Sumberdaya alam seperti air, udara, lahan, minyak, ikan, hutan dan lain-lain merupakan sumberdaya yang esensial bagi kelangsungan hidup manusia.doc

Tugas Praktikum Kelompok ISub Judul: ANALISIS POTENSI WILAYAH

Sub-Laporan 1

ANALISIS POTENSI WILAYAH

Halaman

1.1 Indeks Perkembangan Ekonomi Wilayah (Entropy).................2

1,2 Analisis Pusat dan Hirarki Pelayanan (Skalogram) .71.3 Analisis Ketimpangan (Index Ginni, Williamson, Theil)151.4 Model Pertumbuhan/Peluruhan 231.5 Analisis Tipologi Wilayah (Cluster Analysis, DFA)30

1


PRAKTIKUM 1:INDEKS PERKEMBANGAN EKONOMI WILAYAH

(ENTROPY)

A. TINJAUAN TEORI

Perkembangan suatu sistem dapat dipahami dari semakin meningkatnya jumlah komponen sistem serta penyebaran (jangkauan spasial) komponen sistem tersebut. Kedua hal tersebut pada dasarnya bermakna peningkatan kuantitas komponen serta perluasan hubungan spasial dari komponen di dalam sistem maupun dengan sistem luar. Artinya suatu sistem dikatakan berkembang jika jumlah dari komponen/aktifitas sistem tersebut bertambah atau aktifitas dari komponen sistem tersebar lebih luas.

Sebagai suatu contoh : perkembangan suatu wilayah dapat ditunjukkan dari semakin meningkatnya komponen wilayah, misalnya alternatif sumber pendapatan wilayah dan aktifitas perekonomian di wilayah tersebut, semakin luasnya hubungan yang dapat dijalin antara sub wilayah-sub wilayah dalam sistem tersebut maupun dengan sistem sekitarnya. Perluasan jumlah komponen aktifitas ini dapat dianalisis dengan menghitung indeks diversifikasi dengan konsep entropi. Pemanfaatan konsep entropi ini dapat digunakan untuk banyak hal. Sebagai contoh untuk memahami perkembangan atau kepunahan keanekaragaman hayati, perkembangan aktifitas pabrik gula, perkembangan aktifitas suatu sistem produksi pertanian dan lain-lain.

Prinsip pengertian indeks entropi ini adalah semakin beragam aktifitas atau semakin luas jangkauan spasial, maka semakin tinggi entropi wilayah. Artinya wilayah tersebut semakin berkembang. Persamaan umum entropy ini adalah sebagai berikut:

Biodiversity

2


Dimana: Pi adalah peluang yang dihitung dari persamaan: Xi/Xi.

X1 X2 X3 … Xn = x

X1/x X2/x X3/x …. Xn/x = 1

Jika tabel terdiri dari baris dan kolom yang cukup banyak seperti Tabel berikut:

X11 X21 X31 X41 Xp1

X12

X1q X2q Xpq

Maka, persamaan untuk menghitung peluang titik pada kolom ke-i dan baris ke-j adalah:

Pij=Xij/Xij

S 0 S = tingkat perkembangan

Nilai S akan selalu 0

Untuk mengidentifikasi tingkat perkembangan maka terdapat ketentuan jika indeks S semakin tinggi maka tingkat perkembangan semakin tinggi.

Sektor 1 2 3 4

Sektor 1Produksi 2

3


3 Xij

4

Jika digambarkan dalam suatu grafik, hubungan antara nilai S dengan seluruh kemungkinan peluangnya akan berbentuk kurva kuadratik berikut ini:

S

O1 1 Pi

n

Dari grafik tersebut diketahui nilai maksimum entropi diperoleh pada saat nilai peluangnya sama dengan 1/n, dimana n adalah jumlah titik (sektor/komponen/jangkauan spasial).B. TUJUAN PRAKTIKUM

Tujuan praktikum dengan menggunakan Indeks Perkembangan Ekonomi Wilayah (Entropy) adalah untuk melihat seberapa jauh tingkat perkembangan suatu wilayah dibanding kemampuan maksimumnya. Bila indeks mendekati angka 1, maka perkembangan wilayah tersebut semakin efektif mendekati kemampuan maksimum dari wilayah tersebut.

C. SUMBER DATA

Analisis dilakukan untuk melihat tingkat perkembangan wilayah Provinsi Jawa Barat berdasarkan data dari 25 Kabupaten/Kota. Data yang digunakan adalah data PDRB pada Tahun 2004.

D. PENGOLAHAN DATA

Data awal untuk menganalisis Indeks Perkembangan Ekonomi Wilayah (Entropy) Jawa Barat dapat dilihat pada tabel berikut:

4


DATA AWAL

KABUPATEN PERTANIANPERTAMBAN

GAN & PENGGALIAN

INDUSTRI PENGOLAHA

N

LISTRIK, GAS & AIR

BERSIHBANGUNAN

PERDAGANGAN, HOTEL & RESTORAN

PENGANGKUTAN &

KOMUNIKASI

KEUANGAN, PERSEWAAN, & JS. PRSH.

JASA-JASA

2004 2004 2004 2004 2004 2004 2004 2004 2004

BOGOR 1429218.44 294968.58 13356547.21 837824.84 727576.13 3376018.03 617288.5 393162.64 856972.88 21889577.25

SUKABUMI 2941359.33 513135.6158 1411209.37 104837.94 221971.669 1306277.06 466948.93 285710.66 773155.88 8024606.455

CIANJUR 3291822.75 7879.3 171831.23 48676.27 198232.59 1436197.6 443085.11 342192.47 627896.85 6567814.17

BANDUNG 1936204.418 246858.3536 10574505.35 706149.759 424878.9231 3433578.848 984078.7573 522862.877 1053177.966 19882295.25

GARUT 4292701.116 10665.91584 605545.6644 39198.354 220253.9 2143411.011 242629.4585 217222.6037 646817.4025 8418445.426

TASIKMALAYA 1605384.429 7161.752638 306368.7388 41202.2236 188269.3983 1026301.237 156180.7532 140728.0224 693367.6321 4164964.187

CIAMIS 1963214.46 20911.345 387951.23 35035.43 458182.42 1326012.7 441665.758 313535.985 567783.14 5514292.468

KUNINGAN 1351225.41 25112.47 63456.72 12733.72 146691.33 602784.8 233672.07 134892.32 445049.22 3015618.06

CIREBON 2132548.64 24921.98 653432.48 120950.56 383744.5935 1303791.69 350785.3792 263694.958 693173.39 5927043.671

MAJALENGKA 981266.6966 141788.3263 572793.624 21342.0332 149552.0357 659656.0293 216135.0281 116804.2527 402670.1062 3262008.132

SUMEDANG 1218615.279 4632.792 1107760.983 100695.754 99175.94 1124419.533 145017.9204 171905.2472 339107.4588 4311330.907

INDRAMAYU 2514794.75 11964095.54 2869757.5 43648.14 142162.05 1548752.67 381467.2747 164470.26 542267.65 20171415.83

SUBANG 1973092.265 2000941.8 822111 58406.88 142532.2228 1138752.78 262490.8867 179990.5185 458591.0743 7036909.427

PURWAKARTA 574978.1434 9202.51 2156897.472 137953.827 213112.15 1321180.293 182736.6771 270597.1717 259999.2995 5126657.543

KARAWANG 1598393 805614.5564 5683616 239605 390230 2788553 562869 127510 570505 12766895.56

BEKASI 794883.52 547409.2426 30323618.46 540456.09 406365.93 3416941.35 520089.34 350431.16 758242.95 37658438.04

KOTA BOGOR 12212.03 0 941005.62 105293.9 255205.11 1030723 329374.45 431911.4 255860.62 3361586.13

KOTA SUKABUMI 75303.53065 122.8273265 57880.48 15063.4556 81375.17051 572877.8427 214556.7867 123889.2927 191864.8668 1332934.253

KOTA BANDUNG 65598.05 0 6219805.6 440970.55 965980.23 6568684.2 2063038.52 1399919.95 2150815.82 19874812.92

KOTA CIREBON 16251.2901 0 1881356.003 74547.7825 167805.8104 1275612.622 733615.3951 178060.201 284252.3054 4611501.41

KOTA BEKASI 123709 0 5252919 242379 407215 3378082 871324 387412 718059 11381099

KOTA DEPOK 159556.91 0 1793348.32 146341.6 284053.85 1293418.42 240540.53 173635.35 342927.92 4433822.9

KOTA CIMAHI 9021.265243 0 3074081.257 182396.698 306089.8777 884820.9653 75195.7929 91767.26976 172073.0805 4795446.206

KOTA TASIKMALAYA 283689.3019 183.3145036 492350.11 39460.379 258871.08 817750.98 278235.2524 281244.0878 381582.0888 2833366.595

KOTA BANJAR 124800.475 2004.646 72636.464 5691.412 26819.85 173444.036 41965.389 40950.919 73871.135 562184.326

31469844.5 16627610.87 90852785.88 4340861.6 7266347.261 43948042.7 11054986.96 7104501.616 14260084.74 226,925,066.12

Jumlah

Selanjutnya dihitung nilai pelung untuk Pij:Peluang Pij


GAN & PENGGALIAN

INDUSTRI PENGOLAHA

N

LISTRIK, GAS & AIR

BERSIHBANGUNAN


PENGANGKUTAN &

KOMUNIKASI


JASA-JASA

2004 2004 2004 2004 2004 2004 2004 2004 2004

0.0063 0.0013 0.0589 0.0037 0.0032 0.0149 0.0027 0.0017 0.0038

BOGOR 0.0130 0.0023 0.0062 0.0005 0.0010 0.0058 0.0021 0.0013 0.0034

SUKABUMI 0.0145 0.0000 0.0008 0.0002 0.0009 0.0063 0.0020 0.0015 0.0028

CIANJUR 0.0085 0.0011 0.0466 0.0031 0.0019 0.0151 0.0043 0.0023 0.0046

BANDUNG 0.0189 0.0000 0.0027 0.0002 0.0010 0.0094 0.0011 0.0010 0.0029

GARUT 0.0071 0.0000 0.0014 0.0002 0.0008 0.0045 0.0007 0.0006 0.0031

TASIKMALAYA 0.0087 0.0001 0.0017 0.0002 0.0020 0.0058 0.0019 0.0014 0.0025

CIAMIS 0.0060 0.0001 0.0003 0.0001 0.0006 0.0027 0.0010 0.0006 0.0020

KUNINGAN 0.0094 0.0001 0.0029 0.0005 0.0017 0.0057 0.0015 0.0012 0.0031

CIREBON 0.0043 0.0006 0.0025 0.0001 0.0007 0.0029 0.0010 0.0005 0.0018

MAJALENGKA 0.0054 0.0000 0.0049 0.0004 0.0004 0.0050 0.0006 0.0008 0.0015

SUMEDANG 0.0111 0.0527 0.0126 0.0002 0.0006 0.0068 0.0017 0.0007 0.0024

INDRAMAYU 0.0087 0.0088 0.0036 0.0003 0.0006 0.0050 0.0012 0.0008 0.0020

SUBANG 0.0025 0.0000 0.0095 0.0006 0.0009 0.0058 0.0008 0.0012 0.0011

PURWAKARTA 0.0070 0.0036 0.0250 0.0011 0.0017 0.0123 0.0025 0.0006 0.0025

KARAWANG 0.0035 0.0024 0.1336 0.0024 0.0018 0.0151 0.0023 0.0015 0.0033

BEKASI 0.0001 - 0.0041 0.0005 0.0011 0.0045 0.0015 0.0019 0.0011

KOTA BOGOR 0.0003 0.0000 0.0003 0.0001 0.0004 0.0025 0.0009 0.0005 0.0008

KOTA SUKABUMI 0.0003 - 0.0274 0.0019 0.0043 0.0289 0.0091 0.0062 0.0095

KOTA BANDUNG 0.0001 - 0.0083 0.0003 0.0007 0.0056 0.0032 0.0008 0.0013

KOTA CIREBON 0.0005 - 0.0231 0.0011 0.0018 0.0149 0.0038 0.0017 0.0032

KOTA BEKASI 0.0007 - 0.0079 0.0006 0.0013 0.0057 0.0011 0.0008 0.0015

KOTA DEPOK 0.0000 - 0.0135 0.0008 0.0013 0.0039 0.0003 0.0004 0.0008

KOTA CIMAHI 0.0013 0.0000 0.0022 0.0002 0.0011 0.0036 0.0012 0.0012 0.0017

KOTA TASIKMALAYA 0.0005 0.0000 0.0003 0.0000 0.0001 0.0008 0.0002 0.0002 0.0003

KOTA BANJAR 0.1387 0.0733 0.4004 0.0191 0.0320 0.1937 0.0487 0.0313 0.0628

Selanjutnya dihitung nilai untuk Qij:

5


Qij = ln Pij


GAN & PENGGALIAN

INDUSTRI PENGOLAHA

N

LISTRIK, GAS & AIR

BERSIHBANGUNAN


PENGANGKUTAN &

KOMUNIKASI


JASA-JASA

2004 2004 2004 2004 2004 2004 2004 2004 2004

BOGOR -5.067492108 -6.645506295 -2.832613165 -5.60156608 -5.742656497 -4.20792294 -5.907038637 -6.358151768 -5.578968864

SUKABUMI -4.345748026 -6.091834968 -5.080172812 -7.67995941 -6.92982538 -5.157438705 -6.186155243 -6.677395516 -5.681894453

CIANJUR -4.233178419 -10.26813607 -7.185862363 -8.44718349 -7.042934099 -5.062620792 -6.238613263 -6.49700178 -5.889999235

BANDUNG -4.763890287 -6.823560432 -3.06617391 -5.7725478 -6.280570895 -4.191016745 -5.440669205 -6.073055892 -5.37280763

GARUT -3.967703692 -9.965321915 -5.926245161 -8.66374038 -6.937594165 -4.662221367 -6.840839719 -6.951452485 -5.860311104

TASIKMALAYA -4.95125661 -10.3636204 -6.607585732 -8.61388291 -7.09450123 -5.398658551 -7.281361126 -7.385546029 -5.790814785

CIAMIS -4.750036697 -9.292083302 -6.371495501 -8.7760153 -6.205107735 -5.142443388 -6.241821744 -6.584460999 -5.990635587

KUNINGAN -5.123607966 -9.109010601 -8.182017038 -9.78812154 -7.344044554 -5.930814886 -6.878456415 -7.427898306 -6.234190254

CIREBON -4.667302049 -9.116624992 -5.85013593 -7.53699327 -6.382397926 -5.159343154 -6.472200556 -6.757582164 -5.791094967

MAJALENGKA -5.443530852 -7.378039851 -5.981849652 -9.27169662 -7.32473074 -5.840656605 -6.956471794 -7.571875657 -6.334257505

SUMEDANG -5.226904661 -10.79921543 -5.322279012 -7.7202715 -7.735479692 -5.307352926 -7.355517813 -7.1854317 -6.506058092

INDRAMAYU -4.502428668 -2.942709731 -4.370392326 -8.55621447 -7.375407533 -4.98716998 -6.38835007 -7.229645373 -6.036615438

SUBANG -4.745017868 -4.731001888 -5.620499714 -8.26494145 -7.372807038 -5.294686247 -6.762158773 -7.139470962 -6.204216229

PURWAKARTA -5.978043108 -10.11289886 -4.655949024 -7.4054561 -6.970556584 -5.146094359 -7.124328943 -6.731743873 -6.7716962

KARAWANG -4.955621108 -5.640769726 -3.687032208 -6.8533834 -6.365638828 -4.399097034 -5.999328218 -7.484180344 -5.985853203

BEKASI -5.654179549 -6.027178456 -2.012692962 -6.03996174 -6.325121078 -4.195874049 -6.078374532 -6.473210855 -5.701371288

KOTA BOGOR -9.829953605 #NUM! -5.485426025 -7.67561965 -6.790307562 -5.39435936 -6.535179887 -6.264154662 -6.787742294

KOTA SUKABUMI -8.010848115 -14.4293509 -8.273994942 -9.62010349 -7.933304941 -5.981702632 -6.963800693 -7.512986771 -7.075583831

KOTA BANDUNG -8.148829167 #NUM! -3.596881206 -6.24339704 -5.459231769 -3.542306319 -4.700439952 -5.088204801 -4.658772636

KOTA CIREBON -9.54420284 #NUM! -4.792627063 -8.02093484 -7.209567717 -5.181193306 -5.73439023 -7.150253436 -6.682512894

KOTA BEKASI -7.514443103 #NUM! -3.765835936 -6.84187252 -6.323033835 -4.207311765 -5.562361243 -6.372886411 -5.755823398

KOTA DEPOK -7.259974476 #NUM! -4.840535415 -7.34643152 -6.683211304 -5.167331206 -6.849486537 -7.175417726 -6.494854857

KOTA CIMAHI -10.13279054 #NUM! -4.301613779 -7.12619116 -6.60849636 -5.546989811 -8.012279853 -7.813119441 -7.184455863

KOTA TASIKMALAYA -6.684495505 -14.02892714 -6.133185068 -8.65707803 -6.77604496 -5.625817272 -6.703908149 -6.693152205 -6.388049135

KOTA BANJAR -7.505658875 -11.63690765 -8.046908082 -10.5934168 -9.043232852 -7.176520148 -8.59552993 -8.620000885 -8.03005298

Nilai Rij dihitung sebagai berikut:Rij = Pij x Qij


GAN & PENGGALIAN

INDUSTRI PENGOLAHA

N

LISTRIK, GAS & AIR

BERSIHBANGUNAN


PENGANGKUTAN &

KOMUNIKASI


JASA-JASA

2004 2004 2004 2004 2004 2004 2004 2004 2004

BOGOR (0.0319) (0.0086) (0.1667) (0.0207) (0.0184) (0.0626) (0.0161) (0.0110) (0.0211)

SUKABUMI (0.0563) (0.0138) (0.0316) (0.0035) (0.0068) (0.0297) (0.0127) (0.0084) (0.0194)

CIANJUR (0.0614) (0.0004) (0.0054) (0.0018) (0.0062) (0.0320) (0.0122) (0.0098) (0.0163)

BANDUNG (0.0406) (0.0074) (0.1429) (0.0180) (0.0118) (0.0634) (0.0236) (0.0140) (0.0249)

GARUT (0.0751) (0.0005) (0.0158) (0.0015) (0.0067) (0.0440) (0.0073) (0.0067) (0.0167)

TASIKMALAYA (0.0350) (0.0003) (0.0089) (0.0016) (0.0059) (0.0244) (0.0050) (0.0046) (0.0177)

CIAMIS (0.0411) (0.0009) (0.0109) (0.0014) (0.0125) (0.0300) (0.0121) (0.0091) (0.0150)

KUNINGAN (0.0305) (0.0010) (0.0023) (0.0005) (0.0047) (0.0158) (0.0071) (0.0044) (0.0122)

CIREBON (0.0439) (0.0010) (0.0168) (0.0040) (0.0108) (0.0296) (0.0100) (0.0079) (0.0177)

MAJALENGKA (0.0235) (0.0046) (0.0151) (0.0009) (0.0048) (0.0170) (0.0066) (0.0039) (0.0112)

SUMEDANG (0.0281) (0.0002) (0.0260) (0.0034) (0.0034) (0.0263) (0.0047) (0.0054) (0.0097)

INDRAMAYU (0.0499) (0.1551) (0.0553) (0.0016) (0.0046) (0.0340) (0.0107) (0.0052) (0.0144)

SUBANG (0.0413) (0.0417) (0.0204) (0.0021) (0.0046) (0.0266) (0.0078) (0.0057) (0.0125)

PURWAKARTA (0.0151) (0.0004) (0.0443) (0.0045) (0.0065) (0.0300) (0.0057) (0.0080) (0.0078)

KARAWANG (0.0349) (0.0200) (0.0923) (0.0072) (0.0109) (0.0541) (0.0149) (0.0042) (0.0150)

BEKASI (0.0198) (0.0145) (0.2690) (0.0144) (0.0113) (0.0632) (0.0139) (0.0100) (0.0191)

KOTA BOGOR (0.0005) #NUM! (0.0227) (0.0036) (0.0076) (0.0245) (0.0095) (0.0119) (0.0077)

KOTA SUKABUMI (0.0027) (0.0000) (0.0021) (0.0006) (0.0028) (0.0151) (0.0066) (0.0041) (0.0060)

KOTA BANDUNG (0.0024) #NUM! (0.0986) (0.0121) (0.0232) (0.1025) (0.0427) (0.0314) (0.0442)

KOTA CIREBON (0.0007) #NUM! (0.0397) (0.0026) (0.0053) (0.0291) (0.0185) (0.0056) (0.0084)

KOTA BEKASI (0.0041) #NUM! (0.0872) (0.0073) (0.0113) (0.0626) (0.0214) (0.0109) (0.0182)

KOTA DEPOK (0.0051) #NUM! (0.0383) (0.0047) (0.0084) (0.0295) (0.0073) (0.0055) (0.0098)

KOTA CIMAHI (0.0004) #NUM! (0.0583) (0.0057) (0.0089) (0.0216) (0.0027) (0.0032) (0.0054)

KOTA TASIKMALAYA (0.0084) (0.0000) (0.0133) (0.0015) (0.0077) (0.0203) (0.0082) (0.0083) (0.0107)

KOTA BANJAR (0.0041) (0.0001) (0.0026) (0.0003) (0.0011) (0.0055) (0.0016) (0.0016) (0.0026)

Dari hitungan diatas, didapat nilai entropi total sebagai berikut:

6


Entropi Total = Sij = Rij x (-1)


GAN & PENGGALIAN

INDUSTRI PENGOLAHA

N

LISTRIK, GAS & AIR

BERSIHBANGUNAN


PENGANGKUTAN &

KOMUNIKASI


JASA-JASA

2004 2004 2004 2004 2004 2004 2004 2004 2004

BOGOR 0.0319 0.0086 0.1667 0.0207 0.0184 0.0626 0.0161 0.0110 0.0211 0.3571

SUKABUMI 0.0563 0.0138 0.0316 0.0035 0.0068 0.0297 0.0127 0.0084 0.0194 0.1822

CIANJUR 0.0614 0.0004 0.0054 0.0018 0.0062 0.0320 0.0122 0.0098 0.0163 0.1455

BANDUNG 0.0406 0.0074 0.1429 0.0180 0.0118 0.0634 0.0236 0.0140 0.0249 0.3466

GARUT 0.0751 0.0005 0.0158 0.0015 0.0067 0.0440 0.0073 0.0067 0.0167 0.1743

TASIKMALAYA 0.0350 0.0003 0.0089 0.0016 0.0059 0.0244 0.0050 0.0046 0.0177 0.1034

CIAMIS 0.0411 0.0009 0.0109 0.0014 0.0125 0.0300 0.0121 0.0091 0.0150 0.1330

KUNINGAN 0.0305 0.0010 0.0023 0.0005 0.0047 0.0158 0.0071 0.0044 0.0122 0.0786

CIREBON 0.0439 0.0010 0.0168 0.0040 0.0108 0.0296 0.0100 0.0079 0.0177 0.1417

MAJALENGKA 0.0235 0.0046 0.0151 0.0009 0.0048 0.0170 0.0066 0.0039 0.0112 0.0877

SUMEDANG 0.0281 0.0002 0.0260 0.0034 0.0034 0.0263 0.0047 0.0054 0.0097 0.1072

INDRAMAYU 0.0499 0.1551 0.0553 0.0016 0.0046 0.0340 0.0107 0.0052 0.0144 0.3310

SUBANG 0.0413 0.0417 0.0204 0.0021 0.0046 0.0266 0.0078 0.0057 0.0125 0.1627

PURWAKARTA 0.0151 0.0004 0.0443 0.0045 0.0065 0.0300 0.0057 0.0080 0.0078 0.1223

KARAWANG 0.0349 0.0200 0.0923 0.0072 0.0109 0.0541 0.0149 0.0042 0.0150 0.2537

BEKASI 0.0198 0.0145 0.2690 0.0144 0.0113 0.0632 0.0139 0.0100 0.0191 0.4352

KOTA BOGOR 0.0005 0.0227 0.0036 0.0076 0.0245 0.0095 0.0119 0.0077 0.0880

KOTA SUKABUMI 0.0027 0.0000 0.0021 0.0006 0.0028 0.0151 0.0066 0.0041 0.0060 0.0400

KOTA BANDUNG 0.0024 0.0986 0.0121 0.0232 0.1025 0.0427 0.0314 0.0442 0.3571

KOTA CIREBON 0.0007 0.0397 0.0026 0.0053 0.0291 0.0185 0.0056 0.0084 0.1100

KOTA BEKASI 0.0041 0.0872 0.0073 0.0113 0.0626 0.0214 0.0109 0.0182 0.2230

KOTA DEPOK 0.0051 0.0383 0.0047 0.0084 0.0295 0.0073 0.0055 0.0098 0.1085

KOTA CIMAHI 0.0004 0.0583 0.0057 0.0089 0.0216 0.0027 0.0032 0.0054 0.1062

KOTA TASIKMALAYA 0.0084 0.0000 0.0133 0.0015 0.0077 0.0203 0.0082 0.0083 0.0107 0.0784

KOTA BANJAR 0.0041 0.0001 0.0026 0.0003 0.0011 0.0055 0.0016 0.0016 0.0026 0.0194

0.6568 0.2706 1.2864 0.1257 0.2065 0.8935 0.2890 0.2007 0.3637 4.2930

S tot

Entropi (S) Maksln (9 x 25) 5.416100402

Perkembangan WilayahS tot / S maks 0.79263378

E. PEMBAHASAN

Dari hasil proses perhitungan didapat nilai Indeks Perkembangan Ekonomi Wilayah (Entropy) Jawa Barat sebesar 0.79263378. Itu berarti Provinsi Jawa Barat tingkat perkembangan wilayahnya baru mencapai 79.3% dari total kemampuan maksimumnya. Dengan nilai tersebut berarti Provinsi Jawa Barat masih belum mencapai kemampuan maksimum perkembangan wilayah sehingga masih dibutuhkan upaya untuk mencapai tingkat perkembangan wilayah yang lebih baik.

F. REFERENSI

Panuju, Dyah R. 2012. Teknik Analisis Perencanaan Pengembangan Wilayah. Bagian Perencanaan Pengembangan Wilayah. Departemen Ilmu Tanah dan Sumberdaya Lahan. Institut Pertanian Bogor.

7


PRAKTIKUM 2:ANALISIS PUSAT DAN HIRARKI PELAYANAN

(SKALOGRAM)

A. TINJAUAN TEORI

Menurut Panuju (2012), Berdasarkan konsep wilayah nodal, pusat maupun hinterland suatu wilayah memiliki ciri khas dimana inti mengatur proses berjalannya interaksi dari komponen sel dan hinterland mendukung keberlangsungan hidup sel dan mengikuti pengaturan yang dibangun oleh inti. Jika suatu wilayah dianalogikan sebagai satu sel, maka di dalam wilayah kota utama yang menjadi inti dari wilayah memiliki fungsi penting yang berperan besar dalam mempengaruhi jalannya interaksi antar berbagai hinterland. Pusat memiliki daya tarik kuat bagi elemen di hinterland. Daya tarik tersebut secara harfiah berupa berbagai layanan yang didukung fasilitas dan infrastruktur yang lengkap. Hinterland mendukung berjalannya proses penting yang dilakukan di pusat.

Berdasarkan konsep wilayah nodal, pusat atau hinterland suatu wilayah dapat ditentukan berdasarkan jumlah dan jenis fasilitas umum, industri dan jumlah penduduknya. Unit wilayah yang mempunyai jumlah dan jenis fasilitas umum, industri dan jumlah penduduk dengan kuantitas dan kualitas yang secara relatif paling lengkap dibandingkan dengan unit wilayah yang lain akan menjadi pusat atau mempunyai hirarki lebih tinggi. Sebaliknya, jika suatu wilayah mempunyai jumlah dan jenis fasilitas umum, industri serta jumlah penduduk dengan kuantitas dan kualitas paling rendah merupakan wilayah hinterland dari unit wilayah yang lain. Dengan cara ini, selanjutnya dapat ditentukan hirarki dari seluruh unit wilayah dalam suatu cakupan administrasi wilayah yang lebih luas.

Metode yang banyak digunakan untuk menentukan hierarkhi wilayah oleh Struktural Analis adalah Guttman scales. Metode ini mengidentifikasi hierarkhi pusat dari fasilitas umum yang dimiliki suatu wilayah. Identifikasi dan perankingan yang dilakukan tidak didasarkan ada jumlah fasilitas yang dimiliki di suatu wilayah, tetapi pada tingkat kelengkapan fasilitas yang ada di suatu wilayah dan membandingkannya dengan wilayah lain.

Wilayah analisis dalam Metode Guttman scales ini dibagi menjadi 3 kelas pokok, yaitu : Pemusatan (Centrality) : yaitu menggambarkan keterkaitan

antar wilayah dalam satu kelompok masyarakat. Indikator yang digunakan adalah fasilitas yang berkaitan dengan pemerintahan. Contoh susunan tabel yang dapat dibentuk dalam gambaran pemusatan ini ditampilkan pada Tabel 2.

8


Solidaritas (Solidarity) : yaitu menggambarkan aktivitas sosial yang dilaksanakan di suatu wilayah. Indikator yang digunakan adalah fasilitas umum yang bersifat sosial dan tidak dimanfaatkan untuk mencari keuntungan.

Differensiasi (Differentiation) yang menggambarkan kemajemukan struktur perekonomian antar sub wilayah. Indikator yang digunakan merupakan proxy kekuatan perekonomian di suatu wilayah, yaitu keberadaan/kelengkapan fasilitas umum perekonomian di suatu wilayah.

Salah satu Metode yang digunakan untuk menentukan hirarki wilayah adalah metode skalogram. Dalam metode skalogram, seluruh fasilitas umum yang dimiliki oleh setiap unit wilayah didata dan disusun dalam satu tabel. Metode skalogram ini bisa digunakan dengan menuliskan jumlah fasilitas yang dimiliki oleh setiap wilayah, atau menuliskan ada/tidaknya fasilitas tersebut di suatu wilayah tanpa memperhatikan jumlah/ kuantitasnya (Saefulhakim, 2006)

Metode Skalogram merupakan metode penyederhanaan dari Guttman scales. Beberapa asumsi yang digunakan dalam penetapan metode skalogram adalah bahwa penduduk mempunyai kecenderungan untuk bergerombol di suatu lokasi dengan kondisi fisik, sosial dan ekonomi yang secara relatif terbaik untuk komunitasnya. Daerah dengan fasilitas umum terlengkap merupakan pusat bagi daerah di sekitarnya. Fasilitas yang ada di seluruh sub wilayah merupakan fasilitas pokok dan fasilitas yang hanya di wilayah tertentu merupakan fasilitas penciri perkotaan.

Dalam metode skalogram, seluruh fasilitas umum yang dimiliki oleh setiap unit wilayah didata dan disusun dalam satu tabel. Tabel ini bisa dianggap sebagai penggabungan atau penyederhanaan Skala Guttman. Penyusunan tabel ini serupa dengan Skala Guttman, hanya ketiga tabel tersebut dijadikan satu dengan asumsi bahwa masing-masing fasilitas mempunyai bobot dan kualitas yang bersifat indifferent. Metode skalogram ini bisa digunakan dengan menuliskan jumlah fasilitas yang dimiliki oleh setiap wilayah, atau menuliskan ada/tidaknya fasilitas tersebut di suatu wilayah tanpa memperhatikan jumlah/kuantitasnya.

B. TUJUAN PRAKTIKUM

Tujuan praktikum analisis pusat-pusat dan hirarki pelayanan/pemukiman dengan metode skalogram adalah untuk melihat tingkat hirarki perkembangan wilayah berdasarkan jumlah

9


ketersediaan fasilitas, luas wilayah, jumlah penduduk serta jarak tempuh wilayah ke pusat pelayanan.

C. SUMBER DATA

Analisis dilakukan terhadap 22 wilayah desa di Kabupaten Bandung, Jawa Barat, yang berada di tiga kecamatan yaitu Kecamatan Ciwidey, Kecamatan Ranca Bali dan Kecamatan Pasirjambu. Data berasal dari data Podes Tahun 2010. Nama dan kode wilayah tiap desa digambarkan pada tabel berikut:

Nama Propinsi Nama Kabupaten Nama Kecamatan Nama Desa Kode Wilayah

JAWA BARAT BANDUNG CIWIDEY PANUNDAAN 3204010001

JAWA BARAT BANDUNG CIWIDEY CIWIDEY 3204010002

JAWA BARAT BANDUNG CIWIDEY PANYOCOKAN 3204010003

JAWA BARAT BANDUNG CIWIDEY LEBAKMUNCANG 3204010004

JAWA BARAT BANDUNG CIWIDEY RAWABOGO 3204010005

JAWA BARAT BANDUNG CIWIDEY NENGKELAN 3204010006

JAWA BARAT BANDUNG CIWIDEY SUKAWENING 3204010007

JAWA BARAT BANDUNG RANCA BALI CIPELAH 3204011001

JAWA BARAT BANDUNG RANCA BALI SUKARESMI 3204011002

JAWA BARAT BANDUNG RANCA BALI INDRAGIRI 3204011003

JAWA BARAT BANDUNG RANCA BALI PATENGAN 3204011004

JAWA BARAT BANDUNG RANCA BALI ALAMENDAH 3204011005

JAWA BARAT BANDUNG PASIRJAMBU SUGIHMUKTI 3204020001

JAWA BARAT BANDUNG PASIRJAMBU MARGAMULYA 3204020002

JAWA BARAT BANDUNG PASIRJAMBU TENJOLAYA 3204020003

JAWA BARAT BANDUNG PASIRJAMBU CISONDARI 3204020004

JAWA BARAT BANDUNG PASIRJAMBU MEKARSARI 3204020005

JAWA BARAT BANDUNG PASIRJAMBU CIBODAS 3204020006

JAWA BARAT BANDUNG PASIRJAMBU CUKANGGENTENG 3204020007

JAWA BARAT BANDUNG PASIRJAMBU PASIRJAMBU 3204020008

JAWA BARAT BANDUNG PASIRJAMBU MEKARMAJU 3204020009

JAWA BARAT BANDUNG PASIRJAMBU CIKONENG 3204020010

Dari tiap desa, berdasarkan hasil PODES, data yang digunakan meliputi:A. Jarak:

1. Jarak Dari desa ke Ibu Kota Kecamatan (km)2. Waktu Tempuh Dari desa ke Ibu Kota Kecamatan (Menit)3. Jarak Dari desa ke Ibu Kota Kabupaten (km)4. Waktu Tempuh Dari desa ke Ibu Kota Kabupaten (Menit)5. Jarak Dari desa ke Ibu Kota Kabupaten/Kota lain terdekat (km)6. Waktu Tempuh Dari desa ke Ibu Kota Kabupaten/Kota lain

terdekat (Menit)

B. Fasilitas Pendidikan dan Kesehatan:1. Jumlah TK, SD, SLTP dan SLTA2. Jumlah Rumah Sakit Bersalin (Unit)

10


3. Jumlah Puskesmas (Unit)4. Jumlah Tempat Praktek Dokter (Unit)5. Jumlah Apotik (Unit)

C. Fasilitas Pendukung:1. Jumlah Terminal Penumpang Kendaraana Bermotor Roda 4

atau Lebih (unit)2. Wartel/Kiospon/Warpostel/ Warparpostel (unit)3. Kios Sarana Produksi Pertanian4. Jumlah industri besar (≥ 100 Pekerja) (unit)5. Jumlah industri sedang (20-99 pekerja) (unit)6. Super market/ pasar swalayan/toserba/mini market (unit)7. Restoran/rumah makan (unit)8. Toko/Warung kelontong (unit)9. Hotel (unit)10. Bank Umum (Kantor Pusat/Cabang/Capem) (unit)11. Bank Perkreditan Rakyat (BPR Baru/PT. Bank Pasar/12. PT. Bank Desa/dsj)13. Jumlah Koperasi (unit)14. Jumlah KUD (unit)15. Jumlah Koperasi Simpan Pinjam (unit)16. Jumlah Koperasi Non KUD lainnya (unit)

D. PENGOLAHAN DATA

d.1 Perhitungan Kapasitas

Data Podes yang telah disusun untuk melihat Indeks Perkembangan Ekonomi Wilayah (Skalogram) pada tahap pertama ditentukan jumlah kapasitas masing-masing wilayah dengan menghitung:

1. Jumlah wilayah yang punya fasilitas (n)2. Jumlah fasilitas (f)3. Nilai minimum dan maksimum4. Standar defiasi5. Bobot (f/n)

Hasil perhitungan dapat dilihat pada tabel berikut:

11


Nama Desa

Jarak Dari desa ke Ibu Kota Kecamatan (km)

Waktu Tempuh Dari desa ke Ibu Kota Kecamatan (Menit)

Jarak Dari desa ke Ibu Kota Kabupaten (km)

Waktu Tempuh Dari desa ke Ibu Kota Kabupaten (Menit)

Jarak Dari desa ke Ibu Kota Kabupaten/Kota lain terdekat (km)

Waktu Tempuh Dari desa ke Ibu Kota Kabupaten/Kota lain terdekat (Menit)

Jumlah TK

Jumlah SD

Jumlah SLTP

Jumlah SLTA

Jumlah Rumah Sakit Bersalin (Unit)

Jumlah Puskesmas (Unit)

Jumlah Tempat Praktek Dokter (Unit)

Jumlah Apotik (Unit)

Jumlah Terminal

Penumpang

Kendaraana Bermotor

Roda 4 atau Lebih

(unit)

PANUNDAAN 0.3125 0.2000 0.0658 0.0333 0.0270 0.0111 0.000 0.460 0.092 0.000 0.000 0.000 0.000 0.000 0.000

CIWIDEY 0.3333 0.1000 0.0588 0.0333 0.0111 0.0111 0.291 0.728 0.219 0.219 0.073 0.073 0.291 0.219 0.073

PANYOCOKAN 0.1429 0.0667 0.0556 0.0333 0.0270 0.0111 0.000 0.510 0.102 0.204 0.000 0.000 0.000 0.000 0.000

LEBAKMUNCANG 5.0000 0.2000 0.0667 0.0222 0.0286 0.0083 0.096 0.478 0.000 0.000 0.000 0.000 0.000 0.000 0.000

RAWABOGO 0.3333 0.0667 0.0435 0.0133 0.0250 0.0083 0.000 0.902 0.150 0.000 0.000 0.150 0.000 0.000 0.150

NENGKELAN 0.2857 0.0667 0.0455 0.0333 0.0250 0.0083 0.201 1.006 0.201 0.201 0.000 0.000 0.000 0.000 0.000

SUKAWENING 0.1429 0.0667 0.0556 0.0667 0.0400 0.0111 0.110 0.658 0.110 0.110 0.000 0.000 0.000 0.000 0.000

CIPELAH 0.0625 0.0167 0.0208 0.0067 0.0139 0.0042 0.334 0.779 0.111 0.000 0.000 0.000 0.000 0.000 0.111

SUKARESMI 0.1000 0.0333 0.0227 0.0167 0.0133 0.0083 0.340 1.019 0.113 0.113 0.000 0.000 0.000 0.000 0.000

INDRAGIRI 0.2000 0.0667 0.0333 0.0111 0.0200 0.0083 0.457 1.143 0.229 0.229 0.000 0.000 0.000 0.000 0.229

PATENGAN 1.2500 1.0000 0.0313 0.0167 0.0182 0.0083 0.371 1.114 0.186 0.000 0.000 0.186 0.000 0.000 0.000

ALAMENDAH 0.1235 0.2000 0.0400 0.0222 0.0208 0.0111 0.058 0.576 0.115 0.000 0.000 0.000 0.058 0.000 0.058

SUGIHMUKTI 0.1429 0.0500 0.0526 0.0250 0.0286 0.0167 0.168 0.504 0.168 0.000 0.000 0.084 0.000 0.000 0.000

MARGAMULYA 0.2222 0.0222 0.0741 0.0133 0.0741 0.0133 0.000 0.721 0.000 0.000 0.000 0.000 0.144 0.144 0.000

TENJOLAYA 0.3333 0.0588 0.0769 0.0208 0.0286 0.0167 0.089 0.804 0.000 0.000 0.000 0.000 0.089 0.000 0.000

CISONDARI 0.6667 0.1000 0.0833 0.0270 0.0286 0.0167 0.231 1.041 0.116 0.000 0.000 0.000 0.116 0.000 0.000

MEKARSARI 0.1250 0.0270 0.0476 0.0161 0.0182 0.0109 0.203 0.405 0.000 0.000 0.000 0.000 0.000 0.000 0.000

CIBODAS 0.5000 0.0333 0.1111 0.0185 0.0263 0.0149 0.141 0.705 0.141 0.000 0.000 0.000 0.000 0.000 0.000

CUKANGGENTENG 1.0000 0.1000 0.1250 0.0238 0.0286 0.0125 0.364 5.466 0.000 0.000 0.000 0.000 0.000 0.000 0.000

PASIRJAMBU 5.0000 0.1000 0.1000 0.0213 0.0286 0.0149 0.148 0.443 0.443 0.296 0.000 0.148 0.296 0.148 0.000

MEKARMAJU 0.5000 0.0625 0.0435 0.0204 0.0286 0.0167 0.000 0.527 0.000 0.000 0.000 0.000 0.176 0.000 0.000

CIKONENG 0.2857 0.0333 0.0588 0.0222 0.0233 0.0137 0.000 1.612 0.000 0.000 0.000 0.000 0.000 0.000 0.000Jumlah wilayah yang punya fasilitas (n)

22 22 22 22 22 2216 22 15 7 1 5 7 3 5

Jumlah fasilitas (f) 17.06 2.67 1.31 0.52 0.58 0.26 3.60 21.60 2.50 1.37 0.07 0.64 1.17 0.51 0.62Minimum 0.06 0.02 0.02 0.01 0.01 0.00 0.00 0.41 0.00 0.00 0.00 0.00 0.00 0.00 0.00Maksimum 5.00 1.00 0.13 0.07 0.07 0.02 0.46 5.47 0.44 0.30 0.07 0.19 0.30 0.22 0.23Standar deviasi 1.40 0.20 0.03 0.01 0.01 0.00 0.14 1.04 0.11 0.10 0.02 0.06 0.09 0.06 0.06Bobot (f/n) 0.775561167 0.121389672 0.059657343 0.023520302 0.02651046 0.01166551 0.22512 0.98196 0.1664 0.1958 0.0728491 0.128129 0.16705 0.17019 0.1241286

Nama Desa

Wartel/Kiospon/Warpostel/ Warparpostel (unit)

Kios Sarana Produksi Pertanian

Jumlah industri besar (≥ 100 Pekerja) (unit)

Jumlah industri sedang (20-99 pekerja) (unit)

Super market/ pasar swalayan/toserba/mini market (unit)

Restoran/rumah makan (unit)

Toko/Warung kelontong (unit)

Hotel (unit)

Bank Umum (Kantor Pusat/Cabang/Capem) (unit)

Bank Perkreditan Rakyat (BPR Baru/PT. Bank Pasar/PT. Bank Desa/dsj) (unit)

Jumlah Koperasi (unit)

Jumlah KUD (unit)

Jumlah Koperasi Simpan Pinjam (unit)

Jumlah Koperasi Non KUD lainnya (unit)

PANUNDAAN 0.368 0.000 0.000 0.000 0.000 0.000 0.000 0.092 0.000 0.000 0.184 0.000 0.184 0.000

CIWIDEY 1.384 0.364 0.000 0.000 0.291 0.364 30.160 0.073 0.073 0.219 0.437 0.073 0.364 0.000

PANYOCOKAN 0.204 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.714 0.000 0.102 0.612

LEBAKMUNCANG 0.287 0.000 0.000 0.096 0.000 0.191 1.147 0.000 0.000 0.000 0.287 0.000 0.287 0.000

RAWABOGO 0.301 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

NENGKELAN 0.604 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.402 0.000 0.402 0.000

SUKAWENING 0.329 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.219 0.000 0.110 0.110

CIPELAH 0.111 0.000 0.000 0.000 0.000 0.445 0.668 0.000 0.000 0.000 0.223 0.000 0.223 0.000

SUKARESMI 0.000 0.000 0.113 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.113 0.000 0.113 0.000

INDRAGIRI 0.000 0.000 0.457 0.000 0.000 0.229 0.457 0.000 0.000 0.000 0.457 0.000 0.000 0.457

PATENGAN 0.186 0.000 0.186 0.000 0.000 0.000 0.371 0.000 0.000 0.000 0.371 0.000 0.371 0.000

ALAMENDAH 0.403 0.461 0.000 0.000 0.000 0.058 0.288 0.000 0.000 0.000 0.288 0.000 0.288 0.000

SUGIHMUKTI 0.756 0.000 0.252 0.000 0.000 4.702 0.000 0.000 0.000 0.000 0.168 0.000 0.084 0.084

MARGAMULYA 0.433 0.000 0.000 0.000 0.000 0.000 1.154 0.000 0.000 0.000 0.000 0.000 0.000 0.000

TENJOLAYA 2.681 0.000 0.089 0.000 0.000 0.089 0.536 0.000 0.000 0.000 0.089 0.000 0.089 0.000

CISONDARI 0.463 0.000 0.000 0.000 0.000 11.101 0.809 0.000 0.000 0.000 0.347 0.000 0.231 0.000

MEKARSARI 0.203 0.000 0.203 0.000 0.000 0.000 2.025 0.000 0.000 0.000 0.000 0.000 0.000 0.000

CIBODAS 0.282 0.000 0.000 0.141 0.000 0.000 7.053 1.129 0.000 0.000 0.141 0.000 0.141 0.000

CUKANGGENTENG 0.182 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.182 0.000 0.182 0.000

PASIRJAMBU 0.591 0.148 0.000 0.296 0.000 0.148 1.773 0.000 0.000 0.148 0.443 0.148 0.148 0.148

MEKARMAJU 0.351 0.000 0.000 0.000 0.000 0.000 0.351 0.000 0.000 0.000 0.527 0.000 0.000 0.000

CIKONENG 0.201 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.403 0.000 0.201 0.201Jumlah wilayah yang punya fasilitas (n) 20 3 6 3 1 9 13 3 1 2 19 2 17 6Jumlah fasilitas (f) 10.32 0.97 1.30 0.53 0.29 17.33 46.79 1.29 0.07 0.37 6.00 0.22 3.52 1.61Minimum 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00Maksimum 2.68 0.46 0.46 0.30 0.29 11.10 30.16 1.13 0.07 0.22 0.71 0.15 0.40 0.61Standar deviasi 0.57 0.12 0.12 0.07 0.06 2.51 6.44 0.24 0.02 0.05 0.19 0.03 0.13 0.16Bobot (f/n) 0.5159677 0.3243384 0.2166281 0.1773944 0.2913965 1.9251761 3.5994804 0.4311 0.0728491 0.1831508 0.31562 0.1103 0.2071637 0.2686633

d.2 Pembobotan Wilayah

Tahap berikutnya adalah melakukan proses pembobotan dengan aturan sebagai berikut:

1. Infrastruktur dengan bobot tinggi diberikan pada infrastruktur yang jarang dan lebih complicated

2. Jika ada jarak yang nilainya nol (0), karena letaknnya disitu (ex : ibukota kec), maka nanti nilainya diganti dengan = max/stdev


12


Nama Desa







Jumlah TK Jumlah SDJumlah SLTP

Jumlah SLTA


PANUNDAAN 0.3125 0.2000 0.0658 0.0333 0.0270 0.0111 0.000 0.469 0.553 0.000 0.000

CIWIDEY 0.3333 0.1000 0.0588 0.0333 0.0111 0.0111 1.294 0.742 1.314 1.116 1.000

PANYOCOKAN 0.1429 0.0667 0.0556 0.0333 0.0270 0.0111 0.000 0.519 0.613 1.042 0.000

LEBAKMUNCANG 5.0000 0.2000 0.0667 0.0222 0.0286 0.0083 0.425 0.487 0.000 0.000 0.000

RAWABOGO 0.3333 0.0667 0.0435 0.0133 0.0250 0.0083 0.000 0.919 0.904 0.000 0.000

NENGKELAN 0.2857 0.0667 0.0455 0.0333 0.0250 0.0083 0.894 1.025 1.210 1.028 0.000

SUKAWENING 0.1429 0.0667 0.0556 0.0667 0.0400 0.0111 0.487 0.670 0.659 0.560 0.000

CIPELAH 0.0625 0.0167 0.0208 0.0067 0.0139 0.0042 1.483 0.793 0.669 0.000 0.000

SUKARESMI 0.1000 0.0333 0.0227 0.0167 0.0133 0.0083 1.509 1.038 0.681 0.578 0.000

INDRAGIRI 0.2000 0.0667 0.0333 0.0111 0.0200 0.0083 2.030 1.164 1.373 1.167 0.000

PATENGAN 1.2500 1.0000 0.0313 0.0167 0.0182 0.0083 1.650 1.135 1.116 0.000 0.000

ALAMENDAH 0.1235 0.2000 0.0400 0.0222 0.0208 0.0111 0.256 0.587 0.693 0.000 0.000

SUGIHMUKTI 0.1429 0.0500 0.0526 0.0250 0.0286 0.0167 0.746 0.513 1.009 0.000 0.000

MARGAMULYA 0.2222 0.0222 0.0741 0.0133 0.0741 0.0133 0.000 0.735 0.000 0.000 0.000

TENJOLAYA 0.3333 0.0588 0.0769 0.0208 0.0286 0.0167 0.397 0.819 0.000 0.000 0.000

CISONDARI 0.6667 0.1000 0.0833 0.0270 0.0286 0.0167 1.027 1.060 0.695 0.000 0.000

MEKARSARI 0.1250 0.0270 0.0476 0.0161 0.0182 0.0109 0.900 0.412 0.000 0.000 0.000

CIBODAS 0.5000 0.0333 0.1111 0.0185 0.0263 0.0149 0.627 0.718 0.848 0.000 0.000

CUKANGGENTENG 1.0000 0.1000 0.1250 0.0238 0.0286 0.0125 1.619 5.567 0.000 0.000 0.000

PASIRJAMBU 5.0000 0.1000 0.1000 0.0213 0.0286 0.0149 0.656 0.451 2.664 1.509 0.000

MEKARMAJU 0.5000 0.0625 0.0435 0.0204 0.0286 0.0167 0.000 0.536 0.000 0.000 0.000

CIKONENG 0.2857 0.0333 0.0588 0.0222 0.0233 0.0137 0.000 1.642 0.000 0.000 0.000Total 17.0623 2.6706 1.3125 0.5174 0.5832 0.2566 16.0000 22.0000 15.0000 7.0000 1.0000Miniimum 0.0625 0.0167 0.0208 0.0067 0.0111 0.0042 0.0000 0.4125 0.0000 0.0000 0.0000Maksimum 5.0000 1.0000 0.1250 0.0667 0.0741 0.0167 2.0302 5.5669 2.6641 1.5091 1.0000Standar Deviasi 1.398361058 0.203860845 0.027088883 0.012164607 0.012484571 0.003477373 0.64235827 1.06394493 0.64491923 0.50931 0.2132007

Nama DesaJumlah Puskesmas (Unit)



Jumlah Terminal Penumpang Kendaraana Bermotor Roda 4 atau Lebih (unit)


Kios Sarana

Produksi Pertanian






Hotel (unit)




Jumlah KUD (unit)



PANUNDAAN 0.000 0.000 0.000 0.000 0.714 0.000 0.000 0.000 0.000 0.000 0.000 0.214 0.000 0.000 0.583 0.000 0.889 0.000

CIWIDEY 0.569 1.744 1.284 0.587 2.683 1.123 0.000 0.000 1.000 0.189 8.379 0.169 1.000 1.193 1.385 0.660 1.758 0.000

PANYOCOKAN 0.000 0.000 0.000 0.000 0.395 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 2.263 0.000 0.492 2.278

LEBAKMUNCANG 0.000 0.000 0.000 0.000 0.556 0.000 0.000 0.539 0.000 0.099 0.319 0.000 0.000 0.000 0.909 0.000 1.385 0.000

RAWABOGO 1.174 0.000 0.000 1.211 0.583 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

NENGKELAN 0.000 0.000 0.000 0.000 1.170 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.275 0.000 1.943 0.000

SUKAWENING 0.000 0.000 0.000 0.000 0.637 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.695 0.000 0.529 0.408

CIPELAH 0.000 0.000 0.000 0.896 0.216 0.000 0.000 0.000 0.000 0.231 0.185 0.000 0.000 0.000 0.705 0.000 1.074 0.000

SUKARESMI 0.000 0.000 0.000 0.000 0.000 0.000 0.523 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.359 0.000 0.547 0.000

INDRAGIRI 0.000 0.000 0.000 1.841 0.000 0.000 2.110 0.000 0.000 0.119 0.127 0.000 0.000 0.000 1.448 0.000 0.000 1.701

PATENGAN 1.449 0.000 0.000 0.000 0.360 0.000 0.857 0.000 0.000 0.000 0.103 0.000 0.000 0.000 1.177 0.000 1.793 0.000

ALAMENDAH 0.000 0.345 0.000 0.464 0.782 1.421 0.000 0.000 0.000 0.030 0.080 0.000 0.000 0.000 0.913 0.000 1.391 0.000

SUGIHMUKTI 0.655 0.000 0.000 0.000 1.465 0.000 1.163 0.000 0.000 2.442 0.000 0.000 0.000 0.000 0.532 0.000 0.405 0.313

MARGAMULYA 0.000 0.864 0.848 0.000 0.839 0.000 0.000 0.000 0.000 0.000 0.321 0.000 0.000 0.000 0.000 0.000 0.000 0.000

TENJOLAYA 0.000 0.535 0.000 0.000 5.196 0.000 0.413 0.000 0.000 0.046 0.149 0.000 0.000 0.000 0.283 0.000 0.431 0.000

CISONDARI 0.000 0.692 0.000 0.000 0.896 0.000 0.000 0.000 0.000 5.766 0.225 0.000 0.000 0.000 1.099 0.000 1.116 0.000

MEKARSARI 0.000 0.000 0.000 0.000 0.392 0.000 0.935 0.000 0.000 0.000 0.563 0.000 0.000 0.000 0.000 0.000 0.000 0.000

CIBODAS 0.000 0.000 0.000 0.000 0.547 0.000 0.000 0.795 0.000 0.000 1.959 2.618 0.000 0.000 0.447 0.000 0.681 0.000

CUKANGGENTENG 0.000 0.000 0.000 0.000 0.353 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.577 0.000 0.880 0.000

PASIRJAMBU 1.153 1.769 0.868 0.000 1.145 0.456 0.000 1.666 0.000 0.077 0.493 0.000 0.000 0.807 1.404 1.340 0.713 0.550

MEKARMAJU 0.000 1.051 0.000 0.000 0.681 0.000 0.000 0.000 0.000 0.000 0.098 0.000 0.000 0.000 1.669 0.000 0.000 0.000

CIKONENG 0.000 0.000 0.000 0.000 0.391 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.277 0.000 0.973 0.750Total 5.0000 7.0000 3.0000 5.0000 20.0000 3.0000 6.0000 3.0000 1.0000 9.0000 13.0000 3.0000 1.0000 2.0000 19.0000 2.0000 17.0000 6.0000Miniimum 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000Maksimum 1.4493 1.7690 1.2842 1.8410 5.1960 1.4214 2.1098 1.6658 1.0000 5.7661 8.3789 2.6175 1.0000 1.1933 2.2627 1.3395 1.9429 2.2784Standar Deviasi 0.458989572 0.5639744 0.359381 0.492033061 1.1137125 0.3829738 0.5441979 0.3957344 0.213200716 1.3029947 1.7898727 0.557051 0.2132007 0.300228842 0.5910707 0.3123464 0.6113732 0.6007014

d.3 Hirarki Wilayah

Tahap berikutnya adalah melakukan proses standarisasi untuk penentuan hirarki wilayah dengan dengan menghitung:

1. Jumlah fasilitas;2. Jumlah Jenis;3. Rataan4. Standar Deviasi

13



Nama Desa







Jumlah TK Jumlah SDJumlah SLTP

Jumlah SLTA


PANUNDAAN 0.1788 0.8993 1.6596 2.1922 1.2748 1.9970 0.0000 0.0529 0.8579 0.0000 0.0000

CIWIDEY 0.1937 0.4088 1.4024 2.1922 0.0000 1.9970 2.0151 0.3096 2.0367 2.1913 4.6904

PANYOCOKAN 0.0575 0.2453 1.2818 2.1922 1.2748 1.9970 0.0000 0.1006 0.9508 2.0459 0.0000

LEBAKMUNCANG 3.5309 0.8993 1.6920 1.2788 1.3986 1.1982 0.6612 0.0699 0.0000 0.0000 0.0000

RAWABOGO 0.1937 0.2453 0.8359 0.5480 1.1125 1.1982 0.0000 0.4759 1.4014 0.0000 0.0000

NENGKELAN 0.1596 0.2453 0.9089 2.1922 1.1125 1.1982 1.3917 0.5755 1.8755 2.0179 0.0000

SUKAWENING 0.0575 0.2453 1.2818 4.9323 2.3140 1.9970 0.7580 0.2418 1.0215 1.0991 0.0000

CIPELAH 0.0000 0.0000 0.0000 0.0000 0.2225 0.0000 2.3085 0.3579 1.0370 0.0000 0.0000

SUKARESMI 0.0268 0.0818 0.0699 0.8221 0.1780 1.1982 2.3498 0.5880 1.0555 1.1357 0.0000

INDRAGIRI 0.0983 0.2453 0.4614 0.3654 0.7120 1.1982 3.1606 0.7060 2.1296 2.2913 0.0000

PATENGAN 0.8492 4.8236 0.3845 0.8221 0.5664 1.1982 2.5684 0.6788 1.7306 0.0000 0.0000

ALAMENDAH 0.0436 0.8993 0.7075 1.2788 0.7787 1.9970 0.3985 0.1639 1.0741 0.0000 0.0000

SUGIHMUKTI 0.0575 0.1635 1.1738 1.5071 1.3986 3.5947 1.1613 0.0945 1.5650 0.0000 0.0000

MARGAMULYA 0.1142 0.0273 1.9654 0.5480 5.0433 2.6361 0.0000 0.3027 0.0000 0.0000 0.0000

TENJOLAYA 0.1937 0.2068 2.0706 1.1646 1.3986 3.5947 0.6180 0.3822 0.0000 0.0000 0.0000

CISONDARI 0.4321 0.4088 2.3072 1.6737 1.3986 3.5947 1.5993 0.6084 1.0776 0.0000 0.0000

MEKARSARI 0.0447 0.0508 0.9888 0.7779 0.5664 1.9276 1.4004 0.0000 0.0000 0.0000 0.0000

CIBODAS 0.3129 0.0818 3.3327 0.9743 1.2179 3.0939 0.9755 0.2874 1.3146 0.0000 0.0000

CUKANGGENTENG 0.6704 0.4088 3.8454 1.4092 1.3986 2.3964 2.5202 4.8446 0.0000 0.0000 0.0000

PASIRJAMBU 3.5309 0.4088 2.9225 1.2010 1.3986 3.0939 1.0218 0.0366 4.1309 2.9630 0.0000

MEKARMAJU 0.3129 0.2248 0.8359 1.1296 1.3986 3.5947 0.0000 0.1165 0.0000 0.0000 0.0000

CIKONENG 0.1596 0.0818 1.4024 1.2788 0.9728 2.7411 0.0000 1.1552 0.0000 0.0000 0.0000Jumlah 11.2184 11.3014 31.5306 30.4802 27.1363 47.4423 24.9082 12.1490 23.2587 13.7441 4.6904Jumlah jenis 21 21 21 21 21 21 16 21 15 7 1Rataan 0.5099 0.5137 1.4332 1.3855 1.2335 2.1565 1.1322 0.5522 1.0572 0.6247 0.2132Standar Deviasi 1 1 1 1 1 1 1 1 1 1 1

Jumlah Puskesmas (Unit)



Jumlah Terminal Penumpang Kendaraana Bermotor Roda 4 atau Lebih (unit)


Kios Sarana

Produksi Pertanian






Hotel (unit)




Jumlah KUD (unit)



0.0000 0.0000 0.0000 0.0000 0.6408 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.3833 0.0000 0.0000 0.9869 0.0000 1.4537 0.0000

1.2387 3.0930 3.5733 1.1928 2.4087 2.9324 0.0000 0.0000 4.6904 0.1452 4.6813 0.3033 4.6904 3.9745 2.3430 2.1145 2.8759 0.0000

0.0000 0.0000 0.0000 0.0000 0.3551 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 3.8281 0.0000 0.8055 3.7929

0.0000 0.0000 0.0000 0.0000 0.4992 0.0000 0.0000 1.3620 0.0000 0.0762 0.1781 0.0000 0.0000 0.0000 1.5376 0.0000 2.2647 0.0000

2.5570 0.0000 0.0000 2.4621 0.5234 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

0.0000 0.0000 0.0000 0.0000 1.0506 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 2.1576 0.0000 3.1779 0.0000

0.0000 0.0000 0.0000 0.0000 0.5723 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 1.1752 0.0000 0.8655 0.6792

0.0000 0.0000 0.0000 1.8219 0.1936 0.0000 0.0000 0.0000 0.0000 0.1774 0.1036 0.0000 0.0000 0.0000 1.1929 0.0000 1.7571 0.0000

0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.9608 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.6071 0.0000 0.8943 0.0000

0.0000 0.0000 0.0000 3.7416 0.0000 0.0000 3.8769 0.0000 0.0000 0.0911 0.0709 0.0000 0.0000 0.0000 2.4499 0.0000 0.0000 2.8320

3.1577 0.0000 0.0000 0.0000 0.3232 0.0000 1.5752 0.0000 0.0000 0.0000 0.0576 0.0000 0.0000 0.0000 1.9909 0.0000 2.9324 0.0000

0.0000 0.6117 0.0000 0.9435 0.7020 3.7115 0.0000 0.0000 0.0000 0.0230 0.0447 0.0000 0.0000 0.0000 1.5445 0.0000 2.2750 0.0000

1.4277 0.0000 0.0000 0.0000 1.3150 0.0000 2.1367 0.0000 0.0000 1.8744 0.0000 0.0000 0.0000 0.0000 0.9002 0.0000 0.6629 0.5203

0.0000 1.5312 2.3586 0.0000 0.7531 0.0000 0.0000 0.0000 0.0000 0.0000 0.1791 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

0.0000 0.9486 0.0000 0.0000 4.6655 0.0000 0.7581 0.0000 0.0000 0.0356 0.0832 0.0000 0.0000 0.0000 0.4790 0.0000 0.7056 0.0000

0.0000 1.2274 0.0000 0.0000 0.8049 0.0000 0.0000 0.0000 0.0000 4.4253 0.1256 0.0000 0.0000 0.0000 1.8596 0.0000 1.8260 0.0000

0.0000 0.0000 0.0000 0.0000 0.3524 0.0000 1.7178 0.0000 0.0000 0.0000 0.3143 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

0.0000 0.0000 0.0000 0.0000 0.4910 0.0000 0.0000 2.0094 0.0000 0.0000 1.0948 4.6989 0.0000 0.0000 0.7562 0.0000 1.1138 0.0000

0.0000 0.0000 0.0000 0.0000 0.3171 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.9768 0.0000 1.4387 0.0000

2.5124 3.1366 2.4158 0.0000 1.0285 1.1895 0.0000 4.2095 0.0000 0.0589 0.2752 0.0000 0.0000 2.6871 2.3761 4.2887 1.1666 0.9155

0.0000 1.8635 0.0000 0.0000 0.6110 0.0000 0.0000 0.0000 0.0000 0.0000 0.0545 0.0000 0.0000 0.0000 2.8233 0.0000 0.0000 0.0000

0.0000 0.0000 0.0000 0.0000 0.3506 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 2.1602 0.0000 1.5909 1.248510.8935 12.4119 8.3477 10.1619 17.9580 7.8334 11.0254 7.5808 4.6904 6.9072 7.2631 5.3855 4.6904 6.6616 32.1451 6.4031 27.8063 9.9883

5 7 3 5 20 3 6 3 1 9 13 3 1 2 19 2 17 60.4952 0.5642 0.3794 0.4619 0.8163 0.3561 0.5012 0.3446 0.2132 0.3140 0.3301 0.2448 0.2132 0.3028 1.4611 0.2911 1.2639 0.4540

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

Tahap selanjutnya adalah menghitung nilai IPD (Indeks Pembangunan Desa) dan Jumlah Jenis dengan menjumlah seluruh nilai dari kiri ke kanan. Setelah itu dihitung nilai hirarki dengan aturan sebagai berikut:

HIERARKI I IP>Rataan+2 x StdDev

II IP> RataanIII IP<Rataan

14


Dari hasil perhitungan didapat nilai hirarki tiap wilayah. Selanjutnya dilakukan proses pengurutan sehingga menghasilkan data akhir sebagai berikut:

Nama Kabupaten Nama Kecamatan Nama Desa Kode Wilayah IPD Jumlah Jenis HIERARKI

BANDUNG CIWIDEY CIWIDEY 3204010002 57.69 25 Hierarki 1

BANDUNG PASIRJAMBU PASIRJAMBU 3204020008 46.97 23 Hierarki 1

BANDUNG RANCA BALI INDRAGIRI 3204011003 24.43 16 Hierarki 2

BANDUNG RANCA BALI PATENGAN 3204011004 23.66 15 Hierarki 2

BANDUNG PASIRJAMBU CISONDARI 3204020004 23.37 15 Hierarki 2

BANDUNG PASIRJAMBU CIBODAS 3204020006 21.75 15 Hierarki 2

BANDUNG PASIRJAMBU CUKANGGENTENG 3204020007 20.23 11 Hierarki 2

BANDUNG CIWIDEY PANUNDAAN 3204010001 12.58 12 Hierarki 3

BANDUNG CIWIDEY PANYOCOKAN 3204010003 18.93 13 Hierarki 3

BANDUNG CIWIDEY LEBAKMUNCANG 3204010004 16.65 14 Hierarki 3

BANDUNG CIWIDEY RAWABOGO 3204010005 11.55 11 Hierarki 3

BANDUNG CIWIDEY NENGKELAN 3204010006 18.06 13 Hierarki 3

BANDUNG CIWIDEY SUKAWENING 3204010007 17.24 14 Hierarki 3

BANDUNG RANCA BALI CIPELAH 3204011001 9.17 10 Hierarki 3

BANDUNG RANCA BALI SUKARESMI 3204011002 9.97 13 Hierarki 3

BANDUNG RANCA BALI ALAMENDAH 3204011005 17.20 17 Hierarki 3

BANDUNG PASIRJAMBU SUGIHMUKTI 3204020001 19.55 16 Hierarki 3

BANDUNG PASIRJAMBU MARGAMULYA 3204020002 15.46 11 Hierarki 3

BANDUNG PASIRJAMBU TENJOLAYA 3204020003 17.30 15 Hierarki 3

BANDUNG PASIRJAMBU MEKARSARI 3204020005 8.14 10 Hierarki 3

BANDUNG PASIRJAMBU MEKARMAJU 3204020009 12.97 11 Hierarki 3BANDUNG PASIRJAMBU CIKONENG 3204020010 13.14 11 Hierarki 3

E. PEMBAHASAN

Desa dengan hirarki 1 adalah desa yang dianggap memiliki perkembangan wilayah yang tinggi berdasarkan jumlah ketersediaan fasilitas, luas wilayah, jumlah penduduk serta jarak tempuh wilayah ke pusat pelayanan. Desa dengan hirarki 2 adalah desa dengan perkembangan wilayah sedang, sementara desa hirarki 3 adalah desa dengan tingkat perkembangan rendah.

Dari hasil analisis hirariki wilayah berdasarkan metode skalogram, didapatkan data bahwa desa-desa yang termasuk hirarki 1 adalah Desa Panundaan Kecamatan Ciwidey dan Desa Pasir Jambu Kecamatan Pasir Jambu. Desa yang termasuk hirarki 2 adalah Desa Indragiri dan Desa Patengan Kec. Rancabali, Desa Cisondari, Desa Cibodas dan Desa Cukanggenteng Kecamatan Pasirjambu. Sisanya adalah desa dengan hierarki 3.

Berdasarkan tingkat hirarki tersebut, maka pemerintah daerah perlu melakukan hal-hal sebagai berikut:

(1)Untuk mendorong pertumbuhan ekonomi di sekitarnya, desa dengan hirarki 1 perlu dijadikan sebagai pusat pertumbuhan ekonomi dengan cara meningkatkan kualitas dan ketersediaan berbagai fasilitas pelayanan;

(2)Untuk melakukan pemerataan pembangunan, maka pengembagan harus lebih difokuskan pada wilayah-wilayah

15


dengan hirarki 2 dan 3 agar hirarki wilayah-wilayah tersebut bisa berkembang dan meningkat.

F. REFERENSI


Saefulhakim S. 2004. Permodelan Analisis Kuantitatif Sosial Ekonomi Spasial. Program Studi Perencanaan Wilayah. Sekolah Pascasarjana. IPB.

PRAKTIKUM 3:ANALISIS KETIMPANGAN WILAYAH

(INDEKS GINNI, WILLIAMSON, THEIL)

A. TINJAUAN TEORI

Pengukuran tingkat pemerataan dilakukan dengan menggunakan indeks gini. Di dalam praktikum ini salah satu tolok ukur yang akan dicoba untuk dipahami adalah indeks gini untuk melihat tingkat pemerataan pendapatan di suatu wi Persamaan indeks gini ini disusun oleh Lorentz dengan bantuan kurva yang disusun dalam suatu skala absis dan ordinat yang sama. Absis menggambarkan persentase atau persentil populasi dan ordinat menggambarkan persentase atau persentil pendapatan. Selanjutnya ditarik diagonal bersudut 45 derajat sebagai batas. Dan besarnya tingkat kemerataan dan ketidakmerataan ini dihitung

16


dari luasan wilayah yang dibentuk oleh suatu fungsi yang menggambarkan tingkat pendapatan masyarakat dan garis diagonal 45 derajat. Persamaan matematis untuk menghitung indeks gini ini adalah sebagai berikut :

…………………………………………………..

(1)

dimana : G = indeks gini

f(x) = fungsi yang menggambarkan persentase pendapatan

penduduk berdasarkan persentase jumlah penduduk yang

ada

cat. : persamaan tersebut diterapkan jika data dinyatakan dalam persen. Jika data dinyatakan dalam persentil, maka menjadi n = i sampai 10.

Gambaran grafis dari penghitungan indeks gini ditampilkan pada gambar berikut:

100 (B)

y (%) y= x f (x)

(kumulatifpendapatan)

(O) 0 100 (A) x (% kumulatif penduduk)

Dari gambar tersebut yang disebut dengan indeks gini adalah rasio antara luas daerah yang diarsir atau integral dari f(x) dengan luas segitiga OAB.

Secara umum penghitungan indeks gini dapat dibagi menjadi 2 (dua) cara. Cara yang pertama bersifat discrete dan cara yang kedua bersifat kontinu. Cara yang bersifat discrete dilakukan dengan menghitung luas daerah di bawah garis diagonal nilai secara terpisah, sehingga seperti menghitung kotak-kotak yang terdapat di bawah garis diagonal 45°. Dengan begitu, persamaan

17


tersebut bisa dimodifikasi untuk mempermudah pencarian nilai indeks gini. Persamaan modifikasi ini adalah :

………………………………………………….. 2)

dimana :

G = indeks ginipi = proporsi populasi kategori ke-ii = proporsi kumulatif pendapatan sampai dengan kategori

pendapatan ke-ipi = ki/kn = banyaknya kategori pendapatanki = banyaknya populasi untuk kategori pendapatan ke-ik = total populasi wilayah.

Hidayat dan Patunru (2007) mengungkapkan bahwa penghitungan indeks gini dengan menggunakan data pengeluaran cenderung lebih rendah daripada indeks gini yang dihitung dengan data pendapatan. Hal ini karena data pengeluaran kemungkinan hanya dapat menggambarkan besarnya pendapatan pada penduduk berpendapatan rendah dan menengah, tetapi tidak untuk penduduk berpendapatan tinggi.

Indeks gini adalah ukuran ketimpangan agregat yang nilainya berkisar antara nol dan satu. Nilai indeks gini 0 (nol) artinya tidak ada ketimpangan (pemerataan sempurna) sedangkan nilai 1 (satu) artinya ketimpangan sempurna. Ketimpangan pendapatan dalam masyarakat dapat dikelompokkan sebagai ketimpangan rendah, sedang atau tinggi. Pengelompokkan ini sesuai dengan ukuran ketimpangan yang digunakan. Nilai indeks gini pada negara-negara yang ketimpangannya tinggi berkisar antara 0,50 hingga 0,70, sedangkan untuk negara-negara yang distribusi pendapatanya relatif merata, nilainya antara 0,20 hingga 0,35 (Todaro dan Smith, 2006).

B. TUJUAN PRAKTIKUM

Tujuan praktikum analisis ketimpangan wilayah adalah untuk melihat tingkat disparitas wilayah berdasarkan pemerataan pendapatan masyarakat (indeks Ginni), pemerataan pendapatan wilayah (Indeks Williamson) serta hubungan penyebab disparitas antar wilayah (Indeks Theil).

C. SUMBER DATA

18


Data untuk perhitungan indeks Ginni, didasarkan pada data SUSENAS pendapatan rumah tangga dengan membandingkan disparitas pendapatan antara wilayah desa dengan wilayah perkotaan. Perhitungan Indeks Williamson dilakukan berdasarkan data jumlah penduduk dan PDRB Kabupataten/Kota di Wilayah Provinsi Jawa Barat Tahun 2004. Perhitungan Indeks Theil dilakukan berdasarkan data PDRB dan Jumlah Penduduk wilayah kecamatan di Kabupaten Sambas pada Tahun 2007.

D. HASIL DAN PEMBAHASAN

D.1 Analisis Indeks GINNI

Dalam praktikum, analisis Indeks GINNI dilakukan terhadap data SUSENAS berupa data tingkat pendapatan rumah tangga. Hasil perhitungan Indeks GINNI untuk wilayah perdesaan didapat sebagai berikut:

PERDESAAN

Golongan PengeluaranPersentase Penduduk

Nilai Pengeluaran

(Rupiah)

Kumulatif Pengeluaran

Peluang Kumulatif

Pengeluaran

(Φj)

Peluang Penduduk

(Pj )Φj+(Φj-1) Pj*(Φj+(Φj-1))

Kurang dari 60.000 0.09 56,685 56,685 0.0312 0.001 0.031 0.0000281Antara 60.000 - 79.999 1.61 72,659 129,344 0.0711 0.016 0.102 0.0016469Antara 80.000 - 99.999 6.02 90,839 220,183 0.1211 0.060 0.192 0.0115702Antara 100.000 - 149.999 25.82 125,396 345,579 0.1900 0.258 0.311 0.0803257Antara 150.000 - 199.999 26.71 173,198 518,777 0.2853 0.267 0.475 0.1269495Antara 200.000 - 299.999 25.05 240,728 759,505 0.4176 0.251 0.703 0.1760755Antara 300.000 - 499.999 12.47 373,090 1,132,595 0.6228 0.125 1.040 0.1297403500.000 atau lebih 2.23 685,998 1,818,593 1.0000 0.022 1.623 0.0361881

100 Sum 0.5625241-Sum Indeks Gini 0.437476

Hasil perhitungan Indeks GINNI untuk wilayah perkotaan didapat sebagai berikut:

PERKOTAAN

Golongan PengeluaranPersentase Penduduk

Nilai Pengeluaran

(Rupiah)

Kumulatif Pengeluaran

Peluang Kumulatif

Pengeluaran

(Φj)

Peluang Penduduk (Pj )

Φj+(Φj-1) Pj*(Φj+(Φj-1))

Kurang dari 60.000 0 - - 0.0000 0.000 0.000 0.0000000Antara 60.000 - 79.999 0.3 72,626 72,626 0.0377 0.003 0.038 0.0001132Antara 80.000 - 99.999 0.86 89,804 162,430 0.0844 0.009 0.122 0.0010504Antara 100.000 - 149.999 8.3 130,122 292,552 0.1520 0.083 0.236 0.0196224Antara 150.000 - 199.999 15.47 175,009 467,561 0.2430 0.155 0.395 0.0611010Antara 200.000 - 299.999 27.37 246,838 714,399 0.3712 0.274 0.614 0.1680960Antara 300.000 - 499.999 28.4 387,142 1,101,541 0.5724 0.284 0.944 0.2679783500.000 atau lebih 19.3 822,969 1,924,510 1.0000 0.193 1.572 0.3034683

100 Sum 0.82142971-Sum Indeks Gini 0.1785703

19


Indeks GINNI didasarkan asumsi bahwa jika nilanya mendekati nol, berarti disparitas kecil. Sementara jika hasilnya mendekati 1 berarti terjadi disparitas wilayah yang sangat tinggi.

Hasil perhitungan Indeks GINNI untuk wilayah pedesaan memperlihatkan nilai indeks sebesar 0.457476. Itu berarti di wilayah pedesaan terjadi kesenjangan pendapatan masyarakat yang cukup tinggi antara golongan berpenghasilan rendah dengan golongan berpenghasilan tinggi.

Hasil perhitungan Indeks GINNI untuk wilayah perkotaan memperlihatkan nilai indeks sebesar 0,1785703. Itu berarti kesenjangan pendapatan masyarakat di wilayah perkotaan relatif lebih rendah dibanding masyarakat di pedesaan.

D.2 Analisis Indeks Williamson

Perhitungan Indeks Williamson dilakukan berdasarkan data jumlah penduduk dan PDRB Kabupataten/Kota di Wilayah Provinsi Jawa Barat Tahun 2004. Dari hasil perhitungan, didapat tabel sebagai berikut:

KABUPATEN/KOTAJumlah

PendudukPDRB (Rp juta)

PDRB /kapita (Rp

juta)

Peluang Penduduk

Simpangan Nilai Tengah Pendapatan per Kapita

Kuadrat Simpangan

Nilai Tengah Pendapatan per Kapita

Peluang Penduduk x

Kuadrat Simpangan

Nilai Tengah Pendapatan per Kapita

BOGOR 3,060,618 18,226,545 5.955 0.0989 (0.3026) 0.0915 0.00905 SUKABUMI 1,956,188 5,951,382 3.042 0.0632 (3.2154) 10.3388 0.65325 CIANJUR 1,964,571 5,666,201 2.884 0.0635 (3.3736) 11.3808 0.72217 BANDUNG 3,695,242 20,342,893 5.505 0.1194 (0.7526) 0.5664 0.06760 GARUT 1,919,711 7,316,162 3.811 0.0620 (2.4467) 5.9862 0.37118 TASIKMALAYA 1,924,957 6,062,456 3.149 0.0622 (3.1083) 9.6618 0.60073 CIAMIS 1,574,298 5,216,871 3.314 0.0508 (2.9440) 8.6669 0.44071 KUNINGAN 966,958 2,595,454 2.684 0.0312 (3.5736) 12.7706 0.39886 CIREBON 1,843,096 4,983,557 2.704 0.0595 (3.5538) 12.6298 0.75187 MAJALENGKA 1,129,738 2,801,175 2.479 0.0365 (3.7783) 14.2752 0.52090 SUMEDANG 904,063 3,699,811 4.092 0.0292 (2.1653) 4.6886 0.13691 INDRAMAYU 1,563,323 23,372,341 14.950 0.0505 8.6927 75.5627 3.81551 SUBANG 1,248,047 5,159,882 4.134 0.0403 (2.1234) 4.5087 0.18175 PURWAKARTA 638,964 4,457,377 6.976 0.0206 0.7182 0.5158 0.01065 BEKASI 1,330,389 30,581,242 22.987 0.0430 16.7289 279.8577 12.02576 KOTA BOGOR 691,421 2,671,607 3.864 0.0223 (2.3938) 5.7303 0.12797 KOTA SUKABUMI 246,847 1,080,165 4.376 0.0080 (1.8819) 3.5415 0.02824 KOTA BANDUNG 1,806,090 14,953,088 8.279 0.0583 2.0215 4.0865 0.23839 KOTA CIREBON 252,180 3,919,266 15.542 0.0081 9.2838 86.1889 0.70204 KOTA BEKASI 1,294,258 9,069,483 7.007 0.0418 0.7497 0.5621 0.02350 KOTA DEPOK 949,207 3,489,313 3.676 0.0307 (2.5817) 6.6652 0.20435

ΣP 30,960,166 ў 6.2577 Sumr 22.031(√Sumr)/ў Indeks Williamson 0.7501

Dalam perhitungan Indeks Williamson, jika nilainya semakin mendekati nol, maka dianggap terjadi pemerataan pendapatan antar wilayah. Tetapi jika nilainya diatas 0.5, maka pendapatan di dalam wilayah tersebut tidak merata. Semakin tinggi nilanya, maka disparitas antar wilayah semakin tinggi.

Dari hasil perhitungan diatas, didapat hasil Indeks Williamson antar wilayah di Jawa Barat adalah sebesar 0.7501. Itu berarti terjadi disparitas yang cukup tinggi antar wilayah kabupaten/kota di Jawa

20


Barat. Ada wilayah yang memiliki perkembangan yang cepat, sementara ada wilayah lain yang justru perkembangannya lambat.

D.3 Indeks Theil Entropy

Perhitungan Indeks Theil dilakukan berdasarkan data PDRB dan Jumlah Penduduk wilayah kecamatan di Kabupaten Sambas pada Tahun 2007. Data awal yang digunakan disajikan dalam tabel sebagai berikut:

PDRB JML. PNDDKI SELAKAU 195,108.64 36,982

PEMANGKAT 451,595.76 60,984 SEMPARUK 72,632.22 22,086 TEBAS 306,037.85 61,814 TEKARANG 29,793.78 11,558 JAWAI 216,924.36 37,662 JAWAI SELATAN 43,560.46 19,420

II SAMBAS 294,665.22 41,746 SUBAH 76,185.90 16,738 SEBAWI 36,695.87 14,814 SAJAD 20,017.77 9,726 SEJANGKUNG 112,573.07 18,768

III TELUK KERAMAT 234,671.59 62,590 TANGARAN 58,592.88 19,772 PALOH 119,191.42 22,817

IV GALING 78,879.16 15,884 SAJINGAN BESAR 15,162.27 7,507

WP Kecamatan2006

D.3.2 Ketimpangan Antar Kecamatan

Hasil perhitungan untuk nilai Ketimpangan Antar Kecamatan adalah sebagai berikut:

21


I SELAKAU 0.077 0.083 1.0739 0.0310 0.0026PEMANGKAT 0.127 0.191 1.5074 0.1782 0.0341SEMPARUK 0.046 0.031 0.6694 -0.1743 -0.0054TEBAS 0.129 0.130 1.0078 0.0034 0.0004TEKARANG 0.024 0.013 0.5247 -0.2801 -0.0035JAWAI 0.078 0.092 1.1725 0.0691 0.0063JAWAI SELATAN 0.040 0.018 0.4566 -0.3405 -0.0063

II SAMBAS 0.087 0.125 1.4368 0.1574 0.0196SUBAH 0.035 0.032 0.9265 -0.0331 -0.0011SEBAWI 0.031 0.016 0.5042 -0.2974 -0.0046SAJAD 0.020 0.008 0.4190 -0.3778 -0.0032SEJANGKUNG 0.039 0.048 1.2210 0.0867 0.0041

III TELUK KERAMAT 0.130 0.099 0.7632 -0.1174 -0.0117TANGARAN 0.041 0.025 0.6032 -0.2195 -0.0054PALOH 0.047 0.050 1.0634 0.0267 0.0013

IV GALING 0.033 0.033 1.0109 0.0047 0.0002SAJINGAN BESAR 0.016 0.006 0.4111 -0.3860 -0.0025

Indeks 0.02504

KETIMPANGAN ANTAR KECAMATAN

WP Kecamatan Xi Yi Yi/Xi log(Yi/Xi) Yi*log(Yi/Xi)

Dari hasil tabel tersebut dapat disimpulkan bahwa berdasarkan data PDRB dan jumlah penduduk, terjadi ketimpangan antar wilayah kecamatan dengan nilai Indeks 0.02504, dengan penjelasan sebagai berikut:

(1)Wilayah kecamatan yang menjadi penyebab ketimpangan (bernilai positif) adalah Kecamatan Selakau, Pemangkat, Tebas, Jawai, Sambas, Sejangkung, Paloh dan Galing.

(2)Wilayah yang menjadi korban ketimpangan (bernilai negatif) adalah wilayah Kecamatan Semparuk, Tekarang, Jawai Selatan, Subah, Sebawi, Sajad, Teluk Kramat dan Sajingan besar.

(3)Wilayah yang menjadi korban ketimpangan pada poin 2 perlu dijadikan prioritas dalam pembangunan di Kabupaten Sambas.

D.3.2 Ketimpangan Antar Kecamatan Dalam WP

Untuk mengetahui Ketimpangan Antar Kecamatan dalam WP (Wilayah Pengembangan), dilakukan perhitungan sebagaimana dapat dilihat pada tabel berikut:

22


I SELAKAU 0.1476292 0.148298 1.00453 0.00196 0.0003 0.00016PEMANGKAT 0.2434433 0.3432484 1.40997 0.14921 0.0512 0.02852SEMPARUK 0.0881656 0.0552062 0.62617 -0.20331 -0.0112 -0.00625TEBAS 0.2467566 0.2326129 0.94268 -0.02563 -0.0060 -0.00332TEKARANG 0.0461386 0.0226456 0.49082 -0.30908 -0.0070 -0.00390JAWAI 0.1503437 0.1648796 1.09668 0.04008 0.0066 0.00368JAWAI SELATAN 0.0775231 0.0331094 0.42709 -0.36948 -0.0122 -0.00681

0.521 0.557II SAMBAS 0.4101108 0.5455371 1.33022 0.12392 0.0676 0.01546

SUBAH 0.1644334 0.141049 0.85779 -0.06662 -0.0094 -0.00215SEBAWI 0.1455321 0.067938 0.46682 -0.33085 -0.0225 -0.00514SAJAD 0.0955478 0.0370605 0.38787 -0.41131 -0.0152 -0.00349SEJANGKUNG 0.184376 0.2084155 1.13038 0.05323 0.0111 0.00254

0.212 0.229III TELUK KERAMAT 0.5950808 0.5689617 0.95611 -0.01949 -0.0111 -0.00194

TANGARAN 0.1879843 0.1420585 0.75569 -0.12165 -0.0173 -0.00302PALOH 0.2169349 0.2889798 1.33210 0.12454 0.0360 0.00628

0.219 0.175 0.0000IV GALING 0.6790646 0.8387703 1.23518 0.09173 0.0769 0.00306

SAJINGAN BESAR 0.3209354 0.1612297 0.50237 -0.29897 -0.0482 -0.001920.049 0.040

0.00469Ketimpangan Within WP

KETIMPANGAN ANTAR KECAMATAN DALAM WP

WP Kecamatan Xg Yg Xi/Xg Yi/Yg (Yi/Yg)/(Xi/Xg)

log(Yi/Yg)/ (Xi/Xg)

Ig Yg*Ig

Dari hasil tabel diatas dapat dilihat bahwa nilai Indeks Theil untuk ketimpangan antar kecamatan dalam WP adalah sebesar 0.00469. Dari nilai indeks tiap kecamatan dalam WP, dapat disimpulkan sebagai berikut:

(1)Di wilayah WP1, kecamatan yang menjadi penyebab ketimpangan (bernilai positif) adalah Kecamatan Selakau, Pemangkat dan Jawai. Sementara kecamatan yang menjadi korban ketimpangan adalah Kecamatan Semparuk, Tebas, Tekarang dan Jawai Selatan.

(2)Di wilayah WP2, kecamatan yang menjadi penyebab ketimpangan (bernilai positif) adalah Kecamatan Sambas dan Sejangkung. Sementara kecamatan yang menjadi korban ketimpangan adalah Kecamatan Subah, Sebawi dan Sajad.

(3)Di wilayah WP3, kecamatan yang menjadi penyebab ketimpangan (bernilai positif) adalah Kecamatan Paloh. Sementara kecamatan yang menjadi korban ketimpangan adalah Kecamatan Teluk Kramat dan Tangaran.

(4)Di wilayah WP4, kecamatan yang menjadi penyebab ketimpangan (bernilai positif) adalah Kecamatan Galing. Sementara kecamatan yang menjadi korban ketimpangan adalah Kecamatan Sajingan Besar.

D.3.3 Ketimpangan Antar WP

23


Untuk mengetahui Ketimpangan Antar WP di Kabupaten Sambas, dilakukan perhitungan sebagaimana dapat dilihat pada tabel berikut:

I SELAKAU 0.1476292 0.148298 1.00453 0.00196 0.0003 0.00016PEMANGKAT 0.2434433 0.3432484 1.40997 0.14921 0.0512 0.02852SEMPARUK 0.0881656 0.0552062 0.62617 -0.20331 -0.0112 -0.00625TEBAS 0.2467566 0.2326129 0.94268 -0.02563 -0.0060 -0.00332TEKARANG 0.0461386 0.0226456 0.49082 -0.30908 -0.0070 -0.00390JAWAI 0.1503437 0.1648796 1.09668 0.04008 0.0066 0.00368JAWAI SELATAN 0.0775231 0.0331094 0.42709 -0.36948 -0.0122 -0.00681

0.521 0.557 1.0691 0.029016244 0.01616II SAMBAS 0.4101108 0.5455371 1.33022 0.12392 0.0676 0.01546

SUBAH 0.1644334 0.141049 0.85779 -0.06662 -0.0094 -0.00215SEBAWI 0.1455321 0.067938 0.46682 -0.33085 -0.0225 -0.00514SAJAD 0.0955478 0.0370605 0.38787 -0.41131 -0.0152 -0.00349SEJANGKUNG 0.184376 0.2084155 1.13038 0.05323 0.0111 0.00254

0.212 0.229 1.080149679 0.033483941 0.00766III TELUK KERAMAT 0.5950808 0.5689617 0.95611 -0.01949 -0.0111 -0.00194

TANGARAN 0.1879843 0.1420585 0.75569 -0.12165 -0.0173 -0.00302PALOH 0.2169349 0.2889798 1.33210 0.12454 0.0360 0.00628

0.219 0.175 0.0000 0.798254666 -0.09785853 -0.01709IV GALING 0.6790646 0.8387703 1.23518 0.09173 0.0769 0.00306

SAJINGAN BESAR 0.3209354 0.1612297 0.50237 -0.29897 -0.0482 -0.001920.049 0.040 0.818395869 -0.08703657 -0.00346

Ketimpangan Within WP 0.00327

KETIMPANGAN ANTAR WP

Ketimpangan Between WP

WP Kecamatan Xg Yg Yg/Xg log(Yg/Xg) IoXi/Xg Yi/Yg (Yi/Yg)/(Xi/Xg)

log(Yi/Yg)/ (Xi/Xg)

Ig Yg*Ig

Dari hasil tabel diatas dapat dilihat bahwa nilai Indeks Theil untuk ketimpangan antar WP di Kabupaten Sambas adalah sebesar 0.00327. Dari nilai indeks tiap WP, dapat disimpulkan sebagai berikut:

(1)Wilayah WP1 dan WP 2 bernilai positif sehingga WP1 dan WP2 merupakan penyebab ketimpangan.

(2)Wilayah WP3, bernilai negatif sehingga WP3 merupakan korban ketimpangan.

(3)Untuk meningkatkan pemerataan pembangunan, Pemerintah KAbupaten Sambas harus lebih fokus membangun wilayayah WP3.

E. REFERENSI

Hidayat S, Patunru AA. 2007. Pertumbuhan Ekonomi, Ketidakmerataan Pendapatan dan Kemiskinan: Estimasi Parameter Elastisitas Kemiskinan Tingkat Provinsi di Indonesia tahun 1996-2005. Jakarta: Universitas Indonesia.

Panuju et al (2010). Penuntun Praktikum Teknik Analisis Perencanaan Pengembangan Wilayah. Departemen Ilmu Tanah dan Sumberdaya Lahan. IPB.

24


Todaro, M.P dan Smith. 2006. Pembangunan Ekonomi: Edisi Kesembilan. Erlangga, Jakarta.

PRAKTIKUM 4:MODEL PERTUMBUHAN/PELURUHAN

A.TINJAUAN TEORI

Salah satu prinsip pokok dari pembangunan adalah terjadinya perubahan ke arah semakin terciptanya alternatif yang semakin

25


banyak sebagai wujud terakomodasinya aspirasi humanistik yaitu peningkatan kesejahteraan. Pertumbuhan dan perkembangan suatu wilayah menurut Nugroho dan Dahuri (2004) merupakan proses kontinyu terkait dengan pengambilan keputusan yang mempengaruhi kondisi suatu wilayah.

Sementara itu, Rustiadi et al. (2009) dan berbagai literatur lain menyebutkan bahwa salah satu tujuan dari pembangunan adalah tercapainya pertumbuhan ekonomi disamping pemerataan dan keberlanjutan. Bahkan tolok ukur pertumbuhan ekonomi (efisiensi) merupakan yang paling utama dan paling banyak dikaji dalam berbagai penelitian yang mengkaji tentang pembangunan wilayah. Pertumbuhan penduduk tidak secara langsung merupakan fungsi dari perkembangan ekonomi namun dipengaruhi salah satunya oleh faktor tersebut.

Tarigan (2008) menyatakan bahwa jumlah penduduk dan estimasi ke depannya dibutuhkan untuk mengetahui gambaran kebutuhan fasilitas di berbagai lokasi untuk menyusun rencana yang lebih baik. Pendugaan dari perubahan tersebut secara matematis dapat dilakukan dengan memanfaatkan fungsi pertumbuhan/peluruhan (growth function/ decay function) dari segala aspek. Model pertumbuhan/ peluruhan dapat digunakan untuk menduga perubahan seiring dengan waktu serta perubahan seiring dengan ukuran, atau jarak dari posisi referensi.

Analisis model pertumbuhan dimaksudkan untuk menunjukkan model-model pertumbuhan/peluruhan yang dapat digunakan untuk menduga pola pertumbuhan jumlah populasi/pendapatan seiring dengan waktu atau jarak terhadap pusat pertumbuhan.

Pendugaan perubahan pembangunan secara matematis dapat diduga dengan fungsi pertumbuhan/ peluruhan (Growth Function/ Decay Function) dari segala aspek. Model pertumbuhan/ peluruhan dapat digunakan untuk menduga perubahan seiring dengan waktu serta perubahan seiring dengan ukuran, atau jarak dari posisi referensi.

Model pertumbuhan secara umum dibagi menjadi 2 (dua), yaitu: (1) Discrete time model dan (2) Continuous time model. Secara lebih rinci persamaan dari kedua model tersebut dijabarkan pada uraian berikut.

1. Discrete Time Model

Model pertumbuhan model discrete time ini didasarkan pada asumsi bahwa pertumbuhan terjadi secara agregat dengan persentase laju pertumbuhan yang relatif konstan. Contoh penggunaan model ini adalah seperti penghitungan suku bunga di bank dan bunga asuransi.

26


Pertumbuhan penduduk kecil kemungkinan mendekati model ini, karena perkembangan penduduk mempunyai banyak faktor yang mempengaruhi yang menyebabkan pada suatu titik akan mempunyai laju pertumbuhan yang cenderung berubah-ubah. Dengan persamaan tersebut, pendugaan nilai parameter Pt bersifat matematis, sehingga tidak bisa diduga peluang maupun tingkat kepercayaan hasil pendugaan.

Model pertumbuhan model discrete time ini didasarkan pada asumsi bahwa pertumbuhan terjadi sebagai akibat secara agregat dengan persentase laju pertumbuhan yang relatif konstan. Contoh penggunaan model ini adalah seperti penghitungan suku bunga di Bank, asuransi. Pertumbuhan penduduk kecil kemungkinan mendekati model ini, karena perkembangan penduduk mempunyai banyak faktor yang mempengaruhi yang menyebabkan pada suatu titik akan mempunyai laju pertumbuhan yang menjadi lebih tinggi atau lebih rendah. Persamaan model pertumbuhan adalah sebagai berikut:

Asumsi: % laju tetap

Pt = P0 + r P0 = (1 + r ) P0 Pt = P0 (1 + r )t

2. Continuous Time Model

Maksud dari istilah continues-time model, adalah waktu merupakan variabel bernilai kontinu (bukan integer). Waktu integer umumnya bereferensi tahun dan tidak dimungkinkan bernilai desimal. Namun, dalam model continues-time referensi tahun dapat dipecah menjadi bulan, minggu atau hari sehingga terdapat angka pecahan. Secara umum model ini dibagi atas model linier, eksponensial, atau jenuh (Gompertz model). Secara lebih rinci uraian dari setiap jenis model tersebut dijabarkan berikut ini.

Linear

Pt Pt = P0 + t t

Model ini merupakan model pendugaan pertumbuhan dengan menggunakan asumsi bahwa perubahan laju pertumbuhan relatif konstan.

27


Exponensial

Asumsi: % laju berubah

Pt

TPt = P0 exp (t)

Model ini merupakan model pertumbuhan yang didasarkan pada asumsi bahwa % laju relatif berubah.

Saturation

Asumsi: , % berubah

Pt t

T

Pt = W exp ( + t) 1+ exp ( + t)

Model ini merupakan model pertumbuhan yang paling kompleks dengan didasarkan pada asumsi bahwa perubahan laju dan persentase pertumbuhan senantiasa berubah.

Linier

< 0

Exponensial

< 0

28


Saturation

Pada dasarnya model peluruhan ini mempunyai prinsip yang sama dengan pertumbuhan sebagaimana dijelaskan di atas. Asumsi-asumsinya sama. Perbedaanya terletak pada nilai gradiennya. Jika nilai gradien positif disebut sebagai model pertumbuhan (growth) dan sebaliknya jika gradien negatif maka disebut sebagai model peluruhan (decay). Adapun bentuk dari kurva-kurva peluruhan adalah sebagai berikut dengan asumsi-asumsi sama dengan model pertumbuhan.

Model-model pertumbuhan/ peluruhan yang dapat digunakan untuk menduga jumlah populasi/ pendapatan seiring dengan waktu atau jarak terhadap pusat pertumbuhan.

B.SUMBER DATA

Dalam praktikum model pertumbuhan/peluruhan, digunakan data pertumbuhan penduduk Kota Bogor selama 25 Tahun (dari Tahun 1986 – Tahun 2010) sebagaimana dapat dilihat pada tabel berikut:

Tahun T Jumlah Penduduk

Tahun T Jumlah Penduduk

1986 1 251,996 1999 14 730,985

1987 2 256,358 2000 15 750,819

1988 3 260,718 2001 16 762,677

1989 4 265,070 2002 17 776,404

1990 5 269,412 2003 18 714,950

1991 6 273,258 2004 19 701,025

1992 7 276,235 2005 20 782,406

1993 8 279,306 2006 21 815,632

1994 9 280,900 2007 22 855,085

1995 10 414,469 2008 23 876,292

1996 11 637,200 2009 24 895,596

1997 12 705,348 2010 25 949,066

1998 13 718,275

29


C. HASIL PRAKTIKUM

Praktikum dilakukan dengan menggunakan Software STATISTIKA 7. Dari hasil proses pemodelan, didapat grafik sebagai berikut:

1. Grafik Persamaan Linier: diskret & kontinu

Persamaan: Y = β0+ β1X+εAsumsi : Perubahan laju konstan

2. Grafik Persamaan Non Linier Polinomial Kuadratik

Persamaan : Y = β0+ β1X+β2X2+ε

Asumsi: Pola pertumbuhan konstan

Dicapai titik minimum atau maksimum pada tahun tertentu

30

Scatterplot (Spreadsheet3 3v*25c)

Kota Bog or = 1.5195E5+ 32925.0785*x

0 2 4 6 8 10 12 14 16 18 20 22 24 26

T

2E5

3E5

4E5

5E5

6E5

7E5

8E5

9E5

1E6

Kota

Bogor


3. Grafik Persamaan Eksponensial

Persamaan : Y = β0*exp(β1+β2X+ε)

Asumsi: Laju pertumbuhan bersifat tidak konstan (berpola eksponen)

4. Grafik Model Sigmoid (jenuh)

Persamaan : Y = β0*exp(β1+β2X) 1+exp(β1+β2X)

31

M odel: v3= a*exp(b+ c*v2) /(1+ (exp(b+ c*v2)) )

y= (941483.)*exp(( -1.8166)+ ( .190381)*x) /(1+ (exp(( -1.8166)+ ( .190381)*x) ) )

C :1 C :2 C :3 C :4 C :5 C :6C :7 C :8 C :9

C :10

C :11

C :12C :13C :14C :15C :16C :17

C :18C :19

C :20C :21

C :22C :23C :24C :25

0 2 4 6 8 10 12 14 16 18 20 22 24 26

T

0

1E5

2E5

3E5

4E5

5E5

6E5

7E5

8E5

9E5

1E6


D. PEMBAHASAN

Berdasarkan grafik hasil pemodelan pertumbuhan/peluruhan, dapat disimpulkan bahwa:

(1)Pada grafik pertama, dengan hasil R2=88.40%, maka dapat dikatakan model sangat fit (ada hubungan antara pertambahan tahun dengan pertambahan jumlah penduduk;

(2)Dari grafik sigmoid didapat nilai parameter dugaan Pmax=941483, nilai a=181661 dan nilai b=0.190381

(3)Berdasarkan nilai parameter dugaan tersebut maka artinya Kota Bogor sudah crowded, dibuktikan dengan kurva yang melengkung dan melambat;

(4)Kecepatan kurva yang melambat pada fase akhir menunjukan bahwa pertumbuhan Kota Bogor sudah mendekati kemampuan daya dukung (Carryng capacity);

(5)Melambatnya pertumbuhan bisa terjadi karena banyak faktor, tetapi biasanya kejadian ini menunjukan bahwa dengan adanya pertambahan jumlah penduduk Kota Bogor seperti saat ini, maka daya dukung wilayah terhadap penduduk akan semakin melemah.

C. REFERENSI

Dahuri R, Nugroho I. 2004. Pembangunan Wilayah Perspektif Ekonomi, Sosial dan Lingkungan. Jakarta: LP3ES.


Rustiadi E, Saefulhakim S, Panuju DR. 2009. Perencanaan dan Pengembangan Wilayah. Jakarta: Crestpent Press dan Yayasan Obor Indonesia.

Tarigan, Robinson, (2005). Perencanaan Pembangunan Wilayah. Penerbit PT. Bumi Aksara, Jakarta.

32


PRAKTIKUM 5:ANALISIS TIPOLOGI WILAYAH (CLUSTER ANALYSIS & DFA)

A. TINJAUAN TEORI

A.1 Analisis Klaster

Analisis cluster merupakan teknik multivariat yang mempunyai tujuan utama untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimilikinya. Analisis cluster mengklasifikasi objek sehingga setiap objek yang paling dekat kesamaannya dengan objek lain berada dalam cluster yang sama. Cluster-cluster yang terbentuk memiliki homogenitas internal yang tinggi dan heterogenitas eksternal yang tinggi.

Berbeda dengan teknik multivariat lainnya, analisis cluster tidak mengestimasi set vaiabel secara empiris sebaliknya menggunakan setvariabel yang ditentukan oleh peneliti itu sendiri. Fokus dari analisis cluster adlah membandingkan objek berdasarkan set variabel, hal inilah yang menyebabkan para ahli mendefinisikan set variabel sebagai tahap kritis dalam analisis cluster. Set variabel cluster adalah suatu set variabel yang merpresentasikan karakteristik yang dipakai objek-objek. Bedanya dengan analisis faktor adalah bahwa analisis cluster terfokus pada pengelompokan objek sedangkan analisis faktor terfokus pada kelompok variabel.

Solusi analisis cluster bersifat tidak unik, anggota cluster untuk tiap penyelesaian/solusi tergantung pada beberapa elemen prosedur dan beberapa solusi yang berbeda dapat diperoleh dengan mengubah satu elemen atau lebih. Solusi cluster secara keseluruhan bergantung pada variabel-variaabel yang digunakan sebagai dasar untuk menilai kesamaan. Penambahan atau pengurangan variabel-variabel yang relevan dapat mempengaruhi substansi hasi analisisi cluster.

Analisis kelompok adalah analisis statistika yang bertujuan untuk mengelompokkan data sedemikian hingga data yang berada dalam kelompok yang sama mempunyai sifat yang relatif homogen daripada data yang berada dalam kelompok yang berbeda.

33


Dilihat dari apa yang dikelompokkan, maka analisis klaster dibagi menjadi dua yaitu :

a. Pengelompokan observasi

b. Pengelompokan variabel.

Secara umum ada dua metode di dalam analisis klaster yaitu :

a. Metode hirarki, hasil pengelompokkannya disajikan secara hirarki atau berjenjang dari n, (n-1) sampai 1 kelompok. yang termasuk dalam metode ini adalah single linkage, complete linkage, average linkage, median linkage, dan centroid linkage

b. Metode tak hirarki. Metode ini dipakai jika banyaknya kelompok sudah diketahui dan biasanya metode ini dipakai untuk mengelompokkan data yang berukuran besar, yang termasuk dalam metode ini adalah metode K’means

Untuk menyatakan suatu observasi atau variabel menpunyai sifat yang lebih dekat dengan observasi tertentu daripada dengan observasi yang lain digunakan fungsi yang disebut jarak (distance). Suatu fungsi disebut jarak jika mempunyai sifat :

a. Tak negatif dan jika i=j

b. Simetri

c. panjang salah satu sisi segitiga selalu lebih kecil atau sama-dengan jumlah dua sisi yang lain

Beberapa macam jarak yang biasa dipakai di dalam analisis klaster :

No

Jarak Formula

1 Euclidean

2 Manhattan

3 Pearson

4 Korelasi

5mutlakkorelasi

34


Metode-metode pengelompokan hirarki dibedakan berdasarkan konsep jarak antar kelompok, penentuan jarak antar kelompok untuk metode-metode tersebut adalah :

Nomor

Metode Jarak antara kelompok (i,j) dengan k

1 Single linkage

2 Complete linkage

3 Average linkage

4 Median linkage

Analisis kluster atau gerombolan pada penelitian ini dilakukan dengan metode hirarki. Kluster atau kelompok yang akan dihasilkan dengan metode hirarki tidak ditentukan jumlahnya. Analisis Statistica dengan metode Ward’s akan menghasilkan dendrogram yang bisa menetapkan kelompok (kluster) berdasarkan rapat tidaknya hubungan antar satuan wilayah dalam hal ini kecamatan. Penetapan jumlah kelompok optimum dapat dilakukan dengan mengamati jarak terpanjang (lingkage distance) dari satu pautan ke pautan berikutnya (Panuju dan Rustiadi 2011).

Keuntungan metode hirarkhi adalah cepat dalam proses pengolahan sehingga menghemat waktu, namun kelemahannya metode ini dapat menimbulkan kesalahan. Selain itu tidak baik diterapkan untuk menganalisis sampel dengan ukuran besar. Metode Non Hirarkhi memiliki keuntungan lebih daripada metode hirarkhi. Hasilnya memiliki sedikit kelemahan pada data outlier, ukuran jarak yang digunakan, dan termasuk variabel tak relevan atau variabel yang tidak tepat. Keuntungannya hanya dengan menggunakan titik bakal nonrandom, penggunaan metode non hirarkhi untuk titik bakal random secara nyata lebih buruk dari pada metode hirarkhi. Alternatif lain adalah dengan mengkombinasikan kedua metode ini. Pertama gunakan metode hirarkhi kemudian dilanjutkan dengan metode non hirarkhi.

A.2 Diskriminan Faktor Analisis (DFA)

Dalam pengelolaan wilayah yang cakupannya cukup luas, seringkali analisis diskriminan digunakan untuk menetapkan variabel yang mampu membedakan dua atau lebih kelompok alami maupun kelompok non alamiah yang sedang diuji. Yang dimaksud dengan kelompok alamiah adalah kelompok yang terbentuk karena faktor-faktor yang sifatnya alamiah, misalnya kawasan DAS. Sedangkan kelompok non alamiah, adalah kelompok yang terbentuk karena

35


kebijakan. Umumnya kelompok ini dibentuk untuk mempermudah pengelolaan dan untuk menetapkan pengelompokan tindakan yang tepat terkait dengan karakteristik yang beragam. Ada campur tangan kebijakan dan politik yang melatarbelakangi terbentuknya wilayah non alamiah. Misalnya: wilayah pembangunan, wilayah administratif provinsi, dsb. Satu unit desa/kecamatan masuk ke wilayah pembangunan tertentu umumnya bukan hanya mempertimbangkan kesamaan karakteristik alamiah, namun juga mempertimbangkan kedekatan untuk mempermudah pengelolaan. Demikian juga satu kabupaten tertentu menjadi bagian dari satu provinsi tertentu karena pertimbangan serupa.

Metode diskriminan dapat digunakan untuk mengidentifikasi penciri terbaik untuk menetapkan kelas wilayah. Secara komputasi, metode ini mirip dengan metode analisis ragam. Ide dasar analisis diskriminan adalah menetapkan apakah nilai tengah variabel tertentu di berbagai kelompok atau grup yang diuji berbeda. Pada tahap berikutnya menggunakan variabel terpilih untuk memprediksi keanggotaan kelompok.

Analisis Diskriminan adalah salah satu tehnik analisa Statistika dependensi yang memiliki kegunaan untuk mengklasifikasikan objek beberapa kelompok. Pengelompokan dengan analisis diskriminan ini terjadi karena ada pengaruh satu atau lebih variabel lain yang merupakan variabel independen. Kombinasi linier dari variabel-variabel ini akan membentuk suatu fungsi diskriminan.

Analisis diskriminan adalah teknik multivariat yang termasuk dependence method, yakni adanya variabel dependen dan variabel independen. Dengan demikian ada variabel yang hasilnya tergantung dari data variabel independen. Analisis diskriminan mirip regresi linier berganda (multivariable regression). Perbedaannya analisis diskriminan digunakan apabila variabel dependennya kategoris (menggunakan skala ordinal maupun nominal) dan variabel independennya menggunakan skala metrik (interval dan rasio). Sedangkan dalam regresi berganda variabel dependennya harus metrik dan jika variabelnya independen, bias metric maupun nonmetrik.

Model dasar analisis diskriminan mirip regresi berganda. Perbedaannya adalah kalau variabel dependen regresi berganda dilambangkan dengan Y, maka dalam analisis diskriminan dilambangkan dengan D.

Model analisis diskriminan adalah sebuah persamaan yang menunjukkan suatu kombinasi linier dari berbagai variabel independen yaitu :

D = b + b X + b X + b X + ... + b X 0 1 2 2 3 3

36


Dengan :D = skor diskriminanB = koefisien diskriminasi atau bobotX = prediktor atau variabel independent

Yang diestimasi adalah koefisien ‘b’, sehingga nilai ‘D’ setiap grup sedapat mungkin berbeda. Ini terjadi pada saat rasio jumlah kuadrat antar grup (between group sum of squares) terhadap jumlah kuadrat dalam grup (within-group sum of square) untuk skor diskriminan mencapai maksimum. Berdasarkan nilai D itulah keanggotaan sesorang diprediksi.

Karena analisis ini merupakan kelompok analisis variabel berganda (multivariate analysis) maka berbagai asumsi dari analisis berganda berlaku juga untuk teknik diskriminan ini. Asumsi yang harus dipenuhi antara lain (STATISTICA 8, 2007):

1. Sebaran normal2. Homogenitas ragam dan koragam3. Korelasi antar nilai tengah dan ragam 4. Tidak terjadi redundansi (multikolinearitas)

Oleh karena bentuk multivariate dari analisis diskriminan adalah dependence, maka variabel dependen adalah variabel yang menjadi dasar analisis diskriminan. Variabel dependen bisa berupa kode grup 1 atau grup 2 atau lainnya, dengan tujuan diskriminan secara umum adalah :

1. Untuk mengetahui apakah ada perbedaan yang jelas antar grup pada variabel dependen.

2. Jika ada perbedaan, kita ingin mengetahui variabel independen mana pada fungsi diskriminan yang membuat perbedaan tersebut.

3. Membuat fungsi atau model diskriminan, yang pada dasarnya mirip dengan persamaan regresi.

Untuk melakukan analisis diskriminan perlu dicatat bahwa data terdiri dari variabel bebas dan variabel penduga (predictors). Kelompok akan diperlukan sebagai variabel tak bebas atau variabel tujuan (Y), sedangkan faktor penciri akan diidentifikasi dari satu himpunan variabel bebas (X). Variabel tak bebas berskala nominal, sedangkan penduga berskala interval atau rasio atau data-data continuous.

B. TUJUAN PRAKTIKUM

Tujuan dari analisis klaster (cluster analysis) adalah untuk melakukan penggerombolan obyek sehingga terbentuk beberapa kelompok yang disebut cluster, untuk menentukan kemiripan dan

37


ketidakmiripan antar objek yang didasarkan pada sekumpulan variabel secara simultan.

Tujuan dari analisis DFA adalah untuk mengetahui variabel penciri berdasarkan perbedaan karakteristik masing-masing wilayah.

C. SUMBER DATA

Untuk melakukan analisis DFA, digunakan data PDRB kabupaten dan kota Jawa Barat atas dasar harga konstan 2000 menurut lapangan usaha tahun 2009 (juta rupiah) sebagaimana disajikan pada tabel berikut:

GDP_Agr GDP_mine GDP_Ind GDP_Elec GDB_Build GDP_Trad GDP_Trns GDP_Fin GDP_Serv

1 BOGOR 1,546,930.00 340,610.00 19,108,336.56 1,122,270.00 989,633.84 5,138,388.64 902,144.12 546,707.63 1,257,117.04

2 SUKABUMI 2,946,901.27 401,368.82 1,485,539.75 99,134.06 184,855.23 1,591,444.29 458,845.77 316,692.99 823,276.86

3 CIANJUR 3,530,605.55 9,896.03 220,101.76 62,688.84 249,343.12 2,088,530.13 595,851.90 401,464.48 781,025.04

4 BANDUNG 1,502,003.49 269,782.12 12,517,223.96 376,034.30 355,614.56 3,211,263.99 843,661.61 451,138.21 1,000,817.32

5 GARUT 4,867,309.50 13,901.26 742,010.80 55,741.87 293,642.60 2,885,345.69 300,284.70 392,522.43 1,017,986.13

6 TASIKMALAYA 2,381,737.68 12,190.99 395,627.77 53,767.11 39,236.41 1,171,661.80 246,220.17 203,824.62 786,888.64

7 CIAMIS 2,146,691.76 23,818.10 496,904.52 44,529.28 388,422.84 1,840,447.54 590,011.63 384,009.54 1,156,205.28

8 KUNINGAN 1,271,598.99 26,998.82 85,667.73 16,642.99 164,243.94 848,542.11 282,126.14 239,284.63 843,285.67

9 CIREBON 2,368,256.53 30,169.51 1,097,079.98 166,375.59 562,035.75 1,784,925.33 448,784.20 333,637.58 955,120.98

10 MAJALENGKA 1,184,973.86 162,266.80 724,330.61 28,810.27 195,870.26 838,517.68 271,937.70 240,097.63 579,121.25

11 SUMEDANG 1,445,267.32 5,965.83 1,374,013.29 138,127.44 141,367.64 1,444,602.42 198,109.35 224,765.51 409,363.20

12 INDRAMAYU 2,984,381.32 4,290,126.63 2,596,737.75 55,596.41 206,056.77 2,407,081.34 488,279.95 192,692.29 649,652.92

13 SUBANG 2,147,635.74 809,691.05 1,006,106.85 80,187.92 194,236.87 1,636,502.27 356,762.92 296,740.03 575,455.68

14 PURWAKARTA 683,453.15 10,587.18 3,345,243.02 165,858.91 176,484.11 1,615,935.91 209,296.45 319,962.50 322,740.11

15 KARAWANG 2,112,610.02 821,613.17 8,710,728.62 596,817.11 423,981.99 4,167,663.27 740,726.73 297,301.39 1,324,007.88

16 BEKASI 991,095.68 678,180.90 40,653,221.28 940,190.20 711,629.09 5,244,796.77 803,964.40 579,516.75 1,187,159.48

17 BANDUNG BARAT 832,429.32 39,528.83 3,395,893.71 541,215.47 174,240.30 1,468,810.40 421,167.09 214,673.08 376,616.68

18 KOTA BOGOR 13,539.61 121.98 1,273,762.00 146,236.51 312,096.14 1,331,874.52 453,533.15 648,625.82 328,811.32

19 KOTA SUKABUMI 68,454.37 88.35 96,906.46 22,780.00 113,597.83 802,300.02 318,781.40 143,698.31 243,543.99

20 KOTA BANDUNG 74,461.15 0.00 7,792,641.44 689,731.25 1,432,099.34 11,375,644.25 3,147,347.45 1,538,871.16 3,177,475.88

21 KOTA CIREBON 18,895.94 0.00 2,111,556.34 114,774.25 254,896.00 1,985,772.30 815,062.65 384,649.08 431,326.67

22 KOTA BEKASI 130,852.55 0.00 6,344,557.00 562,665.48 542,548.82 4,148,715.64 1,366,629.78 596,092.77 930,531.69

23 KOTA DEPOK 173,873.42 0.00 2,499,038.17 183,358.60 380,592.37 1,873,833.66 316,105.87 236,210.37 466,557.16

24 KOTA CIMAHI 9,637.41 0.00 3,729,341.38 225,419.52 385,892.73 1,243,903.25 95,430.88 128,042.26 362,735.65

25 KOTA TASIKMALAYA 297,098.93 200.08 653,935.23 61,088.95 397,695.00 1,122,539.13 313,552.15 385,273.79 437,244.95

26 KOTA BANJAR 143,244.09 2,049.40 82,526.14 7,271.68 37,886.16 237,030.51 50,631.14 45,946.79 105,628.43

Ket:

4. LISTRIK, GAS & AIR BERSIH

5. BANGUNAN

1. PERTANIAN

7. PENGANGKUTAN & KOMUNIKASI

8. KEUANGAN PERSEWAAN, & JASA PERUSAHAAN

9. JASA-JASA

2. PERTAMBANGAN & PENGGALIAN

3. INDUSTRI PENGOLAHAN

6. PERDAG., HOTEL & RESTORAN

No KABUPATEN /KOTAPDRB berdasarkan JENIS LAPANGAN USAHA

D. HASIL DAN PEMBAHASAN

d.1 Praktikum Cluster Analysis (CA)

Dalam praktikum, analisis klaster, digunakan software STATISTIKA. Analisis dilakukan dengan menggunakan dua metode yaitu:

a. Metode hirarki, hasil pengelompokkannya disajikan secara hirarki atau berjenjang dari n, (n-1) sampai 1 kelompok. yang termasuk dalam metode ini adalah single linkage, complete linkage, average linkage, median linkage, dan centroid linkage.

38


b. Metode tak hirarki. Metode ini dipakai jika banyaknya kelompok sudah diketahui dan biasanya metode ini dipakai untuk mengelompokkan data yang berukuran besar, yang termasuk dalam metode ini adalah metode K’means.

Langkah pertama yang dilakukan adalah dengan meng-input semua data PDRB Kabupaten Kota pada Software STATISTIKA. Hasilnya adalah sebagai berikut:

Metode Tak Hirarki

Dengan menggunakan Metode Hirarki, didapatkan grafik dendogram sebagai berikut:

Dari grafik diatas, masing-masing wilayah dikelompokan berdasarkan kesamaan karakteristik. Misalnya Kabupaten Bogor memiliki kesamaan karakteristik dengan Kabupaten Bekasi sehingga berada dalam satu klaster. Kabupaten Bandung memiliki kesamaan karakteristik dengan Kabupaten Karawang dan begitu

39


seterusnya. Identifikasi wilayah berdasarkan kesamaan atau perbedaan karakteristik dapat memudahkan dalam perencanaan pembangunan. Model pembangunan yang sama bisa diterapkan pada wilayah-wilayah yang memiliki karakteristik yang sama.

Analisis dengan metode hirarki baru menjelaskan tentang kesamaan/perbedaan karakteristik dari tiap wilayah. Tetapi belum mampu menjelaskan tentang apa variabel penciri yang menyebabkan kesamaan/perbedaan karakteristik tersebut. Untuk itu perlu dilakukan analisis lanjutan dengan menggunakan Metode Tak Hirarki.

Metode Tak Hirarki

Metode Tak Hirarki adalah metode yang dipakai jika banyaknya kelompok sudah diketahui dan biasanya metode ini dipakai untuk mengelompokkan data yang berukuran besar, yang termasuk dalam metode ini adalah metode K’means. Dengan metode tersebut didapatkan grafik sebagai berikut:

Hasil yang diperoleh adalah sebagai berikut:

Dari tabel diatas dapat diketahui bahwa ada empat variabel penciri utama untuk cluster 1 yaitu industri pengolahan (3_PDRB), listrik, gas dan air bersih (4_PDRB), bangunan (5_PDRB) dan perdagangan, hotel dan restoran (6_PDRB). Untuk klaster 2, ada dua variabel penciri utama yaitu pertanian (1_PDRB) dan pertambangan dan penggalian (2_PDRB).Selanjutnya dilakukan analisis terhadap tiga klaster. Hasilnya didapat sebagai berikut:

40


Dari tabel diatas dapat diketahui bahwa untuk cluster 1, variabel penciri utamanya adalah bangunan (5_PDRB). Untuk cluster 2, variabel penciri utamanya adalah pertanian (1_PDRB), sementara untuk cluster tiga, variabel penciri utamanya adalah listrik, gas dan air bersih (4_PDRB).

Dengan mengetahui variabel penciri utama dari masing-masing klaster, pemerintah provinsi maupun kabupaten dapat menetapkan sektor mana yang harus paling diutamakan dalam pembangunan berdasarkan tiap klaster.

d.2 Praktikum Diskriminan Faktor Analisis (DFA)

Analisis diskriminan dilakukan dengan menggunakan software STATISTICA. Tujuannya adalah untuk melihat seberapa besar pengaruh suatu variabel dalam menentukan kelas.

Data yang digunakan adalah data PDRB Kabupaten/Kota di Propinsi Jawa Barat sebagaimana dapat dilihat pada tabel berikut:

41


Berdasarkan klasifikasi fungsi (Classification Functions) didapat hasil perhitungan grup klaster sebagai berikut:

Dari data diatas dapat dilihat bahwa semakin besar nilai koefisien setiap variabel, maka semakin besar pengaruhnya dalam penentuan kelas. Dalam data tersebut dapat dilihat bahwa untuk G_1-1, sektor industri pengolahan (GDP_Ind) dan bangunan (GDP_Build) merupakan sektor yang paling berpengaruh dalam penentuan kelas. Masing-masing dengan nilai koefisien sebesar 6.5891 dan 6.9960. Untuk G_22, variabel yang paling berpengaruh adalah sektor pengangkutan dan komunikasi (GDP_Trans) dengan nilai koefisien sebesar 1.030612.

42


Berdasarkan klasifikasi matriks (Classification of Matrix) didapat hasil perhitungan grup klaster sebagai berikut:

Klasifikasi matriks menunjukkan proporsi ketepatan klasifikasi seluruh unit pengamatan dengan fungsi klasifikasi yang dihasilkan. Jika fungsi relatif tepat, maka persen ketepatan mendekati 100% atau jumlah unit pengamatan yang tergolong pada kelas tertentu sama dengan hasil ujinya. Dilihat dari nilai Percent correct maka hasil proporsi ketepatan unit pengamatan adalah 100 %. Itu berarti jumlah unit pengamatan sama dengan hasil ujinya.

Langkah selanjutnya adalah melakukan analisis klasifikasi kasus (Classification Cases). Tujuannya untuk melihat apakah ada kesalahan klasifikasi dari tiap kasus wilayah. Hasil dari praktikum didapat sebagai berikut:

43


Dari hasil klasifikasi kasus, dapat dilihat bahwa tidak terjadi kesalahan (incorrect classification). Dari tabel diatas dapat diketahui bahwa kelas hipotesis (grup awal pengamatan) proporsinya telah sesuai dan teruji sama untuk setiap kelas.

F. REFERENSI

Amstrong, H and Taylor, Regional Economic and Policy, Black will Publishers Third Edition 2000

Panuju et al (2010). Penuntun Praktikum Teknik Analisis Perencanaan Pengembangan Wilayah. Departemen Ilmu Tanah dan Sumberdaya Lahan. IPB.

Sjafrizal, 1983, Teori Ekonomi Regional; Konsep Dan Perkembangan, Jurnal Ekonomi Dan Keuangan Indonesia, 1983.

44

Documents

Sumberdaya alam seperti air, udara, lahan, minyak, ikan, hutan dan lain-lain merupakan sumberdaya yang esensial bagi kelangsungan hidup manusia.doc