Pemodelan Ketahanan Pangan di Indonesia dengan Pendekatan Regresi Probit Ordinal

Transkripsi

1 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prit) D-151 Pemodela Ketahaa Paga di Idoesia dega Pedekata Regresi Probit Ordial Deby Lolita Permatasari 1 da Vita Ratasari 2 Jurusa Statistika, Fakultas MIPA, Istitut Tekologi Sepuluh Nopember (ITS) Jl. Arief Rahma Hakim, Surabaya Idoesia 1 deby12@mhs.statistika.its.ac.id da 2 vita_rata@statistika.its.ac.id Abstrak Paga merupaka kebutuha dasar mausia yag harus dipeuhi setiap saat termasuk di Idoesia. Kebijaka tetag paga di Idoesia diatur dalam Udag-Udag No.18 Tahu Berdasarka FSVA tahu 2015 yag merupaka salah satu program pemeritah yag dilaksaaka dalam ragka mewujudka kedaulata da kemadiria paga, diketahui sebesar 8% wilayah di Idoesia megalami peurua tigkat ketahaa paga. Provisi tersebut diataraya adalah Provisi Papua, diikuti dega NTT, Maluku, da Papua Barat. Papua mejadi provisi dega persetase tertiggi di beberapa variabel seperti persetase peduduk hidup dibawah garis kemiskia yaitu sebesar 31,52%, persetase keluarga yag tiggal di desa dega akses terbatas ke fasilitas kesehata (>5 km) sebesar 40,65%, da variabel persetase perempua buta huruf sebesar 39,84%. Dikareaka pola data prioritas ketahaa paga yag diguaka bersifat kategori bertigkat, maka pemodela dilakuka megguaka regresi probit ordial. Hasil yag didapatka dega megguaka metode backward dalam pemiliha model terbaik adalah diguakaya lima variabel prediktor yag sigifika terhadap model, da ilai koefisie determiasi sebesar 57,5%. Kata Kuci FSVA, Ketahaa Paga, Regresi Probit Ordial. P I. PENDAHULUAN aga merupaka kebutuha dasar mausia yag harus dipeuhi setiap saat. Idoesia megatur kebijaka tetag paga dalam UU No. 18 Tahu 2012 yag didefiisika sebagai kodisi terpeuhiya paga bagi egara sampai dega perseoraga, yag tercermi dari tersediaya paga yag cukup, baik jumlah maupu mutuya, ama, beragam, bergizi, merata, da terjagkau serta tidak bertetaga dega agama, keyakia, da budaya masyarakat, utuk dapat hidup sehat, aktif, da produktif secara berkelajuta [1]. Tiga kompoe utama ketahaa paga yag didefiisika World Health Orgaizatio diataraya adalah ketersediaa paga, akses paga, da pemafaata paga. Ketersediaa paga adalah kodisi dimaa tersediaya paga baik berdasarka hasil produksi dalam egeri, cadaga paga, serta pemasuka paga, termasuk didalamya impor da batua paga, apabila kedua sumber utama tidak dapat memeuhi kebutuha rumah tagga utuk memperoleh cukup paga. Akses paga berhubuga dega kemampua rumah tagga utuk memperoleh cukup paga, baik yag berasal dari produksi sediri, stok, pembelia, barter, hadiah, pijama, da batua paga. Sedagka pemafaata paga adalah kemampua dalam memafaatka baha paga dega bear da tepat proporsioal. FSVA (Food Security ad Vulerability Atlas) atau Peta Ketahaa da Keretaa Paga Idoesia yag diterbitka pada tahu 2015 melakuka pegelompoka status ketahaa paga mejadi 6 kategori prioritas. Dimaa wilayah prioritas 1 termasuk ke dalam daerah dega status reta paga, da prioritas 6 adalah wilayah yag berstatus taha paga. Berdasarka hasil FSVA 2015 didapatka bahwa ketahaa paga telah meigkat utuk sebagia besar masyarakat Idoesia atara tahu 2009 da Namu terdapat peurua status prioritas sebayak satu tigkat atau lebih di 8% dari seluruh wilayah di Idoesia [1]. Peelitia sebelumya megeai ketahaa paga perah dilakuka oleh Nurhemi [2], Sari [3], da Mu im [4]. Secara keseluruha didapatka hasil bahwa faktor-faktor yag sigifika adalah ketersediaa paga, akses paga, da pemafaata paga. Regresi probit ordial merupaka metode regresi yag dapat diguaka utuk mejelaska hubuga atara variabel respo yag merupaka variabel kategorik berskala ordial dega variabel prediktor yag terdiri dari variabel kotiu. Peelitia sebelumya megeai regresi probit ordial perah dilakuka oleh Fattah [5], Rachmasita [6], Kuriasari [7], da Kockelma & Kweo [8]. Berdasarka fakta megeai keadaa status ketahaa paga yag telah dijelaska sebelumya, maka perlu dilakuka suatu usaha utuk megatasi tataga adaya kerawaa paga da peurua tigkat ketahaa paga, serta memahami faktor apa saja yag mempegaruhiya. Pada peelitia ii variabel depede yag diguaka adalah kategori prioritas ketahaa paga di 33 provisi di Idoesia yag bersifat kategorik bertigkat, sehigga metode regresi probit ordial mejadi salah satu metode yag dapat diguaka. II. Regresi Probit Ordial TINJAUAN PUSTAKA Regresi probit ordial merupaka metode statistika yag diguaka utuk megetahui pola hubuga atar dua variabel atau lebih, dimaa variabel respo yag diguaka bersifat kategorik bertigkat atau ordial da variabel prediktorya bersifat kategorik atau kotiu. Berikut merupaka persamaa model awalya. Y = xβ + ε (1) Keteraga: Y = variabel respo kotiu x = vektor variabel bebas, x = [1 X 1i X pi ] T β = vektor parameter koefisie, β = [β 0 β 1 β p ] T ε = error yag diasumsika N(0, σ 2 )

2 D-152 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prit) Pada regresi probit ordial dilakuka pegkategoria terhadap Y secara ordial, yaitu utuk Y γ 1 dikategorika dega Y = 1, utuk γ 1 Y γ 2 dikategorika dega Y = 2,, utuk γ i 1 Y γ i dikategorika dega Y = i,, utuk Y > γ k dikategorika dega Y = k, sehigga diperoleh model sebagai berikut. P(Y = 1) = Ф(γ 1 β T x ) (2) P(Y = 2) = Ф(γ 2 β T x) Ф(γ 1 β T x) (3) P(Y = i) = Ф(γ i β T x) Ф(γ i 1 β T x) (4) P(Y = k) = 1 Ф(γ c 1 β T x) (5) Meurut Greee [9], utuk melakuka iterpretasi pada model regresi probit ordial pada persamaa (2) sampai dega (5) adalah megguaka efek margial (margial effects). Efek margial meyataka besarya pegaruh tiap variabel prediktor yag sigifika terhadap probabilitas tiap kategori pada variabel respo [10]. P(Y=1 x) = β Φ(γ 1 β T x) (6) P(Y=2 x) P(Y=i x) P(Y=c x) = [Φ(γ 1 β T x) Φ(γ 2 β T x)]β (7) = [Φ(γ i β T x) Φ(γ i+1 β T x)]β (8) = βφ(γ c 1 β T x) (9) 1) Idetifikasi Asumsi Bebas Multikoliearitas Pegujia asumsi bebas multikoliearitas merupaka salah satu asumsi yag harus terpeuhi pada regresi probit ordial. Multikoliearitas merupaka kodisi dimaa terdapat korelasi atau hubuga yag liear atar variabel prediktor yag sigifika terhadap model. Utuk megetahui ada tidakya multikoliearitas dapat diguaka ilai Variace Iflatio Faktors (VIF). Dikataka terdapat multikoliearitas apabila ilai VIF lebih dari 10 [11]. VIF = 1 2, utuk j = 1,2,, p (10) 1 R j 2 Dimaa R j merupaka ilai koefisie determiasi dari hasil regresi atara satu variabel prediktor X j yag berpera sebagai variabel respo dega variabel X j laiya yag berpera sebagai variabel prediktor [10]. 2) Estimasi Parameter Pedugaa parameter dalam persamaa regresi probit ordial salah satuya adalah dega megguaka metode Maximum Likelihood (MLE). Metode Maximum Likelihood megestimasi parameter β dega memaksimumka fugsi likelihood dega syarat data megikuti distribusi tertetu. Berikut merupaka persamaa dari fugsi likelihood. L(β) = [p 1 (x i )] y 1i [p 2 (x i )] y 2i [p c (x i )] y ci (11) Kemudia dilakuka l likelihood, yaitu l L(β) = l [p 1 (x i )] y 1i [p 2 (x i )] y 2i [p c (x i )] y ci = c k=1 y ki l p k (x i ) (12) Lagkah berikutya adalah meuruka l-likelihood terhadap β. l L(.) = c y β β k=1 ki l p k (x i ) = c 1 y ki p k(x i ) k=1 p k (x i ) β Utuk medapatka β diperoleh melalui pedekata iteratif megguaka metode Newto-Raphso dega persamaa sebagai berikut. β (l+1) = β (l) H 1 (β (l) )y (β (l) ) Dimaa persamaa utuk H 1 (β ) adalah sebagai berikut. H 1 (β ) = 2 l L(β ) β T β Iterasi aka berheti jika, β (l+1) β (l) ε da ε merupaka bilaga yag sagat kecil. β (l+1) β (l) = (β 0 (l+1) β 0 (l) ) 2 + (β 1 (l+1) β 1 (l) ) (β k (l+1) β k (l) ) 2 Sehigga atiya didapatka β = β (m), dega m merupaka iterasi terakhir. Pedugaa Maximum Likelihood β merupaka peduga tak bias da medekati distribusi ormal [10]. 3) Pegujia Sigifikasi Parameter Peguiia parameter perlu dilakuka terhadap model utuk megetahui apakah variabel-variabel prediktor yag diguaka berpegaruh sigifika terhadap variabel respo. Pegujia ii dilakuka sebayak dua tahap, yaitu uji seretak da uji parsial [12]. Uji seretak dilakuka utuk megetahui sigifikasi koefisie β terhadap variabel respo secara seretak atau keseluruha, dega perumusa hipotesis sebagai berikut. H 0 : β 1 = β 2 = = β p H 1 miimal ada satu β l 0, dimaa l = 1,2,, p Statistik uji G 2 atau Likelihood Ratio Test, dega persamaa sebagai berikut: G = 2 l [ ( 1 ) 1 ( 0 ) 0 ] i π iy (1 π i) 1 y i dega 0 = (1 y i ), 1 = y i, da = Daerah peolaka: Tolak H 0 jika ilai G > χ 2 (α, v) atau Pvalue < α. Uji parsial dilakuka jika pada pegujia seretak didapatka hasil tolak H 0. Pegujia ii dilakuka utuk megetahui pegaruh koefisie β secara idividu, dega perumusa hipotesis sebagai berikut. H 0 : β l = 0 H 1 β l 0, dimaa l = 1,2,, p Statistik uji Wald : W = β l, SE(β l) = [var(β l)] 1/2 SE(β l) Daerah peolaka: Tolak H 0 jika ilai W > Z α/2 atau Pvalue < α. 4) Uji Kesesuaia Model Uji kesesuaia model merupaka suatu uji yag diguaka utuk megetahui apakah terdapat perbedaa atara hasil observasi dega hasil prediksi, dega hipotesis sebagai berikut. H 0 : model sesuai (tidak terdapat perbedaa atara hasil observasi dega hasil prediksi) H 1 : model tidak sesuai (terdapat perbedaa atara hasil observasi dega hasil prediksi) Statistik uji : g (O C = k kπ k) 2 c k=1, O k = k c m j=1 y j, π k = k j π k j=1 (5) kπ k(1 π k) k Daerah peolaka: Tolak H 0 jika ilai C > χ 2 (α, g 2) atau Pvalue < α [12].

3 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prit) D-153 Ketahaa Paga Paga merupaka kebutuha palig medasar bagi kelagsuga hidup mausia. Pemeuha kebutuha paga bagi keberlagsuga kehidupa bagsa mejadi perhatia besar Idoesia. Idoesia megatur kebijaka tetag paga dalam UU No. 18 tahu Terdapat tiga faktor utama sebagai peetu ketahaa paga di Idoesia, atara lai ketersediaa paga, akses paga, da pemafaata paga [1]. Ketersediaa paga merupaka kodisi tersediaya paga dari hasil produksi dalam egeri, cadaga paga, serta pemasuka paga apabila kedua sumber utama tidak dapat memeuhi kebutuha. Akses paga adalah kemampua rumah tagga utuk memperoleh cukup paga yag bergizi, melalui satu atau kombiasi dari berbagai sumber. Sedagka pemafaata paga merujuk pada pegguaa paga oleh rumah tagga da kemampua idividu utuk meyerap da memetabolisme zat gizi. Pemafaata paga juga meliputi cara peyimpaa, pegolaha da peyiapa makaa, keamaa air utuk dikosumsi, kodisi kebersiha da lai-lai [1]. Peta Ketahaa da Keretaa Paga (FSVA) Idoesia tahu 2015, yag disusu oleh Dewa Ketahaa Paga, Kemeteria Pertaia, da World Food Programme, melakuka pegelompoka status kabupate ke dalam eam kelompok prioritas berdasarka distribusi kuatitatif tigkat pecapaia di atara kabupate. Kabupate yag masuk ke dalam prioritas 1 da 2 termasuk dalam kategori daerah rawa paga, prioritas 3 da 4 termasuk kategori sedag, da kabupate di prioritas 5 da 6 masuk dalam kategori taha paga. Pegelompoka status ketahaa paga tersebut tetuya didasari oleh beberapa idikator. Keeam kelompok prioritas tersebut didapatka dari hasil pegukura rasio kosumsi paga terhadap produksi serelia, peduduk hidup dibawah garis kemiskia, ifrastruktur trasportasi da listrik, akses terhadap air mium da fasilitas kesehata, agka harapa hidup, agka perempua buta huruf, stutig da uderweight pada balita, selai itu jika dilihat dari faktor iklim. III. Sumber Data METODOLOGI PENELITIAN Data yag diguaka adalah data sekuder yag diperoleh dari BPS tahu , SUSENAS tahu , RISKESDAS tahu 2013, da Kemeteria Pertaia tahu Variabel Peelitia Variabel yag diguaka pada peelitia ii merupaka data 33 provisi di Idoesia da disajika pada Tabel 1. seperti berikut. TABEL 1. VARIABEL PENELITIAN Variabel Keteraga Skala Pegukura Y Prioritas Ketahaa Paga Ordial X 1 Produktivitas Taama Padi Rasio X 2 Produktivitas Taama Jagug Rasio X 3 Produktivitas Taama Ubi Kayu Rasio X 4 Produktivitas Taama Ubi Jalar Rasio X 5 Produktivitas Kacag Taah Rasio TABEL 2. VARIABEL PENELITIAN (LANJUTAN) Variabel Keteraga Skala Pegukura X 6 Persetase Rumah Tagga Tapa Akses Rasio Listrik X 7 Persetase Peduduk di Bawah Garis Rasio Kemiskia X 8 Koefisie Gii Iterval X 9 Persetase Keluarga yag Tiggal di Desa Rasio dega Akses Terbatas ke Fasilitas Kesehata (>5 km) X 10 Persetase Rumah Tagga Akses yag Rasio Sagat Terbatas ke Sumber Air Bersih X 11 Persetase Perempua Buta Huruf Rasio X 12 Agka Harapa hidup Iterval X 13 Prevalesi Pada Balita Stutig (perse) Rasio Lagkah Aalisis Lagkah aalisis yag diguaka pada peelitia ii adalah sebagai berikut. 1. Megumpulka data status ketahaa paga da variabel-variabel yag diduga berpegaruh. 2. Melakuka pegolaha da peyajia data secara statistika deskriptif. 3. Melakuka pegeceka asumsi bebas multikoliearitas, dilajutka dega uji parameter secara seretak gua megetahui apakah variabelvariabel prediktor berpegaruh secara bersama-sama terhadap variabel respo. 4. Melakuka uji parsial utuk megetahui variabel prediktor maa yag berpegaruh terhadap variabel respo. 5. Memodelka variabel prediktor terhadap variabel respo megguaka regresi probit ordial. Serta meghitug ilai ketepata klasifikasi hasil prediksi model regresi probit ordial, da melakuka uji kesesuaia utuk model regresi yag telah didapatka. 6. Megiterpretasi model regresi da mearik kesimpula. IV. HASIL DAN PEMBAHASAN Pada bagia ii dilakuka aalisis regresi probit ordial terhadap data ketahaa paga di Idoesia dimaa variabel respo yag diguaka meliputi kategori prioritas ketahaa paga di Idoesia da 13 variabel prediktor yag diduga berpegaruh. Sebelumya aka disajika hasil dari statistika deskriptif utuk megetahui karakteristik pada data. Karakteristik Kelompok Prioritas Ketahaa Paga di Idoesia FSVA Idoesia yag diterbitka pada tahu 2015 melakuka pegelompoka provisi di Idoesia mejadi eam prioritas ketahaa paga yaitu prioritas 1 higga prioritas 6. Gambar 1. Meyajika diagram ligkara persetase kelompok prioritas dari 33 provisi di Idoesia yag merupaka variabel respo dalam peelitia ii. Gambar 1. Persetase Prioritas Ketahaa Paga di Idoesia

4 D-154 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prit) Berdasarka Gambar 1, diketahui provisi dega tigkat ketahaa paga teredah (reta paga) adalah provisi Papua yag masuk kedalam prioritas 1 dega persetase sebesar 3,03% dari 33 provisi di Idoesia. Diikuti dega provisi yag masuk kedalam prioritas 2 (sebesar 9,09% dari seluruh provisi Idoesia) yaitu provisi NTT, Maluku, da Papua Barat. Pada kelompok prioritas 3 terdapat 4 provisi diataraya adalah Gorotalo, Sulawesi Tegah, Kalimata Selata, da NTB. Utuk provisi yag masuk kedalam prioritas 5 yaitu sebayak 8 provisi, beberapa diataraya adalah Aceh, Sumatera Utara, Sumatera Barat, Sulawesi Teggara da yag laiya. Pada Tabel 3 ditampilka lebih jelas provisi maa saja yag masuk kedalam salah satu dari 6 prioritas ketahaa paga. TABEL 3. ANGGOTA PROVINSI DI SETIAP KELOMPOK PRIORITAS Prioritas Provisi 1 Papua 2 NTT, Maluku, Papua Barat. 3 Bate, NTB, Kalimata Selata, da Sulawesi Tegah. 4 Maluku Utara, Sulawesi Barat, Gorotalo, Kalimata Tegah, Kalimata Barat, Begkulu, da Lampug. 5 Aceh, Sumatera Utara, Sumatera Barat, Jambi, Sumatera Selata, Jawa Barat, Sulawesi Utara, da Sulawesi Teggara. 6 Riau, Kepulaua Riau, DKI Jakarta, Jawa Tegah, D.I Yogyakarta, Jawa Timur, Kepulaua Bagka Belitug, Bali, Kalimata Timur, da Sulawesi Selata. Pada Tabel 3. terlihat bahwa Provisi Jawa Timur mejadi salah satu dari 10 provisi yag masuk kedalam prioritas 6 yaitu provisi dega kodisi taha paga. Cakupa wilayah yag cukup besar utuk status ketahaa paga di Idoesia da perlu dipertahaka. Namu poi petig dalam kasus ii adalah masih adaya beberapa wilayah yag megalami kodisi reta paga di egara yag kaya ii seperti Idoesia. Aalisis Regresi Probit Ordial Aalisis yag dilakuka pada subbab ii merupaka aalisis utuk medapatka model terbaik regresi probit ordial megeai ketahaa paga di Idoesia pada tahu Sebelum masuk dalam aalisis regresi, terlebih dahulu dilakuka pegujia asumsi bebas multikoliearitas utuk variabel prediktor yag diguaka. Berikut hasil aalisis regresi probit ordial yag disajika pada masig-masig sub-subbab. 1) Idetifikasi Asumsi Bebas Multikoliearitas Pegujia multikoliearitas dilakuka utuk megetahui hubuga idepedesi atar variabel prediktor. Hal tersebut dilakuka dega cara melihat ilai VIF (Variace Iflatio Factor) yag telah disajika pada Tabel 4. TABEL 4. PERHITUNGAN VIF Variabel VIF Variabel VIF X 1 4,024 X 8 2,139 X 2 5,926 X 9 4,640 X 3 3,048 X 10 4,220 X 4 2,730 X 11 3,145 X 5 2,661 X 12 1,907 X 6 7,392 X 13 3,451 X 7 4,674 Hasil aalisis pada Tabel 4. diketahui bahwa ilai VIF yag didapatka utuk seluruh variabel prediktor adalah kurag dari 10. Hal tersebut meujukka bahwa tidak terdapat multikoliearitas pada variabel prediktor yag diguaka dalam peelitia ii. Sehigga dapat dilakuka aalisis lebih lajut utuk pegujia sigifikasi parameter seperti berikut. 2) Pemiliha Model Terbaik Pemiliha model regresi probit ordial terbaik dalam peelitia ii adalah dega megguaka metode backward. Dimaa model terbaik didapatka dega cara megeluarka satu per satu variabel yag mempuyai ilai p-value palig besar higga medapatka variabel yag sigifika terhadap model. Variabel prediktor yag didapatka dari metode backward diataraya adalah variabel X 1, X 6, X 9, X 10, da X 12. Kelima variabel tersebut atiya aka diguaka dalam pembetuka model regresi probit ordial. Hasil estimasi parameter megguaka metode Maximum Likelihood dapat dilihat pada Tabel 5. sebagai berikut. TABEL 5. ESTIMASI PARAMETER MODEL REGRESI PROBIT ORDINAL Variabel B Std. Error W k 2 P-value Kostata [Y:1] 32,493 11,068 8,619 0,003 Kostata [Y:2] 34,721 11,018 9,930 0,002 Kostata [Y:3] 35,734 11,056 10,446 0,001 Kostata [Y:4] 37,820 11,455 10,900 0,001 Kostata [Y:5] 40,590 11,823 11,786 0,001 X 1-0,072 0,038 3,586 0,058 X 6-0,109 0,035 9,856 0,002 X 9-0,068 0,040 2,902 0,088 X 10-0,148 0,040 13,919 0,000 X 12 0,702 0,182 14,935 0,000 Berdasarka Tabel 5. didapatka ilai β 0 yag ilaiya diguaka utuk membagu persamaa model peluag seperti berikut. P (Y = 1) = Ф[32,493 (C)], P (Y = 2) = Ф[34,721 (C)] Ф[32,493 (C)], P (Y = 3) = Ф[35,734 (C)] Ф[34,721 (C)], P (Y = 4) = Ф[37,820 (C)] Ф[35,734 (C)], P (Y = 5) = Ф[40,590 (C)] Ф[37,820 (C)], da P (Y = 6) = 1 Ф[40,590 (C)]. Dimaa C merupaka fugsi probit dega persamaa sebagai berikut. C = 0,072X 1 0,109X 6 0,068X 9 0,148X ,702X 12 Persamaa model regresi probit yag didapatka sama dega jumlah kategori yag diguaka dalam variabel respo (Y). Keeam persamaa diatas merupaka model regresi probit ordial utuk kategori variabel respo (Y), dimaa Y = 1 utuk kategori teredah da Y = 6 utuk kategori tertiggi. Selajutya dilakuka perhituga ilai probabilitas suatu provisi utuk tergolog dalam masig-masig prioritas status ketahaa paga. Diambil cotoh pada Provisi Papua utuk disubstitusika pada model regresi probit ordial yag disajika pada Tabel 6. sebagai berikut. TABEL 6. NILAI PELUANG UNTUK PROVINSI PAPUA Model Peluag Nilai Probabilitas P (Y = 1) 0,4937 P (Y = 2) 0,4928 P (Y = 3) 0,0128 P (Y = 4) 0,0006 P (Y = 5) 0,0000 P (Y = 6) 0,0000 Berdasarka ilai probabilitas pada Tabel 6. diketahui bahwa probabilitas Provisi Papua utuk masuk kedalam

5 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prit) D-155 prioritas 1 lebih besar dibadigka dega prioritas laiya yaitu sebesar 0,4937. Sehigga dapat ditarik kesimpula bahwa Provisi Papua merupaka daerah yag tergolog dalam status ketahaa paga pada prioritas 1 atau daerah rawa paga di Idoesia. Iterpretasi pada model regresi probit ordial dapat dilakuka megguaka efek margial. Efek margial tersebut terbetuk berdasarka model peluag seperti pada bagia sebelumya. Sebagai cotoh, diambil persamaa efek margial utuk produktivitas taama padi, yag selajutya dilakuka perhituga utuk megetahui seberapa besar probabilitas pegaruh variabel tersebut terhadap salah satu provisi utuk masuk kedalam prioritas 1 pada kategori status ketahaa paga di Idoesia. Perhituga dilakuka pada Provisi Papua da disubstitusika kedalam persamaa efek margial pada produktivitas taama padi, sehigga didapatka ilai sebagai berikut. P (Y=1) X 1 = 0,072 Φ[32,493 (C)] = 0,072 Φ [32, ,072X 1 + 0,109X 6 + 0,068X 9 +0,148X 10 0,702X 12 )] = 0,072 Φ[ 0,01571] = 0,072 (0, ) = 0, ,0287 Hasil perhituga diatas meujukka bahwa, jika variabel produktivitas taama padi (X 1 ) aik 1 kuital/hektar maka aka meigkatka probabilitas pada Provisi Papua utuk masuk ke dalam kategori Y = 1 sebesar 0,0287. Dega cara yag sama, dilakuka pula perhituga utuk megetahui ilai efek margial pada masigmasig variabel prediktor pada Provisi Papua utuk masuk ke salah satu dari 6 prioritas ketahaa paga. Berikut disajika hasilya pada Tabel 7. TABEL 7. NILAI EFEK MARGINAL UNTUK PROVINSI PAPUA P (Y = i) X j X 1 X 6 X 9 X 10 X 12 Y = 1 0,0287 0,0435 0,0271 0,0590-0,2800 Y = 2-0,0262-0,0397-0,0248-0,0539 0,2558 Y = 3-0,0023-0,0035-0,0022-0,0048 0,0227 Y = 4-0,0002-0,0002-0,0001 0,0003 0,0015 Y = 5-2,15x ,26x ,03x ,42x10-8 2,09x10-7 Y = 6-1,89x ,86x ,79x ,89x ,84x10-15 Berdasara ilai efek margial pada Tabel 7, diketahui bahwa variabel agka harapa hidup (X 12 ) memberika ilai palig besar utuk setiap keaika 1 satua variabel tersebut pada Provisi Papua utuk masuk kedalam masig-masig kaetgori prioritas ketahaa paga di Idoesia. 3) Pegujia Sigifikasi Parameter Model Regresi Probit Ordial Uji sigifikasi parameter dilakuka pada model model regresi probit ordial terbaik. Dimaa pegujia ii dilakuka utuk megetahui variabel prediktor maa yag sigifika terhadap model. Pegujia ii pertamatama dilakuka secara seretak da didapatka hasil sebagai berikut. TABEL 8. HASIL UJI SERENTAK Model Chi-Square P-value df Hasil Akhir 61,300 0,000 5 Pada Tabel 8. didapatka ilai p-value sebesar 0,000 < α(0,1) da ilai statistik uji sebesar 61,300 > χ 2 (0,1;5) yaitu 9,236 atau H 0 ditolak, artiya miimal terdapat satu parameter yag sigifika terhadap model. Utuk megetahui parameter maakah yag sigifika terhadap model, maka dilajutka dega uji parsial. Hasil aalisis utuk uji parsial dapat dilihat pada Tabel 5 seperti diatas. Berdasarka aalisis tersebut didapatka ilai p-value yag kurag dari α yaitu 0,1 da ilai statistik uji Wald yag didapatka lebih dari ilai Z 0,1/2 yaitu sebesar 1,645. Hal tersebut meujukka bahwa didapat keputusa H 0 ditolak, artiya estimasi parameter yag diguaka telah sigifika terhadap model baik secara idividu atau parsial. 4) Nilai Koefisie Determiasi Nilai perhituga koefisie determiasi (R 2 ) yag didapatka megguaka rumus McFadde adalah sebesar 0,575. Hal tersebut meujukka bahwa model yag terbetuk mampu mejelaska keadaa ketahaa paga di Idoesia sebesar 57,5%, sedagka sisaya dijelaska oleh variabel lai. 5) Ketepata Klasifikasi Nilai ketepata klasifikasi berdasarka hasil prediksi model regresi probit ordial yag terbetuk didapatka sebesar 66,67%, yag artiya model yag terbetuk mampu memprediksi klasifikasi prioritas ketahaa paga provisi di Idoesia secara tepat sebesar 66,67%. 6) Uji Kesesuaia Model Regresi Probit Ordial Uji kesesuaia model diguaka utuk megetahui apakah terdapat perbedaa yag yata atara hasil observasi dega hasil prediksi model. Berikut merupaka Tabel 9. hasil aalisis uji kesesuaia model. TABEL 9. HASIL UJI KESESUAIAN MODEL Chi-Square df P-value Pearso 61, ,000 Deviace 45, ,000 Aalisis yag dilakuka utuk uji kesesuaia model yag hasilya dapat dilihat pada Tabel 9 meghasilka ilai p-value > α (0,1) yaitu sebesar 1,000 da statistik uji Goodess of Fit Test sebesar 61,727 dimaa ilai tersebut kurag dari χ 2 (0,1;155) yaitu sebesar 177,95. Hal tersebut meujukka bahwa H 0 tidak ditolak, artiya model regresi yag didapatka telah sesuai atau tidak terdapat perbedaa atara hasil observasi dega hasil prediksi. Pemetaa atara Variabel Prioritas Aktual da Variabel Prioritas Hasil Prediksi Pemetaa dilakuka setelah didapatka hasil prediksi pada prioritas ketahaa paga di Idoesia berdasarka model regresi probit ordial yag terbetuk. Berikut disajika data utuk provisi-provisi di Idoesia yag megalami misklasifikasi. TABEL 10. DATA PROVINSI DI INDONESIA YANG MENGALAMI MISKLASIFIKASI Provisi Y i Y i Maluku 2 4 Bate 3 4 NTB 3 4 Kalimata Selata 3 4 Kalimata Tegah 4 5 Sulawesi Utara 5 6 Gorotalo 4 3 Maluku Utara 4 3 Sumatera Selata 5 4

6 D-156 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prit) Kep. Bagka Belitug 6 5 Sulawesi Selata 6 5 Selai itu, disajika pula hasil pemetaa utuk provisi di Idoesia dega status prioritas ketahaa paga pada tahu 2013 baik berdasarka data aktual maupu hasil prediksi model regresi probit ordial. Gambar 2. Peta Aktual Prioritas Ketahaa Paga di Idoesia Tahu 2013 Gambar 2. merupaka hasil dari pemetaa prioritas ketahaa paga di Idoesia utuk masig-masig provisi pada Tahu Dapat dilihat bahwa masih terdapat beberapa wilayah yag megalami status reta paga yag ditujukka oleh wara merah muda da merah. Keadaa tersebut didomiasi oleh wilayah Idoesia bagia timur. Pemetaa dilajutka terhadap hasil prediksi pada prioritas ketahaa paga berdasarka model regresi probit ordial yag telah terbetuk. Berikut adalah hasil yag didapatka. Model regresi probit ordial terbaik dega megguaka metode backward meghasilka 5 variabel prediktor yag sigifika. Diataraya adalah variabel X 1, X 6, X 9, X 10, da X 12. Dega ilai koefisie determiasi sebesar 57,5%. Berdasarka model tersebut didapatka ilai ketepata klasifikasi sebesar 66,67% dega sebayak 11 provisi yag megalami klasifikasi. Terdapat beberapa sara yag dapat diberika oleh peulis, yaitu bagi peeliti selajutya sebaikya lebih memperhatika variabel-variabel yag aka diguaka, dega tujua medapatka model yag yag lebih baik. Bagi pemeritah setelah medapatka iformasi dari hasil peelitia ii, diharapka dapat meyelesaika permasalaha tigkat keretaa paga di Idoesia dega cara megetahui da memperbaiki faktor-faktor yag berpegaruh terhadap status ketahaa paga di Idoesia. DAFTAR PUSTAKA [1] Dewa Ketahaa Paga, Kemeteria Pertaia, da World Food Progamme (2015). Peta Ketahaa da Keretaa Paga (FSVA) Jakarta: Dewa Ketahaa Paga, Kemeteria Pertaia, da World Food Programme. [2] Nuhermi, Soekro, S. R., & R., G. S. (2014). Pemetaa Ketahaa Paga Idoesia: Pedekata TFP Da Ideks Ketahaa Paga. Jakarta: Bak Idoesia. [3] Sari, M. R., & Prishardoyo, B. (2009). Faktor-Faktor yag Mempegaruhi Kerawaa Paga Rumah Tagga Miski Di Desa Wiru Kecamata Brigi Kabupate Semarag. Fakultas Ekoomi Uiversitas Negeri Semarag, 1-8. [4] Mu im, A. (2011). Aalisis Pegaruh Faktor Ketersediaa, Akses, Da Peyerapa Paga Terhadap Ketahaa Paga di Kabupate Surplus Paga: Pedekata Partial Least Square Path Modelig. Direktorat Neraca Produksi, BPS, [5] Fattah, I. A., Rata, M., & Ratasari, V. (2014). Aalisis Faktorfaktor yag Mempegaruhi Masa Studi Lulusa Mahasiswa Magister ITS Surabaya Megguaka Regresi Logistik Ordial da Regresi Probit Ordial. Istitut Tekologi Sepuluh Nopember, 1-3. [6] Rachmasita, K., & Zai, I. (2015) Pemodela Regresi Probit Ordial Pada Persetase Sekolah Terklasifikasi Hitam Meurut Pola Jawaba UN. Istitut Tekologi Sepuluh Nopember, 2-3. Gambar 3.Peta Hasil Prediksi Prioritas Ketahaa Paga di Idoesia Tahu 2013 Berdasarka pemetaa yag dilakuka pada peta hasil prediksi seperti pada Gambar 3, didapatka bahwa terjadi misklasifikasi atau kesalaha dalam pegklasifikasia provisi pada kategori prioritas ketahaa paga di Idoesia tahu V. KESIMPULAN DAN SARAN Dari seluruh provisi di Idoesia, yag masuk ke dalam wilayah rawa paga atau tergolog kedalam kategori prioritas 1 da 2 adalah Provisi Papua, NTT, Maluku, da Papua Barat. Provisi Papua mejadi provisi dega status ketahaa paga palig reta di Idoesia, dari total 8% wilayah Idoesia yag megalami peurua status ketahaa paga pada tahu [7] Kuriasari, L., Sumarmiigsih, E., & Solimu. (2013). Permodela Regresi Logistik Da Regresi Probit Pada Peubah Respo Multiomial. Uiversitas Brawijaya, 1-2. [8] Kockelma. K.M., & Kweo, Y.J. (2002). Driver Ijury Severity: A Applicatio of Ordered Probit Models. Accidet Aalysis ad Prevetio,xxxiv, [9] Greee, W. H. (2000). Ecoometrics Aalysis (4th Editio). New Jersey: Pretice Hall. [10] Ratasari, V. (2012). Estimasi Parameter da Uji Sigifikasi Model Probit Bivariat. Surabaya: Istitut Tekologi Sepuluh Nopember. [11] Hockig, R. R. (1996). Methods ad Applicatios of Liear Models: Regressio ad Aalysis of Variace. New York: Joh Wiley & Sos, Ic. [12] Hosmer, D., da Lemeshow. (2000). Applied Logistic Regressio. USA: Joh Wiley ad Sos.