BAB III. METODOLOGI PENELITIAN
4.2 Penetuan Faktor Utama
4.2.1 Situasi Kependudukan Tahun 2010
Gambar 4.6 merupakan kondisi ketenagakerjaan bulan Agustus di tahun 2010 hingga 2014. Pada grafik menunjukkan bahwa persentase TPAK dan TPT tertinggi berada di tahun 2013, dimana masing-masing mempunyai nilai sebesar 69,92 persen dan 4,33 persen. Namun, dalam kurun waktu lima tahun kedua parameter ini mengalami penurunan untuk TPAK sebesar 0,96 persen sedangkan untuk TPT sebesar 0,06 persen. Artinya bahwa Provinsi Jawa Tiur relatif baik dalam mendorong angkatan kerja untuk bekerja dan tidak menganggur. Perkembangan TPAK dan TPT dari tahun 2012 ke tahun 2013 mengalami kenaikan, hal ini dipengaruhi oleh faktor pendidikan dimana pada tahun tersebut parameter pendidikan (APK dan APM) di jenjang SMP dan SMA mengalami penurunan sehingga dikatakan bahwa partisipasi anak untuk melanjutkan sekolah menurun dan mengakibatkan pengangguran meningkat.
4.2 Penentuan Faktor Utama
Mengetahui faktor utama yang diduga melandasi keempat variabel penelitian yaitu kependudukan, ekonomi, kesejahteraan penduduk dan ketenagakerjaan. Keempat variabel tersebut akan dikelompokan melalui metode analisis faktor untuk mengetahui variabel yang paling dominan dalam perubahan struktur kependudukan di tahun 2010 dan 2014. Terdapat beberapa asumsi yang harus dipenuhi sebelum melakukan analisis faktor yaitu uji korelasi dan uji kecukupan data.
4.2.1 Situasi Kependudukan Tahun 2010
Pada tahun 2010 digunakan sebanyak 23 variabel dari keempat aspek yang saling dependen yaitu kependudukan, ekonomi, kesejahteraan penduduk (pendidikan dan kesehatan) serta ketenagakerjaan. Tahap pertama yaitu melakukan pengujian korelasi yaitu untuk mengetahui apakah antar variabel berkorelasi signifikan dengan menggunakan uji Bartlett. Pada uji ini menggunakan α sebesar 0,05, berikut adalah hipotesis pengujian korelasi.
Hipotesis.
H0: Antar variabel dari data faktor-faktor yang mempengaruhi perubahan struktur kependudukan tahun 2010 tidak berkorelasi.
H1: Antar variabel dari data faktor-faktor yang mempengaruhi perubahan struktur kependudukan tahun 2010 berkorelasi.
Statistik uji dan daerah kritis yang digunakan yaitu dapat dilihat pada persamaan (2.3), dimana nilai Chi-Square dari data faktor-faktor yang mempengaruhi perubahan struktur kependudukan tahun 2010 sebesar 1992 dan nilai P_value sebesar 0,000. Nilai P_value (0,000) tersebut dapat diputuskan bahwa tolak H0, karena nilai P_value < α (0,05). Sehingga dapat dikatakan bahwa antar variabel dari data faktor-faktor yang mempengaruhi perubahan struktur kependudukan tahun 2010 berkorelasi. Untuk lebih jelasnya dapat dilihat pada Lampiran
5a.
Pengujian asumsi selanjutnya adalah pengujian kecukupan data yang dilakukan secara serentak dengan uji Kaiser-Meyer-Olkin (KMO) yang bertujuan untuk mengetahui kecukupan data agar dapat dianalisis lebih lanjut yaitu dengan analisis faktor. Berikut adalah hipotesis pengujian kecukupan data.
H0: Data faktor-faktor yang mempengaruhi perubahan struktur kependudukan tahun 2010 sudah memenuhi untuk dianalisis lebih lanjut.
H1: Data faktor-faktor yang mempengaruhi perubahan struktur kependudukan tahun 2010 belum memenuhi untuk dianalisis lebih lanjut.
Statistik uji dan daerah kritis yang digunakan yaitu dapat dilihat pada persamaan (2.4), dimana nilai KMO dari data faktor-faktor yang mempengaruhi perubahan struktur kependudukan tahun 2010 sebesar 0,649. Nilai KMO tersebut dapat diputuskan bahwa gagal tolak H0, karena nilai KMO (0,649) > 0,5. Artinya bahwa data faktor-faktor yang mempengaruhi perubahan struktur kependudukan tahun 2010 telah memenuhi uji
49
kecukupan data sehingga dapat dianalisis lebih lanjut. Untuk lebih jelasnya dapat dilihat pada Lampiran 5a.
Kedua pengujian asumsi telah terpenuhi sehingga dapat dilanjutkan ke analisis faktor. Terdapat lima komponen yang terbentuk dari data faktor-faktor yang mempengaruhi perubahan struktur kependudukan tahun 2010, dimana dari kelima komponen tersebut memiliki nilai eigenvalue di atas satu. Artinya bahwa dari 23 variabel dapat diringkas menjadi lima faktor yang digunakan pada data faktor-faktor yang mempengaruhi perubahan struktur kependudukan tahun 2010. Untuk lebih jelasnya dapat dilihat pada Lampiran 5b.
Berikut adalah hasil analisis faktor yang lebih terperinci, dimana dalam pembentukan faktor menggunakan nilai eigenvalue yang nilainya lebih besar atau sama dengan satu.
Tabel 4.2 Nilai Eigenvalues Tahun 2010
Komponen Initial Eigenvalues
Total Varians (%) Kumulatif Varians (%)
1 9,182 39,923 39,923
2 4,017 17,466 57,390
3 2,426 10,546 67,936
4 1,639 7,127 75,062
5 1,582 6,877 81,940
Tabel 4.2 diketahui bahwa faktor yang terbentuk sebanyak lima faktor yang saling independen, dimana varians kumulatifnya sebesar 81,940 persen. Artinya bahwa dengan lima faktor yang terbentuk menunjukkan variabilitas yang dapat dijelaskan terhadap struktur data sebesar 81,940 persen yang dianggap cukup representatif.
Kelima faktor yang terbentuk saling independen dan terdapat variabel yang paling dominan di setiap faktornya. Kelima komponen yang terbentuk memberikan variansi atau keragaman data yang berbeda. Faktor 5 dibentuk oleh variabel penduduk usia 0-14 tahun (X1), penduduk usia 15-64 tahun (X2) dan Angka Kematian Ibu (X18) yaitu tentang faktor keadaan penduduk,
dimana keragaman yang diberikan sebesar 7,509 persen. Variabel yang dominan pada faktor 5 adalah penduduk usia 15-64 tahun (X2) yang mempunyai nilai loading faktor tertinggi yaitu 0,796 persen. Faktor 4 dibentuk oleh variabel migrasi in (X6) dan migrasi out (X7) yaitu tentang faktor mobilitas penduduk, dimana keragaman yang diberikan sebesar 10,129 persen. Variabel yang dominan pada faktor 4 adalah migrasi out (X7) yang mempunyai nilai loading faktor tertinggi yaitu 0,904 persen.
Ketiga faktor ini merupakan faktor utama karena mempunyai varians kumulatif sebesar 64,302 persen sedangkan sisanya sebesar 17,638 persen. Faktor 3 dibentuk oleh variabel PDRB manufaktur (X9), UMR (X11) dan pekerja manufaktur (X22) yaitu tentang faktor perekonomian sektor manufaktur, dimana keragaman yang diberikan sebesar 13,197 persen. Variabel yang dominan pada faktor 3 adalah PDRB manufaktur (X9) yang mempunyai nilai loading faktor tertinggi yaitu 0,910 persen. Faktor 2 dibentuk oleh variabel penduduk usia 65 tahun ke atas (X3), rasio jenis kelamin (X5), APK SMP (X13), APM SMP (X15) dan Angka Kematian Bayi (X17) yaitu tentang faktor kualitas dan kuantitas penduduk dimana keragaman yang diberikan sebesar 17,511 persen. Variabel yang dominan pada faktor 2 adalah APM SMP (X15) yang mempunyai nilai loading faktor tertinggi yaitu 0,850 persen. Faktor 1 dibentuk oleh variabel kepadatan penduduk (X4), PDRB pertanian (X8), PDRB jasa (X10), IPM (X12), APK SMA (X14), APM SMA (X16), TPAK (X19), TPT (X20), pekerja pertanian (X21) dan pekerja jasa (X23) yaitu tentang faktor pembangunan manusia dimana keragaman yang diberikan sebesar 33,593 persen. Variabel yang dominan pada faktor 1 adalah pekerja jasa (X23) yang mempunyai nilai loading faktor tertinggi yaitu 0,952 persen. Untuk rincian pembentukan faktor lebih jelasnya dapat dilihat pada Lampiran
5c.
Hasil analisis faktor untuk data perubahan struktur kependudukan tahun 2010 dapat disimpulkan bahwa ketiga faktor
51
yaitu pembangunan manusia, kualitas dan kuantitas penduduk serta perekonomian sektor manufaktur merupakan faktor utama.