilu atau pada pemilihan kepala daerah. Sementara itu, studi perilaku memilih dimaksudkan sebagai suatu studi yang memusatkan diri pada bidang yang mempelajari kebiasaan atau kecenderungan pilihan rakyat dalam pemilihan umum, serta latar belakang mengapa mereka melakukan pilihan itu (Plano 1985, diacu dalam Sudaryanti 2008). Secara teoritik, ada tiga pendekatan yang digunakan dalam menjelaskan perilaku memilih (voting behaviour). Ketiga pendekatan tersebut adalah: 1. Pendekatan sosiologis Pendekatan sosiologis menjelaskan bahwa karakteristik sosial mempunyai pengaruh yang cukup signifikan dalam menentukan perilaku pemilih. Ada Sejumlah peubah yang dapat mempengaruhi persepsi dan perilaku orang dalam menentukan pilihannya. Peubah-peubah tersebut diantaranya adalah pendapatan, ras, jenis kelamin, status kewarganegaraan, dan partisipasi sosial (Rakhman 2004). 2. Pendekatan psikologis Pendekatan ini menggunakan pendekatan konsep sikap dan sosialisasi dalam menjelaskan perilaku pemilih. Titik berat pada pendekatan ini adalah pemilih dalam menentukan pilihannya dipengaruhi oleh kekuatan psikologis yang berkembang dalam dirinya sebagai hasil dari berbagai proses sosialisasi dalam masyarakat. 3. Pendekatan politik rasional Pendekatan ini menekankan pada penilaian rasional pemilih. Isu-isu politik yang berkembang dalam masyarakat serta aspek kandidat yang akan maju, seringkali menjadi bahan pertimbangan pemilih dalam menentukan pilihan. Didasarkan pada penilaian terhadap isu politik dan kandidat yang akan maju, pemilih akan lebih mempunyai berbagai aspek pertimbangan untuk menentukan sikapnya. Uji Kebebasan Khi-Kuadrat Uji kebebasan Khi-Kuadrat digunakan untuk mengetahui apakah dua peubah kategorik saling berhubungan atau tidak. Jika
peubah pertama memiliki r kategori dan peubah kedua memiliki c kategori maka data tersebut dapat dipresentasikan ke dalam tabel kontingensi berukuran r x c. Hipotesis nol yang diuji menyatakan bahwa kedua peubah tidak saling berhubungan. Statistik uji Khi-Kuadrat adalah O E χ E keterangan: χ2 = nilai Khi-Kuadrat Oij = frekuensi teramati baris ke-i kolom ke-j Eij = frekuensi harapan baris ke-i kolom ke-j Untuk ukuran contoh yang tetap, semakin besar selisih antara Oij dan Eij maka nilai χ semakin besar serta kesimpulannya cenderung menolak hipotesis nol (Agresti 2000). Jika χ lebih besar dari χ dengan derajat bebas v = (r-1)(c-1) maka hipotesis nol ditolak. Artinya, antara kedua peubah terdapat hubungan pada taraf nyata α (Daniel 1990) Analisis Korespondensi Analisis korespondensi digunakan untuk menganalisis hubungan antara baris dan kolom pada sebuah tabel kontingensi. Ide utama dari analisis korespondensi adalah mengembangkan grafik yang dapat menggambarkan hubungan antara baris dan kolom yang berisi kategori dari peubah kategorik. Permasalahan utamanya adalah bagaimana grafik mampu merepresentasikan baris-baris dan kolomkolom dari sebuah tabel kontingensi dalam bentuk titik-titik dalam sebuah ruang Euclid berdimensi rendah dengan tetap mempertahankan informasi yang optimum. Analisis korespondensi menggunakan konsep penguraian nilai singular umum atau Generalized Singular Value Decompotition (GSVD) untuk mereduksi dimensi namun tetap mempertahankan informasi yang ada. Sebuah tabel kontingensi a x b (atau matriks berukuran a x b) dengan frekuensi nij ≥ 0 dari sel ke (i,j) adalah n n dimana n ∑ ∑ n yang disebut sebagai matriks koresponden. n . /n , … , n . /n ′ p ., … , p . ′ dan ′ p. , … , p. ′ n. /n , … , n. /n ′ masing-masing adalah vektor jumlah baris dan
3
kolom dari matriks P. Sedangkan matriks profil baris dan profil kolom adalah sebagai berikut: dan ′ dimana : Dr = matriks diagonal berukuran a x a dari total baris ke-i dari matriks P Dc = matriks diagonal berukuran b x b dari total kolom ke-j dari matriks P Pendekatan jarak yang digunakan adalah jarak yang dituliskan sebagai berikut: n
χ
p .d
dimana : d ′ di2 merepresentasikan jarak Khi-Kuadrat antara profil baris ke-i dan rata-rata profil baris. Sedangkan jarak Khi-Kuadrat antara sebuah profil kolom dengan rataannya mempunyai definisi yang sama dengan jarak Khi-Kuadrat pada profil baris. Penentuan koordinat dari profil baris dan kolom diperoleh dari penguraian GSVD matriks berikut: ′ ′ dimana Λ merupakan matriks diagonal yang unsur-unsur diagonalnya adalah nilai singular λ1,…, λm dari ′ . A dan B diperoleh dari / penguraian nilai singular dari / serta untuk A dan B berlaku: ′ ′
′
Koordinat dari profil baris dan kolom masingmasing adalah sebagai berikut : dan Untuk tabel kontingensi banyak arah maka digunakan analisis korespondensi berganda dengan menggunakan matriks Burt ′ . Matriks Burt ′ : ′
dimana P adalah matriks korespondensi yang diperoleh dengan membagi frekuensi sel pada tabel kontingensi awal dengan total frekuensi. Matriks Pr dan Pc keduanya adalah matriks diagonal dengan unsur-unsur diagonalnya adalah marjinal kolom dan marjinal baris dari matriks P. Regresi Logistik Biner Regresi logistik merupakan metode statistika yang digunakan untuk menjelaskan hubungan antara peubah respon dengan satu atau beberapa peubah penjelas. Sementara itu, regresi logistik biner adalah pengembangan dari regresi logistik dimana peubah respon memiliki skala biner. Secara umum, model regresi logistik biner dengan p peubah penjelas adalah :
e
π x dimana : π x
P Y
1|X
1 x
e 1
P Y
0|X
x
dengan melakukan transformasi logit, diperoleh : β x β x g x β dalam hal ini, g x adalah logit yang merupakan fungsi linier dari peubah bebas (Hosmer dan Lemenshow 2000). Jika beberapa peubah bebas yang digunakan bersifat kategorik maka diperlukan peubah boneka (dummy variable). Secara umum, jika peubah nominal atau ordinal mempunyai k kategori, maka diperlukan k-1 peubah boneka. Penduga logit dengan p peubah bebas dimana peubah ke-j mempunyai k kategori adalah : ∑ β x β D β x g x β (Hosmer dan Lemenshow 2000) Pengujian parameter dalam model regresi logistik menggunakan statistik uji G dan uji Wald (W). Statistik uji G digunakan untuk mengetahui peran seluruh peubah penjelas dalam model. Statistik uji G akan menyebar mengikuti sebaran Khi-Kuadrat dengan derajat bebas p. Hipotesis yang diuji adalah : H : β ,β ,…,β 0 0 H : paling sedikit ada satu β i 1,2, … , p Statistik uji G adalah G
2ln
Likelihood tanpa peubah bebas Likelihood dengan peubah bebas
Hipotesis nol ditolak jika nilai G lebih tabel. besar dari Statistik uji Wald digunakan untuk menguji satu dari beberapa parameter dalam model regresi logistik dengan p peubah bebas β . Hipotesis yang diuji adalah : 0 H :β 0 i 1,2, … , p H :β Statistik uji Wald adalah β W SE β dimana β merupakan penduga β , sedangkan SE β merupakan galat baku dari β . Hipotesis nol ditolak jika |W | lebih besar dari (Hosmer dan Lemeshow 2000). Pengujian kelayakan (goodness of fit) model regresi logistik menggunakan uji Hosmer-Lemeshow. Uji Hosmer-Lemeshow didasarkan pada pengelompokan nilai dugaan peluangnya yang menyebar Khi-Kuadrat. Hipotesis nol yang diuji menyatakan bahwa model yang dibangun layak. Statistik uji
4
Hosmer-Lemeshow berikut : C
didefinisikan
sebagai
n π O n π 1 π
Keterangan: C = statistik Hosmer-Lemeshow k = banyaknya kelompok (k=1,2,..l) O = banyaknya amatan dalam kelompok ke-k n = jumlah nilai Y pada kelompok ke-k π = rata-rata dari π untuk kelompok ke-k Statistik C menyebar mengikuti sebaran KhiKuadrat dengan derajat bebas g-2. Kesimpulan lebih menolak hipotesis nol jika nilai C besar dari χα . Interpretasi koefisien regresi logistik biner menggunakan rasio odds karena lebih mudah. Pada peubah bebas kategorik biner, nilai x dikategorikan 1 atau 0. Rasio odds, dinotasikan ψ, dapat didefinisikan sebagai berikut: π 1 ⁄1 π 1 ψ exp β π 0 ⁄1 π 0 Dalam interpretasinya, rasio Odds menjelaskan bahwa kategori x=1 memiliki peluang untuk y=1 sebesar ψ kali dibandingkan dengan kategori x=0. METODOLOGI Data Penelitian ini menggunakan data sekunder berupa data survei mengenai pandangan masyarakat terhadap partai dan tokoh nasional pada pemilu 2009. Data meliputi seluruh kabupaten di Jawa Barat. Pada penelitian ini, data yang digunakan terdiri dari beberapa peubah yang menggambarkan demografi responden, pengetahuan responden seputar pemilu, serta pilihan pada pemilu legislatif 2009. Peubah-peubah tersebut diantaranya : 1. Demografi responden, terdiri atas peubah: a. Jenis kelamin (X1) b. Kategori Desa-Kota (X2) c. Usia (X3) d. Pengeluaran per bulan (X4) e. Jenis pekerjaan (X5) f. Pendidikan terakhir (X6) g. Etnis (X7) h. Agama (X8) 2. Pengetahuan seputar pemilu, terdiri atas peubah : a. Jumlah partai yang dikenal (X9)
b. Persentase tahu sasaran dari total partai yang dikenal (X10) c. Calon legislatif yang akan mewakili daerah pemilihan (X11) 3. Peubah pilihan (Y) Kategori dari masing-masing peubah dapat dilihat pada Lampiran 1. Metode Tahap-tahap yang dilakukan penelitian ini adalah :
dalam
1. Analisis deskriptif Analisis deskriptif digunakan untuk memberikan gambaran mengenai pengetahuan masyarakat Jawa Barat seputar pemilu serta pilihan pada saat pemilu legislatif 2009. Data yang disajikan berupa frekuensi dari kategori masing-masing peubah. 2. Melakukan uji kebebasan Khi-Kuadrat Uji kebebasan Khi-Kuadrat digunakan untuk menguji ada atau tidaknya hubungan antara peubah demografi dan peubah pengetahuan seputar pemilu dengan peubah pilihan. Dalam analisis ini, banyaknya baris dan kolom dari tabel kontingensi merepresentasikan kategori dari peubah yang akan diuji. Dari tabel kontingensi yang dibuat, diperoleh kombinasi masing-masing kategori beserta frekuensinya. Frekuensi harapan didapatkan dengan mengalikan jumlah baris ke-i dengan jumlah kolom ke-j dibagi dengan total observasi. Langkah selanjutnya adalah . Pada tahap penarikan menghitung nilai χ kesimpulan, nilai χ yang didapat dibandingkan dengan χ . Jika nilai hitung lebih besar dari χ , maka χ antara kedua peubah terdapat hubungan. Pengujian juga dapat dilakukan dengan membandingkan p-value yang didapat dengan taraf nyata pengujian yang digunakan. Jika pvalue yang didapat lebih kecil dari taraf nyata pengujian, maka antara kedua peubah terdapat hubungan. 3. Interpretasi kesimpulan hasil uji kebebasan Khi-Kuadrat Dari hasil uji kebebasan Khi-Kuadrat dapat diketahui peubah-peubah yang secara statistik berhubungan dengan peubah pilihan. Selanjutnya, peubah-peubah tersebut dianalisis dengan analisis korespondensi. Hal ini bertujuan untuk melihat karakteristik pemilih yang memilih nama calon maupun gambar partai. 4. Melakukan analisis korespondensi
5
Analisis korespondensi k digunakan unntuk melihat kedekkatan antara kategori peuubah m p pilihan dengann kategori darri peubah lainnnya. K Kedekatan in ni dapat diartikan d sebagai k kecenderungan n suatu kategorri tehadap kateegori p peubah lainnyaa. Pada analiisis korespond densi, untuk tabel k kontingensi b banyak arah maka digunaakan p pendekatan deengan matriks Burt . Benntuk m matriks yang terbentuk t adalaah matriks perrsegi d dengan banyak knya baris dan kolom terganttung d dari banyakny ya kategori peeubah yang akan a d dianalisis. Keemudian dicarri vektor jum mlah ini b baris dan jum mlah kolom. Vektor-vektor V n nantinya diguunakan untuk k mencari prrofil k kolom dan bariis dari masing--masing kategoori. Penentuan koordinat darri profil baris dan k kolom dipeeroleh denggan penguraian G Generalized Singular S Valuue Decompotiition ( (GSVD). Pengguraian GSVD D diperlukan unntuk m mereduksi dimensi d data dengan tetap m mempertahank kan informasi yang optim mum. K Koordinat prrofil baris dan d kolom yyang d diperoleh kem mudian dipressentasikan daalam b bentuk plot duaa dimensi. 5 Interpretasii hasil yang didapat dari anaalisis 5. korespondeensi Interpretasii plot dua diimensi didasarrkan p pada kedekataan antar titik kategori peuubah y yang digunakaan terhadap titiik kategori peuubah p pilihan. Kedekkatan ini dapatt diartikan sebagai k karakteristik dari kategorii dalam peuubah p pilihan. 6 Melakukann analisis regressi logistik bineer 6. Peubah reespon yang digunakan d adalah p peubah pilihann. Kategori Y=1 Y menunjukkkan r responden meemilih nama calon, dan Y=0 Y responden memilih gam m menunjukkan mbar p partai. Semenntara itu, peuubah bebas yyang d digunakan adaalah demografii dan pengetahhuan s seputar pemiilu. Peubah bebas terseebut m merupakan saalah satu penddekatan sosiologis d dan psikologis dalam mem mpelajari perillaku m memilih (votinng behaviour) masyarakat Jawa J B Barat. 7 Interpretasii model regreesi logistik yyang 7. diperoleh 8 Mengetahuui karakteristik 8. k pemilih di Jawa J Barat berrdasarkan pillihannya denngan pendekatann deskriptif
yang terpilih adalahh responden yaang memiliki hak pilih dan beerpartisipasi pada p pemilu legislatif 2009. Peengetahuan Pemilih Seputaar Pemilu Siistem pemiluu proporsion nal terbuka membberikan peluaang besar kepada k para pemillih untuk mem milih calon angggota legislatif sesuaai dengan hatii nurani mereeka. Hal ini mend dorong terciptaanya kualitas katerwakilan oleh anggota legisslatif menjadi lebih baik. Banyaak aspek yangg menjadi bahhan penilaian terhaddap keberhasilan pelaksannaan pemilu dengaan sistem prooporsional terrbuka, salah satuny ya adalah pengetahuan masyarakat seputaar pemilu. Tiiga indikator digunakan un ntuk mengetahui tingkat penggetahuan pem milih seputar pemillu. Indikator teersebut adalah jumlah j partai yang dikenal, propoorsi tahu sasarran dari total partaii yang dikenall, dan pengetahhuan tentang calonn yang akan meewakili daerah pemilihan. ≥10 partai 11.04% <10 partai 88.96%
Gambbar 1
Persentase kategori jumlah j partai yang diikenal.
Gambar 1 m memperlihatkann persentase kategori jumlah ppartai yang dikenal dari seluruuh partai peseerta pemilu leggislatif 2009. Dianttara respondeen yang terppilih, hanya sekitaar 11.04% ressponden yang mengenal 10 partaii atau lebih darri 38 partai peeserta pemilu. Semeentara sisanya mengenal kurrang dari 10 partaii. Hal ini mengindikasiikan bahwa beberrapa partai tidaak dikenal secaara baik oleh masyaarakat Jawa Baarat. Seementara itu, persentase pemilih p yang meng getahui sasarann dari partai yang y dikenal dapatt dilihat pada Gambar 2. Dari D Gambar tersebbut terlihat baahwa dari beb berapa partai yang dikenal, sekkitar 71.88% masyarakat hanyaa tahu sasaaran tidak lebih dari setenggahnya. ≥ 50% 28.12%
<50% 71.88%
L DAN PEMB BAHASAN HASIL Data yang digunakan daalam penelitiann ini ssebanyak 21911 responden. Seluruh S responnden
Gambbar 2 Persenttase sasaran yaang diketahui oleh ressponden.
6
Dari dua inndikator pengettahuan partai yyang ttelah dibahass sebelumnya, terlihat bahhwa m masih banyak k masyarakat Jawa Barat yyang t tidak mengenaal partai pesertaa pemilu. Dianntara m masyarakat yaang mengenall beberapa paartai, m mereka cendeerung tidak taahu sasaran yyang a akan dicapai oleh o partai terseebut. Jadi, merreka h hanya sebatas kenal tanpa tahu t sasaran yyang i ingin dicapai oleh o partai terseebut. Pada sistem m pemilu legisllatif 2009, wilaayah n negara dibag gi menjadi beberapa daeerah p pemilihan. Maasing-masing daerah pemiliihan m mempunyai a alokasi kursi DPR RI yyang b berbeda-beda. Dari beberapaa daerah pemiliihan a akan ada beberrapa calon yaang bersaing unntuk m mewakili daeraah pemilihan teersebut. Pada Gam mbar 3 dapaat dilihat bahhwa m mayoritas massyarakat tidak tahu calon yyang a akan bersainng untuk mewakili m daeerah p pemilihan merreka. Masyarak kat yang tidak ttahu ini t tersebut sekitaar 95.57%. Kecenderungan K m memperlihatka an bahwa caloon legislatif yyang a akan mewak kili daerah pemilihan, tiidak s sepenuhnya dikenal d baik oleh masyaraakat. M Mereka cenderrung hanya meemiliki popularritas s sesaat. T Tahu 4.43% 4
Peengetahuan tenntang calon dari daaerah pemilihan n.
Bentuk Pilih han Pemilu denngan sistem pro oporsional terbbuka m menuntut pemilih untuk men njadi pemilih yyang c cerdas. Pada pemilu nanti, peemilih dihadappkan p pada sejumlah calon yang akkan bersaing unntuk m mewakili daerrah pemilihan. Oleh karena itu, s sudah seharusnya pemilih menggunakan m hak p pilihya dengann baik dan benaar. Pada saatt pemilu legisllatif 2009, pem milih m memang tidakk diwajibkann untuk mem milih n nama calon annggota legislatiif. Namun denngan m memilih nama calon, prinnsip keterwakkilan a akan menjadi lebih baik dibaandingkan denngan h hanya memillih gambar parpol. Hal ini d dikarenakan jikka pemilih meemilih nama caalon m maka pemilihh setidaknya tahu siapa caalon y yang akan mewakili m merekka. Hal ini akan a b berbeda jika pemilih p hanyaa memilih gam mbar p partai, pemilih h tersebut tidakk tahu siapa caalon y yang akan meewakili merekka di DPR karrena
Gambar partai 49.52%
Nam ma calo on 50.48%
Gambbar 4 Pilihan pada saat Pem milu legislatif 2009. t bahwaa pada pemilu Dari Gambar 4 terlihat legislatif 2009, maasyarakat Jawaa Barat lebih banyaak memilih naama calon (sek kitar 50.48%) daripaada memilih gambar parrtai. Namun, perbeedaannya tidakk terlalu bessar. Hal ini menu unjukkan bahw wa proses sosialisasi dan pendiidikan pemiliih yang dilaakukan oleh pemerintah maupunn pihak-pihak yang terkait kuranng berhasil. Uji Kebebaasan Khi-Kuaadrat Ujji kebebasan Khi-Kuadratt digunakan untukk mengetahui kketerkaitan anttara beberapa peubaah yang digunnakan dengan peubah p pilihan. Taraf T uji yang digunakan pada pengujian ini adalah a 10%. Hasil H uji keb bebasan KhiKuaddrat dapat dilihaat pada Tabel 1. 1 Tabell 1
Tidak Tahu 95.57%
G Gambar 3
nisme sistem akan diserahkan kkepada mekan pemillu yang ada.
Hasil ujji Khi-Kuadrrat beberapa peubah ddengan peubah pilihan
Peeubah
df
X11 X22 X33 X44 X55 X66 X77 X88 X99 X110 X111
1 1 2 2 7 4 1 1 2 1 1
p-value 3.919 0.0566 1.1700 12.4800 34.342 18.2144 0.001 7.989 0.001 41.832 3.523
0.048 0.814 0.557 0.002 0.000 0.001 0.969 0.005 0.999 0.000 0.061
Paada Tabel terrsebut terlihat bahwa jika dilihaat dari sisi dem mografi, maka peubah yang berhuubungan dengaan peubah piilihan adalah jenis kelamin (X X1), pengelu uaran (X4), pekerj rjaan (X5), peendidikan (X6)) dan agama (X8). Jika dilihat daari sisi pengetaahuan seputar pemillu, maka peubbah persentase tahu sasaran dari partai p yang ddikenal (X10) dan peubah calonn legislatif yanng akan mew wakili daerah
7
pemilihan (X11), secara statistik berhubungan dengan peubah pilihan. Sementara peubah yang lain tidak berhubungan dengan peubah pilihan pada taraf pengujian yang digunakan. Analisis Korespondensi Hasil uji kebebasan Khi-Kuadrat menunjukkan bahwa ada beberapa peubah yang berhubungan dengan peubah pilihan. Selanjutnya, peubah-peubah tersebut dianalisis menggunakan analisis korespondensi. Hal ini bertujuan untuk mengetahui kedekatan kategori-kategori peubah tersebut terhadap kategori peubah pilihan. Pada Lampiran 4 disajikan ringkasan hasil analisis korespondensi. Proporsi keragaman data awal yang mampu dijelaskan oleh dua sumbu utama pada plot hasil analisis korespondensi sebesar 48.40%. Sumbu utama pertama mampu menerangkan keragaman data sebesar 26.56%, sedangkan sumbu utama kedua menerangkan keragaman data sebesar 21.84%. Gambar 5 adalah plot dua dimensi hasil analisis korespondensi, sedangkan Lampiran 6 menampilkan jarak antara kategori peubah pilihan (gambar partai dan nama calon) terhadap kategori peubah yang lain. Karakteristik pemilih yang memilih nama maupun memilih gambar dapat diidentikkan dari jarak yang berdekatan antara kategori tersebut dengan kategori peubah yang lain. Lampiran 7 menampilkan jarak masingmasing kategori terhadap kategori gambar partai dan nama calon setelah diurutkan. Interpretasi dilakukan untuk kategori yang mempunyai jarak terdekat terhadap kategori gambar partai dan nama calon dengan mempertimbangkan jarak relatif terhadap kedua kategori. Lima kategori yang mempunyai jarak terdekat dengan kategori gambar partai (Y0) adalah kategori pengangguran (X5a), pensiunan (X5e), ibu rumah tangga (X5d), SMA (X6c), dan tahu sasaran <50% dari total partai yang dikenal (X10a). Kelima kategori tersebut juga relatif lebih dekat dengan kategori gambar partai (Y0) dibandingkan dengan kategori nama calon (Y1). Artinya, pemilih dengan karakteristik tersebut memiliki peluang memilih gambar lebih besar daripada peluang memilih nama calon. Dari karakteristik pendidikan, kategori pendidikan SMP(X6b) dan akademi (X6d) cenderung berasosiasi dengan kategori gambar partai. Oleh karena itu, pemilih dengan tingkat pendidikan SMP dan akademi memiliki
peluang untuk memilih gambar lebih besar daripada peluang memilih nama. Sementara itu, kategori pendidikan ≤ SD (X6a) cenderung lebih dekat dengan kategori nama calon dibandingkan dengan kategori gambar partai. Namun, jika dilihat dari proporsi pemilih (Lampiran 3), maka proporsi pemilih gambar (50.35%) lebih besar daripada pemilih nama calon (49.65%) tetapi perbedaannya tidak terlalu signifikan. Perbedaan kesimpulan ini terjadi karena keragaman data yang dapat dijelaskan oleh analisis korespondensi kecil. Seharusnya, kategori ≤ SD lebih dekat dengan kategori gambar partai daripada nama calon (sesuai dengan deskripsi proporsi pemilih). Hal yang sama (kesimpulan analisis deskriptif sesuai dengan deskripsi proporsi pemilih) juga terjadi untuk kategori wiraswasta (X5f), pegawai negeri (X5g) dan non islam (X8b). Kasus yang berbeda terjadi pada kategori agama islam (X8a) dan kategori tidak tahu calon legislatif dari daerah pemilihan (X11a). Hasil analisis korespondensi menunjukkan bahwa jarak masing-masing kategori terhadap kategori gambar (Y0) dan nama (Y1) relatif sama. Jarak kategori islam terhadap kategori gambar sebesar 0.672, sementara terhadap kategori nama sebesar 0.659. Sedangkan, jarak kategori kategori tidak tahu calon legislatif dari daerah pemilihan (X11a) terhadap kategori gambar sebesar 0.670, sementara terhadap kategori nama sebesar 0.662. Kesimpulannya, pemilih dengan karakteristik tersebut memiliki peluang yang sama besar untuk memilih nama calon atau gambar partai. Kesimpulan ini juga didukung oleh hasil analisis deskriptif yang diperoleh (proposinya realtif sama). Selain karakteristik yang telah disebutkan sebelumnya, pemilih yang memiliki peluang besar untuk memilih gambar partai adalah pemilih wanita (X1b) serta pemilih dengan pengeluaran per bulan rendah (X4a). Hasil analisis korespondensi dan analisis deskriptif menunjukkan kesimpulan yang sama. Lima kategori yang paling dekat dengan kategori nama calon adalah tahu sasaran ≥ 50% dari total partai yang dikenal (X10b), Pria (X1a), pengeluaran menengah (X4b), islam (X8a) dan kategori tidak tahu calon legislatif dari daerah pemilihan (X11a). Dari kelima kategori, hanya tiga kategori pertama (X10b, X1a, X4b) yang memiliki perbedaan jarak terhadap kategori gambar dan nama yang cukup jauh (Lampiran 6). Sementara dua kategori sisanya memiliki perbedaan jarak
8
yang relatif kecil, seperti yang telah dibahas pada paragraf sebelumnya. Selain kelima kategori di atas, kategori lain yang cenderung berasosiasi dengan kategori nama calon adalah pengeluaran tinggi (X4c), buruh (X5b), petani (X5c), pegawai swasta
Gambar 5
Plot dua dimensi analisis korespondensi.
Analisis Regresi Logistik Biner Analisis regresi logistik biner digunakan untuk mengetahui faktor yang berpengaruh terhadap jenis pilihan (nama calon atau gambar partai) beserta karakteristiknya. Faktor-faktor tersebut mencakup faktor sosiologis (demografi) dan psikologis (pengetahuan seputar pemilu). Hal ini sebagai salah satu pendekatan dalam mempelajari perilaku pemilih (voter behaviour) di Jawa Barat. Model regresi logistik biner diperoleh dengan memasukkan seluruh peubah bebas ke dalam model. Taraf pengujian yang digunakan dalam analisis regresi logistik biner adalah 10%. Dari tabel 2 dapat dilihat bahwa nilai uji G yang diperoleh sebesar 109.647 dengan derajat bebas 23. Sementara p-value yang diperoleh sebesar 0.000 dan kurang dari taraf uji (10%).
(X5h) serta pendidikan sarjana (X6h). Jika dilihat dari jaraknya, maka jarak kelima kategori tersebut lebih dekat dengan kategori nama daripada kategori gambar (memiliki peluang yang lebih besar untuk memilih nama calon).
Kesimpulan dari uji simultan ini adalah hipotesis nol ditolak. Hal ini berarti, dari model regresi yang diperoleh, setidaknya ada satu peubah bebas yang berpengaruh terhadap peubah pilihan. Tabel 2 Uji Simultan dan uji Kelayakan model regresi logistik biner df Nilai p-value Jenis Uji Uji G 23 109.647 0.000 Uji Hosmer8 12.280 0.139 Lemeshow Uji kelayakan model menggunakan uji Hosmer-Lemeshow. Statistik uji HosmerLemeshow yang didapat sebesar 12.280 dengan derajat bebas 8 dan p-value sebesar 0.139. P-value yang didapat lebih besar dari taraf uji 10% sehingga hipotesis nol yang diuji tidak ditolak. Hal ini berarti bahwa model regresi logistik yang didapat layak (fit) dengan
9
data atau dengan kata lain, model regresi yang didapat efektif dalam menggambarkan pengaruh peubah bebas terhadap peubah pilihan. Lampiran 8 menampilkan tabel klasifikasi model regresi logistik biner terhadap data yang digunakan. Dari 1085 responden yang memilih gambar partai, sebanyak 643 (59.26%) dapat diprediksi oleh model. Sementara dari 1106 responden yang memilih nama calon, sebanyak 627 (56.69%) dapat diprediksi oleh model. Secara keseluruhan model regresi logistik biner yang diperoleh dapat memprediksi dengan benar sebesar 57.96%. Hasil uji Wald terhadap masing-masing parameter menunjukkan bahwa faktor yang mempengaruhi jenis pilihan (nama calon atau gambar partai) adalah: 1. Pengeluaran (X4) 2. Jenis pekerjaan (X5) 3. Pendidikan (X6) 4. Agama (X8) 5. Persentase tahu sasaran dari partai yang dikenal (X10) 6. Tahu atau tidaknya responden dengan calon dari daerah pemilihan (X11) Selengkapnya dapat dilihat pada Tabel 3. Seperti terlihat pada Lampiran 9, peubah jenis kelamin ternyata tidak berpengaruh terhadap peubah pilihan. Hal ini berarti, meskipun peubah jenis kelamin berhubungan dengan pilihan, tetapi tidak signifikan berpengaruh.
Dari Tabel 3 terlihat bahwa karakteristik masyarakat yang memilih gambar adalah masyarakat dengan pendidikan SMP, SMA, akademi, pegawai negeri dan pesiunan. Sementara itu, masyarakat yang memilih nama calon memiliki karakteristik sebagai berikut: 1. Pengeluaran per bulan menengah ke atas ( ≥Rp 2.500.001) 2. Bekerja sebagai petani, buruh, ibu rumah tangga, wiraswasta dan pegawai swasta 3. Pendidikan sarjana 4. Agama non islam 5. Tahu sasaran ≥ 50% dari total partai yang dikenal 6. Tahu calon legislatif dari daerah pemilihan Kesimpulan tersebut diperoleh dari interpretasi koefisien regresi logistik biner yang didapatkan serta dengan kategori dasar pada masing-masing peubah dapat dilihat pada Lampiran 1. Kategori ibu rumah tangga cenderung lebih memilih nama, namun jika dilihat dari deskripsi (Lampiran 3) proporsi pemilih ternyata proporsi yang memilih nama calon lebih besar daripada proporsi yang memilih gambar partai. Perbedaan kesimpulan ini terjadi karena model regresi biner yang diperoleh tidak mampu menggambarkan keseluruhan keragaman data awal.
Tabel 3 Hasil uji Wald peubah yang berpengaruh terhadap peubah pilihan Peubah B S.E. Wald db p-value Exp(B) Pengeluaran 6.104 2 0.047 Pengeluaran(1) 0.242 0.099 6.023 1 0.014 1.274 Pengeluaran(2) 0.266 0.477 0.310 1 0.578 1.305 Pekerjaan 30.506 7 0.000 Pekerjaan(1) 0.713 0.230 9.583 1 0.002 2.040 Pekerjaan(2) 0.518 0.255 4.134 1 0.042 1.678 Pekerjaan(3) 0.214 0.225 0.899 1 0.343 1.238 Pekerjaan(4) -0.446 0.273 2.667 1 0.102 0.640 Pekerjaan(5) 0.317 0.203 2.429 1 0.119 1.373 Pekerjaan(6) -0.058 0.293 0.039 1 0.844 0.944 Pekerjaan(7) 0.410 0.206 3.935 1 0.047 1.506 Pendidikan 5.675 4 0.225 Pendidikan(1) -0.013 0.127 0.010 1 0.919 0.987 Pendidikan(2) -0.037 0.119 0.097 1 0.756 0.964 Pendidikan(3) -0.085 0.202 0.177 1 0.674 0.919 Pendidikan(4) 0.383 0.197 3.763 1 0.052 1.466 Agama(1) 1.476 0.516 8.179 1 0.004 4.377 Kategori sasaran (1) 0.617 0.103 35.782 1 0.000 1.854 Caleg daerah (1) 0.448 0.219 4.182 1 0.041 1.565 Konstanta -0.440 0.225 3.808 1 0.051 0.644
10
Rasio odd digunakan untuk melihat seberapa besar peluang suatu kategori memilih nama calon jika dibandingkan dengan kategori dasar (X=0). Kategori dasar dari peubah dummy yang digunakan dapat dilihat pada Lampiran 1. Jika dilihat dari pengeluaran per bulan, maka pemilih dengan pengeluaran menengah (Rp 1.250.001-Rp 3.500.000) memiliki kecenderungan memilih nama calon sebesar 1.274 kali dibandingkan dengan pemilih yang mempunyai pengeluaran rendah/bawah (≤ Rp 1.250.000). Oleh karena itu, peluang memilih nama oleh masyarakat yang mempunyai pengeluaran menengah lebih besar dibandingkan dengan masyarakat dengan pengeluaran rendah/bawah. Pemilih yang bekerja sebagai buruh, petani, dan pegawai swasta masing-masing secara berturut-turut memiliki peluang memilih nama calon sebesar 2.040, 1.678 dan 1.506 kali dibandingkan pemilih yang tidak bekerja (pengangguran). Sementara itu, pemilih yang berpendidikan sarjana atau di atasnya memiliki peluang memilih nama sebesar 1.466 dibandingkan dengan pemilih yang berpendidikan SD atau di bawahnya. Pemilih yang beragama non islam mempunyai peluang memilih nama sebesar 4.377 kali dibandingkan dengan pemilih yang beragama islam. Sementara, pemilih yang tahu calon dari daerah pemilihan mempunyai peluang memilih nama sebesar 1.565 kali dibandingkan dengan pemilih yang tidak tahu. Pemilih yang mengetahui sasaran ≥50% dari total partai yang dikenal memiliki peluang memilih nama calon yang lebih besar dibandingkan dengan pemilih yang hanya tahu sasaran <50% dari total partai yang dikenal. Besarnya peluang tersebut sebesar 1.854. Karakteristik Pemilih Didasarkan pada peubah yang berpengaruh terhadap pilihan, karakteristik masyarakat yang memiliki peluang memilih nama lebih besar daripada peluang memilih gambar adalah : 1. Pengeluaran per bulan menengah ke atas ( ≥Rp 2.500.001), 2. Bekerja sebagai buruh, petani, dan pegawai swasta 3. Pendidikan sarjana, 4. Agama non islam, 5. Tahu sasaran ≥ 50% dari total partai yang dikenal 6. Tahu calon legislatif yang akan mewakili daerah pemilihan.
Sebaliknya, pemilih dengan pengeluaran per bulan rendah (kurang dari Rp. 2.500.000), pengangguran, ibu rumah tangga, pensiunan, pegawai negeri, pendidikan SMA dan akademi serta tahu sasaran <50% dari total partai yang dikenal memiliki peluang memilih gambar partai yang lebih besar daripada peluang memilih nama calon. Sementara itu, pemilih Jawa Barat dengan peluang memilih gambar partai dan peluang memilih nama calon relatif sama memiliki karakteristik sebagai berikut: 1. Pendidikan ≤SD, SMP 2. Beragama islam 3. Tidak tahu calon legislatif dari daerah pemilihan Kesimpulan di atas diperoleh dari hasil analisis sebelumnya dan dibandingkan dengan hasil dari analisis deskriptif (Lampiran 3). KESIMPULAN DAN SARAN Kesimpulan Dari hasil analisis deskriptif yang didapatkan, sebagian besar pemilih masih belum mengenal partai peserta pemilu legislatif 2009. Sementara itu, pemilih yang mengenal beberapa partai, ternyata hanya sedikit yang tahu sasaran dari partai tersebut. Mereka hanya sebatas mengenal nama partai tanpa tahu sasaran dari partai yang dikenal tersebut. Selain itu, mereka juga banyak yang tidak mengenal calon yang akan bersaing untuk mewakili daerah pemilihan di Jawa Barat. Hal ini berarti bahwa sosialisasi dan pendidikan pemilih (voter education) yang dilakukan oleh pemerintah dan lembaga yang terkait tidak menyentuh semua lapisan pemilih di Jawa Barat. Faktor yang berhubungan dengan memilih nama calon atau gambar partai adalah jenis kelamin, pendidikan, pengeluaran, jenis pekerjaan, agama, persentase tahu sasaran dari partai yang dikenal dan faktor tahu atau tidak nama sejumlah calon dari daerah pemilihan di Jawa Barat. Dari berbagai faktor tersebut, hanya faktor jenis kelamin yang tidak signifikan berpengaruh terhadap jenis pilihan (nama calon atau gambar partai). Pemilih dengan tingkat pendidikan dan pengeluaran rendah memiliki peluang yang lebih besar dalam memilih gambar partai daripada memilih nama calon. Hal ini sangat memprihatinkan karena berarti sistem pemilu kurang dimengerti dan dipahami oleh kalangan masyarakat kecil. Selain itu, mereka juga
11
cenderung memiliki pemilu yang kurang.
pengetahuan
seputar
Saran Pada penelitian ini, sudut pandang perilaku memilih (voting behaviour) hanya dilihat dari aspek jenis pilihan. Oleh karena itu, penelitian selanjutnya disarankan untuk meneliti aspek lain, seperti aspek partai yang dipilih, loyalitas pemilih, tingkat keberhasilan pemilu dan lain sebagainya. Selain itu peubah-peubah yang digunakan tidak hanya sebatas faktor sosiologis dan psikologis saja. Karena penelitian ini menggunakan data survei sebelum pemilu maka sebaiknya penelitian selanjutnya menggunakan data survei pasca pemilu sebagai bahan perbandingan. Survei pasca pemilu diharapkan mampu menangkap perkembangan isu politik yang terjadi di masyarakat serta mengukur tingkat kepuasan terhadap calon yang mereka pilih pada pemilu 2009. DAFTAR PUSTAKA Agresti A. 2007. An Introduction to Categorical Data Analysis, Second Edition. New York : John Wiley & Sons. Daniel, W.W. 1990. Applied Nonparametric Statistics. Second Edition. Boston : PWSKent Publishing. Eriyanto. 2007. Partai politik dan peta studi perilaku pemilih di Indonesia. Kajian Bulanan; 09:13-22. [terhubung berkala]. http://www.lsi.co.id [14 Mei 2010]. Greenacre MJ. 1984. Theory and Application of Correspondence Analysis. New York: Academy Press. Hardle W, Simar L. 2003. Applied Multivariate Statistical Analysis. New York: Springer-Verlag.
Hosmer DW, Lemeshow S. 2000. Applied Logistic Regression. Second Edition. New York: John Wiley & Sons. Lebart L, Morineau A, Warwick KM. 1984. Multivariate Descriptive Statistical Analysis (Correspondence Analysis and Related Techniques for Large Matrices). Translated by Elisabeth Morailton Berry. New York: John Willey & Sons. Liddle RW, Mujani S. 2003. The Power of Leadership: Explaining Voting Behaviour in the New Indonesian Democracy. Comparative Political Studies, in press. Mujani S. 2003. Religious Democrats: Democratic Culture And Muslim Political Participation In Post-Suharto Indonesia [Disertasi]. Department of Political Science The Ohio State University. Mutaqin Z. 2008. Model regresi logistik biner untuk menganalisis tingkat intensitas pembelian majalah tempo [Skripsi]. Bogor: Jurusan Statistika FMIPA IPB. Rakhman S. 2004. Identifikasi Karakteristik Pemilih Presiden 2004-2009 serta FaktorFaktor yang Mempengaruhinya (studi kasus: kota Bogor) [Skripsi]. Bogor: Jurusan Statistika FMIPA IPB. Reilly B, Reynolds A. 2001. Sistem Pemilu. IDEA International Stockhlom,United Nations New York, dan IFES Washington DC. [terhubung berkala]. http://www. aceproject.com [21 juni 2010]. Sudaryanti. 2008. Analisis tentang perilaku pemilih pada Pilkada tahun 2005 di Surakarta (studi deskriptif tentang perilaku PNS pemerintah Kota Surakarta dalam Pilkada tahun 2005 di Surakarta). [skripsi]. FISIP Universitas Sebelas Maret Surakarta
LAMPIRAN
13
Lampiran 1 Peubah yang digunakan dalam penelitian Peubah Jenis Kelamin (X1) Kategori Desa-Kota (X2) Usia (X3) Pengeluaran per bulan (X4)
Jenis pekerjaan (X5)
Pendidikan (X6)
Etnis (X7) Agama (X8) Jumlah partai yang dikenal (X9) Persentase tahu sasaran dari total partai yang dikenal (X10) Calon legislatif yang akan mewakili daerah pemilihan (X11) Peubah pilihan (Y)
Kategori Pria (X1a) Wanita (X1b) Desa (X2a) Kota (X2b) 17-30 Tahun (X3a) 31-50 Tahun (X3b) >50 Tahun (X3c) Bawah : ≤ Rp 1.250.000 (X4a) Menengah : Rp 1.250.001-Rp 3.500.000 (X4b) Atas : > Rp 3.500.000 (X4c) Pengangguran (X5a) Buruh (X5b) Petani (X5c) Ibu rumah tangga (X5d) Pensiunan (X5e) Wiraswasta (X5f) Pegawai negeri (X5g) Pegawai swasta (X5h) ≤ SD (X6a) SMP (X6b) SMA (X6c) Akademi (X6d) Sarjana atau di atasnya (X6e) Pribumi (X7a) Non pribumi (X7b) Islam (X8a) Non Islam (X8b) <10 partai (X9a) 10-19 partai (X9b) 20-29 partai (X9c) >29 partai (X9d) <50% dari total partai yang dikenal (X10a) ≥50% dari total partai yang dikenal (X10b) Tidak tahu (X11a) Tahu (X11b) Gambar partai (Y0) Nama calon (Y1)
Kode 0 1 0 1 0 1 2 0 1 2 0 1 2 3 4 5 6 7 0 1 2 3 4 0 1 0 1 0 1 2 3 0 1 0 1 0 1
14
Lampiran 2 Frekuensi kategori peubah yang digunakan dalam penelitian Peubah Jenis Kelamin Kategori Desa-Kota Usia Pengeluaran per bulan
Jenis pekerjaan
Pendidikan
Etnis Agama Jumlah partai yang dikenal Persentase tahu sasaran dari partai yang dikenal Calon yang mewakili daerah pemilihan Pilihan
Kategori Pria Wanita Desa Kota 17-30 Tahun 31-50 Tahun > 50 Tahun Bawah Menengah Atas Pengangguran Buruh Petani Ibu rumah tangga Pensiunan Wiraswasta Pegawai negeri Pegawai swasta ≤ SD SMP SMA Akademi ≥ Sarjana Pribumi Non Pribumi Islam Non Islam <10 partai 10-19 partai 20-29 partai >29 partai <50% dari partai yang dikenal ≥50% dari partai yang dikenal Tidak tahu Tahu Gambar partai Nama calon
Jumlah 1352 839 627 1564 362 1166 663 1345 826 20 135 228 147 507 113 507 93 461 711 443 693 141 203 2175 16 2167 24 1949 236 6 0 1575 616 2094 97 1085 1106
Frekuensi 61.71% 38.29% 28.62% 71.38% 16.52% 53.22% 30.26% 61.39% 37.70% 0.91% 6.16% 10.41% 6.71% 23.14% 5.16% 23.14% 4.24% 21.04% 32.45% 20.22% 31.63% 6.44% 9.27% 99.27% 0.73% 98.90% 1.10% 88.96% 10.77% 0.27% 0.00% 71.88% 28.12% 95.57% 4.43% 49.52% 50.48%
15
Lampiran 3 Tabel kontingensi antara peubah demografi dan pengetahuan seputar pemilu dengan peubah pilihan Jenis Pilihan Kategori Peubah Gambar partai Nama Calon Jumlah Persentase Jumlah Persentase Pria 647 47.86% 705 52.14% Jenis Kelamin Wanita 438 52.21% 401 47.79% Desa 308 49.12% 319 50.88% Kategori Desa-Kota Kota 777 49.68% 787 50.32% 17-30 Tahun 184 50.83% 178 49.17% Usia 31-50 Tahun 584 50.09% 582 49.91% > 50 Tahun 317 47.81% 346 52.19% Bawah 706 52.49% 639 47.51% Pengeluaran per bulan Menengah 371 44.92% 455 55.08% Atas 8 40.00% 12 60.00% Pengangguran 76 56.30% 59 43.70% Buruh 96 42.11% 132 57.89% Petani 67 45.58% 80 54.42% Ibu rumah tangga 279 55.03% 228 44.97% Jenis pekerjaan Pensiunan 74 65.49% 39 34.51% Wiraswasta 247 48.72% 260 51.28% Pegawai negeri 48 51.61% 45 48.39% Pegawai swasta 198 42.95% 263 57.05% ≤ SD 358 50.35% 353 49.65% SMP 223 50.34% 220 49.66% Pendidikan SMA 357 51.52% 336 48.48% Akademi 75 53.19% 66 46.81% ≥ Sarjana 72 35.47% 131 64.53% Pribumi 1077 49.52% 1098 50.48% Etnis Non Pribumi 8 50.00% 8 50.00% Islam 1080 49.84% 1087 50.16% Agama Non Islam 5 20.83% 19 79.17% <10 partai 965 49.51% 984 50.49% 10-19 partai 117 49.58% 119 50.42% Jumlah partai yang dikenal 20-29 partai 3 50.00% 3 50.00% >29 partai 0 0.00% 0 0.00% <50% 848 53.84% 727 46.16% Persentase tahu sasaran dari partai yang dikenal ≥ 50% 237 38.47% 379 61.53% Tidak Tahu 1046 49.95% 1048 50.05% Calon yang mewakili daerah pemilihan Tahu 39 40.21% 58 59.79% Lampiran 4 Nilai singular, inersia, proporsi keragaman yang mampu dijelaskan plot hasil analisis korespondensi Dimensi 1 2 Total
Nilai Singular 2.656 2.184 4.840
Inersia 0.266 0.218 0.484
Keragaman 26.56% 21.84% 48.40%
16
Lampiran 5 Koordinat masing-masing kategori dalam plot dua dimensi Peubah Jenis Kelamin Pengeluaran
Jenis pekerjaan
Pendidikan
Agama Persentase tahu sasaran dari partai yang dikenal Calon yang mewakili daerah pemilihan Pilihan
Kategori Pria Wanita Bawah Menengah Atas Pengangguran Buruh Petani Ibu rumah tangga Pensiunan Wiraswasta Pegawai negeri Pegawai swasta SD SMP SMA Akademi >=Sarjana Islam Non islam <50% ≥ 50% Tidak Tahu Tahu Gambar partai Nama palon
Frekuensi 1352 839 1345 826 20 135 228 147 507 113 507 93 461 711 443 693 141 203 2167 24 1575 616 2094 97 1085 1106
Koordinat Centroid Dimensi 1 2 -0.076 -0.063 0.122 0.101 0.342 -0.020 -0.520 0.034 -1.533 -0.060 0.184 0.426 0.595 -0.836 0.592 -0.969 0.500 0.117 -0.050 0.543 0.156 0.053 -1.636 0.462 -0.916 0.184 0.730 -0.927 0.276 0.041 -0.054 0.788 -0.699 1.648 -2.489 -0.677 0.001 -0.001 -0.134 0.129 0.234 0.055 -0.599 -0.139 0.027 -0.016 -0.581 0.345 0.384 0.552 -0.377 -0.541
17
Lampiran 6
Jarak kategori gambar partai dan nama calon terhadap kategori peubah yang lain pada plot dua dimensi Jarak terhadap kategori Peubah Kategori Gambar Partai (Y0) Nama calon (Y1) Pria 0.767 0.565 Jenis Kelamin Wanita 0.521 0.813 Bawah 0.573 0.888 Pengeluaran per bulan Menengah 1.042 0.592 Atas 2.012 1.253 Pengangguran 0.236 1.118 Buruh 1.404 1.016 Petani 1.534 1.058 Ibu rumah tangga 0.449 1.096 Jenis pekerjaan Pensiunan 0.434 1.132 Wiraswasta 0.548 0.798 Pegawai negeri 2.022 1.610 Pegawai swasta 1.351 0.904 SD 1.518 1.172 SMP 0.522 0.874 Pendidikan SMA 0.498 1.367 Akademi 1.541 2.213 ≥Sarjana 3.124 2.117 Islam 0.672 0.659 Agama Non islam 0.668 0.713 <50% 0.519 0.853 Persentase tahu sasaran dari partai yang dikenal ≥ 50% 1.202 0.459 Tidak Tahu 0.670 0.662 Calon yang mewakili daerah pemilihan Tahu 0.987 0.910
Lampiran 7 Jarak beberapa kategori terhadap gambar partai dan nama calon setelah diurutkan Kategori Gambar Partai (Y0) Kategori Nama calon (Y1) Pengangguran 0.236 ≥ 50% 0.459 Pensiunan 0.434 Pria 0.565 Ibu rumah tangga 0.449 Menengah 0.592 SMA 0.498 Islam 0.659 <50% 0.519 Tidak Tahu 0.662 Wanita 0.521 Non islam 0.713 SMP 0.522 Wiraswasta 0.798 Wiraswasta 0.548 Wanita 0.813 Bawah 0.573 <50% 0.853 Non islam 0.668 SMP 0.874 Tidak Tahu 0.670 Bawah 0.888 Islam 0.672 Pegawai swasta 0.904 Pria 0.767 tahu 0.910 tahu 0.987 Buruh 1.016 Menengah 1.042 Petani 1.058 ≥ 50% 1.202 Ibu rumah tangga 1.096 Pegawai swasta 1.351 Pengangguran 1.118 Buruh 1.404 Pensiunan 1.132 SD 1.518 SD 1.172 Petani 1.534 Atas 1.253 Akademi 1.541 SMA 1.367 Atas 2.012 Pegawai negeri 1.610 Pegawai negeri 2.022 ≥Sarjana 2.117 ≥Sarjana 3.124 Akademi 2.213
18
Lampiran 8 Klasifikasi model regresi logistik biner Prediksi Amatan Gambar partai Nama Caleg 643 442 Gambar partai 479 627 Nama Caleg % Total
% Benar 59.26 56.69 57.96
Lampiran 9 Hasil uji Wald parameter model regresi logistik biner Peubah B S.E. Wald db -0.128 0.125 1.039 1 Tahap 1 Gender(1) Kategori Desa-Kota(1) -0.137 0.100 1.894 1 Usia 1.011 2 Usia(1) -0.045 0.131 0.119 1 Usia(2) 0.059 0.146 0.165 1 Pengeluaran 6.104 2 Pengeluaran(1) 0.242 0.099 6.023 1 Pengeluaran(2) 0.266 0.477 0.310 1 Pekerjaan 30.506 7 Pekerjaan(1) 0.713 0.230 9.583 1 Pekerjaan(2) 0.518 0.255 4.134 1 Pekerjaan(3) 0.214 0.225 0.899 1 Pekerjaan(4) -0.446 0.273 2.667 1 Pekerjaan(5) 0.317 0.203 2.429 1 Pekerjaan(6) -0.058 0.293 0.039 1 Pekerjaan(7) 0.410 0.206 3.935 1 Parpol dikenal 0.926 2 Parpol dikenal (1) 0.083 0.145 0.325 1 Parpol dikenal (2) -0.646 0.852 0.575 1 Kategori sasaran(1) 0.617 0.103 35.782 1 Caleg Daerah(1) 0.448 0.219 4.182 1 Etnis(1) -0.202 0.530 0.145 1 Agama(1) 1.476 0.516 8.179 1 Pendidikan 5.675 4 Pendidikan(1) -0.013 0.127 0.010 1 Pendidikan(2) -0.037 0.119 0.097 1 Pendidikan(3) -0.085 0.202 0.177 1 Pendidikan(4) 0.383 0.197 3.763 1 Konstanta -0.440 0.225 3.808 1
p-value 0.308 0.169 0.603 0.731 0.684 0.047 0.014 0.578 0.000 0.002 0.042 0.343 0.102 0.119 0.844 0.047 0.629 0.568 0.448 0.000 0.041 0.703 0.004 0.225 0.919 0.756 0.674 0.052 0.051
Exp(B) 0.880 0.872 0.956 1.061 1.274 1.305 2.040 1.678 1.238 0.640 1.373 0.944 1.506 1.086 0.524 1.854 1.565 0.817 4.377 0.987 0.964 0.919 1.466 0.644
