pengelompokan propinsi di indonesia berdasarkan hasil … · oleh: m. alfin fanandri (1. 310 030...
TRANSCRIPT
Oleh:
M. ALFIN FANANDRI (1310 030 045)
DOSEN PEMBIMBING
Dr. Brodjol Sutijo Suprih Ulama, M.Si
PENGELOMPOKAN PROPINSI DI INDONESIA
BERDASARKAN HASIL PRODUKSI PERTANIAN DAN PETERNAKAN
UNTUK MENDUKUNG KETAHANAN PANGAN NASIONAL
PROGRAM STUDI DIPLOMA III
Jurusan Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh Nopember
Prihandoko
(2011)
Berat Badan
Balita
dibawah
standart
Karbohidrat (60-70%)
Protein (10-15%)
Lemak (20-25%)
Vitamin dan mineral
(A, D, E, K, B, C, dan Ca)
Beras, Jagung, dan
Ketela
•Telur dan Daging
(protein hewani)
•Kedelai (protein
nabati)
Factor Analysis
1. Bagaimana karakteristik data hasil panen padi, jagung, ketela pohon,
kedelai, telur dan daging di Indonesia tahun 2011?
2. Bagaimana pengelompokkan propinsi di Indonesia berdasarkan hasil produksi padi, jagung, ketela pohon, kedelai, telur dan daging
untuk mendukung ketahanan pangan nasional?
3. Apa yang membedakan kelompok-kelompok
propinsi di Indonesia berdasarkan hasil produksi padi, jagung,
ketela pohon, kedelai, telur dan daging antara satu dan lainnya?
1. Mengetahui karakteristik data hasil panen padi, jagung,
ketela pohon, kedelai, telur dan daging di Indonesia tahun 2011.
2. Mengetahui pengelompokkan propinsi di
Indonesia berdasarkan hasil produksi padi, jagung, ketela pohon, kedelai,
telur dan daging untuk mendukung ketahanan pangan nasional.
3. Mengetahui perbedaan antar kelompok-
kelompok propinsi di Indonesia berdasarkan hasil produksi
padi, jagung, ketela pohon, kedelai, telur dan daging.
•Data Badan Pusat Statistik dalam katalognya yang berjudul “Data
Strategis BPS”
•Data Badan Ketahanan Pangan Departemen Pertanian tahun 2011
Pada data BPS maupun data Badan Ketahan Pangan, terdapat 4 jenis data, yaitu data saat
ini, data angka ramalan, data angka sementara, dan data angka tetap, dan data
yang digunakan dalam penelitian ini adalah data angka tetap.
Manfaat yang ingin dicapai dari penelitian ini adalah memberikan
informasi kepada Badan Ketahanan Pangan Nasional menge-
nai komposisi yang strategis tentang propinsi penghasil padi, jagung,
ketela pohon, telur dan kedelai, sehingga dapat memfokuskan produksi tanaman
pangan di propinsi yang ber-sangkutan untuk mendukung ketahanan
pangan nasional.
Statistika deskriptif adalah statistik yang digunakan mendeskripsikan atau
menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud
membuat kesimpulan yang berlaku umum atau generalisasi (Sugiyono, 2010).
Statistika deskriptif adalah metode-metode yang berkaitan dengan pengumpulan
dan penyajian suatu gugus data sehingga memberikan informasi yang berguna
(Walpole, 1995).
Analisa faktor adalah suatu metode untuk menganalisis sejumlah observasi,
dipandang dari sisi interkorelasinya untuk mendapatkan apakah variasi-variasi yang
nampak dalam observasi itu mungkin berdasarkan atas sejumlah kategori dasar
yang jumlahnya lebih sedikit dari yang nampak (Fruchter, 1954). Sedangkan
menurut Malhotra (1996) menjelaskan bahwa analisis faktor adalah sekelompok
prosedur yang digunakan untuk mengurangi atau meringkas data.
dengan:
Lij = loading factor dari variabel asal ke-i pada faktor ke-j
Fj = faktor umum ke-j
µi = rata-rata dari variabel ke-i
ɛi = faktor spesifik ke-i
dimana : i = 1,2,....,p dan j = 1,2,...., m
pxlmxlpxmpxlpxl εFLμX )()()(
•Analisis Komponen Utama atau juga disebut Principal Component Analysis (PCA)
adalah suatu teknik analisis statistik yang mentransformasi variabel-variabel asli
yang masih saling berkorelasi satu dengan yang lain menjadi satu set variabel baru
yang tidak berkorelasi lagi. Variabel-variabel baru tersebut dikenal sebagai
komponen utama (principal component) (Johnson & Wichern, 2007).
•Dalam bentuk matematis, misalnya Y merupakan kombinasi linier dari variabel-
variabel X1, X2, … , Xp yang dapat dinyatakan sebagai
Y = W1X1 + W2X2 + … + WpXp
dengan
Wi = bobot atau koefisien untuk variabel ke-i
Xi = variabel ke-i
Y = kombinasi linier dari variabel X
Pengujian distribusi normal multivariat dilakukan untuk memperkuat dugaan bahwa
data sudah berdistribusi normal multivariat.
Hipotesis:
H0 : Data mengikuti distribusi normal multivariat
H1: Data tidak mengikuti distribusi normal multivariat
Statistik Uji:
d2j = S-1 , j = 1,2,3.... n
dimana:
xj = pengamatan data ke-j
µ = vektor rata-rata
S-1= invers matriks kovariansi dengan elemen matriks
Berdasarkan persamaan diatas, data akan berdistribusi normal multivariat jika jarak
d2j ≤ χ2
(p;α) minimal 50%
(Johnson & Wichern, 2007).
)'( μx j )( μx j
Uji KMO (Kaiser Meyer Olkin) digunakan untuk mengukur kecukupan data
Hipotesis:
H0 : Jumlah data cukup untuk difaktorkan
H1 : Jumlah data tidak cukup untuk difaktorkan
Statistik Uji:
KMO =
dimana :
rij = korelasi pearson antara variabel i dan j
aij = korelasi parsial antara variabel i dan j
Apabila nilai KMO lebih besar dari 0,5 maka terima H0, sehingga dapat disimpulkan jumlah
data telah cukup difaktorkan.
p
1i
p
1i
p
1j
2ij
p
1j
2ij
p
1i
p
1j
2ij
ar
r
Uji Bartlett adalah suatu pengujian secara statistik untuk mengetahui apakah suatu
matriks korelasi telah cukup layak untuk difaktorkan.
Hipotesis:
H0 : ρ = I (tidak ada korelasi antar variabel)
H1 : ρ ≠ I (ada korelasi antar variabel)
Statistik Uji:
χ2 =
dimana:
= nilai determinan dari matriks korelasi
n = banyaknya observasi
p = banyaknya variabel
Daerah penolakan: tolak H0 jika χ2>χ2α;1/2p (p-1)
Rp
n ln6
521
Rln
Ketahanan pangan merupakan situasi dimana semua rumah tangga mempunyai
akses, baik secara fisik maupun ekonomi untuk memperoleh pangan bagi seluruh
anggota keluarganya dan rumah tangga tidak beresiko untuk mengalami kehilangan
kedua akses tersebut (Food and Agriculture Organization, 1997, lihat juga pada
Hanafie, 2010).
Swasembada
Pangan
Karbohidrat 60%-70%
Protein 10%-15%
Lemak 20%-25%
Vitamin
Mineral
Cardobo, 2010
“apabila suatu negara tersebut bisa
memenuhi kebutuhan pangannya sebesar
90% dari dalam negeri”FAO
Data
Sekunder
Katalog Badan Pusat Statistika
(BPS) tahun 2011 yang berjudul
“Data Strategis BPS”
mengenai hasil panen padi, jagung
dan kedelai tahun 2011 yang
dipublikasikan pada tahun 2011.
Data hasil produksi ketela pohon,
telur dan daging dari Badan
Ketahanan Pangan Departemen
Pertanian tahun 2011.
1. Produksi hasil panen Padi (X1)
2. Produksi hasil panen Jagung (X2
3. Produksi hasil panen Kedelai (X3)
4. Produksi hasil panen Ketela Pohon (X4)
5. Produksi Telur (X5)
6. Produksi Daging (X6)
Data Strategis BPS tahun 2011
Data Badan Ketahanan Pangan,
Departemen Pertanian tahun
2011
telur itik, telur ayam ras, dan
telur ayam buras.
daging (non ayam), daging
ayam ras pedaging, daging
ayam ras petelur dan daging
ayam buras
1• Deskripsi data
2• Uji Distribusi Normal Multivariat
3• Uji Kaiser Meyer Olkin
4• Uji Bartlett
5• PCA (Principal Component Analysis)
7• Analisis Faktor
8• Menyimpulkan
1. Melakukan Rotasi
Deskripsi Propinsi di Indonesia Berdasarkan Hasil Produksi Padi th. 2011
Jawa Barat
11.633.891 ton
Kepulauan Riau
1.233 ton
Deskripsi Propinsi di Indonesia Berdasarkan Hasil Produksi Jagung th. 2011
Jawa Timur
5.443.705 ton
DKI Jakarta
23 ton
Deskripsi Propinsi di Indonesia Berdasarkan Hasil Produksi Kedelai th. 2011
Jawa Timur
366.999 ton
DKI Jakarta
0 ton
Deskripsi Propinsi di Indonesia Berdasarkan Hasil Produksi Ketela Pohon th. 2011
Lampung
9.202.562 ton
Kepulauan Riau dan Maluku Utara
0 ton
Deskripsi Propinsi di Indonesia Berdasarkan Hasil Produksi Telur th. 2011
Jawa Timur
279.033 ton
DKI Jakarta
134 ton
Deskripsi Propinsi di Indonesia Berdasarkan Hasil Produksi Daging th. 2011
Jawa Barat
579.405 ton
Kepulauan Riau,
Kalimantan Barat,
Kalimantan Tengah dan
Maluku Utara
0 ton
Statistika Deskriptif Propinsi di Indonesia Berdasarkan Hasil Produksi Padi, Jagung,
Kedelai, Ketela Pohon, Telur dan Daging th. 2011
Variabel Min. Mak. Rataan Std. Deviasi
Padi (X1) 1,2 11633,9 1992,633 2987,825
Jagung (X2) 0 5443,71 534,6439 1079,1023
Kedelai (X3) 0 366,999 25,79655 66,56703
Ketela Pohon (X4) 0 9202,56 722,3184 1796,653
Telur (X5) 0,1 279,033 44,12906 69,55651
Daging (X6) 0 579,405 72,00242 116,80536
*dalam Ribuan
Pengujian Asumsi Distribusi Normal Multivariat
302520151050
16
14
12
10
8
6
4
2
0
dd
q
Scatterplot of q vs dd
Hipotesis:
H0 : Data mengikuti distribusi normal
multivariat.
H1 : Data tidak mengikuti distribusi
normal multivariat.
Nilai d2j = 0,69697
lebih dari 0,5 maka gagal tolak
H0, artinya data telah mengikuti
distribusi normal multivariat.
Pengujian Asumsi Kecukupan Data dan Independensi
Hipotesis:H0 : Jumlah data cukup untuk difaktorkan
H1 : Jumlah data tidak cukup untuk difaktorkan
lebih dari 0,5 maka gagal tolak H0,
artinya data telah cukup untuk
difaktorkan.
Nilai KMO 0,715
Nilai Bartlett test of Sphericity (Chi-Square) 231,533
Hipotesis:H0 : ρ = I (tidak ada korelasi antar variabel)
H1 : ρ ≠ I (ada korelasi antar variabel)
dengan nilai α sebesar 0,05 dan nilai db
sebesar 15, sehingga menghasilkan nilai χ20,05;15
sebesar 24,996 menghasilkan keputusan tolak
H0, karena χ2>χ20,05;15 yang artinya ada korelasi
antar variabel pada data.
Uji Kecukupan Data Uji Independensi
Analisis Faktor – Total Varians yang Dapat Dijelaskan (1 Faktor)
Komponen Nilai Eigen Ekstraksi Jumlah
Kuadrat Loadings
Total Prosentase
Varians
Prosentase
Kumulatif
Total Prosentase
Varians
1 4,463 74,385 74,385 4,463 74,385
2 0,749 12,491 86,875
3 0,572 9,529 96,404
4 0,140 2,335 98,739
5 0,048 0,796 99,535
6 0,028 0,465 100,000
Komponen Nilai Eigen Ekstraksi Jumlah
Kuadrat Loadings
Total Prosentase
Varians
Prosentase
Kumulatif
Total Prosentase
Varians
1 4,463 74,385 74,385 4,463 74,385
2 0,749 12,491 86,875 0,749 12,491
3 0,572 9,529 96,404
4 0,140 2,335 98,739
5 0,048 0,796 99,535
6 0,028 0,465 100,000
Analisis Faktor – Total Varians yang Dapat Dijelaskan (2 Faktor)
86.87
Analisis Faktor – Penentuan Anggota Faktor (belum dirotasi)
Variabel Komponen
1 2
Padi (X1) 0,945 -0,220
Jagung (X2) 0,921 0,256
Kedelai (X3) 0,847 0,055
Ketela Pohon (X4) 0,645 0,650
Telur (X5) 0,961 -0,146
Daging (X6) 0,815 -0,434
Analisis Faktor – Penentuan Anggota Faktor (telah dirotasi)
Variabel Komponen
1 2
Padi (X1) 0,900 0,362
Jagung (X2) 0,607 0,738
Kedelai (X3) 0,662 0,532
Ketela Pohon (X4) 0,155 0,903
Telur (X5) 0,871 0,432
Daging (X6) 0,917 0,113
Analisis Faktor – Penentuan Anggota Faktor (Penamaan)
Faktor satu adalah padi, kedelai, telur dan daging
Faktor dua adalah jagung dan ketela pohon
sumber protein dan padi
sumber karbohidrat
Analisis Faktor – Ketentuan Pengelompokan Berdasarkan Nilai Faktor
Kelompok Sumber
Protein dan Padi
Sumber
Karbohidrat
1 Tinggi Tinggi
2 Rendah Tinggi
3 Tinggi Rendah
4 Rendah Rendah
Kelompok Notasi
Nilai Faktor 1
Notasi
Nilai Faktor 2
1 + +
2 - +
3 + -
4 - -
Analisis Faktor – Penjabaran Ketentuan Pengelompokan Berdasarkan Nilai Faktor
1. Kelompok 1 adalah propinsi dengan produksi padi, kedelai,
telur dan daging tinggi dan produksi jagung dan ketela pohon
juga tinggi.
2. Kelompok 2 adalah propinsi dengan produksi padi, kedelai,
telur dan daging rendah tetapi produksi jagung dan ketela
pohon tinggi.
3. Kelompok 3 adalah propinsi dengan produksi padi, kedelai,
telur dan daging tinggi namun produksi jagung dan ketela
pohon rendah.
4. Kelompok 4 adalah propinsi dengan produksi padi, kedelai,
telur dan daging rendah dan produksi jagung dan ketela pohon
juga rendah.
Analisis Faktor – Pengelompokan Berdasarkan Nilai Faktor
Propinsi Nilai
Faktor 1
Nilai
Faktor 2
Kel.
Aceh -0,13962 -0,21536 4
Sumatera Utara 0,56307 0,11112 1
Sumatera Barat 0,15733 -0,30035 3
Riau -0,28800 -0,38309 4
Kepulauan Riau -0,54437 -0,25691 4
Jambi -0,32787 -0,34873 4
Sumatera Selatan 0,14513 -0,35900 3
Analisis Faktor – Hasil Pengelompokan Berdasarkan Nilai Faktor
Kelompok Anggota
1 Propinsi Sumatera Utara, Propinsi Jawa Tengah, Propinsi Jawa Timur dan
Propinsi Sulawesi Selatan.
2 Propinsi Lampung, Propinsi DI Yogyakarta dan Propinsi Nusa Tenggara
Timur.
3 Propinsi Sumatera Barat, Propinsi Sumatera Selatan, Propinsi DKI
Jakarta, Propinsi Jawa Barat, Propinsi Banten, Propinsi Bali, dan Propinsi
Kalimantan Selatan.
4 Propinsi Aceh, Propinsi Riau, Propinsi Kepulauan Riau, Propinsi Jambi,
Propinsi Kepulauan Bangka Belitung, Propinsi Bengkulu, Propinsi Nusa
Tenggara Barat, Propinsi Kalimantan Barat, Propinsi Kalimantan Tengah,
Propinsi Kalimantan Timur, Propinsi Sulawesi Utara, Propinsi Gorontalo,
Propinsi Sulawesi Tengah, Propinsi Sulawesi Barat, Propinsi Sulawesi
Tenggara, Propinsi Maluku, Propinsi Maluku Utara, Propinsi Papua, dan
Propinsi Papua Barat.
Peta Hasil Pengelompokan Berdasarkan Nilai Faktor
11
1
12
22
3
3
33
3
3
3
4
4 4
4
4
4
4 4
4
44
4
44
4
4
4
4
4
4
1. Produksi padi rata-rata per propinsi di Indonesia adalah
sekitar 1.992.633,46 ton pada tahun 2011.
2. Produksi jagung rata-rata per propinsi di Indonesia sebesar
534.643,94 ton pada tahun 2011.
3. Produksi kedelai rata-rata per propinsi di Indonesia pada
tahun 2011 sebesar 25.796,55 ton.
4. Rata-rata produksi ketela pohon per propinsi di Indonesia
sebesar 722.318,39 ton pada tahun 2011.
5. Produksi rata-rata telur dan daging, masing-masing
44.129,06 ton dan 72.002,42 ton pada tahun 2011.
1. Kelompok 1: Propinsi Sumatera Utara, Propinsi Jawa Tengah, Propinsi
Jawa Timur dan Propinsi Sulawesi Selatan.
2. Kelompok 2: Propinsi Lampung, Propinsi DI Yog-yakarta dan Propinsi
Nusa Tenggara Timur.
3. Kelompok 3: Propinsi Sumatera Barat, Propinsi Su-matera Selatan,
Propinsi DKI Jakarta, Propinsi Jawa Barat, Propinsi Banten, Propinsi
Bali, dan Propinsi Kalimantan Selatan.
4. Kelompok 4: Propinsi Aceh, Propinsi Riau, Propinsi Kepulauan Riau,
Propinsi Jambi, Propinsi Kepulauan Bangka Belitung, Propinsi Bengkulu,
Propinsi Nusa Tenggara Barat, Propinsi Kalimantan Barat, Propinsi
Kalimantan Tengah, Propinsi Kalimantan Timur, Propinsi Sulawesi Utara,
Propinsi Gorontalo, Propinsi Sulawesi Tengah, Propinsi Sulawesi Barat,
Propinsi Sulawesi Tenggara, Propinsi Maluku, Propinsi Maluku Utara,
Propinsi Papua, dan Propinsi Papua Barat.
1. Kelompok 1 adalah propinsi dengan produksi padi, kedelai, telur dan
daging tinggi dan produksi jagung dan ketela pohon juga tinggi.
2. Kelompok 2 adalah propinsi dengan produksi padi, kedelai, telur dan
daging rendah tetapi produksi jagung dan ketela pohon tinggi.
3. Kelompok 3 adalah propinsi dengan produksi padi, kedelai, telur dan
daging tinggi namun produksi jagung dan ketela pohon rendah.
4. Kelompok 4 adalah propinsi dengan produksi padi, kedelai, telur dan
daging rendah dan produksi jagung dan ketela pohon juga rendah.
Diharapkan pemerintah atau khususnya Departemen Pertanian lebih
meningkatkan penyuluhan tentang masalah pertanian dan
peternakan (padi, jagung, kedelai, ketela pohon, telur dan daging) secara
menyeluruh di Indonesia dan disesuaikan dengan kondisi
nyata meliputi keadaan geografis, iklim, luas lahan dan lain sebagainya, agar
produksi pertanian dan peternakan khususnya padi, jagung, kedelai,
ketela pohon, telur dan daging lebih merata diseluruh propinsi di
Indonesia, sehingga tercipta ketahanan pangan yang baik.
1. Abdi, H., Williams, L.J. 2010. Principal Component Analysis. WIREs Computational Statistics. Vol 2,
July/August 2010, p 433. United States of America: John Wiley & Sons, Inc.
2. Badan Pusat Statistik. 2011. Data Strategis BPS. Jakarta: CV. Nasional Indah
3. Budyanra. 2010. Ketepatan Pengklasifikasian Fungsi Diskriminan Linier Robust Dua Kelompok
Dengan Metode Fast Minimum Covariance De-terminant (FAST-MCD). Bandung: Universitas
Padjadjaran.
4. Dewan Ketahanan Pangan, Departemen Pertanian RI dan World Food Programme (WFP).
2009. A Food Security and Vulnerability Atlas of Indonesia 2009. Jakarta: PT Enka Deli.
5. Fruchter, B. 1954. Introduction to Factor Analysis. New York: D. van Nostrand Company, Ltd.
6. Hanafie, R. 2010. Pengantar Ekonomi Pertanian. Yogyakarta: Penerbit ANDI
7. Johnson, R.A., Winchert D.W. 2007. Applied Multivariate Statistical Analysis, Sixth Edition. United
States of America: Pearson Prentice Hall International.
8. Malhotra, N. 1996. Marketing Research, Second Edition, New Jersey: Pearson Prentice Hall
International.
9. Morrison, Donald. F. 1967. Multivariate Statistical Methods Second Edition. United States of
America: McGRAW-Hill Book Company.
10. Prihandoko, W.G. 2010. Pemodelan Ketahanan Pangan Indonesia 2009 Menggunakan Analisis
Regresi Logistik. Surabaya: Jurusan Statistika ITS.
11. Rencher, C.A. 2002. Methods of Multivariate Analysis, Second Edition. New Jersey, United States
of America: Wiley-Interscience.
12. Ronald E.W. (1992). Pengantar Statistika. Jakarta: PT. Gramedia Pustaka Utama.
13. Santoso, S. 2012. Aplikasi SPSS pada Statistik Multivariat. Edisi Revisi. Jakarta: PT Gramedia.
14. Saragih, F.S. 2010. Pengaruh Penyuluhan Terhadap Pengetahuan dan Sikap Ibu Tentang Makanan
Sehat dan Gizi Seimbang di Desa Merek Raya Kecamatan Raya Kabupaten Simalungun. Medan:
Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.
15. Sharma, S. 1996. Applied Multivariate Techniques. New York: John Wiley & Sons, Inc.
16. Sugiyono, Dr. 2010. Metode Penelitian Kuantitatif Kualitatif dan R&D (Qualitative and Quantitative
Research Methods). Bandung: Penerbit Alfabeta.
17. Suryabrata, S. 1982. Metodologi Penelitian Analisis Kuantitatif, Dasar-Dasar Analisa Faktor.
Yogyakarta: Lembaga Pendidikan Doktor Universitas Gadjah Mada