PENGELOMPOKAN KECAMATAN BERDASARKAN INDIKATOR PEMERATAAN PENDIDIKAN. Listya Ningrum ( ) Dosen Pembimbing: Drs Kresnayana Yahya, M.Sc.

Transkripsi

1 PENGELOMPOKAN KECAMATAN BERDASARKAN INDIKATOR PEMERATAAN PENDIDIKAN Listya Ningrum ( ) Dosen Pembimbing: Drs Kresnayana Yahya, M.Sc.

2 Pendidikan Latar Belakang

3 Rumusan Masalah Bagaimana analisis deskriptif untuk mengetahui karakteristik kecamatankecamatan di Kota Surabaya? Bagaimana pengelompokkan dan pemetaan Kecamatan di kota Surabaya dengan menggunakan analisis cluster untuk tujuan identifikasi yang lebih spesifik? Bagaimana analisis terhadap karakteristik kecamatan berdasarkan hasil pemetaan diatas untuk mengatasi masalah pemerataan pendidikan di Kota Surabaya?

4 Tujuan Mendeskripsikan analisis deskriptif untuk mengetahui karakteristik kecamatan-kecamatan di Kota Surabaya. Pengelompokkan dan pemetaan Kecamatan di kota Surabaya dengan menggunakan analisis cluster untuk tujuan identifikasi yang lebih spesifik. Menganalisis karakteristik kecamatan berdasarkan hasil pemetaan diatas untuk mengatasi masalah pemerataan pendidikan di Kota Surabaya.

5 Manfaat Memperoleh informasi kecamatan di Surabaya yang berada dalam satu kelompok sehingga dapat dilakukan kebijakan yang sama untuk kecamatan yang berada dalam kelompok sama. Dapat memberikan informasi kepada pemerintah Kota Surabaya tentang kondisi masyarakat apabila dilihat dari setiap kecamatan. Dapat membantu memberikan masukan kepada pemerintah Kota Surabaya dalam kesejahteraan masyarakat di Kota Surabaya.

6 Batasan Masalah Variabel pemerataan pendidikan tiap kecamatan tahun Ekonomi Lingkungan Unit obervasi 31 kecamatan di Kota Surabaya

7 Tinjauan Pustaka Tinjauan Statistika Statistika Deskriptif Uji Kecukupan Data Analisis Faktor Analisis Cluster Metode Ward s Analisis Biplot Tinjauan Non Statistika Wilayah Surabaya Pendidikan Ekonomi Lingkungan Penelitian Sebelumnya

8 Statistika Deskriptif Menurut Bhattacarya dan Johnson (1977), statistika deskriptif merupakan statistik yang digunakan untuk mendeskripsikan atau menggambarkan obyek penelitian yang diambil dari sampel maupun populasi

9 Uji Kecukupan Data Hipotesis Ho : Jumlah data cukup untuk difaktorkan H 1 : Jumlah data tidak cukup untuk difaktorkan p p Statistik uji : 2 rij i 1 j 1 KMO = p p p p 2 2 rij aij i 1 j 1 i 1 j 1 Dimana :i = 1, 2, 3,..., p j = 1, 2,..., p Keterangan : r ij = Koefisien korelasi antara variabel i dan j a ij = Koefisien korelasi parsial antara variabel i dan j Apabila nilai KMO lebih besar dari 0,5 maka terima Ho sehingga dapat disimpulkan jumlah data telah cukup difaktorkan (Johnson dan Wichern, 2002).

10 Analisis Faktor Analisis faktor adalah suatu analisis statistika yang bertujuan untuk mereduksi dimensi data dengan cara menyatakan variabel asal sebagai kombinasi linear sejumlah faktor, sedemikian hingga sejumlah faktor tersebut mampu menjelaskan sebesar mungkin keragaman data yang dijelaskan oleh variabel asal (Johnson dan Wichern, 2002).

11 Analisis Cluster Analisis cluster adalah proses pengelompokan objek berdasarkan informasi yang menggambarkan objek tersebut atau hubungannya dengan objek lain (Johnson dan Wichern, 2002). 1. Metode hirarki, berdasarkan hasil pengelompokan disajikan secara hirarki mulai dani n, (n-1) sampai 1 kelompok. 2. Metode non-hirarki, digunakan apabila jumlah kelompok sudah diketahui dan untuk mengelompokkan data yang berukuran besar, yang termasuk dalam dalam metode K-Mean.

12 Metode Ward s Metode ini digunakan untuk melakukan kombinasi kelompokkelompok dalam jumlah kecil. d E n x, x ( x i i x 1 1 2i ) Metode ini mencoba meminimumkan varians dalam kelompok. Penggunaan metode ward s juga dinilai memiliki kinerja lebih baik di antara metode-metode Hierarki Cluster Analysis (Gong dan Richman, 1994).

13 Analisis Biplot Metode biplot didasarkan pada nilai dekomposisi singular suatu matrik. Pada dasarnya metode biplot bertujuan untuk memperagakan secara grafik dari suatu matrik dalam sebuah plot dengan menumpangtindihkan vektor-vektor dalam ruang vektor yang merepresentasikan vektor-vektor kolom matrik tersebut (Sartono, dkk 2003).

14 Analisis Diskriminan Menurut Johnson dan Wichern (1992), tujuan dari Analisis Diskriminan adalah untuk menggambarkan ciri-ciri suatu pengamatan dari bermacam-macam populasi yang diketahui, baik secara grafis maupun aljabar dengan membentuk fungsi diskriminan.

15 Geografis Surabaya Wilayah Surabaya : Luas wilayah Kota Surabaya mencapai 326,36 km 2 yang dibagi menjadi 31 Kecamatan dan 163 Kelurahan. Kota Surabaya berbatasan dengan beberapa wilayah yaitu : Wilayah Utara : Selat Madura Wilayah Timur : Selat Madura dan Laut Jawa Wilayah Selatan : Kabupaten Sidoarjo Wilayah Barat : Kabupaten Gresik Kecamatan Kecamatan Surabaya Pusat Surabaya Selatan 01. Tegalsari 17. Sawahan 02. Genteng 18. Wonokromo 03. Bubutan 19. Karangpilang 04. Simokerto 20. Dukuh Pakis 21. Wiyung Surabaya Utara 22. Wonocolo 05. Pabean Cantikan 23. Gayungan 06. Semampir 24. Jambangan 07. Krembangan 08. Kenjeran Surabaya Barat 09. Bulak 25. Tandes 26. Sukomanunggal Surabaya Timur 27. Asemrowo 10. Tambaksari 28. Benowo 11. Gubeng 29. Pakal 12. Rungkut 30. Lakarsantri 13. Tenggilis Mejoyo 31. Sambikerep 14. Gunung Anyar 15. Sukolilo 16. Mulyorejo

16 Gabungan Pendidikan Angka Partisipasi Kasar (APK) Angka Partisipasi Murni (APM) Rasio Murid-Guru Rasio Murid-Kelas Rasio Murid-Sekolah

17 Ekonomi IPM Indeks Pembangunan Manusia (IPM) adalah pengukuran perbandingan dari harapan hidup, melek huruf, pendidikan dan standar hidup untuk semua negara seluruh dunia. IPM digunakan untuk mengklasifikasikan apakah sebuah negara adalah negara maju, negara berkembang atau negara terbelakang dan juga untuk mengukur pengaruh dari kebijaksanaan ekonomi terhadap kualitas hidup (bapedda, 2014). PBB Pajak Bumi dan Bangunan (PBB) adalah Pajak Negara yang dikenakan terhadap bumi dan atau bangunan berdasarkan Undang-undang nomor 12 Tahun 1985 tentang Pajak Bumi dan Bangunan sebagaimana telah diubah dengan UndangUndang nomor 12 Tahun Menurut ( Pasal 4 UU No. 12 Tahun 1985 jo. UU No.12 Tahun 1994 ) Yang menjadi subjek PBB adalah orang atau badan yang secara nyata : mempunyai hak atas bumi/tanah, dan/atau; memperoleh manfaat atas bumi/tanah dan/atau; memiliki, menguasai atas bangunan dan/atau; memperoleh manfaat atas bangunan

18 Penelitian Sebelumnya analisis pengelompokkan dan pemetaan kecamatan sebagai dasar program untuk mengatasi masalah masalah sosial ekonomi di Kota Surabaya (Marsetya Adi Nugroho, 2006). Hierarchical cluster via minimax linkage pada pengelompokan kecamatan di Pulau Madura berdasarkan Gabungan Pendidikan (Padmi, 2008).

19 Sumber Data Sumber data yang digunakan dalam penelitian ini yaitu data sekunder yang diperoleh dari berbagai sumber antara lain Dinas Pendidikan Surabaya mengenai Gabungan pendidikan 2012/2013 dan Dinas Kesehatan Surabaya. Data tersebut adalah data variabel pendidikan 31 Kecamatan di kota Surabaya.

20 Variabel Penelitian Variabel Variabel Penelitian Variabel Variabel Penelitian X 1 Rasio Murid-guru SD X 16 Jumlah penduduk usia sekolah X 2 Rasio Murid-guru SMP X 17 Jumlah Penduduk Berdasarkan Umur 7-12 tahun X 3 Rasio Murid-guru SMA X 18 Jumlah Penduduk Berdasarkan Umur tahun X 4 Rasio Murid-kelas SD X 19 Jumlah Penduduk Berdasarkan Umur tahun X 5 Rasio Murid-kelas SMP X 20 PBB X 6 Rasio Murid-kelas SMA X 21 AHH X 7 Rasio Murid-sekolah SD X 22 AMH X 8 Rasio Murid-sekolah SMP X 23 PPP X 9 Rasio Murid-sekolah SMA X 24 Jumlah rumah tangga bersih dan sehat X 10 APK (Angka Partisipasi Kasar) SD X 25 Jumlah rumah tangga yang diamati X 11 APK (Angka Partisipasi Kasar) SMP X 26 Jumlah penduduk X 12 APK (Angka Partisipasi Kasar) SMA X 27 Jumlah rumah bersih X 13 APM (Angka Partisipasi Murni) SD X 28 Jumlah rumah bersih yang diamati X 14 APM (Angka Partisipasi Murni) SMP X 29 Kepadatan penduduk APM (Angka Partisipasi Murni) SMA X 15

21 Langkah Analisis Mengumpulkan data Melakukan analisis deskriptif Melakukan pengujian asumsi kecukupan data Mereduksi dimensi data Melakukan pengelompokan wilayah kecamatan di kota Surabaya Mengambil kesimpulan Membandingkan hasil pengelompokan Melakukan pemetaan wilayah kecamatan di kota Surabaya

22 Variable Mean Variance Minimum Maximum Rasio_Murid_Sekolah_SD 461, ,6 105,7 1254,5 Rasio_Murid_Guru_SD 24,3 34,53 17,14 46,04 Rasio_Murid_Kelas_SD 1,437 1,166 0,33 5,53 Rasio_Murid_Sekolah_SMP Rasio_Murid_Guru_SMP 27,64 32,65 17,35 41,46 Rasio_Murid_Kelas_SMP 2,325 14,216 0,3 21,24 Rasio_Murid_Sekolah_SMA Rasio_Murid_Guru_SMA 22,42 249, Rasio_Murid_Kelas_SMA 6,03 104, ,73 APK SD 1,371 0,896 0,21 3,78 APK SMP 1,431 1,11 0,21 3,82 APK SMA 10,1 1484, APM SD 0,988 0,0541 0,52 1,5 APM SMP 1,01 0,1517 0,4 2,02 APM SMA 1,001 1,06 0,18 4,96 rasio SMA pada kecamatan Gununganyar tidak memiliki sekolah, rasio sekolah & kelas terkecil ialah kecamatan mulyorejo sebesar 71,57&0,17. rasio guru terkecil tegalsari sebesar 12

23 Variable Mean Variance Minimum Maximum jumlah penduduk usia sek Jumlah_Penduduk_Usia_7_ Jumlah_Penduduk_Usia_13_ jumlah_penduduk_usia_16_ PBB AHH 76,17 1,377 73,04 78,51 AMH 87,9 13,216 81,36 94,38 PPP 69,12 94,18 52,37 82,4 juml_rt_bersih_sehat juml_rt_bersih_sehat diamati jml_pend juml_rmh_bersih jml_diamati kepadatan Kecamatan Bulak Kecamatan Pakal Kecamatan Tambaksari Kecamatan Simokerto

24 sambi kerep pakal bulak benowo asemrowo krembangan bubutan pabean cantik semampir simokerto kenjeran tambaksari genteng tegal sari sawahan sukomanunggal tandes lakarsantri wiyung dukuh pakis wonokromo gubeng mulyorejo sukolilo rungkut gununganyar tenggilis mej wonocolo gayungan jambangan karang pilang 119,33 105, , , pakal bulak benowo asemrowo bubutan pabean semampir simokerto kenjeran tambaksari genteng tegal sari sawahan sukoman tandes lakarsantri wiyung gubeng mulyorejo sukolilo rungkut tenggilis wonocolo gayungan ambangan karang 19,97 19,26 17,56 18,13 18,08 19,42 17,14 33,41 31,63 31,07 46, Rasio Murid-Sekolah SD 1:1245 Rasio Murid-guru SD 1:46 sambi kerep pakal bulak benowo asemrowo krembangan bubutan pabean cantik semampir simokerto kenjeran tambaksari genteng tegal sari sawahan sukomanunggal tandes lakarsantri wiyung dukuh pakis wonokromo gubeng mulyorejo sukolilo rungkut gununganyar tenggilis mej wonocolo gayungan jambangan karang pilang 0,77 0,6 0,39 0,41 0,61 0,33 0,5 0,68 0,44 0,82 3,52 5, Rasio Murid-kelas SD 6 kelas

25 sambi kerep pakal bulak benowo asemrowo krembangan bubutan pabean cantik semampir simokerto kenjeran tambaksari genteng tegal sari sawahan sukomanunggal tandes lakarsantri wiyung dukuh pakis wonokromo gubeng mulyorejo sukolilo rungkut gununganyar tenggilis mej wonocolo gayungan jambangan karang pilang 4162,83 133,55 130, sambi kerep pakal bulak benowo asemrowo krembangan bubutan pabean cantik semampir simokerto kenjeran tambaksari genteng tegal sari sawahan sukomanunggal tandes lakarsantri wiyung dukuh pakis wonokromo gubeng mulyorejo sukolilo rungkut gununganyar tenggilis mej wonocolo gayungan jambangan karang pilang 18,47 41,46 19,55 17,35 18, sambi kerep pakal bulak benowo asemrowo krembangan bubutan pabean semampir simokerto kenjeran tambaksari genteng tegal sari sawahan RASIO_MURID_GUR sukomanu U_SMP tandes lakarsantri wiyung dukuh pakis wonokromo gubeng mulyorejo sukolilo rungkut tenggilis mej wonocolo gayungan jambangan karang 0,36 0,38 0,30 21,24 0,00 10,00 20,00 30,00 Rasio Murid-Sekolah SMP 1:103 Rasio Murid-guru SMP 1:42 Rasio Murid-kelas SMP 21 kelas

26 sambi kerep pakal bulak benowo asemrowo krembangan bubutan pabean cantik semampir simokerto kenjeran tambaksari genteng tegal sari sawahan sukomanunggal tandes lakarsantri wiyung dukuh pakis wonokromo gubeng mulyorejo sukolilo rungkut gununganyar tenggilis mej wonocolo gayungan jambangan karang pilang 133,27 71, , RASIO_MURID_SEK OLAH_SMA sambi kerep pakal bulak benowo asemrowo krembangan bubutan pabean cantik semampir simokerto kenjeran tambaksari genteng tegal sari sawahan sukomanunggal tandes lakarsantri wiyung dukuh pakis wonokromo gubeng mulyorejo sukolilo rungkut gununganyar tenggilis mej wonocolo gayungan jambangan karang pilang sambi kerep pakal bulak benowo asemrowo krembangan bubutan pabean cantik semampir simokerto kenjeran tambaksari genteng tegal sari sawahan sukomanunggal tandes lakarsantri wiyung dukuh pakis wonokromo gubeng mulyorejo sukolilo rungkut gununganyar tenggilis mej wonocolo gayungan jambangan karang pilang 17,14 36,58 21,85 42,73 10,19 0,2 0, Rasio Murid-Sekolah SMA 1:5811 Rasio Murid-guru SMA 1:103 Rasio Murid-kelas SMA 43 kelas

27 Kaiser-Meyer-Olkin Bartlett's Test of Sphericity Approx.Chi-Square df 171 Sig

28 Eigenvalues Component Total % of Variance Cumulative % 1 5,636 29,665 29, ,862 15,062 44, ,059 10,835 55, ,837 9,667 65,23 5 1,603 8, , ,159 6, , ,075 5, , ,68 3, , ,53 2, , ,496 2, , ,4 2, , ,249 1,308 97, ,22 1, , ,108 0, , ,046 0, , ,037 0, , ,003 0, , ,002 0,008 99, ,00E-04 0, dari 19 faktor hanya terdapat 7 faktor saja yang optimum karena mempunyai nilai eigenvalue > 1.

29 Component Rasio_Murid Sekolah_SD Rasio_Murid Kelas_SD Rasio_Murid Sekolah_SMP Rasio_Murid Kelas_SMA Jumlah penduduk Jumlah_Penduduk Usia_7_12th Jumlah_Penduduk Usia 3_15th jumlah_penduduk usia 16_18th Rasio_Murid Guru_SMA APK_SD APK_SMP APM_SMP APM_SMA Rasio_Murid Kelas_SMP Rasio_Murid Sekolah_SMA Rasio_Murid Guru_SD Rasio_Murid Guru_SMP APK_SMA APM_SD

30 Analisis Faktor Ekonomi Kaiser-Meyer-Olkin Bartlett's Test ofapprox. Chi-Square Sphericity df 6 Sig Initial Eigenvalues % of Cumulative % Component Total Variance 1 2,056 51,409 51, ,79 19,749 71, ,734 18,344 89, ,42 10, Loading Faktor Faktor 1 AHH AMH PPP PBB 0.592

31 Analisis Faktor Lingkungan Kaiser-Meyer-Olkin Bartlett's Test of Approx.Chi-Square Sphericity df 15 Sig Eigenvalues Compo nent Total % of Variance Cumulative % 1 4,684 78,066 78, ,71 11,834 89, ,294 4, , ,153 2, , ,122 2, , ,037 0, Loading Faktor Faktor 1 juml RT bersih sehat juml diamati jml pendududk juml rumah bersih jumlah diamati Kepadatan penduduk 0.699

32 Analisis Faktor Gabungan Pendidikan Kaiser-Meyer-Olkin Bartlett's Test of Approx. Chi- Sphericity Square 1,01E+06 df 190 Sig

33 Eigenvalues Pemerataan Pendidikan Eigenvalues Component Total % of Variance Cumulative % 1 6,85 34,26 34,26 2 4,04 20,21 54,48 3 2,33 11,64 66,11 4 1,38 6,90 73,02 5 1,09 5,45 78,47 6 0,88 4,4 82,87 7 0,79 3,97 86,85 8 0,69 3,45 90,3 9 0,57 2,87 93, ,38 1,89 95, ,37 1,85 96,9 12 0,26 1,29 98, ,12 0,62 98, ,1 0,52 99, ,07 0,36 99, ,04 0,18 99, ,02 0,11 99, ,0 0, ,00 0, ,00 0, dari 20 faktor hanya terdapat 5 faktor saja yang optimum karena mempunyai nilai eigenvalue > 1.

34 Nilai Loading Faktor Gabungan Pendidikan Component juml_rt_bersih_sehat 0,955 0,019 0,113-0, juml_diamati 0,836 0,058 0,209-0, jml_pend 0,932 0,093-0,028-0, juml_rmh_bersih 0,945-0,034-0,04-0, jml_diamati 0,851 0,173 0,04-0, kepadatan 0,639-0,176 0,209-0, jumlah_penduduk 0,291 0,561 0,526-0, Jumlah_Penduduk_Usia_7_12th 0,077 0,945 0,12-0, Jumlah_Penduduk_Usia_13_15th 0,072 0,944 0,115-0, jumlah_penduduk_usia_16_18th 0,083 0,941 0,115-0, Rasio_Murid_Guru_SMA -0,167 0,662 0,03 0, AHH -0,258 0,174 0,646-0, PPP 0,235 0,123 0,894-0, IPM 0,148 0,109 0,914-0, Rasio_Murid_Sekolah_SD -0,359-0,076-0,207 0, Rasio_Murid_Kelas_SD -0,341-0,101-0,114 0, Rasio_Murid_Sekolah_SMP -0,223-0,147-0,229 0, Rasio_Murid_Sekolah_SMA 0,127-0,377 0,026 0, AMH -0,06-0,027 0,396-0, PBB

35 Hierarchical Cluster Analysis Peta Kecamatan Surabaya Berdasarkan Pemerataan Pendidikan

36 Rata-Rata Nilai Gabungan Pendidikan Cluster juml RT bersih sehat 64503, , ,29 juml RT bersih sehat diamati 6083, , jml pendududk , , ,3 juml rmh bersih 43892, , ,14 jml rmh bersih diamati 28296, , ,71 kepadatan 25837, , ,3 jumlah penduduk usia sekolah , , ,7 Jumlah Penduduk Usia , , ,86 Jumlah Penduduk Usia , , ,71 jumlah penduduk usia , , Rasio murid guru SMA 37, , ,71429 AHH 152,59 76, ,4171 PPP 142, , ,9686 IPM 157, , ,0943

37 Karakteristik Hasil Pemetaan Lingkungan Kelompok 1 : Karang Pilang, Gayungan, Wonocolo, Tenggilis Mejoyo, Dukuh Pakis, Tandes, Sukomanunggal, Tambaksari, Kenjeran, Simokerto, Semampir, Bubutan dan Krembangan jumlah penduduk cukup baik. Dibandingkan kelompok II dan kelompok III, wilayah ini memiliki pemerataan pendidikan paling rendah karena memiliki jumlah rumah tangga bersih dan sehat, jumlah rumah tangga bersih dan sehat yang diamati, jumlah rumah bersih, jumlah rumah bersih yang diamati dan kepadatan penduduk yang rendah diantara kecamatan lainnya. Kelompok 2 : kecamatan Jambangan, Mulyorejo Wiyung, Lakarsantri, Genteng, Pabean Cantikan, Asemrowo, Benowo, Bulak, Pakal dan Sambikerep. jumlah penduduk sangat baik. Dibandingkan kelompok I dan kelompok III, wilayah ini memiliki kondisis lingkungan paling baik karena memiliki jumlah rumah tangga bersih dan sehat, jumlah rumah tangga bersih dan sehat yang diamati, jumlah rumah bersih, jumlah rumah bersih yang diamati dan kepadatan penduduk yang tinggi diantara kecamatan lainnya. Kelompok 3 : kecamatan Gununganyar, Rungkut, Sukolilo, Gubeng, Wonokromo, Sawahan dan Tegalsari. lingkungan baik karena memiliki jumlah rumah tangga bersih dan sehat, jumlah rumah tangga bersih dan sehat yang diamati, jumlah rumah bersih, jumlah rumah bersih yang diamati dan kepadatan penduduk yang baik diantara kecamatan lainnya.

38 Klasifikasi Kelompok Pemerataan Pendidikan Klasfikasi 1 : Daerah Pemerataan Pendidikan Tinggi Kelompok 1 (Karang Pilang, Gayungan, Wonocolo, Tenggilis Mejoyo, Dukuh Pakis, Tandes, Sukomanunggal, Tambaksari, Kenjeran, Simok erto, Semampir, Bubutan dan Krembangan) Klasifikasi 2 : Daerah Pemerataan Pendidikan Cukup Kelompok 3 (Gununganyar, Rungkut, Sukolilo, Gubeng, Wonokromo, Saw ahan dan Tegalsar) Klasfikasi 3 : Daerah Pemerataan Pendidikan Rendah Kelompok 2 (Jambangan, Mulyorejo Wiyung, Lakarsantri, Genteng, Pabean Cantikan, Asemrowo, Benowo, Bulak, Pakal dan Sambikerep)

39 Pendidikan 4 asemrowo Second Component sambi kerep -3 RASIO_MURID_SEKOLAH_SD RASIO_MURID_KELAS_SD RASIO_MURID_GURU_SMA RASIO_MURID_SEKOLAH_SMP RASIO_MURID_KELAS_SMA Jumlah_Penduduk_Usia_13_15th jumlah_penduduk_usia_16_18th Jumlah_Penduduk_Usia_7_12th -2 wiyung bubutan pakal benowo pabean cantik kenjeran -1 sukolilo jumlah penduduk usia sekolah jambangan gayungantandes tenggilis mej lakarsantri bulaktambaksari mulyorejo krembangan simokerto rungkut wonokromo tegal sari semampir genteng karang pilang First Component sukomanunggal wonocolo sawahan 3 4 5

40 Ekonomi 2 tandes krembangan Second Component simokerto gununganyar bubutan sawahan gayungan PPP rungkut wonokromo kenjeran bulak jambangan sambi kerep tambaksari AMH AHH lakarsantri pakal semampir karang pilang wonocolo gubeng benowo PBB pabean cantik asemrowo sukomanunggal wiyung tenggilis mej sukolilo dukuh pakis tegal sari genteng mulyorejo 0 1 First Component 2 3

41 Lingkungan kepadatan jml_diamati juml_rmh_bersih jml_pend juml_diamati juml_rt_bersih_sehat tambaksari sawahan semampir wonokromo krembangan rungkut sukolilo gubeng kenjeran tegal sari bubutan simokerto wonocolo tenggilis mej genteng jambangan gayungan bulak asemrowo benowo lakarsantri dukuh pakis gununganyar karang pilang wiyung tandes sambi kerep pakal

42 Pemerataan Pendidikan 5,0 Second Component 2,5 pabean cantik kenjeran bubutan simokerto RASIO_MURID_KELAS_SMA tambaksari semampir juml_rmh_bersih kepadatan juml_rt_bersih_sehat jml_pend juml_diamati jml_diamati pakal benowo RASIO_MURID_SEKOLAH_SD RASIO_MURID_SEKOLAH_SMP RASIO_MURID_KELAS_SD 0,0 PBB rungkut PPP sambi kerep jumlah AMH penduduk IPM wonokromo usia sekolah bulak RASIO_MURID_GURU_SMA wiyung Jumlah_Penduduk_Usia_13_15th jumlah_penduduk_usia_16_18th Jumlah_Penduduk_Usia_7_12th AHH tenggilis mej jambangandukuh pakis asemrowo lakarsantri genteng -2,5 gayungan wonocolosukomanunggal sawahan gubeng -5,0-5,0-2,5 gununganyar 0,0 2,5 First Component 5,0

43 Analisis Diskriminan Box's M F Approx df1 6 df E3 Sig..000 Function 1 2 Jml penduduk Jumlah penduduk usia sekolah (Constant) Variabel Wilks' Lambda Jumlah penduduk usia sekolah Jml penduduk 0.189

44 Analisis Diskriminan Box's M F Approx df1 6 df E3 Sig..000 Variabel Wilks' Lambda Jumlah penduduk usia sekolah Jml penduduk Function 1 2 Jml penduduk Jumlah penduduk usia sekolah (Constant) Y 1 = Jumlah penduduk usia sekolah Y 2 = Jumlah penduduk usia sekolah Z score = Jumlah penduduk usia sekolah

45 Analisis Diskriminan Put into Group Total Total N N correct Proportion

46 Analisis Diskriminan Normal 0, , wonocolo Variable score 1 score 2 0, ,00006 wonocolo Mean StDev N Density 0, , , ,00002 karang pilang 0,00001 jambangan gayungan karang pilang jambangan 0, tenggilis mej gununganyar gununganyar rungkut sukolilo tenggilis mej sukolilo Data

47 Pengelompokan menggunakan metode cluster Ward s gabungan pendidikan paling tinggi terdiri atas kecamatan Karang Pilang, Gayungan, Wonoc olo, Tenggilis Mejoyo, Dukuh Pakis, Tandes, Sukomanun ggal, Tambaksari, Kenjera n, Simokerto, Semampir, B ubutan dan Krembangan Analisis Diskriminan Z score = Jumlah penduduk usia sekolah Rungkut dan kecamatan Sukolilo berada di kelompok fungsi dengan dua variabel pembeda yang tinggi/baik

48 Agar mendpatkan karakteristik pendidikan yang lebih lengkap, disarankan melakukan survei mengenai kualitas pendidikan untuk setiap kecamatan. Penggunaan berbagai metode perlu dilakukan agar hasil yang didapat lebih optimal. Untuk pihak pemerintah untuk lebih memperhaikan ketersediaan sarana sekolah disetiap kecamatan.

49 DAFTAR PUSTAKA Adi, Marsetyo Analisis Pengelompokkan Dan Pemetaan Kecamatan Sebagai Dasar Program Untuk Mengatasi Masalah Masalah Sosial Ekonomi di Kota Surabaya. Surabaya: Jurusan Statistika FMIPA -ITS. Agustianti, Dwi, 2007, HubunganDukunganSosialdenganKualitasHidup Orang Dengan HIV/AIDS (ODHA) di Kota Bandar Lampung, Diakses 8 Februari Badan Pusat Statistika Provinsi Jawa Timur Surabaya Dalam Angka Surabaya: BPS Jawa Timur. Badan Pusat Statistika (BPS) Provinsi Sumatera Utara Keadaan Ketenagakerjaan Sumatera Utara Tahun 2011 [Online].Avaible : diakses tanggal 23 September Bhattacarya, G.K. dan Johnson, R.A Statistical Concepts and Metods. John Wiley & Sons, New York. Dinas Pendidikan Surabaya. dispendik.surabaya.go.id/ [online]. Avaible : diakses tanggal 04 februari Fachrimaulana Kesempatan Kerja. [Online]. Avaible : diakses 7 Februari Gabriel, K.R The Biplot Graphic Display of Materices with Aplication to Principal Component Analysis. Biometrika 58, 3: Gong X., Richman MB On the Application of Cluster Analysis to Growing Season Precipitation Data in North America East of The Rockies. J.Climate8: Johnson, N. And Wichern, D Applied Multivariate Statistical Analysis, 5th Edition. New Jersey: Prentice Hall, Englewood Cliffs. Morrison, D.F Multivariate Statistical Methods Third Edition. USA : Mc Graw Hill Inc. Nur, Arinda Pengelompokan Kabupaten di Provinsi Jawa Timur Berdasarkan Potensi Pertanian Pangan Tahun Surabaya: Jurusan Statistika FMIPA -ITS. Saraswati, Mila., Widaningsih, Ida Be smart ilmu pengethuan sosial. Jakarta : Grafindo. Widyago Pengertian Kependudukan. [Online]. Avaible : diakses 7 Februari 2014.

50