TUGAS BESAR analisis fakto- faktor

(1)

(2)

BAB I PENDAHULUAN

QS.Hudayat Ayat 6

ُمَلَيَو اَهُق ِر ِهّلل ىَلَع ّلِإ ِض

ۡع

ۡز

ٱ

ۡر ۡلٱ

َأ يِف ّباَد نِم اَمَو

ٖة

۞

يِبّم َٰتِك يِف ُك َهَعَد َت ُمَو اَهّرَقَت ُم

ٖن

ٖب

ّٞل ۚا

ۡو ۡس

ۡس

٦

Artinya: Dan tidak ada suatu binatang melata pun di bumi melainkan Allah-lah yang memberi rezekinya, dan Dia mengetahui tempat berdiam binatang itu dan tempat penyimpanannya. Semuanya tertulis dalam Kitab yang nyata (Lauh mahfuzh)

Dalam ayat di jelaskan “dan tidak ada suatu binatang melata pun di bumi melainkan Allah yang member rezekinya”, jadi allah telah menjamin rizki setiap manusia untuk menjalani kehidupan di dunia. Rizki yang telah Allah SWT berikan kepada manusia tidak di bisa di dapatkan dengan mudah, asalkan manusia tersebut mau berikhtiar untuk mencari rizki yang telah di berikanoleh Allah SWT kepada manusia.

1.1 Latar Belakang

Kemiskinan adalah kondisi kehilangan (deprivation) terhadap sumber-sumber pemenuh kebutuhan dasar yang berupa pangan, sandang, papan, pendidikan dan kesehatan serta hidupnya serba kekurangan menurut Usman (2003 : 33). Sedangkan pemahaman tentang masalah kemiskinan, menurut Sumodiningrat (1999 :45):

(3)

Kota bandung merupakan kota dengan tingkat kemiskinan yang cukup tinggi karena pertumbuhan penduduk yang sangat tinggi dan tidak diimbangi dengan lahan dan lapangan pekerjaan yang cukup untuk masyarakat kota Bandung, salahsatunyaadalah di kecamatanArcamanik.

Inilah mengapa Kecamatan Arcamanik menjadi objek studi. Dikarenakan dengan sarana dan prasarana pendukung lain yang kurang baik, di Kecamatan Arcamanik. Dengan tingkat penduduk yang tinggi, menyebabkan ketidak seimbangan antara factor ekonomi dengan kebutuhan sehari-hari di Kecamatan Arcamanik. Salah satunya yang menjadi penyebab tingginya tingkat kemiskinan di kecamatan Arcamanika dalah kurangnya lapangan pekerjaan dan tingginya kebutuhan masyarakat.

Berdasarkan isu dan masalah yang ditemukan di Kecamatan Arcamanik yaitu tingkat kemiskinan yang tinggi, sehingga dilakukan analisis factor untuk meminimalisir masalah tersebut yaituf aktor-faktor yang mempengaruhi tingkat kemiskinan di Kecamatan Arcamanik, Kota Bandung.

1.2 Tujuan Dan Sasaran

Tujuan yang hendak dicapai dalam penelitian ini adalah mengelompokkan beberapa variabel yang ada dalam menentukan faktor-faktor yang menjadi penyebab kemiskinan di kecamatan Arcamanik, Bandung. Untuk mencapai tuajuan tersebut, maka sasaran dalam penelitian inia dalah :

1. Menentukan variabel-variabel yang berpengaruh terhadap tingkat kemiskinan di Kecamatan Arcamanik

2. Menganalisis dan mengidentifikasi struktur hubungan variabel dengan memeriksa korelasi antar variabel. Yang mempengaruhi tingkat kemiskinan di kecamatan Arcamanik dengan menggunakan analisis faktor

3. Meninterpretasikan keseluruhan output hasil analisis faktor. Sehingga terbentuknya beberapa kelompok faktor yang di dalamnya terdapat anggota komponen (variabel) awal yang berhubungan.

(4)

1.3 Ruang Lingkup

Ruang lingkup wilayah studi mencakup ruang lingkup wilayah, ruang lingkup materi dan ruang lingkup waktu.

1.3.1 Ruang Lingkup wilayah Makro

Bandung terletak di koordinat 107° BT dan 6° 55’ LS. Luas Kota Bandung adalah 16.767 Ha. Kota Bandung secara geografis terletak di tengah-tengah Provinsi Jawa Barat. Dengan demikian, Bandung mempunyai nilai strategis terhadap daerah-daerah di sekitarnya. Secara administrasi, Kota Bandung berbatasan dengan Sebelah utara berbatasan dengan:

Sebelah Utara : Kecamatan Lembang

Sebelah Timur : Kecamatan Cileunyi dan Kecamatan Rancaekek Sebelah Selatan : Kabupaten Bandung dan Kecamatan Margahayu Sebelah Barat : Kota Cimahi dan Kecamatan Batujajar.

Kota Bandung terletak di ketinggian ± 768 m di atas permukaan laut rata-rata (Mean Sea Level). Daerah utara Kota Bandung pada umumnya lebih tinggi daripada daerah selatan. Rata-rata ketinggian di sebelah utara adalah ±1050 m dpl, sedangkan di bagian selatan adalah ±675 m dpl. Bandung dikelilingi oleh pegunungan yang membuat Bandung menjadi semacam cekungan (Bandung Basin).dapat dilihat pada Gambar 1.1

1.3.2 Ruang Lingkup wilayah mikro

Lingkup wilayah penelitian adalah Kecamtan Arcamanik, Kota Bandung dengan luas wilayah ± 640,571 Ha dengan batas administrasi sebagai berikut

 Utara : Kecamatan Mandalajati dan Ujungberung

 Timur : Kecamatan Cinambo

 Selatan : Kecamatan Rancasari dan Gedebage

(5)

Kecamatan Arcamanik meliputi empat Kelurahan, 51 Rukun Warga (RW) dan 254 RukunTetangga (RT) ,kepadatan penduduk sebesar 56.348 jiwa/Ha. Curah hujan di wilayah Kecamatan Arcamanik dipengaruhi oleh ketinggian tempat dari permukaan laut adalah 700 m dan keadaan topografi sehingga curah hujan rata-rata pertahun mencapai 0.3000 mm. Untuk lebih jelasnya mengenai letak administrasi Kecamatan Arcamanik dapat dilihat pada Gambar.

1.3.3 Ruang Lingkup materi

Lingkup materi yang diambil adalah analisis faktor-faktor ryang menjadi penyebab kemiskinan di kecamatan Arcamanik, Bandung, dengan mengelompokkan faktor yang paling berpengaruh dengan berbagai variabel seperti :

1. Tingkat pendidikan

2. Tingkat Mata pencaharian 3. Infrastruktur

4. Tipe rumah

5. Tikat pengangguran

6. Ketersediaan sarana umum dan sosial 7. Pendapatan

(6)

(7)

1.3.4 Ruang Lingkup Waktu

(8)

Tebel 1.1

1. Tinjauan umum kawasan studi 2. Pengerjaan Bab I

3. Pengerjaan Bab II 4. Pengerjaan Bab III 5. Assistensi Bab I, II, dan III 6. Perbaikan Bab I, II, dan III 7. Assisten ke-2 Bab I, II, dan III 8. Perbaikan Bab I, II, dan III 9. Penentuan teknik survey

10. Assistensi metoda analisis dan penentuan teknik survey

11. Pemantapan

12. Penyusunan kuisioner 13. Penyebaran Kuisioner 14. Penyusunan Bab IV dan V 15 Pengumpulan Laporan

1.4 Metedologi

Metode yang digunakan dalam pengambilan data dan informasi yang dibutuhkan untuk mengetahui gambaran umum wilayah studi diantaranya menggunakan metode pendekatan yang mencakup metode pendekatan primer dan metode pendekatan sekunder, metode pengumpulan data serta metode analisis:

1.4.1 Metoda Pengumpulan data

(9)

1. Data primer diperoleh dari:

a. Observasi, yaitu mengadakan tinjauan (observasi) langsung ke tempat studi, dengan maksud agar mendapat gambaran secara langsung tentang objek penelitian yang di kaji, guna untuk mendapatkan data yang lebih akurat dan aktual.

b. Kuesioner, yaitu mengadakan pengambilan data dengan menyebarkan lembar pertanyaan (kuesioner) kepada para pedagang guna mengumpulkan data dan informasi yang diperlukan dalam memaskukan variabel-variabel penelitian.

c. Interview, yaitu mengadakan wawancara dan dialog langsung dengan pihak-pihak terkait, seperti para pedagang dan pembeli (konsumen), dalam hal ini yang menjadi obyek utama penelitian sebagai narasumber

d. Foto, yaitu merupakan data visual pendukung yang menampilkan objek-objek yang mendukung dalam penelitian ini.

2. Data sekunder diperoleh dari :

a. Studi literatur, yaitu mencari informasi lain berasal dari buku-buku yang terakait terhadap permasalahan-permasalahan yang akan diangkat.

b. Internet, yaitu pengumpulan data dan informasi terkait yang berasal dari internet.

1.4.2 Metoda Analisis

Metode analisis yang digunakan adalah analisis faktor, dengan prinsip utama dari analisis faktor ini merupakan teknik mereduksi data dengan prosedur menyederhanakansejumlah variabel yang mempunyai hubungan menjadi sekelompok variabel yang lebih kecil (faktor) dengan kandungan kelengkapan informasi yang sama dengan data aslinya tanpa mengurangi informasi yang terdapat didalam variabel tersebut. Analisis faktor juga memiliki fungsi sebagai berikut:

 Mengidentifikasi struktur hubungan variabel atau responden melalui analisis faktor dapat diidentifikasi struktur hubungan variabel atau responden dengan memeriksa korelasi antar variabel atau korelasi antar responden,

(10)

a. Menyeleksi variabel-variabel yang tepat untuk digunakan dalam analisis lanjutan, misalnya untuk analisis regresi, korelasi atau diskriminan.

b. Scalling : tranformasi data, skor faktor, yaitu membentuk set variabel baru yang berukuran lebih kecil daripada set variabel awal untuk digunakan dalam analisis lanjutan.

Metode pendukung analisis faktor ini adalah sebagai berikut: a. Persamaan umum analisis faktor, yakni:

Xi = Ai1 F1 + Ai2 F2 + Ai3 F3 +……….Aik Fk + Ui

Keterangan :

Fk = Common faktor yang dibentuk dari beberapa vaariabel

Ui = Unique faktor merupakan bagian variabel yang tidak dapat dijelaskan oleh

Common faktor. Ai1 = Konstanta

b. Persamaan faktor, yakni:

Fi = Wj1 X1 + Wj2 X2 + Wj3 X3 ………..Wjk Xk

Keterangan :

Wj =Faktor Score koefisien

K =Unique faktor merupakan bagian variabel yang tidak dapat dijelaskan oleh Common faktor.

1.5 Sistematika pembahasan

Sistematika pembahasan ini bertujuan untuk menjelaskan apa saja tergantung di dalam tiap-tiap bab yang terdapat pada laporan ini.

(11)

Dalam bab ini membahas mengenai latar belakang, tujuan dan sasaran, ruang lingkup yang mencakup ruang lingkup wilayah, ruang lingkup materi, dan ruang lingkup waktu, serta metodologi mencakup metode pendekatan, metode pengumpulan data, dan metode analisis.

BAB II LANDASAN TEORI

Bab ini membahas tentang teori apa yang digunakan untuk memperkuat data yang diambil, berisi tentang teori SPSS dan teori analisis faktor. BAB III GAMBARAN UMUM

Bab ini menjelaskan mengenai gambaran umum wilayah yang akan ditelitidan variabel yang digunakan tentunya dengan penentuan objek dan variabel penelitian.

BAB IV ANALISIS DAN INTERPRETASI

Bab ini membahas tentang tentang output analisis dan interpretasi hasil analisis dari metode analisis faktor.

BAB V KESIMPULAN DAN REKOMENDASI

(12)

BAB II

LANDASAN TEORI

Definisi menganalisis suatu kumpulan data adalah berbeda-beda dari satu orang ke orang lainnya. Pada umumnya suatu analisis data meliputi statistik deskriptif yang sederhana, analisis variansi, grafik ataupun hasil-hasil (output) dan perhitungan statistik. Dalam melakukan analisis data ada bermacam-macam aplikasi yang dapat digunakan salah satunya kalangan pengguna karena pengoperasiannya cukup mudah. Keunggulan SPSS adalah pada penyediaan cara yang mudah untuk melakukan analisis statistik dan sistem manajemen data menggunakan statistik deskriptif.

SPSS menyediakan berbagai fasilitas perangkuman dan presentasi data. Mulai dari yang paling sederhana dalam bentuk grafik, seperti pie chart, histogram, bar chart, scatterplot, sampai dalam bentuk tabel yang siap untuk diekspor ke Microsoft Word, Excel, PowerPoint, ataupun PDF. Proses persiapan dan analisis data jelas akan menjadi lebih mudah dan efisien dengan menggunakan SPSS. Fitur-fitur SPSS mulai dari pengkategorian data interval, restrukturisasi data, penggabungan data, pengeliminasian duplicate records, sampai pengelompokkan variabel-variabel, akan membantu Anda dalam hal persiapan data.

Pada awalnya SPSS dibuat untuk keperluan pengolahan data statistik untuk ilmu-ilmu social, sehingga kepanjangan SPSS itu sendiri adalah Statistical Programme for Social Sciens. Sekarang kemampuan SPSS diperluas untuk melayani berbagai jenis pengguna (user), seperti untuk proses produksi di pabrik, riset ilmu sains dan lainnya. Dengan demikian, sekarang kepanjangan dari SPSS Statistical Product and Service Solutions.

(13)

Sedangkan untuk analisis data sendiri, SPSS menyediakan berbagai macam prosedur analisis statistik dan prosedur machine learning yang canggih (populer dengan sebutan artificial intelligence). Prosedur yang disediakan sangat lengkap untuk berbagai aplikasi bisnis seperti segmentasi pelanggan, survey kepuasan pelanggan atau pegawai perusahaan, proyeksi penjualan atau stok barang, atau pengembangan produk atau jasa baru.

Dimana statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu yang berkenaan dengan data. Istilah 'statistika' berbeda dengan 'statistik' (statistic). Statistika merupakan ilmu yang berkenaan dengan data, sedang statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu data. Dari kumpulan data, statistika dapat digunakan untuk menyimpulkan atau mendeskripsikan data; ini dinamakan statistika deskriptif. Sebagian besar konsep dasar statistika mengasumsikan teori probabilitas. Beberapa istilah statistika antara lain: populasi, sampel, unit sampel, dan probabilitas.

Hasil-hasil analisis muncul dalam SPSS Output Navigator. Kebanyakan prosedur Base System menghasilkan pivot tables, dimana kita bisa memperbaiki tampilan dari keluaran yang diberikan oleh SPSS. Untuk memperbaiki output, maka kita dapat memperbaiki output sesuai dengan kebutuhan. Beberapa kemudahan yang lain yang dimiliki SPSS dalam pengoperasiannya adalah karena SPSS menyediakan beberapa fasilitas seperti berikut ini:

1. Data Editor

Merupakan jendela untuk pengolahan data. Data editor dirancang sedemikian rupa seperti pada aplikasi-aplikasi spreadsheet untuk mendefinisikan, memasukkan, mengedit, dan menampilkan data. Viewer mempermudah pemakai untuk melihat hasil pemrosesan, menunjukkan atau menghilangkan bagian-bagian tertentu dari output, serta memudahkan distribusi hasil pengolahan dari SPSS ke aplikasi-aplikasi yang lain.

2. Multidimensional Pivot Tables

(14)

baris, kolom, serta layer. Pemakai juga dapat dengan mudah melakukan pengaturan kelompok data dengan melakukan splitting table sehingga hanya satu grup tertentu saja yang ditampilkan pada satu waktu. High-Resolution Graphics. Dengan kemampuan grafikal beresolusi tinggi, baik untuk menampilkan pie charts, bar charts, histogram, scatterplots, 3-D graphics, dan yang lainnya, akan membuat SPSS tidak hanya mudah dioperasikan tetapi juga membuat pemakai merasa nyaman dalam pekerjaannya.

3. Database Access

Pemakai program ini dapat memperoleh kembali informasi dari sebuah database dengan menggunakan Database Wizard yang disediakannya. Data Transformations. Transformasi data akan membantu pemakai memperoleh data yang siap untuk dianalisis. Pemakai dapat dengan mudah melakukan subset data, mengkombinasikan kategori, add, aggregat, merge, split, dan beberapa perintah transpose files, serta yang lainnya.

4. Electronic Distribution

Pengguna dapat mengirimkan laporan secara elektronik menggunakan sebuah tombol pengiriman data (e-mail) atau melakukan export tabel dan grafik ke mode HTML sehingga mendukung distribusi melalui internet dan intranet. contoh kasus dalam pengoperasian program ini.

6. Akses Data Tanpa Tempat Penyimpanan Sementara

Analisis file-file data yang sangat besar disimpan tanpa membutuhkan tempat penyimpanan sementara. Hal ini berbeda dengan SPSS sebelum versi 11.5 dimana file data yang sangat besar dibuat temporary filenya.

7. Interface dengan Database Relasional

(15)

menganalisis file-file data yang sangat besar dapat langsung me-remote dari server dan memprosesnya sekaligus tanpa harus memindahkan ke komputer user.

8. Multiple Sesi

SPSS memberikan kemampuan untuk melakukan analisis lebih dari satu file data pada waktu yang bersamaan.

9. Mapping

Visualisasi data dapat dibuat dengan berbagai macam tipe baik secara konvensional atau interaktif, misalnya dengan menggunakan tipe bar, pie atau jangkauan nilai, simbol gradual, dan chart.

Dalam menggunakan SPSS dapat menghasilkan 3 fileyaitu :

1) File data, file dihasilkan melalui SPSS Data Editoryang disimpan dengan ekstensi. Sav Carousel serta disimpan dengan ekstensi .cht.

2.2 MetodeAnalisis Faktor 2.2.1 Pengertian Analisis Faktor

Analisis Faktor adalah prosedur untuk menggandakan informasi dengan cara mengubah sekelompok variabel atau lebih yang menganalisis pembentukan group dari data yang sama tanpa membuang informasi yang lama. Analisis faktor juga dapat didefinisikan sebagai berikut :

1) Analisis faktor tergolong dalam teknik untuk mereduksi data.

(16)

3) Analisis faktor merupakan teknik mereduksi data dengan prosedur menyederhanakan sejumlah variable yang mempunyai hubungan menjadi kelompok variabel yang lebih kecil (faktor) dengan kandungan kelengkapan informasi yang sama dengan data aslinya ( tanpa mengurangi informsi yang terdapat dalam variabel).

2.2.2 Fungsi Analisis Faktor

Adapun fungsi dari Analisis Faktor itu sendiri adalah :

1. Mengidentifikasi struktur hubungan variabel atau responden.

Melalui analisis faktor dapat diidentifikasi struktur hubungan variabel atau responden dengan memeriksa korelasi antar variabel atau korelasi antar responden.

2. Mereduksi data dengan cara:

 Menyeleksi variabel-variabel yang tepat untuk digunakan dalam analisis lanjutan, misalnya untuk analisis regresi, korelasi, atau diskriminan.

 Scaling: transformasi data skor faktor, yaitu membentuk set variabel baru yang berukuran lebih kecil daripada set variabel awal untuk digunakan dalam analisis lanjutan (surrage variabe).

Faktor I Faktor II Faktor III

Variabel 3

Gambar 2.1 Contoh Skor Faktor

Sumber : Modul Praktikum MAP, 2011

Persamaan Umum Analisis Faktor

Xi = Ai1 F1 + Ai2 F2 + Ai3 F3 + ... Aik Fk + Ui

Fk = Common faktor yang dibentuk dari beberapa variable

Ui = Unique faktor merupakan bagian variabel yang tidak dapat dijelaskan

oleh common factor Ai1 = Konstata

Persamaan Faktor

Fi = Wj1 X1 + Wj2 X2 + Wj3 X3 + ... Wjk Xk

Wj = Faktor score coefisien

(17)

2.2.3 Tahapan dalam Analisis Faktor

Component Analysis Common Factor Analysis

EXTRACTION METHOD

Gambar 2.2 Tahapan Analisis Faktor

1. Masalah Penelitian

 Variabel yang digunakan harus relevan dengan penelitian,

(18)

interpretasi harus dilakukan dengan hati-hati. N adalah jumlah sampel. P adalah jumlah variabel,

 Variabel kualitatif harus dikonversi menjadi variabel kuantitatif

 Variabel harus distandarized/ukurannya sama.

2. Korelation Matrik

 Matrik Data mentah n x p diubah menjadi matrik korelasi atau kovariansi

 Matrik kovarian lebih jarang digunakan karena variabel yang diukur tidak boleh mempunyai perbedaan variansi yang sangat besar (jadi harus ada standarisasi)

Terdapat 2 pendekatan dalam pembuatan matrik korelasi, antara lain: 1. Analisis tipe R : matrik korelasi dari variabel.

2. Analisis tipe Q : matrik korelasi dari objek/responden. Korelasi antara Xi dan Yi :

 Pengujian matrik korelasi Barlett’s test of sphericity.

“untuk menguji hipotesis bahwa matrik korelasi adalah matrik identitas” Ho = diterima , maka penggunaan anfak perlu dipertimbangkan. Hi = diterima, maka data tersebut cocok menggunakan analisis

anfak, dimana uji barlrt test > dan nilai sig <.

 Kooefisien korelasi partial: indikator untuk menunjukan kekuatan hubungan antar variabel yang merupakan estimasi korelasi antar faktor unik dan seharusnya mendekati 0 agar asumsi anfak terpenuhi.

 Negatif dari koefisien korelasi partial adalah Anti Image Correlation.

(19)

Untuk membandingkan besarnya koefisien korelasi amatan dengan koefisien parsial.

 Jika jumlah kuadran koefisien korlasi partial < dari jumlah kuadran koefisien korelasi maka KMO mendekati 1.

 Jika KMO < 0,5 maka penggunaan anfak perlu

Rij = koefisien korelasi antar variabel i dan j Aij = koefisien partial antara variabel i dan j

 Nilai KMO

Marvelous : (0,90) : Bagus Sekali Meritorius : (0,80) : Bagus

Midding : (0,70) : Sedang

Mediocre : (0,60) : Cukup

Miserable : (0,50) : Buruk Unacceptable : (<0,50) : Buruk Sekali

 Ukuran kecukupan sampling dihitung untuk tiap variabel individu dengan MSA. Dalam SPSS nilai ini ditampilkan dalam anti image correlation matrik. Jika nilai MSA kecil maka variabel tersebut perlu dipertimbangkan untuk dieliminasi.

1. Model Faktor

Metoda analisis faktor, terbagi atas dua yaitu :

1) Principle component factor analysis, yaitu mengekstrasi seluruh data tanpa membedakan variansi common dan variansi unique;

2) Common factor analysis, yaitu mengekstrasi variansi yang sifatnya common saja.

2. Model Faktor

Metoda dalam menentukan jumlah faktor, yaitu : 1) Eksploratori

(20)

Yaitu bila teknik analisis faktor yang digunakan tanpa terlebih dahulu menentukan batasan-batasan awal dalam perkiraan jumlah komponen atau faktor yang akan di ekstraksi.

2) Konfirmatori

Yaitu bila seorang analisis menggunakan analisis faktor untuk menguji hipotesis yang berkaitan dengan pengelompokkan variabel atau jumlah faktor.

5. Matrik Faktor Sebelum Rotasi  Matrik faktor: pengelompokkan variabel kedalam sejumlah faktor yang telah diekstrasi.  Informasi dalam matrik ini belum dapat digunakan untuk

menginterpretasikan pengelompokkan variabel dalam setiap faktor, karena bobot masing-masing variabel pada setiap faktor belum jauh berbeda sehingga harus dirotasi.

6. Matrik Faktor Setelah Rotasi

 Tujuannya untuk mengetahui relevansi variabel dalam penelitian yang dilakukan

(21)

1. Ortogonal : memutar sumbu-sumbu faktor dengan sudut yang sama sehingga saling tegak lurus, memutar dengan cara tegak lurus (90o₎

a. Quartimax : Untuk memperoleh hasil rotasi, dimana setiap variabel memberikan bobot yang tinggi di suatu faktor dan sekecil mungkin pada faktor lain. b. Varimax : Untuk memperoleh nilai dalam suatu kolom

sebanyak mungkin mendekati 0, sehingga setiap faktor mencakup variabel yang sedikit.

c. Equamax : Merupakan kombinasi metoda quartimax dan equamax.

2.Oblique: memutar dengan cara tidak tegak lurus, memutar sumbu-sumbu faktor secara independen, sehingga setelah diputar mungkin saja masing-masing sumbu tidak lagi saling tegak lurus.

a. Oblimax : Untuk meningkatkan jumlah loading faktor yang besar dan kecil

b. Quartimin : Meminimumkan jumlah loading c. Covarimin : Sama dengan varimax

d. Biquartimin : Kombinasi antara metoda quartimin dan covarimin (algoritma)

e. Oblimin : Sama dengan biquartimin

(22)

Gambar 2.3 Metode Rotasi

Dalam matrik rotasi faktor terdapat nilai Loading Faktor:

1) Pada matriks faktor, kolom menunjukan faktor yang didapat sedangkan baris menunjukkan variabel masukan asli.

2) Pada setiap sel yang terdapat matriks faktor disebut dengan loading faktor, variansi nilai antara – 1.00 – 1.00, dimana angka ini menunjukan tingakat hubungan antara setiap variabel dengan setiap faktor.

3) Perlu diketahui bahwa faktor loading ini bukan merupakan koefisien korelasi antara variabel asli dengan variabel faktor yang baru diperoleh. 4) Faktor loading ini menunjukan atau menyatakan besarnya kontribusi

setiap variabel terhadap arti setiap faktor.

5) Dalam satu kolom dari matriks faktor, beberapa loading bernilai besar sedangkan beberapa lainnya relatif bernilai rendah. Varibel dengan nilai 0 atau kecil pada faktor tertentu berarti tidak memberikan kontribusi yang berarti terhadap faktor, tetapi cenderung memberikan kontribusi yang berarti pada satu faktor lainnya, yang ditunjukan dengan nilai loading yang besar pada faktor tersebut. Faktor ini dapat disamakan dengan variabel kriteria (variabel bebas) dalam analisis regresi dan varibel masukan dapat dilihat sebagai variabel prediktor (variabel tak bebas) nya. 7. Faktor Score

Score faktor adalah:

 Ukuran yang menyatakan representasi suatu variabel oleh masing-masing faktor.

 Merupakan data mentah bagi analisis lanjutan.

 Menunjukan derajat skor tiap individu (objek) pada masing-masing faktor  Digunakan untuk menggantikan himpunan vaiabel asal dengan himpunan

variabel komposit yang baru yang jumlahnya lebih sedikit.

 Faktor yang diukur pada objek yang sama bergantung pada variabel awal. Setiap variabel masukan mempunyai nilai untuk setiap faktor yang didapat. Nilai ini disebut dengan skor faktor (factor score).

(23)

Data yang telah diperoleh oleh pengamat, kemudian di analisis dengan metode Analisis faktor menggunakan program SPSS. Adapun pengolahan datanya adalah sebagai berikut:

1. Buka data editor SPSS

Saat membuka SPSS akan muncul seperti gambar berikut:

Gambar 2.3 Tahap Awal SPSS

Sumber: Printscreen Analisis Kelompok, 2016

2. Masukan Data

(24)

Gambar 2.4 Input Variabel

Setelah itu masukkan data hasil kuisioner seperti berikut:

Gambar 2.5 Input Data Kuisioner

(25)

Untuk memperoleh analisis faktor dari menu SPSS adalah sebagai berikut :

Gambar 2.6 Menu SPSS

PilihAnalyze, lalu pilih Data Reduction, lalu klik FactorKemudian akan terbuka kotak dialog factor analysis sebagai berikut, selanjutnya pilih variabel-variabel di sebelah kiri yang akan diikutkan ke dalam analisis, dengan menekan tombol panah ke kanan untuk memindahkannya ke dalam variabel seperti berikut:

Gambar 2.7

Kotak Dialog Factor Analysis

(26)

Untuk memilih statistik deskriptif, tekan tombol Descriptives maka akan terbuka kotak dialog ”Faktor Analysis Descriptive” sebagaimana berikut :

Gambar 2.8

Kotak Dialog Factor Analysis: Descriptive Sumber: Printscreen Analisis Kelompok, 2016

Statistics, Dapat dipilih salah satu atau kedua alternatif berikut :

1. Univariate descriptives. Memperlihatkan jumlah observasi yang valid, mean, dan standar deviasi dari setiap variabel.

2. Initial solution. Memperlihatkan nilai initial communalities, eigenvalues, dan persentase dari variansi yang berhasil diterangkan.

Correlation Matrix. Dapat dipilih satu atau lebih dari :

 Coefficient. Matriks korelasi dari variabel yang diikutkan dalam analisis.  Significance Levels. Tingkat signifikansi satu arah dari korelasi.

 Determinant. Determinan dari matriks korelasi.

 KMO dan Bartlett’s test of sphericity. Pengukuran kecukupan sampling Kaiser-Meyer-Olkin dan Barlett’s test of sphericity.

 Inverse. Invers dari matrik korelasi

 Reproduced. Matriks reproduced correlation dan residualnya.

(27)

5. Ekstrasi Analisis Faktor

Untuk memilih metode ekstrasi faktor, tekan tombol Extraction, maka akan terbuka kota dialog ”factor Analysis Extraction” sebagai berikut :

Gambar 2.9

Kotak Dialog Factor Analysis: Extraction

Method. Dapat dipilih salah satu metode ekstrasi faktor di bawah ini : 1) Principal Components

2) Unweight least squares 3) Generalized least squares 4) Maximum likelihood 5) Alpha factoring 6) Image factoring

Extract. Dapat dipilih salah satu dari kriteria dibawah ini :

(28)

2) Number of factors. Mengekstrasi dengan jumlah faktor yang telah ditentukan oleh pengguna. Masukkan bilangan bulat positif.

Display. Dapat dipilih salah satu atau keduanya dari :

1) Unrotated factor solution. Bonot dari faktor yang belum dirotasi, komunalitas, dan eigenvalue dari solusi faktor akan ditampilkan.

2) Scree plot. Plot dari eigenvalue dengan urutan menurun.

Maximum Iteration for Convergence. Default menunjukkan 25 iterasi untuk mengektrasi faktor. Untuk menggunakan iterasi maksimum yang berbeda masukkan bilangan bulat postif.

6. Rotasi Analisis Faktor

Untuk memilih metode rotasi tekan tombol Rotation maka akan terbuka kotak dialog ”Faktor Analysis Rotation” sebagaimana berikut :

Gambar 2.10

Kotak Dialog Factor Analysis: Rotation

Method. Dapat dipilih salah satu metode dibawah ini : 1) None. Faktor tidak dirotasi, merupakan setting default. 2) Varimax. Merupakan rotasi orthogonal.

(29)

5) Direct oblimin. Merupakan rotasi oblique.

Display. Dapat dipilih salah satu atau keduanya dari :

1) Rotated solution. Untuk rotasi orthogonal, matriks hasil rotasi dan matriks transformasi faktor ditampilkan. Untuk rotasi oblimin, pola, struktur, dan matriks korelasi ditampilkan.

2) Loading plots. Plot tiga dimensi bobot faktor untuk ketiga faktor pertama. Untuk solusi dua faktor, plot dua dimensi akan ditampilkan.

Maximum Iterations for Convergence. Default menunjukkan 25 iterasi untuk mengektrasi faktor. Untuk menggunakan iterasi maksimum yang berbeda masukkan bilangan bulat postif lainnya.

7. Skor Faktor Analisis Faktor

Untuk menyimpan skor faktor sebagai variabel yang akan digunakan sebagai input analisis selanjutnya, tekan tombol scores ...., maka akan terbuka kotak dialog ”Faktor Analysis Factor Scores” sebagai berkut :

Gambar 2.11

Kotak Dialog Factor Analysis: Factor Scores

(30)

Method. Pemilihan metode perhitungan skor faktor, dapat dipilih salah satu dari metode dibawah ini :

1) Barlett.

8. Pilihan-pilihan Analisis Faktor

Untuk mengubah perlakuan terhadap nilai yang hilang dan tampilan dari matriks faktor, tekan tombol Options ...., maka akan terbuka kotak dialog ”Faktor Analysis Option” sebagai berikut :

Gambar 2.12

Kotak Dialog Factor Analysis: Option

Missing values. Dapat dipilih salah satu dari alternatif berikut :

1) Exclude cases listwise. Hanya kasus dengan nilai yang valid untuk setiap variabel yang akan digunakan dalam analisis. Merupakan setting default. 2) Exclude cases pairwise. Tidak menggunakan kasus yang memiliki nilai yang

(31)

3) Replace with mean. Menggantikan nilai yang hilang dengan mean dari variabel tersebut, dan menggunakan seluruh kasus dalam analisis.

Coefficient Display Format. Dapat dipilih salah satu dari kedua alternatif di bawah ini.

(32)

BAB III

GAMBARAN UMUM WILAYAH STUDI 3.1 Gambaran Umum Kecamatan Arcamanik

Kecamatan Arcamanik adalah satu kecamatan dari 30 (tiga puluh) kecamatan di wilayah Kota Bandung. Dengan luas wilayah 512,99 Ha, Kecamatan Arcamanik berada di ± 700 meter dpl (di atas permukaan laut). Secara geografis Kecamatan Arcamanik berbatasan dengan :

Bagian Utara : Kecamatan Mandalajati Kota Bandung Bagian Selatan : Kecamatan Rancasari Kota Bandun Bagian Timur : Kecamatan Cinambo Kota Bandun Bagian Barat : Kecamatan Cinambo Kota Bandung

Menurut administrasi pembangunan, Kecamatan Arcamanik dimasukkan ke dalam wilayah Cibeunying. Kecamatan ini terdiri atas 4 (empat) kelurahan, yaitu :

Kelurahan Cisaranteun Kulon

Kelurahan Cisaranteun Bina Harapan Kelurahan Suka Miskin

Kelurahan Cisaranteun Endah

Jumlah Rukun Warga (RW) dan Rukun Tetangga (RT) dari empat kelurahan tersebut di atas 51 RW dan 271 RT.

(33)

5 Perguruan Tnggi 4 620

Sumber : Kecamatan Dalam Angka Tahun KCDA 2015 b. Prasarana Kesehatan

7 Dokter spesialis lainnya 2

8 Dokter Hewan 3

Sumber : Kecamatan Dalam Angka Tahun KCDA 2015

c. Prasarana Peribadatan

Sumber : Kecamatan Dalam Angka Tahun KCDA 2015

Berikut ini adalah beberapa paparan gambar mengenai penggunaan lahan di Kecamatan Arcamanik :

1. Kondisi Perumahan

No Prasarana Jumlah

1 Masjid 57

2 Surau/Mushola 11

(34)

Gambar 3.2.2

Jenis Perumahan di Kecamatan Arcamanik

Sumber : Hasil Survey Lapangan 2016

2. Kondisi Jalan, pedestrian dan drainase

Gambar 3.2.3 a

Kondisi jalan di ke perumahan-perumahan di Kecamatan Arcamanik

Gambar 3.2.3 b

b. KompleksPerumahanJenisPermane n di Kecamatan Arcamanik

(35)

Kondisi jalan raya di Kecamatan Arcamanik

Gambar 3.2.3 c

Kondisi pedestrian yang sudah di alih fungsikan oleh masyarakat

Gambar 3.2.3 d

Kondisi drainase yang sudah terhambat mengakibatkan banjir

(36)

Gambar 3.2.4

Kondisi lahan kosong yang seharusnya dijadikan RTH

4. Kondisi Lingkungan

Gambar 3.2.5

Masyarakat yang membuang sampah tidak pada tempatnya

(37)

Gambar 3.2.6

Kondisi perekonomian masyarakat kecamatan Arcamanik seperti perdagangan dan jasa

3.3 Kependudukan

Jumlah Penduduk Kecamatan Arcamanik pada Tahun 2015 adalah sebanyak 56.348 jiwa dengan Jumlah Kepala Keluarga Sebanyak 16.699 KK.dari ke 4 kelurahan yang ada di Kecamatan Arcamanik, Penduduk terbanyak berada di Kelurahan Arcamanik Kidul dengan jumlah Penduduk 23.442 jiwa sedangkan penduduk yang paling sedikit terdapat di kelurahan Arcamanik Kulon dengan Jumlah penduduk 8.925 jiwa.Untuk lebih jelasnya mengenai jumlah Penduduk Kecamatan Arcamanik dapat dilihat pada Tabel 3.1 berikut.

Tabel 3.3

1 Cisaranten Enda 97,54 23.442 4.138 220

2 Cisaranten Kulon 93 20.685 4.180 222

3 Cisaranten

Binaharapan

115 16.194 4.501 141

4 Sukamiskin 95 8.925 2.231 94

Jumlah 400,543 69.246 15.050 173

(38)

3.4 Jumlah Penduduk Berdasarkan Kelompok Usia

Karakteristik penduduk menurut Usia adalah susunan berdasarkan usia Penduduk. Karakteristik Penduduk berdasarkan usia dibentuk dalam usia tunggal seperti 0,1,2,3,4,sampai 60 tahun atau lebih, dapat juga berdasarkan interval usia tertentu seperti 0-5 tahun (balita) ,6-11 tahun (anak SD),12-15 tahun (anak SMP) ,16-19 tahun (anak SMA), 20- 24 tahun (Mahasiswa), 25-26 tahun (dewasa), >60 tahun (lansia) atau dapat juga berdasarkan usia Produktif dan Usia non produktif seperti 0-14 tahun (Usia belum Produktif), 15-64 tahun (Usia Produktif) ,dan >64 Tahun (Usia Tidak Produktif).

Berdasarkan Pengelompokan umur tersebut dapat diketahui rasio beban taggungan (dependency ratio) yang dapat digunakan untuk melihat angka ketergantungan di Kecamatan Arcamanik. Rasio beban Tanggungan adalah angka yang menunjukan perbandingan antara penduduk usia non produktif dengan usia produktif.Untuk lebih jelasnya berikut ini disajikan karakteristik penduduk indonesia menurut usia dan Jenis Kelamin pada Tabel 3.2

Tabel 3.2

Jumlah Penduduk Menurut Jenis Kelamin dan Kelompok Umur di Kecamatan Arcamanik Tahun 2013

1 0-4 2781 2518 5368

2 5-9 2818 2999 5799

3 10-14 3018 2872 5948

4 15-19 3135 2864 5978

5 20-24 3277 3064 6336

6 25-29 3343 3017 6390

7 30-34 2935 2772 5732

8 35-39 2823 2711 5592

9 40-44 2597 2676 5269

(39)

11 50-54 1899 1782 3678

12 55-59 1712 1642 3351

13 60-64 1364 1548 2939

14 >64 1277 1417 2753

Jumlah 35540 33706 69246

Buku Monografi Kecamatan Arcamanik 2015

Berdasarkan Data Tersebut,dapat dikatakan bahwa Kecamatan Arcamanik pada tahun 2013 tergolong kedalam kelompok kecamatan dengan struktur usia Produktif. Adapun Komposisi penduduk Kecamatan Arcamanik berdasarkan Usia Produktif dan usia nonproduktif dapat dilihat pada Tabel 3.3 berikut ini.

Tabel 3.4

Komposisi Penduduk Indonesia Berdasarkan Jenis kelamin Usia Produktif dan Nonproduktif Tahun 2013

No Jenis Kelamin Usia Jumlah

Produktif (15 – 64 )

Non Produktif (0 – 14) ( >65)

1 Laki – Laki 25583 8617 1277 35477

2 Perempuan 23895 8389 1417 33701

Jumlah 49478 17006 2753 96178

Sumber: Buku MonografiKecamatan Arcamanik 2015

Dari data di atas kita dapat menghitung angka ketergantungan (dependency ratio) dengan menggunakan rumus :

Dependency Ratio

=

Jumlah Penduduk Usia Non Produktif

_{Jumlah Penduduk Usia Produktif}

x

100

Jumlah Penduduk Keseluruhan = 69246

Jumlah Penduduk Non Produktif = 1277 jiwa + 1417 jiwa = 2753 Jiwa

Maka dari data diatas dapat diketahui angka Ketergantungan di Kecamatan Arcamanik

(40)

Dependency Ratio =

₆₆₄₉₃

2753

X

100

= 4,1 = 4 orang

Jadi angka dependency ratio di Kecamatan Arcamanik pada tahun 2013 adalah 4

Berdasarkan perhitungan tersebut, di Kecamatan Arcamanik pada tahun 2013 setiap 100 orang penduduk usia produktif harus menanggung beban 4 orang penduduk usia non produktif. Artinya bahwa dalam mencari nafkah atau usaha selain untuk memenuhi kebutuhan hidup dirinya sendiri, juga harus dapat menanggung kebutuhan hidup orang lain.

3.5 Jumlah Penduduk Berdasarkan Mata Pencaharian

Jumlah penduduk Kecamatan Arcamanik berdasarkan mata pencaharian pada tahun 2013 adalah sebanyak 62.366 Jiwa, dengan sembilan jenis mata pencaharian yaitu PNS, ABRI/POLRI, Pegawai swasta , Petani,

Pedagang,Pelajar, Mahasiswa, Pensiunan dll. Untuk Lebih jelasnya dapat dilihat pada Tabel 3.4

Tabel 3.5

Jumlah Penduduk Kecamatan Arcamanik Berdasarkan Jenis Mata Pencaharian tahun 2013

No Kelurahan Jenis Mata Pencaharian

PNS ABRI/

POLRI

Pegawai Swasta Petani Pedagang

1 Cisaranten Enda

4136 261 4501 7 2644

2 Cisaranten Kulon

2111 57 3233 28 1624

3 Sindang

Jaya

1664 157 2387 5 2079

4 Sukamiski n

410 27 1719 - 147

Jumlah 8321 502 11840 40 6494

(41)

Lanjutan ....

No Kelurahan Jenis Mata Pencaharian

Pelajar Mahasiswa Pensiunan Lainnya

1 Cisaranten

Jumlah 15730 6409 4863 2304

Sumber: Buku MonografiKecamatan Arcamanik 2016

3.6 Penentuan Objek dan Variabel Penelitian

UntukInput analisis Faktor dalam rangka mencapai tujuan penelitian ini adalah dengan variabel-variabel:

Tabel 3.6

Variabel Faktor – Faktor yang mempengaruhi Tingkat Kemiskinan Di Kecamatan Arcamanik

No Variabel Keterangan

1 V1 Tingkat Pendidikan

2 V2 Tingkat Mata Pencaharian

3 V3 Tingkat Pendapatan

4 V4 Penggunaan Pendapatan

5 V5 Tingkat Pengeluaran

6 V6 Jumlah Anggota Keluarga

7 V7 Type Rumah

8 V8 Kepemilikan Rumah

9 V9 Ketersediaan sarana Umum

(42)

Yang menjadi variabel-variabel dalam analisis ini adalah Faktor-faktor yang Mempengaruhi Tingkat Kemiskinan di Kecamatan Arcamanik, yaitu:

Tabel 3.7

Tabel Rentang Nilai Data Ordinal dan Data Interval

No Variabel Bobot Rentang Nilai

1 V1 Tingkat Pendidikan 2 SD

4 SMP

6 SMA

8 D4/S1 dst

2 V2 Tingkat Mata Pencaharian 2 Pelajar / Mahasiswa

4 PNS

6 Swasta

8 Wiraswasta

3 V3 Tingkat Pendapatan 2 < Rp 500.000

4 Rp 500.000 – 1.000.000 6 Rp 1.000.000- 2.000.000

8 >2.000.000

4 V4 Penggunaan Pendapatan 2 Ditabung

4 Pembelian Aset

6 Dibelanjakan Sampai Habis

5 V5 Tingkat Pengeluaran 2 < 500.000

4 Rp 500.000 – 1.000.000 6 Rp 1.000.000 – 2.000.000

8 >2.000.000

6 V6 Jumlah Anggota Keluarga 2 2 orang

4 3 orang

6 4 orang

8 >5 orang

7 V7 Type Rumah 2 Permanent

4 Semi Permanent

6 Temporer

8 V8 Kepemilikan Rumah 2 Milik Sendiri

4 Sewa/ Kontarakan