ANALISIS HUBUNGAN TINGKAT PENDAPATAN DEN

(1)

TUGAS ANALISIS GEODA

PL2102 PENGANTAR LOKASI DAN STRUKTUR RUANG

ANALISIS HUBUNGAN TINGKAT PENDAPATAN DENGAN TINGKAT KONSUMSI PANGAN DI DKI JAKARTA, BOGOR, DEPOK, TANGERANG, DAN BEKASI

(JABODETABEK)

M. Ihsanuddin Karimullah/15414019 Fikri Rachmad Ardi/15414021

Pratiwi Prameswari/15414023

Program Studi Perencanaan Wilayah dan Kota. Sekolah Arsitektur, Perencanaan, dan Pengembangan Kebijakan. Institut Teknologi Bandung.

ABSTRAK

Wilayah Provinsi DKI Jakarta dikenal sebagai provinsi dengan tingkat konsumsi relatif tinggi, terutama konsumsi pangan. Dengan perbandingan produk domestik regional bruto tertinggi di Indonesia, Jakarta dianggap memiliki persebaran pendapatan dengan jumlah yang tinggi juga. Dengan beragam isu dan masalah yang berkaitan dengan pangan di Jakarta, penulis menganalisis hubungan tingkat pendapatan di Jakarta beserta wilayah tetangga yang tergabung dalam Jabodetabek. Juga dianalisis bagaimana kecenderungan daerah kluster hubungan konsumsi dan pendapatan per-129 kecamatan se-Jabodetabek. Hasilnya, di pusat wilayah Jabodetabek tingkat pendapatan, konsumsi, dan konsumsi pangan penduduk cenderung tinggi, semakin menjauh dari pusat wilayah, semakin rendah.

Kata kunci: Hubungan, tingkat pendapatan, tingkat konsumsi pangan, Jabodetabek.

PENDAHULUAN

(2)

miliar. Produk domestik bruto tersebut didapatkan dari beragam aspek, salah satunya adalah melalui pengeluaran konsumsi.

Berdasarkan data dari Badan Pusat Statistik Provinsi DKI Jakarta, PDRB Menurut Pengeluaran Atas Dasar Harga Konstan 2000 tahun 2013 di provinsi ini adalah sebesar Rp477.285.245.000.000,00. Selain itu, berdasarkan data menurut konsumsi lembaga dan masyarakat, jumlah pengeluaran PDRB adalah sebesar Rp250.668.032.000.000,00. Pengeluaran tersebut, salah satunya adalah konsumsi makanan dan minuman.

Konsumsi di DKI Jakarta, seperti konsumsi negara-negara lain di Indonesia, bergantung pada waktu-waktu tertentu. Salah satu contohnya adalah pada waktu bulan Ramadhan, bulan ketika umat Islam yang menjadi mayoritas di Indonesia menjalankan ibadah puasa. Menurut Kementerian Perdagangan Republik Indonesia, konsumsi masyarakat di bulan itu cenderung naik antara 5-20%. Sektor konsumsi yang naik akibat kenaikan permintaan antara lain minyak goreng, tepung terigu, tepung tapioka, gula kristal putih, ikan, daging ayam, dan daging sapi. Konsumsi yang naik tersebut memaksa pelaku terkait untuk menambah jumlah pasokan barang. Akibatnya, tidak heran jika bulan Ramadhan datang inflasi cenderung mengalami kenaikan.

Dari konsumsi tersebut, penulis ingin mencari tahu bagaimana kecenderungan setiap kecamatan di DKI Jakarta dalam melakukan konsumsi makanan. Selain itu, penulis juga ingin mengetahui apakah kecamatan di sekitarnya, juga kecamatan-kecamatan di daerah suburban Jakarta dalam kawasan Jakarta-Bogor-Depok-Tangerang-Bekasi (Jabodetabek), juga cenderung mengkluster perihal konsumsi, baik dalam konsumsi makanan, maupun konsumsi keseluruhan.

Untuk analisis hubungan tingkat pendapatan dengan konsumsi pangan di kawasan Jabodetabek, dilakukan analisis melalui aplikasi Open GeoDA. Dari aplikasi ini, akan ditampilkan bagaimana pola konsumsi dihubungkan dengan tingkat pendapatan perkecamatan. Akan dibahas pula bentuk BoxPlot, Moran’s Scattered Plot, dan peta hasil kluster.

TINJAUAN PUSTAKA

Pangan

(3)

perikanan, peternakan, perairan, dan air, baik yang diolah maupun tidak diolah yang diperuntukkan sebagai makanan atau minuman bagi konsumsi manusia, termasuk bahan tambahan pangan, bahan baku pangan, dan bahan lainnya yang digunakan dalam proses penyiapan, pengolahan,dan/atau pembuatan makanan atau minuman.

Pendapatan

Dalam laporan ini, pendapatan diartikan dalam keilmuan ekonomi. Secara ekonomi, menurut John J. Wild (2003:311), pendapatan merupakan nilai maksimum yang dapat dikonsumsi oleh sesorang dalam suatu periode dengan mengharapkan keadaan yang sama pada akhir periode seperti keadaan semula, definisi pendapatan menurut ilmu ekonomi menutup kemungkinan perubahan lebih dari total harta kekayaan badan usaha pada awal periode dan menekankan pada jumlah nilai sttis pada akhir periode. Dengan kata lain, pendapatan adalah jumlah kenaikan harta kekayaan karena perubahan penilaian yang bukan diakibatkkan perubahan modal dan hutang.

Autokorelasi spasial

Autokorelasi spasial adalah suatu korelasi antara variabel dengan dirinya sendiri atau dapat juga diartikan ukuran kemiripan dari objek dalam suatu ruang. Permulaan dari keacakan spasial mengindikasikan pola spasial seperti clustered (berkelompok), dispersed (menyebar), atau random (acak). Autokorelasi spasial positif mengindikasikan lokasi yang berdekatan mempunyai nilai yang mirip dan cenderung berkelompok. Autokorelasi spasial negatif mengindikasikan lokasi yang berdekatan mempunyai nilai yang berbeda dan cenderung menyebar. Dan tidak ada autokorelasi spasial mengindikasikan pola lokasi acak (Lee dan Wong, 2001 dalam Yasin dan Saputra, 2013).

Gambar 1 Ilustrasi Autokorelasi Spasial melalui Aplikasi ArcMAP

(4)

Pengukuran autokorelasi spasial untuk area data spasial dapat dihitung menggunakan metode Moran’s I (Indeks Moran), Geary’s c, dan Tango’s excess (Pfeiffer dkk, 2008). Dala laporan ini, pengukuran autokorelasi spasial dilakukan melalui metode Indeks Moran I melalui aplikasi Open GeoDA.

Indeks Moran

Indeks Moran paling sering digunakan untuk mengukur autokorelasi spasial global dan mengkuantifikasi kesamaan dari variabel hasil antar wilayah (area) yang didefinisikan sebagai spasial terkait. Hal tersebut dapat diterapkan untuk mendeteksi permulaan dari keacakan spasial. Permulaan dari keacakan spasial mengindikasikan pola spasial seperti berkelompok atau membentuk tren terhadap ruang (Pfeiffer dkk, 2008 dalam Faiz, Rahmawati, dan Safitri, 2013). Perhitungan autokorelasi spasial menggunakan Indeks Moran dengan matriks pembobot W berdasarkan perkalian silang adalah sebagai berikut.

(Banerjee, 2004, dalam Faiz, Rahmawati, dan Safitri, 2013) Nilai yang dihasilkan dalam perhitungan Indeks Moran berkisar antara -1 sampai 1. Nilai indeks moran bernilai nol mengindikasikan tidak berkelompok, nilai indeks moran yang positif mengindikasikan autokorelasi spasial yang positif yang berarti lokasi yang berdekatan mempunyai nilai yang mirip dan cenderung berkelompok, dan nilai Indeks Moran yang negatif mengindikasikan autokorelasi spasial negatif yang berarti lokasi yang berdekatan mempunyai nilai yang berbeda (Pfeiffer dkk, 2008 dalam Faiz, Rahmawati, dan Safitri, 2013).

Moran’s Scatterplot

(5)

Gambar 2 Kuadran Moran’s Scatterplot

Sumber: Pemetaan Penyakit Demam Berdarah Dengue dengan Analisis Pola Spasial di Kabupaten Pekalongan, 2015.

Kuadran I (terletak di kanan atas) disebut High-High (HH), menunjukkan daerah yang mempunyai nilai pengamatan tinggi dikelilingi oleh daerah yang mempunyai nilai pengamatan tinggi. Kuadran II (terletak di kiri atas) disebut Low-High (LH), menunjukkan daerah dengan pengamatan rendah tapi dikelilingi daerah dengan nilai pengamatan tinggi. Kuadran III (terletak di kiri bawah) disebut Low-Low (LL), menunjukkan daerah dengan nilai pengamatan rendah dan dikelilingi daerah yang juga mempunyai nilai pengamatan rendah. Kuadran IV (terletak di kanan bawah) disebut High-Low (HL), menunjukkan daerah dengan nilai pengamatan tinggi yang dikelilingi oleh daerah dengan nilai pengamatan rendah. Moran’s Scatterplot yang banyak menempatkan pengamatan di kuadran HH dan kuadran LL akan cenderung mempunyai nilai autokorelasi spasial yang positif (cluster). Sedangkan Moran’s Scatterplot yang banyak menempatkan pengamatan di kuadran HL dan LH akan cenderung mempunyai nilai autokorelasi spasial yang negatif.

GeoDA

(6)

ANALISIS

Wilayah Jabodetabek

Gambar 3 Peta Jabodetabek

Sumber : Hasil Analisis GeoDA, 2015

Dalam melakukan analisis, seperti yang telah disebutkan sebelumnya, wilayah yang menjadi daerah adalah Jabodetabek. Gambar 2 menunjukkan peta shp Jabodetabek yang akan dianalisis melalui software GeoDA. Peta tersebut merupakan themeless map atau peta tanpa tema yang hanya menunjukan peta batas administrasi. Dari peta tersebut, diketahui bahwa terdapat 129 kecamatan di wilayah Jabodetabek.

Dalam analisis kali ini, digunakan juga tools weights berupa queen contiguity dengan order of contiguity 1. Hal ini dikarenakan penulis ingin menganalisis pengaruh dan keterkaitan antara kecamatan satu dengan kecamatan tetangga yang berada persis di sekitar kecamatan tersebut. Analisis Tingkat Pendapatan, Tingkat Konsumsi Secara Umum, dan Tingkat Konsumsi Pangan Penduduk Jabodetabek

Dalam menganalisis hubungan tingkat pendapatan dan tingkat konsumsi pangan, dilakukan analisis terlebih dahulu mengenai tingkat pendapatan, tingkat konsumsi secara umum, dan tingkat konsumsi pangan Jabodetabek itu sendiri. Analisis tingkat konsumsi dilakukan untuk mengetahui gambaran tingkat konsumsi secara umum dari penduduk Jabodetabek terlepas dari keberadaan konsumsi pangan dan konsumsi nonpangan. Sementara analisis tingkat pendapatan dan tingkat

(7)

konsumsi pangan dilakukan untuk mengetahui gambaran dari kedua variabel tersebut di wilayah Jabodetabek.

1. Analisis Tingkat Pendapatan Penduduk Jabodetabek

Variabel pertama yang akan dianalisis adalah tingkat pendapatan penduduk Jabodetabek itu sendiri. Tingkat pendapatan penduduk dibagi ke dalam tiga tingkatan interval, yaitu pendapatan tinggi dengan interval >Rp980.000, pendapatan sedang dengan interval Rp980.000-Rp620.000, dan pendapatan rendah dengan interval <Rp620.000. Ketiga interval tersebut didapatkan melalui analisis tabel dan hasil peta. Dari pembagian interval tersebut, diperoleh hasil bahwa daerah yang berada di pusat atau di tengah wilayah Jabodetabek hampir seluruhnya memiliki tingkat pendapatan yang tinggi, kecuali Kecamatan Tanah Abang dan Setia Budi yang berada di tengah-tengah kecamatan dengan pendapatan tinggi, serta Kecamatan Pademangan dan Koja yang berada di bagian Utara. Dari hasil ini, dapat dikatakan bahwa semakin menjauh dari pusat wilayah Jabodetabek, tingkat pendapatan penduduk cenderung menurun.

Gambar 4 Peta Tingkat Pendapatan Penduduk di Jabodetabek

Selain itu, dari analisis box plot didapatkan ada empat kecamatan yang memiliki rata-rata jauh di luar yang lain atau dikatakan sebagai outliers, yaitu Kecamatan Pasar Minggu, Kebayoran Lama, Menteng, dan Kebayoran Baru.

Rendah

(8)

Gambar 5 Box Plot Tingkat Pendapatan Penduduk di Jabodetabek

Sumber : Hasil Analisis GeoDA, 2015 2. Analisis Tingkat Konsumsi Penduduk Jabodetabek

(9)

Gambar 6 Peta Tingkat Konsumsi Penduduk Secara Umum di Jabodetabek

Selain itu, dari analisis box plot didapatkan ada lima kecamatan yang memiliki rata-rata jauh di luar yang lain atau dikatakan sebagai outliers, yaitu Kecamatan Pasar Minggu, Kebayoran Lama, Menteng, Kebayoran Baru, dan Mampang Prapatan.

Gambar 7 Box Plot Tingkat Konsumsi Penduduk di Jabodetabek

Rendah

Sedang

(10)

3. Analisis Tingkat Konsumsi Pangan Penduduk Jabodetabek

Tingkat konsumsi terbagi menjadi tingkat konsumsi pangan dan konsumsi nonpangan. Analisis kali ini memiliki fokus pada kategori konsumsi pangan. Tingkat konsumsi pangan penduduk dibagi menjadi tiga kelas konsumsi pangan, yaitu konsumsi pangan tinggi dengan interval >Rp400.000, konsumsi pangan sedang dengan interval Rp400.000-Rp327.000, dan konsumsi pangan rendah dengan interval <327.000. Tidak berbeda jauh dengan hasil analisis peta tingkat pendapatan dan peta tingkat konsumsi, peta tingkat konsumsi pangan juga menunjukkan tingkat konsumsi pangan yang tinggi berada di pusat, hanya saja kali ini terdapat kecamatan yang memiliki tingkat konsumsi pangan yang tinggi tetapi tingkat pendapatan dan tingkat konsumsi sedang. Kecamatan tersebut adalah Kecamatan Tigaraksa dan Kecamatan Jasinga. Semakin jauh dari pusat wilayah, kecenderungan konsumsi pangan semakin kecil.

Gambar 8 Peta Tingkat Konsumsi Penduduk Secara Umum di Jabodetabek

Selain itu, dari analisis box plot didapatkan ada tiga kecamatan yang memiliki rata-rata jauh di luar yang lain atau dikatakan sebagai outliers, yaitu Kecamatan Pasar Minggu, Kebayoran Lama, dan Menteng.

Rendah

(11)

Gambar 9 Box Plot Tingkat Konsumsi Penduduk di Jabodetabek

Apabila outliers dari tingkat pendapatan, tingkat konsumsi, dan tingkat konsumsi pangan Jabodetabek dibandingkan, didapatkan hasil bahwa kecamatan yang menjadi outliers cenderung sama. Outliers pada tingkat pendapatan adalah Kecamatan Pasar Minggu, Kebayoran Lama, Menteng, dan Kebayoran Baru, outliers pada tingkat konsumsi adalah Kecamatan Pasar Minggu, Kebayoran Lama, Menteng, Kebayoran Baru, dan Mampang Prapatan, dan outliers pada tingkat konsumsi pangan adalah Kecamatan Pasar Minggu, Kebayoran Lama, Menteng, dan Kebayoran Baru. Dari kecamatan-kecamatan tersebut, terdapat tiga kecamatan yang selalu menjadi outliers, yaitu Kecamatan Pasar Minggu, Kebayoran Lama, dan Menteng. Ketiga kecamatan tersebut memang memiliki rata-rata yang jauh lebih tinggi di atas kecamatan lainnya. Dari hasil ini dapat diprediksi bahwa ketiga kecamatan tersebut memiliki tingkat aktivitas dan produktivitas yang tinggi.

(12)

besar dari tingkat konsumsi dan tingkat pendapatan. Tetapi terdapat beberapa kecamatan yang memiliki tingkat pendapatan cenderung sama dengan tingkat konsumsi namun tingkat konsumsi pangan cenderung lebih rendah dan sama antarkecamatan tersebut. Kecamatan-kecamatan itu adalah Kecamatan Tarumajaya, Pamajihan, Tenjo, Caringin, Ciawi, Parung, dan Rumpin. Terdapat pula satu kecamatan yang memiliki tingkat pendapatan yang sangat tinggi tetapi memiliki tingkat konsumsi yang lebih rendah dari tingkat pendapatan dan tingkat yang lebih rendah lagi untuk tingkat konsumsi pangan. Kecamatan tersebut adalah Kecamatan Kebayoran Baru. Selain itu, adapula kecamatan yang memiliki tingkat pendapatan tinggi, tingkat konsumsi lebih tinggi, dan tingkat konsumsi pangan sedikit lebih rendah dari tingkat konsumsi. Kecamatan tersebut adalah Kecamatan Kebayoran Lama.

Dari hasil analisis tersebut dapat diprediksi bahwa daerah yang memilki tingkat konsumsi rendah bukan merupakan daerah pemukiman. Contohnya adalah Kecamatan Kebayoran Baru yang memiliki tingkat pendapatan tinggi namun tingkat konsumsi keseluruhan dan tingkat konsumsi pangan yang rendah. Kecamatan ini merupakan lokasi bagi banyak perkantoran di Kota Jakarta. Salah satunya adalah Sudirman Central Business District (SCBD) yang merupakan kawasan perkantoran dan bisnis di Jakarta.

(13)

Analisis Pendapatan terhadap Konsumsi Pangan Penduduk di Jabodetabek

1. Analisis dengan Menggunakan Grafik Scatter Plot

Berdasarkan analisis yang dilakukan dengan menggunakan grafik scatter plot dapat diketahui perbandingan pendapatan terhadap konsumsi pangan melaui garis regresi. Hampir seluruh kecamatan berada dekat dengan garis regresi atau rata-rata. Hanya terdapat beberapa daerah yang berada jauh dari garis regresi, di antaranya Kecamatan Kebayoran Baru yang berada jauh di bawah dan Kecamatan Pasar minggu, Pasanggarehan dan Pancoran yang berada di atas. Kecamatan-kecamatan yang berada dibawah garis regresi memiliki tingkat konsumsi pangan yang lebih rendah atau tingkat pendapatan yang lebih tinggi dari rata-rata. Sebaliknya untuk tingkat kecamatan yang berada diatas garis regresi memiliki tingkat konsumsi pangan yang lebih tinggi atau pendapatan yang lebih rendah dari rata-rata. Secara umum, dari grafik ini dapat dikatakan bahwa tingkat pendapatan cenderung memiliki hubungan yang positif dengan tingkat konsumsi pangan. Semakin tinggi pendapatan penduduk wilayah Jabodetabek, semakin tinggi pula tingkat konsumsi pangan penduduk di wilayah ini.

Gambar 11 Grafik Scatter Plot

(14)

2. Analisis dengan Menggunakan Bivariate’s Local Moran’s I a. Bivariate’s Moran’s I

Gambar 12 Grafik Bivariate’s Moran’s I

(15)

b. Significance Map: Jabodetabek, Income with Food

Gambar 13 Peta Signifikansi Pendapatan terhadap Konsumsi Pangan

(16)

c. Cluster Map: Jabodetabek, Income with Food

Gambar 14 Peta Kluster Pendapatan terhadap Konsumsi Pangan

Dari peta cluster map di atas, bila dihubungkan dengan Grafik Moran’s I, dapat diketahui bahwa daerah yang merah merupakan daerah yang memilki pendapatan tinggi serta tingkat konsumsi pangan yang tinggi, semuanya berkluster di tengah. Meskipun ada satu daerah, yaitu Kecamatan Tanah Abang di wilayah tengah yang memiliki pendapatan rendah tetapi konsumsi pangan tinggi berwarna biru muda berada di tengah-tengah kluster berwarna merah. Selain itu, terdapat pula untuk warna biru tua merupakan kecamatan dengan tingkat pendapatan yang rendah serta tingkat konsumsi pangan yang rendah.

KESIMPULAN

Berdasarkan hasil analisis yang telah dilakukan dengan menggunakan software GeoDA didapatkan kesimpulan sebagai berikut.

1. Di pusat wilayah Jabodetabek, tingkat pendapatan, konsumsi, dan konsumsi pangan penduduk cenderung tinggi, semakin menjauh dari pusat wilayah, semakin rendah. 2. Penduduk di wilayah Jabodetabek cenderung memiliki tingkat pendapatan dan tingkat konsumsi yang relatif sama dan tingkat konsumsi pangan yang lebih tinggi dibandingkan pendapatan dan konsumsi.

(17)

4. Penduduk dengan pendapatan dan konsumsi pangan tinggi cenderung mengkluster di pusat wilayah Jabodetabek, sementara penduduk dengan pendapatan dan konsumsi pangan rendah cenderung mengkluster di barat daya wilayah Jabodetabek.

DAFTAR PUSTAKA

Banerjee, S. 2004. Hierarchical Modeling and Analysis for Spatial Data. Boca Raton: Chapman and Hall/CRC.

Wild, John J, 2003. Financial Accounting: Information for Decisions. Edisi Kedua. Diterjemahkan oleh Yanivi S. Bachtiar. Jakarta: Salemba Empat.

Zhukov, Yuri. 2010. Spatial Autocorrelation. Cambridge: IQSS, Harvard University.

Faiz, Nuril; Rahmawati, Rita; dan Safitri Diah. 2013. “Analisis Spasial Penyebaran Penyakit Demam Berdarah Dengue dengan Indeks Moran dan Geary’s C (Studi Kasus di Kota Semarang Tahun 2011)”. Media Statistika, Vol. 6, No. 1. Semarang: Fakultas Sains dan Matematika Universitas Diponegoro.

Yasin, Hasbi dan Saputra, Ragil. 2013. “Pemetaan Penyakit Demam Berdarah Dengue dengan Analisis Pola Spasial di Kabupaten Pekalongan”. Media Statistika, Vol. 6, No. 1. Semarang: Fakultas Sains dan Matematika Universitas Diponegoro.

Curtis, J. A. and Lee, A. W. 2010. Spatial Pattern of Diabetes Related Health Problems for Vulnerable Populations in Los Angeles. International Journal of Health Geographics. Tersedia di: http://ij-healthgeographics.biomedcentral.com/articles/10.1186/1476-072X-9-43 (Diakses pada: 1 Desember 2015).

(18)

Badan Pusat Statistik DKI Jakarta. 2015. PDRB Menurut Pengeluaran Atas Dasar Harga Konstan

2000 (Juta Rupiah), 2008-2013. Tersedia di:

http://jakarta.bps.go.id/linkTabelStatis/view/id/22 (Diakses pada: 1 Desember 2015). GeoDA Center for Geospatial Analysis and Computation. 2010. FAQ. Tersedia di:

https://geodacenter.asu.edu/node/386 (Diakses pada: 1 Desember 2015).

Halimatussadiah, A. 2015. Mengapa Ramadhan Menjadi Momen Ekonomi Spesial di Indonesia. Tersedia di: https://www.selasar.com/politik/mengapa-ramadhan-menjadi-momen-ekonomi-spesial-di-indonesia (Diakses pada: 1 Desember 2015).