BAB V PENUTUP
5.2 Saran
0 36 , 30 ) ˆ ln(i X X X . dapat diketahui dari model dijelaskan bahwa variabel yang signifikan pada model menjelaskan bahwa setiap perubahan variabel X1 melipatkan rata-rata kasus KDRT sebesar (e-0,78) 0,45 kali, variabel X2 melipatkan rata-rata kasus KDRT sebesar (e42,07) 1,86x1018 kali dan variabel X3 melipatkan rata-rata kasus KDRT sebesar (e-0,51) 0,60 kali dengan syarat semua variabel lain konstan. Hal ini terjadi karena pendidikan, ekonomi serta sosial membutuhkan perhatian yang sangat tinggi untuk mengurangi kasus KDRT.
3. Variabel yang berpengaruh terhadap kasus KDRT adalah variabel rata-rata lama sekolah, jika rata-rata lama sekolah pada setiap kabupaten/kota meningkat maka kasus KDRT akan menurun.
5.2 Saran
Penelitian ini terdapat beberapa permasalahan yang perlu dikaji lebih mendalam dan mendetail. Sehingga saran yang dapat direkomendasikan adalah
30
1. Mengkaji lebih dalam lagi perbedaan tanda pada estimasi parameter yang tidak sesuai dengan teori dalam kehidupan nyata.
2. Ukuran sampel yang digunakan diharapkan cukup besar karena berkaitan dengan pendekatan distribusi Poisson ke distribusi Normal pada ukuran sampel besar.
3. Besarnya proporsi nilai nol pada data lebih dipertimbangkan karena sangat berpengaruh terhadap hasil pemodelan.
4. Saran yang bisa diberikan terhadap Badan Pemberdayaan Perempuan dan Keluarga Berencana Provinsi Jawa Timur adalah penambahan sosialisasi terhadap calon ibu dan calon bapak untuk membentuk rumah tangga agar keluarga yang dibangun damai dan agar kasus KDRT diminimalisir.
xvii
DAFTAR LAMPIRAN
Lampiran Halaman
1 Data Jumlah Kasus KDRT di Provinsi Jawa Timur Tahun 2013 ...33 2 Output MINITAB: Statistika Deskriptif, Korelasi, dan Indentifikasi Multikolinieritas dengan Nilai VIF ...34 3 Syntax dan Output Software R: Pemodelan Jumlah Kasus KDRT dengan Regresi Poisson ...37 4 Syntax dan Output Software R: Pemodelan jumlah Kasus KDRT dengan Regresi Zero-Inflated Poisson (ZIP) ...38
xviii
33
Lampiran 1. Data Jumlah Kasus KDRT di Provinsi Jawa Timur Tahun 2013 kab/kota Y X1 X2 X3 pacitan 0 7,01 0,99 2,3 ponorogo 0 7,49 1,00 1,64 trenggalek 0 7,33 1,00 3,32 tulungagung 0 7,97 0,99 1,62 blitar 0 7,41 1,02 2,78 kediri 41 7,75 0,99 1,06 malang 387 7,08 1,00 2,88 lumajang 0 6,52 0,99 3,42 jember 0 6,8 0,99 5,11 banyuwangi 0 7,25 1,00 1,11 bondowoso 0 5,94 0,99 2,97 situbondo 0 6,28 1,00 3 probolinggo 0 6,31 1,00 6,7 pasuruan 0 6,89 1,00 4,43 sidoarjo 19 10,23 1,02 0,94 mojokerto 0 8,22 1,01 2,55 jombang 0 8,06 1,00 2 nganjuk 221 7,62 0,99 1,61 madiun 0 7,47 0,98 0,78 magetan 180 7,86 1,00 0,56 ngawi 13 7,06 0,98 1,24 bojonegoro 0 6,72 0,97 2,95 tuban 0 6,82 0,99 2,93 lamongan 0 7,79 1,00 2,21 gresik 0 9 1,01 1,41 bangkalan 0 5,75 1,00 2,33 sampang 24 4,39 1,00 6,6
34 kab/kota Y X1 X2 X3 pamekasan 0 6,42 0,99 4,66 sumenep 0 5,73 1,01 4,69 kota kediri 0 10,29 1,01 0,77 kota blitar 35 9,87 1,02 2,92 kota malang 0 10,89 1,03 0,84 kota probolinggo 20 8,79 1,02 2,63 kota pasuruan 0 9,07 1,03 0,65 kota mojokerto 0 10,12 1,02 1,44 kota madiun 0 10,54 1,01 0,72 kota surabaya 84 10,12 1,03 1,19 kota batu 44 8,76 1,01 3,14 Y = Jumlah Kasus KDRT
X1 = Rata-rata Lama Sekolah
X2 = Presentase Pengeluaran Perkapita
X3 = Presentase Perempuan Kawin Usia 15-19
Lampiran 2. Output MINITAB: Statistika Deskriptif, korelasi dan Indentifikasi Multikolinieritas dengan nilai VIF
2.A Statistika Deskriptif
Descriptive Statistics: C6; C7; C8; C9
Variable Mean StDev Minimum Maximum C6 28,1 76,1 0,0 387,0 C7 7,779 1,539 4,390 10,890 C8 1,0031 0,0142 0,9735 1,0296 C9 2,476 1,572 0,560 6,700
35
2.B Nilai Korelasi Antar Variabel Correlations kasus lama_se kolah pengeluar an_kapita Kawin kasus Pearson Correlation 1 -,001 -,024 -,100 Sig. (2-tailed) ,996 ,887 ,548 N 38 38 38 38 lama_sek olah Pearson Correlation -,001 1 ,652 ** -,663** Sig. (2-tailed) ,996 ,000 ,000 N 38 38 38 38 pengeluar an_kapita Pearson Correlation -,024 ,652 ** 1 -,216 Sig. (2-tailed) ,887 ,000 ,193 N 38 38 38 38 Kawin Pearson Correlation -,100 -,663 ** -,216 1 Sig. (2-tailed) ,548 ,000 ,193 N 38 38 38 38
36
2.C Indentifikasi Multikolinearitas dengan nilai VIF
VIF untuk X1
The regression equation is X1 = - 52,6 + 61,5 X2 - 0,518 X3
Predictor Coef SE Coef T P VIF Constant -52,597 9,609 -5,47 0,000 X2 61,467 9,526 6,45 0,000 1,059 X3 -0,51820 0,08612 -6,02 0,000 1,059 S = 0,800329 R-Sq = 74,4% R-Sq(adj) = 73,0% VIF untuk X1=1/(1-Rj2)=1/(1-74,4%)=3,84 VIF untuk X2
The regression equation is
X2 = 0,925 + 0,00884 X1 + 0,00361 X3
Predictor Coef SE Coef T P VIF Constant 0,92544 0,01319 70,17 0,000 X1 0,008839 0,001370 6,45 0,000 1,785 X3 0,003607 0,001341 2,69 0,011 1,785 S = 0,00959717 R-Sq = 56,9% R-Sq(adj) = 54,4% VIF untuk X1=1/(1-Rj2)=1/(1-56,9%)=2,27 VIF untuk X3
The regression equation is X3 = - 37,5 - 0,981 X1 + 47,5 X2
Predictor Coef SE Coef T P VIF Constant -37,53 16,86 -2,23 0,033
X1 -0,9813 0,1631 -6,02 0,000 1,921 X2 47,50 17,66 2,69 0,011 1,921
S = 1,10133 R-Sq = 53,6% R-Sq(adj) = 50,9% VIF untuk X1=1/(1-Rj2)=1/(1-53,6%)=2,12
37
Lampiran 3. Syntax dan Output Software R: Pemodelan Jumlah Kasus KDRT dengan Regresi Poisson
> poisson=glm(Y~X1+X2+X3,family=poisson,data=TA5) > summary (poisson)
Call:
glm(formula = Y ~ X1 + X2 + X3, family = poisson, data = TA5)
Deviance Residuals:
Min 1Q Median 3Q Max -10.588 -7.585 -6.752 -2.147 36.626 Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -15.26082 3.02124 -5.051 4.39e-07 *** X1 -0.42127 0.04005 -10.519 < 2e-16 *** X2 22.80236 3.25673 7.002 2.53e-12 *** X3 -0.44451 0.03337 -13.319 < 2e-16 *** --- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 (Dispersion parameter for poisson family taken to be 1) Null deviance: 3823.4 on 37 degrees of freedom Residual deviance: 3626.4 on 34 degrees of freedom AIC: 3698.4
38
Lampiran 4. Syntax dan Output Sofware R: Pemodelan Jumlah Kasus KDRT dengan Regresi Zero-Inflated Poisson (ZIP) >summary(zipreg<-zeroinfl(Y~X1+X2+X3|X1+X2+X3, data=TA) Call: zeroinfl(formula = Y ~ X1 + X2 + X3 | X1 + X2 + X3, data = TA) Pearson residuals:
Min 1Q Median 3Q Max -0.8931 -0.6330 -0.5437 -0.2386 7.3191
Count model coefficients (poisson with log link): Estimate Std. Error z value Pr(>|z|)
(Intercept) -30.36129 4.32972 -7.012 2.34e-12 *** X1 -0.78654 0.06089 -12.918 < 2e-16 *** X2 42.07489 4.79064 8.783 < 2e-16 *** X3 -0.51097 0.03764 -13.574 < 2e-16 ***
Zero-inflation model coefficients (binomial with logit link): Estimate Std. Error z value Pr(>|z|)
(Intercept) 25.430516 37.417719 0.680 0.497 X1 -0.009432 0.469737 -0.020 0.984 X2 -24.536796 40.205868 -0.610 0.542 X3 0.075557 0.357766 0.211 0.833 --- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Number of iterations in BFGS optimization: 27 Log-likelihood: -520.9 on 8 Df
31
DAFTAR PUSTAKA
Amaliana, L., & Drs. Purhadi, M. (2014). MODEL GEOGRAPHICALLY WEIGHTED ZERO INFLATED POISSON REGRESSION (Studi Kasus: Jumlah Kasus Penyakit Kaki Gajah(Filiaris) di Provinsi Jawa Timur tahun 2012). Surabaya: ITS press.
Badan Pusat Statistika. (2013). http://www.bps.go.id diakses pada 14 November 2014 pukul 10.00 WIB.
Cameron, A. C. (2005). Microeconometrics, Methods and Applications. New York: Cambridge University Press. Greene. (2003). Econometrics Analysis, 5th Edition. New Jersey:
Prentice Hall.
Gujarati, D.N., (2006), Dasar-Dasar Ekonometrika, Erlangga, Jakarta.
H Ardle, W. (1990), Applied Nonparametric Regresion, Cambridge University Press, New York
Herdiana, Ike. (2012), Gambaran Kasus Kekerasan Dalam Rumah Tangga di Indonesia. File:///D:/TA/Ike Herdiana.htm diakses pada 14 November 2014 pukul 09.00 WIB.
Hocking, R. (1996). Methods and Applicatian of Linear Models. New York: John Wiley & Sons.
Khosghoftar, Gao, & Szabo. (2004). Comparing Software Fault Predictions of Pure and Zero-Inflated Poisson Regression Models. International Journal of System Science , Vol. 36, No. 11, hal.705-715.
Lambert, D. (1992). Zero-Inflated Poisson Regression, With an Application to Defects in Manufacturing. American Statistical Association and the American Society for Quality Control, Technometrics , Vol. 34, No.1. 1-14.
Landung J, Thaha R, Abdullah AZ. 2009. Studi Kasus Kebiasaan pernikahan usia dini pada masyarakat kecamatan Sanggalangi Kabupaten Tana Toraja. Jurnal MKMI. Vol.5 (No.4). Hal: 89-94.
32
Mansour, Fakih, Gender dan Transformasi Sosial, Yogyakarta: Pustaka Pelajar, 1996
Miranda Devies (Ed). (1997), women and violence: Realities and Responses World Wide, 2nd ed (London and New York; Zed Books Ltd.)
McCullagh, P & Nelder, J.A. (1989). Generalized Linear Models, 2th Edition. London: Chapman and Hall.
Myers, M. V. (1990). Generalized Linear Model with Applications in Engineering and Sciences,2th Edition. New Jersey: John Wiley & Sons.
Rusman. 2008. Indeks Pembangunan Manusia. Tersedia : http://daps.bps.go.id/File%20Pub/Publikasi%20IPM.pdf. Diakses 3 Januari 2015. Pukul 21.45 WIB
Sutrisno Hadi. 1997 Metodologi Reserch. Yogyakarta: Andi Offset.
Walpole, R. E. (2007). Probabilty & Statistics for Engineers & Scientists Eighth Edition. London: Pearson Education LTD.
39
BIODATA PENULIS
Penulis lahir di Banyuwangi pada tanggal 18 Juli 1993 sebagai anak pertama dari dua bersaudara. Penulis bertempat tinggal di Perumahan Pengatigan Indah Blok H-6. Penulis telah menempuh pendidikan formal dimulai dari TK Khotijah, SDN 1 Pengatigan, SMP Negeri 3 Rogojampi, dan SMA Negeri 1 Rogojampi. Setelah lulus dari SMA, penulis melanjutkan studinya di Diploma III Jurusan Statistka FMIPA ITS Surabaya pada tahun 2012 dengan NRP. 13 12 030 057 yang juga merupakan bagian dari keluarga