PENERAPAN ANALISIS HIERARKI PADA PESEBARAN KEMISKINAN DI JAWA BARAT

Abstract

Jawa barat merupakan provinsi dengan tingkat kemiskinan peringkat ketiga setelah Jawa Timur dan Jawa Tengah. Upaya pengentasan kemiskinan telah banyak dilakukan dari program pembinaan, pelatihan sampai dengan bantuan sosial dari tingkat kota sampai desa. Dengan mengetahui karakteristik  faktor-faktor kemiskinan  dari kota/ kabupaten Jawa barat, dapat ditentukan upaya yang paling tepat dalam mengentaskan kemiskinan di Jawa barat. Alat yang paling tepat untuk menentukan karaketristik dari indikator kemiskinan dari 27 kota/kabupaten  ini adalah analisis cluster. Analisis cluster ditujukan untuk mengelompokkan kota/kabupaten    yang paling mirip sifatnya dengan kota/kabupaten  lain yang terletak  dalam cluster yang sama. Data yang digunakan adalah data sekunde.  Variabel  yang merupakan indikator kemiskinan yaitu : persentase penduduk miskin, tingkat pengangguran terbuka, indeks pembangunan manusia, produk daerah regional bruto, upah minimum  regional, persentase penduduk miskin yang berumur 15 tahun dan tamat SMA, serta angka melek huruf. Penelitian ini menggunakan analisis cluster Hierarki dengan proses Agglomeration (Beetween groups Linkage) dengan konsep jarak Square Euclidean distance. Langkah penelitian dimulai dengan eksplorasi data, standardisasi, uji asumsi multikolinearitas dan uji KMO Barlett, analisis cluster Hierarki, dan interpretasi. Hasil penelitian menunjukkan bahwa proses pengklasteran pada analisis Hierarki dapat ditentukan berdasarkan jumlah cluster yang diinginkan dan hasilnya diperkuat dengan representase Dendogram. Pada pesebaran kasus kemiskinan di kota / kabupaten Jawa Barat, ditentukan banyak cluster  2, 3, dan 4 berdasarkan variabel-variabel kemiskinan yang digunakan. Kota Bandung, Depok, dan Bekasi adalah tiga kota yang selalu terbentuk dalam cluster yang sama. Ketiganya  mempunyai jarak minimal yang berarti ketiga kota ini mempunyai tingkat kemiripan tinggi dalam hal faktor kemiskinan. Kata Kunci : Analisis cluster, Hierarki Clustering, Kemiskinan