KLASIFIKASI TINGKAT KEPARAHAN Ni Putu Nanik Hendayanti dan

KEMISKINAN PROVINSI DI INDONESIA Maulida Nurhidayati

DENGAN ANALISIS DISKRIMINAN

Jurnal Matematika dan Pendidikan Matematika

April 2021, Volume 5 No 1, 14 - 21
Indonesia merupakan salah satu negara yang
memiliki tingkat kemiskinan yang cukup
tinggi. Maka dari itu, pemerintah harus sangat
sigap menanggapi faktor-faktor yang
mengakibatkan terjadinya kemiskinan.

Kemiskinan adalah ketidakmampuan untuk

memenuhi standar hidup minimum yang
sesuai dengan tingkat kelayakan hidup.
Kemiskinan menjadi salah satu ukuran
terpenting untuk mengetahui tingkat
kesejahteraan suatu negara. Tingkat
kemiskinan digunakan sebagai ukuran
agregat untuk mengukur tingkat
kesejahteraan di suatu wilayah.
Tingkat kemiskinan digunakan sebagai ukuran agregat untuk mengukur tingkat kesejahteraan di suatu
wilayah. Tingkat kemiskinan yang meningkat yang disertai dengan peningkatan Indeks Kedalaman
Kemiskinan (P1) dan Indeks Ketimpangan (P2) merupakan masalah yang berat sebagaimana ditulis oleh
Raditia Wahyu Supriyanto dkk (2014) yang menyatakan tidak mudah mengentaskan kemiskinan lantaran
kemiskinan kronis terus berlanjut

. Maka dari itu, pentingnya bagi pemerintah untuk mengetahui pengelompokan tingkat keparahan dan
kedalaman kemiskinan di Indonesia, terutama bagi pemerintah daerah maupun pusat, maka diperlukan suatu
metode yang dapat mengklasifikasi tingkat kemiskinan provinsi-provinsi di Indonesia. Adapun metode yang
dapat digunakan dalam klasifikasi tingkat keparahan kemiskinan provinsi-provinsi di Indonesia yaitu Analisis
Diskriminan. Berdasarkan latar belakang di atas, maka tujuan dari riset ini yaitu untuk menentukan
pengelompokkan tingkat keparahan kemiskinan provinsi-provinsi di Indonesia dengan Analisis Diskriminan.
Diharapkan hasil dari analisis ini dapat membantu pemerintah dalam menentukan kebijakan untuk
mengurangi tingkat kemiskinan disetiap daerah.
Riset ini menggunakan penelitian kuantitatif dengan data
sekunder periode tahun 2019 yang diperoleh dari BPS

• Variabel dependen : Tingkat keparahan kemiskinan

provinsi di Indonesia
• Variabel independen : Tingkat pengangguran terbuka
(TPT), pengeluaran rumah tangga (PPP), dan rata-rata
lama sekolah (MYS).
• Waktu penelitian : Maret 2020 - Desember 2020
• Tempat penelitian : 34 provinsi di Indonesia

Populasi dari riset ini merupakan provinsi-provinsi di

Indonesia. Sebab jumlah provinsi di Indonesia adalah 34 dan
kurang dari 100, maka pada riset ini sampel yang digunakan
sama dengan populasi.

Teknik Analisis Data:

• Pengujian distribusi normal multivariat
• Pengujian homogenitas varian kovarian
• Analisis diskriminan dengan metode stepwise
• Menilai ketepatan klasifikasi nilai sebenarnya dengan
nilai prediksi hasil analisis diskriminan yang dibentuk
dengan menggunakan APER (Apparent Error Rate).
Ni Putu Nanik Hendayanti dan Maulida Nurhidayati
pada tahun 2020 meneliti tentang “Regresi Logistik
Biner dalam Penentuan Ketepatan Klasifikasi Tingkat
Kedalaman Kemiskinan Provinsi-Provinsi
Indonesia”. Hasil riset ini menunjukkan variable yang
mempengaruhi indeks kedalaman kemiskinan adalah
MYS dan EYS dengan tingkat ketepatan klasifikasi
adalah 85,3%
Tambun dan Rita Herawaty pada tahun 2018 meneliti
tentang “Pemodelan Faktor-Faktor yang
Memepengaruhi Indeks Kedalaman Kemiskinan dan
Indeks Keparhan Kemiskinan Kabupaten atau Kota di
di
Sumatera Utara Menggunakan Regresi Data Panel”.
Faktor yang mempengaruhi indeks kemiskinan dan
indeks kedalaman kemiskinan pada riset ini adalah
pertumbuhan pengeluaran rumah tangga, angka melek
huruf, dan rata-rata lama sekolah
Sarjono, Sri Hartoyo, Dedi Budiman Hakim pada tahun 2017
meneliti tentang “Strategi Penanggulangan Kemiskinan di Kota
Jakarta Timur”. Hasil dari risetnya yaitu dengan Analisis Regresi
Logistik menunjukan bahwa besaran anggota rumah tangga dan
gender memberikan pengaruh yang positif dan signifikan terhadap
kejadian rumah tangga miskin sedangkan proporsi anggota rumah
tangga yang bekerja, berpengaruh negatif dan signifikan terhadap
kejadian rumah tangga miskin
 Pengujian normalitas di jurnal

Pengujian normal multivariat dilakukan dengan bantuan software R dengan package mvnormtest.
Dengan menggunakan pengujian mshapiro.test diperoleh :
hasil W=0,95232 dengan nilai p value=0,1441
Karena nilai pvalue=0,1441>0,05 maka sampel memiliki distribusi normal multivariat.
 Pengujian normalitas di replikasi jurnal

Penerapan pada uji Kolmogorov Smirnov adalah

bahwa jika signifikansi di atas 0,05 berarti data
yang akan diuji tidak terdapat perbedaan yang
signifikan antara data yang akan diuji dengan data
normal baku, data tersebar normal.

Pada gambar terlihat bahwa tingkat signifikansi

data adalah 0,200 dan di atas 0,05. artinya
distribusi data dinyatakan memenuhi asumsi
normalitas

Pengujian homogenitas dilakukan setelah
adanya perbedaan rata-rata antar
kelompok data. Pengujian ini dilakukan
untuk memastikan bahwa kelompok 1 dan
kelompok 2 memiliki varian homogen.
Uji Box’s M dapat digunakan untuk
mengetahui signifikansi (𝛼 = 0.1)
perbedaan antar kelompok di dalam
matriks.
Pada Jurnal
Hasil pengujian homogenitas varian data
melalui uji Box’s M menujukkan bahwa nilai
sig sebesar 0,058 lebih dari 0,05 artinya Ho
diterima dan disimpulkan bahwa asumsi
homogenitas varian data terpenuhi.
 Pada replikasi Jurnal

Hasil pengujian homogenitas varian data

melalui uji Box’s M menujukkan bahwa nilai
sig sebesar 0,118 lebih dari 0,05 artinya Ho
diterima dan disimpulkan bahwa asumsi
homogenitas varian data terpenuhi.
Pengujian ini dilakukan untuk melihat apakah
terdapat perbedaan kovarian antar
kelompok. Hasil pengujian memperlihatkan
bahwa matriks kovarian antar kelompok
cenderung sama.
 Pada replikasi Jurnal

jika koefisien korelasi masing-masing variabel

bebas < 0,8 maka tidak terjadi multikolinearitas.

Pada tabel terlihat bahwa nilai korelasi tertinggi

terjadi antara MYS dan LN_PPP dengan nilai
absoulut 0.623. Nilai ini menunjukkan bahwa
korelasi antar kedua variabel adalah rendah.
Kesimpulan yang sama tentu dapat kita berikan
untuk nilai korelasi antar prediktor yang lain.
Artinya, pada data ini tidak ada indikasi
multikolinearitas.
Berdasarkan output di samping dapat
diinterpretasikan bahwa ketiga variabel tersebut
masuk dalam analisis diskriminan karena memiliki
nilai signifikan yang lebih kecil <0,05
Dari output di samping dapat diinterpretasikan
bahwa variabel TPT sebesar 0,776 merupakan
variabel yang paling kuat diantara kedua variabel
lainnya sehingga TPT memiliki peran sebagai
pembeda antar 2 kelompok provinsi dibanding 2
variabel lainnya.
 ANALISIS DISKRIMINAN DENGAN
STEPWISE
UJI SERENTAK/ UJI WILKS LAMDA

Uji serentak yang dilakukan pada analisis diskriminan dilakukan dengan wilks lamda.
Signifikanwilks lamda dilakukam dengan menggunakam chi-square

Karena signifikansinya kurang dari 0,5 maka hasilnya signifikan.

Dapat disimpulkan bahwa ada perbedaan rata-rata antar kategori atau perbedaan yang signifikan dipengaruhi
antar kedua kelompok atau responden antar kedua provinsi, yang didasarkan pada variabel independen.
Yang artinya kedua kelompok provinsi berbeda berdasarkan variabel diskriminan TPT karena hasil dari
penguji wilks lamda menunjukan nilai signifikan =0.000< < 0,05
ANALISIS DISKRIMINAN
DENGAN STEPWISE
Estimasi fungsi diskriminan cononical.
Contoh penulisan diskriminan:
Z score = 13.156 + 1.184TPT + 1.045MYS - 2.976Ln_PPP

Dari persamaan ini, didapatkan

bahwa ketiga variabel independent
memiliki pengaruh yang berbeda-
beda untuk mempengaruhi data
masuk ke klaster yang dituju
ANALISIS DISKRIMINAN
DENGAN STEPWISE

Untuk mengetahui tingkat kebaikan fungsi diskriminan yang terbentuk dapat

dilakukan dengan menggunakan kuadrat dari canonical correlation (CR) atau CR^2
pada tabel menunjukkan nilai CR=0,9 sehingga CR^2=0,81. Artinya sebesar 81%
variasi antar kelompok Provinsi yang memiliki tingkat keparahan kemiskinan tinggi
dan tingkat keparahan kemiskinan rendah dijelaskan oleh variabel diskriminan TPT.
ANALISIS DISKRIMINAN
DENGAN STEPWISE

Persamaan untuk provinsi tinggi :

-1482.98 - 7.428TPT - 41.081MYS + 363.733Ln_PPP

Persamaan untuk provinsi rendah :

-1535.212 - 12.306TPT - 45.386MYS + 375.991Ln_PPP
Pada tabel terlihat bahwa tingkat
klasifikasi sebesar 97.1% yang berarti
provinsi mampu diklasifikasikan secara
tepat.

Hanya satu data yang tidak mampu

diklasifikasikan secara tepat yaitu pada
data 24 dari hasil uji

Pada kelompok Provinsi yang tergolong

rendah sebesar 21 Provinsi dan 20
Provinsi yang terprediksi secara tepat,
sisanya sebesar 1 terprediksi pada
kelompok Provinsi tinggi. Hal yang sama
terjadi pada kelompok Provinsi tinggi
sebesar 13 Provinsi dan semua
terprediksi secara tepat pada kelompok
tinggi.
Kesimpulan yang bisa di ambil dari riset ini
adalah: Pada kelompok Provinsi yang
tergolong rendah sebesar 21 dengan
klasifikasi Provinsi sebanyak 20 provinsi
terprediksi secara tepat dan 1 provinsi
terpredikasi termasuk golongan tinggi. Pada
provinsi golongan tinggi sebanyak 13
provinsi dan semuanya terprediksi secara
tepat pada kelompok tinggi .
Ghozali, I. (2018). Aplikasi Analisis Multivariat Dengan Program IBM Sarjono, S., Hartoyo, S., & Hakim, D.
SPSS 25 (9th ed.). Semarang: Badan Penerbit Universitas Diponegoro. B. (2017). Strategi Penanggulangan
Kemiskinan Di Kota Jakarta Timur.
Gudono. (2017). Analisis Data Multivariat (4th ed.). Yogyakarta: BPFE. Jurnal Manajemen Pembangunan
Daerah, 9(1).
Hendayanti, N. P. N., & Nurhidayati, M. (2020). Regresi Logistik Biner https://doi.org/10.29244/jurnal_mpd
dalam Penentuan Ketepatan Klasifikasi Tingkat Kedalaman .v9i1.27542
Kemiskinan Provinsi-Provinsi di Indonesia. Sainstek : Jurnal Sains dan
Teknologi, 12(2), 63–70. Supriyanto, R. W., Ramdhani, E. R., &
Rahmadan, E. (2014). Perlindungan
Mathur, O. P. (2013). Urban Poverty in Asia, Study Prepared for the Sosial di Indonesia:Tantangan dan
Asian Development. Philippines: Asian Arah ke Depan. Jakarta: Direktorat
Development Bank. Perlindungan dan Kesejahteraan
Masyarakat Kementeriaan
Ritonga, H. (2003). Perhitungan Penduduk Miskin. Jakarta: Badan PPN/Bappenas.
Pusat Statistik.