Upload
doanhanh
View
256
Download
9
Embed Size (px)
Citation preview
BAB II
LANDASAN TEORI
Pada bab ini, akan diuraikan mengenai landasan teori yang akan digunakan
dalam bab selanjutnya.
2.1 Analisis Multivariat
Metode Statistika Multivariat adalah teknik-teknik analisis statistik yang
memperlakukan sekelompok variabel kriteria yang saling berkorelasi sebagai satu
sistem, dengan memperhitungkan korelasi antar variabel-variabel itu. Analisis
demikian disebut Analisis Statistik Multivariat ( Suryanto, 1988 : 1).
2.2 Matriks Data Multivariat
Dalam analisis multivariat sering kali dihadapkan pada masalah
pengamatan yang dilakukan pada suatu periode waktu untuk p > 1 variabel atau
karakter.Akan digunakan notasi yang mendefinisikan objek ke-i pada variabel
ke-j. Menurut Johnson dan Wichern (2007 : 5), secara umum sampel data
multivariat dapat disajikan dalam bentuk sebagai berikut :
Var-1 Var-2 ... Var-j ... Var-p
Objek-1 ... ...
Objek-2 ... ...
... ...
Objek-i ... ...
... ...
Objek-n ... ...
Atau dapat ditulis dalam bentuk matriks Xsebagai berikut :
(2-1)
Dengan
adalah objek ke-i pada variabel ke-j
adalah banyaknya item atau objek
adalah banyaknya variabel
Dapat juga dinotasikan dengan dan j = 1,2,...,p
2.3 Vektor dan Matriks
Variabel dan data yang diolah dalam analisis multivariat biasanya
dinyatakan dalam bentuk vektor dan matriks.
a. Pengertian vektor dan matriks
Matriks adalah susunan segi empat siku – siku dari bilangan –
bilangan (Howard Anton, 1987 : 22). Bilangan – bilangan dalam susunan
tersebut dinamakan entri dalam matriks. Matriks A dengan p baris dan n
kolom disebut matriks dengan ukuran, ditulis
(2-2)
Atau dalam notasi matriks A =
dengan adalah unsur pada baris ke – i dan kolom ke – j.
Suatu matriks yang terdiri dari satu baris atau satu kolom disebut
vektor.Matriks yang terdiri dari satu baris disebut vektor baris sedangkan
matriks yang terdiri dari satu kolom disebut vektor kolom.
b. Operasi pada Matriks
Berikut ini akan dijelaskan beberapa bentuk operasi pada matriks.
1. Kesamaan matriks
Dua matriks dan dikatakan sama,
ditulis A = B jika
(Johnson & Wincern, 2007 : 90). Jadi, dua matriks dikatakan sama
jika
a) Ukuran kedua matriks sama,
b) Setiap elemen atau entri yang seletak sama.
2. Penambahan dan Pengurangan Matriks
Jika A dan B adalah sebarang dua matriks yang ukuran
sama, maka jumlah dua matriks A + B adalah matriks yang
diperoleh dengan menambahkan setiap entri yang bersuaian pada
kedua matriks tersebut ( Howard anton, 1987 : 23).
Misalkan dan
Maka A+B = (2-3)
dengan notasi matriks, A+B = [ Pengukuran dua
matriks juga hanya didefinisikan jika kedua matriks berukuran
sama. Pengurangan dua matriks, yang dinyatakan dengan A – B
adalah matriks yang ditentukan dengan aturan A – B = [
, sehingga
(2-4)
3. Perkalian Matriks dengan Skalar
Misalkan adalah suatu matriks dan cadalah
skalar, hasil kali cdengan matriks Aadalah matriks yang diperoleh
dengan mengalikan setiap entri dari A oleh c, yang dinotasikan
dengan cA = .
4. Perkalian Matriks dengan Matriks
Jika A adalah mariks dan B adalah matriks ,
maka hasil kali AB adalah matriks yang entri – entrinya
ditentukan sebagai berikut. Untuk mencari entri dalam baris ke-i
dan kolom ke-j dari AB,pilih baris i dari matriks A dan kolom j dari
matriks B. Kalikanlah entri-entri yang bersesuaian dari baris dan
kolom tersebut bersama-sama dan kemudian tambahkanlah hasil
kali yang dihasilkan (Howard anton, 1987 : 25)
5. Transpose Matriks
Transpose suatu matriks A, yang lazim dinyatakan dengan
notasi A adalah matriks yang diperoleh dengan mempertukarkan
baris dan kolom, yaitu elemen baris ke-i dari Amenjadi elemen
kolom ke-i dari A sedangkan ke-j dari Amenjadi baris ke-j dariA
(Suryanto, 1988 : 20).
Misalkan A =
Maka (2-5)
c. Beberapa Matriks Khusus
Matriks khusus adalah matriks yang mempunyai sifat tertentu
sedemikian sehingga dalam operasi pada matriks menghasilkan sifat – sifat
khusus ( Suryanto, 1988 : 21). Beberapa matriks khusus antara lain.
1) Matriks persegi
Matriks persegi adalah matriks dengan banyak kolom dan
baris sama, secara matematis
(2-6)
Barisan entri-entri yang nomor kolomnya sama dengan
nomor barisnya disebut diagonal utama.
Entri-entri yang nomor kolomnya lebih besar daripada nomor
barisnya disebut unur-unsur diatas diagonal utama, sedangkan
unsur – unsur yang nomor kolompoknya lebih kecil daripada
barisnya disebut unsur-unsur di bawah diagonal utama (Suryanto,
1988 : 22).
2) Matriks Diagonal
Matriks persegi yang semua entrinya nol kecuali pada
diagonal utama disebut matriks diagonal.Suatu matriks diagonal
dapat ditulis sebagai berikut :
(2-7)
Matriks diagonal yang setiap unsur diagonal utamanya
adalah 1 disebut matriks identitas, misalkan
(2-8)
3) Matriks Simetris
Suatu matriks persegi dikatakan simetris jika A = A .
Dengan kata lain, jika simetris maka
dan .
d. Invers Matriks
Menurut Anton (2004: 46), jika A adalah matriks persegi, dan jika
terdapat matriks B yang ukurannya sama sedemikian rupa sehingga
, maka A disebut dapat dibalik (invertible) dan Bdisebut
sebagai invers (inverse) dari A.
Jika A dapat dibalik, maka inversnya dapat dinyatakan dengan
simbol . Jadi ,
dan (2-9)
Invers dari matriks didefinisikan hanya untuk matriks persegi yang
determinannya tidak 0 (Suryanto, 1988: 42).
e. Nilai eigen dan Vektor Eigen
AndaikanI adalah matriks identitas dan A adalah matriks persegi
dan kedua matriks itu berukuran sama. Nilai- nilai yang memenuhi
persamaan = 0 disebut persamaan karakteristik. ( Suryanto, 1988 :
55).
Nilai eigen memiliki sifat antara lain :
a) Hasil kali nilai-nilai eigen dari matriks Asama dengan , dan
b) Jumlah nilai-nilai eigen dari matriks A sama dengan tr(A).
Setiap nilai eigen dari matriks persegiAyang berukuan
menentukan vektor yang mempunyai sifat
dan untuk setiap c yang bukan nol maka
merupakan vektor karakteristik atau vektor eigen yang ditentukan oleh
.
Contoh :
Akan dicari basis-basis untuk ruang eigen dari
A =
Penyelesaian :
Persamaan karakteristik dari A adalah ( , sehingga
nilai-nilai eigen dari A adalah dan jadi, diperoleh dua ruang
eigen dari A. Menurut definisi
X =
Adalah vektor eigen A yang bersesuaian dengan jika dan hanya jika x
adalah pemecahan taktrivial dari , yakni dari
Jika , maka menjadi
Dengan memecahkan sistem ini maka akan menghasilkan
Jadi, vektor-vektor eigen A yang bersesuaian dengan adalah vektor-
vektor taknol yang berbentuk
Karena
dan
Adalah vektor-vektor bebas linear, maka vektoor-vektor tersebut akan
membentuk basis untuk ruang eigen yang bersesuaian dengan
Jika , maka
Dengan memecahkan sistem ini maka akan menghasilkan
Jadi, vektor-vektor eigen yang bersesuaian dengan adalah vektor-
vektor taknol yang terbentuk
Sehingga
Adalah basis untuk ruang eigen yang bersesuaian dengan
2.4 Distribusi Normal Multivariat
Menurut Suryanto (1988 : 66) Variabel acak X dikatakan berdistribusi
Normal dengan rerata = dan varians = , dimana > 0, jika fungsi kerapatan
probabilitas dari X tertentu oleh rumus
(2-10)
untuk
Sedangkan sekelompok variabel ( ,..., ) dikatakan berdistribusi
Normal p-variat dengan vektor rerata dan matriks varians-
kovarians atau matiks dispersi jika fungsi kerapatan probabilitas bersama dari p
variabel itu tertentu oleh rumus.
,..., ) = (2-11)
Dengan
2.5 Rata-rata
Rata-rata merupakan salah satu ukuran pemusatan yang sering
digunakan.Misalkan adalah n pengukuran pada variabel 1. Rata –
rata pengukuran yang juga disebut rata-rata sampel ditulis dengan adalah
(2-12)
Secara umum, rata-rata sampel untuk variabel ke-j bila ada p variabel dan nobjek
adalah
(2-13)
Dengan j = 1,2,...,p
Jika X adalah matriks , dengan n merupakan jumlah objek dan p adalah
banyaknya variabel maka matriks baris X rata-rata ditulis dengan disebut
centroid. Matriks dihitung dengan menggunakan operasi matriks berikut :
Didapat
(2-13)
Dengan adalah matriks berukuran dengan entri matriks adalah bilangan
.
2.6 Variansi
didefinisikan sebagai variansi sampel yang merupakan estimator dari variansi
populasi Variansi sampel untuk variabel ke-j adalah
(2-14)
Dengan mengambil sebesar vektor kolom dari matriks didapat :
(2-15)
Menurut Sagian & Sugiarto (2000:52), variansi populasi dinyatakan dalam dan
simpangan baku populasi adalah . Untuk menghitung nilai variansi populasi
dapat digunakan rumus berikut :
(2-16)
dengan
menyatakan variansi untuk variabel-variabel
menyatakan nilai ke-i dari variabel
menyatakan rataan populasi dari variabel
menyatakanukuran populasi
2.7 Variansi- Kovariansi
Kovariansi merupakan ukuran keterikatan dua variabel, misal dan .
Kovariansi dari dua variabel adalah rasio jumlah simpangan baku dari rataan tiap
kasus. Menurut Rencher (2002: 57) kovariansi sampel untuk variabel ke-j dan k
adalah
(2-17)
dengan .
Sehubungan dengan kovariansi, variansi sampel dapat pula diartikan sebagai
kovariansi variabel ke-j dan j. Suatu matriks yang elemen-elemennya terdiri atas
variansi dan kovariansi dari sekumpulan variabel disebut dengan matriks variansi-
kovariansi dinotasikan dengan S dapat dinyatakan dalam bentuk
,
Karena dan
(2-18)
Untuk menghitung nilai kovariansi populasi ditentukan dengan rumus sebagai
berikut :
(2-19)
dengan
menyatakan kovariansi antara dua variabel yaitu variabel dan
menyatakan nilai ke-i dari variabel
menyatakan nilai ke-r dari variabel
menyatakan rataan nilai variabel
menyatakan rataan nilai variabel
menyatakan ukuran populasi
Entri-entri diagonal matriks variansi-kovariansi adalah nilai variansi
sedangkan entri matriks yang bukan diagonal adalah nilai kovariansi atau dapat
ditulis sebagai berikut :
(2-20)
2.8 Korelasi
Menurut (Walpole, 1992: 370), korelasi adalah ukuran hubungan linear
antara dua peubah acak atau variabel yang dilambangkan dengan r. Koefisien
korelasi sederhana antara variabel dan secara umum dirumuskan sebagai
berikut :
(2-21)
Dengan koefisien korelasi sederhana antara dan
ukuran sampel
Koefisien korelasi antara dua variabel adalah suatu ukuran hubungan linear
antara kedua variabel tersebut, sehingga jika nilai berarti tidak ada
hubungan diantara variabel tersebut.
2.9 Analisis Klaster (Cluster Analysis)
Analisis Klaster yaitu analisisuntuk mengelompokkan elemen yang mirip
sebagai objek penelitian menjadi kelompok (cluster) yang berbeda ( Supranto,
2004 : 26). Analisis klaster merupakan teknik multivariat digunakan untuk
mengklasifikasi objek atau kasus ke dalam kelompok yang relatif homogen, yang
disebut klaster. Objek dalam setiap kelompok cenderung mirip satu sama lain dan
berbeda jauh (tidak sama) dengan objek dari klaster lainnya (Supranto, 2004 :
142). Untuk menganalisis klaster, dilakukan proses mengukur kesamaan dan
kemudian membuat klaster dengan teknik-teknik analisis klaster.
2.9.1 Ukuran Kesamaan
Sesuai prinsip analisis klaster yang mengelompokkan objek yang
mempunyai kemiripan, proses pertama adalah mengukur seberapa jauh ada
kesamaan antar objek.Menurut Rencher (2002 : 452) ukuran kesamaan yang
di gunakan adalah kedekatan jarak antara dua objek. Makin besar nilai ukuran
jarak antar dua buah objek, makin besar pula perbedaan antara kedua objek.
Fungsi jarak yang umum adalah jarak Euclidean antara dua vektor
dan , didefinisikan sebagai berikut
(2-22)
Untuk menyesuaikan varians dan kovarian antara variabel p, menggunakan
jarak statistik
(2-23)
di mana Sadalah matriks kovarians sampel. Setelah kelompok terbentuk, S
dapat dihitung dan dikumpulkan dalam klaster matriks kovarians.
2.9.2 Teknik – Teknik Analisis Klaster
Ada beberapa teknik yang digunakan dalam analisis klaster yaitu :
a) Hirarkikal
Metode ini memulai pengklasteran data dengan dua atau lebih
objek yang mempunyai kesamaan paling dekat kemudian dilanjutkan ke
objek lain yang mempunyai kedekatan kedua dan seterusnya sampai
klaster akan membentuk semacam pohon sehingga ada tingkatan yang
jelas antar objek, dari yang paling mirip sampai yang paling tidak mirip
sehingga pada akhirnya hanya akan terbentuk sebuah klaster.
Menurut Gudono (2011 : 262), beberapa metode dalam proses
pengklasteran hirarkikal adalah sebagai berikut:
a. Single Linkage
Pada metode single linkage untuk menentukan jarak antar klaster
perlu melibatkan semua jarak antardua klaster yang ada dengan jarak
Euclidean kuadrat dan kemudian memilih yang terkecil atau terdekat
jaraknya.
b. Complete Linkage
Metode Complete Linkage merupakan kebalikan dari metode
single linkage. Dimana dalam metode single linkage pengelompokkan
berdasarkan jarak terdekat, sedangkan dalam metode complete linkage
pengelompokkan berdasarkan jarak yang terjauh.
c. Ward’s Method
Pada metode ward menngunakan error sum of squares (ESS)
sebagai pertimbangan, dengan metode ward peneliti ingi memaksimalkan
ukuran homoginitas dalam klaster. ESS hanya dapat dihitung jika klaster
memiliki elemen lebih dari satu item.ESSklaster yang hanya memiliki satu
item adalah nol. Rumus ESS adalah sebagai berikut :
(2-24)
Dimana adalah rata-rata (mean) nilai item dalam sebuah klaster, k adalah
jumlah anggota klaster.
b) Non Hirarchical Method
Berbeda dengan metode hirarki, metode ini justru dimulai dengan
menentukan terlebih dahulu jumlah klaster yang diinginkan. Setiap jumlah
klaster diketahui dilakukan tanpa melalui proses hirarki. Metode ini biasa
disebut metode K-Means Cluster.
c) Kombinasi teknik hirarki dan non hirarki
Dalam pengklasteran dapat pula digunakan kedua teknik ( hirarchi dan
non hirarchi) agar didapatkan keuntungan dari masing-masing teknik. Pada
teknik hirarki didapatkan informasi banyak klaster yang ingin dibentuk, profil
pusat klaster dan identifikasi data klaster, dan dari informasi teknik hirarki
dapat dilanjutkan dengan teknik non hirarki untuk menambah kesempurnaan
hasil analisis klaster.
Pada analisis klaster terdapat dua asumsi yang harus dipenuhi yaitu sampel
mencerminkan populasi dan tidak terjadi multikolinearitas.
2.10. Multikolinearitas
Menurut Vincent (1992 : 114) multikolinearitas adalah adanya hubungan
linier yang sempurna diantara beberapa atau semua variabel bebas dalam model
regresi. Salah satu cara untuk menguji adanya multikolenieritas adalah dengan
menghitung Toleransi atau variance inflation factor (VIF)
atau Toleransi
dengan adalah koefisien determinasi.
Menghitung nilai Toleransi atau variance inflation factor (VIF), jika nilai
Toleransi kurang dari 0,1 atau nilai VIF melebihi 10 maka hal tersebut
menunjukkan bahwa multikolinearitas adalah masalah yang pasti terjadi antar
variabel bebas.
Contoh :
No x1 x2
1 4 27
2 3 54
3 5 86
4 8 136
5 4 65
6 3 109
7 3 28
8 4 75
9 3 53
10 5 33
11 7 168
12 3 4
13 8 52
Menghitung nilai korelasi antar variabel bebas (r)
r =
Menghitung nilai tolerance (Tol)
Tol = 1-
= 1- 0,272
= 0,728
Menghitung nilai VIF
Karena nilai VIF< 10 maka tidak terjadi multikolinearitas.
Untuk mengatasi terjadinya multikolinearitas dapat dilakukan analisis komponen
utama.
2.11 Analisis Komponen Utama
Analisis komponen utama merupakan suatu teknik analisis statistik untuk
mentransformasikan variabel-variabel asli yang masih berkorelasi satu dengan
yang lain menjadi satu kelompok variabel baru yang tidak berkorelasi lagi
(Johnson dan Winchern, 2007: 430)
Analisis Komponen Utama pada dasarnya bertujuan untuk menyederhakan
variabel yang diamati dengan caramereduksi dimensinya. Hal ini dilakukan
dengan cara menghilangkan korelasi diantara variabel bebas melalui transformasi
variabel bebas asal ke variabel baru yang tidak berkorelasi sama sekali atau yang
biasa disebut dengan principal component. Setelah beberapa komponen hasil
analisis komponen utama yang bebas multikolinearitas diperoleh, maka
komponen-komponen tersebut menjadi variabel bebas baru yang akan
diregresikan atau dianalisa pengaruhnya terhadap variabel tak bebas (Y) dengan
menggunakan analisis regresi, dengan sedikit faktor, sebesar mungkin varians .
Analisis komponen utama akan mereduksi data pengamatan ke dalam
beberapa kelompok data sedemikian sehingga informasi dari semua data dapat
diserap secara optimal mungkin.
Menurut Suryanto (1988 : 200) pada analisis komponen utama, vektor
variabel semula, yaitu ditransformasikan menjadi vektor
variabel dimana
untuk i = 1, 2, ..., q ;
, untuk i = 1, 2, ..., q ;
Sedemikian hingga variabel – variabel bebas satu dengan
lain, dan vektor variabel baru menjelaskan proporsi dari variasinya
vektor variabel semula, yaitu
Pembentukan regresi komponen utama melalui analisis komponen utama ada dua
cara, yaitu pertama dengan pembentukan komponen utama berdasarkan matriks
kovariansi dan kedua dengan pembentukan komponen utama berdasarkan matriks
korelasi.
2.11.1 Komponen Utama yang Dibentuk Berdasarkan Matriks Kovarians
Proses mereduksi data dalam analisis komponen utama akan diuraikan
seperti di bawah ini:
a) Melalui data asal akan dicari matriks varian kovarian ∑ dimana
unsur-unsurnya adalah
b) Kemudian dari matriks varians kovarians tersebut dicari nilai eigen
dengan i=1,2,...,p yang diperoleh dari bentuk persamaan determinan :
dari nilai eigen tersebut, dihitung vektor-vektor eigen
melalui persamaan
c) Diperoleh yang mengandung varians Xi sebesar . Bila 80%-
90% dari total varians X hasil reduksi dapat dijelaskan oleh komponen
utama tersebut maka dapat menggantikan p buah variabel data asal tanpa
kehilangan banyak informasi ( Johnson & Wichern, 1992 : 433)
Loading dari variabel Xiterhadap PC ke j adalah
Setelah mendapatkan faktor yang terbentuk melalui proses reduksi, maka
perlu dicari persamaannya dalam bentuk
(2-25)
yang merupakan model baru dengan
= variabel komponen 1
= variabel komponen 2
Model diatas lebih sederhana dibandingkan model regresi multiple awal
yang terbentuk :
(2-26)
Atau
(2-27)
Proporsi total varians populasi yang dijelaskan oleh komponen utama ke-k
(2-28)
2.11.2 Komponen Utama yang Dibentuk Berdasarkan Matriks Korelasi
Komponen utama ke-i ; yang dibentuk berdasarkan variabel-variabel
yang telah dibakukan dengan didefinisikan
sebagai berikut :
(2-29)
Sementara itu, proporsi total variansi yang dapat dijelaskan oleh komponen ke-
k berdasarkan variabel bebas yang telah dibakukan didefinisikan sebagai
berikut :
(2-30)
Dengan = eigen dari ρ, k = 1,2, ...,
2.12 Analisis Diskriminan
Analisis Diskriminan diperkenalkan oleh R.A Fisher pada tahun 1936.
Analisis diskriminan meliputi cara pembentukan variat, yaitukombinasi linear dari
dua atau lebih variabel independen yang terbaik dalam membedakan kelompok
yang telah terdefinisi. Pemilihan kombinasi linear dari pvariabel independen
dilakukan dengan pemilihan koefisien-koefisiennya yang menghasilkan hasil bagi
maksimum antara variansi antar kelompok dan variansi dalam kelompok
(Suryanto, 1988 : 170). Secara teknis analisis diskriminan mirip dengan analisis
regresi, perbedaannya terletak pada tipe atau skala data variabel dependennya.
Pada analisis regresi (regresi linear berganda) variabel dependen maupun
independennya dinyatakan dalam skala interval atau rasio, sedangkan analisis
diskriminan variabel dependennya dinyatakan dalam skala nominal atau ordinal
dan variabel independennya dinyatakan dalam skala interval atau rasio
Teknik analisis diskriminan dibedakan menjadi dua yaitu analisis
diskriminan dua kelompok dan analisis diskriminan lebih dari dua kelompok yang
disebut analisis diskriminan ganda ( multiple discriminant analysis). Pada analisis
diskriminan dua kelompok, variabel tak bebas dikelompokkan menjadi dua dan
diperlukan satu fungsi diskriminan. Sedangkan untuk analisis diskriminan ganda,
variabel tak bebas di kelompokkan menjadi lebih dari dua kelompok dan
diperlukan fungsi diskriminan sebanyak (k-1) jika ada k kategori.
2.12.1 Tujuan Analisis Diskriminan
Tujuan dari Analisis Diskriminan menurut Supranto (2004 : 77) adalah
1. Membuat suatu fungsi diskriminan atau kombinasi linear, dari prediktor atau
variabel bebas yang bisa mendiskriminasi atau membedakan kategori
variabel tak bebas atau criterion atau kelompok, artinya mampu
membedakan suatu objek masuk kelompok kategori yang mana.
2. Menguji apakah ada perbedaan signifikan antara kategori/kelompok,
dikaitkan dengan variabel bebas atau prediktor.
3. Menentukan variabel bebas yang mana yang memberikan sumbangan
terbesar terhadap terjadinya perbedaan antar-kelompok.
4. Mengklarifikasi/mengelompokkan objek/kasus atau responden ke dalam
suatu kelompok/ kategori didasarkan pada nilai variabel bebas.
5. Mengevaluasi keakuratan klasifikasi
2.13. Kesejahteraan Sosial
Menurut Undang-Undang No 11 Tahun 2009, Tingkat Kesejahteraan
Sosial adalah kondisi terpenuhinya kebutuhan material, spiritual, dan sosial warga
negara agar dapat hidup layak dan mampu mengembangkan diri, sehingga dapat
melaksanakan fungsi sosialnya.
Tujuan pembangunan nasional pada dasarnya adalah untuk meningkatkan
kesejahteraan sosial.Berbagai program pembangunan telah dilakukan oleh
pemerintah, baik di bidang pendidikan, kesehatan, ekonomi, perumahan,
lingkungan hidup, keamanan, politik dan lain sebagainya.
Keseluruhan upaya tersebut ditempuh melalui program-program
pembangunan yang menyangkut aspek ekonomi, kesehatan, pendidikan serta
kehidupan sosial lainnya baik yang dilakukan oleh pemerintah, swasta maupun
secara swadaya oleh masyarakat.Usaha-usaha tersebut merupakan kegiatan
berkesinambungan yang bermuara untuk mencapai tujuan pembangunan secara
optimal. Pembangunan ekonomi di Indonesia belum mampu meningkatkan
kesejahteraan rakyat secara luas, yang ditandai oleh tingginya ketimpangan dan
kemiskinan. Keberhasilan pembangunan sering diukur oleh istilah Produk
Nasional Bruto (PNB atau GNB) dan Produk Domestik Bruto (PDB atau GDP)
maka kekayaan keseluruhan yang dimiliki suatu negara tidak berarti bahwa
kekayaan itu merata dimiliki oleh semua penduduknya.
2.14 Tujuan dan Manfaat Indikator Kesejahteraan sosial
Indikator kesejahteraan sosial Kabupaten Sleman merupakan salah satu
media yang dapat membantu memberikan gambaran data kesejahteraan sosial
yang ada di masyarakat sebagai hasil dari suatu proses pembangunan.
Indiktor kesejahteraan sosial Kabupaten Sleman bertujuan khusus
menyajikan indikator kesejahteraan sosial yang meliputi bidang kependudukan,
kesehatan, pendidikan, ketenagakerjaan sebagai tolok ukur keberhasilan
pembangunan.
2.15 Ruang Lingkup
Dimensi kesejahteraan sosial disadari sangat luas dan kompleks, sehingga
suatu tarafkesejahteraan sosial tidak hanya dapat dilihat dari suatu aspek tertentu.
Dalam pengertian yang luas sangat tidak mungkin untuk menyajikan data statistik
kesejahteraan sosial yang lengkap.Oleh karena itu, indikator yang disajikan hanya
menyangkut segi-segi kesejahteraan yang dapat diukur.
2.16 Standar Beberapa Indikator Kesejahteraan Sosial Menurut BPS
Berikut ini merupakan standar beberapa indikator kesejahteraan sosial (Badan
Pusat Statistik Kabupaten Sleman, 2013 : 16) :
A. Kependudukan
Jumlah penduduk yang besar merupakan salah satu aset penting dan
potensi dalam pembangunan.Namun pertumbuhan penduduk yang relatif
cepat dapat berubah menjadi beban bagi pembangunan itu sendiri, apalagi
bila pertumbuhan tersebut tidak dipenuhi dengan kualitas sumber daya
manusia yang memadai.Oleh karena itu arah kebijakan di bidang
kependudukan perlu diprioritaskan pada upaya pengendalian kuartitas dan
peningkatan kualitas, sehingga potensi penduduk yang ada merupakan faktor
yang dapat menguntungkan pembangunan.
Upaya pengendalian penduduk ditempuh dengan menggalakan
program keluarga berencana.Program keluarga berencana memperkenalkan
konsep hidup dengan jumlah anggota keluarga yang kecil, bahagia dan
sejahtera.
Beberapa upaya untuk meningkatkan kualitas penduduk adalah
dengan cara memperluas pelayanan kesehatan, pendidikan, program
perumahan dengan sanitasi dan lingkungan yang baik, program di bidang
ketenagakerjaan untuk meningkatkan kemampuan ekonomi penduduk
sehingga mampu hidup lebih layak.
Penyebaran penduduk yang kurang merata merupakan salah satu
masalah kependudukan yang juga perlu mendapat perhatian.Hal ini berkaitan
dengan daya dukung lingkungan yang memiliki keterbatasan.
Disamping daya dukung lingkungan tempat tinggal, struktur umur
penduduk juga berperan memberi corak pada pola kehidupan penduduk.
Struktur umur membagi penduduk menjadi dua kelompok besar yakni usia
produktif dan non produktif. Kondisi yang timpang dengan kecenderungan
besarnya kelompok usia non produktif yang banyak ditemui pada negara-
negara berkembang menyebabkan tekanan di bidang ekonomi maupun sosial.
Indikator yang menggambarkan ketergantungan penduduk non
produktif terhadap kelompok usia produktif adalah rasio ketergatungan
(dependency ratio). Rasio ini menjelaskan besarnya tanggungan yang menjadi
beban bagi penduduk usia produktif. Kelompok yang menjadi tanggungan
dibagi menjadi atas dua kelompok yakni penduduk usia muda (0-14 tahun)
dan penduduk lanjut usia (65 tahun ke atas). Sehingga, rasio ketergantungan
dapat dirinci menjadi rasio ketergantungan anak (child dependency ratio) dan
rasio ketergantungan lanjut usia ( old dependency ratio ).
B. Fertilitas
Salah satu faktor yang mendorong pertumbuhan penduduk adalah tingkat
kelahiran. Banyak faktor yang menyebabkan tingginya tingkat kelahiran di
suatu daerah, antara lain adalah struktur umur, usia perkawinan pertama,
tingkat pendidikan, status pekerjaan perempuan, status gizi ibu dan keadaan
sosial ekonomi rumah tangga.
Faktor penting yang perlu dicermati pada tingginya angka kelahiran adalah
usia perkawinan pertama, variabel ini menentukan besarnya peluang sseorang
ibu melahirkan anak – anak mereka. Semakin muda usia perkawinan pertama
seorang ibu, semakin besar peluang mereka untuk memperoleh anak.
C. Kesehatan
Peningkatan kualitas penduduk merupakan salah satu aspek dalam upaya
peningkatan kesejahteraan penduduk, salah satu unsur penting dari kualitas
fisik penduduk adalah status kesehatan yang anatara lain dapat diukur dari
angka kesakitan. Angka kesakitan adalah angka yang dipakai untuk
menyatakan jumlah keseluruhan orang yang menderita penyakit yang
menimpa sekelompok penduduk pada periode waktu tertentu.
Untuk meningkatkan kesehatan masyarakat, pemerintah telah melakukan
berbagai program antara lain melaui penyuluhan kesehatan, imunisasi,
pemberantasan penyakit menular, penyediaan air bersih dan sanitasi, serta
pelayanan kesehatan. Program ini memprioritaskan pelayanan yang
terjangkau oleh masyarakat umum, dengan perhatian khusus kepada
masyarakat berpenghasilan rendah.Disamping itu, pemerintah juga
menyediakan berbagai sarana kesehatan bagi masyarakat antara lain, rumah
sakit umum, rumah sakit khusus, rumah sakit bersalin, balai pengobatan,
puskesmas, dan puskesmas pembantu.
Salah satu indikator dari pemanfaatan fasilitas kesehatan adalah pelayanan
yang diberikan untuk menolong kelahiran atau persalinan. Indikator ini sangat
penting dalam menilai proses persalinan yang aman, yang idealnya dibantu
oleh seorang dokter, bidan atau tenaga medis lainnya.
D. Pendidikan
Peningkatan kualitas sumber daya manusia bertitik tolak pada upaya
pembangunan di bidang pendidikan.Kemajuan suatu bangsa banyak
ditentukan oleh kualitas pendidikan penduduknya. Semakin tinggi tingkat
pendidikannya, akan lebih mudah menerima serta mengembangkan
pengetauan dan teknologi. Dengan menguasai pengetahuan dan teknologi,
penduduk dapat menjadi sumber daya yang sangat berperan dalam
meningkatkan produktifitas yang pada gilirannya dapat meningkatkan
kesejahteraan penduduk.
Guna mengetahui sampa seberapa jauh hasil yang telah dicapai dalam
rangka pembangunan di bidang pendidikan, pada bagian ni akan dibahas
beberapa indikator, seperti Angka Melek Huruf, Angka Partisipasi Kasar
Sekolah (APK), Angka Partisipasi Murni (APM). APK merupakan rasio
antara jumlah murid pada suatu jenjang pendidikan dengan penduduk usia
seolah pada jenjang pendidikan bersangkutan. APM merupakan rasio antara
jumlah murid suatu jenjang pendidikan yang berusia sesuai jenjang
pendidikan tersebut dengan penduduk usia sekolah pada jenjang pendidikan
yang bersangkutan.
Salah satu cara untuk mengukur kualitas sumber daya manusia adalah
dengan megamati jenjang pendidikan yang diselesaikan oleh penduduk
berumur 15 tahun ke atas. Semakin besar proporsi penduduk yang dapat
menamatkan tingkat pendidikan menengah dan tinggi, secara teoritis semakin
baik kualitas sumber daya manusianya.
E. Ketenagakerjaan
Ketenagakerjaan merupakan aspek yang mendasar dalam kehidupan
bermasyarakat karena meliputi dimensi ekonomi dan sosial yang luas.Dengan
bekerja, masyarakat dapat memenuhi kebutuhan ekonomi mereka sesuai
kemampuan dan keterampilan yang dimiliki.Disamping itu, bekerja juga
melibatkan aspek sosial seperti aktualisasi diri, melakukan kontak sosial, serta
pengakuan masyarakat terhadap kemampuan individu yang bersangkutan.
Kebijakan ekonomi yang ditempuh pemerintah selalu memperhatikan
dampaknya pada perluasan kesempatan kerja, mengingat besarnya angkatan
kerja yang siap masuk ke pasar kerja. Permasalahan ketenagakerjaan seperti
sulitnya mencari pekerjaan, pengabaian hak-hak pekerja serta eksploitasi
buruh yang berlebihan dapat memicu terjadinya pertentangan – pertentangan
yang sering berujung pada kerusuhan massa. Hal ini menandakan pentingnya
penangannan ketenagakerjaan yang lebih komprehensif karena menyangkut
kelangsungan hidup masyarakat.
Konsep tenaga kerja yang diadopsi oleh PBB merujuk pada penduduk usia
15 tahun keatas. Walaupun kenyataannya di beberapa negara berkembang,
termasuk Indonesia masih banyak ditemui penduduk yang berumur kurang
dari 15 tahun sudah bekerja.
Dalam konsep Labor Force Approach, penduduk yang berumur 15 tahun
ke atas (penduduk usia kerja) dibedakan menjadi angkatan kerja dan bukan
angkatan kerja, yang termasuk dalam angaktan kerja adalah pekerja atau
mereka yang bekerja dan mereka yang sedang berusaha mencari pekerjaan
atau mereka yang tidak bekerja dan sedang mempersiapkan suatu usaha.
Sedangkan pengertian bekerja adalah mereka yang melakukan kegiatan
ekonomi untuk memperoleh atau membatu memperoleh pendapatan.
Adapun mereka yang termasuk bukan angkatan kerja adalah mereka yang
sedang bersekolah, mengurus rumah tangga dan kegiatan lainnya yang tidak
masuk kategori bekerja atau mencari kerja, seperti pikun dan sakit-sakitan.
Status pekerjaan utama menunjukan jiwa kewirausahaan masyarakat di
suatu daerah. Semakin besar porsi mereka yang memilih status berusaha
sendiri atau berusaha dibantu orang lain, hal ini menunjukkan hasrat dan
kemampuan mereka dalam menegelola usaha sendiri lebih besar daripada
hasrat menjadi pekerja/buruh. Hasrat ini tentu saja akan berdampak positif,
jika hasrat tersebut diikuti dengan membuka lapangan kerja baru bagi orang
lain.
Namun demikian fenomena di atas dapat juga disebabkan oleh
ketidakmampuan mereka untuk bekerja di sektor formal karena tidak
memiliki ijazah yang disyaratkan, kurangnya keteramilan atau sebab – sebab
lain, sehingga mereka lebih memilih untuk berusaha sendiri di sektor
informal.
F. Setengah Menganggur
Setengah menganggur didefinisikan sebagai mereka yang bekerja kurang
dari 35 jam seminggu. Sebagian mereka yang tergolong sebagai setengah
penganggur adala para pekerja keluarga atau pekerja tidak dibayar yang
umumnya membantu usaha ekonomi kepala rumah tangga, seperti membantu
di sawah, menjaga warung atau usaha lainnya yang bersifat
sambilan.Termasuk juga mereka yang sedang bersekolah namun juga bekerja
membantu kegiatan ekonomi keluarga.
G. Penganggur Terdidik
Penganggur terdidik adalah angkatan kerja yang menganggur dan
berpendidikan SMA/MA/SMK ke atas.
H. Perumahan dan Lingkungan Hidup
Kebutuhan jumlah perumahan bagi penduduk akan seiring dengan jumlah
pertumbuhan penduduk, karena rumah merupakan kebutuhan pokok
disamping kebutuhan pangan dan sandang. Kualitas rumah sangat
mempengaruhi derajat kesehatan penghuninya. Rumah yang baik dan sehat
akan memberikan rasa nyaman bagi penghuninya dan sekaligus membentuk
rumah tangga yang sehat dan sejahtera.
Rumah yang layak huni mensyaratkan berbagai hal seperti luas rumah,
jenis lantai, dinding dan atap yang digunakan serta kelengkapan lainnya
seperti sumber dan fasilitas air minum, tempat buang air besar, dan lain-lain
yang menunjang kebutuhan penghuninya.
Luas lantai rumah merupakan indikator untuk menggambarkan kecukupan
tempat tinggal. Diperkirakan sampai batas – batas tertentu, semakin luas
lantai yang didiami, berarti semakin baik keadaannya, yang pada gilirannya
diharapkan akan mendatangkan kesejahteraan bagi penghuninya.
Disamping komponen luas lantai, keberadaan sarana penunjang utama
seperti sumber air minum, tempat buang air besar dierlukan untuk
menciptakan sanitasi ligkungan yang baik, serta sumber penerangan untuk
keperluan penerangan dan sumber energi dalam melakukan aktivitas sehari-
hari.
2.17 Kemiskinan
Masalah kesejahteraan sosial tidak dapat dilepaskan dari masalah
kemiskinan.Kemiskinan merupakan masalah utama yang terjadi di negara
berkembang, termasuk Indonesia.Secara umum banyaknya kemiskinan
merupakan indikasi ekonomi yang lemah dari suatu wilayah. Kemajuan
pembangunan ekonomi salah satunya akan tercermin dari keberhasilan program
pemerintah dalam rangka pengentasan kemiskinan.
Garis kemiskinan merupakan standar yang digunakan dalam menentukan
penduduk sebagai penduduk miskin atau bukan miskin karena garis kemiskinan
adalah nilai rupiah yang dibutuhkan seseorang untuk dapat memenuhi kebutuhan
dasar.
Menurut jenisnya data kemiskinan dikategorikan dalam dua jenis yaitu data
makro dan mikro.Data kemiskinan makro merupakan angka estimasi penduduk
miskin untuk tingkat nasional maupun daerah yang digunakan untuk
monitoring/evaluasi pembangunan nasional dan daerah.Karena bersifat makro,
data kemiskinan ini tidak dapat digunakan untuk target sasaran rumah tangga
miskin.Ketersediaan data berbagai perlindungan sosial yang lengkap disediakan
melalui data Pendataan Program Perlindungan Sosial (PPLS), sedangkan untuk
data makro dihasilkan dari Survei Sosial Ekonomi Nasional (Susenas).