TUGAS AKHIR - ST 1325
KLASIFIKASI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN TERBUKA DENGAN PENDEKATAN
MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
NOVIYANTI SANTOSO NRP 1305 100 037
Dosen Pembimbing
Muhammad Sjahid Akbar, S.Si, M.Si
JURUSAN STATISTIKA
Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember
Surabaya 2009
TUGAS AKHIR - ST 1325
KLASIFIKASI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN TERBUKA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
NOVIYANTI SANTOSO NRP 1305 100 037
Dosen Pembimbing
Muhammad Sjahid Akbar, M.Si
JURUSAN STATISTIKA
Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember
Surabaya 2009
FINAL PROJECT - ST 1325
THE CLASSIFICATION OF REGENCY/CITY IN EASTERN JAVA BASED ON UNEMPLOYMENT
BY MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
NOVIYANTI SANTOSO NRP 1305 100 037
Advisor
Muhammad Sjahid Akbar, M.Si
DEPARTMENT Of STATISTICS
Faculty of Mathematics and Natural Sciences Sepuluh Nopember Institute Of Technology Surabaya 2009
LEMBAR PENGESAHAN
KLASIFIKASI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN TERBUKA
DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
TUGAS AKHIR
Diajukan Untuk Memenuhi Salah Satu Syarat Kelulusan Program Studi S-1 Jurusan Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember
Oleh :
NOVIYANTI SANTOSO NRP 1305 100 037
Disetujui oleh :
Mengetahui
Ketua Jurusan Statistika FMIPA-ITS
Dr. Sony Sunaryo, M.Si NIP. 131 843 380 SURABAYA, AGUSTUS 2009
Pembimbing Tugas Akhir
Muhammad Sjahid Akbar, M.Si NIP. 132 206 288
v
KLASIFIKASI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN TERBUKA
DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
Nama Mahasiswa : Noviyanti Santoso
NRP : 1305.100.037
Jurusan : Statistika
Dosen Pembimbing : Muhammad Sjahid Akbar, M.Si
ABSTRAK
Pengangguran merupakan masalah yang pasti dihadapi oleh setiap wilayah di Indonesia. Jawa Timur sebagai propinsi terpadat penduduknya juga menghadapi masalah tersebut. Tingkat pengangguran yang tinggi akan menimbulkan berbagai permasalahan sosial. Menurut Suparno (2008) tingkat pengangguran natural di Indonesia adalah antara 4 persen sampai 6 persen. Oleh sebab itu penelitian ini bertujuan untuk mendapatkan model untuk mengklasifikasikan kabupaten/kota menurut tingkat pengangguran terbuka dengan variabel-variabel yang berkontribusi dalam peng- klasifikasian tersebut. Menurut Agresti (1990), metode klasifikasi yang baik akan menghasilkan sedikit kesalahan alokasi. Pendekatan Multivariate Adaptive Regression Spline (MARS) dipilih karena beberapa penelitian sebelumnya menyatakan bahwa metode ini lebih baik dibandingkan dengan metode klasifikasi lainnya. Hasil pemodelan dengan Multivariate Adaptive Regression Spline (MARS) terdapat tiga variabel yang berkontribusi dalam pengelompokan, yaitu tingkat investasi daerah, rasio banyaknya perusahaan, dan persentase angkatan kerja berpendidikan SMA keatas. Ketepatan klasifikasi model secara keseluruhan adalah 97.4 persen dengan nilai GCV yaitu 0.096 dan R2 sebesar 82.9 persen.
Kata-kata kunci : Klasifikasi, pengangguran, MARS, GCV
vi
vii
THE CLASSIFICATION OF REGENCY/CITY IN EASTERN JAWA BASED ON UNEMPLOYMENT BY MULTIVARIATE ADAPTIVE
REGRESSION SPLINE (MARS)
Name of student : Noviyanti Santoso NRP : 1305 100 037 Department : Statistics
Counselor : Muhammad Sjahid Akbar, M.Si
ABSTRACT
Unemployement is definitive problem faced by every region in Indonesia.
East Java as populous province also face that problem. High level of unemployment would generate various social problems. According to Suparno (2008), the natural level of unemployment in Indonesia is between four until six percent. Because of that, purpose of this research is get classification model based on unemployment with variables which contribute in that classification. According Agresti (1990), the good classification methode will produced minimum error. Multivariate Adaptive Regression Spline chosen because there are many research before that conclude this methode is better than the others. The result of MARS models are three variables that contributed in this classification.
There are the level of investation region, rasio of company at each region, and percent of employment whom education at least senior high school.
The correct of classification over all is 97.4 percent with GCV 0.096 and value of R2 is 82.9 percent
Key words: Classification, unemployment, MARS, GCV
viii
ix
KATA PENGANTAR
Syukur Alhamdulillah kehadirat Allah SWT, Tuhan semesta alam atas segala ridho, rahmat, nikmat, dan hidayah-Nya sehingga penulis dapat menyelesaikan Tugas Akhir dengan judul:
KLASIFIKASI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN TERBUKA
DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
Sholawat serta salam senantiasa penulis curahkan kepada junjungan Nabi besar Muhammad S.A.W beserta para keluarga serta sahabatnya yang telah memberi petunjuk kepada penulis khususnya dan seluruh umat manusia dalam menapaki jalan kehidupan sehingga selalu berada di jalan serta arah yang Diridhoi oleh Allah SWT.
Selesainya laporan Tugas Akhir ini tidak lepas dari bantuan, bimbingan serta dukungan dari berbagai pihak. Oleh karena itu penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Bapak Dr. Sony Sunaryo, M.Si selaku Ketua Jurusan Statistika ITS.
2. Bapak Muhammad Sjahid Akbar, M.Si selaku dosen pembimbing atas kesediaannya meluangkan waktu dan pikiran.
3. Ibu Mutiah Salamah, M.Kes selaku koordinator Tugas Akhir.
4. Bapak Bambang Otok, Bapak Sutikno, Ibu Ismaini Zain, dan Ibu Destri selaku dosen penguji.
5. Bapak Suhartono yang telah memberikan motivasi dan teladan bagi saya dan teman-teman.
6. Bapak Mukadi dan Ibu Amik selaku pembimbing di Dinas Tenaga Kerja Jawa Timur yang sudah memberikan informasi dan bantuan tentang ketenagakerjaan.
x
7. Seluruh dosen dan karyawan jurusan Statistika ITS atas ilmu dan pelayanannya.
8. Teristimewa untuk Bapak Kuatiman dan Ibu Saminem, terimakasih banyak atas perjuangan dan doanya untuk penulis selama ini.
9. Keluarga kecil penulis : Dek Uunk, Mbak Ulan, Mas Tofik, Aboy, atas doa dan canda tawanya.
10. Sahabat-sahabat Seperjuangan : Snoop, Elli, Putri, Mir’atus, Elif, Istriana, Erick, Nicco, Galih atas dukungan yang membuat penulis tiada pernah merasa sendiri saat menyelesaikan tugas akhir ini.
11. Keluarga besar BEM FMIPA 2008-2009, terima kasih atas kerja sama dan kesabarannya.
12. Teman-teman Sigma 16, FORSIS, JMMI ITS, HIMASTA, yang memberikan warna dan mengisi hari-hari penulis.
Dengan selesainya laporan ini, penulis menyadari bahwa Tugas Akhir ini masih belum sempurna, jika masih ada kekurangan diharapkan saran dan kritik agar dapat mengembang-kan penelitian Tugas Akhir ini. semoga memberi manfaat kepada penulis dan juga pembaca. Amin.
Surabaya, Agustus 2009
Penulis
xi DAFTAR ISI
Halaman
HALAMAN JUDUL... i
LEMBAR PENGESAHAN ... iii
ABSTRAK ... v
ABSTRACT ... vii
KATA PENGANTAR ... ix
DAFTAR ISI ... xi
DAFTAR GAMBAR ... xiii
DAFTAR TABEL ... xv
DAFTAR LAMPIRAN ... xvii
BAB I PENDAHULUAN 1.1 Latar Belakang ... .1
1.2 Rumusan Permasalahan ... 3
1.3 Tujuan Penelitian ... 5
1.4 Manfaat Penelitian ... 5
1.5 Batasan Masalah ... 5
BAB II TINJAUAN PUSTAKA 2.1 Multivariate Adaptive Regression Spline (MARS) ... 7
2.2 Pemodelan Pada MARS ... 8
2.3 Klasifikasi Pada MARS ... 13
2.4 APER dan Kestabilan Klasifikasi dengan Press’s Q .... 14
2.5 Matrik Plot... 16
2.6 Angkatan Kerja ... 16
2.7 Tingkat Pengangguran Terbuka ... 17
BAB III METODOLOGI PENELITIAN 3.1 Sumber Data ... 21
3.2 Variabel Penelitian ... 21
3.3 Langkah-langkah Analisis Data ... 22
xii
BAB IV ANALISIS DAN PEMBAHASAN
4.1 Analisi Deskriptif ... 25
4.2 Aplikasi MARS untuk Klasifikasi Kabupaten/ Kota Menurut Tingkat Pengangguran Terbuka ... 28
4.2.1 Model MARS ... 29
4.2.2 Interpretasi Model MARS... 32
4.2.3 Ketepatan Klasifikasi ... 35
4.2.4 Evaluasi Pengklasifikasian... 37
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ... 39
5.2 Saran ... 40
DAFTAR PUSTAKA ... 41
LAMPIRAN ... 45
xiii
DAFTAR GAMBAR
Halaman Gambar 2.1 Diagram Struktur
Ketenagakerjaan...18 Gambar 3.1 Diagram Alir Penelitian ... 24 Gambar 4.1 Pemetaan Kabupaten/Kota Menurut Tingkat
Pengangguran Terbuka Tahun ... 28 Gambar 4.2 Pemetaan Kabupaten/Kota dengan
Menggunakan Model MARS ... 38
xiv
xv DAFTAR TABEL
Halaman Tabel 2.1 Kesalahan Klasifikasi ... 15 Tabel 4.1 Persentase Kelompok/Kota di Jawa Timur ... 25 Tabel 4.2 Statistika Deskriptif Variabel Prediktor dari
Kabupaten/Kota dengan Tingkat Pengangguran Wajar ... 26 Tabel 4.3 Statistika Deskriptif Variabel Prediktor dari
Kabupaten/Kota dengan Tingkat Pengangguran Tidak Wajar ... 27 Tabel 4.4 Hasil Kombinasi BF, MI, dan MO ... 30 Tabel 4.5 Nilai Odds Ratio Masing-masing Koefisien
Model ... 32 Tabel 4.6 Kepentingan Variabel Prediktor ... 34 Tabel 4.7 Kesalahan Klasifikasi Menurut Tingkat
Pengangguran ... 36 Tabel 4.8 Ketepatan dan Kestabilan Klasifikasi Menurut
Tingkat Pengangguran Terbuka ... 37 Tabel 4.9 Evaluasi Pengklasifikasian ... 38
xvi
xvii
DAFTAR LAMPIRAN
Halaman Lampiran 1. Data Variabel Prediktor dan Variabel
Respon ... 45 Lampiran 2. Matrik Plot Antara Variabel Prediktor dan
Variabel Respon ... 47 Lampiran 3. Data Evaluasi Pengklasifikasian ... 47 Lampiran 4. Output MARS dengan Kombinasi BF = 16,
MI = 1, MO = 0 ... 49 Lampiran 5. Output MARS dengan Kombinasi BF = 16,
MI = 2, MO = 0 ... 51 Lampiran 6. Output MARS dengan Kombinasi BF = 16,
MI = 3, MO = 1 ... 53 Lampiran 7. Output MARS dengan Kombinasi BF = 16,
MI = 1, MO = 2 ... 55 Lampiran 8. Output MARS dengan Kombinasi BF = 16,
MI = 3, MO = 2 ... 58
xviii