Program Alternatif Penanggulangan Kemiskinan di Kabupaten Wonosobo

(1)

TUGAS BESAR MATA KULIAH:

(2)

2

METODE ANALSIS PERENCANAAN

Program Alternatif Penanganan Masalah Kemiskinan di Kabupaten Wonosobo Provinsi Jawa Tengah

Disusun Guna Memenuhi Tugas Mata Kuliah Metode Analisis Perencanaan ((TPW21214)

Dosen Pengampu:

Dr. Yudi Basuki, S.T., M.T.

Dr. Eng Maryono S.T., M.T.

Prof. Dr. soc. Agr Iwan Rudiarto M. Sc.

Sri Rahayu S. Si., M. Si.

Widjonarko S.T., M.T.

Disusun Oleh:

Azizah Nur Nahari 21040121130051

DEPARTEMEN PERENCANAAN WILAYAH DAN KOTA FAKULTAS TEKNIK

UNIVERSITAS DIPONEGORO 2023

(3)

3

Pernyataan Keaslian Tulisan Saya yang bertanda tangan di bawah ini:

Nama : Azizah Nur Nahri NIM : 21040121130051 Kelas : D

Program Studi : Perencanaan Wilayah dan Kota

Menyatakan bahwa Tugas Besar Metode Analisis Perencanaan saya dengan judul “Program Alternatif Penanganan Masalah Kemiskinan di Kabupaten Wonosobo Provinsi Jawa Tengah” ini benar-benar merupakan hasil tulisan saya sendiri. Selain itu, sumber informasi yang dikutip penulis telah dicantumkan dalam daftar pustaka.

Apabila dikemudian hari terbukti atau dapat dibuktikan tulisan saya ini hasil plagiasi, saya bersedia menerima sanksi atas perbuatan saya.

Kota Semarang, 03 Juni 2023

Yang membuat pernyataan

Azizah Nur Nahari (NIM. 21040121130051)

(4)

4 ABSTRACT

One of the common planning issues in various developing regions is poverty.

Poverty occurs when a group of people or individuals are unable to meet their basic needs, such as clothing, food, and shelter. Poverty can be caused by various factors, including economic, educational, social, and human resources. Kabupaten Wonosobo is one of the areas in the province of Central Java that has a significant number of people living in poverty. The percentage of the population living in poverty in Kabupaten Wonosobo reaches 16.17% of the total population in the district. Based on the descriptive statistical analysis, the contribution of the impoverished population in Kabupaten Wonosobo to the province of Central Java is 3.52%. Factor analysis can be conducted to identify the factors contributing to poverty in Kabupaten Wonosobo. Furthermore, to observe the trend in poverty in Kabupaten Wonosobo, trendline analysis can be performed to project the number of impoverished population in the future until a specific year. The best solution for poverty alleviation can utilize the Analytical Hierarchy Process (AHP) analysis.

The alternative programs generated can focus on improving education with a priority on enhancing the quality of human resources.

ABSTRAK

Salah satu masalah perencanaan yang sering terjadi di berbagai daerah berkembang adalah kemiskinan. Kemiskinan terjadi ketika sekelompok masyarakat atau individu tidak mampu memenuhi kebutuhan dasar mereka, seperti sandang, pangan, dan papan. Kemiskinan bisa disebabkan oleh berbagai faktor, termasuk ekonomi, pendidikan, sosial, dan sumber daya manusia.

Kabupaten Wonosobo adalah salah satu wilayah yang memiliki jumlah penduduk miskin yangcukup banyak di Provinsi Jawa Tengah.Jumlah penduduk miskin di Kabupaten Wonosobo mencapai 16,17% dari total penduduk di kabupaten tersebut. Berdasarkan analisis statistik deskriptif kontribusi penduduk miskin Kabupaten Wonosobo terhadap Provinsi Jawa Tengah mencapai 3,52%. Analisis faktor dapat dilakukan untuk mengidentifikasi faktor-faktor penyebab kemiskinan

(5)

5

di Kabupaten Wonosobo. Selanjutnya, untuk melihat perkembangan kemiskinan di Kabupaten Wonosobo dilakukan analisis trendline untuk memproyeksikan jumlah penduduk miskin di masa mendatang hingga tahun tertentu. Adapun solusi terbaik untuk penanganan kemiskinan dapat menggunakan analisis AHP (Analytical Hierarchy Process). Alternatif program yang dihasilkan yaitu dengan melakukan peningkatan Pendidikan dengan prioritas kriteria peningkatan kualitas sumber daya manusia.

(6)

6

KATA PENGANTAR Assalamualaikum Warahmatullahi Wabarakatuh

Segala puji syukur dan syukur senantiasa selalu panjatkan kepada kehadirat Allah SWT atas berkat, Rahmat dan hidayah-Nya yang dilimpahkan kepada penulis sehingga dapat menyelesaikan Tugas Besar Metode Analisis Perencanaan yang berjudul “Program Alternatif Penanganan Masalah Kemisikinan di Kabupaten Wonosobo Provinsi Jawa Tengah”. Penulis mengucapkan terimakasih kepada kedua orang tua dan segala pihak yang telah memberikan doa serta motivasi sehingga penulis dapat menyelesaikan Tugas Besar Metode Analisi Perencanaan tepat pada waktunya. Tidak lupa, penulis juga mengucapkan termikasih kepada dosen pengajar yang telah memberikan ilmu dan bimbingan dalam menyusun laporan ini.

Penulis menyadari bawa dalam penulisan laporan ini masih terdapat banyak kekurangan di dalamnya. Oleh karena itu, penulis sangat ternuka terhadap kritik dan saran yang lebih bermanfaat ke depannya dari pembaca. Demikian yang dapat penulis sampaikan, harapnnya penulisan laporan ini dapat menjadi salah satu sumber referensi yang bermanfaat dan dapat memberikan alternatif solusi terhadap permasalahan di Kabupaten Wonosobo.

Kota Semarang, 03 Juni 2023 Azizah Nur Nahari

(7)

7 DAFTAR ISI

ABSTRAK ... 4

KATA PENGANTAR ... 6

DAFTAR ISI ... 7

DAFTAR TABEL ... 9

DAFTAR GAMBAR ... 10

DAFTAR GRAFIK ... 10

BAB I ... 11

PENDAHULUAN ... 11

1.1 Latar Belakang ... 11

1.2 Tujuan Penelitian ... 12

BAB II ... 13

KAJIAN LITERATUR ... 13

2.1 Kemiskinan ... 13

2.2 Analisis Statistik Deskriptif ... 14

2.3 Analisis Faktor ... 14

2.4 Analisis Trendline ... 16

2.5 Analisis AHP (Analythical Hierarchy Process) ... 16

BAB III ... 19

GAMBARAN KASUS ... 19

3.1 Profil Wilayah Kabupaten Wonosobo ... 19

3.2 Permasalahan Kemiskinan Kabupaten Wonosobo ... 20

3.3 Variabel dan Skoring Analisis ... 20

3.4 Penggunaan Data ... 23

BAB IV ... 26

ANALISIS ... 26

(8)

8

4.1 Tahapan Analisis ... 26

4.2 Analisis Statistik Deskriptif ... 27

4.3 Analisis Faktor ... 29

4.4 Analisis Trendline ... 37

4.5 Analisis AHP (Analythical Hierarchy Process) ... 39

BAB V ... 45

KESIMPULAN ... 45

DAFTAR PUSTAKA ... 47

Lampiran ... 49

(9)

9

DAFTAR TABEL

Tabel 1. Variabel dan Skoring Faktor Kemiskinan ... 22

Tabel 2 Kriteria & Alternatif Program Penanganan Kemiskinan di Kabupaten Wonosobo ... 22

Tabel 3 Skor Penilaian Kriteria Program Pengentasan Kemiskinan di Kabupaten Wonosobo ... 23

Tabel 4 Data Responden terhadap Variabel Analisis Faktor ... 24

Tabel 5 Data Responden terkait Penilaian Kriteria & Alternatif Penanganan Kemisinan di Kabupaten Wonosobo ... 24

Tabel 6 Persentase Penduduk Miskin Kabupaten Wonosobo & Provinsi Jawa Tengah Tahun 2012-2022 ... 25

Tabel 7 Jumlah Penduduk Miskin Kabupaten Wonosobo & Provinsi Jawa Tengah Tahun 2012-2022 ... 25

Tabel 8 Jumlah Penduduk Miskin Kabupaten Wonosobo Tahun 2018-2019... 25

Tabel 9 Hasil Analisis Statistik Deskriptif ... 27

Tabel 10 Descriptive Statistics ... 30

Tabel 11 KMO & Bartlett's Test ... 31

Tabel 12 Anti-Image Matrics ... 32

Tabel 13 Communalities ... 33

Tabel 14 Total Variance Explained ... 34

Tabel 15 Component Matrix ... 36

Tabel 16 Rotated Component Matrix ... 36

Tabel 17 Analisis Trendline dengan Beberapa Jenis beserta Persamaan & R Square yang Dihasilkan ... 38

Tabel 18 Proyeksi Jumlah Penduduk Miskin di Kabupaten Wonosobo ... 39

Tabel 19 Kriteria dan Alternatif Program Penanganan Kemiskinan di Kabupaten Wonosobo ... 40

Tabel 20 Uji Konsistensi terkait Program Alternatif 1 terhadap Penanganan Kemiskinan di Kabupaten Wonosobo ... 41

Tabel 21 Uji Konsistensi terkait Program Alternatif 2 terhadap Penanganan Kemiskinan di Kabupaten Wonosobo ... 42

(10)

10

Tabel 22 Uji Konsistensi terkait Program Alternatif 3 terhadap Penanganan

Kemiskinan di Kabupaten Wonosobo ... 43

Tabel 23 Prioritas Program alternatif ... 43

Tabel 24 Penentuan Urutan Prioritas Kriteria ... 44

DAFTAR GAMBAR Gambar 1 Peta Administrasi Kabupaten Wonosobo ... 19

Gambar 2 Tahapan Analisis... 26

Gambar 3 Struktur Hierarki Analisis AHP ... 40

DAFTAR GRAFIK Grafik 1 Persentase Penduduk Miskin di Kabupaten Wonosobo & Provinsi Jawa Tengah Tahun 2012-2022 ... 28

Grafik 2 Jumlah Penduduk Kabupaten Wonosobo & Provinsi Jawa Tengah Tahun 2012-2022 ... 29

Grafik 3 Scree Plot ... 35

Grafik 4 Trendline Polynomial terkait Jumlah Penduduk Miskin di Kabupaten Wonosobo ... 38

Grafik 5 Trendline Power ... 54

Grafik 6 Trendline Logarithmic ... 54

Grafik 7 Trendline Linear... 54

Grafik 8 Trendline Eksponential ... 54

Grafik 9 Trendline Polinomial ... 54

(11)

11 BAB I PENDAHULUAN 1.1 Latar Belakang

Kemiskinan adalah situasi dimana seseorang atau sekelompok orang tidak memiliki kemampuan untuk mencapai tingkat hidup minimum yang sesuai dengan standar kelayakan hidup (Todaro & Smith, 2006). Menurut World Bank 2004, Kemiskinan didefinisikan sebagai keadaan dimana seseorang atau suatu kelompok yang mengalami kelaparan, tidak memiliki tempat tinggal yang layak, tidak mampu mendapatkan perawatan medis, dan tidak memiliki akses terhadap Pendidikan, serta tidak memiliki pekerjaan yang menjamin kehidupan masa depan dan merasa cemas terhadap masa deoan tersebut. Selain itu, kemiskinan juga dapat diartikan sebagai kondisi yang menyebabkan kehilangan seseorang akibat kurangnya akses air bersih, serta kondisi yang melibatkan rasa tidak berdaya, kurang representasi dan kehilangan kebebasan.

Kemiskinan merupakan permasalahan yang multidimensial dan masih dihadapi Indonesia sampai saat ini. Tingkat kemiskinan yang terjadi di Indonesia tergolong tinggi, hal ini relevan dengan data BPS tahun 2022 dimana jumlah penduduk miskin di Indonesia mencapai 26,36 juta jiwa dimana Kabupaten Wonosobo sendiri berkontribusi sebesar 0,4% penduduk miskin di Indonesia.

Jumlah penduduk miskin di Kabupaten Wonosobo, berdasarkan data BPS tahun 2022 tercatat sebanyak 128.110 jiwa yang mana persentase penduduk miskin sebesar 16,17% dari total kemiskinan di kabupaten tersebut. Berdasarkan PDRB per kapita ADHK tahun 2022, Kabupaten Wonosobo termasuk dalam wilayah yang memiliki pendapatan yang rendah yaitu sebesar 16,48 juta rupiah atau hanya sebesar 1,57% dari PDRB Provinsi Jawa Tengah. Permasalahan kemiskinan itu sendiri merupakan vicious circle (lingkaran setan) yang terdiri dari beberapa faktor yang saling berpengaruh diantaranya tingkat Pendidikan rendah, produktivitas tenaga kerja rendah, minimnya upah atau pendapatan, adanya ketimpangan distribusi pendapatan, keterbatasan kesempatan kerja serta

(12)

12

kurangnya penguasan maupun penggunaan teknologi (Tambunan, 2001). Tingkat Pendidikan di Kabupaten Wonosobo tergolong rendah dimana jumlah penduduk di kabupaten ini didominasi dengan Pendidikan akhir brupa tamat SD sebesar 59,95%. Tingkat Pendidikan yang rendah berimplikasi terhadap tingginya tingkat pengangguran di Kabupaten Wonosobo yaitu sebesar 23,54% dari total penduduk di kabupaten tersebut. Jika ditinjau kembali, Kabupaten Wonosobo memiliki meerupajan wilayah yang memiliki sektor pariwisata sebagai unggulan, namun keberadaan sektor unggulan tersebut tidak sejalan dengan tingkat kemiskinan yang seharusnya dapat mengurangi tingkat kemiskinan tapi sebaliknya meningkatkan tingkat kemiskinan di wilayah tersebut. Sektor pariwisata merupakan salah satu sektor yang sering mengalami fluktuasi akibat dari perubahan tren wisata yang berdampak terhadap menurunnya sektor tersebut sehingga implikasinya terhadap peningkatan kemiskinan terhadap Kabupaten Wonosobo.

Tingkat kemiskinan di Kabupaten Wonosobo yang cenderung mengalami fluktuatif atau naik-turun perlu adanya suatu alternatif program sebagai upaya pengentasan masalah tersebut. Oleh karena itu, perlu dilakukan analisis faktor lebih lanjut mengenai faktor penyebab tingginya kemiskinan di Kabupaten Wonosobo sehingga nantinya dapat diguanakn dalam pedoman dalam penangan masalah tersebut, perlu dilakukan analisis trendline untuk mengetahui kecenderungan perkembangan masalah kemiskinan di Kabupaten Wonosobo, serta perlu dilakukannya analisi AHP dalam penyusunan program alternatif penanganan kemiskinan di Kabupaten Wonosobo Provinsi Jawa Tengah.

1.2 Tujuan Penelitian

Penelitian ini bertujuan untuk mengetahui program alternatif penangan masalah kemiskinan di Kabupaten Wonosobo Provinsi Jawa Tengah yang akan terbentuk berdasarkan tiga metode analisis diantaranya analisis faktor, analisis trendline serta analisi AHP.

(13)

13 BAB II

KAJIAN LITERATUR 2.1 Kemiskinan

Kemiskinan merupakan tingkat standar hidup yang rendah dimana terdapat tingkat kekurangan materi pada seseorang atau sekelompok yang apabila dibandingkan dengan standar kehidupan yang berlaku dalam masyarakat (Suparlan, 1919). Menurut Mahmudi & Msi (2005), Kemisikinan adalah lingkaran setan yang terdiri dari 3 poros utama penyebab seseorang menjadi miskin diantaranya tingkat kesehatan rendah, pendapatan yang rendah serta tingkat Pendidikan yang tergolong rendah. Adapun indikator kemiskinan menurut data BPS, garis kemiskinan dalam ditetapkan berdarkan masyarakat yang berpenghasilan dibawah 7.057. Angka ini dihitung berdasarkan kebutuhan makanan dan non-makanan. Untuk kebutuhan makanan minimum, digunakan standar sebesar 2.100 kilokalori per kapita per hari. Sedangkan untuk kebutuhan non-makanan, termasuk pengeluaran untuk perumahan, pendidikan, dan kesehatan. Menurut Sharp (dalam Kuncoro, 1997), terdapat beberapa faktor penyebaba kemiskinan diantaranya sebagai berikut.

1. Secara mikro, kemiskinan timbul akibat ketidaksetaraan dalam akses terhadap sumber daya sehingga menyebabkan ketimpangan distribusi pendapatan, dimana individu miskin hanya memiliki sumber daya yang terbatas dengan kualitas rendah.

2. Kemiskinan juga muncul karena perbedaan kualitas sumber daya manusia, dimana kualitas SDM yang rendah berakibat terhadapa produktivitas yang rendah. Kualitas SDM ini dapat disebabkan karena tingkat Pendidikan yang rendah, ketidakberuntungan, diskriminasi maupun faktor keturunan.

3. Selain itu, kemiskinan muncul akibat perbedaan dalam akses terhdap modal.

(14)

14 2.2 Analisis Statistik Deskriptif

Statistik deskriptif merupakan teknik analisis yang menggambarkan atau mendeskripsikan data penelitian melalui nilai minimum, maksimum, rata-rata (mean), standar deviasi, sum, range, kurtosis, dan kesalahan distribusi, analisis ini juga bertujuan untuk memberikan gambaran fenomena terkait variabel penelitian melalui data yang telah dikumpulkan (Ghozali, 2016). Kesimpulan dalam analisis statistik deskriptif hanya dapat ditarik berdasarkan data yang ada, meliputi (Nasution, 2017).

1. Distribusi frekuensi dan komponennya, seperti:

a. Grafik distribusi (histogram, poligon frekuensi, dan ogif).

b. Ukuran nilai pusat (rata-rata, median, modus, kuartil, dll).

c. Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku, dll).

d. Kemencengan dan keruncingan kurva.

2. Angka indeks.

3. Time series/deret waktu atau data berkala.

4. Korelasi dan regresi sederhana.

Menurut (Suryoatmono, 2007), statistika deskriptif merupakan statistika yang menggunakan data dalam suatu kelompok sebagai penjelasan dan penarikan kesimpulan mengenai,

1. Ukuran Lokasi: mode, mean, median, dll

2. Ukuran Variabilitas: varians, standar deviasi, range, dll 3. Ukuran Bentuk: skewness, kurtosis, plot boks

2.3 Analisis Faktor

Analsis faktor adalah suatu metode yang bertujuan untuk mengidentifikasikan hubungan antara beberapa variabel yang pada awalnya saling independen, sehingga dapat dibentuk satu atau beberapa kelompok variabel yang lebih sedikit dari jumlah variabel awalnya (Santoso, 2003). Dengan demikian, analysis faktor dapat membantu dalam memahami struktur yang mendasari data yang komplek

(15)

15

serta dapat membantu dalam mengidentifikasikan variabel yang memiliki pengaruh dominan atau menyediakan informasi yang serupa. Menurut (Santoso, 2003), terdapat beberapa asumsi-asumsi yang digunakan untuk mengetahui korelasi antar variabel independent diantaranya.

1. Besar korelasi antar variabel independent harus kuat yaitu lebih besar dari 0,5.

2. Besar korelasi parsial yang merupakan ukuran korelasi antara 2 variabel dengan mengontrol atau menjaga variabel lain tetap, dimana Anti-Image Correlation seharusnya memiliki nilai yang rendah.

3. Pengujian seluruh matriks korelasi antar variabel, digunakan metode seperti uji Bartlett Test of Sphericity atau Measure Sampling Adequacy (MSA). Adapun ketentuan nilai yang harus diperhatikan daalam Measure Sampling Adequacy (MSA), yaitu:

a. MSA = 1, berarti variabel dapat diprediksi tanpa kesalahan dari variabel yang lain

b. MSA > 0,5, berarti variabel masih bisa diprediksi dan analisis dapat dilanjutkan

c. MSA < 0,5, variabel tidak dapat diprediksi dan tidak dapat dianalisis lebih lanjut, sehingga perlu dilakukan pengeluaran variabel.

4. Pada beberapa kasus, disarankan untuk memenuhi asumsi normalitas pada variabel variabel atau faktor yang terlibat.

Logika pengujian tersebut, jika sebuah variabel memiliki kecenderungan untuk membentuk kelompok atau faktor, maka variabel tersebut akan memiliki korelasi yang cukup tinggi dengan variabel lain dalam kelompok tersebut.

Begitupula sebaliknya, jika variabel memiliki korelasi yang lemah dengan variabel lain, maka kemungkinan variabel tersebut tidak akan tergabung dalam faktor tertentu.

(16)

16 2.4 Analisis Trendline

Analisis Trendline merupakan metode peramalan yang menggunakan model perhitungan untuk memprediksi nilai berdasarkan data historis, khususnya ketika data menunjukkan tren yang berkelanjutan naik atau turun dengan pola yang cenderung berulang secara relative (Mandala et al., 2022). Metode peramalan trendline merupakan metode peremalan yang melibatkan analisis data yang memiliki sifat deret waktu yang berkala. Periode data berkala dapat berupa tahunan, mingguan, bulanan, semester, kuartal, dan lainnya yang tetap dalam interval waktu yang konsisten. Tujuan dari periode berkala ini adalah untuk mengidentifikasi pola dalam deret data historis dan menggambarkan pola tersebut ke masa depan.

Dalam metode peramalan trendline, terdapat beberapa pendekatan yang digunakan diantaranya sebagai berikut.

1. Metode pemulusan (smoothing) yang pertama kali dikembangkan oleh para ahli penelitian operasional pada akhir 1950-an. Metode ini memiliki keuntungan utama berupa kemudahan dan biaya yang rendah. Metode pemulusan dapat diklasifikasikan menjadi metode rata-rata dan metode eksponensial.

2. Metode dekomposisi yang berusaha untuk memisahkan tiga komponen utama dari pola dasar dalam deret data ekonomi. Komponen-komponen tersebut meliputi faktor trend (kecenderungan), siklus, dan musiman.

2.5 Analisis AHP (Analythical Hierarchy Process)

Analythical Hierarchy Process atau dikenal dengan analisis AHP merupakan suatu metode yang digunakan untuk mengatasi situasi yang kompleks dan tidak terstruktur dengan memecahkannya ke dalam beberapa komponen yang tersusun dalam hierarki, dimana metode ini melibatkan pemberian nilai subjektif terhadap tingkat kepentingan relatif dari setiap variabel dan menentukan variabel mana yang memiliki prioritas tertinggi untuk mempengaruhi hasil dalam situasi

(17)

17

tersebut. Dengan menggunakan pendekatan hierarki, masalah yang kompleks dapat dianalisis dan dipecahkan ke dalam kelompok-kelompok yang lebih kecil.

Dalam bentuk hirarki, masalah tersebut dapat diorganisir secara terstruktur dan sistematis, sehingga memudahkan pemahaman dan penyelesaiannya (Syaifullah, 2010 dalam Mujiastuti et al., 2017)). Menurut Thomas L. Saaty, terdapat tiga prinsip utama dalam pemecahan masalah dalam AHP diantaranya dekomposisi, perbandingan relatif, dan konsistensi logis.Adapun, prosedur dari AHP itu sendiri sebagai berikut (Saaty, 1988).

1. Dekomposisi masalah: Tujuan yang telah ditetapkan diuraikan secara sistematis menjadi struktur hierarkis yang terdiri dari elemen-elemen yang saling berhubungan. Tujuan utuh dipecah menjadi elemen-elemen penyusunnya.

2. Perbandingan relatif: Setelah proses dekomposisi selesai dan hierarki terbentuk, dilakukan penilaian perbandingan berpasangan (pembobotan) untuk menentukan tingkat kepentingan relatif setiap elemen dalam hierarki.

3. Penyusunan matriks dan Uji Konsistensi: Setelah proses penilaian selesai, dibuat matriks berpasangan untuk menghasilkan bobot tingkat kepentingan yang telah dinormalisasi untuk setiap elemen dalam hierarki. Dilakukan uji konsistensi untuk memastikan keakuratan hasil penilaian.

4. Penetapan prioritas pada masing-masing hirarki: Dilakukan perbandingan berpasangan (pairwise comparisons) untuk setiap kriteria dan alternatif.

Nilai-nilai perbandingan tersebut digunakan untuk menentukan peringkat alternatif dari seluruh alternatif yang ada. Bobot atau prioritas dihitung dengan menggunakan matriks atau persamaan matematik.

5. Sintesis prioritas: Prioritas lokal dikalikan dengan prioritas dari kriteria di level atasnya dan ditambahkan ke elemen-elemen dalam level yang dipengaruhi oleh kriteria tersebut. Hal ini menghasilkan prioritas global yang dapat digunakan untuk memberikan bobot prioritas lokal pada elemen-elemen di level terendah sesuai dengan kriterianya.

(18)

18

6. Pengambilan keputusan: Proses dimana alternatif-alternatif dibandingkan berdasarkan kriteria yang ditetapkan untuk memilih alternatif terbaik.

Dengan menggunakan langkah-langkah ini, AHP dapat membantu dalam menguraikan masalah kompleks menjadi struktur yang lebih terorganisir, memperbandingkan elemen-elemen relatif, dan mempertimbangkan prioritas untuk pengambilan keputusan.

(19)

19 BAB III

GAMBARAN KASUS 3.1 Profil Wilayah Kabupaten Wonosobo

Kabupaten Wonosobo merupakan salah satu kabupaten yang ada di Provinsi Jawa Tengah yang memiliki ibukota Kecamatan Wonosobo.

Gambar 1 Peta Administrasi Kabupaten Wonosobo Sumber: Badan Indormasi Geospasial, 2022

Secara Astronomis, Kabupaten Wonosobo terletak antara 7°11’ - 7°36’

Lintang Selatan dan 109°43’ - 110°04’ Bujur Timur. Kabupaten Wonosobo terdiri dari 15 Kecamatan serta 265 kelurahan/ desa. Adapun batas dari Kabupaten Wonosobo adalah sebagai berikut:

• Utara : Kabupaten Kendal dan Kabupaten Batang

• Timur : Kabupaten Temanggung dan Kabupaten Magelang

• Selatan : Kabupaten Kebumen dan Kabupaten Purworejo

• Barat : Kabupaten Banjarnegara dan Kabupaten Kebumen

(20)

20

Secara geografis, Kabupaten Wonosobo memiliki bentang lahan berupa dataran, kaki gunungapi, lereng gunung api, pegunungan struktural lipatan, serta perbukitan struktural patahan. Kabupaten Wonosobo terletak di ketinggian 200- 3.500 mdpl dengan kemiringan lereng bervariasi antara 0-40%. Adapun secara demografis, jumlah penduduk Kabupeten Wonosobo tahun 2022 tercatat sebanyak 923.793 jiwa yang terdiri dari 456.748 jiwa penduduk laki-laki dan 439.598 jiwa penduduk perempuan serta memiliki laju pertumbuhan penduduk per tahun 1,61%

dan kepadatan penduduk di Kabupaten Wonosobo mencapai 938 jiwa/Km². Selain itu, jumlah Angkatan kerja di Kabupaten Wonosobo mencapai 453.724 jiwa dengan jumlah pengangguran terbuka sebanyak 22.714 jiwa.

3.2 Permasalahan Kemiskinan Kabupaten Wonosobo

Kabupaten Wonosobo merupakan salah satu wilayah di Jawa Tengah yang mengalami masalah kemiskinan, hal ini terepresentasikan dengan banyaknya jumlah penduduk miskin yang mencapai 128.110 jiwa atau sebesar 16,17% dari total penduduk di Kabupaten Wonosobo. Jumlah miskin di Kabupaten Wonosobo ini berkontribusi sebanyakl 3,34% penduduk miskin di Jawa Tengah. Adapun batas kemiskinan Kabupaten Wonosobo tahun 2022 tercatat sebesar 399.180 Rp/Kal/Bulan yang mana jumlah tersebut telahh mengalami peningkatan dari tahun 2021 sebesar 7%. Jika ditinjau lebih lanjut berdasarkan PDRB per kapita ADHK tahun 2022, Kabupaten Wonosobo termasuk dalam wilayah yang memiliki pendapatan yang rendah yaitu sebesar 16,48 juta rupiah atau hanya sebesar 1,57%

dari PDRB Provinsi Jawa Tengah.

3.3 Variabel dan Skoring Analisis

Analisis faktor yang akan dilakukan dalam penelitian ini menggunakan beberapa variabel dan skoring sebagai berikut.

No. Variabel Skor Indikator

1.

Tingkat Pendidikan Rendah

1 Tidak Berpengaruh 2 Sedikit Berpengaruh 3 Cukup Berpengaruh

(21)

21

4 Berpengaruh

5 Sangat Berpengaruh 2.

Tingginya Tingkat Pengangguran

4 Berpengaruh

Minimnya Pendapatan/Upah

4 Berpengaruh

Keterbatasan Akses Infrastruktur (jalan, listrik, tyelekomunikasi,

sanitasi, air bersih, dll)

4 Berpengaruh

Rendahnya Akses Terhadap Teknologi

4 Berpengaruh

5 Sangat Berpengaruh

Ketergantungan Terhadap Sektor yang Rentan (pertanian,

pariwisata, umkm, dll)

1 Tidak Berpengaruh

6. 2 Sedikit Berpengaruh

3 Cukup Berpengaruh

4 Berpengaruh

(22)

22

5 Sangat Berpengaruh

Keterbatasan Akses Terhadap Pelayanan Kesehatan

1 Tidak Berpengaruh

7. 2 Sedikit Berpengaruh

3 Cukup Berpengaruh

4 Berpengaruh

5 Sangat Berpengaruh Tabel 1. Variabel dan Skoring Faktor Kemiskinan

Sumber: Analisis Penulis, 2023

Analisis AHP (Analythical Hierarchy Process) dalam penelitian ini memiliki beberapa Kriteria dan Alternatif sebagi program penanganan masalah kemiskinan di Kabupaten Wonosobo. Adapun kriteria dan alternatif tersebut sebagai berikut.

Kode Kriteria Kode Alternatif

C1 Peningkatan Kualitas SDM A1 Peningkatan Investasi Infrastruktur

C2 Peningkatan Ekonomi A2 Penambahan Lapangan Kerja C3 Pemberdayaan UMKM A3 Peningkatan Pendidikan

Tabel 2 Kriteria & Alternatif Program Penanganan Kemiskinan di Kabupaten Wonosobo

(23)

23

Tabel 3 Skor Penilaian Kriteria Program Pengentasan Kemiskinan di Kabupaten Wonosobo

Sumber: Saaty, T. L. (1988). What is the analytic hierarchy process?

Springer.

3.4 Penggunaan Data

Penelitian ini menggunakan data primer berupa kuisioner dan data sekunder berupa da.ta Publikasi BPS Kabupaten Wonosobo.

1. Data Primer

Data Primer merupakan jenis sumber data yang diberikan secara langsung tanpa melalui perantara seperti wawancara, kuisioner, dan sebagainya (Sugiyono, 2010). Data primer dalam penelitian ini berupa kuisioner reponden terhadap variabel analisis faktor serta data responden kuisioner mengenai kriteria dan alternatif program penagangan kemiskinan di Kabupaten Wonosobo.

Responden Pendidikan Pengangguran Pendapatan/upah Infrastruktur Teknologi Ketergantungan Pelayanan Kesehatan

1 4 4 4 4 3 3 3

2 5 5 5 5 5 5 5

3 4 5 4 3 3 4 3

4 4 4 3 4 4 4 4

(24)

24

5 5 5 4 4 3 4 3

6 3 5 5 3 3 4 3

7 3 5 4 4 4 3 3

8 5 4 4 3 3 4 3

9 4 5 5 4 3 4 4

10 5 3 3 2 4 2 2

11 5 3 5 5 5 5 4

12 4 5 5 3 3 3 3

Tabel 4 Data Responden terhadap Variabel Analisis Faktor Sumber: Analisis Penulis, 2023

Responden

A1 A2 A3

C1-C2 C1-C3 C2-C3 C1-

C2 C1-C3 C2-C3 C1-C2 C1-C3 C2-C3

1 3 7 7 8 7 7 3 8 4

2 6 6 6 9 8 9 3 6 6

3 5 4 4 2 6 5 5 8 4

4 5 5 4 5 6 7 4 6 4

5 4 3 3 5 5 5 7 5 5

6 3 7 8 7 6 9 8 7 5

7 3 7 8 8 6 8 6 7 7

8 4 1 2 2 4 7 3 8 4

9 8 5 8 9 5 8 3 6 6

10 3 8 5 9 9 8 9 9 9

11 6 6 6 9 9 9 7 7 7

12 4 5 6 4 6 8 5 7 8

Tabel 5 Data Responden terkait Penilaian Kriteria & Alternatif Penanganan Kemisinan di Kabupaten Wonosobo

Sumber: Analisis Penulis, 2023 2. Data Sekunder

Data Sekunder merupakan jenis seumber data yang tidak memberikan data secara langsung tetapi melalui perantara seperti dokumen, website, dan sebagainya (Sugiyono, 2010). Dalam penelitian ini data sekunder yang digunakan yaitu data persentase penduduk miskin Kabupaten Wonsosobo dan Provinsi Jawa Tengah tahun 2012-2022, data jumlah penduduk miskin Kabupaten Wonosobo dan Provinsi Jawa Tengah tahun 2012-2022, serta data jumlah penduduk miskin di Kabupaten Wonosobo tahun 2018-2022 yang didapatkan dari publikasi BPS Kabupaten Wonosobo.

(25)

25 Tahun Jawa Tengah

(%)

Kabupaten Wonosobo (%)

2012 14,98 22,5

2013 14,44 22,08

2014 13,58 21,42

2015 13,58 21,45

2016 13,27 20,53

2017 13,01 20,32

2018 11,32 17,58

2019 10,8 16,63

2020 11,41 17,36

2021 11,79 17,67

2022 10,93 16,17

Tabel 6 Persentase Penduduk Miskin Kabupaten Wonosobo & Provinsi Jawa Tengah Tahun 2012-2022

Sumber: Wonosobokab.bps Tahun Kabupaten Wonosobo

(ribu jiwa)

Jawa Tengah (ribu jiwa)

2012 169,3 4863,50

2013 170,1 4811,30

2014 165,83 4561,82

2015 166,4 4577,00

2016 160,12 4506,89

2017 159,2 4450,72

2018 138,3 3897,20

2019 131,3 3743,23

2020 137,64 3980,90

2021 139,67 4109,75

2022 128,11 3831,44

Tabel 7 Jumlah Penduduk Miskin Kabupaten Wonosobo & Provinsi Jawa Tengah Tahun 2012-2022

Sumber: Wonosobokab.bps

Tahun 2018 2019 2020 2021 2022

Jumlah Penduduk Miskin 138.300 131.300 137.640 139.670 128.110 Tabel 8 Jumlah Penduduk Miskin Kabupaten Wonosobo Tahun 2018-2019

(26)

26 BAB IV ANALISIS 4.1 Tahapan Analisis

Pada penelitian ini, analisis dilakukan menggunakan data yang telah tersedia yang kemudian akan dianalisis menggunakan aplikasi Excel dan SPSS. Analisis korelasi akan dilakukan dalam tiga tahap yang diantaranya tahap pengenalan masalah dengan menggunakan metode analisis statistic deskriptif dan analisis faktor, tahap identifikasi perkembangan dengan menggunakan metode analisis trendline, dan tahap perumusan alternatif dengan menggunakan metode analisis Analythical Hierarchy Process (AHP) yang diolah menggunakan software Statistical Product and Service Solution (SPSS) dan aplikasi Excel. Dengan demikian, terdapat rangkaian tahapan analisis sebagai berikut:

Gambar 2 Tahapan Analisis Sumber: Analisis Penulis, 2023

(27)

27 4.2 Analisis Statistik Deskriptif

Analisis statistic deskriptif dapat membantu menggambarkan data baik secara grafis maupun numerik, dimana analisis ini dapat membantu memahami variabel yang relevan dalam memvisualisasikan data yang terkait dengan faktor penyebab.

Analisis deskriptif dalam penelitian ini menggunakan data persentase pendudk miskin di Kabupaten Wonosobo dan Provinsi Jawa Tengah tahun 2012-2022.

Provinsi Jawa Tengah Kabupaten Wonosobo

Mean 12,6464 Mean 19,4282

Standard Error 0,44008 Standard Error 0,71199

Median 13,01 Median 20,32

Standard Deviation 1,45958 Standard Deviation 2,36141

Variance 2,130 Variance 5,576

Kurtosis -1,421 Kurtosis -1.887

Skewness 0,165 Skewness -0,104

Range 4,18 Range 6,33

Minimum 10,80 Minimum 16,17

Maximum 14,98 Maximum 22,50

Sum 139.11 Sum 213,71

Tabel 9 Hasil Analisis Statistik Deskriptif Sumber: Analisis Penulis, 2023

Selama 10 tahun terakhir, rata-rata persentase penduduk miskin di Kabupaten Wonosobo melebihi rata-rata persentase penduduk miskin di Provinsi Jawa Tengah. Rata-rata persentase penduduk miskin di Kabupaten Wonosobo mencapai 19,43, sedangkan rata-rata persentase penduduk miskin di Provinsi Jawa Tengah adalah 12,65. Nilai maximum persentase penduduk miskin di Kabupaten Wonosobo sebesar 22,50 sedangkan nilai maximum persentase penduduk miskin untuk Provinsi Jawa Tengah sendiri sebesar 14,98 dimana nilai maximum kedua wilayah tersebut terjadi pada tahun yang sama yaitu tahun 2012. Adapun nilai minimum persentase penduduk miskin di Kabupaten Wonosobo yaitu 16,17 yang mana terjadi pada tahun 2022 sedangkan untuk Provinsi Jawa Tengan yaitu sebesar 10,80 terjadi pada tahun 2019.

(28)

28

Grafik 1 Persentase Penduduk Miskin di Kabupaten Wonosobo & Provinsi Jawa Tengah Tahun 2012-2022

Berdasarkan grafik persentase penduduk miskin di Kabupaten Wonosobo dan Provinsi Jawa Tengah, perkembangan persentase penduduk miskin di kedua wilayah cenderung sama yang mana dapat diartikan bahwa tren perubahan persentase penduduk miskin di Kabupaten Wonosobo sejalan dengan tren perubahan persentase penduduk miskin di Provinsi Jawa Tengah. Adapun persentase penduduk miskin di diperoleh dari perhitungan jumlah penduduk miskin dibagi dengan total jumlah penduduk di yang dikali dengan 100.

0 5 10 15 20 25

2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022

Grafik Persentase Penduduk Miskin di Kabupaten Wonosobo & Provinsi Jawa Tengah Tahun 2012-

2022

Jawa Tengah Kabupaten Wonosobo

(29)

29

Grafik 2 Jumlah Penduduk Kabupaten Wonosobo & Provinsi Jawa Tengah Tahun 2012-2022

Berdasarkan grafik jumlah penduduk miskin di Kabupaten Wonosobo dan Provinsi Jawa Tengah, dapat diketahui bahwa Kabupaten Wonosobo berkontribusi terhadap jumlah penduduk miskin di Provinsi Jawa Tengah. Rata-rata kontribusi jumlah penduduk miskin di Kabupaten Wonosobo terhadap Provinsi Jawa Tengah yaitu sebesar 3,52%. Jumlah penduduk miskin di Kabupaten Wonosobo ini dapat dipengaruhi oleh beberapa faktor, untuk mengetahui faktor-faktor yang dapat mempengaruhi tingkat kemiskinan tersebut dapat pada analisis faktor selanjutnya.

4.3 Analisis Faktor

Tahap pengenalan masalah, dalam penelitian ini menggunakan metode analisis faktor dengan menggunakan variabel tingkat Pendidikan rendah, tingkat pengangguran yang tinggi, rendahnya pendapatan/upah, keterbatasan akses terhadap infrastruktur, rendahnya akses tekonologi, ketergantungan terhadap sektor yang rentan serta keterbatasan akses terhadap pelayanan kesehatan untuk mengidentifikasi keterkaitan antara variabel-variabel tersebut. Berikut ini adalah hasil analisis faktor yang telah dijalankan menggunakan perangkat lunak SPSS.

1) Descriptive Statistics

2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 Kabupaten Wonosobo 169,3 170,1 165,83 166,4 160,12 159,2 138,3 131,3 137,64 139,67 128,11 Jawa Tengah 4863,50 4811,30 4561,82 4577,00 4506,89 4450,72 3897,20 3743,23 3980,90 4109,75 3831,44

0 1000 2000 3000 4000 5000 6000

Jumlah Penduduk Miskin di Kabupaten Wonosobo dan Provisnsi Jawa Tengah Tahun 2012-2022

(30)

30

Descriptive statistic merupakan hasil analisis yang memberikan gambaran tentang data secara ringkas, termasuk nilai mean (rerata), standar deviasi (deviasi standar), dan jumlah observasi (Analysis N).

Descriptive Statistics

Mean Std. Deviation Analysis N

Pendapatan 4.2500 .75378 12

Tekonologi 3.5833 .79296 12

Pendidikan 4.2500 .75378 12

Pengangguran 4.4167 .79296 12

Ketergantungan 3.7500 .86603 12

Infrastruktur 3.6667 .88763 12

Pel_Kesehatan 3.3333 .77850 12

Tabel 10 Descriptive Statistics Sumber: Analisis Penulis, 2023

Analisis faktor pada tahap pertama yaitu Descriptive Statistics dengan 7 variabel dihasilkan Analysis N sejumlah 12 pada seluruh variabel, hal ini menandakan tidak terdapat variabel yang hilang sesuai dengan data yang diinput..

2) KMO dan Bartlett’s

KMO (Keiser Mayer Olkin) dan Uji Bartlett digunakan untuk mengevaluasi kelayakan data variabel dapat diterima atau tidak dalam analisis faktor.

3) KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .722 Bartlett's Test of Sphericity Approx. Chi-Square 33.100

df 21

(31)

31

Sig. .045

Tabel 11 KMO & Bartlett's Test Sumber: Analisis Penulis, 2023

Variabel dapat dinyatakan memiliki kelayakan apabila memiliki nilai KMO > 0,5 sedangkan untuk mengetahui matriks adanya korelasi dan kelayakan data untuk dianalisis lebih lanjut dapat menggunakan nilai signifikansi dengan syarat < 0,05. Berdasarkan analisis KMO &

Bartlett’s Test, nilai KMO yang dihasilkan dapat diterima kelayakannya dimana memiliki niali lebih dari 0,5 atau sebesar 0,722.

Selain itu, dari analisis tersebut juga dihasilkan nilai sig. 0,045 lebih kecil dari 0,05 sehingga penelitian bisa dilanjutkan dengan data yang ada.

4) Anti-Image Matrix

Anti-image matrix merupakan salah satu tahapan yang digunakan untuk mengidentifikasi dan mengevaluasi kelayakan suatu variabel dalam analisis faktor.

Anti-image Matrices Pendapat

an

Tekonolog i

Pendid ikan

Pengan gguran

Ketergant

ungan Infrastruktur Pel_Keseha tan

Anti-image Covariance

Pendapatan .604 .012 .058 -.116 -.120 -.028 -.001 Tekonologi .012 .386 -.006 .216 .062 -.071 -.104 Pendidikan .058 -.006 .633 .218 -.115 .043 -.015 Penganggur

an -.116 .216 .218 .419 .016 .014 -.093

Ketergantun

gan -.120 .062 -.115 .016 .278 -0.41 -.112

Infrastruktur -.028 -.071 .043 .014 -.041 .277 -.104

(32)

32

Pel_Keseha

tan -.001 -.104 -.015 -.093 -.112 -.104 .169

Anti-image Correlation

Pendapatan .846â .025 .095 -.231 -.294 -.068 -.004 Tekonologi .025 .658â -.012 .537 .188 -.217 -.408 Pendidikan .095 -.012 .634â .423 -.274 .104 -.047 Penganggur

an -.231 .537 .423 .509^a .047 .042 -.350

Ketergantun

gan -.294 .188 -.274 .047 .773^a -.146 -.515

Infrastruktur -.068 -.217 .104 .042 -.146 .844^a -.478 Pel_Keseha

tan -.004 -.408 -.047 -.350 -.515 -.478 .710^a

Tabel 12 Anti-Image Matrics Sumber: Analisis Penulis, 2023

Analisis Anti-Image Corelation dilakukan dengan menggunakan nilai MSA atau yang ditandai dengan angka berpangkat a, sebagai syarat kelayakan suatu variabel dimana nilai MSA yang memenuhi persyaratan yaitu > 0,5. Berdasarkan analisis Anti-Image Matrix, seluruh variabel dalam penelitian ini mempunyai nilai MSA> 0,5 yang mana berarti data dapat diprediksi ataupun dianalisis lebih lanjut lagi.

5) Communalities

Tabel communalities adalah hasil dari analisis faktor yang menunjukkan sejauh mana variabel-variabel dalam instrumen pengukuran dapat menjelaskan variabel lainnya. Nilai dalam tabel communalities mencerminkan persentase variabilitas suatu variabel yang dapat dijelaskan oleh variabel lainnya.

Communalities

Initial Extraction

(33)

33

Pendapatan 1.000 .620

Tekonologi 1.000 .712

Pendidikan 1.000 .575

Pengangguran 1.000 .815

Ketergantungan 1.000 .791

Infrastruktur 1.000 .808

Pel_Kesehatan 1.000 .887

Tabel 13 Communalities Sumber: Analisis Penulis, 2023

Berdasarkan tabel Communalities di atas, dapat dilihat bahwa seluruh variabel memiliki nilai extraction di > 0,5 yang mana berarti variabel-variabel tersebut mampu menjelaskan faktor Kemiskinan di Kabupaten Wonosobo serta dapat digunakan untuk melanjutkan analisis. Semakin mendekati 1 nilai extractionnya maka variabel semakin jelas suatu variabel dalam mendeskripsikan variabel lainnya.

Pada analisis Communalities tercatat terdapat nilai extraction 0,887 atau mendekati 1 yaitu variabel pelayanan kesehatan, sehingga dapat diartikan bahwa variabel pelayanan kesehatan mempunyai kontribusi yang signifikan dari permasalahan kemiskinan di Kabupaten Wonosobo.

6) Total Varience Explained

Tahap analisis total variance explained merupakan salah satpenting untuk menentukan nilai eigenvalue yang digunakan sebagai faktor penentu dalam analisis.

Total Variance Explained

Comp

onent Initial Eigenvalues Extraction Sums of Squared Loadings

Rotation Sums of Squared Loadings

(34)

34 Total % of

Variance

Cumulati

ve % Total % of Variance

Cumulati ve %

Total % of

Variance Cumulative

1 3.264 46.624 46.624 3.264 46.624 46.624 3.237 46.250 46.250

2 1.945 27.786 74.411 1.945 27.786 74.411 1.971 28.161 74.411

3 .708 10.108 84.519

4 .478 6.829 91.348

5 .275 3.922 95.270

6 .217 3.094 98.365

7 .114 1.635 100.000

Tabel 14 Total Variance Explained Sumber: Analisis Penulis, 2023

Berdasarkan tabel Total Variance Explained, menunjukkan bahwa terbentuk 2 faktor yang memenuhi syarat nilai Initial Eigenvalue > 1.

Faktor pertama yang terbentuk dalam analisis Total Variance Explained memiliki 46,6% varians dan 27,7% varians untuk faktor kedua yang terbentuk.

7) Grafik Scree Plot

Grafik scree plot digunakan untuk memvisualisasikan jumlah faktor yang memiliki hubungan dengan faktor lain dalam analisis faktor. Pada grafik tersebut, sumbu x menunjukkan jumlah variabel, sedangkan sumbu y menunjukkan eigenvalue.

(35)

35

Grafik 3 Scree Plot Sumber: Analisis Penulis, 2023

Pada grafik scree plot, terdapat jumlah komponen dengan nilai eigenvalue di atas 1.0, yang mana menandakan jumlah faktor yang terbentuk. Grafik scree plot menunjukkan bahwa terdapat 2 faktor yang memiliki hubungan yang signifikan dengan faktor lain.

8) Component Matriks

Component matrix berisi nilai korelasi antara setiap variabel dengan setiap komponen dalam analisis faktor. Nilai korelasi tersebut menunjukkan seberapa kuat hubungan antara setiap variabel dengan masing-masing komponen.

Component Matrix^a

Component

1 2

Pendapatan .578 .535

Tekonologi .614 -.578

Pendidikan .250 -.716

Pengangguran .118 .895

Ketergantungan .885 .086

(36)

36

Infrastruktur .899 -.015

Pel_Kesehatan .940 .061

Tabel 15 Component Matrix Sumber: Analisis Penulis, 2023

Berdasarkan Component Matrix, dapat dilihat bahwa terbentuk dua faktor yang dapat dijelaskan, dan banyaknya variabel yang termasuk dalam setiap faktor dapat ditentukan berdasarkan nilai komponen yang

> 0,5 (nilai minus dianggap sama). Tabel Component Matrix tersebut, tercatat terdapat 5 variabel yang termasuk dalam faktor 1 dan 2 sisanya termasuk dalam faktor 2.

9) Rotated Component Matrix

Rotated Componenet Matrix merupakan metode yang digunakan untuk memastikan posisi variabel dalam faktor yang sesuai, dimana melalui hasil rotasi terdapat perubahan penempatan variabel.

Rotated Component Matrix^a

Component

1 2

Pendapatan .648 -.448

Tekonologi .527 .659

Pendidikan .147 .744

Pengangguran .243 -.870

Ketergantungan .889 .040

Infrastruktur .888 .142

Pel_Kesehatan .939 .072

Tabel 16 Rotated Component Matrix Sumber: Analisis Penulis, 2023

(37)

37

Analisis rotasi ini menunjukkan adanya perubahan penempatan variabel teknologi, sehingga dapat disimpulkan bahwa terdapat 4 variabel di faktor 1 yang terdiri dari Pendapatan, Teknologi, ketergantungan, infrastruktur serta pelayanan kesehatan. Sedangkan 3 variabel yang tersisa yaitu teknologi, Pendidikan dan pengangguran termasuk dalam faktor 2.

Berdasarkan hasil analisis faktor, dapat dilihat bahwa terdapat 2 faktor yang terbentuk dari 7 variabel. Faktor tersebut diantaranya sebagai berikut.

1) Faktor Kesejateraan Hidup

Faktor kesejateraan hidup dipengaruhi oleh variabel pendapatan, ketergantungan, infrastruktur serta pelayanan kesehatan. Faktor kesejahteraan hidup ini merepresentasikan keterbatasan akses individu maupun sekelompok terhadap sarana dan prasarana infrastruktur, keterbatasan akan lapang kerja yang layak serta keterbatasan akan sumber daya ekonomi yang cukup.

2) Faktor Kualitas Sumber Daya Manusia

Faktor kualitas SDM dipengaruhi oleh variabel teknologi, Pendidikan serta pengangguran, diamana faktor ini menunjukkan kurangnya pengetahuan, keterampilan, dan kemampuan individu untuk berpartisipasi secara efektif dalam ekonomi dan masyarakat. Hal inilah yang dapat membatasi peluang pekerjaan yang baik dan penghasilan yang memadai, serta menghambat kemampuan individu untuk meningkatkan taraf hidup mereka. Kondisi inilah yang menyebabkan tingkat kemiskinan cenderung tinggi dan kesenjangan ekonomi semakin membesar.

4.4 Analisis Trendline

Tahap identifikasi perkembangan, digunakan metode analisis trendline untuk menganalisis data. Metode ini melibatkan pembuatan garis tren berdasarkan pola data yang ada. Dalam analisis ini, hasil trendline yang dipilih adalah metode dengan nilai R² yang paling besar atau yang mendekati 1. Hal ini menunjukkan tingkat kecocokan atau keakuratan trendline dalam menjelaskan variasi data.

(38)

38

Analisis perkembangan masalah kemiskinan di Kabupaten Wonosobo dapat dilakukan dengan analisis trendline dengan data yang digunakan yaitu jumlah penduduk miskin di Kabupaten Wonosobo. Berikut merupakan hasil analisis trendline terhadap perkembangan jumlah penduduk miskin di Kabupaten Wonosobo.

Tipe Trendline Persamaan R²

Linear Y= -1201x + 138607 0,1431

Eksponential Y= 138674𝑒^−0,009𝑥 0,1416

Logarithmic Y= -2661ln(x) + 137552 0,1134

Power Y=137562𝑥^−0,02 0,1131

Polynomial Y= -959,29x² + 4554,7x + 131892

0,2708

Tabel 17 Analisis Trendline dengan Beberapa Jenis beserta Persamaan &

R Square yang Dihasilkan

Berdasarkan hasil analisis beberapa tipe trendline, dapat diketahui bahwa tipe analisis trendline polynomial memiliki nilai R² yang paling mendekati angka 1 maupun paling terbesar. Jadi untuk menghitung proyeksi jumlah penduduk miskin di Kabupaten Wonosobo dapat digunakan dengan persamaan polynomial, Y= -959,29x² + 4554,7x + 131892.

Grafik 4 Trendline Polynomial terkait Jumlah Penduduk Miskin di Kabupaten Wonosobo

y = -959,29x²+ 4554,7x + 131892 R² = 0,2708

-300.000 -200.000 -100.000 0 100.000 200.000

2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 2031 2032 2033 2034 2035 2036 2037 2038 2039 2040

Jumlah Penduduk Miskin Kabupaten Wonosobo (Polynomial)

(39)

39

Berdasarkan analisis trendline polynomial, dapat diketahui bahwa jumlah penduduk miskin di Kabupaten Wonosobo cenderung mengalami penurunan setiap tahunnya. Hal ini dapat dilihat pada awal tahun 2033, tercatat jumlah penduduk miskin mengalami penurunan hingga mencapai minus terhadap jumlah penduduk miskin di Kabupaten Wonosobo. Berikut hasil proyeksi penduduk miskin di Kabupaten Wonosobo.

Tahun

Jumlah Penduduk

2018 138.300

2019 131.300

2020 137.640

2021 139.670

2022 128.110

2023 130.683

2024 124.686

2025 116.767

2026 106.935

2027 95.182

2028 81.510

2029 65.920

2030 48.410

2031 28.983

2032 7.637

2033 -15627,8

Tabel 18 Proyeksi Jumlah Penduduk Miskin di Kabupaten Wonosobo Sumber: Analisis Penulis, 2023

4.5 Analisis AHP (Analythical Hierarchy Process)

Tahap perumusan alternatif rencana, digunakan metode Analytical Hierarchy Process (AHP) untuk menentukan urutan prioritas alternatif dalam upaya menangani kemiskinan di Kabupaten Wonosobo. Data yang digunakan merupakan data yang diperoleh dari kuesioner responden. Alternatif-alternatif yang dievaluasi meliputi langkah-langkah atau solusi yang dapat diambil, sedangkan kriteria yang digunakan mencakup faktor-faktor seperti efektivitas, efisiensi, dampak sosial, dan keberlanjutan. Dengan menggunakan metode AHP, alternatif-alternatif tersebut akan dinilai berdasarkan kriteria-kriteria tersebut untuk menentukan

(40)

40

prioritas langkah-langkah yang paling efektif dalam mengurangi kemiskinan di Kabupaten Wonosobo.

Kriteria

C1 Peningkatan Kualitas SDM C2 Peningkatan Ekonomi C3 Pemberdayaan UMKM

Alternatif

A1 Peningkatan Investasi Infrastruktur A2 Penambahan Lapangan Kerja A3 Peningkatan Pendidikan

Tabel 19 Kriteria dan Alternatif Program Penanganan Kemiskinan di Kabupaten Wonosobo

Adapun penyusunan hierarki terkait tujuan, penetapan kriteria dan alternatif rencana yang akan digunakan sebagai berikut.

Gambar 3 Struktur Hierarki Analisis AHP Sumber: Analisis Penulis, 2023 1) Alternatif Peningkatan Investasi Infrastruktur

Berdasarkan hasil perhitungan tersebut, ditemukan bahwa nilai Consistency Ratio (CR) untuk alternatif peningkatan investasi

(41)

41

infrastruktur adalah 0,05 (CR < 0,1). Nilai CR ini didapatkan melalui perhitungan Consistency Index (CI) yang dihasilkan dari perhitungan Consistency Measure, kemudian CI dibagi dengan Random Consistency Index (RI). Nilai RI yang digunakan adalah 0,58 sesuai dengan jumlah n yaitu 3. Dengan demikian, nilai CR yang dihasilkan sebesar 0,05 sehingga alternatif peningkatan investasi infrastruktur dinilai konsisten sehingga dapat dianalisis lebih lanjut lagi.

PENINGKATAN INVESTASI INFRASTRUKTUR

C1 C2 C3 Total Average Consistensy

Measure

Prioritas

C1 0,677 0,720 0,500 1,897 0,632 2,601 1

C2 0,226 0,240 0,429 0,894 0,298 2,992 2

C3 0,097 0,040 0,071 0,208 0,069 3,593 3

Total 1 1 1 Cl 0,03

IR 0,58

C Ratio 0,05

Tabel 20 Uji Konsistensi terkait Program Alternatif 1 terhadap Penanganan Kemiskinan di Kabupaten Wonosobo

Adapun prioritas kriteria dalam alternatif peningkatan investasi infrastruktur diurutkan berdasarkan nilai average atau rata-rata dari yang terbesar hingga terkecil, sehingga dapat diketahui urutan prioritasnya yaitu peningkatan kualitas SDM, peningkatan ekonomi, serta pemberdayaan UMKM.

2) Alternatif Penambahan Lapangan Kerja

Berdasarkan hasil perhitungan tersebut, ditemukan bahwa nilai Consistency Ratio (CR) untuk alternatif penambahan lapangan kerja adalah 0,08 (CR < 0,1). Nilai CR ini didapatkan melalui perhitungan Consistency Index (CI) yang dihasilkan dari perhitungan Consistency Measure, kemudian CI dibagi dengan Random Consistency Index (RI).

Nilai RI yang digunakan adalah 0,58 sesuai dengan jumlah n yaitu 3.

Dengan demikian, nilai CR yang dihasilkan sebesar 0,08 sehingga

(42)

42

alternatif penambahan lapangan kerja dinilai konsisten sehingga dapat dianalisis lebih lanjut lagi.

PENAMBAHAN LAPANGAN KERJA

Measure

Prioritas

C1 0,783 0,889 0,400 2,071 0,690 2,648 1

C2 0,087 0,099 0,533 0,719 0,240 3,125 2

C3 0,130 0,012 0,067 0,209 0,070 3,507 3

Total 1 1 1 Cl 0,00

IR 0,58

C Ratio 0,08

Tabel 21 Uji Konsistensi terkait Program Alternatif 2 terhadap Penanganan Kemiskinan di Kabupaten Wonosobo

Adapun prioritas kriteria dalam alternatif penambahan lapangan kerja diurutkan berdasarkan nilai average atau rata-rata dari yang terbesar hingga terkecil, sehingga dapat diketahui urutan prioritasnya yaitu peningkatan kualitas SDM, peningkatan ekonomi, serta pemberdayaan UMKM.

3) Alternatif Peningkatan Pendidikan

Berdasarkan hasil perhitungan tersebut, ditemukan bahwa nilai Consistency Ratio (CR) untuk alternatif peningkatan Pendidikan adalah 0,03 (CR < 0,1). Nilai CR ini didapatkan melalui perhitungan Consistency Index (CI) yang dihasilkan dari perhitungan Consistency Measure, kemudian CI dibagi dengan Random Consistency Index (RI).

Nilai RI yang digunakan adalah 0,58 sesuai dengan jumlah n yaitu 3.

Dengan demikian, nilai CR yang dihasilkan sebesar 0,03 sehingga alternatif penambahan lapangan kerja dinilai konsisten sehingga dapat dianalisis lebih lanjut lagi.

PENINGKATAN PENDIDIKAN

Measure

Prioritas

(43)

43

C1 0,677 0,706 0,583 1,967 0,656 3,062 1

C2 0,226 0,235 0,333 0,794 0,265 3,028 2

C3 0,097 0,059 0,083 0,239 0,080 3,007 3

Total 1 1 1 Cl 0,02

IR 0,58

C Ratio 0,03

Tabel 22 Uji Konsistensi terkait Program Alternatif 3 terhadap Penanganan Kemiskinan di Kabupaten Wonosobo

Adapun prioritas kriteria dalam alternatif penambahan lapangan kerja diurutkan berdasarkan nilai average atau rata-rata dari yang terbesar hingga terkecil, sehingga dapat diketahui urutan prioritasnya yaitu peningkatan kualitas SDM, peningkatan ekonomi, serta pemberdayaan UMKM.

Berdasarkan hasil perhitungan analisis tingkat konsistensi dalam metode AHP, terdapat beberapa prioritas terkait kriteria maupun alternatif yang akan menjadi focus utama ke depannya. Peningkatan Pendidikan menjadi prioritas pertama sebagai alatrenatif penanganan kemiskinan di Kabupaten Wonosobo. Adapun urutan Prioritas alternatif dalam penanganan kemiskinan di Kabupaten Wonosobo, sebagai berikut.

Alternatif Nilai CR Priorit