ANALISIS CLUSTER TERHADAP RUMAH TANGGA MISKIN DI KABUPATEN TEGAL MENGGUNAKAN SELF ORGANIZING MAPS (SOM)

Transkripsi

1 ANALISIS CLUSTER TERHADAP RUMAH TANGGA MISKIN DI KABUPATEN TEGAL MENGGUNAKAN SELF ORGANIZING MAPS (SOM) Farah Nur Hidayah 1), Edy Widodo 2) 1 Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Indonesia ; farah.nnh@gmail.com 2 Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Indonesia edy.widodo@uii.ac.id Abstract Provinsi Jawa Tengah pada tahun 2016 tercatat memiliki penduduk miskin sebesar 13,19% lima diantaranya yaitu Wonosobo, Brebes, Rembang, Purbalingga, dan Pemalang masuk kabupaten dengan penduduk termiskin. Sejauh ini Kabupaten Tegal tidak termasuk kabupaten dengan penduduk miskin terbanyak. Meskipun demikian Kabupaten Tegal tidak lepas dari masalah kemiskinan. Tercatat pada tahun 2015 Kabupaten Tegal memiliki penduduk miskin dengan persentase sebesar 10,09% merupakan permasalahan yang serius. Seringkali kemiskinan mengandung dimensi spasial dimana terdapat kecenderungan bahwa lokasi masyarakat yang miskin tidaklah acak namun cenderung mengelompok dengan karakteristik tertentu. Pengelompokan karakteristik kemiskinan yang terjadi di Kabupaten Tegal dapat dikelompokkan dengan menggunakan Metode statistik guna mengetahui karakteristik kemiskinan yang hampir sama yaitu analisis Self Organizing Maps (SOM). SOM merupakan neural network yang sering digunakan untuk menganalisis data yang berdimensi tinggi. Penelitian ini bertujuan untuk mengidentifikasi karakteristik daerah-daerah miskin yang berada di Kabupaten Tegal dengan menggunakan data sekunder yang berasal dari sistem informasi masyarakat miskin milik Kabupaten Tegal. Diperoleh hasil bahwa dari rumah tangga di Kabupaten Tegal terbagi menjadi 4 cluster sebanyak 11% menempati cluster 1, cluster 2 sebanyak 82%, cluster 3 sebanyak 4% dan cluster 4 sebanyak 3%. Keywords: Tegal, Jawa Tengah, Cluster, Self Organizing Maps, Neural Network 1. PENDAHULUAN Miskin adalah kondisi kehidupan yang serba kekurangan yang dialami seseorang atau rumahtangga sehingga tidak mampu memenuhi kebutuhan minimal/yang layak bagi kehidupannya (BPS, 2004). Istilah kemiskinan sebenarnya bukan merupakan suatu hal yang asing dalam kehidupan kita, kemiskinan yang di maksud disini adalah kemiskinan ditinjau dari sisi material (ekonomi). Menurut Muljono (2010) masyarakat miskin pada umumnya lemah dalam kemampuan berusaha dan terbatas aksesnya kepada kegiatan ekonomi sehingga tertinggal jauh dari masyarakat lainnya yang mempunyai potensi yang lebih tinggi. Penduduk miskin biasanya dikaji dalam unit rumah tangga, bukan dalam unit individu.. Ada beberapa alasan untuk menganalisis rumah tangga miskin daripada penduduk atau individu miskin. Pertama, kemiskinan pada hakikatnya merupakan cermin keadaan ekonomi rumah tangga. Kedua, apabila ditemukan data-data rumah tangga miskin maka intervensi terhadap rumah tangga akan lebih efektif dibanding intervensi kemiskinan terhadap individu yang cenderung mengarah pada pandangan bahwa orang miskin memiliki karakteristik sebagai penyebab kemiskinannya. Ketiga, data-data tentang rumah tangga miskin lebih mudah untuk dikembangkan daripada data-data individu miskin. Fakta di lapangan menunjukkan bahwa kemiskinan mengandung dimensi spasial. Terdapat kecenderungan bahwa lokasi masyarakat miskin tidaklah acak, tetapi cenderung mengelompok pada lokasi-lokasi dengan karakteristik tertentu. Sejauh ini Kabupaten Tegal tidak termasuk ke dalam daftar 15 kabupaten miskin di Jawa Tengah Berdasarkan data Persentase Penduduk Miskin BPS Provinsi Jawa Tengah, Kabupaten Tegal berada pada urutan ke-15 dari 35 kabupaten di Jawa Tengah dengan persentase sebesar 10,09%. Kenyataan di atas bukan berarti bahwa Kabupaten Tegal bebas dari masalah 228 Prosiding Seminar Nasional Matematika dan Pendidikan Matematika, Integrasi Budaya, Psikologi, dan Teknologi dalam Membangun Pendidikan Karakter Melalui Matematika dan Pembelajarannya.

2 kemiskinan. Tercatat pada tahun 2014 jumlah penduduk miskin yaitu Hanya saja, proporsi penduduk miskin yang berada diatas 10% merupakan permasalahan yang serius. Mengingat Kabupaten Tegal berpenduduk terbesar kelima di Jawa Tengah, dampak kemiskinan dan upaya penanggulangannya yang terjadi di Kabupaten Tegal dapat memberikan kontribusi signifikan secara provinsi. Analisis multivariat merupakan salah satu analisis yang dapat digunakan dalam mengatasi permasalahan sehari-hari. Untuk itu dalam mengelompokkan objek-objek yang mempunyai kesamaan dalam hal ini kemiskinan analisis cluster menjadi salah satu metode yang dapat digunakan. Analisis cluster bertujuan untuk mengelompokkan objek-objek pengamatan berdasakan karakteristik yang dimiliki. Berdasarkan latar belakang diatas, maka penulis akan mengaplikasikan metode self organizing maps dalam judul Analisis Cluster Terhadap Rumah Tangga Miskin Di Kabupaten Tegal Menggunakan Self Organizing Maps (Som) Tahun KAJIAN LITERATUR DAN PEGEMBANGAN HIPOTESI 2.1 Analisis Cluster Analisis cluster adalah teknik multivariat yang tujuan utamanya adalah untuk mengelompokan objek berdasarkan kesamaan sifat yang dimiliki. Analisis cluster mengklasifikasikan objek sehingga setiap objek sangat mirip dengan objek lain akan ada dalam satu cluster dengan beberapa kriteria seleksi yang telah ditentukan. Cluster yang dihasilkan dari objek harus menunjukkan kesamaan yang tinggi di dalam cluster (homogenitas) dan antar cluster (heterogenitas) (Joseph 1998). 2.2 Self Organizing Maps Self Organizing Maps(SOM) adalah merupakanneural network yang sering digunakan untuk menganalisis data yang berdimensi tinggi. SOM bekerja dengan melakukan kompresi data dari dimensi tinggi ke dimensi rendah. SOM merupakan tipe unsupervised training artinya SOM tidak memerlukan data training untuk proses pembelajaran, melainkan langsung menggunakan input (Bullinaria, 2004). SOM pertama kali dikembangkan oleh Profesor Teuvo Kohonen dan metode ini telah diaplikasikan dalam banyak bidang Bullinaria (2004) menjelaskan beberapa proses-proses dalam SOM, yaitu: 1. Competitive processes : Untuk setiap pola input, neuron menghitung nilai masing-masing fungsi diskriminan yang memberi dasar untuk kompetisi. Neuron tertentu dengan nilai terkecil dari fungsi diskriminan dinyatakan sebagai pemenang. Terdapat input Xi, x= {xi : i=1,...,d} dan connection weight antara input unit i dan neuronj ditulisikan sebagai Wj= {wji : j=1,...,d}. Adapun fungsi diskrimanan didapatkan dari akar jarak Euclidean antara input vektor X dan weight vector Wj D d j (x) = (x i w ji ) 2 i=1 Neuron yang memiliki weight vectorlebih dekat kepada input vector akan dianggap sebagai winning neuron. 2. Cooperative Processes : Winning neuron menentukan lokasi spasial dari topological neighbourhood suatu neuron-neuron yang aktif sehingga memberikan dasar untuk kerjasama antara neuron-neuron yang bertetangga. Apabila Sij adalah jarak lateral antara neuron i dan jdan I(X) adalah index dari winning neuron, maka: T j,i(x) = exp ( S j,i(x) 2σ 2 ) Fitur khusus dari SOM adalah ukuran σdariketetanggaan harus menurun berdasarkan waktu. Sebuah time dependence yang biasa digunakan adalah suatu peluruhan eksponensial : σ(t) = σ 0 exp ( t ) t = 0,1,2. ; σ τ 0 1 = initialσ; τ 1 = waktukonstan 3. Adaptive Processes : Excited neuron menurunkan nilai fungsi diskriminan yang berkaitan dengan pola input melalui penyesuaian bobot terkait sehingga respon dari neuron pemenang keaplikasi berikutnya dengan pola input yang sama akan meningkat.dalam 2 Pendidikan Matematika Universitas Muhammadiyah Purworejo, Ruang Seminar UMP, Sabtu, 12 Mei

3 prakteknya, persamaan dari pembaharuan bobot tersebut adalah: Δw ji = w ji + η(t)t j,i(x) (t). (x i w ji ) Perlu diingat bahwa η(t)adalah learning-rate yang nilainya 0 η(t) 1. Nilai learning rate pada setiap epoch akan berkurang menjadi η(t + 1) = 0.5η 0 ; t = 0,1,2,.. Kondisi penghentian pengujian dilakukan apabila nilai w ji berubah hanya sedikit, berarti pengujian telah mencapai konvergensi sehingga dapat dihentikan. 2.3 Teori Kemiskinan Supriatna (1997) menjelaskan bahwa kemiskinan adalah situasi yang serba terbatas yang terjadi bukan atas kehendak orang yang bersangkutan. Suatu penduduk dikatakan miskin bila ditandai oleh rendahnya tingkat pendidikan, produktivitas kerja, pendapatan, kesehatan dan gizi serta kesejahteraan hidupnya, yang menunjukkan lingkaran ketidakberdayaan. Lebih lanjut Emil Salim (dalam Supriatna, 1997: 82) mengemukakan lima karakteristik penduduk miskin. Kelima karakterisktik penduduk miskin tersebut adalah: 1) Tidak memiliki faktor produksi sendiri, 2) Tidak mempunyai kemungkinan untuk memperoleh aset produksi dengan kekuatan sendiri, 3) Tingkat pendidikan pada umumnya rendah, 4) Banyak di antara mereka yang tidak mempunyai fasilitas, dan 5) Di antara mereka berusia relatif muda dan tidak mempunyai keterampilan atau pendidikan yang memadai. 3. METODE PENELITIAN Penelitian ini dilakukan di Kabupaten Tegal. Data yang digunakan dalam penelitian ini merupakan data sekunder dari hasil Pemutakhiran Basis Data Terpadu (PBDT) Tahun 2015 yang dirancang oleh Badan Perencanaan Pembangunan Daerah Kabupaten Tegal. Unit analisis dalam penelitian ini adalah rumah tangga miskin di Kabupaten Tegal dengan jumlah rumah tangga. Variabel X1 ID - X2 Luas lantai (m 2 ) X3 Jenis lantai terluas X4 Jenis dinding terluas Tabel 2. Lanjutan Variabel X5 Sumber air minum X6 Sumber penerangan utama Kategori - 1.Marmer/granit 2.Keramik 3.Parket/vinil/permadani 4.Ubin/tegel/teraso 5.Kayu/papan kualitas tinggi 6.Semen/bata merah 7.Bambu 8. Kayu/papan kualitas rendah 9.Tanah 10. Lainnya 1.Tembok 2.Plesteran anyaman bambu/kawat 3.Kayu 4.Anyaman bambu 5.Batang kayu 6.Bambu 7. Lainnya Kategori 1. Air kemasan bermerk 2.Air isi ulang 3.Leding meteran 4.Leding eceran 5.Sumur bor/pompa 6.Sumur terlindung 7.Sumur tak terlindung 8.Mata air terlindung 9.Mata air tak terlindung 10.Air sungai /danau/ waduk 11.Air hujan 12. Lainnya 1.Listrik PLN 2.Listrik non PLN 3.Bukan listrik Tabel 3.1 Variabel Penelitian X7 Bahan bakar untuk 1. Listrik 2. Gas >3kg 230 Prosiding Seminar Nasional Matematika dan Pendidikan Matematika, Integrasi Budaya, Psikologi, dan Teknologi dalam Membangun Pendidikan Karakter Melalui Matematika dan Pembelajarannya.

4 memasak X8 Penggunaan fasilitas BAB 3. Gas 3kg 4. Gas kota/biogas 5. Minyak tanah 6. Briket 7. Arang 8. Kayu bakar 9. Tidak memasak di rumah 1. Sendiri 2. Bersama 3. Umum 4. Tidak ada 4. HASIL DAN PEMBAHASAN Data rumah tangga miskin di Kabupaten Tegal Tahun 2015 diperoleh dari Badan Perencanaan Pembangunan Daerah Kabupaten Tegal. Sebelum dilakukan analisis cluster, terlebih dahulu dilakukan analisis deskriptif terhadap data, untuk melihat bagaimana gambaran umum tentang kondisi rumah tangga miskin di wilayah Kabupaten Tegal. perubahan kesejahteraan dari miskin menjadi tidak miskin ataupun sebaliknya. Kriteria pengukuran kemiskinan memiliki beberapa versi. Peneliti menggunakan kriteria pengukuran kemiskinan menurut BPS pada PSE05 yang menjadi dasar dilakukannya Pemutakhiran Basis Data Terpadu Tahun Analisis Cluster Analisis cluster dengan menggunakan metode Self Organizing Maps berkonsentrasi pada objek yang memiliki kemiripan. Semakin sama maka didalam pemetaan akan semakin berdekatan. Setelah dilakukan analisis Cluster dengan menggunakan software R diperoleh hasil berupa diagram fan untuk melihat karakteristik setiap anggota kelompok yang terbentuk. Gambar 4.2 Grafik banyaknya rumah tangga miskin pada setiap kelompok kecamatan di Kabupaten Tegal Gambar 4.1 Grafik Jumlah Penduduk Miskin Kabupaten Tegal Tahun Pada gambar 1 diatas merupakan grafik batang yang memperlihatkan jumlah penduduk miskin di Kabupaten Tegal. Studi semeru menunjukkan adanya program pemerintah, sebagian masyarakat dapat keluar dari kemiskinan. Dalam empat tahun terakhir terlihat fluktuatif dari tahun 2012 berada diangka 151,7 ribu rumah tangga kemudian ditahun berikutnya mengalami penurunan 0,006%, kemudian tahun 2014 terjadi penurunan dari 149,8 ribu menadi 140,3 ribu atau 0,03%. Artinya ada sebagian penduduk miskin pada tahun 2013 dan 2014 yang berubah menjadi tidak miskin. Sebaliknya ditahun 2015 terjadi kenaikan sebesar 0,01% atau 3,2ribu. Hal ini menunjukkan terjadi Pada gambar 2 diatas merupakan grafik banyaknya rumah tangga miskin pada setiap kelompok kecamatan di Kabupaten Tegal. Secara umum penduduk miskin paling banyak berada diantara cluster 1 dan cluster 2. Sebanyak 11% penduduk dengan kesejahteraan terendah berada di cluster 1. Untuk cluster 2 sebanyak 82%. Cluster ini merupakan cluster dengan anggota paling banyak. Cluster 3 dan 4 masing-masing 4% dan 3%. Tabel 4.1 Hasil Pembagian Cluster Kelompok Jumlah Anggota Cluster Cluster Pendidikan Matematika Universitas Muhammadiyah Purworejo, Ruang Seminar UMP, Sabtu, 12 Mei

5 Cluster Cluster Untuk mengetahui karakteristik masingmasing cluster, dapat dilihat melalui diagram fan berikut : hijau bakar untuk memasak dan penggunaan fasilitas BAB Diasosiasikan dalam suatu kelompok yang didominasi variabel Jenis dinding terluas, Penggunaan bahan bakar untukmemasak, Penggunaan fasilitas BAB Warna merah Karakteristik Dapat diasosiasikan dalam suatu kelompok yang didominasi variabel Luas lantai, Jenis dinding terluas, Sumber penerangan utama, Penggunaan fasilitas BAB. 5. KESIMPULAN Berdasarkan uraian pada pembahasan sebelumnya, dapat disimpulkan bahwa : Gambar 4.3 Output SOM Proses memahami diagram di algoritma Self Organizing Maps menurut Wehrens (2007) adalah ketika diagram telah memiliki suatu warna dan diberi batasan dengan vektor-vektor yang tervisualisasi dalam plot pemetaan. Berdasarkan diagram fan diatas, diketahui karakteristik dari masing-masing kelompok: Tabel 4.2 Karakteristik Masing-masing Cluster Warna biru orange Karakteristik Dapat diasosiasikan dalam suatu kelompok yang didominasi variabel Jenis lantai terluas, Jumlah penggunaan bahan bakar untuk memasak, sumber penerangan utama. Dapat diasosiasikan dalam suatu kelompok yang memiliki yang didominasi variabel Jenis lantai terluas, Jenis dinding terluas, penggunaan bahan 1. Diantara rumah tangga miskin di Kabupaten Tegal tahun 2015, 11% termasuk cluster 1, 82% termasuk cluster 2, sedangkan cluster 3 dan cluster 4 masingmasing 4% dan 3%. 2. Pengelompokkan dengan metode SOM menghasilkan empat cluster. Kemudian diasosiasikan menjadi dalam suatu kelompok warna yaitu biru, orange, hijau dan merah. Selain itu dari metode SOM memperoleh beberapa variabel penting atau dominan yaitu Jenis dinding terluas dan Penggunaan fasilitas BAB 6. REFERENSI Badan Pusat Statistik, Departemen Sosial Penduduk Fakir Miskin Indonesia, Jakarta: Badan Pusat Statistik Bulinaria, John A Lecture 16: Introduction to Neural Networks: Self Organizing Maps: Fundamentals. JR. Joseph F.Hair, Anderson, R.E, Tatham, R.L dan Black, W.C, Multivariate Data Analysis. 232 Prosiding Seminar Nasional Matematika dan Pendidikan Matematika, Integrasi Budaya, Psikologi, dan Teknologi dalam Membangun Pendidikan Karakter Melalui Matematika dan Pembelajarannya.

6 5thEdition.Prentice-Hall International, Inc Muljiono, P Model Pemberdayaan Masyarakat melalui Posdaya Masyarakat, Kebudayaan dan Politik. Th 23. No.(1): 9-16 Supriatna, T Birokrasi Pemberdayaan dan Pengentasan Kemiskinan. Bandung. Humaniora Utama Wehrens, dkk. Self and Super-organizing Maps in R : The Kohonen Package. Journal of Statistical Software. October 2007, Volume 21. Issue 5. Pendidikan Matematika Universitas Muhammadiyah Purworejo, Ruang Seminar UMP, Sabtu, 12 Mei