Dosen Pembimbing :
Widiyanto Hari Subagyo Widodo, ST., M. Sc
Endratno Budi Santoso, ST.,MT
Penyusun :
Ester Parmanes / 2224034
Puji syukur kehadirat Tuhan Yang Maha Esa yang telah memberikan rahmat dan karunia-
Nya sehingga kami diberikan kelancaran dalam menyelesaikan Laporan yang berjudul
“Laporan Praktikum Analisis Faktor” yang mana merupakan bagian dari tugas individu Mata
Kuliah dari Metode Analisis Perencanaan I. Dalam proses penyusunan laporan ini
diselesaikan dengan baik dan berkat bantuan serta bimbingan dari berbagai pihak. Oleh
karena itu kami ingin menyampaikan rasa terimakasih kepada:
1. Bapak Widiyanto Hari Subagyo Widodo, ST., M. Sc dan Bapak Endratno Budi
Santoso, ST.,MTselaku dosen pembimbing Mata Kuliah Ekonomi Wilayah dan Kota.
2. Kakak-kakak tingkat dan juga Alumni yang telah yang telah memberikan informasi
dan masukan mengenai Mata Metode Analisis Perencanaan I berdasarkan pengalaman
yang mereka miliki.
3. Orang tua dan keluarga yang telah memberikan dukungan, baik dalam doa, motivasi,
serta finansial.
4. Teman-teman atas semangat, kerjasama, dan kekompakannya serta teman-teman
seperjuangan PWK Angkatan 2022 (Ataraksa) atas semangat, kerja keras, dan
kekompakannya
Menyadari bahwa dalam Menyusun laporan memiliki keterbatasan oleh karena itu
kami sangat mengharapkan adanya kritik dan saran yang membangun demi
kesempurnaan laporan ini.
Penyusun
DAFTAR TABEL
DAFTAR GAMBAR
BAB I
PENDAHULUAN
JUMLH
KAB. / JUMLAH
IPM TPT PEND PDRB PPK TPAK PENDIDIKAN
KOTA PEND.
MISKIN
292214.0
Kep Seribu 28925 72.79 8.47 3.67 10134.63 58.61 7
0
Jakarta 299330.0
1793550 80.81 8.04 133.73 730224.71 67.92 224
Utara 0
Jakarta 163795.0
3083883 83.45 8.39 126.63 546877.29 64.88 262
Timur 0
Jakarta 682994.0
2244623 85.21 5.63 81.11 794935.80 63.75 111
Selatan 0
Jakarta 202371.0
1079995 82.11 5.88 44.72 540696.90 65.2 281
Pusat 0
Jakarta 300342.0
2448975 82.51 7.1 112.18 587659.64 63.41 193
Barat 0
DKI 274709.0
10 679 951 81.65 7.18 502.04 3186469.91 64.81 1078
Jakarta 0
1.2 Analisis Faktor EFA
Analisis yang ada pada Communilitis pada extraction method :
1.2.1 Communalities
Pada Gambar Scree Plot ini dapat juga menunjukkan jumlah faktor
yang terbentuk. Caranya dengan melihat nilai titik Component yang
memiliki nilai Eigenvalue > 1. Dari gambar Scree Plot di atas ada 2 titik
Component yang memiliki nilai Eigenvalue > 1 maka dapat diartikan
bahwa ada 2 faktor yang dapat terbentuk.
1. Initial Communalities:
- Ini adalah communalities sebelum dilakukan ekstraksi faktor
atau komponen utama.
- Nilai communalities awal untuk setiap variabel adalah 1.000,
yang artinya semua variabilitas dari setiap variabel dapat
dijelaskan oleh faktor-faktor atau komponen-komponen awal
sebelum ekstraksi.
2. Extraction Communalities:
- Ini adalah communalities setelah dilakukan ekstraksi faktor atau
komponen utama menggunakan metode Principal Component
Analysis (PCA).
- Nilai communalities ini menunjukkan seberapa besar
variabilitas dari setiap variabel yang dapat dijelaskan oleh
komponen utama yang diekstraksi.
- Nilai-nilai ini cenderung lebih rendah dari 1.000, karena hanya
sebagian dari variabilitas asli yang dijelaskan oleh komponen
utama yang diekstraksi.
- Semakin tinggi nilai communalities setelah ekstraksi, semakin
baik variabel tersebut dijelaskan oleh komponen utama yang
terpilih.
Dengan demikian, nilai-nilai communalities Extraction memberikan
gambaran tentang sejauh mana informasi dari variabel asli dapat dijelaskan
oleh faktor-faktor atau komponen-komponen utama yang diekstraksi
menggunakan metode PCA. Nilai-nilai yang lebih tinggi menunjukkan
bahwa komponen utama tersebut memberikan kontribusi yang lebih besar
dalam menjelaskan variabilitas variabel awal.
5.1 Kesimpulan
Harapan Lama Sekolah (HLS) dan Rata-rata Lama Sekolah (RLS) memiliki pengaruh
yang sangat besar terhadap Indeks Pembangunan Manusia (IPM). Oleh karena itu,
meningkatkan tingkat pendidikan dan kualitas pendidikan di wilayah studi sangat penting
untuk meningkatkan IPM. Pengeluaran Per Kapita (PPK) juga berpengaruh positif terhadap
IPM, meskipun dengan kekuatan yang sedikit lebih rendah dibandingkan dengan HLS dan
RLS. Konstanta dalam persamaan regresi memiliki dampak yang sangat kecil pada IPM dan
bisa diabaikan. Analisis ini memberikan wawasan yang penting untuk perencanaan dan
pengembangan wilayah studi, terutama dalam upaya meningkatkan Indeks Pembangunan
Manusia. Dengan fokus pada peningkatan pendidikan (HLS dan RLS) serta peningkatan
pengeluaran per kapita (PPK), dapat diharapkan bahwa IPM akan meningkat secara
signifikan
Koefisien regresi menunjukkan pengaruh variabel independen (HLS, RLS, dan PPK)
terhadap variabel dependen (IPM). Dari persamaan regresi yang diberikan, HLS
memiliki koefisien tertinggi (0.435), diikuti oleh RLS (0.331) dan PPK (0.291).
Koefisien negatif pada konstanta menunjukkan bahwa tanpa penambahan data RLS,
HLS, dan PPK, IPM memiliki pengaruh negatif sebesar -5.372E-15. Namun, nilai ini
sangat kecil dan bisa diabaikan dalam konteks analisis ini. Hasil dari uji Anova
menunjukkan bahwa model regresi secara keseluruhan signifikan, dengan nilai p < 0.05.
Artinya, model ini dapat digunakan untuk melakukan analisis regresi. Nilai R Square
adalah 1, yang menunjukkan bahwa seluruh variabilitas IPM dapat dijelaskan oleh HLS,
RLS, dan PPK. Ini menunjukkan bahwa model regresi memberikan hasil yang sangat
baik dalam menjelaskan hubungan antara variabel independen dan IPM.
5.2 Kebijakan
Kebijakan yang dapat diambil dari studi kasus yang ada, antara lain :
1. Untuk Pendidikan
Harapan Lama Sekolah (HLS) dan Rata-rata Lama Sekolah (RLS) memiliki pengaruh
yang sangat besar terhadap Indeks Pembangunan Manusia (IPM). Meningkatkan
pendidikan dan kualitas pendidikan di wilayah studi sangat penting untuk meningkatkan
IPM. Fokus pada program-program pendidikan yang mendukung peningkatan Harapan
Lama Sekolah (HLS) dan Rata-rata Lama Sekolah (RLS). Investasikan dalam fasilitas
pendidikan yang memenuhi standar kualitas.
5. Unruk Pemerintah
Untuk mencapai peningkatan IPM yang signifikan, diperlukan kerjasama dengan
berbagai pihak terkait seperti pemerintah, lembaga pendidikan, sektor swasta, dan
masyarakat setempat. Bangun kemitraan dan kolaborasi yang kuat dengan semua
stakeholder terkait untuk mendukung implementasi kebijakan peningkatan IPM.
6. Untuk Masyarakat
Edukasi dan kesadaran masyarakat juga merupakan faktor penting. Masyarakat perlu
diberikan pemahaman tentang pentingnya pendidikan dan investasi dalam kesejahteraan
ekonomi. Sosialisasikan dan tingkatkan kesadaran masyarakat tentang pentingnya
pendidikan, peningkatan ekonomi, dan kesejahteraan.