model pemetaan daerah miskin menggunakan sistem informasi...
TRANSCRIPT
Model Pemetaan Daerah Miskin Menggunakan
Sistem Informasi Geografis
Artikel Ilmiah
Diajukan kepada
Fakultas Teknologi Informasi
untuk memperoleh gelar Sarjana Komputer
Peneliti
Aloysius C. Deo S.N (672008070)
Kristoko Dwi Hartomo, M.Kom
Frederik Samuel Papilaya, S.Kom., M.Cs
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
Januari 2016
Model Pemetaan Daerah Miskin Menggunakan
Sistem Informasi Geografis
1)
Aloysius C. Deo S. N, 2)
Kristoko Dwi Hartomo, 3)
Frederik Samuel Papilaya
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Jl. Diponegoro 52-60 Salatiga 50711, Indonesia
Email: 1)
Abstract
Poverty has always been a problem in every country, including Indonesia, as a developing country. One of the efforts to accelerate poverty reduction is determining
poorer areas. Mapping poor areas using Geographic Information System (GIS) web-
based, represents the statistical data that become information as visualization maps to
facilitate the reading of data and find out the poorest areas. The conclusion is the statistical data that is processed by quartiles and visualized with GIS, mapping models
can generate sufficient, rather poor, poor and the poorest.
Keywords: Geografis Information System, GIS, Poverty, WebGIS
Abstrak
Kemiskinan selalu menjadi permasalahan di setiap negara, termasuk Indonesia
terlebih sebagai negara berkembang. Proses pengentasan kemiskinan dilakukan dengan berbagai upaya. Salah satu percepatan penanggulang kemiskinan diperlukan upaya
penajaman dalam menetapkan sasaran daerah miskin. Pemetaan daerah miskin
menggunakan Sistem Informasi Geografis (SIG) berbasis web mampu merepresentasi data statistik menjadi informasi berupa visualisasi peta sehingga dapat mempermudah
pembacaan data dan mengetahui sasaran hingga daerah termiskin. Kesimpulannya
adalah data statistik yang diolah dengan distribusi frekuensi dan tervisualisasi dengan SIG menghasilkan model pemetaan daerah cukup, agak miskin, miskin dan termiskin.
Kata Kunci : Sistem Informasi Geografis, SIG, Kemiskinan, WebGIS
_________________________________________________________________
1 Mahasiswa Fakultas Teknologi Informasi Program Studi Sistem Informasi,
Universitas Kristen Satya Wacana 2 Staff Pengajar Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana 3 Staff Pengajar Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana
1
1. Pendahuluan
Kemiskinan menjadi salah satu ukuran terpenting untuk mengetahui tingkat
kesejahteraan suatu rumah tangga. Sebagai suatu ukuran agregat, tingkat
kemiskinan disuatu wilayah lazim digunakan untuk mengukur tingkat
kesejahteraan di wilayah tersebut. Dengan demikian, kemiskinan menjadi salah
satu tema utama pembangunan. Keberhasilan dan kegagalan pembangunan
acapkali diukur berdasarkan perubahan pada tingkat kemiskinan [1]. Istilah
kemiskinan muncul ketika seseorang atau sekelompok orang tidak mampu
mencukupi tingkat kemakmuran ekonomi yang dianggap sebagai kebutuhan
minimal dari standar hidup tertentu. Dalam arti proper, kemiskinan dipahami
sebagai keadaan kekurangan uang dan barang untuk menjamin kelangsungan
hidup. Seseorang masuk dalam kriteria miskin jika pendapatannya berada
dibawah garis kemiskinan [2]. Jika dilihat dari jumlah penduduk, sebagian besar
penduduk miskin berada di pulau Jawa (15,54 juta dari 28,55 juta penduduk
miskin di Indonesia) menjadikannya salah satu fokus utama pemerintah dalam
pengentasan kemiskinan. Terdapat 6 provinsi di pulau Jawa, yaitu: DKI Jakarta,
Jawa Barat, Jawa Tengah, DI Yogyakarta, Jawa Timur, dan Banten. Berikut data
jumlah presentase penduduk miskin pada ke 6 provinsi tersebut.
Tabel 1 Kemiskinan Menurut Provinsi di Pulau Jawa, September 2013
Sumber: Diolah dari data SUSENAS, September 2013
Dari tabel 1.1 terlihat bahwa Provinsi Jawa Tengah menempati urutan ke-2
sebagai provinsi termiskin dengan jumlah penduduk miskin sebesar 4,561,830
orang. Angka kumulatif jumlah penduduk miskin Jawa Tengah di atas patut
menjadi perhatian pemerintah dalam menanggulangi kemiskinan di wilayah Jawa
Tengah. Hal ini dipengaruhi oleh kepadatan penduduk diwilayah Jawa Tengah
dengan banyaknya jumlah penduduk yang tergolong miskin. Dalam rangka
percepatan penanggulang kemiskinan diperlukan upaya penajaman yang melitputi
penetapan sasaran, perancangan dan keterpaduan program, monitoring dan
evaluasi, serta efektifitas anggaran perlu dilakukan penguatan kelembagaan secara
nasional guna menanggulangi kemiskinan [3]. Dalam melaksanakan strategi
penanggulangan kemiskinan diperlukan informasi yang akurat dan sangat
tergantung pada ketepatan mengidentifikasi kelompok masyarakat miskin dan
area miskin atau peninjauan kemiskinan secara makro.
Provinsi Penduduk Miskin
(000)
Presentase
(%)
DKI Jakarta 412,79 4,09
Jawa Barat 4238,96 9,18
Banten 649,19 5,51
Jawa Tengah 4561,83 13,58
DI Yogyakarta 532,59 14,55
Jawa Timur 4748,42 12,28
2
Untuk membantu pelaksanaan program penanggulangan kemiskinan, dapat
dikembangkan suatu peta kemiskinan daerah. Peta kemiskinan dapat diartikan
sebagai representasi visual data daerah beserta kondisi sosial ekonominya.
Teknologi berbasis Sistem Informasi Geografis (SIG) merupakan teknologi yang
mampu melakukan visualisasi data, disamping itu SIG dapat digunakan dalam hal
menilai kemiskinan secara kewilayahan[4]. SIG mampu menggabungkan tampilan
peta dengan data bawaan peta serta data lain yang terkait dalam rangka
menyajikan suatu informasi mengenai suatu wilayah pada peta. Dengan
menyediakan data dan informasi persebaran kemiskinan berbasis SIG, program
dalam jangka pendek seperti bantuan dari pemerintah dapat disalurkan tepat pada
sasaran.
2. Kajian Pustaka
Penelitian terdahulu yang menggunakan Sistem Informasi Geografi adalah
penelitian yang dilakukan untuk mengetahui tingkat pencemaran industri di
Kabupaten Gresik. Dinas Lingkungan Gresik dalam peningkatan kualitas
pelayanannya menerapkan Sistem Informasi Geografi ke dalam aplikasi yang
mampu menampilkan peta berkemampuan memberikan informasi mengenai hasil
pemantauan pencemaran udara, sungai dan laut dengan membandingkan
parameter-parameter yang melebihi standar baku mutu. Kesimpulan yang diambil
dari hasil perancangan sistem dan penerapan perangkat lunak dari aplikasi tingkat
pencemaran industri ini yaitu mendigitasi peta tematik yang telah ada untuk
memetakan titik pantau pencemaran udara, sungai dan laut, industri dan daerah
pengembangan industri [5].
Penelitian lain mengenai sistem pengolahan data spasial dengan
memanfaatkan Sistem Informasi Geografi yang digunakan untuk menentukan
daerah prioritas rehabilitasi di cekungan Bandung, yang nantinya rehabilitasi
tersebut guna mengurangi degradasi fungsi hidrologi yang sedang terjadi. Hasil
penelitian ini menyimpulkan bahwa dengan menggunakan analisis spasial tematik
curah hujan, kemiringan lereng, pemeabilitas tanah, penggunaan lahan dihasilkan
peta tematik kekritisan resapan air yang tersimpan dalam basis data spasial [6].
Dalam penelitian ini pemanfaatan Sistem Informasi Geografi (SIG) adalah
untuk menyajikan model pemetaan daerah miskin di provinsi Jawa Tengah,
berdasarkan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS),
kemudian dilakukan pengelompokan data statistik guna menentukan tingkat
kemiskinan. Terdapat 3 (tiga) indikator untuk perhitungan kemiskinan yang
digunakan dan menjadi acuan BPS dan penelitian ini, yaitu presentase penduduk
miskin, indeks kedalaman kemiskinan dan indeks keparahan kemiskinan.
Penyajian data berupa webform, yang dapat menampilkan peta dengan tingkat
kemiskinan disetiap Kabupaten/Kota provinsi Jawa Tengah.
Dalam arti proper, kemiskinan dipahami sebagai keadaan kekurangan uang
dan barang untuk menjamin kelangsungan hidup. Kemiskinan didefinisikan
sebagai standar hidup yang rendah, yaitu adanya suatu tingkat kekurangan materi
dibandingkan dengan standar kehidupan yang umum berlaku dalam masyarakat
yang bersangkutan. Secara ekonomis, kemiskinan juga dapat diartikan sebagai
3
kekurangan sumberdaya yang dapat digunakan untuk meningkatkan kesejahteraan
sekelompok orang. Kemiskinan terjadi ketika seseorang atau sekelompok orang,
baik laki-laki dan perempuan, tidak terpenuhi hak-hak dasarnya untuk
mempertahankan dan mengembangkan kehidupan yang bermatabat [7]. Berbagai
masalah kemiskinan dapat dikelompokkan dalam empat terminologi, yaitu
kemiskinan absolut, kemiskinan relatif, kemiskinan kultural dan kemiskinan
struktural. Kemiskinan relatif merupakan kondisi miskin karena pengaruh
kebijakan pembangunan yang belum mampu menjangkau seluruh lapisan
masyarakat sehingga menyebabkan ketimpangan distribusi pendapatan. Standar
minimum disusun berdasarkan kondisi hidup suatu negara pada waktu tertentu
dan perhatian terfokus pada golongan penduduk “termiskin”, misalnya 20 persen
atau 40 persen lapisan terendah dari total penduduk yang telah diurutkan menurut
pendapatan/pengeluaran. Kelompok ini merupakan penduduk relatif miskin.
Dengan demikian, ukuran kemiskinan relatif sangat tergantung pada distribusi
pendapatan/pengeluaran penduduk sehingga dengan menggunakan definisi ini
berarti “orang miskin selalu hadir bersama kita”. Kemiskinan absolut, ditentukan
berdasarkan ketidakmampuan seseorang atau sekelompok orang untuk memenuhi
kebutuhan pokok minimumnya seperti pangan, sandang, kesehatan, perumahan
dan pendidikan. Kebutuhan pokok minimum diterjemahkan sebagai ukuran
finansial dalam bentuk uang dan nilai minimum kebutuhan dasar yang dikenal
dengan istilah garis kemiskinan. Oleh karena itu, penduduk yang pendapatannya
di bawah garis kemiskinan digolongkan sebagai penduduk miskin. [8]. BPS
menggunakan konsep kemampuan memenuhi kebutuhan dasar (basic needs
approach). Dengan pendekatan ini, kemiskinan dipandang sebagai
ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan
dan bukan makanan yang diukur dari sisi pengeluaran. Jadi Penduduk Miskin
adalah penduduk yang memiliki rata-rata pengeluaran perkapita perbulan dibawah
garis kemiskinan. Indikator kemiskinan dilihat dari pendekatan kebutuhan dasar
(basic need approach), ada 3 indikator kemiskinan yang digunakan untuk
perhitungan kemiskinan: Presentase Penduduk Miskin atau Headcount Index,
Indeks Kedalaman Kemiskinan atau Poverty Gap Index, Indeks Keparahan
Kemiskinan atau Poverty Severity Index [8].
Statistik merupakan suatu ilmu yang dimanfaatkan guna pengolahan data,
analisis data sehingga mampu menghasilkan gejala/keadaan secara lebih spesifik
[9]. Distribusi frekuensi bilangan adalah distribusi yang berisikan data berupa
angka-angka, dimana data itu dibagi atas golongan-golongan yang dinamakan
kelas-kelas, menurut besarnya bilangan.
Langkah-langkah dalam membuat distribusi frekuensi bagi segugus data
kuantitatif adalah sebagai berikut: a. Menentukan banyaknya kelas yang
diperlukan; b. Menentukan wilayah data tersebut (Range); c. Membagi wilayah
dengan banyaknya kelas untuk menduga lebar selangnya; d. Menentukan limit
bawah kelas bagi selang yang pertama dan batas bawah kelas, tambahkan lebar
kelas pada batas bawah kelas untuk mendapatkan batas atas kelas; e.
Mendaftarkan semua limit kelas bagi masing-masing selang dengan meratakan
limit kelas atau batas kelas; g. Menentukan frekuensi bagi masing-masing kelas;
4
h. Menjumlah kolom frekuensi dan mencocokkan hasilnya dengan banyaknya
total pengamatan.
Proses pembentukan banyaknya kelas, yaitu dengan menggunakan aturan
Sturges, sebagai berikut.
𝑘 = 1 + 3.3 log𝑛 (1)
dimana: k = banyaknya kelas
n = banyaknya pengamatan
Wilayah kelas atau range dari data yang dihadapi adalah selisih antara nilai
data yang terbesar dengan nilai data yang terkecil.
Sistem Informasi Geografis didefinisikan sebagai sistem berbasis komputer
yang digunakan untk memasukkan, menyimpan, mengelola, menganalisis dan
mengaktifkan kembali data yang mempunyai referensi keruangan untuk berbagai
tujuan yang berkaitan dengan pemetaan dan perencanaan[10].
Gambar 1 Subsistem-subsistem SIG[10]
Gambar 1 menjelaskan mengenai uraian SIG menjadi beberapa subsistem.
Data Input merupakan subsistem pengumpul, mempersiapkan, dan menyimpan
data spasial dan atributnya. Subsistem ini juga mentransformasikan format data
asli ke dalam format yang dapat digunakan oleh perangkat SIG (native). Data
Output adalah subsistem yang menampilkan keluaran seluruh atau sebagian basis
data baik dalam bentuk softcopy maupun hardcopy. Keluaran juga diekspor
menjadi bentuk format yang dikehendaki. Data Management mengorganisasikan
baik data spasial maupun tabel-tabel atribut terkait ke dalam sebuah sistem basis
data hingga mudah proses retriving, updating, dan editing. Data Manipulation &
analisis merupakan subsistem yang menentukan informasi-informasi yang dapat
dihasilkan oleh SIG. Subsistem ini juga melakukan proses manipulasi yakni
Data
Output
SIG
Data
Management
Data Input
Data
Manipulation
& Analysis
5
evaluasi penggunaan fungsi operator matematis, dan pemodelan data untuk
menghasilkan informasi yang diharapkan.
SIG memiliki kekuatan dan fleksibilitas lebih dibanding peta konvensional.
Kelebihan yang sangat jelas dari SIG yaitu kemudahan, keefisienannya,
kedinamisannya dalam menyajikan peta yang berdasarkan tema-tema tertentu
(tematik) tanpa harus melakukan perubahan besar.
3. Metode Penelitian
Metode yang digunakan dalam penelitian ini dapat digambarkan sebagai
berikut.
Tahapan Tujuan
Langkah 1Studi Kepustakaan &
Identifikasi DataKemiskinan
*Inventarisasi Data Primer:
Internet Survey (BPS)
*Inventarisasi Data Sekunder
Studi Pustaka suatu wilayah
-Data Angka Kemiskinan
-Indikator Kemiskinan
-Perhitungan Kemiskinan
suatu wilayah
Stastika: Range dan Distribusi
Frekuensi
Sistem Informasi Geografi
Alat/Bahan/Luaran
Langkah 2Penerapan Statistik
Range dalam
Distribusi Frekuensi
untuk status/kategori
wilayah miskin
Pengelompokan data menurut
indikator
Pensortiran data per indikator
(asc)
Pengelompokan setelah
pengolahan data
menghasilkan 4 kategori
miskin: Cukup, Miskin, Cukup
Miskin, Sangat Miskin. Dari 3
indikator: Presentase pddk
Miskin, Indeks kedalaman,dan
keparahan kemiskinan.
Langkah 3 Perancangan dan
Pembangunan Sistem
Pemodelan &
Pemetaaan
Kemiskinan berbasis
Spasial
1. Desain Sistem Kode
Sistem PHP & mapserver
2. Desain Basisdata dengan
MySQL
3 Implementasi SIG dengan
ArcViewGIS
4 Konfigurasi Server Local
5.. Rancangan Arsitektur
6. GUI
7. Rancangan Basisdata
8. Aplikasi
Gambar 2 Metode Penelitian
Tahapan awal yaitu identifikasi data dan memperoleh informasi kemiskinan.
Pengidentifikasian data dan informasi kemiskinan terdiri dari: 1) Ketersediaan
data kemiskinan wilayah dari Badan Pusat Statistik (BPS), 2) Proses perhitungan
angka kemiskinan berdasarkan indikator kemiskinan, 3) Ketersediaan data dan
informasi tentang persebaran kemiskinan suatu wilayah berdasarkan kriteria yang
ditentukan.
6
Tahapan berikutnya adalah pengelompokan data berdasarkan 3 indikator
yang dipakai, yaitu Persentase Penduduk Miskin, Indeks Kedalaman Kemiskinan,
dan Indeks Keparahan Kemiskinan. Pengelompokan data dengan distribusi
frekuensi pada penelitian ini yaitu mengelompokkan data-data dari sejumlah besar
data kedalam 4(empat) kelas dan kemudian dilakukan penggolongan kategori
kemiskinan di antaranya: cukup, hampir miskin, miskin, dan sangat miskin. Pada
Tabel 1 merupakan data kemiskinan yang telah tersortir secara ascending,
semakin tinggi nilai berdasarkan indikator, mengindikasikan semakin tingginya
bobot kemiskinan suatu daerah.
Tabel 1 Tabel Pengelompokan Data
Presentase Penduduk
Miskin
Indeks Kedalaman
Kemiskinan
Indeks Keparahan
Kemiskinan
Kota Semarang
Kota Salatiga
Kudus
Kota Pekalongan Jepara
Semarang
Kota Magelang
Kota Tegal
Sukoharjo
Tegal
Temanggung
Boyolali
Kota Surakarta
Karanganyar
Magelang
Kendal Pati
Batang
Wonogiri
Blora
Pekalongan
Purworejo
Klaten
Sragen
Grobogan
Cilacap
Demak Banjarnegara
Pemalang
Banyumas
Kebumen
Brebes
Wonosobo
Rembang
Purbalingga
5.12
8.28
9.01
9.36 10.18
10.50
10.51
10.62
10.94
13.11
13.46
13.72
13.96
13.98
14.14
14.47 14.48
14.67
15.67
16.27
16.29
16.61
17.47
17.49
17.86
18.11
18.76 19.17
19.96
20.20
22.70
23.01
23.15
23.40
24.58
Kota Semarang
Kudus
Kota Salatiga
Kota Pekalongan Jepara
Semarang
Sukoharjo
Kota Magelang
Kota Tegal
Temanggung
Tegal
Karanganyar
Magelang
Kota Surakarta
Batang
Boyolali Blora
Pekalongan
Pati
Grobogan
Purworejo
Sragen
Klaten
Wonogiri
Cilacap
Pemalang
Banjarnegara Kendal
Rembang
Banyumas
Kebumen
Demak
Wonosobo
Purbalingga
Brebes
0.89
0.92
0.94
1.11 1.12
1.45
1.54
1.61
1.72
1.73
1.78
1.98
2.05
2.19
2.29
2.34 2.38
2.40
2.43
2.48
2.67
2.85
2.95
3.02
3.04
3.19
3.34 3.48
3.50
3.56
3.68
3.75
3.96
4.00
4.27
Kota Salatiga
Kudus
Kota Pekalongan
Jepara Kota Semarang
Semarang
Sukoharjo
Temanggung
Tegal
Kota Magelang
Kota Tegal
Magelang
Karanganyar
Grobogan
Pekalongan
Surakarta Batang
Blora
Purworejo
Sragen
Pati
Boyolali
Klaten
Pemalang
Cilacap
Rembang
Kebumen Banjarnegara
Wonogiri
Banyumas
Purbalingga
Wonosobo
Demak
Brebes
Kendal
0.16
0.16
0.19
0.22 0.25
0.31
0.34
0.34
0.35
0.39
0.44
0.46
0.50
0.52
0.53
0.53 0.54
0.61
0.65
0.66
0.68
0.71
0.75
0.80
0.81
0.83
0.92 0.92
0.92
0.99
1.08
1.09
1.14
1.17
1.30
Berdasarkan tabel 1, dapat dilakukan pembentukan distribusi frekuensi
dengan langkah-langkah sebagai berikut:
7
Langkah 1: Menentukan kelas, yaitu 4 (empat) dengan penggolongan cukup,
hampir miskin, miskin, sangat miskin
Langkah 2: Range data ditentukan dengan rumus R = nilai maksimum – nilai
minimum.
Range Persentase Penduduk Miskin = 19.45
Range Indeks Kedalaman Kemiskinan = 3.38
Range Indeks Keparahan Kemiskinan = 1.14
Langkah 3: Lebar selang merupakan Range dibagi jumlah kelas, yaitu 4 (empat)
Lebar selang Persentase Penduduk Miskin = 4.86
Lebar selang Indeks Kedalaman Kemiskinan = 0.85
Lebar selang Indeks Keparahan Kemiskinan = 0.29
Langkah 4: Tabel distribusi frekuensi
DF Persentase Penduduk Miskin
Selang Kelas Frekuensi Kategori
5.12 – 9.98
9.99 – 14.85
14.86 – 19.72
19.73 – 24.59
4
14
10
7
Cukup
Hampir Miskin
Miskin
Sangat Miskin
DF Indeks Kedalaman Kemiskinan
Selang Kelas Frekuensi Kategori
0.89 – 1.74
1.75 – 2.60
2.61 – 3.46
3.47 – 4.32
10
10
7
8
Cukup
Hampir Miskin
Miskin
Sangat Miskin
DF Indeks Keparahan Kemiskinan
Selang Kelas Frekuensi Kategori
0.15 – 0.44
0.45 – 0.74
0.75 – 1.04
1.05 – 1.34
11
11
8
5
Cukup
Hampir Miskin
Miskin
Sangat Miskin
Sebelum proses pembuatan aplikasi, terlebih dahulu dilakukan proses
perancangan sistem, hal ini dilakukan dengan tujuan supaya aplikasi yang dibuat
dapat berfungsi dengan baik sesuai dengan apa yang diharapkan, yaitu mampu
membantu pengembangan model pemetaan daerah miskin dengan sistem
informasi geografis.
8
USER
Laye
r
Pres
enta
si
Model Klasifikasi
Wilayah Miskin
Laye
r
Aplik
asi
Tool
sLa
yer
Stor
age
.sql .shp .xsl
Mapserver
ArcView
MySql
Representasi
KontenGrafis
GeoSpasial
Gambar 3 Rancangan Representasi Informasi Geografis berbasis SIG
Gambar 3 merupakan rancangan representasi informasi geografis
menggunakan teknologi berbasis SIG bertujuan memberikan informasi
kemiskinan daerah kepada pengguna yang dibagi menjadi 4 (empat) bagian yaitu:
1) penyimpanan data (.sql, .xls, .shp); 2) alat permrosesan data menggunakan
MySql, ArcView dan mapserver, pemrosesan data menyisipkan fungsi statistik
yakni kuartil; 3) aplikasi model daerah miskin; dan 4) representasi data.
Gambar 4 menjelaskan bagaimana arsitektur SIG yang meliputi 4 bagian
besar berdasarkan dengan proses dan perangkat lunak yang digunakan yaitu dari
proses manual untuk mengumpulkan data, lalu menggunakan perangkat lunak
Map Server GIS dalam pengolahan peta, MySQL untuk mengolah basis data serta
bahasa PHP untuk melakukan coding.
USER
Database
.XLS
PHP
Map Server
MySql
Admin
HTML CSS
JvscrptBrowser
MapScript
MySql
Query
.Sql .Shp
Gambar 4 Rancangan Arsitektur SIG
Setelah melakukan perancangan terhadap aplikasi secara garis besar,
selanjutnya perlu dilakukan perancangan terhadap antar muka yang akan
digunakan untuk aplikasi. Antar muka ini merupakan media user yang akan
berkomunikasi dengan aplikasi. Perancangan antar muka untuk aplikasi ini antara
lain.
9
Header
Menu
Content
Gambar 5 Rancangan Tampilan Aplikasi
Gambar 5 merupakan tampilan rancangan. Tampilan rancangan terdiri dari
header , menu dikanan dan content yang ditampilakan berada di kanan.
4. Hasil pembahasan dan implementasi
Implementasi model pemetaan daerah miskin dilakukan dengan membuat
aplikasi berbasis web. Penerapan sistem informasi geografis telah mampu
memadukan MySQL sebagai database atribut dan MapServer sebagai mesin
database spasial. Keduanya telah berhasil diimplementasikan pada tampilan
antarmuka sistem. Pengguna akan memperoleh kesatuan informasi secara spasial
dan atribut.
Sistem informasi geografis ini dapat menampilkan model pemetaan daerah
miskin. Daerah miskin yang menjadi pemodelan adalah provinsi Jawa Tengah
tahun 2013 yang mengacu pada data Badan Pusat Statistik (BPS). Perhitungan
kemiskinan oleh BPS didasarkan pada 3 (tiga) indikator yakni Persentase
Penduduk Miskin, Indeks Kedalaman Kemiskinan, dan Indeks Keparahan
Kemiskinan.
10
Gambar 6 Hasil Query Daerah
Hasil query informasi detail kabupaten/kota provinsi Jawa Tengah dapat
diketahui jika salah satu daerah kabupaten/kota pada peta dipilih. Daerah
kabupaten/kota yang dipilih akan menampilkan nama daerah beserta nilai dari
masing-masing indikator yang dipakai. Gambar 6 menampilkan hasil query
daerah kota Salatiga dimana dapat dilihat profil kemiskinan berdasarkan indikator
yang dipakai dengan nilai persentase penduduk miskin: 8.28, indeks kedalaman
kemiskinan: 0.94, dan indeks keparahan kemiskinan: 0.16.
Kode Program 1 Pilih Daerah Kabupaten/Kota pada Peta 1. function pilih_lokasi(){
2. $oExt = $GLOBALS["prov_jateng"];
3. $fMinX = $oExt->extent->minx;
4. $fMinY = $oExt->extent->miny;;
5. $fMaxX = $oExt->extent->maxx;;
6. $fMaxY = $oExt->extent->maxy;;
7. $GLOBALS["prov_jateng"]->setextent( $fMinX, $fMinY,$fMaxX,
$fMaxY );
8. $fW = $GLOBALS["prov_jateng"]->width;
9. $fH = $GLOBALS["prov_jateng"]->height;
10. $nX = intval($GLOBALS["posisiklik"]->x) ;
11. $nY = intval($GLOBALS["posisiklik"]->y) ;
12. $nGeoX = Pix2Geo($nX, 0, $fW, $fMinX, $fMaxX, 0);
13. $nGeoY = Pix2Geo($nY, 0, $fH, $fMinY, $fMaxY, 1);
14. $GLOBALS["lokasiklik"]->setXY($nGeoX, $nGeoY);}
Kode Program 1 diatas ini merupakan fungsi untuk proses pemilihan daerah
pada peta.
Kode Program 2 Tampilkan Data 1. function get_data(){
2. pilih_lokasi();
3. $olayer=$GLOBALS["prov_jateng"]->GetLayerByName("NAMA_KAB");
4. if(@$olayer->QueryByPoint($GLOBALS["lokasiklik"],
11
MS_SINGLE,-1)==MS_SUCCESS){$olayer->Open();
5. $hasil=$olayer->GetResult(0);
6. $oshape=$olayer->GetShape($hasil->tileindex,$hasil->shapeindex);
7. $hasil= $oshape->values["NAMA_KAB"];
8. $GLOBALS["res"]= $hasil;
9. $olayer->Close;}else{$GLOBALS["res"]= "";}}
Sedangkan Kode Program 2 memiliki fungsi pemanggilan query nama
kabupaten dengan values NAMA_KAB pada file .dbf.
Kode Program 3 Menampilkan Peta dan akses database query lokasi 1. include ("skrip_jateng.php");//import halaman
2. include ("../coba_jateng/database.php");
3. $navigasi=$HTTP_POST_VARS["navigasi"];
4. $GLOBALS["psklikx"]=$HTTP_POST_VARS["mapa_x"];
5. $GLOBALS["pskliky"]=$HTTP_POST_VARS["mapa_y"];
6. $GLOBALS["posisiklik"]->setXY($psklikx,$pskliky);
7. peta();//pemanggilan function peta dari halaman impor
8. takepicture();//pemanggilan fungsi takepicture
9. $db=new dbPresentase;
10. $db->connect();//terhubung database/mysql 11. $pddk=$db->getPddk_miskin($GLOBALS["res"]); 12. $kdlm=$db->getIndeks_Kdlman($GLOBALS["res"]); 13. $kprhn=$db->getIndeks_Kprhan($GLOBALS["res"]); 14. echo "Wilayah ".$GLOBALS["res"]."<br>"; 15. echo "Presentase Penduduk Miskin ".$pddk."<br>"; 16. echo "Indeks Kedalaman Kemiskinan ".$kdlm[0]."<br>"; 17. echo "Indeks Keparahan Kemiskinan ".$kprhn."<br>";
Kode Program 3 berisi impor fungsi dan akses database sehingga setelah
daerah kabupaten/kota dipilih, data daerah miskin beserta nilai di setiap indikator
dapat ditampilkan.
Gambar 7 Model Pemetaan Persentase Penduduk Miskin
12
Gambar 7 menggambarkan pemetaan kemiskinan berdasarkan persentase
penduduk miskin. Keterangan warna adalah semakin gelap warna, semakin tinggi
nilai kemiskinan suatu daerah berdasarkan indikator. Terdapat 7 daerah dengan
warna paling gelap yaitu Purbalingga: 24.58, Rembang: 23.4 Wonosobo: 23.15,
Brebes: 23.01, Kebumen: 22.7, Banyumas: 20.2, Pemalang: 19.96. Nilai
persentase penduduk miskin di setiap daerah akan muncul pada tabel.
Kode Program 4 Kategori Kemiskinan Persentase Penduduk Miskin 1. $kab=array("KOTA MAGELANG","KOTA SALATIGA","KOTA TEGAL",
"KOTA PEKALONGAN","KOTA SURAKARTA","KUDUS",
"KOTA SEMARANG","SUKOHARJO","TEMANGGUNG",
"SEMARANG","BATANG","JEPARA","KARANGANYAR","PURWOREJO",
"BOYOLALI","KENDAL","BLORA","PEKALONGAN","REMBANG","WONOGIRI",
"SRAGEN","BANJARNEGARA","MAGELANG","PATI","WONOSOBO","TEGAL",
"KLATEN","DEMAK","PURBALINGGA","GROBOGAN","PEMALANG","KEBUMEN",
"CILACAP","BANYUMAS","BREBES");
2. $pddk=array();
3. $db=new dbPresentase;
4. for($a=0;$a<count($kab);$a++){
5. $db->connect();
6. $pddk=$db->getPddk_miskin($kab[$a]);
7. if(($pddk < 9.98)){
8. $r=255;$g=204;$b=204;}
9. else if(($pddk < 14.85)){
10. $r=255;$g=153;$b=153;} 11. else if(($pddk < 19.72)){ 12. $r=255;$g=102;$b=102;} 13. else if(($pddk <= 24.59)){
14. $r=255;$g=51;$b=51;}
Kode program 4 merupakan fungsi inisialisasi tingkat kemiskinan
berdasarkan nilai indikator tiap daerah menggunakan warna.
Gambar 8 Model Pemetaan Indeks Kedalaman Kemiskinan
13
Gambar 8 menggambarkan pemetaan kemiskinan berdasarkan Indeks
Kedalaman Kemiskinan. Terdapat 8 daerah dengan indeks kedalaman kemiskinan
paling tinggi yaitu Brebes: 4.27, Purbalingga: 4, Wonosobo: 3.96, Demak: 3.75,
Kebumen: 3.68, Banyumas: 3.56, Rembang: 3.5, Kendal: 3.48.
Gambar 9 Model Pemetaan Indeks Keparahani Kemiskinan
Gambar 9 menggambarkan pemetaan kemiskinan berdasarkan Indeks
Keparahan Kemiskinan. Terdapat 5 daerah dengan indeks keparahan kemiskinan
paling tinggi yaitu Kendal: 1.3, Brebes: 1.17, Demak: 1.14, Wonosobo: 1.09,
Purbalingga: 1.08.
Berikut ini adalah hasil pengujian dengan metode black-box.
No Skenario Hasil Status
01 Menampilkan
gambar peta
menggunakan
Mapserver
Peta Prov.Jateng
dapat
ditampilkan
dalam web-based
Berhasil
02 Memilih lokasi
kabupaten/kota
dengan test case
– klik daerah
User dapat
melihat informasi
sesuai daerah
yang dipilih
Berhasil
03 Menampilkan
hasil query
daerah yang
dipilih
Hasil query
berupa nama
kabupaten/kota,
data miskin
berdasarkan
indikator yang
Berhasil
14
dipakai.
04 Menampilkan
model pemetaan
berdasarkan
indikator
Persentase
Penduduk Miskin
Model pemetaan
dengan Indikator
Persentase
Penduduk
Miskin. Warna
semakin gelap,
semakin tinggi
status
kemiskinan
Berhasil
05
Menampilkan
model pemetaan
berdasarkan indikator Indeks
Kedalaman
Kemiskinan
Model pemetaan
dengan Indeks
Kedalaman Kemiskinan
Miskin. Warna
semakin gelap,
semakin tinggi
status kemiskinan
Berhasil
06
Menampilkan
model pemetaan
berdasarkan
indikator Indeks
Keparahan Kemiskinan
Model pemetaan
dengan Indeks
Kedalaman
Kemiskinan
Miskin. Warna semakin gelap,
semakin tinggi
status kemiskinan
Berhasil
07 Fungsi Login
Masuk menu data
jika username
dan password
cocok dengan database
Berhasil
08 Tambah data File input
berformat .csv
dapat
ditambahkan ke
database
Berhasil
Bentuk dari pengujian yang dilakukan adalah pengujian kebenaran
fungsional unit program, pengujian yang dilakukan menggunakan teknik
pengujian Black-Box. Pengujian black-box dilakukan untuk menemukan
kesalahan yang terjadi seperti fungsi yang tidak benar/hilang, kesalahan interface,
kesalahan struktur data, kesalahan kinerja, atau kesalahan inisialiasi dan terminasi.
Hasil pengujian black-box dapat dijelaskan hubungan proses yang terjadi pada
proses pengolahan data sistem mencakup proses pengelompokan data, proses
kategorisasi, dan pemanggilan data. Pengujian aplikasi menghasilkan nilai
masing-masing daerah kabupaten/kota berdasarkan ketiga indikator tervisualisasi,
dapat diamati bahwa terdapat 3 (tiga) kabupaten yang memiliki nilai paling tinggi
pada setiap indikator yang digunakan.
15
Pada model pemetaan ini, kabupaten Purbalingga, Wonosobo, dan Brebes
memiliki warna paling gelap pada setiap indikator. Warna paling gelap
merepresentasikan skor tinggi, yang dapat diartikan tingkat kemiskinan di daerah-
daerah tersebut adalah yang paling tinggi dibanding 32 kabupaten/kota provinsi
Jawa Tengah.
5. Simpulan
Model pemetaan daerah miskin menggunakan sistem informasi geografis
dapat menjadi bahan pertimbangan bagi pemerintah khususnya BAPPEDA,
pemangku kepentingan lain, dan badan sosial untuk menentukan sasaran bantuan
bagi penduduk miskin sebagai pertolongan pertama dan langkah jangka pendek
dalam pengentasan kemiskinan. Hasil pengolahan data menggunakan range pada
statistik dan distribusi frekuensi guna pengkategorian tingkat kemiskinan
mengacu besaran nilai dari tiap indikator, yaitu Persentase Penduduk Miskin,
Indeks Kedalaman, dan Keparahan Kemiskinan. Pengolahan data dan visualisasi
data sekunder menjadi model pemetaan ke dalam SIG ini masih sangat sederhana
dan masih dapat dilakukan banyak pengembangan lain yaitu seperti menambah
indikator kemiskinan sehingga dapat meningkatkan akurasi dalam penentuan
daerah miskin. Metode dapat menggunakan Sistem Pengambil Keputusan (SPK)
sehingga mempercepat pemrosesan data menjadi informasi yang lebih terukur.
Dapat juga dikembangkan menjadi model pemetaan prediksi atau tingkat
kerentanan daerah terhadap kemiskinan.
6. Daftar Pustaka
[1] Suryahadi, Asep dan Sumarto. 2001. ”Memahami Kemiskinan Kronis dan
Kemiskinan Sementara di Indonesia.” Smeru Newsletter, No.03, Mei - Juni.
2001
[2] Badan Pusat Statistik. Berita Resmi Statistik (2007). Tingkat Kemiskinan di
Indonesia Tahun 2007. No. 38/07/Th.X, 2 Juli 2007..
[3] Peraturan Pemerintah Republik Indonesia PP-RI No. 15, 2010, Percepatan
Penanggulangan Kemiskinan, www.bappenas.go.id, diakses tanggal 20
November 2014.
[4] Akinyemi, F. 2010, A Conceptual Poverty Mapping Data Model.Butare.
Rwanda: National University of Rwanda.
[5] Triyono, Joko dan Kunjung Wahyudi. 2008, Aplikasi Sistem Informasi
Geografi Tingkat Pencemaran Industri Di Kabupaten Gresik.
http://jurtek.akprind.ac.id/sites/default/files/hal-1-8-joko-gabung-ok.pdf.
Diakses 2 Desember 2014.
[6] Narulita, I. 2008, Aplikasi Sistem Informasi Geografi untuk Menentukan
Daerah Prioritas Rehabilitasi di Cekungan Bandung. Jurnal Riset Geologi
dan Pertambangan Jilid 18 No.1 (2008) 23-35.
[7] Perpres Nomor 7 Tahun 2005 tentang RPJMN, Pokok-Pokok Materi Teori
Pengambilan Keputusan, Jakarta: Ghalia Indonesia
16
[8] Badan Pusat Statistik (BPS), 2008,
http://www.bps.go.id/Subjek/view/id/23#subjekViewTab1|accordion-daftar-
subjek1. Diakses 12 September 2014
[9] Sudijono, Anas. 2006. Pengantar Statistik Pendidikan. Jakarta : PT Raja
Grafindo Persada.
[10] Eddy Prahasta, Ir., MT., Sistem Informasi Geografis : Konsepkonsep Dasar,
Edisi Revisi, Informatika, Bandung, Oktober, 2002.