KLASIFIKASI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN TERBUKA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)

Transkripsi

1 TUGAS AKHIR - ST 1325 KLASIFIKASI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN TERBUKA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) NOVIYANTI SANTOSO NRP Dosen Pembimbing Muhammad Sjahid Akbar, S.Si, M.Si JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2009

2 TUGAS AKHIR - ST 1325 KLASIFIKASI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN TERBUKA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) NOVIYANTI SANTOSO NRP Dosen Pembimbing Muhammad Sjahid Akbar, M.Si JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2009

3 FINAL PROJECT - ST 1325 THE CLASSIFICATION OF REGENCY/CITY IN EASTERN JAVA BASED ON UNEMPLOYMENT BY MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) NOVIYANTI SANTOSO NRP Advisor Muhammad Sjahid Akbar, M.Si DEPARTMENT Of STATISTICS Faculty of Mathematics and Natural Sciences Sepuluh Nopember Institute Of Technology Surabaya 2009

4 LEMBAR PENGESAHAN KLASIFIKASI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN TERBUKA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) TUGAS AKHIR Diajukan Untuk Memenuhi Salah Satu Syarat Kelulusan Program Studi S-1 Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Oleh : NOVIYANTI SANTOSO NRP Disetujui oleh : Pembimbing Tugas Akhir Muhammad Sjahid Akbar, M.Si NIP Mengetahui Ketua Jurusan Statistika FMIPA-ITS Dr. Sony Sunaryo, M.Si NIP SURABAYA, AGUSTUS 2009

5 KLASIFIKASI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN TERBUKA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) Nama Mahasiswa : Noviyanti Santoso NRP : Jurusan : Statistika Dosen Pembimbing : Muhammad Sjahid Akbar, M.Si ABSTRAK Pengangguran merupakan masalah yang pasti dihadapi oleh setiap wilayah di Indonesia. Jawa Timur sebagai propinsi terpadat penduduknya juga menghadapi masalah tersebut. Tingkat pengangguran yang tinggi akan menimbulkan berbagai permasalahan sosial. Menurut Suparno (2008) tingkat pengangguran natural di Indonesia adalah antara 4 persen sampai 6 persen. Oleh sebab itu penelitian ini bertujuan untuk mendapatkan model untuk mengklasifikasikan kabupaten/kota menurut tingkat pengangguran terbuka dengan variabel-variabel yang berkontribusi dalam pengklasifikasian tersebut. Menurut Agresti (1990), metode klasifikasi yang baik akan menghasilkan sedikit kesalahan alokasi. Pendekatan Multivariate Adaptive Regression Spline (MARS) dipilih karena beberapa penelitian sebelumnya menyatakan bahwa metode ini lebih baik dibandingkan dengan metode klasifikasi lainnya. Hasil pemodelan dengan Multivariate Adaptive Regression Spline (MARS) terdapat tiga variabel yang berkontribusi dalam pengelompokan, yaitu tingkat investasi daerah, rasio banyaknya perusahaan, dan persentase angkatan kerja berpendidikan SMA keatas. Ketepatan klasifikasi model secara keseluruhan adalah 97.4 persen dengan nilai GCV yaitu dan R 2 sebesar 82.9 persen. Kata-kata kunci : Klasifikasi, pengangguran, MARS, GCV v

6 vi

7 THE CLASSIFICATION OF REGENCY/CITY IN EASTERN JAWA BASED ON UNEMPLOYMENT BY MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) Name of student : Noviyanti Santoso NRP : Department : Statistics Counselor : Muhammad Sjahid Akbar, M.Si ABSTRACT Unemployement is definitive problem faced by every region in Indonesia. East Java as populous province also face that problem. High level of unemployment would generate various social problems. According to Suparno (2008), the natural level of unemployment in Indonesia is between four until six percent. Because of that, purpose of this research is get classification model based on unemployment with variables which contribute in that classification. According Agresti (1990), the good classification methode will produced minimum error. Multivariate Adaptive Regression Spline chosen because there are many research before that conclude this methode is better than the others. The result of MARS models are three variables that contributed in this classification. There are the level of investation region, rasio of company at each region, and percent of employment whom education at least senior high school. The correct of classification over all is 97.4 percent with GCV and value of R 2 is 82.9 percent Key words: Classification, unemployment, MARS, GCV vii

8 viii

9 KATA PENGANTAR Syukur Alhamdulillah kehadirat Allah SWT, Tuhan semesta alam atas segala ridho, rahmat, nikmat, dan hidayah-nya sehingga penulis dapat menyelesaikan Tugas Akhir dengan judul: KLASIFIKASI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN TERBUKA DENGAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) Sholawat serta salam senantiasa penulis curahkan kepada junjungan Nabi besar Muhammad S.A.W beserta para keluarga serta sahabatnya yang telah memberi petunjuk kepada penulis khususnya dan seluruh umat manusia dalam menapaki jalan kehidupan sehingga selalu berada di jalan serta arah yang Diridhoi oleh Allah SWT. Selesainya laporan Tugas Akhir ini tidak lepas dari bantuan, bimbingan serta dukungan dari berbagai pihak. Oleh karena itu penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada: 1. Bapak Dr. Sony Sunaryo, M.Si selaku Ketua Jurusan Statistika ITS. 2. Bapak Muhammad Sjahid Akbar, M.Si selaku dosen pembimbing atas kesediaannya meluangkan waktu dan pikiran. 3. Ibu Mutiah Salamah, M.Kes selaku koordinator Tugas Akhir. 4. Bapak Bambang Otok, Bapak Sutikno, Ibu Ismaini Zain, dan Ibu Destri selaku dosen penguji. 5. Bapak Suhartono yang telah memberikan motivasi dan teladan bagi saya dan teman-teman. 6. Bapak Mukadi dan Ibu Amik selaku pembimbing di Dinas Tenaga Kerja Jawa Timur yang sudah memberikan informasi dan bantuan tentang ketenagakerjaan. ix

10 7. Seluruh dosen dan karyawan jurusan Statistika ITS atas ilmu dan pelayanannya. 8. Teristimewa untuk Bapak Kuatiman dan Ibu Saminem, terimakasih banyak atas perjuangan dan doanya untuk penulis selama ini. 9. Keluarga kecil penulis : Dek Uunk, Mbak Ulan, Mas Tofik, Aboy, atas doa dan canda tawanya. 10. Sahabat-sahabat Seperjuangan : Snoop, Elli, Putri, Mir atus, Elif, Istriana, Erick, Nicco, Galih atas dukungan yang membuat penulis tiada pernah merasa sendiri saat menyelesaikan tugas akhir ini. 11. Keluarga besar BEM FMIPA , terima kasih atas kerja sama dan kesabarannya. 12. Teman-teman Sigma 16, FORSIS, JMMI ITS, HIMASTA, yang memberikan warna dan mengisi hari-hari penulis. Dengan selesainya laporan ini, penulis menyadari bahwa Tugas Akhir ini masih belum sempurna, jika masih ada kekurangan diharapkan saran dan kritik agar dapat mengembang-kan penelitian Tugas Akhir ini. semoga memberi manfaat kepada penulis dan juga pembaca. Amin. Surabaya, Agustus 2009 Penulis x

11 DAFTAR ISI Halaman HALAMAN JUDUL... i LEMBAR PENGESAHAN... iii ABSTRAK... v ABSTRACT... vii KATA PENGANTAR... ix DAFTAR ISI... xi DAFTAR GAMBAR... xiii DAFTAR TABEL... xv DAFTAR LAMPIRAN... xvii BAB I PENDAHULUAN 1.1 Latar Belakang Rumusan Permasalahan Tujuan Penelitian Manfaat Penelitian Batasan Masalah... 5 BAB II TINJAUAN PUSTAKA 2.1 Multivariate Adaptive Regression Spline (MARS) Pemodelan Pada MARS Klasifikasi Pada MARS APER dan Kestabilan Klasifikasi dengan Press s Q Matrik Plot Angkatan Kerja Tingkat Pengangguran Terbuka BAB III METODOLOGI PENELITIAN 3.1 Sumber Data Variabel Penelitian Langkah-langkah Analisis Data xi

12 BAB IV ANALISIS DAN PEMBAHASAN 4.1 Analisi Deskriptif Aplikasi MARS untuk Klasifikasi Kabupaten/ Kota Menurut Tingkat Pengangguran Terbuka Model MARS Interpretasi Model MARS Ketepatan Klasifikasi Evaluasi Pengklasifikasian BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN xii

13 DAFTAR GAMBAR Halaman Gambar 2.1 Diagram Struktur Ketenagakerjaan...18 Gambar 3.1 Diagram Alir Penelitian Gambar 4.1 Pemetaan Kabupaten/Kota Menurut Tingkat Pengangguran Terbuka Tahun Gambar 4.2 Pemetaan Kabupaten/Kota dengan Menggunakan Model MARS xiii

14 xiv

15 DAFTAR TABEL Halaman Tabel 2.1 Kesalahan Klasifikasi Tabel 4.1 Persentase Kelompok/Kota di Jawa Timur Tabel 4.2 Statistika Deskriptif Variabel Prediktor dari Kabupaten/Kota dengan Tingkat Pengangguran Wajar Tabel 4.3 Statistika Deskriptif Variabel Prediktor dari Kabupaten/Kota dengan Tingkat Pengangguran Tidak Wajar Tabel 4.4 Hasil Kombinasi BF, MI, dan MO Tabel 4.5 Nilai Odds Ratio Masing-masing Koefisien Model Tabel 4.6 Kepentingan Variabel Prediktor Tabel 4.7 Kesalahan Klasifikasi Menurut Tingkat Pengangguran Tabel 4.8 Ketepatan dan Kestabilan Klasifikasi Menurut Tingkat Pengangguran Terbuka Tabel 4.9 Evaluasi Pengklasifikasian xv

16 xvi

17 DAFTAR LAMPIRAN Halaman Lampiran 1. Data Variabel Prediktor dan Variabel Respon Lampiran 2. Matrik Plot Antara Variabel Prediktor dan Variabel Respon Lampiran 3. Data Evaluasi Pengklasifikasian Lampiran 4. Output MARS dengan Kombinasi BF = 16, MI = 1, MO = Lampiran 5. Output MARS dengan Kombinasi BF = 16, MI = 2, MO = Lampiran 6. Output MARS dengan Kombinasi BF = 16, MI = 3, MO = Lampiran 7. Output MARS dengan Kombinasi BF = 16, MI = 1, MO = Lampiran 8. Output MARS dengan Kombinasi BF = 16, MI = 3, MO = xvii

18 xviii