Penelitian mengenai studi keterkaitan modal sosial dengan perkembangan kecamatan dilakukan di Kabupaten Sukabumi yang meliputi 47 Kecamatan. Secara geografis wilayah Kabupaten Sukabumi terletak diantara 6o57’ - 7o25’ Lintang Selatan dan 106o49’ - 107o00’ Bujur Timur. Luas daerahnya yaitu 416.200 Ha dengan batas-batas wilayah sebagai berikut: Sebelah Utara berbatasan dengan Kabupaten Bogor Provinsi Jawa Barat; Sebelah Selatan berbatasan dengan Samudera Indonesia; Sebelah Barat berbatasan dengan Kabupaten Lebak Provinsi Banten dan Samudera Indonesia; Sebelah Timur berbatasan dengan Kabupaten Cianjur (Gambar 3). Penelitian akan dilaksanakan selama 7 (tujuh) bulan dari bulan April sampai Desember 2015.
Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder berupa variabel-variabel modal sosial yang diperoleh dari data potensi desa dan indikator-indikator pembangunan dari Bappeda Kabupaten Sukabumi dan BPS Kabupaten Sukabumi dan diolah menggunakan software ArcGIS 10.1, Microsoft Office 2007, Statistica 7, dan SPSS 22. Hubungan antara tujuan penelitian, teknik analisis data, variabel, sumber data dan output yang dihasilkan dapat dilihat pada Tabel 3.
Sumber: Peta RTRW Kabupaten Sukabumi
Tabel 4 Tujuan penelitian, jenis data, teknik pengumpulan, sumber data, teknik analisis data dan output penelitian
No Tujuan Jenis Data Sumber Data Metode Analisis Keluaran
1 Menganalisis stok dan subdimensi modal sosial dominan di Kabupaten Sukabumi
Data organisasi sosial Data organisasi profesi Data organisasi
masyarakat
Data tokoh masyarakat Data keragaman etnis Data kepadatan penduduk
BPS Kab.Sukabumi Bappeda Kab.Sukabumi BPMPD Kab.Sukabumi
Pricipal Component Analysis
Analisis stok modal sosial
Stok modal sosial Subdimensi modal sosial dominan 2 Mengidentifikasi tipologi kecamatan di Kabupaten Sukabumi
Stok Modal Sosial IPM
Data sarana dan prasarana wilayah
Hasil analisis tujuan 1 Bappeda Kab.Sukabumi Analisis perkembangan kecamatan Analisis klaster berhierarki (metode ward’s) Tipologi wilayah 3 Menganalisa keterkaitan modal sosial dengan pembangunan ekonomi wilayah di Kabupaten Sukabumi Pendapatan perkapita Stok Modal sosial Rata-rata lama sekolah Persentase jalan desa yang
dapat dilalui
Hasil analisis tujuan 1 Bappeda Kab.Sukabumi BPS Kab.Sukabumi
Analisis Regresi Linier Berganda
Keterkaitan modal sosial dengan tingkat pembangunan wilayah
Metode Pengumpulan Data
Pengumpulan data dan informasi dilakukan dengan cara studi literatur dan data sekunder. Data yang dikumpulkan dalam penelitian ini semaksimal mungkin menggunakan data sekunder yang ada. Data ini dapat diperoleh dari berbagai instansi yang terkait antara lain BPS, Bappeda, Dinas Sosial dan instansi-instansi terkait.
Metode Analisis Data Analisis Modal Sosial
Analisis stok modal sosial dilakukan dengan berbagai tahapan. Setiap tahapan ini dilakukan dengan metode analisis tersendiri. Pada dasarnya metode ini mengacu pada metode yang dilakukan oleh BPS dalam mengukur stok modal sosial di tingkat kabupaten/kota di seluruh Indonesia.
Data yang digunakan dalam pengukuran stok modal sosial adalah data-data sosial yang menjadi proksi dari masing-masing faktor pembentuk stok modal sosial di tingkat kecamatan. Data tersebut contonya seperti data jenis dan kepadatan organisasi sosial, data jenis dan kepadatan organisasi profesi, jumlah konflik, tingkat keragaman etnis dan agama, serta data-data lain yang secara statistik diyakini mampu mempresentasikan konsep modal sosial yang hendak diukur. Data tersebut diseleksi untuk mendapatkan variabel modal sosial yang menggambarkan keragaman stok modal sosial di kecamatan dan berpengaruh terhadap pembangunan ekonomi kecamatan. Hasil analisis ini berupa skor indeks (stok) modal sosial beserta faktor pembentuknya yang selanjutnya disajikan menurut kecamatan di Kabupaten Sukabumi.
Tahapan pengukuran stok modal sosial untuk setiap kecamatan di Kabupaten Sukabumi adalah sebagai berikut:
1) Identifikasi faktor
Pada dasarnya identifikasi faktor yang dilakukan ini sama dengan analisis tipologi wilayah, yaitu dengan menggunakan Analisis komponen utama. Analisis komponen utama merupakan salah satu metode yang digunakan untuk memperkecil korelasi antar variabel yang kuat yang ditunjukkan oleh gejala multikolinieritas. Dalam penelitian ini Analisis Komponen Utama (PCA) dilakukan dengan menggunakan software SPSS 22. Analisis ini pada dasarnya digunakan untuk melihat struktur keterkaitan antar variabel yang dirumuskan, sehingga menghasilkan indeks komposit yang merupakan gabungan dari variabel asal yang saling mempengaruhi. Tujuan Analisis Komponen Utama (PCA) sebenarnya adalah membentuk struktur data baru yang disebut dengan faktor dengan cara mentransformasi struktur data dengan variabel-variabel yang masih berkorelasi tadi atau dengan kata lain disebut ortogonalisasi variabel. Dengan ortogonalisasi variabel akan dihasilkan struktur data baru dengan variabel yang jauh lebih sederhana dengan tingkat keragaman dan kandungan informasinya yang relatif tidak berubah. Teknik ekstraksi data dengan PCA pada dasarnya adalah dengan memaksimalkan keragaman dalam satu faktor baru dan meminimalkan keragaman dengan faktor yang lain, menjadi peubah yang bebas satu sama lain (Supranto, 2004).
Menurut Panuju et al. (2013) langkah-langkah yang dilakukan dalam analisis PCA adalah sebagai berikut :
(1) Standarisari variabel asal yang bertujuan untuk menghilangkan data antar variabel yang dilakukan dengan rumus :
Xij - µj YIJ = --- Sj Keterangan:
YIJ = Variabel baru yang telah disederhanakan Xij = Variabel nilai x pada wilayah i variabel j µj = Nilai rata-rata masing-masing variabel Sj = Simpangan masing-masing variabel
(2) Ortogonalisasi variabel bertujuan untuk membuat variabel baru Zα (α=1,2…q≤p) yang memiliki karakteristik yaitu:
a. Satu sama lain tidak saling berkorelasi, yakni rαα = 0 b. Nilai rataan masing-masing tetap sama dengan nol
c. Nilai ragam masing-masing Zα sama dengan גα≥0, dimana ∑α
גα=p
(3) Penyederhanaan jumlah variabel dilakukan dengan mengurutkan masing-masing faktor atau komponen utama yang menghasilkan eigenvalue dari yang tertinggi sampai yang terendah. Adapun langkah-langkahnya adalah sebagai berikut :
a. Memilih faktor atau komponen yang memiliki eigenvalue ≥1. Ini berarti bahwa faktor tersebut memiliki ragam setara dengan informasi yang terkandung dalam satu peubah asal.
b. Membuang faktor yang memiliki eigenvalue antar dua faktor atau komponen utama yang berdekatan/tidak begitu signifikan jika (גα - µα– 1)<1
c. Atau juga bisa dilakukan dengan menggunakan scree test dengan memilih hasil scree test yang paling curam.
d. Menentukan faktor utama yang memiliki koefisien korelasi nyata minimal satu peubah asal. Kriteria yang digunakan adalah
│rαj│≥ 0,65. Hal ini dimaksudkan agar setiap faktor yang terpilih paling tidak memiliki satu penciri dominan dari variabel asalnya.
Penghitungan Analisis Komponen Utama (PCA) dilakukan dengan menggunakan software SPSS 22.
2) Pengukuran bobot setiap variabel
Bobot (penimbang) bagi setiap variabel pada suatu faktor dihitung berdasarkan hasil susunan faktor optimal pembentuk stok modal sosial. Bobot setiap variabel dihitung berdasarkan nilai loading factor's pada variabel yang bersangkutan dan nilai rotation sums of square loading (% of variance) pada faktor yang terbentuk (BPS, 2010). Lebih lanjut BPS (2010) menjelaskan bahwa pengukuran bobot bagi setiap variabel dilakukan dalam 2 (dua) tahap, yaitu:
a. Penghitungan bobot tiap variabel dalam faktor dengan formula:
Keterangan: B = nilai bobot
LF = nilai loading factor
RLF = rata-rata loading factor dalam satu faktor
RSSL = nilai rotation sums of squared loading (% of variance)
b. Perhitungan bobot ternormalisasi tiap variabel dalam faktor dengan formula:
Keterangan:
b = nilai bobot ternormalisasi B = nilai bobot
JB = jumlah semua bobot 3) Pengukuran nilai stok modal sosial
Pengukuran stok modal sosial bagi setiap kecamatan dilakukan dengan menggunakan data setiap faktor yang telah dinormalisasi, sehingga nilai masing-masing faktor dapat diperbandingkan. Nilai tersebut dihitung dengan menggunakan formula:
Keterangan:
S = stok modal sosial
T = t skor untuk masing-masing variabel b = nilai bobot ternormalisasi
i = kecamatan ke i
Analisis Klaster (Cluster Analysis)
Teknik pewilayahan adalah suatu teknik yang dilakukan untuk mengelompokkan wilayah berdasarkan kemiripan karakteristik tertentu dari suatu hamparan wilayah (Panuju dan Rustiadi, 2013). Sejalan dengan hal tersebut, Supranto (2014) menjelaskan bahwa teknik pewilayahan dilakukan dengan cara membatasi wilayah berdasarkan kemiripan karakteristik tertentu dari suatu hamparan wilayah. Pembentukan klaster didasarkan pada kuat tidaknya hubungan antar wilayah dengan menggunakan multivariabel. Setelah klaster terbentuk maka dilakukan interpretasi. Dalam konteks penelitian ini maka pengklasteran didasarkan pada tiga kategori wilayah yaitu wilayah berkembang, wilayah cukup berkembang, dan wilayah belum berkembang. Metode penggerombolan yang digunakan adalah hierarchical clustering dengan metode ward’s, karena memiliki lebih sedikit asumsi dan campur tangan pelaku analisis. Variabel yang digunakan adalah indeks pembangunan manusia (IPM), stok modal sosial dan indeks perkembangan kecamatan. Indeks perkembangan kecamatan dihitung dengan formula (Panuju et al. 2013):
D p iX
iY
j
1 2 2 / 1 Keterangan :IPDj = Indeks Perkembangan Kecamatan ke-j
Kij = Nilai baku indeks hierarki untuk fasilitas ke-i dan kecamatan ke-j Xij = Jumlah jenis / unit fasilitas ke-i di kecamatan ke-j
Sj = Standar deviasi invers jarak dan fasilitas pada kecamatan ke-j
Analisis klaster yang akan dilakukan dalam penelitian ini menggunakan jarak eucledian sebagai jarak antara dua data atau jarak antara dua gerombol data dengan ciri yang serupa. Perhitungan jarak ini dilakukan terlebih dahulu sebelum melakukan penggabungan data. Persamaan perhitungan jarak eucledian antara dua titik atau dua gerombol adalah sebagai berikut :
Nilai D merupakan jarak antara titik data/gerombol X dan Y. Makin kecil nilai D makin besar kemiripan data X dan Y. Asumsi yang harus dipenuhi dalam penggunaan jarak eucledian ini adalah bahwa antar variabel tidak terjadi multikolinearitas atau variabel-variabel yang ada saling tegak lurus (ortogonal). Berhubung pada umumnya pengkelasan suatu wilayah didasarkan pada karakteristik (variabel) dalam jumlah cukup besar, maka kemungkinan terjadinya multikolinearitas cukup besar. Oleh karena itu, perlu dilakukan teknik antara dengan menghilangkan kondisi tersebut melalui transformasi analisis komponen utama (Principal Components Analysis). Dengan transformasi PCA tersebut variabel-variabel yang digunakan akan saling ortogonal satu dengan yang lain. Analisis Keterkaitan antara Modal Sosial dengan Pembangunan Wilayah (Model Regresi Linier Berganda)
Pada penelitian ini, keterkaitan modal sosial dengan pembangunan wilayah dianalisis dengan model regresi linier berganda. Beberapa variabel yang diuji untuk mewakili aspek pembangunan wilayah dan menjadi variabel dependent antara lain pendapatan perkapita, persentase keluarga pra sejahtera, dan indeks pembangunan manusia, sedangkan modal fisik, modal manusia, dan modal sosial sebagai variabel independent.
Model yang dibangun dalam penelitian ini sebagian berdasarkan penelitian Viprianti (2007). Pada model pembangunan yang digunakan dalam penelitian ini didasarkan atas pertimbangan adanya keterkaitan (sifat simultan) antar modal sosial dan indikator hasil-hasil pembangunan.
Keberhasilan pembangunan tidak hanya mempertimbangkan ketersediaan faktor fisik (FC) namun juga faktor non fisik seperti modal sosial (SC) dan modal manusia (HC). Secara rinci, spesifikasi model yang digunakan adalah sebagai berikut:
Yi = F(FCi, HCi,SCi,)
keterangan :
Yi = indikator pembangunan ekonomi wilayah
FCi = modal fisik
HCi = modal manusia
SCi = stok modal sosial