Diterima: 5 Februari 2022 Disetujui: 30 April 2022 Penulis:
Hayu Wuranti1 E-mail: hayu@bps.go.id
1 Badan Pusat Statistik Provinsi Jawa Tengah, Semarang, Indonesia.
Analisis Pengelompokkan Kabupaten/Kota di Jawa Tengah Berdasarkan Indikator Perekonomian Akibat Pandemi Covid-19
Hayu Wuranti1
Abstrak: Pandemi Covid-19 menyebar secara cepat dan luas sehingga tidak ada wilayah di Jawa Tengah yang terbebas dari pandemi ini. Bahkan menurut data Kementerian Kesehatan Republik Indonesia pada November 2020, Jawa Tengah menempati peringkat pertama penambahan kasus Covid-19. Pandemi Covid-19 berpengaruh juga terhadap perekonomian Jawa Tengah. Hal ini terlihat dari terkontraksinya pertumbuhan ekonomi, meningkatnya persentase penduduk miskin dan tingkat pengangguran terbuka serta menurunnya tingkat penghunian kamar hotel. Kondisi indikator perekonomian serupa juga dialami seluruh kabupaten/kota di Jawa Tengah. Hasil penelitian dengan menggunakan metode K-Means Cluster terdapat dua cluster. Cluster 1 merupakan kelompok yang mengalami dampak terutama terhadap Persentase Penduduk Miskin dan Tingkat Penghunian Kamar Hotel, dengan 19 kabupaten/kota. Sedangkan pada cluster 2 dengan dampak terutama pada Tingkat Pengangguran Terbuka dan Pertumbuhan Ekonomi sejumlah 16 kabupaten/kota.
The Covid-19 pandemic spread quickly and widely so that no area in Central Java was free from this pandemic. Even according to data from the Ministry of Health of the Republic of Indonesia in November 2020, Central Java was ranked first in the addition of Covid-19 cases. The Covid-19 pandemic has also affected the economy of Central Java. This can be seen from the contraction of economic growth, the increase in the percentage of the poor and the open unemployment rate, and the decline in the occupancy rate of hotel rooms. The condition of economic indicators is similar to that of all regencies in Central Java. The results of the analysis using the K-Means Cluster method are two clusters. Cluster 1 is a group that has experienced an impact mainly on the percentage of poor people and hotel room occupancy rates, with 19 districts.
Meanwhile, in cluster 2, the impact is mainly on the Open Unemployment Rate and Economic Growth in 16 districts.
Kata Kunci: analisis cluster; covid-19; K-Means Cluster
1. Pendahuluan
1.1 Latar Belakang
Sejak Desember 2019, penyakit Covid-19 telah menjadi epidemi global. Penyakit ini disebabkan oleh virus SARS Cov-2. Kasus Covid-19 pertama kali ditemukan di Kota Wuhan, China yang dalam waktu singkat menyebar ke seluruh dunia termasuk Indonesia. Bulan Maret 2020 merupakan saat dimana kasus Covid-19 pertama kali melanda Indonesia, seperti disampaikan Presiden Joko Widodo tentang adanya dua warga negara Indonesia yang dinyatakan terjangkit virus Corona. Sementara itu, pada tanggal 13 Maret 2020 diumumkan kasus pertama Covid-19 di Jawa Tengah terjadi di Kota Solo. Pandemi Covid-19 menyebar dengan sangat cepat dan luas sehingga tidak ada wilayah di Jawa Tengah yang terbebas dari pandemi ini. Bahkan menurut data Kementerian Kesehatan Republik Indonesia, Jawa Tengah menempati peringkat pertama dengan penambahan kasus Covid-19 sebanyak 2.036 kasus pada bulan November 2020. Dalam website covid19.go id pada 29 November 2020 dinyatakan bahwa kasus Covid-19 di Jawa Tengah berjumlah sebesar 52.961 kasus, dengan jumlah pasien sembuh sebesar 43.383 orang dan jumlah pasien meninggal sebesar 3.690 orang.
Sementara itu kasus Covid-19 tertinggi di Jawa Tengah terjadi di Kota Semarang dengan jumlah kasus sebesar 8.733 orang (Kompas.com, 2020).
Pandemi Covid-19 tidak hanya membawa dampak negatif dari sisi kesehatan, tetapi juga berpengaruh terhadap perekonomian, baik pada ekonomi global, nasional maupun regional. Hal tersebut dapat dilihat pada indikator perekonomian yang dirilis oleh Badan Pusat Statistik (BPS) Provinsi Jawa Tengah. Jika pada tahun 2019, pertumbuhan ekonomi di Jawa Tengah mampu tumbuh hingga 5,34 persen, namun pada tahun 2020 justru mengalami kontraksi sebesar minus 3,34 persen. Terjadinya pandemi Covid-19 menyebabkan pertumbuhan ekonomi triwulan I tahun 2020 di Jawa Tengah melambat menjadi 2, 61 persen. Di triwulan II, mengalami kontraksi hingga minus 5,42 persen, di triwulan III masih terkontraksi sebesar minus 3,92 persen dan di triwulan IV mengalami kontraksi minus 1,89 persen. Sementara itu indikator perekenomian lain di Jawa Tengah juga ikut terdampak. Akibat pandemi Covid-19, angka kemiskinan dan pengangguran di Jawa Tengah meningkat pada tahun 2020. Pada tahun 2020 angka kemiskinan meningkat menjadi 11,41 persen, dari 10,58 persen pada 2019. Sedangkan, angka pengangguran tahun 2020 meningkat menjadi 6,48 persen dari 4,42 persen pada 2019.
Pandemi Covid-19 telah menyebabkan krisis dimensional yang membawa dampak terhadap berbagai aspek kehidupan. Beberapa penelitian terkait dampak pandemi Covid-19 telah banyak dilakukan, antara lain Nasution, Erlina dan Muda (2020) meneliti bagaimana perekonomian Indonesia terdampak Covid-19; Siahaan (2020) tentang dampaknya terhadap dunia pendidikan; Taufik dan Ayuningtyas (2020) terkait dampak terhadap Bisnis dan Eksistensi Platform Online; Bahtiar (2021) mengenai dampak terhadap usaha mikro, kecil, dan menengah serta solusinya serta Livana dkk (2020) tentang dampak bagi perekonomian masyarakat desa. Sedangkan penelitian terkait dampak Covid-19 dengan lokus Jawa Tengah juga sudah banyak dilakukan antara lain Aeni (2021); Fauziah dan Afrizal (2021); Wijayanti dan Nindiyasturi (2021) serta Arditama dan Lestari (2020). Meskipun demikian penelitian terkait dampak Covid-19 terhadap indikator perekonomian Jawa Tengah dengan melakukan pengelompokkan Kabupaten/Kota belum banyak dilakukan.
1.2. Tujuan Penelitian
Penelitian ini merupakan kajian dengan menggunakan analisis kuantitatif, yaitu analisis cluster. Analisis cluster digunakan untuk mengetahui kelompok kabupaten/kota di Jawa Tengah yang perekonomiannya beresiko terdampak Covid-19. Berbeda dengan analisis multivariat lain yang memerlukan asumsi normalitas, analisis cluster hanya memiliki dua asumsi untuk dipenuhi yaitu kecukupan sampel dan tidak adanya multikolinieritas (Hair dkk., 2010). Penelitian ini bertujuan (1) membandingkan indikator perekonomian sebelum dan saat pandemi Covid-19 di level provinsi dan kabupaten/kota di Jawa Tengah; (2) mengelompokkan kabupaten/kota di Jawa Tengah berdasarkan 4 (empat) indikator perekonomian, yaitu Persentase Penduduk Miskin (PPM) dalam persen, Tingkat Pengangguran Terbuka (TPT) dalam persen, Pertumbuhan Ekonomi (PE) dalam persen, dan Tingkat Penghunian Kamar Hotel (TPK) dalam persen. Hasil dari penelitian ini diharapkan mampu memberikan kontribusi kepada pemerintah dan pemangku kebijakan dalam merumuskan kebijakan pemulihan kondisi ekonomi yang terdampak Covid-19 agar tepat sasaran dan sesuai dengan kondisi ekonomi daerah yang ditargetkan.
2. Metodologi
2.1. Sumber Data dan Variabel Penelitian
Penelitian ini menggunakan data sekunder yang diakses melalui website BPS Provinsi Jawa Tengah yaitu https://jateng.bps.go.id/. Indikator terkait ekonomi tahun 2019- 2020 yang digunakan antara lain Persentase Penduduk Miskin (PPM) dalam persen, Tingkat Pengangguran Terbuka (TPT) dalam persen, Pertumbuhan Ekonomi (PE) tanpa migas dalam persen, dan Tingkat Penghunian Kamar Hotel (TPK) dalam persen, di level kabupaten/kota dan Provinsi Jawa Tengah. Unit sampel pada penelitian ini merupakan kabupaten/kota yang terdapat di provinsi Jawa Tengah, yaitu sebanyak 35 (tiga puluh lima) kabupaten/kota.
2.2 Metode Analisis
Metode analisis yang digunakan dalam penelitian ini merupakan analisis deskriptif dengan menggunakan grafik dan map chart, untuk membandingkan indikator perekonomian tersebut sebelum dan saat pandemi Covid-19 baik di level kabupaten/kota maupun provinsi Jawa Tengah. Sedangkan untuk menganalisis pengelompokkan indikator perkonomian secara lebih lanjut digunakan analisis cluster.
Clustering atau pengelompokkan yaitu suatu proses penyusunan kelompok sehingga semua anggota pada setiap kelompok mempunyai persamaan berdasarkan matriks tertentu. Sedangkan analisis cluster atau analisis kelompok merupakan suatu metode analisis dengan tujuan mengelompokan individu atau obyek ke dalam beberapa kelompok dengan sifat yang berbeda antar kelompok, sehingga individu atau obyek dalam satu kelompok memiliki sifat yang relatif homogen.
Penggunaan teknik analisis memiliki kelebihan maupun kekurangan. Beberapa kelebihan penggunaan analisis cluster yaitu mampu mengelompokkan data observasi yang memiliki jumlah besar, variabel yang relatif banyak, dan dapat digunakan untuk data dengan kategori ordinal, interval, maupun rasio. Analisis cluster memiliki kekurangan, yaitu adanya unsur subyektivitas peneliti dalam pengelompokkan data.
Kesulitan yang dihadapi peneliti pada saat menggunakan analisis cluster adalah menentukan besaran kelompok yang dibentuk pada data heterogen sehingga metode- metode yang dipakai pada analisis cluster memberikan perbedaan yang signifikan.
Untuk mengatasi masalah tersebut, biasanya dilakukan dengan membandingkan metode yang digunakan serta memperbesar jumlah observasi. Hal ini mengakibatkan tingkat kesalahan akan semakin besar.
Metode yang biasa digunakan dalam pengelompokan data (clustering) antara lain:
1) Metode Hierarki
Yaitu melakukan pengelompokkan observasi berdasarkan tingkat kesamaan yang paling dekat. Pada metode ini akan terbentuk cluster dengan hierarki atau tingkatan antar obyek yang jelas. Proses hierarki akan terlihat jelas dengan bantuan penggunaan Dendogram.
2) Metode Nonhierarki
Metode Nonhierarki biasa juga disebut sebagai K-Means cluster atau C-Means.
Perbedaan dengan metode hierarki adalah metode ini jumlah cluster yang diinginkan telah dipersiapkan terlebih dahulu. Setelah menentukan jumlah cluster baru dilakukan proses pengelompokkan.
Salah satu metode clustering nonhierarki adalah K-Means Cluster. Pada metode ini pengelompokkan dilakukan dalam beberapa kelompok, dimana tiap kelompok memiliki karakteristik homogen (sama). Sedangkan antar kelompok memiliki karakteristik heterogen (berbeda).
Metode K-Means merupakan salah satu persamaan dalam data processing yang digunakan dalam pengelompokkan suatu data. Pendekatan yang dapat digunakan untuk melakukan pengelompokkan antara lain mengelompokkan berdasarkan tingkat persamaan di antara anggota-anggotanya atau membuat suatu aturan sebagai dasar dalam melakukan clustering.
Metode K-Means melakukan pengelompokkan data dengan persamaan, yaitu:
1) Menentukan jumlah kelompok.
2) Mengalokasikan data ke dalam kelompok secara acak.
3) Menghitung pusat kelompok dari data yang ada pada masing-masing kelompok, dengan mengambil dari rata-rata semua nilai data dari setiap fiturnya.
Persamaan untuk menghitung centroid fitur ke-i adalah:
𝐶1=1
𝑀∑𝑀𝑗=1𝑋𝑗 (1)
dimana:
M merupakan jumlah data dalam suatu cluster atau kelompok, i merupakan fitur ke-i dalam suatu cluster atau kelompok, dan p menyatakan ukuran data,
proses logaritma pada persamaan (1) dilakukan sejumlah p ukuran data dari 𝑖 = 1 hingga 𝑝.
4) Mengalokasikan setiap data ke pusat data atau rata-rata terdekat. Pengukuran jarak antara data ke rata-rata terdekat dapat dilakukan dengan beberapa cara, salah satunya dengan mengukur jarak pada ruang jarak (distance space) atau Euclidean. Untuk mengukur Euclidean digunakan persamaan sebagai berikut:
𝑑 = √(𝑋1−𝑋2)2 + (𝑌1−𝑌2)2 (2)
Dengan dasar perbandingan jarak data dan pusat data pada setiap kelompok, maka data dapat dialokasikan kembali ke dalam masing-masing kelompok dalam metode K-Means. Pengalokasian kembali dilakukan agar jarak antara pusat data dan data dalam kelompok memiliki jarak terdekat. Pengalokasian data menurut MacQueen (1967) dilakukan dengan persamaan berikut:
𝑎𝑖1 = {0, 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
1, 𝑑=min{(𝑋𝑖,𝐶𝑙)} (3)
Dimana :
𝑎𝑖1 merupakan jarak antara titik 𝑥𝑖 ke pusat kelompok 𝐶𝑙,
𝑑 merupakan hasil perbandingan jarak terpendek dari data 𝑥𝑖 ke 𝐾 kelompok, dan 𝐶𝑙 merupakan pusat data ke-1.
Fungsi obyektif pada metode K-Means ditentukan berdasarkan jarak dan nilai keanggotaan data dalam kelompok. Fungsi obyektif ditentukan berdasarkan persamaan menurut MacQueen (1967) adalah :
𝐽 = ∑𝑛𝑖=0∑𝑘𝑖=1𝑎𝑖𝑐 𝐷(𝑥𝑖 𝑐1)2 (4) dimana:
n merupakan jumlah data, k merupakan jumlah kelompok,
𝑎𝑖1 adalah jarak antara titik data 𝑥𝑖 ke kelompok 𝑐1 yang diikuti.
𝑎 memilki nilai 0 atau 1.
Jika data merupakan anggota suatu cluster, maka nilai 𝑎𝑖1 = 1. Sebaliknya jika bukan merupakan anggota suatu kelompok, maka nilai 𝑎𝑖1 = 0. Jika masih ada data yang berpindah cluster atau apabila ada perubahan nilai pusat data melebihi batas yang ditentukan, atau apabila perubahan nilai pada fungsi obyektif yang digunakan masih melebihi batas yang ditentukan maka dilakukan kembali ke langkah 3.
3 Hasil dan Pembahasan
3.1 Gambaran Umum Perekonomian Jawa Tengah
Pandemi Covid-19 yang berawal dari krisis kesehatan, ternyata juga membawa dampak terhadap terjadinya krisis perekonomian. Hal ini tergambar dari indikator ekonomi sebelum dan saat pandemi Covid-19. Pada gambar 1 terlihat bahwa persentase penduduk miskin dan tingkat pengangguran terbuka menunjukkan peningkatan. Persentase penduduk miskin pada tahun 2019 sebesar 10,80 persen, dan meningkat menjadi 11,41 persen pada tahun 2020. Tingkat pengangguran terbuka
tahun 2020 meningkat menjadi 6,48 persen dari 4,44 persen pada tahun 2019.
Sedangkan pertumbuhan ekonomi tanpa migas tahun 2019 sebesar 5,43 persen, namun pada tahun 2020 mengalami kontaksi hingga minus 2,61 persen. Tingkat penghunian kamar hotel pada tahun 2020 menurun menjadi 25,64 persen dari 35,93 pada tahun 2019.
Sumber: BPS Provinsi Jawa Tengah
Gambar 1 : Indikator Perekonomian Jawa Tengah Tahun 2019-2020
Indikator perekonomian di tingkat kabupaten/kota provinsi Jawa Tengah kondisinya sama seperti di level provinsi. Data BPS Provinsi Jawa Tengah (2020) memperlihatkan bahwa persentase penduduk miskin di tingkat kabupaten/kota provinsi Jawa Tengah pada tahun 2020 seluruhnya mengalami kenaikan dibanding tahun sebelumnya. Pada tahun 2019, persentase penduduk miskin di tingkat kabupaten/kota provinsi Jawa Tengah berada pada kisaran 3,98 persen hingga 16,82 persen. Sedangkan pada tahun 2020, kisarannya menjadi 4,76 persen hingga 17,59 persen. Rangking tingkat kemiskinan belum berubah, dimana tingkat kemiskinan paling tinggi berada di kabupaten Kebumen dan paling rendah berada di kota Semarang.
Sumber: BPS Provinsi Jawa Tengah
Gambar 2 : Persentase Penduduk Miskin Kabupaten/Kota di Jawa Tengah Tahun 2019-2020
Seperti halnya tingkat pengangguran terbuka di level provinsi, di tingkat kabupaten/kota juga mengalami kenaikan. BPS Provinsi Jawa Tengah (2020) merilis tingkat pengangguran terbuka level kabupaten/kota provinsi Jawa Tengah tahun 2020 seluruhnya mengalami kenaikan. Tingkat pengangguran terbuka paling tinggi tahun 2019 diperoleh kabupaten Tegal dengan nilai sebesar 8,12 persen. Namun pada tahun 2020, kabupaten yang memilki tingkat pengangguran terbuka paling tinggi adalah kabupaten Brebes dengan nilai 9,83 persen. Sedangkan kabupaten dengan tingkat pengangguran terbuka paling rendah pada tahun 2019 adalah kabupaten Semarang dengan nilai 2,54 persen. Tingkat pengangguran terbuka paling rendah tahun 2020 dimiliki kabupaten Temanggung dengan nilai 3,85 persen. Kabupaten dengan kenaikan tingkat pengangguran terbuka paling tinggi adalah kabupaten Kudus, dengan tingkat pengangguran terbuka pada tahun 2019 sebesar 2,92 persen dan mengalami peningkatan lebih dari dua kali lipat menjadi sebesar 6,70 persen pada tahun 2020.
Sumber: BPS Provinsi Jawa Tengah
Gambar 3 : Tingkat Pengangguran Terbuka Kabupaten/Kota di Jawa Tengah Tahun 2019-2020
Dalam rilis BPS Provinsi Jawa Tengah (2019) pada tahun 2019, pertumbuhan ekonomi tanpa migas sebagian besar kabupaten/kota di provinsi Jawa Tengah berada pada level di atas 5 persen, dengan pertumbuhan ekonomi tertinggi dimiliki kota semarang dengan nilai 6,81 persen dan terendah adalah kabupaten Kudus sebesar 3,10 persen. Hantaman pandemi covid-19 menyebabkan pertumbuhan ekonomi di seluruh kabupaten/kota di provinsi Jawa Tengah mengalami kontraksi seperti dirilis BPS Provinsi Jawa Tengah (2020). Kontraksi paling dalam dialami Kabupaten Kudus hingga minus 3,53 persen, sedangkan Kabupaten Demak memiliki kontraksi terkecil sebesar minus 0,23 persen.
Sumber: BPS Provinsi Jawa Tengah
Gambar 4 : Pertumbuhan Ekonomi Kabupaten/Kota (Tanpa Migas) di Jawa Tengah Tahun 2019-2020
Berdasarkan data BPS Provinsi Jawa Tengah (2019), tingkat penghunian kamar hotel kabupaten/kota di provinsi Jawa Tengah pada tahun 2019 berada pada kisaran 17,28 persen di Kabupaten Blora hingga 49,35 persen di Kabupaten Pemalang.
Sementara itu berdasarkan data BPS Provinsi Jawa Tengah (2020) pada tahun 2020, pandemi Covid-19 telah menghantam industri perhotelan, sehingga hampir seluruh kabupaten/kota di Jawa Tengah mengalami penurunan tingkat penghunian kamar hotel. Bahkan di Kabupaten Sukoharjo mengalami penurunan hampir separuh, dari 40,57 persen pada tahun 2019 menjadi hanya 21,62 persen.
Sumber: BPS Provinsi Jawa Tengah
Gambar 5 : Tingkat Penghunian Kamar Hotel Kabupaten/Kota di Jawa Tengah Tahun 2019-2020
3.2 Hasil Pengelompokkan Indikator Perekonomian Kabupaten/Kota dengan Analisis Cluster
Beberapa penelitian yang terdahulu juga menggunakan analisis cluster dalam melakukan pengelompokkan wilayah kabupaten/kota di suatu provinsi berdasarkan indikator tertentu. Penelitian tersebut antara lain Talakua dkk (2017) yang mengelompokkan Kabupaten/Kota di Provinsi Maluku berdasarkan Indikator Indeks Pembangunan Manusia, Sugiarto dan Wibowo (2020) melakukan klasterisasi kabupaten/kota di Jawa Tengah berdasarkan indikator kinerja pembangunan serta pengelompokkan kabupaten/kota berdasarkan indikator kesejahteraan rakyat dilakukan oleh Yulianto dan Hidayatullah (2014) di Jawa Tengah dan Alwi dan Hasrul (2018) melakukan pengelompokkan di Sulawesi Selatan berdasarkan indikator kesejahteraan rakyat.
Analisis deskriptif yang diperoleh dari pengolahan SPSS terhadap indikator perekonomian yaitu Persentase Penduduk Miskin (PPM), Tingkat Pengangguran Terbuka (TPT), Pertumbuhan Ekonomi (PE) dan Tingkat Penghunian Kamar Hotel (TPK) diperoleh hasil sebagai berikut:
Tabel 1. Descriptive Statistics
Pada tabel 2 dapat dilihat hasil dari final cluster centre, dimana terbentuk 2 cluster/kelompok.
Tabel 2. Final Cluster Centers
Cluster
1 2
Zscore(PPM) .69439 -.82459 Zscore(TPT) -.50563 .60044
N Minimum Maximum Mean Std. Deviation
PPM 35 4.34 17.59 11.0137 3.52444
TPT 35 3.85 9.83 6.4017 1.72506
PE 35 -3.53 -.23 -1.6194 .58137
TPK 35 12.15 45.77 23.8560 7.30054
Valid N (listwise) 35
Zscore(PE) .44533 -.52883 Zscore(TPK) -.35184 .41781
Melalui proses standarisasi yang mengacu pada z-score dengan ketentuan sebagai berikut.
1) Angka negatif (−) menunjukkan data di bawah rata-rata total.
2) Angka positif (+) menunjukkan data di atas rata-rata total.
Hasil penelitian ini dengan analisis cluster menggunakan metode K-Means Cluster dengan 2 cluster/kelompok diperoleh hasil:
Cluster 1 merupakan kabupaten/kota dimana indikator yang mengalami dampak Covid- 19 adalah Persentase Penduduk Miskin (PPM) dan Tingkat Penghunian Kamar Hotel (TPK).
Pada cluster ini, kabupaten/kota cenderung memiliki PPM lebih tinggi dan TPK lebih rendah dibandingkan cluster 1. Sedangkan TPT yang dimiliki lebih rendah serta PE lebih tinggi dibandingkan cluster 1.
Cluster 2 merupakan kelompok kabupaten/kota dengan indikator Tingkat Pengangguran Terbuka (TPT) dan Pertumbuhan Ekonomi (PE) terdampak Covid-19. Kabupaten/kota pada cluster ini memiliki kecenderungan TPT lebih tinggi dibanding cluster 2, sedangkan PE lebih rendah dibandingkan cluster 2. Sementara indikator Persentase Penduduk Miskin (PPM) cenderung lebih rendah dibandingkan cluster 2, sedangkan Tingkat Penghunian Kamar Hotel (TPK) cenderung lebih tinggi.
Keterangan:
: Cluster 1 : Cluster 2
Gambar 6 Peta Hasil Pengelompokkan (Clustering)
Sesuai dengan hasil analisis cluster dengan metode K-Means Cluster pada gambar 6, ada 19 kabupaten/kota yang masuk pada cluster 1, yaitu kabupaten Banyumas, kabupaten Purbalingga, kabupaten Banjarnegara, kabupaten Kebumen, kabupaten Purworejo, kabupaten Wonosobo, kabupaten Magelang, kabupaten Boyolali, kabupaten Klaten, kabupaten Wonogiri, kabupaten Sragen, kabupaten Grobogan, kabupaten Blora, kabupaten Rembang, kabupaten Pati, kabupaten Demak, kabupaten Temanggung, kabupaten Pemalang, dan kabupaten Brebes. Sedangkan pada cluster 2 antara lain kabupaten Cilacap, kabupaten Sukoharjo, kabupaten Karanganyar, kabupaten Kudus, kabupaten Jepara, kabupaten Semarang, kabupaten Kendal, kabupaten Batang, kabupaten Pekalongan, kabupaten Tegal, kota Magelang, kota Surakarta, kota Salatiga, kota Semarang, kota Tegal, dan kota Pekalongan.
Dari hasil analisis jika dilihat menurut indikator, diperoleh informasi antara lain:
Indikator PPM
Persentase penduduk miskin pada cluster 1 mengalami dampak akibat Covid-19.
Hampir semua kabupaten/kota pada cluster 1 PPMnya dua digit, hanya Temanggung dengan PPM sebesar 9,96 persen. Tiga kabupaten/kota dengan PPM tertinggi se Jawa Tengah berada pada cluster ini. Ketiga kabupaten/kota tersebut adalah Kebumen dengan PPM sebesar 17,59 persen, Wonosobo sebesar 17,36 persen dan Brebes sebesar
17,03 persen. Kabupaten/kota pada cluster 1 dampak Covid-19 terhadap indikator kemiskinan yang digambarkan dengan PPM lebih besar dibanding kabupaten/kota pada level 2.
Indikator TPT
Pandemi Covid-19 juga berdampak terhadap pasar tenaga kerja, ditandai dengan meningkatnya pengangguran. Dampak Covid-19 terhadap TPT terutama dialami oleh kabupaten/kota pada cluster 2 dimana TPT nya cenderung lebih tinggi dibandingkan cluster 1. Kabupaten/kota pada cluster 2 memiliki nilai TPT di atas 4, dan terendah adalah Kabupaten Semarang sebesar 4,57 persen. Kabupaten/kota pada cluster 2 mengalami dampak covid-19 terhadap indikator ketenagakerjaan dalam hal ini TPT lebih besar dibandingkan kabupaten/kota pada cluster 1.
Indikator PE
Ekonomi seluruh kabupaten/kota di Jawa Tengah mengalami keterpurukan akibat pandemi Covid-19. Pertumbuhan ekonomi seluruh kabupaten/kota mengalami kontraksi atau pertumbuhan negatif. Kabupaten/kota yang berada pada cluster 2, mengalami dampak lebih dalam dibandingkan kabupaten/kota pada level 1.
Kabupaten/kota yang mengalami kontraksi paling dalam adalah Kudus sebesar minus 3,53 persen, disusul Kabupaten Semarang sebesar minus 2,67 persen dan Kota Magelang sebesar minus 2,45 persen. Kabupaten/kota pada cluster 2 mengalami dampak Covid-19 terhadap indikator ekonomi dalam hal ini PE lebih besar dibandingkan kabupaten/kota pada cluster 1.
Indikator TPK
Sektor pariwisata merupakan salah satu sektor yang paling terdampak dari adanya pandemi Covid-19. Jasa akomodasi atau hotel merupakan salah satu sarana penunjang pariwisata. Pandemi Covid-19 yang mengakibatkan berkurangnya wisatawan juga berdampak terhadap tingkat penghunian kamar hotel. Kabupaten/kota pada cluster 1 lebih banyak mengalami dampak pada TPK hotel akibat pandemi Covid-19 dibandingkan kabupaten/kota pada cluster 2. Sembilan kabupaten/kota pada cluster ini memilki TPK kurang dari 20 persen.
Penelitian terdahulu terkait pengelompokkan wilayah berdasarkan indikator perekonomian pada masa pandemi Covid-19 telah dilakukan oleh Pusdiktasari (2021) dengan lokus penelitian provinsi se-Indonesia. Dalam penelitiannya indikator perekonomian yang digunakan antara lain: persentase penduduk miskin, tingkat pertumbuhan ekonomi, upah minimum provinsi, dan tingkat penghunian kamar hotel.
Dari penelitian tersebut diperoleh 2 cluster, yaitu cluster 1 berisi provinsi yang terdampak Covid-19 meliputi seluruh provinsi kecuali Papua dan cluster 2 yang merupakan provinsi tidak terdampak Covid-19 yang teridi dari Provinsi Papua. Meskipun menghasilkan jumlah cluster yang sama, namun terdapat perbedaan terhadap cluster yang dihasilkan. Pada penelitian terdahulu tidak mengelompokkan berdasarkan tingkat dampak dari masing-masing indikator perekonomian, sedangkan pada penelitian ini pengelompokkan dilakukan berdasarkan tingkat dampak dari tiap indikator perekonomian.
4. Kesimpulan dan Saran
Meskipun telah banyak dilakukan penelitian terkait pengelompokkan kabupaten/kota di provinsi Jawa Tengah, namun penelitian dengan pengelompokkan kabupaten/kota di provinsi Jawa Tengah berdasarkan indikator ekonomi akibat dampak Covid-19 belum banyak dilakukan. Dari hasil penelitian diperoleh kesimpulan bahwa seluruh indikator perekonomian baik di level provinsi maupun kabupaten/kota di provinsi Jawa Tengah terdampak dengan adanya Covid-19. Indikator perekonomian cenderung lebih buruk jika dibandingkan tahun 2019, dimana pandemi covid-19 belum memasuki Jawa Tengah.
Sedangkan dari hasil analisis dengan menggunakan metode K-Means Cluster dengan 2 cluster/kelompok terdapat dua cluster kabupaten/kota dengan dampak pandemi Covid-19 yang berbeda. Cluster 1 merupakan kelompok kabupaten/kota yang mengalami dampak terutama terhadap Persentase Penduduk Miskin (PPM) dan Tingkat Penghunian Kamar Hotel (TPK). Sedangkan pada cluster 2 merupakan kabupaten/kota dengan dampak terutama pada Tingkat Pengangguran Terbuka (TPT) dan Pertumbuhan Ekonomi (PE). Cluster 1 dengan jumlah 19 kabupaten/kota yaitu kabupaten Banyumas, kabupaten Purbalingga, kabupaten Banjarnegara, kabupaten Kebumen, kabupaten Purworejo, kabupaten Wonosobo, kabupaten Magelang, kabupaten Boyolali, kabupaten Klaten, kabupaten Wonogiri, kabupaten Sragen, kabupaten Grobogan, kabupaten Blora, kabupaten Rembang, kabupaten Pati, kabupaten Demak, kabupaten Temanggung, kabupaten Pemalang, dan kabupaten Brebes. Sedangkan pada cluster 2 dengan 16 kabupaten/kota antara lain kabupaten Cilacap, kabupaten Sukoharjo, kabupaten Karanganyar, kabupaten Kudus, kabupaten Jepara, kabupaten Semarang, kabupaten Kendal, kabupaten Batang, kabupaten
Pekalongan, kabupaten Tegal, kota Magelang, kota Surakarta, kota Salatiga, kota Semarang, kota Tegal, dan kota Pekalongan.
Hasil dari penelitian ini dapat digunakan sebagai salah satu dasar pertimbangan pemerintah untuk merumuskan kebijakan pemulihan ekonomi terhadap dampak pandemi Covid-19. Pemerintah dapat merumuskan kebijakan pemulihan ekonomi akibat Covid-19 karena pandemi ini memberikan tingkat dampak yang berbeda-beda terhadap perekonomian kabupaten/kota di Jawa Tengah.
Informasi Sitasi
Sitasi artikel ini sebagai: Analisis Pengelompokkan Kabupaten/Kota di Jawa Tengah Berdasarkan Indikator Perekonomian Akibat Pandemi Covid-19, Hayu Wuranti, Indonesian Journal of Human Resource Management (2022) Volume 1 No 1.
Daftar Referensi
Aeni, Nurul. 2021. Pandemi COVID-19: Dampak Kesehatan, Ekonomi, & Sosial. Jurnal Litbang: Media Informasi Penelitian, Pengembangan, dan IPTEK. 17 (1):
17-34.
Alwi, Hawidah, dan Sahrul, Muh. 2018. Analisis Klaster Untuk Pengelompokkan Kabupaten/Kota di Propinvi Sulawesi Selatan Berdasarkan Indikator Kesejahteraan Rakyat. Jurnal MSA. 6 (1): 35-42.
Arditama, Erisandi, and Puji Lestari. 2020. Jogo Tonggo:
Membangkitkan kesadaran dan ketaatan warga berbasis kearifan lokal pada masa pandemi Covid-19 di Jawa Tengah. Jurnal Pendidikan Kewarganegaraan Undiksh. 8 (2): 157-167.
Fauziah, Nine, dan Stevany Afrizal. 2021. Dampak pandemi Covid-19 dalam keharmonisan keluarga.
Jurnal SOSIETAS. 11 (1): 973-979.
https://jateng.bps.go.id/indicator/157/123/1/-seri- 2010-laju-pertumbuhan-pdrb-menurut-kabupaten- kota.html. (Diakses pada tanggal 15 Januari 2022).
https://jateng.bps.go.id/indicator/6/64/1/tingkat- pengangguran-terbuka-tpt-.html. (Diakses pada tanggal 15 Januari 2022).
https://jateng.bps.go.id/pressrelease/2021/02/15/1299 /persentase-penduduk-miskin-september-2020- naik-menjadi-11-84-persen--dibanding-maret- 2020-yang-sebesar-11-41-persen-.html. (Diakses pada tanggal 15 Januari 2022).
https://jateng.bps.go.id/publication.html?Publikasi%5B tahunJudul%5D=&Publikasi%5BkataKunci%5D=hotel
&Publikasi%5BcekJudul%5D=0&Publikasi%5BcekJudul
%5D=1&yt0=Tampilkan. (Diakses pada tanggal 15 Januari 2022)
https://www.kompas.com/tren/read/2020/11/30/14 5000965/sebaran-kasus-covid-19-pada-35-kota- kabupaten-di-jawa-tengah?page=all. (Diakses pada tanggal 20 Januari 2022).
Pusdiktasari, Zerlita Fahdha dkk. 2021.
Pengelompokkan Provinsi di Indonesia dengan Ekonomi Terdampak Covid-19 Menggunakan Analisis Cluster. Indonesian Journal of Statistics and Its Applications. 5 (1): 119-128.
Simanjuntak, Sri Yunita dan Kismartini, Kismartini.
2020. Respon Pendidikan Dasar Terhadap Kebijakan Pembelajaran Jarak Jauh Selama Pandemi Covid-19 di Jawa Tengah. Jurnal Ilmiah Wahana Pendidikan. 6 (3): 308-316.
Sugiarto, Sugiarto dan Wibowo, Wisnu. 2020.
Klasterisasi Kabupaten/Kota di Jawa Tengah Berdasarkan Indikator Kinerja Pembangunan. Jurnal Litbang Sukowati. 3 (2): 136-149.
Tallakua, M.W, Leleury, Z.A & Talluta, A.W. 2017.
Analisis Cluster Dengan Menggunakan Metode K- Means Untuk Pengelompokkan Kabupaten/Kota di Provinsi Maluku Berdasarkan Indeks Pembangunan Manusia Tahun 2014. Jurnal Ilmu Matematika dan Terapan. 11 (2): 119-128.
Wijayanti, Urip Tri, Nadia Ayu Irma Nindiyastuti, dan Najib Najib. 2021. Dampak Pandemi Covid-19 terhadap Pelayanan KB di Jawa Tengah. HIGEIA (Journal of Public Health Research and Development) 5 (3).
Yulianto, Safa’at & Hidayatullah, Kishera Hilya. 2014.
Analisis Klaster untuk Pengelompokkan Kabupaten/Kota di Provinsi Jawa Tengah Berdasarkan Indikator Kesejahteraan Rakyat. Jurnal Statistika. 2 (1): 56-
