DISUSUN OLEH :
Dosen Pengampu :
Winalia Agwil S.Si M.Si
PENDAHULUAN
A. Latar Belakang
7). Analisis ini dikelompokkan menjadi dua, yaitu analisis dependensi dan
yang digunakan adalah ukuran jarak antar objek. Dua objek yang memiliki
jarak paling dekat akan bergabung menjadi satu cluster. Kedekatan jarak yang
(between cluster).
menganggap setiap objek sebagai sebuah cluster tersendiri. Dua cluster yang
mempunyai jarak paling dekat akan bergabung menjadi satu cluster sampai
3
penanganan terhadap multikolinearitas.
melalui transformasi variabel bebas asal ke variabel bebas baru yang tidak
2008: 8).
4
seseorang dapat bekerja untuk memperoleh pendapatan. Selain makanan,
transportasi.
jiwa. Pada bulan Maret 2015 terjadi kenaikan jumlah penduduk miskin
sebesar 860000 jiwa menjadi 28,59 juta jiwa. Jumlah penduduk miskin
juta jiwa. Namun, jika dilihat dari bulan yang sama di tahun sebelumnya,
jiwa. Sebagian besar penduduk miskin Indonesia berada di Pulau Jawa yaitu
5
Tabel 1.1. Jumlah dan Persentase Penduduk Miskin Menurut Provinsi di
Indonesia Periode September 2015
Jumlah Penduduk Persentase Penduduk
Provinsi
Miskin (ribu jiwa) Miskin (%)
Aceh 859,41 17,11
Sumatera Utara 1508,14 10,79
Sumatera Barat 349,53 6,71
Riau 562,92 8,82
Jambi 311,57 9,12
Sumatera Selatan 1112,53 13,77
Bengkulu 322,83 17,16
Lampung 1100,68 13,53
Kep. Bangka Belitung 66,62 4,83
Kep. Riau 114,84 5,78
DKI Jakarta 368,67 3,61
Jawa Barat 4485,66 9,57
Jawa Tengah 4505,78 13,32
DI Yogyakarta 485,56 13,16
Jawa Timur 4775,97 12,28
Banten 690,66 5,75
Bali 218,79 5,25
Nusa Tenggara Barat 802,29 16,54
Nusa Tenggara Timur 1160,53 22,58
Kalimantan Barat 405,51 8,44
Kalimantan Tengah 148,13 5,91
Kalimantan Selatan 189,16 4,72
Kalimantan Timur 209,98 6,10
Kalimantan Utara 40,93 6,32
Sulawesi Utara 217,14 8,98
Sulawesi Tengah 406,34 14,07
6
Jumlah Penduduk Persentase Penduduk
Provinsi
Miskin (jiwa) Miskin (%)
Sulawesi Selatan 864,52 10,12
Sulawesi Tenggara 345,02 13,74
Gorontalo 206,52 18,16
Sulawesi Barat 153,21 11,90
Maluku 327,77 19,36
Maluku Utara 72,64 6,22
Papua Barat 225,54 25,73
Papua 898,21 28,40
Indonesia 28513,60 11,13
Sumber: Berita Resmi Statistik BPS (4 Januari 2016)
jumlah penduduk miskin tinggi berada di provinsi Jawa Timur, Jawa Tengah,
miskin lebih dari empat juta jiwa. Dari ketiga provinsi tersebut, Jawa Tengah
disajikan grafik tentang jumlah penduduk miskin dari tahun 2010 – 2014 di
ketiga provinsi:
7
6.000.000
5.000.000
4.000.000
3.000.000
2.000.000
1.000.000
0
2010 2011 2012 2013 2014
Survei Sosial Ekonomi Nasional (Susenas) BPS, penduduk yang tidak bekerja
semakin kecil.
8
untuk rumah tangga miskin (raskin), Program Nasional Pemberdayaan
dll.
pemerintah, salah satunya adalah pemberian bantuan yang tidak tepat atau
salah sasaran.
metode Ward karena metode ini menghasilkan cluster yang tidak terlalu besar
dan merupakan metode hirarki terbaik. Jika cluster yang dihasilkan terlalu
Linkage karena metode ini dianggap mempunyai ketelitian yang lebih baik
daripada metode hirarki yang lain. Ukuran kemiripan yang digunakan pada
9
kedua metode tersebut adalah ukuran jarak Euclid kuadrat (Supranto, 2010:
Responden Nasabah Asuransi Jiwa Unit Link’. Pada penelitian ini tidak
masalah multikolinearitas.
average linkage.
c) Chorina Sagita Cahyani dan Hery Tri Sutanto (2014) dalam penelitiannya
10
Analysis (PCA) yang selanjutnya dianalisis cluster menggunakan metode
Ward.
B. Batasan Masalah
Jawa Tengah tahun 2014 menggunakan metode Ward dan Average Linkage.
Analysis (PCA).
C. Rumusan Masalah
11
1) Bagaimana metode Ward dalam mengelompokkan kabupaten/kota di
2014?
D. Tujuan Penelitian
12
Provinsi Jawa Tengah berdasarkan faktor-faktor yang mempengaruhi
E. Manfaat Penelitian
berikut:
1) Bagi Penulis
2) Bagi Pembaca
Kelebihan
Analisis multivariat dapat menghitung dan menganalisis lebih dari dua variabel
bersamaan. Hal ini tentu bermanfaat bagi banyak penelitian atau fenomena yang
melibatkan banyak variabel.
Dapat mengetahui indikator pembentuk suatu variabel, menguji validitas dan reliabilitas
suatu instrumen, mengkonfirmasi ketepatan model dan menguji pengaruh suatu variabel
terhadap variabel lain.
Memungkinkan peneliti untuk menyelidiki hubungan antara kategori variabel
13
Dapat mengidentifikasi kelompok-kelompok variabel yang anggotanya memiliki
kesamaan
Dapat membuat ringkasan informasi yang meringkas jumlah variabel yang banyak
menjadi sejumlah faktor yang lebih sedikit (reduksi data)
Kekurangan
Kekurangan
Hasil dari analisa ini tidak dapat digabungkan dengan variabel lain. Sangat penting untuk
melakukan analisa terlebih dahulu. Karena yang dianalisis hanya satu variabel, maka
hasil dari analisis univariat tidak bisa dan tidak boleh disimpulkan dengan variabel lain.
Kelebihan
Beberapa kelebihan analisa univariat tentunya lebih banyak dari kekurangannya. Antara
lain untuk mengetahui karakteristik data.
Kita dapat mengetahui apakah data kita menceng ke kiri, menceng ke kanan, berdistribusi
normal, atau justru terdapat outlier. Dengan analisa univariat, kita mengetahui pemusatan,
statistik deskriptif lain, dan ukuran penyebaran sebuah data. Hal-hal itu adalah
identifikasi awal untuk analisa lanjut. Analisa ini menghasilkan distribusi frekuensi
melalui suatu data. dengan demikian kita akan mendapatkan bermacam-macam informasi
menarik. Walaupun hanya menggunakan satu variabel namun kita tetap dapat melakukan
analisa inferensial.
14