Klasifikasi Jenis Perceraian Kabupaten Sleman Berdasarkan Distal Causes Menggunakan Regresi Logistik

Transkripsi

1 Klasifikasi Jenis Perceraian Kabupaten Sleman Berdasarkan Distal Causes Menggunakan Regresi Logistik Khusnul Hajar Nuansari 1,*, Arum Handini Primandari 1, Desi Yuniarti 2 1 Program Studi Statistika, Universitas Islam Indonesia 2 Program Studi Statistika, Universitas Mulawarman korespondensi: @students.uii.ac.id Abstrak Angka perceraian di Indonesia dari tahun ke tahun menunjukkan kecenderungan yang meningkat. Kondisi yang serupa dialami oleh kabupaten Sleman. Pada tahun 2015, jumlah perceraian yang tercatat adalah 1509 kasus. Hal tersebut naik sejumlah 8,63 % daripada tahun sebelumnya yang berjumlah 1389 kasus. Meningkatnya kasus perceraian tersebut dapat disebabkan dari berbagai faktor baik langsung maupun tidak langsung. Untuk menanggulangi permasalahan tersebut, maka Dinas Kependudukan dan Pencatatan Sipil perlu meminimalisir kasus perceraian. Berdasarkan distal causes, peneliti ingin mengklasifikasikan jenis perceraian yang terjadi dengan menggunakan regresi logistik menggunakan software Python memanfaatkan Jupyter Notebook. Klasifikasi ini dimaksudkan untuk membangun model yang dapat digunakan untuk memprediksi jenis perceraian berdasarkan distal causes. Model dibentuk dengan melakukan beberapa kombinasi key random pada Python. Model terbaik diseleksi berdasarkan skor data training dan testing yang tertinggi. Diperoleh hasil model regresi logistik dengan training score dan testing score Nilai presisi data testing dari model tersebut sebesar 0.727, sedangkan akurasinya Kata kunci: perceraian, distal causes, klasifikasi, regresi logistik Pendahuluan Perkawinan menurut Undang-undang No 1 tahun 1974 ialah ikatan lahir batin antara seorang pria dengan seorang wanita sebagai suami isteri dengan tujuan membentuk keluarga (rumah tangga) yang bahagia dan kekal berdasarkan Ketuhanan Yang Maha Esa. Berdasarkan hal tersebut, maka seseorang melangsungkan perkawinan guna kehidupan keduanya menjadi lebih baik [5][3]. Namun begitu, tujuan perkawinan yang mulia tersebut belum dapat sepenuhnya dilakukan oleh pasangan suami isteri. Hal tersebut lantaran banyaknya kasus perceraian yang terjadi di Indonesia. Angka perceraian di Indonesia dari tahun ke tahun menunjukkan kecenderungan yang meningkat. Kementerian Agama Republik Indonesia melaporkan bahwa pada tahun 2015 tercatat sebanyak kasus perceraian terjadi di Indonesia. Hal tersebut naik 0,87 % daripada tahun sebelumnya yang berjumlah kasus. Kondisi yang serupa dialami oleh kabupaten Sleman. Pada tahun 2015, jumlah perceraian yang tercatat adalah 1509 kasus. Hal tersebut naik sejumlah 8,63 % daripada tahun sebelumnya yang berjumlah 1389 kasus. Meningkatnya kasus perceraian tersebut dapat disebabkan dari berbagai faktor baik langsung maupun tidak langsung. Faktor langsung yang sering terjadi adalah kekerasasan dalam rumah tangga dan perselingkuhan. Sementara faktor yang tidak langsung adalah usia perkawinan, pekerjaan, lama perkawinan, tingkat pendidikan dan lain sebagainya. Angka perceraian yang meningkat dari tahun ke tahun menimbulkan dampak yang sangat serius dalam keluarga. Perpisahan orang tua akan membawa dampak negatif pada kesejahteraan fisik dan psikologis seluruh anggota keluarga terutama anak. Perceraian berdasarkan pelaku yang mengawali terjadinya perceraian digolongkan menjadi 2 macam yaitu cerai talak dan cerai gugat. Cerai talak terjadi apabila suami yang mengajukan permohonan ke pengadilan untuk menceraikan isterinya, kemudian sang istri menyetujuiya. Sementara cerai gugat terjadi apabila istri mengajukan gugatan kepada suami sehingga perkawinan mereka menjadi putus. Sebelumnya, Asniar Khumas melakukan penelitian terkait Model Penjelasan Intensi Cerai Perempuan Muslim di Sulawesi Selatan dengan menggunakan regresi. Dalam penelitian tersebut, Asniar menggunakan faktor langsung dan tidak langsung untuk melihat intensi cerai. Hasil yang didapatkan adalah intensi cerai dipengaruhi oleh daya tarik negatif (faktor langsung) serta tingkat pendidikan (faktor tidak langsung). Untuk menanggulangi permasalahan tersebut, maka Dinas Kependudukan dan Pencatatan Sipil dalam upayanya untuk 6

2 melayani masalah kependudukan, tentunya harus meminimalisir kasus perceraian di Kabupaten Sleman dengan melihat faktor distal causes seperti lama perkawinan, usia perkawinan, pekerjaan, pendidikan dan lain sebagainya. Berdasarkan distal causes, peneliti ingin mengklasifikasikan jenis perceraian yang terjadi. Klasifikasi ini dimaksudkan untuk membangun model yang dapat digunakan untuk memprediksi jenis perceraian berdasarkan distal causes. Dengan mengetahui prediksi jenis perceraian (apabila terjadi perceraian), Dinas Kependudukan dan Pencatatan Sipil dapat mengupayakan cara/program untuk melakukan pencegahan. Proses klasifikasi dilakukan dengan menggunakan regresi logistik. Variabel distal causes yang berbentuk ordinal, yang berupa independent terlebih dahulu dibentuk variabel dummy-nya. Sementara vaiabel dependent adalah jenis perceraian yaitu cerai talak (1) dan cerai gugat (0). rentang lama serta lama perkawinan kelompok 4 yang mempunyai rentang lama 15. Variabel pekerjaan terdiri dari wiraswasta, swasta dan lainnya. Metode analisis yang digunakan adalah analisis regresi logistik. Regresi logistik digunakan untuk mengklasifikasikan jenis perceraian berdasarkan distal causes menggunakan regresi logistik. Sofware yang digunakan dalam analisis ini adalah program phyton menggunakan jupyter notebook. Berikut adalah diagram alir metode penelitiannya: Tujuan Penelitian Tujuan yang ingin dicapai dalam penelitian ini adalah 1. Mengetahui gambaran umum perceraian di Kabupaten Sleman pada tahun Mengklasifikasikan jenis perceraian berdasarkan distal causes menggunakan regresi logistik. Metodologi Data yang digunakan dalam penelitian ini merupakan data sekunder arsip perceraian kabupaten Sleman pada tahun Variabel penelitian yang digunakan terdiri dari variabel dependent dan variabel independent. Variabel dependent yang digunakan adalah jenis perceraian yang terdiri dari cerai talak dan cerai gugat. Sementara variabel independent yang digunakan adalah usia perkawinan, lama perkawinan dan pekerjaan. Variabel usia perkawinan terdiri dari usia perkawinan kelompok 1 yang mempunyai rentang usia tahun, usia perkawinan kelompok 2 yang mempunyai rentang usia tahun, usia perkawinan kelompok 3 yang mempunyai rentang usia tahun serta usia perkawinan kelompok 4 yang mempunyai rentang usia 30 tahun. Variabel lama perkawinan terdiri dari lama perkawinan kelompok 1 yang mempunyai rentang lama 0-4, lama perkawinan kelompok 2 yang mempunyai rentang lama 5-9, lama perkawinan kelompok 3 yang mempunyai Gambar 1. Diagram Alir Metode Penelitian Analisis deskriptif digunakan untuk lebih memahami data yang akan diolah. Analisis statistik deskriptif adalah statistik yang mempelajari metode meringkaskan dan menggambarkan segi-segi yang sangat penting dari data [11]. Grafik yang digunakan dalam analisis deskriptif dalam penelitian ini adalah grafik batang. Analisis regresi akan dilakukan dengan bantuan open-source software Python. Dalam menulis program Python memanfaatkan jupyter notebook. Sementara modul analisis regresi logistik diperoleh dari scikit-learn, yang merupakan modul tidak berbayar. Regresi logistik adalah salah satu model untuk menduga hubungan antara peubah respon kategori dengan satu atau lebih peubah prediktor yang kontinyu ataupun kategori [4]. Perbedaan antara model regresi logistik dengan model regresi linear adalah variabel respon dari regresi logistik bersifat dikotomus. 7

3 Untuk varibel respon Y dua kategori, perlu diingat bahwa π(x) merupakan peluang nilai sukses dari variabel prediktor X. Pada kasus perceraian ini, maka variabel respon Y ( ) dua kategori yaitu yi 1 jika cerai talak, yi 0 jika cerai yang lainnya. Model regresi logistik adalah[10][9][7]: y i Persamaan tersebut kemudian di transformasi dan kemudian dikenal dengan transformasi logit π(x) untuk memperoleh fungsi g(x) yang linear dalam parameternya, sehingga mempermudah pendugaan parameter regresi [9]. Rumusnya adalah sebagai berikut: Regresi logistik mengindikasikan bahwa [8]: a. Untuk βi > 0, kenaikan satu satuan x pengaruhnya terhadap kenaikan nilai logit. b. Untuk βi < 0, kenaikan satu satuan x pengaruhnya terhadap penurunan nilai logit. Untuk menentukan melihat performa model digunakan cross validation. Cross validation terbagi menjadi dua tahap, yaitu tahapan learning dan testing. Pada tahap learning/pembelajaran, sebagian data yang telah diketahui kelasnya (data latih) digunakan untuk membuat model klasifikasi. Tahap testing/pengujian menguji data uji dengan model klasifikasi untuk mengetahui akurasi model klasifikasi tersebut [2]. Sementara dalam mengukur ketepatan model, digunakan nilai presisi dan akurasi [6][7]. Nilai Sebenarnya Nilai Prediksi True False True TP (True Positive) TN (True Negative) False FP (False Positive) FN (False Negative) Gambar 2. Diagram Batang Jumlah Perceraian Berdasarkan Jenisnya Jenis perceraian terbagi menjadi 2 yaitu cerai talak dan cerai gugat. Berdasarkan diagram batang, kasus cerai gugat mempunyai jumlah yang lebih besar daripada kasus cerai talak yaitu 78 kasus. Gambar 3. Diagram Batang Jumlah Perceraian Berdasarkan Lama Perkawinan Variabel lama perkawinan dibagi menjadi 4 kelompok yaitu rentang 0-4 tahun, 5-9 tahun, tahun serta 15 tahun. Berdasarkan lama perkawinan, maka kasus perceraian terendah adalah rentang 0-4 tahun serta tahun sebanyak 21 kasus. Sementara kasus perceraian tertinggi adalah rentang 5-9 tahun sebanyak 39 kasus. Hasil dan Pembahasan Pendeskripsian kasus perceraian di Kabupaten Sleman dapat dilakukan dengan visualisasi data perceraian yang terdiri dari beberapa variabel. Berikut adalah visualisasi dengan diagram batang. Gambar 4. Diagram Batang Jumlah Perceraian Berdasarkan Usia Perkawinan Variabel usia perkawinan dibagi menjadi 4 kelompok yaitu rentang tahun,

4 tahun, tahun serta 30 tahun. Kasus perceraian tertinggi adalah pada usia perkawinan tahun sebanyak 45 kasus. Tabel 1. Hasil Key Random Gambar 5. Diagram Batang Jumlah Perceraian Berdasarkan Pekerjaan Variabel pekerjaan dibagi menjadi 3 kelompok yaitu swasta, wiraswasta serta lainnya. Berdasarkan pekerjaan, maka kasus perceraian terendah adalah pekerja wiraswasta sebanyak 21 kasus. Sementara kasus perceraian tertinggi adalah pekerja swasta sebanyak 58 kasus. Pengklasifikasian jenis perceraian berdasarkan distal causes menggunakan regresi logistik dilakukan dengan menggunakan Python dengan memanfaatkan jupyter notebook. Pada software Phyton. Pengklasifikasian dilakukan dengan melakukan percobaan pada mesin sebanyak 5 kali. Percobaan pada masing-masing mesin dilakukan dengan menggunakan key random yang berbeda-beda. Key random yang berbeda-beda akan menghasilkan training set dan testing set yang berbeda-beda pula. Percobaan dilakukan berulang kali untuk membandingkan trainingscore dan testing score pada setiap mesin sehingga didapatkan nilai yang optimum untuk membuat model regresi logistik. Banyaknya data yang digunakan untuk membuat model atau training adalah 80 % dari data. Sementara sisanya yang berjumlah 20% dari data digunakan untuk testing. Dengan demikian, dari 113 data yang digunakan peneliti, banyaknya data yang digunakan untuk training sebanyak 90. Sementara data yang digunakan untuk testing sebanyak 23. Mesin dapat dikatakan bagus jika test score lebih besar daripada train score. Berikut adalah hasil percobaan tiap-tiap mesin dengan key random yang berbeda-beda: Berdasarkan hasil diatas, maka mesin yang mempunyai hasil bagus dibandingkan dengan keempat mesin lainnya adalah mesin 1 dengan key random 432. Hal tersebut lantaran test score lebih besar daripada train score. Pada mesin yang lain, nilai test score lebih kecil dibandingkan dengan train score. Dengan demikia, mesin yang digunakan untuk mengklasifikasikan jenis perceraian berdasarkan distal causes menggunakan regresi logistik adalah mesin 1. Pada mesin 1, data yang digunakan untuk training adalah: Tabel 2. Data training Sementara data yang digunakan untuk testing adalah: 9

5 Tabel 3. Data Testing Nilai coefficient yang terbentuk pada mesin 1 berdasarkan data training adalah: Tabel 4. Hasil Coefficient Berdasarkan nilai coefficient, maka perkiraan jenis perceraian berdasarkan distal causes pada kelompok testing adalah: Tabel 5. Hasil Perkiraan Data Testing Berdasarkan hasil diatas, maka dapat diklasifikasikan bahwa kategori cerai talak terjadi jika lama perkawinan 5-9 tahun, mempunyai usia lebih dari 30 tahun serta mempunyai pekerjaan wiraswasta. Sementara cerai gugat terjadi jika: 1. Lama perkawinan tahun, mempunyai usia tahun serta mempunyai pekerjaan lainnya. 2. Lama perkawinan 5-9 tahun, mempunyai usia tahun serta mempunyai pekerjaan wiraswasta. 3. Lama perkawinan 0-4 tahun, mempunyai usia tahun serta mempunyai pekerjaan wiraswasta. 4. Lama perkawinan lebih dari 15 tahun, mempunyai usia tahun serta mempunyai pekerjaan lainnya. 5. Lama perkawinan tahun, mempunyai usia lebih dari atau sama dengan 30 tahun serta mempunyai pekerjaan wiraswasta. 6. Dan seterusnya. Hasil pengklasifikasian diatas menunjukkan bahwa terdapat banyak variabel distal causes tertentu yang menjadi penyebab terjadinya cerai gugat daripada cerai talak. Untuk mengukur kinerja dari hasil prediksi diatas, maka dapat digunakan presisi serta akurasi. Berikut adalah hasilnya: Nilai Sebenarnya Nilai Prediksi True True 16 6 False 1 0 False Presisi= 16/(16+6) =0.727 Akurasi= (16+1)/( ) =0.739 Berdasarkan hasil tersebut, tingkat ketepatan antara informasi yang diminta oleh pengguna dengan jawaban yang diberikan oleh sistem adalah sebesar Sementara tingkat kedekatan antara nilai prediksi dengan nilai aktual adalah sebesar Dari niliai presisi dan akurasi yang besar tersebut menunjukkan bahwa mesin mampu membu model secara baik. Kesimpulan Berdasarkan analisis dan pembahasan yang telah dilakukan pada bab sebelumnya, maka dapat ditarik kesimpulan sebagai berikut: 1. Pada kasus cerai talak, kasus perceraian terbanyak adalah seseorang yang memiliki lama perkawinan 5-9 tahun, usia perkawinan 30 serta pekerjaan swasta. Jumlahnya adalah 4 kasus dari 35 kasus cerai talak. Sementara pada kasus cerai gugat, kasus perceraian terbanyak adalah seseorang yang memiliki lama 10

6 perkawinan 15 tahun, usia perkawinan tahun serta pekerjaan lainnya. Jumlahnya adalah 9 kasus dari 78 kasus cerai gugat. 2. Model yang dapat digunakan untuk mengklasifikasikan jenis perceraian berdasarkan distal causes adalah: Dengan akurasi dan presisi Daftar Pustaka [1] Ali, Z. (2014). Hukum Perdata Islam di Indonesia. Jakarta: Sinar Grafika. [2] Bonifacius Vicky Indriyono, E. U. (2015, Oktober). Pemanfaatan Algoritma Porter Stemmer untuk Bahasa Indonesia dalam Proses Klasifikasi Jeni8s Buku. Jurnal Buana Informatika, VI, [3] Dariyo, A. (2004, Desember). Memahami Psikologi Perceraian dalam Kehidupan Keluarga. Jurnal Psikologi, II. [4] Delbra Andhini Fitrianty, N. W. (t.thn.). Ketepatan Klasifikasi dengan Analisis Regresi Logistik dan Multivariate Adaptive Regression Splines (MARS) pada Data dengan Peubah Respon Biner. [5] Hadikusuma, H. (2003). Hukum Perkawinan Indonesia. Bandung: Mandar Maju. [6] Lestari, I. D. (2016, Oktober). Klasifikasi Online dan Google. Jurnal Iqra', X. [7] Lubis, A. G. (2012, Maret). Penerapan Data Mining Untuk Memprediksi Kriteria Nasabah Kredit. Jurnal Komputer dan Informatika (KOMPUTA), I. [8] Nugraha, J. (2016). Pengantar Analisis Data Kategorik. Yogyakarta: Deepublish. [9] Purnami, F. A. (2012, September). Analisis Diagnosis Pasien Kanker Payudara Menggunakan Regresi Logistik dan Support Vector Machine (SVM) Berdasarkan Hasil Mamografi. Jurnal Sains dan Seni ITS. [10] Ratna, A. Y. (2012, September). Analisis Pemakaian Kemoterapi pada Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien di Rumah Sakit X Surabaya). Jurnal Sains dan Seni ITS. [11] Slat, A. H. (2013, Juni). Analisis Harga Pokok Produk dengan Metode Full Costing. EMBA, 1, [12] Soejati, Z. (2014). Metode Statistika 1. Tangerang Selatan: Universitas Terbuka. 11