Kata kunci---beras Keluarga Miskin, regresi logistik biner. I. PENDAHULUAN

Faiz Ramadhani Rahman, Ismaini Zain

Jurusan Statistika, Fakultas MIPA, Institut Teknologi Sepuluh Nopember (ITS) Jalan Arief Rahman Hakim, Surabaya 60111 Indonesia

E-mail : Ismaini_z@statistika.its.ac.id

Abstrak--- Beras Keluarga Miskin (Raskin) adalah bantuan berupa beras bersubsidi yang diberikan pemerintah kepada rumah tangga miskin untuk membantu memenuhi kebutuhan pangan.

Kata kunci---Beras Keluarga Miskin, regresi logistik biner.

Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi status penerimaan Raskin di kecamatan Gunung Anyar menggunakan analisis regresi logistik biner. Variabel respon adalah status penerimaan Raskin, variabel prediktor adalah karakteristik demografi dan karakteristik kemiskinan. Karakteristik demografi terdiri dari jenis kelamin, usia, dan anggota keluarga.

Karakteristik kemiskinan terdiri dari status kependudukan, pendidikan terakhir, frekuuensi makan, pembelian daging dan susu, kesanggupan membayar biaya pengobatan, luas lantai, jenis dinding, jenis lantai, sumber penerangan, jenis bahan bakar, fasilitas tempat bab, pengeluaran untuk makanan, dan frekuensi membeli pakaian baru. Hasil dari analisis regresi logistik biner ternyata terdapat sepuluh variabel yang berpengaruh signifikan terhadap status penerimaan Raskin di kecamatan Gunung Anyar.

I. PENDAHULUAN

EMERINTAH Indonesia meluncurkan program bantuan Raskin pada tahun 2002. Tujuan dari Raskin adalah untuk membantu rumah tangga miskin dalam memenuhi kebutuhan pangan sebagai akibat dari krisis ekonomi Indonesia yang berdampak pada meningkatnya harga bahan-bahan pangan, salah satunya beras. Raskin diberikan sebanyak 15 kali dalam setahun dengan jumlah beras sebesar 15 kg per distribusinya.

Sasaran dari Raskin adalah rumah tangga miskin (RTM) dimana penentuan status kemiskinan rumah tangga ditentukan dengan pendekatan variabel karakteristik kemiskinan. Terdapat 14 variabel karakteristik kemiskinan, apabila suatu rumah tangga memenuhi minimal 9 variabel karakteristik kemiskinan maka rumah tangga tersebut dikategorikan RTM dan layak mendapatkan Raskin.

Pada kenyataannya masih terdapat penyimpangan- penyimpangan yang terjadi dalam pelaksanaan program ini.

Hal ini terkait ketidaktepatan sasaran penerimaan Raskin.

Program ini dinilai masih belum tepat sasaran. Banyak pihak yang semestinya tidak berhak menerima, justru diberikan Raskin sedangkan yang berhak menerima tidak mendapatkan Raskin [1]. Tidak tepatnya sasaran Raskin dikarenakan tidak konsistennya antara kriteria Raskin dengan kondisi kemiskinan saat ini [2]. Oleh karena itu apa faktor-faktor yang mempengaruhi status penerimaan Raskin dan bagaimana pemodelannya menarik untuk diteliti. Ditinjau dari jumlah penerima Raskin, kecamatan Gunung Anyar adalah salah satu kecamatan dengan basis rumah tangga penerima Raskin terbanyak di kota Surabaya.

Kecamatan Gunung Anyar mempunyai luas wilayah sebesar 9,71 km²

II. TINJAUAN PUSTAKA

dan dihuni oleh 15881 rumah tangga. Di kecamatan ini terdapat 4 kelurahan yaitu kelurahan Gunung Anyar, kelurahan Rungkut Menanggal, kelurahan Rungkut Tengah, dan kelurahan Gunung Anyar Tambak. Berdasarkan data terdapat 811 rumah tangga yang menerima Raskin di kecamatan ini. Jumlah ini tersebar di setiap kelurahan. Hal ini menunjukkan bahwa di kecamatan Gunung Anyar masih banyak rumah tangga dengan tingat ekonomi rendah dan berkategori miskin.

A. Definisi Persepi

Persepsi adalah suatu proses bagaimana seseorang menyeleksi, mengatur, dan menginterprerasikan masukan- masukan informasi untuk menciptakan gambaran keseluruhan yang berarti. Pada penelitian ini persepsi digunakan untuk melihat pandangan dari masyarakat terhadap program Raskin oleh pemerintah dan pandangan terhadap fasilitas atau rasa yang dirasakan sebagai rumah tangga penerima Raskin.

B. Analisis Gap

Analisis gap dilakukan untuk menganalisis persepsi atau kesenjangan antara tingkat harapan dan tingkat kenyataan yang dirasakan rumah tangga penerima Raskin terhadap program Raskin. Dimana untuk menganalisis

Analisis Regresi Logistik Biner Untuk Mengidentifikasi Faktor-Faktor Yang Mempengaruhi Status Penerimaan

Beras Keluarga Miskin (Raskin) Di Kecamatan Gunung Anyar

P

persepsi rumah tangga penerima Raskin terhadap program Raskin digunakan metode diagram kartesius seperti terlihat pada Gambar 1.

Harapan

Kuadran I Kuadran II (prioritas utama) (pertahankan prestasi)

Kuadran III Kuadran IV (prioritas rendah) (Berlebihan)

Kenyataan

Gambar 1. Diagram Kartesius C. Pemodelan Regresi Logistik

Regresi logistik biner merupakan suatu metode analisis regresi yang menggambarkan pola hubungan antara satu variabel respon (dependen) dengan satu atau lebih variabel prediktor (independen. Variabel respon yang digunakan bersifat biner atau dikotomus yaitu variabel yang hanya mempunyai dua kemungkinan nilai, misalnya “ya”

atau “tidak”. Adanya notasi pada masing-masing variabel berguna untuk memudahkan penerapan regresi logistik.

Variabel respon dengan notasi y dan variabel prediktor dengan notasi x.

D. Pengujian Parameter Model Regresi Logistik

Pengujian parameter digunakan untuk mengetahui apakah variabel prediktor yang terdapat dalam model yang diperoleh berpengaruh secara signifikan terhadap variabel respon. Pengujian parameter terdiri dari uji individu dan uji serentak.

E. Uji Individu

Uji individu atau uji parsial adalah pengujian yang dilakukan untuk memeriksa signifikansi paramater β terhadap variabel respon secara individu. Pengujian signifikansi parameter β secara individu menggunakan uji Wald. Statistik uji yang digunakan adalah sebagai berikut.

𝑊𝑊_𝑗𝑗² = ^(β̑j)

2

�𝑆𝑆𝑆𝑆 �β̑_j��²

(1)

Tolak H₀, jika 𝑊𝑊_𝑗𝑗^{2 >} 𝜒𝜒^2R(α;db). Dengan menolak H₀ F. Uji Serentak

maka parameter β berpengaruh signifikan terhadap variabel respon secara individu.

Uji serentak adalah pengujian yang dilakukan untuk memeriksa signifikansi parameter β terhadap variabel respon secara keseluruhan. Statistik uji yang digunakan adalah sebagai berikut.

G = -2 ln � ^{�𝑛𝑛1𝑛𝑛�}

𝑛𝑛1�^𝑛𝑛0_𝑛𝑛�^𝑛𝑛0

∏n π̂_𝑖𝑖 𝑦𝑦𝑖𝑖

i=1 (1−π̂_𝑖𝑖 )(1−𝑦𝑦𝑖𝑖)� (2)

Tolak H₀, jika G > 𝜒𝜒^2R(α;db). Dengan menolak H₀

G. Interpretasi Model

maka terdapat hubungan yang signifikan antara variabel respond an variabel prediktor.

Interpretasi model regresi logistik digunakan untuk menjelaskan hubungan fungsional antara variabel respon dengan variabel prediktor serta mendefinisikan unit perubahan variabel respon yang disebabkan oleh variabel prediktor. Pada model ini, ada dua nilai π(x) dan dua nilai 1 – π(x). Nilai π(x) dan nilai 1 – π(x) untuk variabel prediktor dapat dilihat pada Tabel 1.

Tabel 1.

Nilai Model Regresi Logistik Variabel

Respon

Variabel Prediktor

X=1 X=0

Y=1 π(1) = 1+ exp (β ^{exp (β0+ β}₀+ β^j)_j) π(0) = 1+ exp (β ^{exp (β0)}₀)

Y=0 1 - π(1) = 1+ exp (β^{exp (β0}₀⁾+ β_j) 1 - π(0) = 1+ exp (β ^{exp (β0)}₀)

H. Uji Kesesuaian Model

Uji kesesuaian model regresi logistik bertujuan untuk mengetahui apakah model yang diperoleh telah sesuai atau tidak sesuai. Model telah sesuai jika tidak terdapat perbedaan antara hasil pengamatan dan kemungkinan hasil prediksi model. Pengujian ini menggunakan uji Hosmer and Lemeshow Statistik uji yang digunakan adalah sebagai berikut.

Ĉ

⁼

∑

_𝑛𝑛^{(𝑜𝑜𝑘𝑘−𝑛𝑛𝑘𝑘𝜋𝜋𝜋k)2}

𝑘𝑘 𝜋𝜋𝜋_k (1−𝜋𝜋𝜋_k)

gk=1

Tolak H

(3)

0 apabila

Ĉ

^> 𝜒𝜒^P2 (α,db). Dengan menolak H₀ I. Ketepatan Klasifikasi Model

maka model yang didapatkan sesuai atau tidak terdapat perbedaan antara observasi dengan hasil prediksi.

Evaluasi ketepatan klasifikasi model adalah suatu evaluasi yang bertujuan untuk melihat kesalahan klasifikasi yang dilakukan oleh suatu fungsi klasifikasi.

Tabel 2.

Ketepatan Klasifikasi Model

Hasil Observasi Prediksi

Positive = class 0 Negative = class 1 Positive = class 0 True Positive (TP) False Positive (FP) Negative = class 1 False Negative (FN) True Negative (TN)

J. Karakteristik Kemiskinan

Beberapa hal yang merupakan karakteristik kemiskinan di Indonesia, antara lain dicirikan oleh: (1) jumlah anggota keluarga yang besar dengan kepala rumah

tangga sebagai tulang punggung keluarga; (2) tingkat pendidikan kepala rumah tangga rata-rata rendah; (3) usia kepala rumah tangga telah melati masa-masa produktif yaitu lebih dari 50 tahun; (4) sering berubah pekerjaan dan sebagian besar dari mereka mau menerima tambahan pekerjaan lain bila ditawarkan; (5) sebagian besar pendapatan utamanya bersumber dari sektor primer (pertanian) dengan penguasaan lahan sangat marginal; (6) perempuan janda atau yang tidak kawin menjadi kepala rumah tangga akan mendapatkan penghasilan yang tidak maksimal; dan (7) kondisi rumah yang masih sangat memprihatinkan dalam hal penyediaan air bersih dan listrik untuk penerangan [3].

Badan Pusat Statistik menetapkan pedoman pokok karakteristik kemiskinan dalam penentukan status penerimaan Raskin. Karakteristik kemiskinan tersebut antara lain aspek kesehatan, aspek lingkungan, dan aspek ekonomi.

Aspek kesehatan yang diduga mencirikan rumah tangga miskin adalah frekuensi makan dalam sehari, pembelian daging dan susu dalam seminggu, dan kesanggupan membayar biaya pengobatan. Aspek lingkungan antara lain luas lantai bangunan tempat tinggal, jenis dinding bangunan tempat tinggal, jenis lantai bangunan tempat tinggal, sumber penerangan utama, jenis bahan bakar, fasilitas tempat bab.

Aspek ekonomi meliputi pendidikan terakhir, pengeluaran untuk makanan, kepemilikan aset, frekuansi membeli pakaian baru [4].

K. Penelitian – Penelitian Sebelumnya

Penelitian-penelitian sebelumnya yang membahas tentang Raskin pernah dilakukan oleh dan Bungkaes (2013).

Bungkaes (2013) meneliti tentang hubungan efektivitas pengelolaan Raskin dengan peningkatan kesejahteraan masyarakat di desa Mahaman kabupaten kepulauan Talaud. Variabel yang digunakan adalah variabel kesejahteraan masyarakat sebagai variabel respon dan efektivitas pengelolaan Raskin sebagai variabel prediktor Hasil dari penelitiannya mengatakan bahwa efektivitas pengelolaan Raskin belum secara optimal tercapai sedangkan kesejahteraan masyarakat masih berada pada kategori sedang atau menengah [5].

III. METODOLOGI PENELITIAN

Data yang digunakan dalam penelitian ini adalah data sekunder dan data primer. Data sekunder berupa data populasi rumah tangga tidak penerima Raskin dan data populasi rumah tangga penerima Raskin di kecamatan Gunung Anyar. Sedangkan data primer didapatkan dari survei langsung terhadap rumah tangga tidak penerima Raskin dan rumah tangga penerima Raskin di kecamatan Gunung Anyar.

A. Metode Rancangan Sampling

Populasi penelitian adalah rumah tangga tidak penerima Raskin dan rumah tangga penerima Raskin di kecamatan Gunung Anyar. Unit sampel penelitian adalah

kepala rumah tangga tidak penerima Raskin dan kepala rumah tangga penerima Raskin. Rumus untuk mendapatkan jumlah sampel minimal adalah sebagai berikut.

pq 1)D (N n Npq

+

= −

2

α/2)

Z(1

D B 









=

− (4) Berdasarkan perhitungan diatas dengan nilai p=0,9, q =0,1, B=0.046 untuk rumah tangga penerima Raskin dan B=0,05 untuk rumah tangga tidak penerima Raskin, didapatkan jumlah sampel minimal sebanyak 274 rumah tangga. Terdiri dari 137 rumah tangga tidak penerima Raskin dan 137 rumah tangga penerima Raskin.

B. Variabel Penelitian

Variabel respon adalah status penerimaan Raskin, dibedakan menjadi dua kategori yaitu sebagai berikut.

Y=0, jika rumah tangga tidak penerima Raskin (RTTP) Y=1, jika rumah tangga penerima Raskin (RTP)

Variabel prediktor bersifat nominal menggambarkan karakteristik demografi dan karakteristik kemiskinan.

Tabel 3.

Variabel Penelitian

No Variabel Indikator

1 Jenis kelamin (X1

0 = laki-laki

) 1 = perempuan

2 Usia (X2

0 = ≤ 50 tahun

) 1 = > 50 tahun

3 Anggota keluarga (X3

0 = ≤4orang ) 1 = >4orang 4 Status kependudukan (X4

0 = bukan warga Surabaya ) 1 = warga Surabaya 5 Pendidikan terakhir (X5

0 = SMA, perguruan tinggi ) 1 = tidak sekolah, SD, SMP 6 Frekuensi makan (X6

0 = > 2 kali dalam sehari ) 1 = ≤ 2 kali dalam sehari

7 Pembelian daging dan susu (X7

0 = membeli dalam seminggu terakhir

)

1 = tidak membeli dalam seminggu terakhir 8

Kesanggupan membayar biaya pengobatan (X8

0 = sanggup

) 1 = tidak sanggup

9

Luas lantai bangunan tempat tinggal (X9

0 = > 8m )

2

1 = ≤ 8m per orang

2 per orang 10

Jenis dinding bangunan tempat tinggal (X10

0 = tembok

) 1 = bukan tembok

11

Jenis lantai bangunan tempat tinggal (X11

0 = bukan tanah

) 1 = tanah

12 Sumber penerangan utama (X12

0 = PLN ) 1 = bukan PLN 13

Jenis bahan bakar (X13

0 = gas

) 1 = bukan gas

14 Fasilitas tempat bab (X14

0 = milik sendiri ) 1 = bukan milik sendiri 15

Pengeluaran untuk makanan (X15

0 = > Rp.700.000,- sebulan

) 1 = ≤ Rp. 700.000,- sebulan

16

Kepemilikan aset (X16

0 = memiliki ) 1 = tidak memiliki 17 Frekuensi membeli pakaian baru

(X17

0 = > 1 kali dalam setahun

) 1 = ≤ 1 kali dalam setahun

Adapun persepsi rumah tangga penerima Raskin diukur berdasarkan dimensi tangible, dimensi intangible, dimensi keandalan pelayanan (reliability), dimensi ketanggapan pelayanan (responsiveness), dan dimensi

perhatian untuk memahami kebutuhan pelanggan (empathy).

Indikator persepsi rumah tangga penerima Raskin antara lain sebagai berikut.

Tabel 4.

Indikator Variabel Persepsi

No Pernyataan

1 Ketepatan waktu pendistribusian 2 Pelayanan petugas

3 Keramahan petugas

4 Kesediaan petugas memberikan konsultasi 5 Pendistribusian selalu diantar langsung ke rumah 6 Pendistribusian selalu rutin setiap bulan 7 Harga untuk menebus Raskin 8 Kualitas beras Raskin

9 Raskin membantu memenuhi kebutuhan pangan 10 Raskin mengurangi pengeluaran

11 Pandangan orang tidak selalu negatif terhadap penerima Raskin 12 Penerima Raskin sama dengan yang lain dalam status sosial

Ada tiga tujuan yang ingin dicapai dalam penelitian ini. Pertama, mendeskripsikan perbedaan karakteristik antara RTTP dan RTP. Tujuan kedua, menganalisis persepsi rumah tangga penerima Raskin terhadap program Raskin. Tujuan ketiga, menentukan faktor-faktor yang mempengaruhi status penerimaan Raskin. Langkah-langkah yang dilakukan untuk menjawab tiga tujuan tersebut adalah sebagai berikut.

1. Tahap Satu

Pada tahap satu, akan dianalisis perbedaan karakteristik antara RTTP dan RTP di kecamatan Gunung Anyar.

Variabel yang akan dianalisis adalah variabel prediktor meliputi faktor demografi dan karakteristik kemiskinan.

Analisis yang digunakan adalah statistika deskriptif dengan pie chart dan tabulasi silang.

2. Tahap Dua

Pada tahap dua, akan dianalisis persepsi rumah tangga penerima Raskin terhadap program Raskin. Analisis yang digunakan adalah analisis gap. Sebelumnya dilakukan terlebih dahulu uji validitas dan uji reliabilitas terhadap variabel persepsi.

a. Uji validitas untuk mengukur apakah indikator persepsi tersebut sudah benar kerangka konsepnya dan mampu mengukur aspek yang sama sedangkan uji reliabilitas untuk menunjukkan sejauh mana indikator persepsi tersebut dapat dipercaya atau dapat diandalkan. Uji reliabilitas menggunakan metode Cronbach Alpha.

b. Analisis gap untuk mengetahui posisi kuadaran dari masing-masing indikator persepsi rumah tangga penerima Raskin terhadap program Raskin.

3. Tahap Tiga

Pada tahap tiga, akan ditentukan faktor-faktor apa saja yang mempengaruhi status penerimaan Raskin di kecamatan Gunung Anyar. Variabel yang dimodelkan adalah variabel prediktor meliputi faktor demografi dan karakteristik kemiskinan. Analisis yang digunakan dalam tahap ini adalah sebagai berikut.

a. Uji individu atau uji parsial untuk mengetahui faktor- faktor yang diduga mempengaruhi status penerimaan Raskin di kecamatan Gunung Anyar secara individu

b. Uji serentak untuk menghasilkan model yang tepat berdasarkan faktor-faktor yang diduga mempengaruhi status penerimaan Raskin di kecamatan Gunung Anyar.

c. Pemilihan model terbaik dengan menggunakan metode Backward digunakan untuk mendapatkan model terbaik dari semua model.

d. Interpretasi model untuk untuk menjelaskan hubungan fungsional antara variabel respon dengan variabel prediktor dan mendefinisikan unit perubahan variabel respon yang disebabkan oleh variabel prediktor

e. Uji kesesuaian model untuk mengetahui apakah model yang telah didapatkan sudah sesuai atau tidak.

Model dikatakan sesuai apabila tidak ada perbedaan antara hasil observasi dengan hasil prediksi model.

f. Ketepatan klasifikasi model untuk mengetahui tingkat kelayakan suatu model dengan melihat seberapa besar observasi secara tepat diklasifikasikan.

IV. ANALISIS DAN PEMBAHASAN A. Deskripsi Variabel Penelitian

Berdasarkan frekuensi jenis kelamin (X1

Berdasarkan frekuensi usia (X

) dapat dijelaskan bahwa sebagian besar kepala rumah tangga baik RTTP maupun RTP berjenis kelamin laki-laki. Namun apabila meninjau frekuensi jumlah rumah tangga dengan kepala rumah tangga berjenis kelamin perempuan lebih banyak pada RTP dari pada RTTP. Kondisi ini sejalan dengan teori yang menjelaskan bahwa salah satu faktor yang menyebabkan kemiskinan suatu rumah tangga adalah jenis kelamin. Rumah tangga dengan kepala rumah tangga perempuan kemungkinan akan memiliki kesejahteraan yang lebih rendah. Kepala rumah tangga perempuan dapat berstatus janda atau tidak kawin. Hal ini akan berdampak pada pendapatan yang dihasilkan karena hanya bersumber dari satu orang pekerja.

3

Berdasarkan frekuensi anggota keluarga (X

) dapat dijelaskan bahwa pada RTTP kepala rumah tangga sebagian besar masih berusia produktif yaitu pada kisaran usia ≤ 50 tahun.

Pada RTP usia kepala rumah tangga sebagian besar telah melewati usia produktif yaitu pada kisaran usia > 50 tahun.

Kondisi ini sejalan dengan teori yang menjelaskan bahwa salah satu faktor yang menyebabkan kemiskinan suatu rumah tangga adalah usia. Rumah tangga dengan usia kepala rumah tangga yang telah melewati usia produktif kemungkinan akan memiliki kesejahteraan yang lebih rendah. Teori ini menjelaskan bahwa tingkat pendapatan seseorang yang usianya telah melewati usia produktif kemungkinan akan lebih rendah dari pada tingkat pendapatan seseorang yang masih berusia produktif.

3) dapat dijelaskan bahwa sebagian besar rumah tangga baik RTTP maupun RTP memiliki jumlah anggota keluarga sebanyak ≤ 4 orang. Namun apabila meninjau frekuensi jumlah anggota keluarga > 4 orang lebih banyak pada RTP dari pada RTTP.

Hal ini menunjukkan bahwa kesadaran RTP terhadap pola keluarga kecil masih rendah. Kondisi ini sejalan dengan teori

yang menjelaskan bahwa salah satu faktor yang menyebabkan kemiskinan suatu rumah tangga adalah anggota keluarga. Rumah tangga dengan jumlah anggota keluarga yang besar kemungkinan akan memiliki kesejahteraan yang lebih rendah. Hal ini dikarenakan jumlah anggota yang besar akan berdampak pada tingkat pengeluaran yang lebih besar.

Berdasarkan hasil analisis tabulasi silang pada karakteristik kemiskinan (X4, X5, … ,X17) terlihat bahwa antara variabel prediktor dan variabel respon sebagian besar memiliki hubungan yang siginifikan dengan nilai pearson chi square < 5,991 dan nilai signifikansi dibawah α=0,10.

Namun ada beberapa variabel prediktor yang tidak memiliki hubungan signifikan yaitu variabel X₁₁ dan X₁₂.

B. Persepsi Rumah Tangga Penerima Raskin

Berikut adalah sajian analisis gap yang diberikan untuk menunjukkan bagaimana persepsi rumah tangga penerima Raskin terhadap program Raskin di kecamatan Gunung Anyar.

Tabel 5.

Indikator Masing-Masing Kuadran

Kuadran I Kuadran II

8. Kualitas beras Raskin 1. Ketepatan waktu pendistribusian 2. Pelayanan petugas

3. Keramahan petugas

6. Pendistribusian selalu rutin setiap bulan

7. Harga untuk menebus Raskin 9. Raskin membantu memenuhi

kebutuhan pangan

10.Raskin membantu mengurangi pengeluaran

Kuadran II Kuadran IV

4. Kesediaan petugas memberikan konsultasi

11.Pandangan orang tidak selalu negatif terhadap penerima Raskin 5. Pendistribusian selalu diantar

langsung ke rumah

12.Penerima Raskin sama dengan yang lain dalam status sosial

Daerah di kuadran II menunjukkan bahwa kondisi ini harus dipertahankan karena memiliki prestasi yang bagus dimana harapan dan kenyataan yang diterima sama tinggi.

Sisa dari pernyataan yang ada masuk ke dalam kuadran I, III, dan IV. Kuadran I menunjukkan bahwa harus diadakan perbaikan, perombakan, dan peningkatan karena nilai kenyataan yang diterima lebih rendah dari yang diharapkan.

Kuadran III menunjukkan bahwa hal tersebut kurang diharapkan dan dirasakan karena nilai harapan dan kenyataan sama-sama rendah. Dan Kuadran IV menunjukkan hal yang berlebihan karena sebenarnya nilai harapannya rendah namun kenyataan yang didapat sangat tinggi.

C. Pemodelan Regresi Logistik

Dalam penelitian ini yang menjadi variabel respon adalah status penerimaan Raskin di kecamatan Gunung Anyar sedangkan yang menjadi variabel prediktor adalah variabel yang diduga menjadi faktor-faktor yang mempengaruhi status penerimaan Raskin antara lain X₁, X₂, X₃, X₄, X₅, X₆, X₇, X₈, X₉, X₁₀, X₁₁, X₁₂, X₁₃, X₁₄, X₁₅, X₁₆, dan X₁₇

Hasil pengujian signifikansi parameter secara individu disajikan pada Tabel 6.

.

Tabel 6.

Uji Signifikansi Parameter Secara Individu Variabel B Wald Sig Exp (B) Keputusan X1

Constant (1) 1,174

-0,257

14,193 3,436

0,000*

0,064

3,234 0,773

Tolak H Tolak H

0 0

X2

Constant (1) 1,250

-0,557

23,977 10,849

0,000*

0,001

3,491 0,573

Tolak H Tolak H

0 0

X3

Constant (1) 1,124

-0,276

14,343 3,819

0,000*

0,050

3,076 0,759

Tolak H Tolak H

0 0

X4

Constant (1) 3,150

-2,752

26,581 21,350

0,000*

0,000

23,326 0,064

Tolak H Tolak H

0 0

X5

Constant (1) 4,196

-2,157

117,142 58,368

0,000*

0,000

66,442 0,116

Tolak H Tolak H

0 0

X6

Constant (1) 1,785

-0,586

38,190 14,122

0,000*

0,000

5,962 0,557

Tolak H Tolak H

0 0

X7

Constant (1) 1,836

-0,804

46,169 20,977

0,000*

0,000

6,283 0,448

Tolak H Tolak H

0 0

X8

Constant (1) 3,030

-0,765

56,524 23,996

0,000*

0,000

20,694 0,465

Tolak H Tolak H

0 0

X9

Constant (1) 2,434

-0,375

28,658 7,518

0,000*

0,006

11,402 0,687

Tolak H Tolak H

0 0

X10

Constant (1) 0,415

-0,040 1,016 0,101

0,313 0,750

1,515 0,960

Gagal Tolak H Gagal Tolak H

0 0

X11

Constant (1) 0,446

-0,040 1,087 0,100

0,297 0,751

1,515 0,961

Gagal Tolak H Gagal Tolak H

0 0

X12

Constant (1) -0,835

0,047

2,275 0,140

0,131 0,709

0,434 1,048

Gagal Tolak H Gagal Tolak H

0 0

X13

Constant (1) 2,081

-0,413

31,237 8,639

0,000*

0,003

8,013 0,661

Tolak H Tolak H

0 0

X14

Constant (1) 1,261

-0,215

13,034 2,562

0,000*

0,109

3,529 0,806

Tolak H Gagal Tolak H

0 0

X15

Constant (1) 3,274

-0,748

52,599 23,550

0,000*

0,000

26,411 0,473

Tolak H Tolak H

0 0

X16

Constant (1) 2,071

-0,303

23,136 5,076

0,000*

0,024

7,932 0,738

Tolak H Tolak H

0 0

X17

Constant (1) 5,257

-3,020

108,846 52,192

0,000*

0,000

191,821 0,049

Tolak H Tolak H

0 0

Tabel 6 menjelaskan bahwa dari tujuh belas variabel yang diduga berpengaruh terhadap status penerimaan Raskin, ada empat belas belas variabel yang berpengaruh siginifikan secara individu dengan nilai signifikansi dibawah α=0,10 dan nilai statistik uji lebih besar dari nilai 𝜒𝜒^2R(0,10,1) = 2,706.

Empat belas variabel tersebut antara lain variabel status X1, X₂, X₃, X₄, X₅, X₆, X₇, X₈, X₉, X₁₃, X₁₄, X₁₅, X₁₆, X₁₁₇

Langkah selanjutnya adalah pengujian signifikansi parameter secara serentak. Untuk memeriksa ada atau tidaknya hubungan yang signifikan antara variabel respon dengan variabel prediktor maka dilakukan pengujian Likelihood Ratio Test.

.

Tabel 7.

Likelihood Ratio Test

Chi Square Sig

317,194 0,000

Dari hasil pengujian Likelihood Ratio Test didapatkan nilai G > 𝜒𝜒^2R(0,10,14) atau (317,194 > 21,064) maka tolak H₀

Untuk melihat variabel prediktor apa saja yang berpengaruh signifikan terhadap status penerimaan Raskin, disajikan pada Tabel 8.

, artinya terdapat hubungan yang signifikan antara variabel respon dengan variabel prediktor.

Tabel 8

Uji Signifikansi Parameter Secara Serentak Variabel B Sig Exp (B) Keputusan X1 (1) -2,097 0,045* 0,123 Tolak H0

X2 (1) -0,339 0,658 0,712 Gagal Tolak H X

0

3 (1) 2,295 0,033* 9,920 Tolak H

X

0 4 (1) 5,964 0,001* 389,316 Tolak H X

0 5 (1) 3,442 0,001* 31,248 Tolak H X

0 6 (1) -1,997 0,084* 0,136 Tolak H X

0 7 (1) -1,346 0,246 0,260 Gagal Tolak H X

0 8 (1) 0,790 0,329 2,203 Gagal Tolak H X

0 9 (1) 3,359 0,006* 28,767 Tolak H X

0 13 (1) -0,013 0,988 0,987 Gagal Tolak H X

0 14 (1) -1,745 0,066 0,175 Tolak H X

0

15 (1) 1,76 0,064 5,851 Tolak H

X

0 16 (1) 2,715 0,042* 15,107 Tolak H X

0 17 (1) 6,513 0,000* 673,574 Tolak H Constant

0

-10,360 0,000 0,000 Tolak H0

Tabel 8 dapat diketahui bahwa terdapat sepuluh variabel yang signifikan dengan nilai signifikansi dibawah α=0,10. Sepuluh variabel tersebut antara lain variabel X1, X₃, X₄, X₅, X₆. X₉, X₁₄, X₁₅, X₁₆, dan X₁₇

Setelah melakukan pengujian secara individu dan serentak, langkah selanjutnya adalah melakukan pemilihan model terbaik dengan menggunakan metode Backward untuk mendapatkan model terbaik dari semua model.

Untuk memeriksa ada atau tidaknya hubungan yang signifikan antara variabel respon dengan variabel prediktor maka dilakukan pengujian Likelihood Ratio Test.

Tabel 9.

Likelihood Ratio Test

Chi Square Sig

314,336 0,000

Tabel 9 dapat diketahui pada step terakhir, didapatkan nilai G > 𝜒𝜒^2R(0,10,10) atau (314,336 > 15,987) maka tolak H₀

Untuk melihat variabel prediktor apa saja yang berpengaruh signifikan terhadap status penerimaan Raskin dan akan menjadi model terbaik, disajikan pada Tabel 10.

, artinya terdapat hubungan yang signifikan antara variabel respon dengan variabel prediktor.

Tabel 10.

Pemilihan Model Terbaik Metode Backward Step Variabel B Sig Exp (B) Keputusan

1 X1 (1) -1,973 0,036* 0,139 Tolak H0

X3 (1) 1,901 0,059* 6,692 Tolak H X

0 4 (1) 5,491 0,000* 242,495 Tolak H X

0 5 (1) 3,148 0,001* 23,286 Tolak H X

0 6 (1) -2,464 0,002* 0,085 Tolak H X

0 9 (1) 2,947 0,006* 19,051 Tolak H X

0 14 (1) -1,486 0,089* 0,226 Tolak H X

0 15 (1) 1,485 0,066* 4,415 Tolak H X

0 16 (1) 2,535 0,031* 12,623 Tolak H X

0 17 (1) 6,216 0,000* 500,761 Tolak H Constant

0

-9,940 0,000* 0,000 Tolak H0

Tabel 10 dapat diketahui pada step terakhir, terdapat sepuluh variabel yang berpengaruh signifikan dan akan menjadi model terbaik yaitu variabel X₁, X₃, X₄, X₅, X₆. X₉, X₁₄, X₁₅, X₁₆, dan X₁₇

Maka dapat disimpulkan bahwa faktor-faktor yang mempengaruhi status penerimaan Raskin di kecamatan Gunung Anyar dan menjadi model terbaik adalah jenis

kelamin (X

dengan nilai signifikansi dibawah α=0,10.

1), anggota keluarga (X₃), status kependudukan (X₄), pendidikan terakhir (X₅), frekuensi makan (X₆), luas lantai bangunan tempat tinggal (X₉), fasilitas tempat bab (X₁₄), pengeluaran untuk makanan (X₁₅), kepemilikan aset (X₁₆) dan frekuensi membeli pakaian baru (X₁₇

Model logit yang terbentuk dan menjadi model terbaik adalah sebagai berikut.

).

g(x) = -9,940 – 1,973 (X₁) + 1,901 X₃(1) + 5,491 X₄(1) + 3,148 X5(1) – 2,464 X6(1) + 2,947 X9(1) – 1,486 X14(1) + 1,485 X₁₅(1) + 2,535 X₁₆(1) + 6,216 X₁₇

Dari hasil pemilihan model terbaik didapatkan nilai odd rasio. Sebagai contoh variabel pendidikan terakhir (X

(1)

5

Rumah tangga dengan pendidikan terakhir kepala rumah tangga tidak sekolah, SD, atau SMP berpotensi menerima Raskin lebih tinggi sebesar 23,286 kali dari rumah tangga dengan pendidikan terakhir kepala rumah tangga SMA atau perguruan tinggi.

) yaitu sebagai barikut.

Tabel 11.

Interpretasi Nilai Peluang

Variabel Responden

R1 R2 R3 R4 R5 R6 R7

X1 1 1 1 1 1 1 1

X3 1 1 1 1 1 1 1

X4 1 1 1 1 1 1 1

X5 1 1 1 1 1 1 1

X6 1 1 1 1 1 1 0

X9 1 1 1 1 1 0 1

X14 1 1 1 1 0 1 1

X15 1 1 1 0 1 1 1

X16 1 1 0 1 1 1 1

X17 1 0 1 1 1 1 1

π(x) 0,99 0,83 0,99 0,99 0,99 0,99 0,99 1- π(x) 0,01 0,16 0,01 0,01 0,1 0,01 0,01

Variabel Responden

R8 R9 R10 R11 R12 R13 R14

X1 1 1 1 0 1 0 0

X3 1 1 0 1 0 1 0

X4 1 0 1 1 0 0 1

X5 0 1 1 1 0 0 0

X6 1 1 1 1 0 0 0

X9 1 1 1 1 0 0 0

X14 1 1 1 1 0 0 0

X15 1 1 1 1 0 0 0

X16 1 1 1 1 0 0 0

X17 1 1 1 1 0 0 0

π(x) 0,99 0,91 0,99 0,99 0,50 0,00 0,01 1- π(x) 0,01 0,09 0,01 0,01 0,50 1 0,99

Variabel Responden

R15 R16 R17 R18 R19 R20 R21

X1 0 0 0 0 0 0 0

X3 0 0 0 0 0 0 0

X4 0 0 0 0 0 0 0

X5 1 0 0 0 0 0 0

X6 0 1 0 0 0 0 0

X9 0 0 1 0 0 0 0

X14 0 0 0 1 0 0 0

X15 0 0 0 0 1 0 0

X16 0 0 0 0 0 1 0

X17 0 0 0 0 0 0 1

π(x) 0,01 0,00 0,01 0,00 0,00 0,01 0,02

1- π(x) 0,99 1 0,99 1 1 0,99 0,98

Tabel 11 dapat dijelaskan nilai peluang suatu rumah tangga dengan berbagai kategori untuk menerima Raskin dan

tidak menerima Raskin. Sebagai contoh kolom R₁ dapat diketahui rumah tangga dengan jenis kelamin kepala rumah tangga perempuan, anggota keluarga > 4 orang, kepala rumah tangga warga Surabaya, pendidikan terakhir kepala rumah tangga tidak sekolah, SD, atau SMP, frekuensi makan

≤ 2 kali dalam sehari, luas lantai bangunan tempat tinggal sebesar ≤ 8m² per orang, fasilitas tempat bab bukan milik sendiri, pengeluaran untuk makanan ≤ Rp. 700.000, - dalam sebulan, memiliki aset, dan frekuensi membeli pakaian baru

≤ 1 kali dalam setahun memiliki peluang untuk menerima Raskin sebesar 0,999 persen dan memiliki peluang untuk tidak menerima Raskin sebesar 0,001 persen.

Langkah selanjutnya adalah uji kesesuaian model.

Berdasarkan hasil pengujian dapat disimpulkan bahwa keputusan gagal tolak H₀ karena nilai Ĉ < 𝜒𝜒^2R(0,10,10)

Hasil Observasi

(4,272 <

15,987) artinya model sesuai atau tidak ada perbedaan antara hasil observasi dengan hasil prediksi model.

Setelah dilakukan uji kesesuaian model, langkah selanjutnya adalah membuat tabel klasifikasi model untuk menyatakan kelayakan suatu model dengan melihat seberapa besar observasi secara tepat diklasifikasikan.

Tabel 12.

Ketepatan Klasifikasi Model Prediksi Status Penerimaan

Raskin

Persentase Benar Tidak

Penerima

Penerima Status

Penerimaan Raskin

Tidak Penerima

122 15 89,1

Penerima 1 136 99,3

Persentase Keseluruhan 94,2

Berdasarkan Tabel 12 model regresi logistik dengan sepuluh variabel prediktor yang berpengaruh signifikan yaitu jenis kelamin (X₁), anggota keluarga (X₃), status kependudukan (X₄), pendidikan terakhir (X₅), frekuensi makan (X₆), luas lantai bangunan tempat tinggal (X₉), fasilitas tempat bab (X₁₄), pengeluaran untuk makanan (X₁₅), kepemilikan aset (X₁₆) dan frekuensi membeli pakaian baru (X₁₇

1. Secara deskriptif bahwa karakteristik antara rumah tangga tidak penerima Raskin dan rumah tangga penerima Raskin di kecamatan Gunung Anyar jauh berbeda. Dari hasil deskripsi variabel penelitian diketahui bahwa terdapat karakteristik yang jauh berbeda antara rumah tangga tidak penerima Raskin dan

rumah tangga penerima Raskin hampir di semua variabel. Hanya pada jenis lantai bangunan tempat tinggal (X

) memiliki ketepatan klasifikasi sebesar 94,2 persen.

V. KESIMPULAN

Berdasarkan analisis dan pembahasan diperoleh beberapa kesimpulan antara lain sebagai berikut.

11) dan sumber penerangan utama (X₁₂

2. Dari hasil analisis gap disimpulkan bahwa kualitas beras Raskin harus lebih diperhatikan. Menurut rumah tangga penerima Raskin kualitas beras Raskin yang diberikan tidak cukup bagus. Hal ini menunjukkan bahwa masih ada beberapa permasalahan terkait program Raskin yang masih harus diperhatikan dan diperbaiki oleh pemerintah.

3. Faktor-faktor yang mempengaruhi status penerimaan Raskin di kecamatan Gunung Anyar adalah jenis kelamin (X

) terlihat karakteristik yang relatif sama antara rumah tangga tidak penerima Raskin dan rumah tangga penerima Raskin.

1), anggota keluarga (X₃), status kependudukan (X₄), pendidikan terakhir (X₅), frekuensi makan (X₆), luas lantai bangunan tempat tinggal (X₉), fasilitas tempat bab (X₁₄), pengeluaran untuk makanan (X₁₅), kepemilikan aset (X₁₆) dan frekuensi membeli pakaian baru (X17). Model logit yang terbentuk dari faktor-faktor yang berpengaruh adalah g(x) = -9,940 – 1,973 (X₁) + 1,901 X₃(1) + 5,491 X₄(1) + 3,148 X₅(1) – 2,464 X₆(1) + 2,947 X₉(1) – 1,486 X₁₄(1) + 1,485 X₁₅(1) + 2,535 X₁₆(1) + 6,216 X₁₇

[1] Business News, 2008, Dampak Krisis Ekonomi Pada Kemiskinan, Jakarta.

(1) dengan ketepatan klasifikasi model sebesar 94,2 persen.

UCAPAN TERIMAKASIH

Penulis mengucapkan terimakasih kepada pihak Kecamatan Gunung Anyar yang telah memberikan bantuan pemberian data sekunder yang berkaitan dengan data populasi rumah tangga serta memberikan perizinan untuk melakukan survei sehingga sangat membantu penulis dalam menyelesaikan penelitian.

DAFTAR PUSTAKA

[2] Kompas, 2008, Raskin Meringankan Beban Rakyat Miskin, 27 Juli, Jakarta.

[3] Chernichivsky., Meesok, 2003, Agenda Riset Strategis Bidang Penanggulangan Kemiskinan, Sugiyono, Indonesia.

[4] Badan Pusat Statistik, 2011, Analisis dan Perhitungan Tingkat Kemiskinan Tahun 2011, Indonesia.

[5] Bungkaes, H., 2013, Hubungan Efektivitas Pengelolaan Program Raskin Dengan Peningkatan Kesejahteraan Masyarakat Di Desa Mamahan Kecamatan Gemeh Kabupaten Kepulauan Talaud. Journal. “Acta Diurna”.