Penggerombolan dan identifikasi trend kabupaten di Indonesia berdasarkan data dan informasi kemiskinan tahun 2002-2009

(1)

PENGGEROMBOLAN DAN IDENTIFIKASI TREND KABUPATEN DI

INDONESIA BERDASARKAN DATA DAN INFORMASI KEMISKINAN

TAHUN 2002-2009

ANNA CHINTYA DEWI

DEPARTEMEN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(2)

Berdasarkan Data dan Informasi Kemiskinan Tahun 2002-2009. Dibimbing oleh HARI WIJAYANTO dan AGUS M. SOLEH.

Analisis gerombol dan pengkajian trend kemiskinan kabupaten dilakukan menggunakan metode yang mengadopsi sistem Cluster-based Temporal Representation of Event Data (C-TREND) dengan membuat Temporal Cluster Graph yang memetakan data multiatribut kedalam grafik dua dimensi. Rasio jarak antara gerombol awal dan akhir jalur dengan jarak sepanjang jalur terbesar yaitu sebesar 0.86 yang mengindikasikan trend yang searah terjadi pada kabupaten-kabupaten yang perlu meningkatkan perbaikan bidang tenaga kerja serta peningkatan penyediaan fasilitas air bersih. Sedangkan rasio jarak terkecil yaitu sebesar 0.10 mengindikasikan berubah-ubahnya peningkatan atau penurunan karakteristik kemiskinan sepanjang jalur sehingga trendnya tidak searah. Kabupaten-kabupaten di Provinsi Papua dan Papua Barat perlu mendapatkan perhatian lebih dalam pengentasan kemiskinan karena memiliki trend yang cukup konsisten sebagai kabupaten pada gerombol yang relatif miskin setiap tahunnya.

(3)

PENGGEROMBOLAN DAN IDENTIFIKASI TREND KABUPATEN DI

INDONESIA BERDASARKAN DATA DAN INFORMASI KEMISKINAN

TAHUN 2002-2009

ANNA CHINTYA DEWI

Skripsi

Sebagai salah satu syarat untuk memperoleh gelar

Sarjana Statistika pada

Program Studi Statistika

DEPARTEMEN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(4)

NRP : G14070065

Disetujui

Pembimbing 1 Pembimbing 2

Dr. Ir. Hari Wijayanto, MS Agus M. Soleh, S.Si,MT

NIP.196504211990021001 NIP. 197503151999031004

Diketahui

Ketua Departemen Statistika

Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor

Dr. Ir. Hari Wijayanto, MS NIP. 196504211990021001

(5)

Puji dan syukur penulis panjatkan kepada Allah SWT atas segala rahmat dan karunia-Nya sehingga tulisan ini berhasil diselesaikan. Tulisan ini merupakan hasil penelitian penulis dalam rangka memenuhi tugas akhir yang merupakan salah satu syarat untuk memperoleh gelar Sarjana Statistika di Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor.

Terimakasih yang tak terhingga penulis ucapkan kepada :

1. Allah SWT, Maha Pencipta yang keberkahannya tidak pernah putus.

2. Bapak Dr. Ir. Hari Wijayanto, MS dan Bapak Agus M. Soleh, S.Si, MT atas segala bimbingan dan arahan kepada penulis.

3. Bapak Ir. Bunawan Sunarlim, MS selaku dosen penguji yang telah banyak memberikan masukan untuk penyempurnaan tulisan ini.

4. Dinas Pendidikan Kabupaten Rokan Hilir selaku pemberi beasiswa.

5. Kedua orang tua dan seluruh keluarga besar penulis atas doa dan pelajaran yang tak pernah berhenti.

Semoga tulisan ini dapat bermanfaat bagi semua pihak yang membutuhkan.

Bogor, Agustus 2011

(6)

tunggal dari pasangan Muhammad Yusuf dan Chairani Damayanti.

Tahun 2007 penulis lulus dari SMA Negeri I Bagan Sinembah, Rokan Hilir dan pada tahun yang sama lulus seleksi masuk Institut Pertanian Bogor melalui jalur Beasiswa Utusan Daerah (BUD) Rokan Hilir, Riau. Penulis memilih mayor Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam.

(7)

vi

DAFTAR TABEL .. ... vii

DAFTAR GAMBAR ... vii

DAFTAR LAMPIRAN ... vii

PENDAHULUAN Latar Belakang ... 1

Tujuan ... ... 1

TINJAUAN PUSTAKA Kemiskinan ... 1

Analisis Gerombol ... 2

Analisis Komponen Utama ... 2

Cluster-based Temporal Representation of Event Data (C-TREND) ... 3

Temporal Cluster Graph ... 3

METODOLOGI Sumber Data ... 3

Metode Analisis ... 4

HASIL DAN PEMBAHASAN Eksplorasi Data ... 4

Penggerombolan Kabupaten Menggunakan Metode K-Means ... 4

Analisis Trend Menggunakan Temporal Cluster Graph ... 7

KESIMPULAN DAN SARAN ... 8

DAFTAR PUSTAKA ... 8

(8)

vii

Halaman

1 Korelasi antar peubah tahun 2002 ... 5

2 Jumlah gerombol optimal tahun 2002-2009 ... 5

DAFTAR GAMBAR

Halaman 1 Contoh Temporal Cluster Graph ... 3

2 Diagram bintang rataan peubah gerombol 1 tahun 2002 ... 5

DAFTAR LAMPIRAN

Halaman 1 Korelasi antar peubah bebas tahun 2003-2009 ... 10

2 Proporsi kumulatif keragaman komponen utama tahun 2002-2009 ... 12

3 Daftar kabupaten anggota gerombol tahun 2002-2009 ... 13

4 Diagram bintang rataan peubah tahun 2002 dan tahun 2009 ... 21

5 Temporal Cluster Graph ... 27

6 Besarnya Direct Distance dan Path Distance serta rasio yang terbentuk ... 28

7 Pergerakan jumlah anggota gerombol tahun 2002-2009 ... 29

(9)

PENDAHULUAN

Latar belakang

Indonesia merupakan negara kepulauan dengan jumlah penduduk sekitar 237.56 juta jiwa di mana 13.33% dari total penduduk Indonesia berada di bawah garis kemiskinan (BPS 2010). Secara nasional, trend kemiskinan di Indonesia menunjukkan jumlah penduduk miskin yang semakin berkurang dari tahun ke tahun. Hal ini dapat terlihat dari persentase jumlah penduduk miskin secara nasional pada tahun 2007, 2008, dan 2009 dengan nilai masing-masing sebesar 16.58%, 15.42%, dan 14.15% (BPS 2010).

Pemerintah telah mengupayakan berbagai program dalam rangka pengentasan kemiskinan sehingga diharapkan dapat mencapai pemerataaan. Untuk itu, gambaran pengelompokan kabupaten berdasarkan indikator kemiskinan dibutuhkan sebagai acuan dalam menetapkan prioritas pengadaan

program-program dalam rangka

mengentaskan kemiskinan penduduk. Selain itu, perlu dilakukan pengkajian terhadap trend masing-masing gerombol yang terbentuk dari tahun ke tahun untuk melihat perubahan kekonsistenan gerombol dari waktu ke waktu. Penggerombolan dan identifikasi trend gerombol yang terbentuk dilakukan untuk kabupaten-kabupaten di Indonesia menggunakan metode yang mengadopsi

sistem Cluster-based Temporal

Representation of Event Data (C-TREND) dengan membuat Temporal Cluster Graph yang memetakan data multiatribut antar waktu ke dalam grafik dua dimensi.

Tujuan

Tujuan dari penelitian ini adalah :

1. Menggerombolkan kabupaten-kabupaten seluruh Indonesia berdasarkan indikator kemiskinan untuk mengetahui kabupaten yang menjadi prioritas dalam rangka mengentaskan kemiskinan.

2. Mengidentifikasi dan memvisualisasikan trend pada gerombol yang terbentuk.

TINJAUAN PUSTAKA

Kemiskinan

Menurut Badan Pusat Statistik (2010), kemiskinan adalah ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan yang diukur dari sisi pengeluaran

.

_{Oleh karena itu,} Penduduk Miskin adalah penduduk yang

memiliki rata-rata pengeluaran perkapita perbulan dibawah garis kemiskinan (GK).

Langkah-langkah penghitungan Garis Kemiskinan adalah sebagai berikut :

1. Melakukan penghitungan Garis

Kemiskinan Makanan sebelum

disetarakan dengan 2100 kilokalori (GKMj). GKMj merupakan jumlah nilai pengeluaran dari 52 komoditi dasar makanan yang riil dikonsumsi penduduk. GKMj dapat dirumuskan sebagai berikut:

GKMj = ∑ . )= ∑ dengan:

GKMj = Garis Kemiskinan Makanan daerah ke-j sebelum disetarakan dengan 2100 kilokalori

= harga komoditi ke-k di daerah ke-j

=

ata kuantitas komoditi ke-k yang dikosumsi di daerah ke-j = nilai pengeluaran untuk

konsumsi komoditi ke-k di daerah ke-j

j = Daerah

k = komoditi

2. Melakukan penyetaraan GKMj dengan 2100 kilokalori dengan terlebih dahulu mengalikan 2100 terhadap harga implisit rata-rata kalori menurut daerah j.

Fj = ̅̅̅̅̅ x 2100 dengan

̅̅̅̅̅ =

∑

dengan:

Fj = Garis Kemiskinan Makanan daerah ke-j

̅̅̅̅̅

= harga rata-rata kalori di daerah ke-j Kk = kalori komoditi ke-k di daerah ke-j

Kemiskinan Non Makanan (NFj). NFj merupakan penjumlahan nilai kebutuhan minimum dari komoditi-komoditi non-makanan meliputi perumahan, sandang, pangan, pendidikan, dan kesehatan. Secara matematis dirumuskan sebagai berikut:

NFj = ∑ Vi)

dengan :

NFj = Garis Kemiskinan Non Makanan daerah ke-j

ri = rasio pengeluaran per

(10)

Vi = nilai pengeluaran per

komoditi/subkelompok non-makanan daerah ke-j hasil Susenas Modul Konsumsi

j = daerah

4. Melakukan perhitungan Garis

Kemiskinan (GK) untuk masing-masing daerah dengan persamaan:

GKj= Fj + NFj

Analisis Gerombol

Analisis gerombol merupakan salah satu metode dalam peubah ganda yang tujuan

utamanya mengelompokkan objek

berdasarkan kemiripan atau ketakmiripan karakteristik-karakteristiknya sehingga tiap objek yang terdapat dalam satu gerombol memiliki kesamaan yang tinggi sesuai dengan kriteria pemilihan yang ditentukan (Johnson dan Wichern 1998). Ada dua metode penggerombolan klasik, yaitu:

1. Metode berhierarki

Metode berhierarki digunakan jika belum diketahui banyaknya gerombol yang akan dibentuk. Terdapat beberapa metode perhitungan jarak antar dua gerombol dalam metode berhierarki yaitu menggunakan jarak terdekat (Single Linkage), menggunakan jarak terjauh (Complete Linkage), dan menggunakan jarak antara rataan gerombol (Centroid Linkage). Fungsi jarak yang sering digunakan adalah jarak Euclidian dengan asumsi tidak ada korelasi antar peubah yang didefenisikan sebagai berikut:

Dij=[(xi-xj)`(xi-xj)]1/2

dengan:

dij= jarak antara objek ke-i dan objek ke-j xi = vektor peubah untuk objek ke-i xj = vektor peubah untuk objek ke-j

2. Metode tak berhierarki

Metode tak berhierarki digunakan jika banyaknya gerombol yang akan dibentuk telah ditentukan. Penentuan pusat gerombol merupakan langkah awal yang akan sangat menentukan hasil penggerombolan. Salah satu metode yang paling banyak digunakan adalah metode K-Means yang menggerombolkan objek berdasarkan kedekatan ukuran jarak terhadap centroid masing-masing gerombol (Anderberg 1973). Adapun langkah-langkah utama dalam proses penggerombolan menggunakan metode K-Means:

1. Tentukan banyaknya gerombol yang diinisialisasi dengan K dan tentukan centroid tiap gerombol.

2. Hitung jarak setiap objek dengan setiap centroid. Masukkan objek ke dalam gerombol yang memiliki jarak terdekat. 3. Hitung kembali centroid untuk gerombol

yang baru terbentuk. Lakukan sampai tidak ada objek yang berpindah gerombol.

Salah satu cara menentukan banyaknya gerombol awal yang optimum yang diinisialisasi dengan K adalah menggunakan algoritma Hartigan ( Hartigan 1975, diacu dalam Subanar dan Kariyam 2007) yaitu dengan membandingkan jumlah kuadrat dari tiap gerombol yang terbentuk yang secara matematis dapat dituliskan:

H(k) =

dengan:

tr(Wk) = teras matriks jumlah kuadrat Wk ,

= ∑ ∑ ̅

̅

dengan:

p = banyaknya peubah

ng = banyaknya anggota gerombol ke-g = kasus ke-i, (i= 1,2,3,...ng)

̅ = rata-rata peubah pada gerombol ke-g

Banyaknya gerombol diestimasi mulai dari 1 ≤ k ≤ n. Banyaknya gerombol akan terus ditambah sampai H(k) ≤ 10.

Analisis Komponen Utama Analisis komponen utama (AKU) merupakan suatu pendekatan statistika yang ide utamanya adalah mengurangi dimensi suatu data set yang peubahnya saling berhubungan dengan memuat sebesar mungkin keragaman yang ada pada data set awal. Hal ini dilakukan dengan mentransformasi data awal dengan p peubah menjadi q gugus peubah baru di mana q<p. Komponen utama merupakan kombinasi linier dari p peubah yang bersifat saling bebas antar komponen utamanya dan dapat dituliskan sebagai berikut:

= ∑ dengan :

(11)

= vektor ciri pada komponen utama ke-i dan peubah ke-j yang berpadanan dengan akar ciri ke –i ( )

= elemen peubah ke-j (Johnson and Wichern 1998).

Ada beberapa metode yang dapat digunakan untuk memilih berapa banyak komponen utama yang sebaiknya digunakan. Menurut Joliffe (2002), ada tiga metode penentuan jumlah komponen utama yang sering digunakan yaitu menggunakan nilai kumulatif proporsi keragaman total yang mampu dijelaskan, ragam komponen utama yang merupakan akar ciri, dan plot scree yaitu plot antara banyaknya komponen utama dengan akar ciri.

C-TREND

Cluster-based Temporal Representation of Event Data (C-TREND) merupakan suatu sistem yang mengimplementasikan teknik identifikasi dan visualisasi berbasis Temporal Cluster Graph (Adomavicius dan Bockstedt 2008). C-TREND terdiri dari dua tahap utama:

1. Offline pre-processing data

Pada tahap ini data dipisahkan berdasarkan waktu dan dilakukan analisis gerombol pada tiap waktu. Metode penggerombolan yang digunakan dapat metode berhierarki ataupun tak berhierarki. Output berupa Temporal Cluster Graph.

2. Online interactive analysis

Pada tahap ini pengguna dapat memodifikasi beberapa parameter yang digunakan pada pembuatan Temporal Cluster Graph. Output berupa Temporal Cluster Graph hasil modifikasi.

Temporal Cluster Graph

Temporal Cluster Graph merupakan grafik

yang memvisualisasikan hasil

penggerombolan antar waktu serta memungkinkan untuk mengidentifikasi kekonsistenan arah (trend) dari gerombol yang terbentuk. Temporal Cluster Graph terdiri dari node-node V dan garis-garis E seperti yang digambarkan pada Gambar 1. Node-node diberi label banyaknya anggota gerombol dan garis-garis diberi label jarak antar dua node yang dapat diperoleh menggunakan jarak Euclidian, Chebyshev, Mahalanobis, dan sebagainya. Ada beberapa parameter pada Temporal Cluster Graph yang nilainya dapat diubah-ubah dengan tujuan menyaring node dan garis yang dinilai tidak

cukup kuat untuk dimasukkan ke dalam analisis atau dalam kata lain dikategorikan sebagai gerombol atau garis semu (Adomavicius & Bockstedt 2008).

Untuk menganalisis trend yang terjadi pada gerombol yang terbentuk dalam rentang waktu yang ada dapat digunakan rasio jarak yaitu:

=

dengan :

= trend directionality ratio = direct distance, berupa jarak

antara node pertama dan terakhir dalam satu jalur

= path distance, berupa total jarak sepanjang satu jalur

Trend directionality ratio mengukur kekonsistenan pergantian arah seluruh atribut atau trend gerombol yang terbentuk. Nilai dir(v0,vn) є [0,1]. Nilai dir(v0,vn) = 1 berarti

bahwa pusat gerombol konsisten pada arah yang sama untuk setiap atribut. Nilai dir(v0,vn)

mendekati nol menandakan dD<<dP yaitu

trend bergerak pada arah yang berbeda.

Gambar 1 Contoh Temporal Cluster Graph

METODOLOGI

Sumber Data

(12)

1. Persentase penduduk miskin (X1)

2. Persentase penduduk miskin yang tingkat pendidikan terakhir tidak lulus Sekolah Dasar (SD) (X2)

3. Persentase penduduk yang melek huruf (X3)

4. Persentase penduduk miskin yang tidak bekerja (X4)

5. Persentase penduduk yang menggunakan alat KB (X5)

6. Persentase rumah tangga pengguna air bersih (X6)

Metode Analisis

Tahapan metode yang dilakukan dalam penelitian ini mengadopsi sistem C-TREND yaitu membuat Temporal Cluster Graph kemudian melakukan analisis terhadap hasil akhir grafik. Tahap-tahap yang dilakukan dalam penelitian ini adalah:

1. Tahapan persiapan data yang dilakukan adalah sebagai berikut :

a. Melakukan penyamaan banyaknya kabupaten setiap tahun dengan melakukan rataan terboboti pada

kabupaten yang mengalami

pemekaran. Peubah X1, X3, X5, dan X6 diboboti dengan jumlah penduduk tiap kabupaten sedangkan peubah X2 dan X4 diboboti dengan jumlah penduduk miskin tiap kabupaten.

b. Mengganti nilai pada kabupaten induk dengan hasil rataan terboboti dan menghapus kabupaten hasil pemekaran sehingga jumlah kabupaten dari tahun 2002 sampai tahun 2009 ada sebanyak 343 kabupaten.

2. Tahapan metode yang dilakukan pada setiap tahun data sebagai berikut:

a. Melakukan eksplorasi data dengan tujuan melihat korelasi antar peubah dan karakteristik data setiap tahun. Apabila terdapat korelasi antar peubah maka dilakukan Analisis Komponen Utama terhadap data sehingga data yang digunakan untuk tahapan selanjutnya saling bebas. Untuk tahapan selanjutnya, pengolahan data menggunakan skor komponen utama. Pada penelitian ini, penentuan banyaknya komponen utama yang digunakan menggunakan kumulatif proporsi keragaman yang mampu dijelaskan yaitu lebih besar dari 90% (Joliffe 2002).

b. Mencari jumlah gerombol optimal menggunakan kriteria Hartigan dengan melakukan penggerombolan

1 ≤ k ≤ n sampai H(k) 10.

Banyaknya gerombol saat H(k) 10 merupakan jumlah gerombol optimal. c. Mencari rataan peubah awal serta membuat diagram bintang untuk setiap gerombol yang terbentuk 3. Membuat Temporal Cluster Graph untuk

seluruh gerombol yang terbentuk. Tahapan dalam pembuatan Temporal Cluster Graph adalah sebagai berikut:

a. Memberi label node dengan banyaknya anggota gerombol b. Memberi label garis dengan jarak

antara dua node. Pada penelitian ini, label garis antara dua gerombol merupakan jarak antara dua gerombol yang paling mirip atau merupakan jarak Euclidian terkecil dari dua gerombol pada tahun yang berbeda.

4. Melakukan analisis terhadap trend menggunakan ukuran rasio jarak yaitu trend directionally ratio (dir(v0,vn)).

5. Menginterpretasikan trend berdasarkan hasil rasio jarak.

6. Melihat pergerakan jumlah kabupaten dari gerombol yang mirip pada tahun yang berbeda.

HASIL DAN PEMBAHASAN

Eksplorasi Data

Tahap awal analisis yaitu melihat hubungan yang terjadi antar peubah bebas setiap tahun menggunakan korelasi Pearson. Matriks korelasi antar peubah menunjukkan adanya korelasi yang nyata pada taraf 5%. Salah satu matriks korelasi yaitu matriks korelasi tahun 2002 ditunjukkan pada Tabel 1. Tabel korelasi antar peubah tahun 2003 sampai tahun 2009 ditunjukkan pada Lampiran 1.

Untuk mengatasi adanya korelasi tersebut dilakukan transformasi yaitu menggunakan analisis komponen utama. Komponen utama tahun 2002 sampai tahun 2009 dapat dilihat pada Lampiran 2. Skor komponen utama yang terbentuk digunakan untuk tahapan analisis data selanjutnya.

Penggerombolan Kabupaten Menggunakan Metode K-Means

(13)

dibentuk. Algoritma Hartigan merupakan salah satu cara menentukan banyaknya jumlah gerombol optimal apabila tidak ada informasi awal mengenai jumlah gerombol yang akan dibentuk dengan melakukan pembandingan jumlah kuadrat dari banyaknya gerombol yang terbentuk. Pada tahun 2002, banyaknya jumlah gerombol optimal sebanyak 11 gerombol dengan nilai H(k) sebesar 5.74. Banyaknya gerombol optimal setiap tahun data dan nilai H(k) yang terbentuk dapat dilihat pada Tabel 2.

Tabel 1 Korelasi antar peubah tahun 2002

X1 X2 X3 X4 X5

X2 0.382* 0.000 X3 -0.447*

0.000

-0.407* 0.000 X4 -0.257*

0.000

-0.022 0.682

0.154* 0.004 X5 -0.095

0.077 0.066 0.223 0.117 0.030 0.077 0.154 X6 -0.424*

0.000 -0.304* 0.000 0.308* 0.000 0.467* 0.000 0.059 0.272 *Korelasi nyata pada taraf 5%

Tabel 2 Jumlah gerombol optimal tahun 2002-2009

Tahun K JK H(k)

2002 11 84207.01 5.74

2003 10 61354.01 8.20

2004 14 53009.70 7.62

2005 9 69089.81 5.23

2006 12 68032.89 0.62

2007 9 45190.99 4.83

2008 6 60237.83 7.79

2009 11 51652.60 1.81

Pada tahun 2002, gerombol 1 beranggotakan 20 kabupaten yaitu kabupaten-kabupaten dengan karakteristik yang cenderung tidak miskin. Hal ini dapat dilihat dari tingginya rata-rata angka melek huruf (X3), tingginya persentase rumah tangga pengguna air (X6) bersih, dan rendahnya persentase penduduk miskin yang tidak bekerja (X4). Kabupaten-kabupaten anggota gerombol 1 membutuhkan perhatian khusus dalam bidang pendidikan dan program Keluarga Berencana karena memiliki persentase penduduk miskin yang tidak tamat Sekolah Dasar (X2) paling tinggi di antara gerombol lain dan rendahnya persentase penduduk pengguna alat KB (X5). Karakteristik gerombol 1 tahun 2002 dapat dilihat melalui diagram bintang pada Gambar

2. Daftar kabupaten tiap gerombol disajikan pada Lampiran 3.

Gerombol 2 dan 3 pada tahun 2002 memiliki karakteristik yang hampir sama yaitu memiliki persentase penduduk miskin yang cukup rendah, angka melek huruf yang tinggi, persentase penduduk pengguna alat KB yang cukup tinggi, serta tingginya pengguna air bersih (Gambar 3 dan Gambar 4). Namun, gerombol 2 dan 3 perlu mendapatkan tindak lanjut dalam bidang tenaga kerja karena tingginya persentase penduduk miskin yang tidak bekerja. Hal ini dapat disebabkan kabupaten anggota gerombol 3 sebagian besar merupakan kabupaten-kabupaten yang terletak di pulau Jawa. Bahkan seluruh kodya di Provinsi DKI Jakarta berada dalam satu gerombol. Khusus untuk gerombol 2, masalah pendidikan di kalangan penduduk miskin juga menjadi hal yang harus mendapat penanganan khusus.

Gambar 2 Diagram bintang rataan peubah gerombol 1 tahun 2002

Gerombol 4 dapat dikatakan sebagai gerombol yang cukup miskin di antara gerombol yang lain (Gambar 5). Hal ini dapat dilihat dari tingginya persentase penduduk miskin dan persentase penduduk miskin yang tidak tamat SD. Bahkan menjadi yang tertinggi dibanding gerombol lainnya. Selain itu, rendahnya angka melek huruf, pengguna alat KB, dan rumah tangga pengguna air bersih menjadi pemicu kemiskinan pada kabupaten-kabupaten yang seluruhnya merupakan kabupaten di Provinsi Papua.

Gerombol 5 dapat dikatakan sebagai gerombol yang paling sejahtera ditinjau dari karakteristik secara keseluruhan. Namun, kabupaten-kabupaten pada gerombol 5 memiliki persentase rumah tangga pengguna air bersih yang cukup rendah jika

22.18 _48.61

(14)

dibandingkan gerombol lain (Gambar 6). Begitu juga dengan gerombol 10 yang merupakan gerombol dengan persentase rumah tangga pengguna air bersih terkecil. Hal ini kemungkinan besar dikarenakan anggota gerombol 5 dan 10 merupakan kabupaten yang berada pada daerah dengan ketersediaan fasilitas air bersih yang rendah, seperti daerah di Pulau Sumatra dan Kalimantan.

Gerombol 6 merupakan gerombol dengan persentase penduduk pengguna alat KB paling rendah dari gerombol lain. Namun, karakteristik lain menunjukkan kabupaten pada gerombol 6 merupakan kabupaten-kabupaten dengan karakteristik relatif tidak miskin.

Gerombol 7 dan 9 menunjukkan karakteristik yang relatif tidak miskin tapi membutuhkan penanganan lebih lanjut untuk bidang pendidikan karena persentase penduduk miskin yang tidak tamat SD masih relatif tinggi. Namun, gerombol 9 cukup

menonjol dalam hal tingginya persentase penduduk pengguna alat KB.

Untuk gerombol 8 yang seluruh anggotanya berada pada kawasan Indonesia Timur, karakteristik kemiskinan menunjukkan angka yang relatif tinggi pada persentase penduduk miskin yang tidak tamat SD. Karakteristik lain menunjukkan keadaan yang relatif tidak miskin. Sedangkan gerombol 11 merupakan gerombol yang perlu ditingkatkan dalam hal penggunaan alat KB. Diagram bintang rataan peubah gerombol 6, 7, 8, 9, 10, dan 11 yang terbentuk tahun 2002 disajikan pada Lampiran 4.

Tahun 2009 merupakan tahun akhir data di mana pada tahun ini terbentuk 11 gerombol seperti pada tahun 2002. Ada beberapa gerombol yang perlu mendapat perhatian terkait dengan karakteristik kemiskinannya. Gerombol 1 sebagai gerombol dengan karakteristik yang cenderung tidak miskin

(15)

namun perlu mendapat perhatian di bidang fasilitas air bersih sedangkan gerombol 3 perlu mendapat perhatian di bidang pendidikan karena memiliki persentase penduduk miskin yang tidak tamat SD cukup tinggi.

Gerombol 2 sebagai gerombol yang mengindikasikan karaktersitik miskin hampir di setiap aspek kemiskinannya merupakan gerombol dengan tiga anggota yaitu kabupaten Sumba Barat, Paniai, dan Puncak Jaya. Sementara gerombol 4 dan 5 merupakan gerombol yang relatif tidak miskin namun membutuhkan perbaikan di bidang tenaga kerja. Gerombol yang lain menunjukkan karakteristik yang hampir sama sebagai daerah yang relatif tidak miskin. Diagram bintang rataan peubah tiap gerombol yang terbentuk tahun 2009 dapat dilihat pada Lampiran 4.

Analisis trend menggunakan Temporal Cluster Graph

Temporal Cluster Graph digunakan untuk melihat kekonsistenan trend dari peubah-peubah yang digunakan. Temporal Cluster Graph dibentuk dari seluruh gerombol dari tahun 2002 sampai tahun 2009 yaitu sebanyak 82 gerombol seperti yang disajikan pada Lampiran 5 sedangkan jalur yang terbentuk beserta path distance dan direct distance disajikan pada Lampiran 6.

Berdasarkan besarnya rasio direct distance dengan path distance, nilai terbesar terjadi pada tahun 2007-2009 atau jalur 10—27—31 yang merupakan pergerakan dari gerombol 9 tahun 2007 ke gerombol 9 tahun 2009 yaitu sebesar 0.86. Besarnya nilai rasio jarak gerombol-gerombol tersebut menunjukkan kemiripan karakteristik yang tinggi serta terjadi trend yang konsisten atau searah sepanjang jalur untuk setiap karakteristik gerombol. Kekonsisten ini dapat disebabkan oleh jalur yang tidak dimulai dari tahun 2002 sehingga gerombol cenderung sudah menuju ke arah yang sama untuk tiga tahun terakhir. Kabupaten anggota gerombol - gerombol pada jalur 10—27—31 merupakan gerombol yang perlu memperhatikan bidang tenaga kerja serta peningkatan penyediaan fasilitas air. Trend yang cukup konsisten ditunjukkan oleh gerombol-gerombol tahun 2006-2009 yaitu jalur 5—2—27—31 dengan nilai rasio direct distance dengan path distance sebesar 0,76. Kabupaten-kabupaten anggota gerombol pada jalur ini merupakan kabupaten yang relatif miskin terutama pada tahun awal jalur.

J a l u r 3 0—13—50—48—45—64—46 yang dimulai tahun 2003 sampai tahun 2009 menunjukkan nilai rasio rasio direct distance dengan path distance paling kecil yaitu sebesar 0.10 yang berarti trend yang terjadi tidak konsisten. Trend yang tidak konsisten ke satu arah disebabkan berubah-ubahnya peningkatan atau penurunan nilai karakteristik kemiskinan sepanjang jalur. Namun, pada akhirnya, karakteristik gerombol pada awal jalur sangat mirip dengan gerombol pada akhir jalur.

Jalur 3—1—7–3–3–27–31 pada tahun 2003-2009 merupakan jalur dengan gerombol-gerombol yang memiliki karakteristik yang mirip dengan trend yang relatif tidak mengalami perubahan sepanjang jalur. Hal ini dapat dilihat dari rasio jarak sebesar 0.54. Gerombol-gerombol pada jalur ini perlu mendapatkan perhatian lebih dalam hal pengentasan kemiskinan karena gerombol sepanjang jalur merupakan gerombol yang relatif miskin berdasarkan karakteristik yang ada. Kabupaten yang dominan muncul pada jalur ini adalah kabupaten-kabupaten di Provinsi Papua dan Papua Barat. Namun, pada tahun 2008 dan 2009, beberapa kabupaten di Pulau Sumatra dan Pulau Jawa mulai muncul sebagai anggota gerombol pada jalur tersebut.

(16)

KESIMPULAN DAN SARAN

Kesimpulan

Penggerombolan kabupaten dari tahun 2002 sampai tahun 2009 menunjukkan bahwa daerah Indonesia timur, khususnya kabupaten-kabupaten di Provinsi Papua dan Papua Barat, memiliki karakteristik sebagai daerah yang miskin sehingga perlu mendapat penanganan khusus dalam rangka pemerataan pengentasan kemiskinan di Indonesia. Sementara itu, sebagian besar kabupaten-kabupaten di pulau Jawa, terutama kabupaten-kabupaten di Provinsi DKI Jakarta memiliki karakteristik sebagai daerah yang tidak miskin. Namun, memerlukan tindak lanjut dalam bidang tenaga kerja mengingat tingginya persentase penduduk miskin yang tidak bekerja dari tahun ke tahun.

Trend dari gerombol yang terbentuk berupa nilai rasio direct distance dengan path distance cukup bervariasi dengan nilai terbesar yaitu 0.86 dan terkecil yaitu 0.10. Angka ini menunjukkan bahwa karateristik gerombol dari tahun ke tahun dengan jalur-jalur yang dibuat pada Temporal Cluster Graph mengindikasikan trend yang berbeda-beda setiap jalurnya. Gerombol-gerombol pada jalur 3—1—7–3–3–27–31 yang terjadi tahun 2003 sampai tahun 2009 merupakan gerombol dengan trend yang relatif konsisten searah. Kabupaten anggota gerombol-gerombolnya perlu mendapat perhatian khusus pemerintah dalam rangka pengentasan kemiskinan karena merupakan gerombol-gerombol termiskin pada hampir sepanjang jalur yang terbentuk. Tingginya kemiripan karakteristik yang terjadi antar gerombol pada tahun yang berbeda tidak selalu disebabkan samanya kabupaten anggota gerombol.

Saran

Penelitian selanjutnya diharapkan dapat membuat Temporal Cluster Graph dengan metode penggerombolan dan ukuran jarak yang berbeda serta menerapkan sistem C-TREND sepenuhnya dengan mencobakan seluruh kemungkinan jalur yang terbentuk untuk mendapatkan gambaran trend yang lebih baik.

DAFTAR PUSTAKA

Adomavicius G, J Bockstedt. 2008. C-TREND: Temporal Cluster Graphs for Identifying and Visualizing Trends in Multiatribbute Transactional Data. IEEE Transactions on Knowledge and Data Engineering 20: 721-735. Anderberg RM. 1973. Cluster Analysis for

Application. USA: Academic Press, Inc.

[BPS] Badan Pusat Statistik. 2010. Data dan Informasi Kemiskinan Buku 2 : Kabupaten. Jakarta : BPS.

Johnson RA, Wichern DW. 1998. Applied Multivariate Statistical Analysis . Ed ke-4. USA:Prentice Hall, Inc.

Jolliffe IT. 2002. Principal Component Analysis. Ed ke-2. New York: Springer-Verlag.

(17)

(18)

Lampiran 1 Korelasi antar peubah bebas tahun 2003-2009

Korelasi antar peubah pada tahun 2003

X1 X2 X3 X4 X5

X2 0.323* 0.000 X3 -0.397*

0.000

-0.503* 0.000 X4 -0.458*

0.000

-0.501* 0.000

0.205* 0.004 X5 -0.096

0.077 0.010 0.860 -0.098 0.071 0.063 0.244

X6 -0.446* 0.000 -0.467* 0.000 0.263* 0.000 0.447* 0.000 -0.002 0.964 *Korelasi nyata pada taraf 5%

X1 X2 X3 X4 X5

X2 0.290* 0.000 X3 -0.396*

0.000

-0.497* 0.000 X4 -0.404*

0.000

-0.308 0.682

0.188* 0.004 X5 -0.100

0.065 -0.117* 0.030 0.051 0.346 0.017 0.750 X6 -0.453*

X1 X2 X3 X4 X5

X2 0.478* 0.000 X3 -0.444*

0.000

-0.485* 0.000 X4 -0.306*

0.000

-0.391* 0.000

0.210* 0.004 X5 -0.153

0.065 -0.023 0.667 0.008 0.881 0.080 0.141 X6 -0.320*

0.000 -0.351* 0.000 0.214* 0.000 0.258* 0.000 -0.041 0.453 *Korelasi nyata pada taraf 5%

X1 X2 X3 X4 X5

X2 0.250* 0.000 X3 -0.466*

0.000

-0.628* 0.000 X4 -0.406*

0.000

-0.356* 0.000

0.365* 0.000 X5 -0.487*

0.000 -0.310* 0.000 0.311* 0.000 0.136* 0.012 X6 -0.290*

(19)

X1 X2 X3 X4 X5

X2 0.158* 0.003 X3 -0.496*

0.000

-0.489* 0.000 X4 0.039

0.469

-0.328* 0.000

0.166* 0.002 X5 0.001

0.984 -0.058 0.288 0.139* 0.010 0.079 0.144 X6 -0.068

X1 X2 X3 X4 X5

X2 0.157* 0.004 X3 -0.413*

0.000

-0.156* 0.004 X4 -0.408*

0.000

-0.315* 0.000

0.174* 0.001 X5 -0.472*

0.000 -0.144* 0.008 0.281* 0.000 0.227* 0.000 X6 -0.202*

X1 X2 X3 X4 X5

X2 0.239* 0.000 X3 -0.376*

0.000

-0.427* 0.000 X4 -0.352*

0.000

-0.416* 0.000

0.168* 0.002 X5 -0.449*

0.000 -0.320* 0.000 0.333* 0.000 0.194* 0.000 X6 -0.186*

0.001 -0.443* 0.000 0.151* 0.005 0.373* 0.000 0.148* 0.006 *Korelasi nyata pada taraf 5%

(20)

Lampiran 2 Proporsi kumulatif keragaman komponen utama tahun 2002-2009

Tahun 2002

Eigenvalues 681.86 207.06 162.14 78.15 28.06 14.92

Proportion 0.582 0.177 0.138 0.067 0.024 0.013

Cumulative 0.582 0.758 0.897 0.963 0.987 1.000

Tahun 2003

Eigenvalue 583.51 111.55 79.56 63.2 35.99 18.42

Proportion 0.654 0.125 0.089 0.071 0.04 0.021

Cumulative 0.654 0.779 0.868 0.939 0.979 1.000

Tahun 2004

Eigenvalue 547.36 122.94 87.98 66.36 50.35 12.8

Proportion 0.617 0.138 0.099 0.075 0.057 0.014

Cumulative 0.617 0.755 0.854 0.929 0.986 1.000

Tahun 2005

Eigenvalue 585.39 167.48 67.91 56.81 42 12.38

Proportion 0.628 0.18 0.073 0.061 0.045 0.013

Cumulative 0.628 0.808 0.881 0.942 0.987 1.000

Tahun 2006

Eigenvalue 550.5 230.98 115.02 76.7 42.04 22.36

Proportion 0.531 0.223 0.111 0.074 0.041 0.022

Cumulative 0.531 0.753 0.864 0.938 0.978 1.000

Tahun 2007

Eigenvalue 477.78 100.47 72.44 21.85 16.47 6.82

Proportion 0.687 0.144 0.104 0.031 0.024 0.01

Cumulative 0.687 0.831 0.935 0.967 0.99 1.000

Tahun 2008

Eigenvalue 486.05 194 62.28 50.46 13.83 9.15

Proportion 0.596 0.238 0.076 0.062 0.017 0.011

Cumulative 0.596 0.834 0.91 0.972 0.989 1.000

Tahun 2009

Eigenvalue 548.38 236.31 82.2 50.65 19.14 12.76

Proportion 0.578 0.249 0.087 0.053 0.02 0.013

(21)

Lampiran 3 Daftar kabupaten anggota gerombol tahun 2002-2009

Tahun 2002

No Gerombol 1 Gerombol 2 Gerombol 3 Gerombol 4 Gerombol 5

1 SOLOK ASAHAN KOTA BINJAI JAYAWIJAYA INDRAGIRI HULU

2 PADANG

PARIAMAN

KOTA SOLOK KOTA PADANG NABIRE BENGKALIS

3 PASAMAN KOTA SAWAH LUNTO KOTA BUKITTINGGI SORONG ROKAN HILIR

4 BONDOWOSO KOTA PADANG

PANJANG

KOTA

PAYAKUMBUH

MANOKWARI KOTA DUMAI

5 BANGKALAN BOGOR KOTA PEKANBARU YAPEN

WAROPEN

MERANGIN

6 PAMEKASAN CIREBON KOTA JAMBI PANIAI MUARO JAMBI

7 SUMENEP MAJALENGKA KOTA PALEMBANG PUNCAK JAYA LAMPUNG BARAT

8 PANDEGLANG INDRAMAYU KOTA BENGKULU KAPUAS HULU

9 SERANG SUBANG KOTA BANDAR

LAMPUNG

KOTAWARINGIN TIMUR

10 LOMBOK TIMUR KARAWANG KOTA METRO KAPUAS

11 BIMA KOTA BOGOR KOTA PANGKAL

PINANG

BARITO SELATAN

12 ENDE KOTA BEKASI KODYA JAKARTA SELATAN BARITO UTARA

13 SELAYAR BANYUMAS KODYA JAKARTA

TIMUR

KUTAI BARAT

14 BULUKUMBA PURBALINGGA KODYA JAKARTA

PUSAT

KUTAI TIMUR

15 JENEPONTO MAGELANG KODYA JAKARTA

BARAT

MALINAU

16 BONE SRAGEN KODYA JAKARTA

UTARA

BULUNGAN

17 SOPPENG BLORA BANDUNG NUNUKAN

18 MAJENE REMBANG KUNINGAN KOTA TARAKAN

19 MUNA DEMAK SUMEDANG

20 GORONTALO SEMARANG BEKASI

21 TEMANGGUNG KOTA SUKABUMI

22 KENDAL KOTA BANDUNG

23 PEKALONGAN KOTA CIREBON

24 TEGAL KOTA DEPOK

25 BREBES PURWOREJO

26 KOTA SALATIGA KLATEN

27 KOTA TEGAL SUKOHARJO

28 PONOROGO KARANGANYAR

29 TULUNGAGUNG PATI

30 BLITAR KUDUS

31 KEDIRI KOTA MAGELANG

32 MALANG KOTA SURAKARTA

33 LUMAJANG KOTA SEMARANG

34 JEMBER BANTUL

35 BANYUWANGI SLEMAN

36 SITUBONDO KOTA YOGYAKARTA

37 PROBOLINGGO SIDOARJO

38 PASURUAN NGANJUK

(22)

No. Gerombol 1 Gerombol 2 Gerombol 3 Gerombol 4 Gerombol 5

40 JOMBANG MAGETAN

41 KOTA BLITAR NGAWI

42 KOTA PROBOLINGGO KOTA KEDIRI

43 TANGERANG KOTA MALANG

44 KARANG ASEM KOTA PASURUAN

45 LOMBOK TENGAH KOTA MOJOKERTO

46 DOMPU KOTA MADIUN

47 KOTA MATARAM KOTA TANGERANG

48 KOTA BITUNG KOTA CILEGON

49 BANTAENG JEMBRANA

50 TAKALAR TABANAN

51 BADUNG

52 GIANYAR

53 BULELENG

54 KOTA DENPASAR

55 KOTA PALANGKAYA

56 KOTA BANJARMASIN

57 KOTA BALIKPAPAN

58 KOTA SAMARINDA

59 KOTA BONTANG

60 MINAHASA

61 KOTA PALU

62 KOTA KENDARI

63 KOTA GORONTALO

64 KOTA TERNATE

No Gerombol 6 Gerombol 7 Gerombol 8 Gerombol 9 Gerombol 10 Gerombol 11

1 NIAS KOTA SABANG SAMPANG ACEH BESAR ACEH BARAT KOTA BANDA

ACEH

2 MANDAILING

NATAL

KOTA LANGSA SUMBA

BARAT

ACEH TENGAH ACEH

SELATAN

SIMALUNGUN

3 TAPANULI SELATAN

KOTA

LHOKSEUMAWE

SUMBA TIMUR

ACEH TENGGARA ACEH SINGKIL KARO

4 TAPANULI TENGAH

LANGKAT KUPANG ACEH UTARA ACEH TIMUR DELI SERDANG

5 TAPANULI UTARA

TANAH DATAR TIMOR

TENGAH SELATAN

PIDIE SIMEULEU KOTA SIBOLGA

6 TOBA SAMOSIR LIMA PULUH KOTA

SIKKA BIREUEN KEPULAUAN

MENTAWAI

KOTA TANJUNG BALAI

7 LABUHAN

BATU

PELALAWAN MAROS PESISIR SELATAN INDRAGIRI

HILIR

KOTA PEMATANG SIANTAR

8 DAIRI KAMPAR SAWAHLUNTO/

SIJUNJUNG

TANJUNG JABUNG TIMUR

KOTA TEBING TINGGI

9 AGAM KEP.RIAU KUANTAN

SINGINGI

TANJUNG JABUNG BARAT

KOTA MEDAN

10 SIAK NATUNA ROKAN HULU SAMBAS BATAM

11 TIMOR TENGAH UTARA

KERINCI KARIMUN LANDAK KOTA

(23)

No Gerombol 6 Gerombol 7 Gerombol 8 Gerombol 9 Gerombol 10 Gerombol 11

12 BELU BATANG HARI SAROLANGUN PONTIANAK KOTA SURABAYA

13 ALOR OGAN KOMERING

ULU

TEBO SANGGAU SUMBAWA

14 LEMBATA LAHAT BUNGO KETAPANG FLORES TIMUR

15 MANGGARAI TANGGAMUS OGAN KOMERING

ILIR

SINTANG NGADA

16 DONGGALA LAMPUNG TIMUR MUARA ENIM KOTA

PONTIANAK

KOTA KUPANG

17 TOLI-TOLI LAMPUNG

TENGAH

MUSI RAWAS TANAH LAUT KOTA MANADO

18 GOWA LAMPUNG UTARA MUSI BANYUASIN BARITO KUALA BARRU

19 SINJAI TULANGBAWANG BENGKULU

SELATAN

MERAUKE SIDENRENG

RAPPANG 20 PANGKAJENE

DAN KEPULAUAN

BANGKA REJANG LEBONG PINRANG

21 WAJO SUKABUMI BENGKULU

UTARA

KOTA UJUNG PANDANG

22 ENREKANG CIANJUR LAMPUNG

SELATAN

KOTA PARE-PARE

23 LUWU GARUT WAY KANAN KOTA AMBON

24 TANA TORAJA TASIKMALAYA BELITUNG KOTA JAYAPURA

25 POLEWALI MAMASA

CIAMIS PURWAKARTA

26 MAMUJU

UTARA

CILACAP BANJARNEGARA

27 BUTON KEBUMEN BENGKAYANG

28 KOLAKA WONOSOBO KOTA BARU

29 BOYOLALI BANJAR

30 WONOGIRI TAPIN

31 GROBOGAN HULU SUNGAI

SELATAN

32 JEPARA HULU SUNGAI

UTARA

33 BATANG TABALONG

34 PEMALANG PASIR

35 KULON PROGO BOALEMO

36 GUNUNG KIDUL MALUKU

TENGGARA BARAT

37 PACITAN MALUKU TENGAH

38 TRENGGALEK MALUKU

TENGGARA

39 BOJONEGORO BURU

40 TUBAN MALUKU UTARA

41 LAMONGAN HALMAHERA

TENGAH

42 GRESIK JAYAPURA

43 LEBAK FAKFAK

44 KLUNGKUNG BIAK NUMFOR

45 BANGLI MIMIKA

46 LOMBOK BARAT

47 KOTAWARINGIN

BARAT

48 HULU SUNGAI

(24)

No Gerombol 6 Gerombol 7 Gerombol 8 Gerombol 9 Gerombol 10 Gerombol 11

49 KOTA BANJAR

BARU

50 KUTAI

51 BERAU

52 BOLAANG

MONGONDOW

53 KEPULAUAN

SANGIHE TALAUD

54 BANGGAI

KEPULAUAN

55 BANGGAI

56 MOROWALI

57 POSO

58 BUOL

59 LUWU UTARA

60 KENDARI

61 KOTA SORONG

Tahun 2009

No. Gerombol 1 Gerombol 2 Gerombol 3 Gerombol 4 Gerombol 5 Gerombol 6

1 ACEH SINGKIL SUMBA BARAT KARANG

ASEM

KOTA BANDA ACEH

KOTA SABANG KOTA LANGSA

2 KEPULAUAN

MENTAWAI

PANIAI DOMPU KOTA BATAM KOTA SIBOLGA KOTA LHOKSEUMAWE

3 PESISIR SELATAN

PUNCAK JAYA KOTA TANJUNG

BALAI

SIMALUNGUN

4 KUANTAN

SINGINGI

KOTA SOLOK DELI SERDANG

5 INDRAGIRI HILIR

KOTA PALEMBANG

KOTA PEMATANG SIANTAR

6 PELALAWAN KODYA

JAKARTA TIMUR

KOTA MEDAN

7 SIAK KODYA

JAKARTA PUSAT

KOTA BINJAI

8 ROKAN HILIR KODYA

JAKARTA BARAT

SOLOK

9 MERANGIN KODYA

JAKARTA UTARA

KOTA PADANG

10 BATANG HARI KOTA CIREBON KOTA PADANG

PANJANG 11 TANJUNG

JABUNG TIMUR

KOTA MAGELANG

KOTA PAYAKUMBUH

12 TANJUNG JABUNG BARAT

KOTA SALATIGA KOTA PEKANBARU

13 BUNGO KOTA TEGAL KOTA DUMAI

14 LAHAT KOTA MADIUN KERINCI

15 MUSI RAWAS KOTA

SURABAYA

KOTA JAMBI

16 BENGKULU

SELATAN

BADUNG KOTA BANDAR

LAMPUNG

17 LAMPUNG

BARAT

KOTA DENPASAR KOTA PANGKAL

PINANG

18 TANGGAMUS KOTA

BANJARMASIN

KODYA JAKARTA SELATAN

19 LAMPUNG

UTARA

KOTA BALIKPAPAN

MAJALENGKA

20 TULANGBAWA

NG

KOTA SAMARINDA

(25)

21 BELITUNG KOTA BITUNG BEKASI

22 NATUNA KOTA MAKASSAR KOTA BANDUNG

23 SUKABUMI KOTA BEKASI

24 CIREBON KOTA DEPOK

25 PURWAKARTA PURWOREJO

26 SERANG WONOSOBO

27 KLUNGKUNG MAGELANG

28 SAMBAS BOYOLALI

29 BENGKAYANG KLATEN

30 LANDAK SUKOHARJO

31 PONTIANAK WONOGIRI

32 SANGGAU KARANGANYAR

33 KETAPANG SRAGEN

34 SINTANG BLORA

35 KOTA

PONTIANAK

REMBANG

36 KOTAWARINGIN

TIMUR

PATI

37 KAPUAS KUDUS

38 TANAH LAUT DEMAK

39 KOTA BARU SEMARANG

40 BARITO KUALA TEMANGGUNG

41 TAPIN KENDAL

42 PASIR KOTA SURAKARTA

43 KUTAI KOTA SEMARANG

44 NUNUKAN KOTA PEKALONGAN

45 DONGGALA KULON PROGO

46 BUOL BANTUL

47 SLEMAN

48 KOTA YOGYAKARTA

49 PONOROGO

50 TULUNGAGUNG

51 BLITAR

52 KEDIRI

53 MALANG

54 LUMAJANG

55 SIDOARJO

56 MOJOKERTO

57 JOMBANG

58 NGANJUK

59 MADIUN

60 MAGETAN

61 NGAWI

(26)

63 TUBAN

64 LAMONGAN

65 GRESIK

66 KOTA MALANG

67 KOTA PASURUAN

68 TANGERANG

69 GIANYAR

70 SUMBAWA

71 BIMA

72 KOTA MATARAM

73 KOTA KUPANG

74 TABALONG

75 BERAU

76 KOTA BONTANG

77 KOTA MANADO

78 POSO

79 KOTA KENDARI

80 KOTA GORONTALO

81 KOTA AMBON

82 KOTA TERNATE

83 KOTA SORONG

84 KOTA JAYAPURA

No. Gerombol 7 Gerombol 8 Gerombol 9 Gerombol 10 Gerombol 11

1 TAPANULI UTARA ACEH TENGAH SIMEULUE BANGKALAN NIAS

2 LEMBATA KOTA TEBING TINGGI ACEH SELATAN SAMPANG TAPANULI TENGAH

3 FLORES TIMUR SAWAHLUNTO/SIJUNJUNG ACEH

TENGGARA

PAMEKASAN ASAHAN

4 ENDE LIMA PULUH KOTA ACEH TIMUR SUMENEP TANAH DATAR

5 SELAYAR INDRAGIRI HULU ACEH BARAT NGADA KOTA SAWAH LUNTO

6 BONE KAMPAR ACEH BESAR SOPPENG BANGKA

7 MAJENE ROKAN HULU PIDIE WAJO BOGOR

8 POLEWALI MANDAR SAROLANGUN BIREUEN ENREKANG KARAWANG

9 MALUKU

TENGGARA BARAT

MUARO JAMBI ACEH UTARA BUTON CILACAP

10 MALUKU

TENGGARA

TEBO MANDAILING

NATAL

MUNA PURBALINGGA

11 MALUKU TENGAH OGAN KOMERING ULU TAPANULI

SELATAN

JAYAPURA BATANG

12 BURU OGAN KOMERING ILIR TOBA SAMOSIR TEGAL

13 MUARA ENIM LABUHAN

BATU

BREBES

14 MUSI BANYUASIN DAIRI GUNUNG KIDUL

15 REJANG LEBONG KARO JEMBER

16 BENGKULU UTARA LANGKAT BONDOWOSO

17 KOTA BENGKULU PADANG

PARIAMAN

(27)

18 LAMPUNG SELATAN AGAM PROBOLINGGO

19 LAMPUNG TIMUR PASAMAN PASURUAN

20 LAMPUNG TENGAH KOTA

BUKITTINGGI

LOMBOK BARAT

21 WAY KANAN BENGKALIS LOMBOK TENGAH

22 KOTA METRO KOTA

SUKABUMI

LOMBOK TIMUR

23 KARIMUN KEBUMEN SUMBA TIMUR

24 BINTAN KOTA CILEGON KUPANG

25 CIANJUR KUTAI BARAT TIMOR TENGAH

SELATAN

26 BANDUNG LUWU TIMOR TENGAH

UTARA

27 GARUT HALMAHERA

BARAT

BELU

28 TASIKMALAYA MANOKWARI ALOR

29 CIAMIS NABIRE SIKKA

30 KUNINGAN YAPEN

WAROPEN

MANGGARAI

31 SUMEDANG BIAK NUMFOR BANJAR

32 SUBANG HULU SUNGAI

SELATAN

33 KOTA BOGOR TOLI-TOLI

34 BANYUMAS BULUKUMBA

35 BANJARNEGARA BANTAENG

36 GROBOGAN JENEPONTO

37 JEPARA TAKALAR

38 PEKALONGAN GOWA

39 PEMALANG SINJAI

40 PACITAN MAROS

41 TRENGGALEK PANGKAJENE DAN

KEPULAUAN

42 BANYUWANGI BARRU

43 KOTA KEDIRI SIDENRENG RAPPANG

44 KOTA BLITAR PINRANG

45 KOTA PROBOLINGGO TANA TORAJA

46 KOTA MOJOKERTO KOTA PARE-PARE

47 PANDEGLANG MAMUJU

48 LEBAK HALMAHERA TENGAH

49 KOTA TANGERANG FAKFAK

50 JEMBRANA SORONG

51 TABANAN MERAUKE

52 BANGLI JAYAWIJAYA

53 BULELENG MIMIKA

54 KAPUAS HULU

55 KOTAWARINGIN BARAT

56 BARITO SELATAN

57 BARITO UTARA

(28)

59 HULU SUNGAI TENGAH

60 HULU SUNGAI UTARA

61 KOTA BANJAR BARU

62 KUTAI TIMUR

63 MALINAU

64 BULUNGAN

65 KOTA TARAKAN

66 BOLAANG MONGONDOW

67 MINAHASA

68 KEPULAUAN SANGIHE

69 BANGGAI KEPULAUAN

70 BANGGAI

71 MOROWALI

72 KOTA PALU

73 LUWU UTARA

74 KONAWE

75 KOLAKA

76 BOALEMO

(29)

Lampiran 4 Diagram bintang rataan peubah tahun 2002 dan tahun 2009

Diagram bintang gerombol 6 tahun 2002

21.70

24.82

97.83

7.30

30.72

63.09

0 20 40 60 80 100

X1

X2

X3

X4 X5

X6

20.57

31.22

97.28 9.14

57.33 68.20

0 20 40 60 80 100

X1

X2

X3

X4 X5

X6

33.93

42.39

95.07 10.81

31.90 60.13

0 20 40 60 80 100

X1

X2

X3

X4 X5

(30)

22.94

38.40

97.27 8.43

56.69 50.97

0 20 40 60 80 100

X1

X2

X3

X4 X5

X6

20.87

43.78

95.65 5.12

55.15 23.30

0 20 40 60 80 100

X1

X2

X3

X4 X5

X6

16.40

30.90

98.50 10.45

43.34 76.34

0 20 40 60 80 100

X1

X2

X3

X4 X5

(31)

11.89 56.14

98.83 2.70

72.72 13.34

0 20 40 60 80 100

X1

X2

X3

X4 X5

X6

43.12

78.88

61.12 0.07

16.10 9.80

0 20 40 60 80

X1

X2

X3

X4 X5

X6

14.07

70.33

91.23 1.70

76.02 69.66

0 20 40 60 80 100

X1

X2

X3

X4 X5

(32)

7.70 25.48

100.00 15.55

48.66 87.93

0 20 40 60 80 100

X1

X2

X3

X4 X5

X6

8.46

40.00

99.73 8.97

76.14 85.35

0 20 40 60 80 100

X1

X2

X3

X4 X5

X6

13.03

43.21

99.46 5.74

67.30 60.81

0 20 40 60 80 100

X1

X2

X3

X4 X5

(33)

22.99

56.29

97.94 1.28

33.03 41.17

0 20 40 60 80 100

X1

X2

X3

X4 X5

X6

13.23 _46.98

99.70 3.84

76.56 35.15

0 20 40 60 80 100

X1

X2

X3

X4 X5

X6

17.93 45.74

98.53 3.87

48.39 22.39

0 20 40 60 80 100

X1

X2

X3

X4 X5

(34)

20.38

57.38

98.62 0.86

45.40 60.47

0 20 40 60 80 100

X1

X2

X3

X4 X5

X6

17.77 _60.73

96.75 2.15

56.12 31.61

0 20 40 60 80 100

X1

X2

X3

X4 X5

(35)

27

Lampiran 5 Temporal Cluster Graph. Perbedaan warna garis untuk membedakan jalur yang terbentuk.

2002

20

50

64

7

18

28

61

7

45

19

22

70

47

82

30

3

13

26

9

21

42

2003

2004

2005

2006

2007

2008

2009

3

16

13

19

44

33

3

19

1

19

41

34

30

68

46

50

33

44

34

35

31

7

53

5

83

23

20

3

48

21

38

21

16

43

23

46

3

2

22

84

12

77

31

11

53 24

69

14

45

2

61

3

115

10

91

64

52

44

27

(36)

Lampiran 6 Besarnya Direct Distance dan Path Distance serta rasio yang terbentuk

Tahun Jalur Path

Distance (dP(v0,vn))

Direct Distance (dD(v0,vn))

Rasio (dir(v0,vn))

2002--2009 20-82-34-31-38-61-44-84 135.74 36.09 0.27

50-42-33-34-21-14-52-84 130.83 26.71 0.20

64-42-33-34-21-14-52-84 129.80 26.70 0.21

7-9-41-44-48-45-64-46 114.65 41.99 0.37

18-9-41-44-48-45-64-46 124.33 48.51 0.39

28-9-41-44-48-45-64-46 138.38 73.07 0.53

61-82-34-31-38-61-44-84 129.35 19.26 0.15

7-9-41-44-48-45-64-46 129.37 67.90 0.52

45-9-41-44-48-45-64-46 112.58 46.31 0.41

19-13-19-50-48-45-64-46 103.17 25.64 0.25

22-26-44-31-38-61-44-84 120.33 31.65 0.26

2003-2009 70-41-44-48-45-64-46 97.77 28.65 0.29

47-44-31-38-61-44-84 86.09 11.11 0.13

30-13-50-48-45-64-46 93.34 9.02 0.10

3-1-7-3-3-27-31 151.41 81.05 0.54

21-16-44-48-45-64-46 101.75 28.64 0.28

2004-2009 3-7-3-3-27-31 128.56 49.79 0.39

19-34-21-14-52-84 110.72 28.95 0.26

3-7-3-3-27-31 115.91 51.02 0.44

19-44-48-45-64-46 90.6 41.44 0.46

30-46-23-61-44-84 93.02 20.97 0.23

68-44-48-45-64-46 79.79 30.53 0.38

2005-2009 33-43-115-64-46 86.33 38.13 0.44

35-43-115-64-46 79.01 37.51 0.47

53-21-45-44-64 147.8 29.07 0.20

2006--2009 5-2-27-31 87.8 66.48 0.76

83-115-64-46 56.34 32.65 0.58

23-69-64-64 56.44 23.46 0.42

20-24-91-77 58.32 43.32 0.74

16-61-44-84 62.2 23.42 0.38

(37)

Lampiran 7 Pergerakan jumlah anggota gerombol dari tahun 2002 -2009

2003 Gerombol

ke-

1 2 3 4 5 6 7 8 9 10 Jumlah

2002

1 4 0 12 0 0 0 0 0 4 0 20

2 6 9 21 0 0 0 7 0 1 6 50

3 0 22 8 0 0 0 9 0 0 25 64

4 0 0 0 0 3 0 0 0 4 0 7

5 6 0 1 6 0 5 0 0 0 0 18

6 6 0 13 0 0 3 0 3 3 0 28

7 24 9 14 2 0 2 8 0 1 0 60

8 0 0 1 0 0 0 0 0 6 0 7

9 21 0 7 11 0 1 0 4 1 0 45

10 3 0 0 11 0 2 0 2 1 0 19

11 0 7 5 0 0 0 2 0 0 11 25

Jumlah 70 47 82 30 3 13 26 9 21 42 343

2004

Gerombol ke-

1 2 3 4 5 6 7 8 9 10 11 12 13 14 Jumlah

2003

1 0 3 1 0 2 0 0 3 0 3 13 4 4 37 70

2 0 0 0 10 13 3 0 1 0 0 0 7 13 0 47

3 0 2 0 1 6 0 0 14 0 0 16 21 8 14 82

4 0 0 9 0 0 0 0 0 0 10 0 0 0 11 30

5 1 0 0 0 0 0 1 0 1 0 0 0 0 0 3

6 0 0 0 0 0 0 0 1 0 6 0 0 2 4 13

7 0 0 0 0 19 1 0 0 0 0 1 2 2 1 26

8 0 1 0 0 0 0 0 0 0 0 7 0 0 1 9

9 2 10 3 0 0 0 2 0 0 0 4 0 0 0 21

10 0 0 0 8 4 29 0 0 0 0 0 0 1 0 42

(38)

2005 Gerombol

ke-

1 2 3 4 5 6 7 8 9 Jumlah

2004

1 0 0 0 0 0 0 0 1 2 3

2 0 1 0 9 0 0 0 1 5 16

3 0 11 0 0 0 2 0 0 0 13

4 6 0 3 0 7 2 0 0 1 19

5 14 0 2 2 5 5 16 0 0 44

6 5 0 4 0 21 2 1 0 0 33

7 0 0 0 0 0 0 0 3 0 3

8 1 3 4 2 0 7 2 0 0 19

9 0 0 0 0 0 0 0 1 0 1

10 0 12 5 0 0 0 1 0 1 19

11 1 3 2 7 0 7 3 0 18 41

12 7 0 2 12 1 5 5 0 2 34

13 9 0 9 0 0 8 1 1 2 30

14 3 20 2 12 0 7 2 0 22 68

Jumlah 46 50 33 44 34 45 31 7 53 343

2006 Gerombol

ke-

1 2 3 4 5 6 7 8 9 10 11 12 Jumlah

2005

1 0 10 1 0 0 1 2 13 0 5 10 4 46

2 0 13 6 1 0 24 0 0 3 0 3 0 50

3 0 3 2 0 0 7 1 1 1 2 13 3 33

4 0 26 3 7 0 2 0 3 0 2 0 1 44

5 0 0 0 0 0 0 17 1 0 4 2 10 34

6 0 7 8 2 0 6 0 3 1 2 12 4 45

7 0 6 0 5 0 1 1 15 1 1 1 0 31

8 4 1 1 0 1 0 0 0 0 0 0 0 7

9 1 17 2 5 2 7 0 2 15 0 2 0 53

(39)

2007 Gerombol

ke-

1 2 3 4 5 6 7 8 9 Jumlah

2006

1 0 1 0 0 2 0 2 0 0 5

2 5 11 0 11 0 11 0 45 1 84

3 1 17 0 1 0 0 0 1 3 23

4 8 7 0 1 0 1 0 2 1 20

5 1 1 0 0 0 0 1 0 0 3

6 0 21 0 10 0 1 0 15 1 48

7 1 0 10 1 0 7 0 2 0 21

8 2 0 0 1 0 18 0 17 0 38

9 0 5 0 9 0 2 0 2 3 21

10 2 1 1 0 0 4 0 8 0 16

11 2 4 0 10 0 9 0 17 1 43

12 2 1 3 1 0 8 0 6 0 21

Jumlah 24 69 14 45 2 61 3 115 10 343

2008 Gerombol

ke-

1 2 3 4 5 6 Jumlah

2007

1 8 1 3 6 4 2 24

2 15 35 0 5 8 6 69

3 1 0 11 1 0 1 14

4 5 13 0 1 6 20 45

5 0 0 0 0 2 0 2

6 9 1 26 13 1 11 61

7 0 1 0 0 2 0 3

8 51 11 12 15 2 24 115

9 2 2 0 3 2 1 10

Jumlah 91 64 52 44 27 65 343

2009

Gerombol ke-

1 2 3 4 5 6 7 8 9 10 11 Jumlah

2008

1 9 0 2 0 0 23 0 29 2 2 24 91

2 25 0 0 0 0 0 1 9 13 0 16 64

3 0 0 0 1 21 23 0 4 1 0 2 52

4 0 0 0 0 0 25 6 1 1 7 4 44

5 0 3 0 0 0 0 5 0 11 2 6 27

6 12 0 0 1 1 13 0 34 3 0 1 65

(40)

32

Lampiran 8 Grafik pergerakan jumlah anggota gerombol dari tahun 2002 -2009

2002

20

50

64

7

18

28

61

7

45

19

22

70

47

82

30

3

13

26

9

21

42

2003

70

47

82

30

3

13

26

9

21

42

2003

2004

3

16

13

19

44

33

3

19

1

19

41

34

30

(41)

33

2004

2005

3

16

13

19

44

33

3

19

1

19

41

34

30

68

46

50

33

44

34

35

31

7

53

2005

2006

46

50

33

44

34

35

31

7

53

5

83

23

20

3

48

21

38

21

16

43

(42)

34

2006

2007

5

83

23

20

3

48

21

38

21

16

43

23

24

69

14

45

2

61

3

115

10

2007

2008

24

69

14

45

2

61

3

115

10

91

64

52

44

27

65

2008

2009

46

3

2

22

84

12

77

31

11

53 91

64

52

44

27

(43)

Berdasarkan Data dan Informasi Kemiskinan Tahun 2002-2009. Dibimbing oleh HARI WIJAYANTO dan AGUS M. SOLEH.

Analisis gerombol dan pengkajian trend kemiskinan kabupaten dilakukan menggunakan metode yang mengadopsi sistem Cluster-based Temporal Representation of Event Data (C-TREND) dengan membuat Temporal Cluster Graph yang memetakan data multiatribut kedalam grafik dua dimensi. Rasio jarak antara gerombol awal dan akhir jalur dengan jarak sepanjang jalur terbesar yaitu sebesar 0.86 yang mengindikasikan trend yang searah terjadi pada kabupaten-kabupaten yang perlu meningkatkan perbaikan bidang tenaga kerja serta peningkatan penyediaan fasilitas air bersih. Sedangkan rasio jarak terkecil yaitu sebesar 0.10 mengindikasikan berubah-ubahnya peningkatan atau penurunan karakteristik kemiskinan sepanjang jalur sehingga trendnya tidak searah. Kabupaten-kabupaten di Provinsi Papua dan Papua Barat perlu mendapatkan perhatian lebih dalam pengentasan kemiskinan karena memiliki trend yang cukup konsisten sebagai kabupaten pada gerombol yang relatif miskin setiap tahunnya.

(44)

PENDAHULUAN

Latar belakang

Indonesia merupakan negara kepulauan dengan jumlah penduduk sekitar 237.56 juta jiwa di mana 13.33% dari total penduduk Indonesia berada di bawah garis kemiskinan (BPS 2010). Secara nasional, trend kemiskinan di Indonesia menunjukkan jumlah penduduk miskin yang semakin berkurang dari tahun ke tahun. Hal ini dapat terlihat dari persentase jumlah penduduk miskin secara nasional pada tahun 2007, 2008, dan 2009 dengan nilai masing-masing sebesar 16.58%, 15.42%, dan 14.15% (BPS 2010).

Pemerintah telah mengupayakan berbagai program dalam rangka pengentasan kemiskinan sehingga diharapkan dapat mencapai pemerataaan. Untuk itu, gambaran pengelompokan kabupaten berdasarkan indikator kemiskinan dibutuhkan sebagai acuan dalam menetapkan prioritas pengadaan

program-program dalam rangka

mengentaskan kemiskinan penduduk. Selain itu, perlu dilakukan pengkajian terhadap trend masing-masing gerombol yang terbentuk dari tahun ke tahun untuk melihat perubahan kekonsistenan gerombol dari waktu ke waktu. Penggerombolan dan identifikasi trend gerombol yang terbentuk dilakukan untuk kabupaten-kabupaten di Indonesia menggunakan metode yang mengadopsi

sistem Cluster-based Temporal

Representation of Event Data (C-TREND) dengan membuat Temporal Cluster Graph yang memetakan data multiatribut antar waktu ke dalam grafik dua dimensi.

Tujuan

Tujuan dari penelitian ini adalah :

1. Menggerombolkan kabupaten-kabupaten seluruh Indonesia berdasarkan indikator kemiskinan untuk mengetahui kabupaten yang menjadi prioritas dalam rangka mengentaskan kemiskinan.

2. Mengidentifikasi dan memvisualisasikan trend pada gerombol yang terbentuk.

TINJAUAN PUSTAKA

Kemiskinan

Menurut Badan Pusat Statistik (2010), kemiskinan adalah ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan yang diukur dari sisi pengeluaran

.

_{Oleh karena itu,} Penduduk Miskin adalah penduduk yang

memiliki rata-rata pengeluaran perkapita perbulan dibawah garis kemiskinan (GK).

Langkah-langkah penghitungan Garis Kemiskinan adalah sebagai berikut :

Kemiskinan Makanan sebelum

disetarakan dengan 2100 kilokalori (GKMj). GKMj merupakan jumlah nilai pengeluaran dari 52 komoditi dasar makanan yang riil dikonsumsi penduduk. GKMj dapat dirumuskan sebagai berikut:

GKMj = ∑ . )= ∑ dengan:

GKMj = Garis Kemiskinan Makanan daerah ke-j sebelum disetarakan dengan 2100 kilokalori

= harga komoditi ke-k di daerah ke-j

=

ata kuantitas komoditi ke-k yang dikosumsi di daerah ke-j = nilai pengeluaran untuk

konsumsi komoditi ke-k di daerah ke-j

j = Daerah

k = komoditi

2. Melakukan penyetaraan GKMj dengan 2100 kilokalori dengan terlebih dahulu mengalikan 2100 terhadap harga implisit rata-rata kalori menurut daerah j.

Fj = ̅̅̅̅̅ x 2100 dengan

̅̅̅̅̅ =

∑

dengan:

Fj = Garis Kemiskinan Makanan daerah ke-j

̅̅̅̅̅

= harga rata-rata kalori di daerah ke-j Kk = kalori komoditi ke-k di daerah ke-j

Kemiskinan Non Makanan (NFj). NFj merupakan penjumlahan nilai kebutuhan minimum dari komoditi-komoditi non-makanan meliputi perumahan, sandang, pangan, pendidikan, dan kesehatan. Secara matematis