Jawa Timur adalah sebuah provinsi di bagian timur Pulau Jawa yang terdiri dari 29 Kabupaten dan 9 Kota. Secara umum wilayah provinsi Jawa Timur dapat dibagi menjadi 2 bagian besar yaitu Jawa Timur daratan dan Pulau Madura. Luas wilayah Jawa Timur daratan hampir mencapai 90 persen dari luas keseluruhan, sedangkan wilayah Madura hanya sekitar 10 persen. Sehingga penelitian ini dibagi kedalam dua kelompok, kelompok pertama Provinsi Jawa Timur dengan melibatkan seluruh wilayah administratif dan kelompok kedua Provinsi Jawa Timur tanpa melibatkan pulau Madura untuk melihat model yang dihasilkan dan pola spasial yang terjadi.
Pembentukan model SAR dan CAR diawali dengan pemilihan peubah yang digunakan dalam model menggunakan metode stepwise. Hasil pemeriksaan metode stepwise menunjukkan dari delapan peubah yang digunakan terdapat lima peubah yang signifikan yaitu X2, X3, X6, X7, dan X8. Diagram kotak garis untuk peubah yang diamati memperlihatkan pola penyebaran data yang disajikan pada Gambar 3. Keragaman data yang besar terdapat pada peubah bebas X2
(penduduk yang berpendidikan di bawah SD), X3 (rumah tangga yang menggunakan air bersih), X6 (penduduk yang mendapat asuransi kesehatan), X8
(penduduk yang mendapat surat miskin), dan peubah respon Z (persentase penduduk di bawah garis kemiskinan). Nilai keragaman data yang kecil terdapat pada peubah bebas X7 (penduduk yang membeli beras bersubsidi) .
Pencilan data pada peubah X2 (penduduk yang berpendidikan di bawah SD) terdapat pada Kabupaten Sampang dan Sumenep yang mempunyai persentase yang lebih besar dibandingkan kabupaten/kota lainnya. Hal ini menunjukkan bahwa perkembangan pendidikan pada kabupaten ini belum cukup baik. Berbeda dengan peubah X7 (penduduk yang membeli beras bersubsidi), pencilan terdapat pada Kabupaten Sampang dan Bangkalan. Nilai Persentase penduduk yang
membeli beras bersubsidi pada daerah ini memperlihatkan persentase yang relatif sama sehingga pencilan yang terlihat cenderung berimpit.
18 z x8 x7 x6 x3 x2 35 30 25 20 15 10 5 0 P e r s e n t a s e
Gambar 3 Deskripsi peubah yang digunakan kabupaten/kota di Jawa Timur Analisis Model SAR
Analisis model SAR pada provinsi Jawa Timur dengan melibatkan seluruh wilayah administratif memperlihatkan bahwa persentase penduduk miskin dipengaruhi beberapa peubah yang signifikan. Uji Likelihood Ratio Test (LRT) memperlihatkan dari lima peubah bebas yang digunakan pada tahun 2008 diperoleh nilai korelasi spasial = 0.121 dengan nilai LR test = 4.476 dan nilai p = 0.034. Hal ini menunjukkan model nyata pada taraf α = 10%. Pengamatan
suatu wilayah atau lokasi yang berdekatan akan berpengaruh terhadap pengamatan pada lokasi di sekitarnya (Tobler, 1979). Uji signifikansi peubah pada Tabel 1 menunjukkan bahwa semua peubah yang dimasukkan dalam model adalah signifikan yaitu : X2, X3, X6, X7, dan X8.
Kenaikan X2 sebesar satu satuan akan menyebabkan kenaikan persentase penduduk miskin sebesar 0.85 persen. Pendidikan merupakan faktor penting dalam meningkatkan sumber daya manusia. Rendahnya mutu pendidikan merupakan salah satu faktor penghambat penyediaan sumber daya manusia yang mempunyai keahlian dan keterampilan untuk memenuhi pembangunan bangsa di berbagai bidang. Kenaikan X3 sebesar satu satuan akan menyebabkan kenaikan persentase penduduk miskin sebesar 0.13 persen. Kenaikan X6 sebesar satu satuan akan menyebabkan kenaikan persentase penduduk miskin sebesar 0.11 persen. Kenaikan X7 sebesar satu satuan akan menyebabkan kenaikan persentase penduduk miskin sebesar 0.36 persen. Kenaikan X8 sebesar satu satuan akan menyebabkan kenaikan persentase penduduk miskin sebesar 0.36 persen. Banyaknya program bantuan yang dilakukan pemerintah untuk penduduk berupa pemberian surat miskin, jaminan kesehatan (Askeskin), dan bantuan beras bersubsidi (raskin) juga memperlihatkan kondisi penduduk daerah tersebut.
Semakin banyak penduduk yang memperoleh bantuan, memperlihatkan tingginya tingkat kemiskinan di daerah tersebut. Hal ini menyebabkan peningkatan persentase penduduk di bawah garis kemiskinan di Provinsi Jawa Timur.
Analisis pada Provinsi Jawa Timur tanpa Pulau Madura menggunakan uji LRT memperlihatkan dari lima peubah bebas yang digunakan pada tahun 2008 diperoleh nilai korelasi spasial = 0.022 dengan nilai LRT = 0.057 dan nilai p = 0.812. Hal ini menunjukkan model tidak nyata pada taraf α = 10% yang
mengindikasikan tidak terdapat pengaruh spasial. Berdasarkan hasil yang diperoleh terlihat kemiskinan pada satu wilayah tidak mempengaruhi wilayah lain. Uji signifikansi peubah pada Tabel 1 menunjukkan bahwa peubah yang signifikan adalah X2, X3, dan X7.
Kenaikan X2 sebesar satu satuan akan menyebabkan kenaikan persentase penduduk miskin sebesar 0.40 persen. Kenaikan X3 sebesar satu satuan akan menyebabkan kenaikan persentase penduduk miskin sebesar 0.20 persen dan kenaikan X7 sebesar satu satuan akan menyebabkan kenaikan persentase penduduk miskin sebesar 0.59 persen apabila peubah lain dianggap konstan. Peningkatan persentase penduduk yang berpendidikan di bawah SD, persentase penduduk yang menggunakan fasilitas air bersih, dan persentase penduduk yang menerima beras bersubsidi akan meningkatkan persentase penduduk miskin di wilayah tersebut.
Tabel 1 Analisis perbandingan SAR Provinsi Jawa Timur Melibatkan seluruh
wilayah administratif Tanpa pulau Madura
Koefisien Nilai p Koefisien Nilai p
0.121 0.034* 0.022 0.812
(Intercept) 3.269 1.78E-15* 3.071 3.11E-15
X2 0.849 2.2E-16* 0.399 0.005* X3 0.133 0.051* 0.203 0.001* X6 0.114 0.016* 0.052 0.321 X7 0.358 1.33E-15* 0.588 9.48E-14* X8 0.357 6.60E-05* 0.092 0.512 *) signifikan pada = 10%
20
Analisis Model CAR
Uji LRT untuk Provinsi Jawa Timur dengan melibatkan seluruh wilayah administratif memperlihatkan dari lima peubah bebas yang digunakan pada tahun
2008 nilai korelasi spasial = 0.157 dengan nilai LRT = 3.739 dan nilai p = 0.053. Hal ini menunjukkan model nyata pada taraf α = 10%. Uji signifikansi
menunjukkan semua peubah signifikan untuk semua peubah yang digunakan dalam model (Tabel 2). Kenaikan peubah X2 sebesar satu satuan akan menyebabkan kenaikan persentase penduduk miskin sebesar 0.83 persen Kenaikan peubah X3 satu satuan akan menyebabkan kenaikan persentase sebesar 0.14 persen. Apabila dilihat dari peubah X6 , X7, dan X8 , menunjukkan kenaikan peubah ini sebesar satu satuan akan menaikkan persentase penduduk miskin sebesar 0.11 persen , 0.35 persen, dan 0.36 persen apabila peubah lain dianggap konstan.
Peubah yang mempengaruhi persentase penduduk di bawah garis kemiskinan adalah jumlah penduduk yang berpendidikan di bawah SD, rumah tangga yang menggunakan air bersih, penduduk yang mendapatkan asuransi kesehatan, beras bersubsidi, dan surat miskin. Peningkatan penduduk yang berpendidikan rendah akan menyebabkan rendahnya kualitas sumber daya manusia di suatu wilayah, sehingga akan mempengaruhi kemampuan daerah itu meningkatkan kesejahteraan penduduknya. Peningkatan rumah tangga yang menggunakan air mineral, PAM, sumur yang menyebabkan kenaikan persentase penduduk di bawah garis kemiskinan sangat bertentangan dengan teori yang ada. Peningkatan rumah tangga yang menggunakan air mineral, PAM, sumur sama sekali tidak menurunkan persentase penduduk di bawah garis kemiskinan. Kenaikan persentase penduduk yang mendapatkan surat miskin juga merupakan hal yang berpengaruh dalam meningkatkan persentase penduduk di bawah garis kemiskinan. Semakin banyak penduduk yang mendapatkan surat miskin semakin memperlihatkan bahwa banyak terdapat penduduk miskin di daerah tersebut. Kenaikan persentase penduduk yang menerima asuransi kesehatan dan penerima beras miskin menyebabkan kenaikan persentase kemiskinan pada model CAR.
Uji LRT untuk Provinsi Jawa Timur tanpa Pulau Madura memperlihatkan dari
= 0.029 dengan nilai LRT = 0.039 dan nilai p = 0.843. Hal ini menunjukkan
model tidak nyata pada taraf α = 10%. Uji signifikansi menunjukkan peubah
signifikan yang digunakan dalam model (Tabel 2). Kenaikan peubah X2 sebesar satu satuan akan menyebabkan kenaikan persentase penduduk miskin sebesar 0.39 persen. Kenaikan peubah X3 dan X7 sebesar satu satuan akan menyebabkan kenaikan persentase sebesar 0.20 persen dan 0.58 persen apabila peubah lain dianggap konstan.
Tabel 2 Analisis perbandingan CAR Provinsi Jawa Timur Melibatkan seluruh
wilayah administratif Tanpa pulau Madura
Koefis
ien Nilai p Koefisien Nilai p
0.121 0.034* 0.029 0.843
(Intercept) 3.213 1.20E-14 3.071 2.67E-15
X2 0.836 < 2.2e-16* 0.392 0.005* X3 0.146 0.035* 0.205 0.001* X6 0.119 0.017* 0.053 0.319 X7 0.353 1.55E-15* 0.589 4.80E-14* X8 0.363 8.76E-05* 0.093 0.506 *) signifikan pada = 10%
Analisis perbandingan Model SAR dan CAR
Beberapa kiteria yang digunakan dalam melihat uji kebaikan model dalam model SAR dan CAR adalah AIC, penduga ragam, nilai koefisien korelasi spasial, dan plot antara z dengan dan . Selain itu pengujian hipotesis terhadap z dengan juga bisa digunakan untuk melihat kebaikan model. Hipotesis yang dipakai adalah H0 : = 1 vs H1 : .
Tabel 3 memperlihatkan uji kebaikan model AIC model SAR lebih baik daripada model CAR. Provinsi Jawa Timur dengan melibatkan seluruh wilayah administratif memperlihatkan nilai AIC model SAR = 111.95 lebih kecil dibandingkan model CAR = 112.69. Dilihat dari nilai penduga ragam model SAR = 0.82 yang lebih kecil dibandingkan dengan model CAR = 0.83. Plot antara dengan peubah z seperti terlihat pada Gambar 4a memperlihatkan model SAR dan model CAR cenderung linier. Hal ini terlihat dengan titik-titik yang cenderung berimpit antar kedua model tersebut.
22
Uji kebaikan model pada Provinsi Jawa Timur tanpa Pulau Madura terlihat nilai AIC model SAR = 94.781 lebih kecil dibandingkan model CAR = 94.799. Dilihat dari nilai penduga ragam model SAR dan model CAR mempunyai nilai yang sama yaitu 0.77. Plot antara z dengan dan seperti terlihat pada Gambar 4b memperlihatkan model SAR dan CAR cenderung lebih linier. Hal ini juga didukung dengan pola linier yang terbentuk dari plot dan pada Gambar 5.
Pengujian hipotesis H0 : = 1 vs H1 : untuk z dengan dan
dapat dilihat pada Lampiran 3 dan 4. Sedangkan pengujian hipotesis H0 : = 1 vs H1 : untuk dan dapat dilihat pada lampiran 5 dan 6.
Analisi regresi memperlihatkan bahwa model signifikan pada = 10 %. Hal ini terlihat pada Provinsi Jawa Timur dengan melibatkan seluruh wilayah administratif dan tanpa melibatkan Pulau Madura sehingga dapat disimpulkan bahwa model SAR dan CAR sama baiknya.
Tabel 3 Perbandingan analisis Model SAR dan CAR Provinsi Jawa Timur Seluruh wilayah administratif Tanpa Pulau Madura
Kriteria SAR CAR SAR CAR
AIC 111,95 112,69 94.781 94.799 0.82 0.83 0.77 0.77 0.121 0.157 0.021 0.029 35 30 25 20 15 10 35 30 25 20 15 10 5 z zcar_1 zsar_1 Variable
a. Seluruh wilayah administratif
20.0 17.5 15.0 12.5 10.0 7.5 5.0 35 30 25 20 15 10 5 z zcar zsar Variable
b.Tanpa Pulau Madura
35 30 25 20 15 10 35 30 25 20 15 10 zsar z c a r
a. Seluruh wilayah administratif
20.0 17.5 15.0 12.5 10.0 7.5 5.0 20.0 17.5 15.0 12.5 10.0 7.5 5.0 zcar z s a r
b.Tanpa Pulau Madura Gambar 5 Plot antara dan Provinsi Jawa Timur
Analisis Indeks Moran
Hasil perhitungan Indeks Moran pada Tabel 4 menguji pola asosiasi spasial yang terjadi secara umum pada wilayah di Provinsi Jawa Timur. Hasil analisis berdasarkan seluruh wilayah administrasi sebaran masing-masing peubah bebas yang digunakan pada model SAR dan CAR menunjukkan nilai yang signifikan kecuali X7. Sedangkan Provinsi Jawa Timur tanpa melibatkan Pulau Madura menunjukkan nilai yang signifikan untuk semua peubah kecuali X6 dan X7. Signifikansi pada tiap peubah menunjukkan terjadi asosiasi spasial antara wilayah Kabupaten/Kota di Provinsi Jawa Timur.
Tabel 4 Indeks Moran global peubah bebas Provinsi Jawa Timur
Seluruh wilayah administratif Tanpa Pulau Madura Peubah Indeks Moran Nilai p Indeks Moran Nilai p
X2 0.582 0.002* 0.260 0.011* X3 0.417 0.003* 0.191 0.036* X6 0.277 0.011* 0.123 0.116 X7 0.005 0.301 -0.039 0.445 X8 0.339 0.008* 0.286 0.006* Z 0.486 0.002 0.239 0.026 *) signifikan pada = 10%
24
Analisis LISA
Berdasarkan hasil analisis LISA untuk peubah bebas di Provinsi Jawa Timur menunjukkan nilai yang signifikan pada beberapa wilayah (Tabel 5). Peubah X2
mengindikasikan terjadinya pencilan spasial atas pada Kabupaten Bangkalan, Sampang, dan Pamekasan. Peubah X3 mengindikasikan terjadinya pencilan spasial atas pada Kabupaten Bangkalan, Sampang, Pamekasan, dan Sumenep. Peubah X6 mengindikasikan terjadinya pencilan spasial pada Kabupaten Sampang, Pamekasan dan Sumenep. Hal ini memperlihatkan bahwa nilai pengamatan berada di atas rata-rata wilayah lain.
Tabel 5 Hasil analisis LISA untuk Provinsi Jawa Timur dengan seluruh wilayah administratif Peubah wilayah signifikan nilai Z rata-rata tetangga Z (Z): Ii Tinggi/ rendah nilai p X2 Bangkalan 2.772 3.260 9.039 Tinggi-tinggi 0.031 Sampang 3.260 1.844 6.011 Tinggi-tinggi 0.015 Pamekasan 0.915 2.185 1.999 Tinggi-tinggi 0.012 X3 Bangkalan 2.3085 1.346 3.108 Tinggi-tinggi 0.081 Sampang 1.346 2.060 2.774 Tinggi-tinggi 0.009 Pamekasan 1.812 1.527 2.767 Tinggi-tinggi 0.022 Sumenep 1.707 1.812 3.094 Tinggi-tinggi 0.052 X6 Sampang 1.626 1.459 2.373 Tinggi-tinggi 0.063 Pamekasan 2.449 1.119 2.742 Tinggi-tinggi 0.047 Sumenep 0.613 2.449 1.502 Tinggi-tinggi 0.042 X7 Pamekasan -0.393 1.952 -0.768 Rendah-tinggi 0.045 X8 Sumenep 0.977 1.590 1.554 Tinggi-tinggi 0.081 K.probolinggo -0.193 2.162 -0.417 Rendah-tinggi 0.002 Z Bangkalan 2.125 2.383 5.065 Tinggi-tinggi 0.019 Pamekasan 1.225 2.026 2.482 Tinggi-tinggi 0.018 Sampang 2.383 1.675 3.992 Tinggi-tinggi 0.014 *) signifikan pada = 10%
Berbeda dengan peubah yang lainnya, pada peubah X7 dan X8 terdeteksi pencilan spasial bawah yang artinya pada wilayah tersebut nilai observasi berada di bawah nilai rata-rata wilayah lain. Pada peubah X7 pencilan spasial bawah terdeteksi pada Kabupaten Pamekasan sedangkan peubah X8 terdeteksi pada Kota Probolinggo. Selain terdeteksi pencilan spasial bawah pada peubah X8 juga
terdeteksi pencilan spasial atas pada Kabupaten Sumenep. Peubah respon Z juga mendeteksi pencilan spasial atas pada Kabupaten Bangkalan, Pamekasan, dan Sampang.
Tabel 6 Hasil analisis LISA untuk Provinsi Jawa Timur tanpa Pulau Madura Peubah wilayah signifikan nilai Z rata-rata tetangga Z (Z): Ii Tinggi/ rendah nilai p X2 Lumajang 0.305 1.164 0.355 Tinggi-tinggi 0.048 Jember 0.896 1.239 1.110 Tinggi-tinggi 0.036 Banyuwangi 0.059 1.107 0.065 Tinggi-tinggi 0.04 Bondowoso 1.425 1.281 1.826 Tinggi-tinggi 0.005 Situbondo 1.000 1.551 1.551 Tinggi-tinggi 0.018 Probolinggo 3.169 0.649 2.059 Tinggi-tinggi 0.04 K.Probolinggo -0.218 3.169 -0.689 Rendah-tinggi 0.002 X3 Jombang 0.409 0.808 0.330 Tinggi-tinggi 0.055 Nganjuk 1.666 0.732 1.219 Tinggi-tinggi 0.072 Magetan 0.715 1.004 0.718 Tinggi-tinggi 0.08 Ngawi 1.654 0.984 1.627 Tinggi-tinggi 0.074 Bojonegoro 1.402 1.025 1.436 Tinggi-tinggi 0.021 Tuban 0.336 1.326 0.445 Tinggi-tinggi 0.028 Lamongan 1.249 0.899 1.123 Tinggi-tinggi 0.021 X6 Bojonegoro -0.266 0.850 -0.227 Rendah-tinggi 0.098 X7 K. Probolinggo 0.359 2.678 0.962 Tinggi-tinggi 0.08 X8 Banyuwangi -0.431 0.689 -0.297 Rendah-tinggi 0.096 Bojonegoro 1.513 0.790 1.195 Tinggi-tinggi 0.07 Tuban 1.790 1.231 2.205 Tinggi-tinggi 0.076 K. Probolinggo -0.084 2.304 -0.195 Rendah-tinggi 0.02 Z Tuban 1.713 1.247 2.137 Tinggi-tinggi 0.033 K. Probolinggo -0.141 2.467 -0.348 Rendah-tinggi 0.002 *) signifikan pada = 10%
Berdasarkan analisis LISA untuk peubah bebas di Provinsi Jawa Timur menunjukkan nilai yang signifikan pada beberapa wilayah (Tabel 6). Peubah X2
mengindikasikan terjadinya pencilan spasial atas pada Kabupaten Lumajang, Jember, Banyuwangi, Bondowoso, Situbondo, dan Probolinggo. Sedangkan pencilan spasial bawah terdapat pada Kota Probolinggo. Peubah X3
mengindikasikan terjadinya pencilan spasial atas pada Kabupaten Jombang, Nganjuk, Magetan, Ngawi, Bojonegoro, Tuban, dan Lamongan. Peubah X6 mengindikasikan terjadinya pencilan spasial bawah pada Kabupaten Bojonegoro.
26
Hal ini memperlihatkan bahwa nilai observasi berada di bawah rata-rata wilayah lain. Peubah X7 memperlihatkan terjadinya pencilan spasial atas di Kota Probolinggo. Berbeda dengan peubah yang lainnya, pada peubah X8 terdeteksi pencilan spasial atas dan pencilan spasial bawah. Pencilan spasial bawah mengindikasikan pada wilayah tersebut nilai observasi berada di bawah nilai rata-rata wilayah lain tepatnya pada Kabupaten Banyuwangi dan Kota Probolinggo, sedangkan pencilan spasial atas terdapat Kabupaten Bojonegoro dan Tuban. Peubah respon Z memperlihatkan adanya nilai pencilan spasial atas dan pencilan spasial bawah. Nilai pencilan spasial terdeteksi pada Kabupaten Tuban dan pencilan spasial pada Kota Probolinggo.
Penentuan Pencilan Spasial Faktor Kemiskinan
Perbandingan dalam bentuk asosiasi spasial pada masing-masing peubah berdasarkan wilayah administrasi dapat dilihat pada pencaran Moran dan peta tematik. Pencaran Moran dan peta tematik dapat memperlihatkan bentuk sebaran peubah pada masing-masing kabupaten/kota adalah:
1. Peubah X2 (pendidikan rendah)
Analisis plot yang ditunjukkan pada Gambar 6 menunjukkan pola titik yang berada pada satu kuadran yang sama. Dalam konteks LISA yang berbasis pada area lokal maka level signifikansi diukur pada masing-masing titik pada plot maupun area pada peta. Pada wilayah kabupaten/kota yang yang terletak pada Pulau Madura terjadi proses penggerombolan wilayah (Clustering) yang melibatkan 3 kabupaten/kota yaitu Kabupaten Bangkalan, Sampang, dan Pamekasan.
Proses penggerombolan antar wilayah terbentuk karena korelasi yang bersifat positif antar tiga kebupaten tersebut. Label tinggi-tinggi yang diberikan untuk wilayah berwarna merah mengindikasikan bahwa wilayah-wilayah tersebut memiliki nilai pengamatan yang tinggi dibanding wilayah lain di sekitar penggerombolan yang terbentuk. Pencaran Moran pada Gambar 6 menunjukkan pola titik pada kuadran yang berbeda. Wilayah kabupaten/kota pada Gambar 5b memperlihatkan terjadinya penggerombolan pada bagian selatan Provinsi Jawa
Timur. Sebelumnya wilayah tersebut secara spasial tidak teridentifikasi sebagai label tinggi-tinggi. Menggunakan analisis LISA dengan menghilangkan Pulau Madura wilayah tersebut bergabung dalam penggerombolan tinggi-tinggi. Penggerombolan wilayah (clustering) terdapat pada Kabupaten Lumajang, Jember, Banyuwangi, Bondowoso, Situbondo, Probolinggo, dan Kota Probolinggo.
a. Seluruh wilayah administrasi
b. Tanpa Pulau Madura
Gambar 6 Pencaran Moran dan peta tematik peubah X2
2. Peubah air bersih (X3)
Pencaran Moran yang ditunjukkan pada Gambar 7 menunjukkan pola titik yang berada pada satu kuadran yang sama. Pada wilayah kabupaten/kota yang yang terletak pada Pulau Madura terjadi proses penggerombolan wilayah (clustering) yang melibatkan 3 kabupaten/kota yaitu Kabupaten Bangkalan, Sampang, dan Pamekasan (Gambar 7a). Proses penggerombolan antar wilayah terbentuk karena korelasi yang bersifat positif antar empat kebupaten tersebut.
28
Label tinggi-tinggi yang diberikan untuk wilayah berwarna merah mengindikasikan bahwa wilayah-wilayah tersebut memiliki nilai pengamatan yang tinggi dibanding wilayah lain di sekitar penggerombolan yang terbentuk. Pada Gambar 7b Penggerombolan wilayah (clustering) terdapat Kabupaten Jombang, Nganjuk, Magetan, Ngawi, Bojonegoro, Tuban, dan Lamongan.
a. Seluruh wilayah administrasi
d. b. Tanpa Pulau Madura
Gambar 7 Pencaran Moran dan peta tematik peubah X3
3. Peubah Askeskin (X6)
Analisis pencaran Moran yang ditunjukkan pada Gambar 8 menunjukkan pola titik yang berada pada kuadran yang berbeda. Pada Gambar 8b terdapat nilai pangamatan terdeteksi sebagai pencilan yang bersifat rendah. Hal ini menunjukkan pada wilayah tersebut merupakan titik terlemah dibandingkan wilayah lain. Warna biru muda, mengindikasikan rendah-tinggi yang artinya wilayah tersebut rendah dibandingkan wilayah disekitarnya. Wilayah tersebut adalah kabupaten Subang.
Pada wilayah kabupaten/kota yang yang terletak pada pulau Madura terjadi proses penggerombolan wilayah (clustering) yang melibatkan 3 kabupaten/kota yaitu: Kabupaten Bangkalan, Sampang, dan Pamekasan (Gambar 8a). Proses
penggerombolan antar wilayah terbentuk karena korelasi yang bersifat positif antar empat kebupaten tersebut. Label tinggi-tinggi yang diberikan untuk wilayah berwarna merah mengindikasikan bahwa wilayah-wilayah tersebut memiliki nilai pengamatan yang tinggi dibanding wilayah lain di sekitar penggerombolan yang terbentuk. Pada Gambar 8b pencilan terlihat pada Kabupaten Bojonegoro yang bersifat rendah, artinya pada wilayah tersebut merupakan titik terlemah dibandingkan wilayah lain.
a. Seluruh wilayah administrasi
b. Tanpa Pulau Madura Gambar 8 Pencaran Moran dan peta tematik peubah X6
4. Peubah beras miskin (X7)
Analisis pencaran Moran yang ditunjukkan pada Gambar 9 menunjukkan pola titik yang berada pada satu kuadran yang berbeda. Terdapat nilai pangamatan terdeteksi sebagai pencilan spasial yang bersifat rendah pada Gambar 9a yang menunjukkan pada wilayah tersebut merupakan titik terlemah dibandingkan
30
wilayah lain. Warna biru muda, mengindikasikan rendah-tinggi yang artinya wilayah tersebut rendah dibandingkan wilayah di sekitarnya. Wilayah tersebut adalah Kabupaten Pamekasan. Berbeda dengan pencilan spasial atas yang terlihat pada Gambar 9b yang terdapat pada Kota Probolinggo. Label tinggi-tinggi yang diberikan untuk wilayah berwarna merah mengindikasikan bahwa wilayah-wilayah tersebut memiliki nilai pengamatan yang tinggi dibanding wilayah-wilayah lain.
a. Seluruh wilayah administrasi
b. Tanpa Pulau Madura Gambar 9 Pencaran Moran dan peta tematik peubah X7
5. Peubah surat miskin (X8)
Analisis pencaran Moran yang ditunjukkan pada Gambar 10 menunjukkan pola titik yang berada pada kuadran yang sama, terdapat nilai pangamatan terdeteksi sebagai pencilan spasial yang bersifat rendah dan pengamatan yang besifat tinggi. Pada wilayah kabupaten/kota yang yang terletak pada Pulau Madura tepatnya Kabupaten Sumenep terlihat wilayah bewarna merah (Gambar 10a) mengindikasikan bahwa wilayah tersebut memiliki nilai
pengamatan yang tinggi dibanding wilayah lain. Gambar 10b terlihat adanya pengamatan yang terdeteksi sebagai pencilan spasial yang bersifat tinggi dan rendah. Penggerombolan untuk pencilan spasial atas terjadi pada Kabupaten Bojonegoro dan Tuban, sedangkan pencilan spasial bawah terdapat pada Kabupaten Banyuwangi.
a. Seluruh wilayah administrasi
b. Tanpa Pulau Madura Gambar 10 Pencaran Moran dan peta tematik peubah X8
6. Peubah persentase penduduk miskin ( )
Analisis pada plot yang ditunjukkan pada Gambar 11 menunjukkan pola titik yang berada pada kuadran yang sama. Terdapat nilai pangamatan terdeteksi sebagai pencilan spasial atas. Pada wilayah kabupaten/kota yang terletak pada Pulau Madura tepatnya Kabupaten Bangkalan, Sampang, dan Pamekasan terlihat wilayah bewarna merah (Gambar 11a) mengindikasikan bahwa wilayah tersebut memiliki nilai pengamatan yang tinggi dibanding wilayah lain. Pada Gambar 11b terlihat adanya pengamatan yang terdeteksi sebagai pencilan spasial atas tepatnya pada Kabupaten Tuban.
32
a. Seluruh Wilayah Administrasi
b. Tanpa Pulau Madura Gambar 11 Pencaran Moran dan peta tematik peubah