78
TEKNIK PENGELOLAAN DATA & ANALISIS DATA TEKNIK PENGELOLAAN DATA & ANALISIS DATA BADAN PUSAT STATISTIK PROVINSI SULAWESI SELATAN JOKO SISWANTO BPS PROVINSI SULAWESI SELATAN Makassar, 24 November 2020 Dalam Rangka Workshop Pengelolaan Data dan Informasi Gender dan Anak Provinsi Sulawesi Selatan Tahun 2020

TEKNIK PENGELOLAAN DATA & ANALISIS DATA

  • Upload
    others

  • View
    7

  • Download
    0

Embed Size (px)

Citation preview

Page 1: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

TEKNIK PENGELOLAAN DATA & ANALISIS DATA

TEKNIK PENGELOLAAN DATA & ANALISIS DATA

BADAN PUSAT STATISTIK

PROVINSI SULAWESI SELATAN

JOKO SISWANTOBPS PROVINSI SULAWESI SELATAN

Makassar, 24 November 2020

Dalam Rangka Workshop Pengelolaan Data dan Informasi Gender dan Anak Provinsi Sulawesi Selatan

Tahun 2020

Page 2: TEKNIK PENGELOLAAN DATA & ANALISIS DATA
Page 3: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

OUTLINE

Memahami Data

Penyajian Data

Ukuran Statistik

Analisis Data

Penyusunan Laporan

1

2

3

4

5

Page 4: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Memahami Data1

Page 5: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Tahapan dalam Statistika

Pengumpulan Data proses pengumpulan dan pengukuran informasi mengenai variabel-variabel yang diminati, dengan cara sistematis yangmemungkinkan seseorang menjawab pertanyaan penelitian yang diajukan, menguji hipotesis, dan mengevaluasi hasil

Pengolahan Data manipulasi data menjadi bentuk sebuah informatif

Penyajian Data salah satu kegiatan dalam pembuatan laporan hasil penelitian yang telah dilakukan

agar data yang telah dikumpulkan dapat dipahami dan dianalisis sesuai dengan tujuan yang diinginkan

Analisis Data proses inspeksi, pembersihan dan pemodelan data dengan tujuan menemukan informasi

yang berguna, menginformasikan kesimpulan dan mendukung pengambilan keputusan

Page 6: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Apakah Bentuk Data Kita?

1. Kenali Jenis Data kita• Sumber (Data sektoral biasanya hasil registrasi)• Validitas• Konsistensi• Jenis Data: Data Cross Section (dikumpulkan pada waktu tertentu) atau

Time Series (dikumpulkan dari waktu ke waktu); Kuantitatif atau Kualitatif, dan lainnya

2. Bentuk data kita• Apakah sudah terkumpul dengan baik

• Masih dalam bentuk kuesioner atau telah ada pada worksheet

Page 7: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Pengukuran Terhadap Unit Observasi

• Karakteristik/ciri adalah semua sifat/ keterangan mengenai unit observasi

• Variabel adalah karakteristik yang mempunyai variasi nilai

• Data adalah kumpulan informasi tentang nilai atau kategori dari variabel

Page 8: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Skala Pengukuran Variabel

• Kualitatif/Kategorik/Nonmetric- Nominal: hanya dapat dibedakan (contoh: jenis kelamin, status kawin)

- Ordinal: dapat dibedakan dan diurutkan (contoh: golongan/pangkat PNS)

• Kuantitatif/Metric- Interval: dapat dibedakan, dapat diurutkan dan memiliki jarak (contoh: suhu, IQ, dll)

- Rasio: dapat dibedakan, dapat diurutkan, memiliki jarak dan dapat dibandingkan (contoh: berat badan, pendapatan, dll)

Page 9: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Pengolahan Data

1. Pengolahan Data Secara Manual• Umumnya dilakukan untuk jumlah observasi yang tidak terlalu banyak• Biasanya memerlukan waktu yang sangat lama

Contoh: pemungutan suara di TPS

2. Pengolahan Data Secara Elektronik• Komputer/laptop sebagai media• Dapat dilakukan dengan mudah dan cepat• Kesalahan dapat diminimalisasi

Page 10: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Penyajian Data2

Page 11: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Statistika Deskriptif

• Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami.

Peringkasan Data Ukuran-Ukuran Statistik

Tehnik Penyajian

Tabel

Diagram/Grafik

Page 12: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Penyajian Data

Tabel

Grafik

Jenis Tabel

1. Tabel 1 arah: tabel yang memuat keterangan mengenai satu hal/karakteristik saja.

2. Tabel 2 arah: tabel yang menunjukkan hubungan dua hal atau dua karakteristik saja

3. Tabel 3 arah: tabel yang menunjukkan tiga hal atau tiga karakteristik.

Page 13: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Contoh Tabel 3 ArahJumlah karyawan perusahaan YZ menurut bagian kerja, jenis

kelamin, dan pendidikan tertinggi yang ditamatkan

Contoh Tabel 1 ArahDaftar inventaris Kelas X-1 menurut jenis barang,

Tahun Ajaran 2015/2016

Contoh Tabel 2 ArahJumlah Mahasiswa STIS menurut tingkat dan jurusan

Tahun 2015

Contoh Jenis Tabel

Page 14: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Kunci Dalam Membuat Tabel/Grafik

• Menyajikan informasi sesuai keperluan penelitian

• Tampilan tabel/grafik jelas dan ringkas

• Tabel harus memberikan informasi yang dapat dimengerti oleh pembaca

• Beberapa hal yg harus diperhatikan dlm penyajian data dalam bentuk tabel, antara lain:

a.Judul tabel singkat dan jelas, sehingga mudah diinterpretasikan dan mudah dipahami.

b.Cantumkan sumber data untuk meyakini keabsahan data.

Page 15: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

7-12 Tahun 13-15 Tahun 16-18 Tahun

(1) (2) (3) (4)

01. Kepulauan Selayar 99,29 100 63,08

02. Bulukumba 98,18 95,13 72,58

03. Bantaeng 98,67 94,1 56,11

04. Jeneponto 100 87,89 50,12

05. Takalar 100 95,1 60,3

Sulawesi Selatan 99,11 94,54 71,99

Kabupaten/KotaKelompok Umur

Tabel 3.7b. Angka Partisipasi Sekolah (APS) Umur 7-18 Tahun Menurut Kabupaten/Kota, 2016

NOMOR TABEL

JUDUL TABEL

Judul Kolom

Badan Tabel

Sumber: BPS Provinsi Sulawesi Selatan Kaki Tabel

Bagian-Bagian Tabel

Page 16: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Kabupaten/Kota

Umur Perkawinan Pertama

≤ 16 17 - 18 19 - 20 21+ Jumlah

(1) (2) (3) (4) (5) (6)

01. Kepulauan Selayar 11,12 18,89 20,15 49,85 100

02. Bulukumba 15,38 22,85 21,17 40,59 100

03. Bantaeng 18,55 21,71 16,15 43,58 100

Sulawesi Selatan 16,93 19,74 19,75 43,58 100

Tabel 5.1. Persentase Perempuan yang Pernah Kawin Berumur 10 Tahun ke Atas menurut KabupatenKota Dan Umur Perkawinan Pertama, 2016

JUDUL TABEL = FOKUS/DATA MENURUT KARAKTERISTIK/KATEGORI, WAKTU

Data/Fokus : Persentase Perempuan yang Pernah KawinKategori : KabupatenKota Dan Umur Perkawinan PertamaWaktu : 2016

Tata Cara Menentukan Judul Tabel

Page 17: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Pertumbuhan Beberapa Jenis Kendaraan di Sulawesi Selatan, 2014-2016 (persen)

Persentase Rumah Tangga yang Memiliki/Menguasai Telepon, Komputer, dan

Akses Internet Dalam 3 Bulan Terakhir di Sulawesi Selatan Tahun 2013-2016 (Persen)

Sumber : Statistik Indonesia 2017

Persentase Ekspor Sulawesi Selatan Menurut Komoditi, 2016

Penyajian Data Pada Grafik

Page 18: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Penyajian Data Dalam Bentuk Pada Grafik

Grafik merupakan gambaran dinamika data yang ada dan merupakan visualisasi dari data.

Suatu kombinasi dari angka, simbol, gambar, lambang yang disajikan dalam satu media untuk lebih memudahkan dalam interpretasi data.

Salah satu tujuannya adalah untuk menggambarkan data secara sederhana dan melihat perkembangan dan perbandingan suatu yang saling berhubungan.

Page 19: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Jenis Grafik (1)

1. Grafik Garis (Line Chart)

Penyajian data statistik dengan menggunakan diagram berbentuk garis lurus. Diagram garis biasanya digunakan untuk menyajikan data statistik runtun waktu (pengamatan dari waktu ke waktu secara berurutan).

Jadi grafik garis dipakai untuk menggambarkan data berkala.

Dapat berupa grafik garis tunggal maupun grafik garis ganda.

Page 20: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Jenis Grafik (2)

2015 2016 2017 -

1,000

2,000

3,000

4,000

5,000

6,000

7,000

8,000

9,000

10,000

2,410 2,500 2,621

8,963 9,170 9,227

953 997 1,178

Cerai Talak Cerai Gugat Dispensasi Nikah

Jumlah Perkara Perceraian dan Dispensasi Nikah di Sulawesi Selatan, 2015-2017

Contoh Grafik Garis

Page 21: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Jenis Grafik (3)

2. Grafik Lingkaran (Pie Chart)

Penyajian data statistik dengan menggunakan gambar yang berbentuk lingkaran. Bagian-bagian dari daerah lingkaran menunjukkan bagian-bagian atau persen dari keseluruhan

Grafik lingkaran lebih cocok untuk menyajikan data cross section, dimana data tersebut dapat dijadikan bentuk persentasi

Tujuan utamanya adalah untuk melihat bagian-bagian mana yang paling dominan dibanding bagian lainnya.

Page 22: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Jumlah PNS Menurut Jenis Kelamin Lingkup Pemerintah Provinsi Sulawesi Selatan, 2017

48.43%51.57%

Laki-laki Perempuan

Contoh Grafik Lingkaran/Pie Chart

Jenis Grafik (4)

Page 23: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Jenis Grafik (5)

3. Grafik Batang (Bar Chart)

Penyajian data statistik dengan menggunakan gambar yang berbentuk batang. Setiap batang menunjukkan nilai dari suatu data.

Grafik batang lebih cocok digunakan untuk membandingkan besaran nilai dari beberapa pengamatan.

Tinggi rendahnya batang menunjukkan besar kecilnya nilai data hasil pengamatan.

Page 24: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Contoh Grafik Batang/Bar Chart

Jenis Grafik (6)

Angka Bayi Berat Badan Lahir Rendah (BBLR) Menurut Kab/Kota di Sulawesi Selatan, 2017

Barru

Bantaeng

BoneLu

wu

Gowa

Toraja

Uta

ra

Takala

r

Pangkep

Kota M

akass

ar

Jeneponto

Kota P

alopo

Maro

s

Pinra

ng

Tana Tora

ja

Luw

u Tim

ur

Buluku

mba

Luwu U

tara

Wajo

Kep. Sela

yar

Sidra

p

Enreka

ng

Sinja

i

Kota P

are-p

are

Soppeng

1.20 1.4

2 2.40

2.4

5

2.64

2.6

9

2.76 2.99 3.29

3.4

3

3.4

8

3.58 4.

09

4.1

1

4.1

9

4.24 4.6

8

4.69 5

.21

5.38

5.39 5.7

5

6.12 6.

53

3.58314730641995

Angka BBLR Sulsel

Page 25: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Jenis Grafik (7)

4. Grafik Gambar (Pictogram)

Grafik ini berupa gambar atau lambang untuk menunjukkan jumlah benda yang dilambangkan

Contoh: Komposisi jumlah pegawai menurut jenis kelamin di Perusahaan A

Page 26: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Jenis Grafik (8)

5. Grafik Berupa Peta (Cartogram)

Contoh: Kontribusi Kabupaten/Kota Tertinggi pada PDRB Provinsi Sulawesi Selatan, Tahun 2015

Page 27: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Ukuran Statistik3

Page 28: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

1. Nilai terbesar dan terkecil

2. Rata-rata, Median, Modus

3. Pertumbuhan

4. Rank Data/Peringkat

5. Persentase/Proporsi

Ukuran Yang Sering Digunakan Dalam Analisis Deskriptif

Page 29: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

1. Rata-rata hitung (arithmetic mean) diperoleh dengan menjumlahkan nilai seluruh pengamatan dan membagi jumlah tersebut dengan banyaknya pengamatan.

Contoh: Nilai ulangan matematika 15 siswa kelas XIIPA adalah 7,8,6,4,10, 5,9,7, 3,8, 6, 5, 8, 9, dan 7. Tentukan nilai rata-ratanya.

Ukuran Pemusatan (Rata-Rata, Median, dan Modus)

Page 30: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

2. Median adalah nilai data yang terletak di tengah setelah data diurutkan. Dengan demikian, median membagi data menjadi dua bagian yang sama besar.

Ukuran Pemusatan (Rata-Rata, Media, dan Modus)

3. Modus adalah nilai yang paling sering muncul dalam suatu data statistika. Modus juga merupakan nilai mayoritas atau nilai dengan frekuensi paling tinggi. Modus dapat digunakan untuk menentukan sampel dari suatu populasi dalam statistika

Page 31: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

A B

PERTUMBUHANB A-

AX 100=

Apa Itu Pertumbuhan?

Page 32: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Analisis Data4

Page 33: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Analisis data adalah proses mengubah data menjadi informasi yang bermakna

Analisis Data

Page 34: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

• Permasalahan yang sering kita hadapi:

Kita memiliki begitu banyak data, tetapi hanya masih sedikit yang bermanfaat bagi perencanaan/pengambilan kebijakan atau masih belum memenuhi kebutuhan pengguna

• Penyebab:

Mismatch antara penghasil dan pengguna

Data tidak dianalisis secara tepat

Data belum diolah menjadi informasi – it’s just data

Menjadikan Data Bermakna (1)

Page 35: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

membuat data yang dikumpulkan bermanfaat bagi publik

Ditentukan oleh cara penyajian

Menjadikan Data Bermakna (2)

Page 36: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

• Gunakan:

Bahasa yang dimengerti khalayak

Kalimat pendek, paragraf pendek

Satu pokok pikiran di setiap paragraf

Sub-judul untuk mengarahkan “mata” pembaca

Bahasa yang sederhana (bukan terminologi teknis atau yang biasa digunakan dalam tulisan ilmiah)

Teknik dan Tips Penulisan yang Baik

Page 37: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Publikasi Yang Ideal

Data Berkual

itas

Tepat Waktu

Sesuai Petunjuk

Enak Dilihat

Tulisan/

Analisis yang Baik ?

Apakah publikasi yang asal jadi tanpa tulisan/analisis yang baik akan menarik untuk dibaca?

Teknik Penulisan Populer

Page 38: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

• Kecenderungan menuliskan hasil penelitian dengan menggunakan sudut pandang pemahaman si peneliti dan bukan pada sudut pandang pemahaman masyarakat umum, atau pembacanya.

• Terdapat gap: Isi artikel yang disampaikan hanya dipahami oleh penulisnya ataupun orang-orang yang memahami pola pikir penulisnya (elitis)

• Kecenderungan menggunakan kalimat-kalimat yang panjang, memiliki rangkaian anak kalimat, penuh dengan terminologi teknis (rumus-rumus, istilah teknis) dan gemar menggunakan angka. Pola semacam ini membuat semakin berat membaca karya-karya penelitian

• Terdapat tabel dan grafik yang disebutkan kembali pada analisis/tulisan artikel/publikasi tersebut

Kelemahan Tulisan/Analisis

Page 39: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Penyusunan Lapo-ran

5

Page 40: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Kriteria utama daru sauatu laporan penelitian adalah bahwa laporan penelitian merupakan suatu sarana komunikasi antara penelitian dengan pembaca mengenai penelitian yang dilakukan, sehingga laporan penelitian harus dibuat:

• Lengkap: laporan tersebut sudah menyajikan semu informasi yang perlu diketahui oleh pembaca. Artinya penulis laporan harus selalu memperhatikan apakah setiap tujuan dari penelitian yang diajukan dalam proposal penelitian sudah dibahas.

• Akurat: lengkap belum tentu akurat. Masalah akurasi tergantung kepada kelengkapan masukan (input) terhadap hasil-hasil penelitian, ketepatan pengolahan data dan motode analisis. Terdapat tabel dan grafik yang disebutkan kembali pada analisis/tulisan artikel/publikasi tersebut

• Jelas: kerangka berpikir yang jelas pada waktu pelaksanaan penelitian akan menghasilkan laporan penelitian yang jelas. Tulis laporan dengan menggunakan bahasa atau kalimat yang mudah dipahami

• Padat: jangan menjelaskan sesuatu hal dengan terlalu bertele-tele, jangan melakukan pembahasan yang berulang-ulang, gunakan kata-kata yang padat pada setiap pembahasan

Kriteria Laporan Penelitian

Page 41: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Pada dasarnya tidak terdapat aturan baku dalam menulis laporan penelitian. Namun secara umum sebuah laporan terdapat bagian-bagian sebagai berikut:

a. Judul

b. Daftar Isi

c. Abstrak

d. Batang tubuh laporan

- Pendahuluan

- Tinjauan Pustaka dan kerangka berpikir penelitian

- Metode Penelitian

- Hasil-hasil dan pembahasan

- Kesimpulan dan rekomendasi

- Daftar Pustaka dan lampiran-lampiran

Bentuk Laporan Penelitian

Page 42: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Cara akses website BPS: bps.go.id (website BPS Pusat);

sulsel.bps.go.id (website BPS Provinsi Sulawesi Selatan)

SUPLEMEN

Page 43: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Akses Publikasi

SUPLEMEN

Klik Publikasi

Isikan Kata Kunci

Page 44: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Akses Berita Resmi Statistik

SUPLEMEN

Klik Berita Resmi Statistik

Pilih Kategori

Page 45: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Beberapa publikasi BPS memuat data terpilah

Statistik Kesejahteraan Rakyat

Keadaan Angkatan Kerja

Indikator Pasar Tenaga

Perempuan dan Laki-Laki

Statistik Pemuda

Statistik Pendidikan

Indeks Pembangunan Gender, dll

SUPLEMEN

Page 46: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Jl. Haji Bau No. 6 Makassar

0411-854838 Badan Pusat Statistik (Page)

[email protected]

0411-851225@bps_statistics@bpssulsel

Contact Us

BADAN PUSAT STATISTIK

PROVINSI SULAWESI SELATAN

TERIMAKASIH

Page 47: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Analisis Data

Banyaknya Variabel

• Univariate: menggunakan satu variabel saja

• Bivariate: menggunakan dua variabel

• Multivariate: menggunakan lebih dari dua variabel

Page 48: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Teknik Analisis

• Analisis Eksploratif

bertujuan memperoleh informasi pendahuluan

tentang perilaku data

• Analisis Deskriptif

bertujuan untuk memberikan gambaran berbagai karakteristik dalam data (sampel atau populasi)

• Analisis Konfirmatif:

bertujuan untuk memperoleh kesimpulan

dari data sampel bagi populasi

(generalisasi empiris) statistika inferensia

Page 49: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

UNIVARIATE ANALYSIS

• Analisis Statistika Deskriptif:

- Variabel metric:

Tabel distribusi frekuensi, histogram,

steam & leaf diagram, boxplot, grafik garis,

ukuran statistik seperti: rata-rata (mean),

median dan modus, ragam (variance),

simpangan baku (standard deviation)

- Variabel non metric:

Tabel kontingensi satu arah, modus, proporsi,

diagram batang,lingkaran, gambar, dan

peta

Page 50: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

BIVARIATE ANALYSIS

• Analisis Statistika Deskriptif:

- Variabel metric

Diagram pencar (Scatter plot),

koefisien korelasi,

model regresi sederhana

- Variabel non metric

Tabel kontingensi 2 arah,

ratio kecenderungan (odds ratio)

Page 51: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

MULTIVARIATE ANALYSIS

• Analisis Statistika Deskriptif

- Variabel metric

a.l. Spider Chart, Chernoff Faces,

Dendrogram

- Variabel non metric

a.l.Tabel kontingensi 3 arah

Page 52: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Gender & Kesetaraan Gender 1

Page 53: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

53

Kesetaraan Gender

• Kesetaraan gender menyiratkan bahwa kepentingan, kebutuhan dan prioritas perempuan dan laki-laki dipertimbangkan, mengakui keragaman berbagai kelompok perempuan dan laki-laki.

• Kesetaraan gender merupakan kesamaan kondisi bagi laki-laki dan perempuan untuk memperoleh kesempatan dan hak-haknya sebagai manusia, agar berperan dan berpartisipasi dalam berbagai aspek kehidupan

• Kesetaraan gender adalah kondisi perempuan dan laki-laki untuk menikmati status yang setara dan memiliki kondisi yang sama untuk mewujudkan secara penuh hak-hak asasi dan potensinya bagi pembangunan di segala bidang kehidupan

Page 54: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Mengukur Kesetaraan 2

Page 55: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

55

Ukuran Pembangunan Manusia Berbasis Gender

UNDP memasukkan aspek gender ke dalam konsep pembangunan manusia.

UNDP memasukkan aspek gender ke dalam konsep pembangunan manusia.

Mengukur pencapaian dimensi dan variabel yang sama seperti IPM, tetapi mengungkapkan ketidakadilan pencapaian well-being laki-laki dan perempuan.

Indeks Pemberdayaan Gender (IDG) menunjukkan apakah perempuan dapat memainkan peranan aktif dan power dalam kehidupan sosial, ekonomi dan politik.

Indeks Pembangunan GenderIPG

Indeks Pemberdayaan GenderIDG

Page 56: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Indeks Pembangunan Gender (IPG)Gender Develpoment Index (nGDI) 3

Page 57: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

57

Indeks Pembangunan Gender (IPG)

Metodologi penghitungan IPG mengacu pada metodologi baru yang digunakan oleh UNDP tahun 2010 menggambarkan rasio IPM laki-laki dengan IPM perempuan

Metodologi penghitungan IPG mengacu pada metodologi baru yang digunakan oleh UNDP tahun 2010 menggambarkan rasio IPM laki-laki dengan IPM perempuan

Dimensi IndikatorUmur panjang dan sehat

Umur Harapan Hidup pada saat lahir (e0),Laki-laki & Perempuan

Pengetahuan 1.Harapan Lama Sekolah (EYS); Laki-laki & Perempuan2.Rata-rata Lama Sekolah (MYS); Laki-laki &

Perempuan

Kehidupan yang layak

Perkiraan pendapatan; Laki-laki & Perempuan

Page 58: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

58

Menghitung IPG

Laki-laki Perempuan

𝑰𝑷𝑮=𝑰𝑷𝑴𝑷𝒆𝒓𝒆𝒎𝒑𝒖𝒂𝒏

𝑰𝑷𝑴𝑳𝒂𝒌𝒊− 𝒍𝒂𝒌𝒊

Page 59: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

59

Nilai Minimum dan Maksimum Komponen IPG Metode Baru

Indikator

Minimum Maksimum

Laki-laki Perempuan Laki-laki Perempuan

Umur Harapan Hidup 17,5 22,5 82,5 87,5

Harapan Lama Sekolah 0 0 18 18

Rata Lama Sekolah 0 0 15 15

Pengeluaran Per Kapita disesuaikan 1.007.436 1.007.436 26.572.352 26.572.352

Page 60: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

60

Bagaimana Memaknai IPG?

• IPG merupakan indikator ketimpangan sehingga perlu kehati-hatian dalam memaknainya.

• IPG yang tinggi (mendekati 100) bisa jadi karena IPM laki-laki dan IPM perempuan yang sama-sama tinggi atau sama-sama rendah

• Perubahan IPG disebabkan perbedaan kecepatan IPM laki-laki dan IPM perempuan

• Kemajuan pembangunan gender dapat dilihat dari:

PERTUMBUHAN IPGKecepatan IPG menggambarkan upaya yang dilakukan untuk meningkatkan kesetaraan pembangunan gender dalam suatu periode

LEVEL IPGLevel IPG menggambarkan level pencapaian pembangunan gender dalam suatu periode

Page 61: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Kelemahan IPG?

• Pendapatan umumnya tersedia pada level rumah tangga, sehingga disagregasi laki-laki perempuan akan menjadi sulit (Akder, 1994 dalam Klasen & Schuler, 2009).

• Konsekwensi dari pengggunaan rasio pencapaian HDI perempuan terhadap laki-laki adalah interpretasi hasilnya yang memerlukan kehati-hatian.

• Nilai nGDI yang besar belum tentu menunjukkan kondisi pembangunan manusia yang tinggi.

Page 62: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Kelemahan Penggunaan UHH dalam IPG?

• Indikator UHH mengandung bias yang disebabkan faktor genetik atau alamiah. Sehingga untuk menggambarkan gender gap kurang tepat (Jager & Rohwer, 2009).

• Indikator ini juga tidak menggambarkan konstruksi sosial yang dapat membedakan capaian pembangunan gender (Klasen, 2004).

• Secara gaya hidup, laki-laki lebih memiliki risiko kematian lebih tinggi karena stress, kebiasaan merokok dan pekerjaan berat.

• Namun di beberapa wilayah, tindakan diskriminasi, kekerasan, agama dan budaya acap kali menyebabkan rendahnya peluang akses perempuan dalam bidang kesehatan (Lemaire, 2002).

• Penelitian lain yang mendukung diantaranya Apfel (1982) yang menyebutkan bahwa perempuan memiliki umur yang panjang tetapi lebih sering mengalami sakit.

• Sedangkan menurut Verbrugge (1985) laki-laki memiliki peluang yang lebih tinggi dalam hal menderita penyakit kronis atau fatal yang tiba-tiba.

Page 63: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Indeks Pemberdayaan Gender (IDG)Gender Empowerement Measure (GEM) 4

Page 64: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

64

Pemberdayaan

Dalam kamus bahasa Indonesia, pemberdayaan berasal dari kata dasar “daya” yang berarti kekuatan atau kemampuan.

Pemberdayaan proses menuju berdaya, atau proses untuk memperoleh daya/kekuatan/kemampuan.

Pengertian “proses” menunjukan pada serangkaian tindakan atau langkah - langkah yang dilakukan secara kronologis sistematis yang mencerminkan pertahapan upaya mengubah kaum yang kurang atau belum berdaya menuju keberdayaan.

Oleh sebab itu, pemberdayaan gender lebih mengacu pada konsep adanya proses “opportunity” bukan pada hasil akhir atau outcome.

Proses pembangunan kapasitas yang mengarah pada partisipasi, pengambilan keputusan, kontrol, dan tindakan perubahan ke arah yang lebih luas

Dalam kamus bahasa Indonesia, pemberdayaan berasal dari kata dasar “daya” yang berarti kekuatan atau kemampuan.

Pemberdayaan proses menuju berdaya, atau proses untuk memperoleh daya/kekuatan/kemampuan.

Pengertian “proses” menunjukan pada serangkaian tindakan atau langkah - langkah yang dilakukan secara kronologis sistematis yang mencerminkan pertahapan upaya mengubah kaum yang kurang atau belum berdaya menuju keberdayaan.

Oleh sebab itu, pemberdayaan gender lebih mengacu pada konsep adanya proses “opportunity” bukan pada hasil akhir atau outcome.

Proses pembangunan kapasitas yang mengarah pada partisipasi, pengambilan keputusan, kontrol, dan tindakan perubahan ke arah yang lebih luas

Page 65: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

65

Indeks Pemberdayaan Gender (IDG)

Berbagai indikator yang umum yang digunakan dalam mengukur pemberdayaan diantaranya:

• Partisipasi dalam pendidikan dan pelatihan

• Partisipasi dalam dunia kerja, seperti tingkat partisipasi angkatan kerja, pekerja pada posisi tertentu seperti posisi manajerial, administratif, dan tenaga professional

• Partisipasi dalam jabatan publik, seperti anggota parlemen, pekerja pemerintah

Berbagai indikator yang umum yang digunakan dalam mengukur pemberdayaan diantaranya:

• Partisipasi dalam pendidikan dan pelatihan

• Partisipasi dalam dunia kerja, seperti tingkat partisipasi angkatan kerja, pekerja pada posisi tertentu seperti posisi manajerial, administratif, dan tenaga professional

• Partisipasi dalam jabatan publik, seperti anggota parlemen, pekerja pemerintah

Page 66: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

66

Indeks Pemberdayaan Gender (IDG)

IDG menunjukkan apakah wanita dapat secara aktif berperan serta dalam kehidupan ekonomi dan politik.

IDG menitikberatkan pada partisipasi, dengan cara mengukur ketimpangan gender di bidang partisipasi politik, pengambilan keputusan (sosial), dan aksesibilitas terhadap sumber daya ekonomi

Metode penghitungan IDG masih mengacu pada metodologi lama UNDP (1995)

IDG menunjukkan apakah wanita dapat secara aktif berperan serta dalam kehidupan ekonomi dan politik.

IDG menitikberatkan pada partisipasi, dengan cara mengukur ketimpangan gender di bidang partisipasi politik, pengambilan keputusan (sosial), dan aksesibilitas terhadap sumber daya ekonomi

Metode penghitungan IDG masih mengacu pada metodologi lama UNDP (1995)

Dimensi IndikatorKeterwakilan di Parlemen

Persentase anggota parlemen; Laki-laki & Perempuan

Pengambilan keputusan

Persentase pejabat tinggi, manajer, pekerja profesional dan teknisi; Laki-laki & Perempuan

Distribusi Pendapatan

Persentase Upah Buruh Non Pertanian disesuaikan; Laki-laki & Perempuan

Page 67: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

67

Bagaimana Mengukur IDG?

I (PAR)Indeks keterwakilan perempuan dalam

parlemen

I (DM)Indeks pengambilan

keputusan

I (INC-DIS)Indeks sumbangan

pendapatan perempuan

3Semua komponen index ditimbang dengan proporsi jumlah penduduk, diistilahkan dengan EDEP (Equally Distributed Equivalent Percentage)

Page 68: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

68

Kelemahan IDG

• Penggunaan indikator parlemen dan tenaga manajerial/professional dianggap hanya relevan bagi negara maju (bias kelompok elit, dan bias daerah perkotaan) (Klasen, 2006).

• Indikator pekerja professional, dan manager juga bukan menggambarkan power dalam pengambilan keputusan, namun lebih merefleksikan power dalam ekonomi (Gaye, e all, 2010).

• Ketimpangan gender lebih banyak terjadi pada aspek non-ekonomi seperti pengambilan keputusan dalam level rumah tangga, seksualitas, pemilihan kontrasepsi, dan aspek lain (Beteta, 2006).

• Penggunaan indikator pendapatan juga sama lemahnya dengan pendapatan dalam penghitungan GDI/IPG (Djikstra, 2002 dalam Jager & Rohwer, 2009).

• Penggunaan indikator parlemen dan tenaga manajerial/professional dianggap hanya relevan bagi negara maju (bias kelompok elit, dan bias daerah perkotaan) (Klasen, 2006).

• Indikator pekerja professional, dan manager juga bukan menggambarkan power dalam pengambilan keputusan, namun lebih merefleksikan power dalam ekonomi (Gaye, e all, 2010).

• Ketimpangan gender lebih banyak terjadi pada aspek non-ekonomi seperti pengambilan keputusan dalam level rumah tangga, seksualitas, pemilihan kontrasepsi, dan aspek lain (Beteta, 2006).

• Penggunaan indikator pendapatan juga sama lemahnya dengan pendapatan dalam penghitungan GDI/IPG (Djikstra, 2002 dalam Jager & Rohwer, 2009).

Page 69: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Gender Inequality Index (GII) 5

Page 70: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

70

GII menyempurnakan GDI dan GEM

• GDI pada dasarnya bukanlah indeks untuk mengukur ketidaksetaraan, melainkan GDI adalah Indeks Pembangunan Manusia (HDI) yang terpilah gender.

• Komponen pendapatan dan indikator-indikator GEM yang bias negara maju tidak lagi dimasukan.

• Perhitungan GII sudah disesuaikan secara formula/teknis sehingga pencapaian yang tinggi dalam satu dimensi tidak akan mendominasi pencapaian yang rendah di dimensi lainnya

Sumber: http://hdr.undp.org/en/statistics/gii/

• UNDP memperkenalkan GII sebagai ukuran ketimpangan gender tahun 2010.

• GII memperlihatkan besarnya kegagalan/kerugian (loss) yang terjadi dalam aspek-aspek pembangunan yang diukur akibat adanya ketidaksetaraan gender.

• Angka 0 mencerminkan adanya kesetaran gender yang sempurna yang menyebabkan pencapaian pembangunan ada pada tingkat optimalnya, dan angka 1 mencerminkan kesenjangan gender yang sempurna yang menyebabkan kerugian total dalam pencapaian pembangunan akibat adanya ketidaksetaraan gender tersebut.

Page 71: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

28

Dimensi dalam GII UNDP

DIMENSI INDIKATOR INDEKS DIMENSI

Kesehatan1. Angka Kematian Ibu2. Angka Fertilitas Remaja

Indeks Kesehatan Reproduksi

Pemberdayaan

1. Persentase penduduk laki-laki dan perempuan dengan pendidikan minimal SMP

2. Persentase laki-laki dan perempuan yang duduk di parlemen

1. Indeks Pemberdayaan Perempuan

2. Indeks Pemberdayaan Laki-laki

Pasar Tenaga Kerja TPAK laki-laki dan perempuan

1. Indeks Pasar Tenaga Kerja Perempuan

2. Indeks Pasar Tenaga Kerja Laki-laki

Page 72: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

31

Konsep Definisi Indikator

Angka Kematian Ibu (AKI/MMR)

• Banyaknya kematian perempuan yang disebabkan karena kehamilannya atau pengelolaannya, bukan karena sebab-sebab lain, per 100.000 kelahiran hidup.

Angka Fertilitas Remaja (ABR)

• Banyaknya kelahiran per 1000 wanita pada kelompok umur 15-19 tahun

Pemberdayaan

• Persentase penduduk laki-laki dan perempuan dengan pendidikan minimal SMP

• Persentase laki-laki dan perempuan yang duduk di parlemen

TPAK laki-laki dan perempuan

• Persentase angkatan kerja terhadap penduduk usia kerja

Page 73: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Indeks Ketimpangan Gender (IKG) 6

Page 74: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

28

Dimensi dalam IKG

Di Indonesia Maternal Mortality Rate / MMR (Angka Kematian Ibu) dan Adolesence Birth Rate / ABR (Angka Fertilitas Remaja) atau indikator kesehatan reproduksi tidak tersedia setiap tahun dan sampai level kabupaten kota

DIMENSI INDIKATOR INDEKS DIMENSI

Kesehatan 1. Angka Kematian Ibu2. Angka Fertilitas Remaja

Indeks Kesehatan Reproduksi

Pemberdayaan

1. Persentase penduduk laki-laki dan perempuan dengan pendidikan minimal SMP

2. Persentase laki-laki dan perempuan yang duduk di parlemen

1. Indeks Pemberdayaan Perempuan

2. Indeks Pemberdayaan Laki-laki

Pasar Tenaga Kerja TPAK laki-laki dan perempuan

1. Indeks Pasar Tenaga Kerja Perempuan

2. Indeks Pasar Tenaga Kerja Laki-laki

Page 75: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Proses Kajian Melibatkan Pakar Statistik, Matematik dan Gender di Berbagai Universitas

Tahun 2016Penentuan Indikator Kesehatan Diskusi dengan Prof. dr. Budi Utomo, MPH, Ph.DMenghasilkan 7 Indikator proksi MMR dan 5 Indikator proksi ABR

BPS Lampung & Puslitbang Wanita,

Anak, & Pembangunan LPPM-Unila

BPS Jateng & Pusat Studi Wanita, Unika

Sugijapranata

BPS Malang & Pusat Studi Gender LPPM

Unibraw

BPS DIY & Pusat Studi Wanita, UGM

BPS RI & KPPPA BPS Kota Bogor & Pusat Kajian Gender dan Anak, LPPM IPB

Pusat Studi Gender dan Perlindungan Anak, Universitas Negeri

Medan

Pusat Kependudukan dan Gender, LPPM-

Universitas Sultan Ageng Tirtayasa

Pusat Penelitian Gender dan Peranan Wanita, LPPM - Universitas Haluoleo, Kendari

Tahun 2017Penghitungan IKG Nasional & ProvinsiTahun 2018 & 2019Penghitungan IKG Nasional, Provinsi dan Kabupaten/Kota

Page 76: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Indikator alternatif MMR

1. Proporsi ANC yang mendapat TT dan tablet besi lengkap (atau minimal 4 x kunjungan)

2. Proporsi persalinan ditolong Nakes

3. Proprosi persalinan ditolong di Faskes

4. Angka penggunaan kontrasepsi, unmet need tipe 1, dan unmet need tipe 2

5. Kehamilan dan kelahiran yang tidak diinginkan

6. Proporsi kematian maternal terhadap kematian perempuan usia reproduksi

7. Kehamilan/ kelahiran berisiko - ibu umur 15-19 tahun dan 35+ tahun, paritas 4+, dan jauh dari PONEK

Page 77: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

Indikator alternatif ABR

1. Rata-rata umur perkawinan pertama

2. Rata-rata umur kelahiran anak pertama

3. Rata-rata jumlah kelahiran/ paritas ibu umur 15-19 tahun

4. Angka aborsi menurut umur ibu – proporsi aborsi umur ibu 15-19 tahun (basis fasilitas)

5. Akses remaja terhadap layanan informasi kespro yang benar

Page 78: TEKNIK PENGELOLAAN DATA & ANALISIS DATA

78

Struktur Indikator Terpilih Penyusun IKG

IKGDimensi kesehatan

Proksi Kematian Ibu

Proporsi wanita pernah kawin 15-49

th yang melahirkan

bukan di fasilitas

kesehatan

Proksi Fertilitas Remaja

Proporsi wanita pernah kawin 15-49

th yang melahirkan

hidup pertama saat umur <

20 th

Dimensi Pemberdayaan

Proporsi anggota

parlemen

Persentase penduduk 25+

th berijazah minimal

SMA/sederajat

Dimensi Pasar Tenaga Kerja

Tingkat Partisipasi

Angkatan kerja