IDENTIF
FAKUL
FIKASI PE
PEMIL
LTAS MAT
IN
ERILAKU M
LU LEGISL
AHMA
DEPARTE
TEMATIKA
NSTITUT P
MEMILIH (
LATIF 2009
AD NASRU
EMEN STA
A DAN ILM
PERTANIA
BOGOR
2010
(VOTING B
DI JAWA
UDIN
TISTIKA
MU PENGET
AN BOGOR
BEHAVIOU
BARAT
TAHUAN A
R
UR) PADA
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
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
Dr. Ir. Asep Saefuddin, M.Sc
NIP. 19600818198931004
NIP. 195703161981031004
Mengetahui :
Ketua Departemen Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Dr. Ir. Hari Wijayanto, M.Si
NIP. 196504211990021001
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.
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
vii
DAFTAR ISI
Halaman
DAFTAR TABEL ... viii
DAFTAR GAMBAR ... viii
DAFTAR LAMPIRAN ... viii
PENDAHULUAN Latar Belakang ... 1
Tujuan ... 1
TINJAUAN PUSTAKA Sistem Pemilu ... 1
Perilaku Pemilih (Voter Behaviour) ... 2
Uji Kebebasan Khi-Kuadrat ... 2
Analisis Korespondensi ... 2
Regresi Logistik Biner ... 3
METODOLOGI Data ... 4
Metode ... 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
viii
DAFTAR TABEL
Halaman
1. Hasil uji Khi-Kuadrat beberapa peubah dengan peubah pilihan ... 6
2. Uji Simultan dan uji Kelayakan model regresi logistik biner ... 8
3. Hasil uji Wald peubah yang berpengaruh terhadap peubah pilihan ... 9
DAFTAR GAMBAR Halaman 1. Persentase kategori jumlah partai yang dikenal ... 5
2. Persentase sasaran yang diketahui oleh responden ... 5
3. Pengetahuan tentang calon dari daerah pemilihan ... 6
4. Pilihan pada saat Pemilu legislatif 2009 ... 6
5. Plot dua dimensi analisis korespondensi ... 8
DAFTAR LAMPIRAN Halaman 1. Peubah yang digunakan dalam penelitian ... 13
2. Frekuensi kategori peubah yang digunakan dalam penelitian ... 14
3. Tabel kontingensi antara peubah demografi dan pengetahuan seputar pemilu dengan peubah pilihan ... 15
4. Nilai singular, inersia, proporsi keragaman yang mampu dijelaskan plot hasil analisis korespondensi ... 15
5. Koordinat masing-masing kategori dalam plot dua dimensi ... 16
6. Jarak kategori gambar partai dan nama calon terhadap kategori peubah yang lain pada plot dua dimensi ... 17
7. Jarak beberapa kategori terhadap gambar partai dan nama calon setelah diurutkan ... 17
8. Klasifikasi model regresi logistik biner ... 18
9. Hasil uji Wald parameter model regresi logistik biner ... 18
1
PENDAHULUAN
Latar Belakang
Pemilihan umum (pemilu) merupakan salah satu pilar demokrasi untuk menyelaras-kan kebijamenyelaras-kan pemerintah serta pembangunan berdasarkan kehendak rakyat, sebagai pemilik kedaulatan. Di Indonesia, pemilu yang di-selenggarakan secara langsung merupakan yang pertama kali dilaksanakan sekaligus bersejarah karena merupakan salah satu langkah penting dalam menciptakan kehidup-an politik ykehidup-ang 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 pen-dekatan politik rasional. Penpen-dekatan 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 karak-teristik pemilih tersebut berdasarkan pada jenis pilihannya.
Tujuan
Secara umum tujuan penelitian ini adalah: 1. Identifikasi karakteristik pemilih
berdasar-kan pilihannya (memilih nama calon atau partai).
2. Mengetahui faktor-faktor yang
ber-pengaruh 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 diperebut-kan 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
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 mem-pelajari 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
pen-dekatan 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 ber-hubungan. Statistik uji Khi-Kuadrat adalah
χ O E
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 mengembang-kan grafik yang dapat menggambarmengembang-kan hubungan antara baris dan kolom yang berisi kategori dari peubah kategorik. Permasalahan utamanya adalah bagaimana grafik mampu merepresentasikan baris-baris dan kolom-kolom dari sebuah tabel kontingensi dalam bentuk titik-titik dalam sebuah ruang Euclid berdimensi rendah dengan tetap mempertahan-kan 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.
p ., … , p . ′ n./n , … , n ./n ′ dan
′ p. , … , p. ′ n. /n , … , n. /n ′
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:
χ n 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 masing-masing 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 :
π x e e
dimana :
π x P Y |X x P Y |X x
dengan melakukan transformasi logit, diperoleh :
g x β β x β x
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 :
g x β β x ∑ β D β x
(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
H : paling sedikit ada satu β i , , … , p
Statistik uji G adalah
G ln Likelihood dengan peubah bebasLikelihood tanpa peubah bebas
Hipotesis nol ditolak jika nilai G lebih
besar dari tabel.
Statistik uji Wald digunakan untuk menguji satu dari beberapa parameter dalam model regresi logistik dengan p peubah bebas
β . Hipotesis yang diuji adalah : H : β
H : β i , , … , p Statistik uji Wald adalah
W β
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)
4
Hosmer-Lemeshow didefinisikan sebagai berikut :
C nOπ n ππ
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 Khi-Kuadrat dengan derajat bebas g-2. Kesimpulan
menolak hipotesis nol jika nilai C lebih
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 , dapat didefinisikan sebagai
berikut:
exp β ππ ⁄⁄ ππ
Dalam interpretasinya, rasio Odds menjelas-kan bahwa kategori x=1 memiliki peluang untuk y=1 sebesar 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 meng-gambarkan demografi responden, penge-tahuan 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 dalam penelitian ini adalah :
1. Analisis deskriptif
Analisis deskriptif digunakan untuk memberikan gambaran mengenai pengetahu-an 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 me-representasikan 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
menghitung nilai . Pada tahap penarikan
kesimpulan, nilai yang didapat
di-bandingkan dengan . Jika nilai
hitung lebih besar dari , maka
antara kedua peubah terdapat hubungan. Pengujian juga dapat dilakukan dengan
membandingkan p-value yang didapat dengan
taraf nyata pengujian yang digunakan. Jika p-value 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. Selanjut-nya, peubah-peubah tersebut dianalisis dengan analisis korespondensi. Hal ini bertujuan untuk melihat karakteristik pemilih yang memilih nama calon maupun gambar partai.
m p K k p k p m d d d b n k k G ( m m K d b 5 p y p k p 6 p r m p d s m d m B 7 8 s
Analisis k melihat kedek pilihan dengan Kedekatan in kecenderungan peubah lainnya Pada anali kontingensi b pendekatan de matriks yang t dengan banyak dari banyakny dianalisis. Ke baris dan jum nantinya digu kolom dan bari Penentuan kolom dipe Generalized S (GSVD). Peng
mereduksi d
mempertahank Koordinat pr diperoleh kem bentuk plot dua 5. Interpretasi koresponde Interpretasi pada kedekata yang digunaka pilihan. Kedek karakteristik pilihan. 6. Melakukan Peubah re peubah pilihan responden me menunjukkan partai. Semen digunakan ada seputar pemi merupakan sa dan psikologi memilih (votin Barat. 7. Interpretasi
diperoleh 8. Mengetahu
Barat ber pendekatan HASIL Data yang sebanyak 2191 korespondensi katan antara n kategori dar
ni dapat d n suatu kategor
a.
isis korespond banyak arah engan matriks terbentuk adala knya baris dan ya kategori pe emudian dicar mlah kolom. V
unakan untuk is dari masing-koordinat dar eroleh deng Singular Valu guraian GSVD dimensi data kan informasi rofil baris d mudian dipres
a dimensi. i hasil yang di ensi
i plot dua di an antar titik an terhadap titi katan ini dapat dari kategori
n analisis regres espon yang d n. Kategori Y emilih nama
responden ntara itu, peu alah demografi ilu. Peubah alah satu pend
s dalam mem ng behaviour)
i model regre ui karakteristik
rdasarkan pil n deskriptif
L DAN PEMB
digunakan da 1 responden. S
digunakan un kategori peu ri peubah lainn diartikan seb
ri tehadap kate densi, untuk t maka diguna
Burt . Ben
ah matriks per kolom tergant eubah yang a ri vektor jum
Vektor-vektor k mencari pr -masing katego ri profil baris gan pengur ue Decompoti D diperlukan un
dengan t yang optim dan kolom y sentasikan da
dapat dari ana imensi didasar kategori peu ik kategori peu t diartikan seb i dalam peu
si logistik bine digunakan ad Y=1 menunjuk
calon, dan Y memilih gam ubah bebas y i dan pengetah bebas terse dekatan sosiol mpelajari peril
masyarakat J
esi logistik y k pemilih di J lihannya den BAHASAN alam penelitian Seluruh respon ntuk ubah nya. agai egori abel akan ntuk rsegi tung akan mlah ini rofil ori. dan aian ition ntuk etap mum. yang alam alisis rkan ubah ubah agai ubah er alah kkan Y=0 mbar yang huan ebut ogis laku Jawa yang Jawa ngan n ini nden yang hak legisl Pe Si memb pemil sesua mend oleh Banya terhad denga satuny seputa Ti tahui pemil yang partai calon Gamb G kateg seluru Diant sekita partai Seme partai beber masya Se meng dapat terseb yang hanya seteng Gamb terpilih adalah pilih dan be atif 2009.
engetahuan P
istem pemilu berikan pelua lih untuk mem ai dengan hati dorong tercipta anggota legis ak aspek yang dap keberhas an sistem pro
ya adalah ar pemilu. iga indikator
tingkat peng lu. Indikator te
dikenal, propo i yang dikenal n yang akan me
bar 1 Persen yang di ambar 1 m ori jumlah p uh partai pese tara responde ar 11.04% res i atau lebih dar entara sisanya i. Hal ini rapa partai tida
arakat Jawa Ba ementara itu, getahui sasaran
t dilihat pada but terlihat ba dikenal, sek a tahu sasa
gahnya.
bar 2 Persent oleh res ≥10 partai 11.04% ≥50% 28.12%
h responden ya erpartisipasi p
emilih Seputa
u proporsion ang besar k milih calon angg i nurani mere anya kualitas slatif menjadi g menjadi bah
ilan pelaksan oporsional ter pengetahuan digunakan un getahuan pem ersebut adalah j orsi tahu sasar l, dan pengetah ewakili daerah
tase kategori j ikenal. memperlihatkan
partai yang erta pemilu leg
en yang terp sponden yang
ri 38 partai pe mengenal kur
mengindikasi ak dikenal seca arat.
persentase p n dari partai y
Gambar 2. D ahwa dari beb kitar 71.88%
aran tidak
tase sasaran ya sponden. 5 ang memiliki pada pemilu ar Pemilu nal terbuka kepada para gota legislatif eka. Hal ini
katerwakilan lebih baik. han penilaian naan pemilu rbuka, salah masyarakat ntuk menge-milih seputar jumlah partai ran dari total huan tentang pemilihan. jumlah partai n persentase dikenal dari gislatif 2009. pilih, hanya mengenal 10 eserta pemilu.
t m t m m a h i n p m b a m m a p t m a s M s G m c p m s p m n m a h d m y b p y
Dari dua in telah dibahas masih banyak tidak mengena masyarakat ya mereka cende akan dicapai o hanya sebatas ingin dicapai o
Pada sistem negara dibag pemilihan. Ma mempunyai a berbeda-beda. akan ada beber mewakili daera Pada Gam mayoritas mas
akan bersain
pemilihan mer tersebut sekita memperlihatka akan mewak sepenuhnya d Mereka cender sesaat.
Gambar 3 Pe da
Pemilu den menuntut pem cerdas. Pada p pada sejumlah mewakili daer sudah seharus pilihya dengan Pada saat memang tidak nama calon an memilih nam akan menjadi hanya memil dikarenakan jik maka pemilih yang akan m berbeda jika p partai, pemilih yang akan me
Tidak Tahu 95.57% ndikator penget s sebelumnya k masyarakat al partai peserta
ang mengenal erung tidak ta oleh partai terse kenal tanpa t oleh partai terse m pemilu legisl gi menjadi asing-masing alokasi kursi
Dari beberapa rapa calon ya ah pemilihan te mbar 3 dapa syarakat tidak ng untuk m reka. Masyarak
ar 95.57%. K an bahwa calo kili daerah dikenal baik rung hanya me
engetahuan ten aerah pemilihan
Bentuk Pilih
ngan sistem pro ilih untuk men emilu nanti, pe calon yang ak rah pemilihan. nya pemilih m n baik dan bena
t pemilu legisl k diwajibkan nggota legislati a calon, prin lebih baik diba lih gambar
ka pemilih me h setidaknya mewakili merek
pemilih hanya h tersebut tidak
ewakili merek
T 4
tahuan partai y , terlihat bah
Jawa Barat y a pemilu. Dian l beberapa pa ahu sasaran y ebut. Jadi, mer tahu sasaran y ebut. latif 2009, wila
beberapa dae daerah pemili DPR RI y a daerah pemili ang bersaing un
ersebut. at dilihat bah
tahu calon y mewakili dae kat yang tidak t Kecenderungan on legislatif y pemilihan, ti oleh masyara emiliki popular ntang calon n. han oporsional terb njadi pemilih y emilih dihadap kan bersaing un Oleh karena menggunakan ar.
latif 2009, pem n untuk mem if. Namun den nsip keterwak andingkan den parpol. Hal emilih nama ca
tahu siapa ca ka. Hal ini a a memilih gam k tahu siapa ca ka di DPR kar
Tahu 4.43% yang hwa yang ntara artai, yang reka yang ayah erah ihan yang ihan ntuk hwa yang erah tahu ini yang idak akat. ritas dari buka yang pkan ntuk itu, hak milih milih ngan kilan ngan ini alon alon akan mbar alon rena akan pemil Gamb D legisl banya daripa perbe menu pendi peme kuran Uj untuk peuba an. T ini a Kuad Tabel Pe X1 X2 X3 X4 X5 X6 X7 X8 X9 X1 X1 Pa diliha berhu jenis pekerj (X8). pemil dari p calon
Nam calo 50.4
diserahkan k lu yang ada.
bar 4 Pilihan 2009. ari Gambar 4 t atif 2009, ma ak memilih na ada memilih edaannya tidak unjukkan bahw idikan pemili rintah maupun ng berhasil. Uji Kebeba ji kebebasan k mengetahui k
ah yang digun Taraf uji yang adalah 10%. H drat dapat diliha
l 1 Hasil uj peubah d eubah 1 2 3 4 5 6 7 8 9 10 11
ada Tabel ter at dari sisi dem ubungan denga kelamin (X rjaan (X5), pe
Jika dilihat da lu, maka peub partai yang d n legislatif yan
ma on
8%
kepada mekan
pada saat Pem
terlihat bahwa asyarakat Jawa ama calon (sek gambar par k terlalu bes wa proses so ih yang dila n pihak-pihak
asan Khi-Kua
Khi-Kuadrat keterkaitan ant nakan dengan p
digunakan pa Hasil uji keb at pada Tabel 1 ji Khi-Kuadr dengan peubah df 1 3.919 1 0.056 2 1.170 2 12.480 7 34.342 4 18.214 1 0.001 1 7.989 2 0.001 1 41.832 1 3.523 rsebut terlihat mografi, maka
an peubah pi X1), pengelu endidikan (X6) ari sisi pengeta bah persentase dikenal (X10) ng akan mew
6
nisme sistem
milu legislatif
a pada pemilu a Barat lebih kitar 50.48%) rtai. Namun,
sar. Hal ini sialisasi dan akukan oleh yang terkait adrat t digunakan tara beberapa peubah pilih-da pengujian bebasan Khi-1. rat beberapa pilihan p-value 0.048 6 0.814 0 0.557 0 0.002 0.000 4 0.001 0.969 0.005 0.999 0.000 0.061 bahwa jika peubah yang ilihan adalah uaran (X4),
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 masing-masing 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 ≥
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
(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).
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%).
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
Jenis Uji df Nilai p-value
Uji G 23 109.647 0.000
Uji
Hosmer-Lemeshow 8 12.280 0.139
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, se-banyak 627 (56.69%) dapat diprediksi oleh model. Secara keseluruhan model regresi logistik biner yang diperoleh dapat mem-prediksi 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 di-dapatkan 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
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 kecen-derungan 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 dibanding-kan 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 pe-kerjaan, 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).
11
cenderung memiliki pengetahuan seputar pemilu yang kurang.
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 per-bandingan. 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 : PWS-Kent 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
Multi-variate 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 Faktor-Faktor 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].
13
Lampiran 1 Peubah yang digunakan dalam penelitian
Peubah Kategori Kode
Jenis Kelamin (X1) Pria (X1a) 0
Wanita (X1b) 1
Kategori Desa-Kota (X2) Desa (X2a) 0
Kota (X2b) 1
Usia (X3)
17-30 Tahun (X3a) 0
31-50 Tahun (X3b) 1
>50 Tahun (X3c) 2
Pengeluaran per bulan (X4)
Bawah : ≤ Rp 1.250.000 (X4a) 0
Menengah : Rp 1.250.001-Rp 3.500.000 (X4b) 1
Atas : > Rp 3.500.000 (X4c) 2
Jenis pekerjaan (X5)
Pengangguran (X5a) 0
Buruh (X5b) 1
Petani (X5c) 2
Ibu rumah tangga (X5d) 3
Pensiunan (X5e) 4
Wiraswasta (X5f) 5
Pegawai negeri (X5g) 6
Pegawai swasta (X5h) 7
Pendidikan (X6)
≤ SD (X6a) 0
SMP (X6b) 1
SMA (X6c) 2
Akademi (X6d) 3
Sarjana atau di atasnya (X6e) 4
Etnis (X7) Pribumi (X7a) 0
Non pribumi (X7b) 1
Agama (X8) Islam (X8a) 0
Non Islam (X8b) 1
Jumlah partai yang dikenal (X9)
<10 partai (X9a) 0
10-19 partai (X9b) 1
20-29 partai (X9c) 2
>29 partai (X9d) 3
Persentase tahu sasaran dari total partai yang dikenal (X10)
<50% dari total partai yang dikenal (X10a) 0
≥50% dari total partai yang dikenal (X10b) 1
Calon legislatif yang akan mewakili daerah pemilihan (X11)
Tidak tahu (X11a) 0
Tahu (X11b) 1
Peubah pilihan (Y) Gambar partai (Y0) 0
14
Lampiran 2 Frekuensi kategori peubah yang digunakan dalam penelitian
Peubah Kategori Jumlah Frekuensi
Jenis Kelamin Pria 1352 61.71%
Wanita 839 38.29%
Kategori Desa-Kota Desa 627 28.62%
Kota 1564 71.38%
Usia
17-30 Tahun 362 16.52%
31-50 Tahun 1166 53.22%
> 50 Tahun 663 30.26%
Pengeluaran per bulan
Bawah 1345 61.39%
Menengah 826 37.70%
Atas 20 0.91%
Jenis pekerjaan
Pengangguran 135 6.16%
Buruh 228 10.41%
Petani 147 6.71%
Ibu rumah tangga 507 23.14%
Pensiunan 113 5.16%
Wiraswasta 507 23.14%
Pegawai negeri 93 4.24%
Pegawai swasta 461 21.04%
Pendidikan
≤ SD 711 32.45%
SMP 443 20.22%
SMA 693 31.63%
Akademi 141 6.44%
≥ Sarjana 203 9.27%
Etnis Pribumi 2175 99.27%
Non Pribumi 16 0.73%
Agama Islam 2167 98.90%
Non Islam 24 1.10%
Jumlah partai yang dikenal
<10 partai 1949 88.96%
10-19 partai 236 10.77%
20-29 partai 6 0.27%
>29 partai 0 0.00%
Persentase tahu sasaran dari partai yang dikenal
<50% dari partai yang dikenal 1575 71.88%
≥50% dari partai yang dikenal 616 28.12%
Calon yang mewakili daerah pemilihan
Tidak tahu 2094 95.57%
Tahu 97 4.43%
Pilihan Gambar partai 1085 49.52%
15
Lampiran 3 Tabel kontingensi antara peubah demografi dan pengetahuan seputar pemilu dengan peubah pilihan
Peubah
Kategori
Jenis Pilihan
Gambar partai Nama Calon Jumlah Persentase Jumlah Persentase
Jenis Kelamin Pria 647 47.86% 705 52.14%
Wanita 438 52.21% 401 47.79%
Kategori Desa-Kota Desa 308 49.12% 319 50.88%
Kota 777 49.68% 787 50.32%
Usia
17-30 Tahun 184 50.83% 178 49.17%
31-50 Tahun 584 50.09% 582 49.91%
> 50 Tahun 317 47.81% 346 52.19%
Pengeluaran per bulan
Bawah 706 52.49% 639 47.51%
Menengah 371 44.92% 455 55.08%
Atas 8 40.00% 12 60.00%
Jenis pekerjaan
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%
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%
Pendidikan
≤ SD 358 50.35% 353 49.65%
SMP 223 50.34% 220 49.66%
SMA 357 51.52% 336 48.48%
Akademi 75 53.19% 66 46.81%
≥Sarjana 72 35.47% 131 64.53%
Etnis Pribumi 1077 49.52% 1098 50.48%
Non Pribumi 8 50.00% 8 50.00%
Agama Islam 1080 49.84% 1087 50.16%
Non Islam 5 20.83% 19 79.17%
Jumlah partai yang dikenal
<10 partai 965 49.51% 984 50.49%
10-19 partai 117 49.58% 119 50.42%
20-29 partai 3 50.00% 3 50.00%
>29 partai 0 0.00% 0 0.00%
Persentase tahu sasaran dari partai yang dikenal
<50% 848 53.84% 727 46.16%
≥50% 237 38.47% 379 61.53%
Calon yang mewakili daerah pemilihan
Tidak Tahu 1046 49.95% 1048 50.05%
Tahu 39 40.21% 58 59.79%
Lampiran 4 Nilai singular, inersia, proporsi keragaman yang mampu dijelaskan plot hasil analisis korespondensi
Dimensi Nilai Singular Inersia Keragaman
1 2.656 0.266 26.56%
2 2.184 0.218 21.84%
16
Lampiran 5 Koordinat masing-masing kategori dalam plot dua dimensi
Peubah Kategori Frekuensi
Koordinat Centroid Dimensi
1 2
Jenis Kelamin Pria 1352 -0.076 -0.063
Wanita 839 0.122 0.101
Pengeluaran
Bawah 1345 0.342 -0.020
Menengah 826 -0.520 0.034
Atas 20 -1.533 -0.060
Jenis pekerjaan
Pengangguran 135 0.184 0.426
Buruh 228 0.595 -0.836
Petani 147 0.592 -0.969
Ibu rumah tangga 507 0.500 0.117
Pensiunan 113 -0.050 0.543
Wiraswasta 507 0.156 0.053
Pegawai negeri 93 -1.636 0.462
Pegawai swasta 461 -0.916 0.184
Pendidikan
SD 711 0.730 -0.927
SMP 443 0.276 0.041
SMA 693 -0.054 0.788
Akademi 141 -0.699 1.648
>=Sarjana 203 -2.489 -0.677
Agama Islam 2167 0.001 -0.001
Non islam 24 -0.134 0.129
Persentase tahu sasaran dari partai yang dikenal
<50% 1575 0.234 0.055
≥ 50% 616 -0.599 -0.139
Calon yang mewakili daerah pemilihan
Tidak Tahu 2094 0.027 -0.016
Tahu 97 -0.581 0.345
Pilihan Gambar partai 1085 0.384 0.552
17
Lampiran 6 Jarak kategori gambar partai dan nama calon terhadap kategori peubah yang lain pada plot dua dimensi
Peubah Kategori Jarak terhadap kategori
Gambar Partai (Y0) Nama calon (Y1)
Jenis Kelamin Pria 0.767 0.565
Wanita 0.521 0.813
Pengeluaran per bulan
Bawah 0.573 0.888
Menengah 1.042 0.592
Atas 2.012 1.253
Jenis pekerjaan
Pengangguran 0.236 1.118
Buruh 1.404 1.016
Petani 1.534 1.058
Ibu rumah tangga 0.449 1.096
Pensiunan 0.434 1.132
Wiraswasta 0.548 0.798
Pegawai negeri 2.022 1.610
Pegawai swasta 1.351 0.904
Pendidikan
SD 1.518 1.172
SMP 0.522 0.874
SMA 0.498 1.367
Akademi 1.541 2.213
≥Sarjana 3.124 2.117
Agama Islam 0.672 0.659
Non islam 0.668 0.713
Persentase tahu sasaran dari partai yang dikenal
<50% 0.519 0.853
≥ 50% 1.202 0.459
Calon yang mewakili daerah pemilihan
Tidak Tahu 0.670 0.662
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
18
Lampiran 8 Klasifikasi model regresi logistik biner
Amatan Prediksi % Benar
Gambar partai Nama Caleg
Gambar partai 643 442 59.26
Nama Caleg 479 627 56.69
% Total 57.96
Lampiran 9 Hasil uji Wald parameter model regresi logistik biner
Tahap 1
Peubah B S.E. Wald db p-value Exp(B)
Gender(1) -0.128 0.125 1.039 1 0.308 0.880
Kategori Desa-Kota(1) -0.137 0.100 1.894 1 0.169 0.872
Usia 1.011 2 0.603
Usia(1) -0.045 0.131 0.119 1 0.731 0.956
Usia(2) 0.059 0.146 0.165 1 0.684 1.061
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
Parpol dikenal 0.926 2 0.629
Parpol dikenal (1) 0.083 0.145 0.325 1 0.568 1.086
Parpol dikenal (2) -0.646 0.852 0.575 1 0.448 0.524
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
Etnis(1) -0.202 0.530 0.145 1 0.703 0.817
Agama(1) 1.476 0.516 8.179 1 0.004 4.377
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
Konstanta -0.440 0.225 3.808 1 0.051 0.644