Penerapan Analisis Korelasi Kanonik untuk hubungan antara Variabel Struktur Ekonomi dengan Variabel Kesejahteraan Rakyat

Disusun untuk Memenuhi Tugas Mata Kuliah Analisis Variabel Ganda

oleh:

4SE3
Badal Imamuddin Fajri Iramaya Purwanti Muhamad Ahyar Rasyidi Rezha Nursina Yuni Rony Purba Windha Wijaya 09.5896 09.5966 09.6053 09.6101 09.6120 09.6169

SEKOLAH TINGGI ILMU STATISTIK JAKARTA 2013

ABSTRAK

Metode analisis korelasi kanonik pertama kali diperkenalkan oleh Harold Hotelling pada tahun 1936. Analisis korelasi kanonik bertujuan untuk mengukur tingkat keeratan hubungan antara segugus variabel dependen dengan segugus variabel independendan menguraikan struktur hubungan di dalam gugus variabel dependen maupun dalam gugus variabel independen. Dalam perkembangannya, analisis ini semakin banyak diterima di berbagai bidang ilmu pengetahuan. Penelitian ini bertujuan untuk mengetahui hubungan antara gugus variabel kinerja ekonomi dengan gugus variabel kesejahteraan rakyat. Dengan menggunakan metode analisis korelasi kanonik, hasil yang diperoleh adalah semakin tinggi persentase pekerja sektor pertanian, maka semakin rendah persentase rumah tangga dengan penerangan PLN dan non-PLN. Hal ini ditunjukkan oleh nilai korelasi sebesar -0,97535. Selain itu, semakin tinggi persentase PDRB sektor pertanian, maka semakin tinggi persentase penduduk yang tidak mengeluh sakit. Hal ini ditunjukkan oleh nilai korelasi sebesar 0,65561.

PENDAHULUAN Latar Belakang Analisis korelasi kanonik merupakan salah satu metode analisis multivariat yang digunakan untuk melihat hubungan linier antara himpunan variabel bebas dengan himpunan variabel tak bebas .

Metode ini pertama kali diperkenalkan oleh Harold Hotelling pada tahun 1936. Johnson dan Winchern (2002) mengemukakan bahwa analisis korelasi kanonik berfokus pada korelasi antara kombinasi linier dari himpunan variabel tak bebas dengan kombinasi linier dari himpunan variabel bebas. Ini yang membedakan analisis korelasi kanonik dengan korelasi biasa. Analisis ini bertujuan untuk mengukur tingkat keeratan hubungan antara himpunan variabel bebas dengan himpunan variabel tak bebas. Analisis korelasi kanonik memiliki batasan-batasan (restrictions) yang paling sedikit jika dibandingkan dengan metode analisis multivariat lain yang

sangat kaku terhadap batasan-batasannya. Analisis ini dipercaya mampu memberikan informasi dengan kualitas yang lebih baik dan lebih mudah

diinterpretasikan karena hanya memiliki sedikit batasan. Dalam keadaan dimana banyak variabel bebas dan tak bebas, analisis korelasi kanonik merupakan teknik analisis multivariat yang paling cocok (Hair et al, 1998). Interpretasi dalam analisis korelasi kanonik menggunakan nilai dari pembobot kanonik (canonical loadings). Nilai pembobot kanonik menunjukkan besarnya kontribusi variabel asal terhadap variabel kanonik. Semakin besar nilai koefisien maka semakin besar kontribusi variabel yang bersangkutan terhadap variabel kanoniknya. Penerapan metode analisis korelasi kanonik di berbagai disiplin ilmu pengetahuan telah banyak dilakukan, seperti penerapan di bidang ekonomi, medis, dan meteorologi. Dalam penelitian ini, penerapan metode analisis korelasi kanonik dilakukan untuk mengetahui hubungan linier antara gugus variabel kinerja ekonomi dengan gugus variabel kesejahteraan. Secara teori, kinerja baik perekonomian suatu negara terbukti akan meningkatkan kesejahteraan rakyat di negara tersebut. Todaro (2004) mengatakan bahwa perekonomian dengan kinerja yang baik mampu mengalokasikan pendapatan suatu negara secara merata ke seluruh penduduknya. Implikasinya, rakyat negara tersebut mampu memenuhi minimal kebutuhan dasarnya, seperti sandang, pangan, papan, kesehatan, dan pendidikan.

Tujuan Penelitian Tujuan dari penelitian ini adalah untuk mengetahui hubungan antara kinerja perekonomian Indonesia dengan kesejahteraan rakyat Indonesia.

LANDASAN TEORI Analisis Korelasi Kanonik Salah satu teknik analisis variabel ganda yang sering digunakan ketika seorang peneliti ingin menguji hubungan (korelasi) antara beberapa variabel independen dengan beberapa variabel dependen adalah analisis korelasi kanonik. Beberapa variabel independen disebut gugus variabel independen sedangkan

beberapa variabel dependen disebut gugus variabel dependen. Konsep korelasi dalam analisis variabel ganda merupakan perluasan dari konsep korelasi pada univariate yang responnya merupakan variabel tunggal. Hal yang membedakan diantara keduanya adalah jumlah dari variabel respon. Dalam univariate, variabel respon hanya terdiri dari satu variabel sedangkan dalam multivariate memiliki lebih dari satu variabel respon. Jenis korelasi yang dikenal dalam kasus univariate adalah korelasi sederhana, korelasi parsial dan korelasi berganda. Dalam kasus multivariate, analisis korelasi lebih dikenal dengan istilah analisis korelasi kanonik. Analisis korelasi kanonik tidak sesederhana korelasi sederhana, parsial atau berganda. Hal ini karena dalam analisis korelasi kanonik yang dicari adalah korelasi antar gugus variabel independen dan gugus variabel dependen bukan korelasi antar variabel independen dan dependen. Analisis

korelasikanonikberkaitan denganjumlahhubungan linear antaradua setvariabel. Tujuan darianalisis korelasikanonikadalah untuk mendapatkangambaransederhana daristrukturkorelasi antarasubset darivariabel. Berikut ini adalah contoh penelitian yang menggunakan korelasi kanonik dalam analisisnya: 1. Seorang dokter ingin mengetahui adakah hubungan antara gaya hidup dan kebiasaan makan dengan kesehatan pasienyang diukur dengan variabel hipertensi, berat badan, tingkat ketegangan dan anxiety. 2. Manajer pemasaran suatu perusahaan ingin mengetahui apakah ada hubungan antara jenis produk yang dibeli dan gaya hidup konsumen dan kepribadian konsumen. 3. Seorang direktur bank ingin mengetahui hubungan antara penggunaan kartu kredit (diukur dengan jumlah kartu kredit yang dimiliki dan ratarata uang yang dibelanjakan lewat kartu kredit perbulan) dengan karakteristik konsumen (diukur dengan besarnya jumlah keluarga dan pendapatan keluarga). Selain itu, kita juga sering mengukurdua jenisvariabelpenelitiansepertisatu setvariabelbakat dansatu setvariabelprestasi, satu setvariabelkepribadian dansatu setukurankemampuan, satu setindeksharga dansetdariindeks produksi,satu

setperilakusiswa dansatu setperilakuguru, seperangkatatributpsikologis dansatu setatributfisiologis, satu setvariabelekologidan satu setvariabellingkungan, satu setvariabelprestasi akademik danserangkaianukurankeberhasilan pekerjaan, satu setnilai ujian dengan tutp bukadan satu setnilai ujian dengan buka buku, serta satu setvariabelkepribadiansiswadan sebagai senior. Kita asumsikan dua gugus variabel dan variabelyang samapadasiswayang bertindak

diukur pada unit sampling yang sama. Fokus perhatian dalam analisis korelasi kanonik adalah korelasi (hubungan), sehingga pada dasarnya kedua himpunan tidak perlu dibedakan menjadi kelompok vaiabel independent dan dependent. Pemberian label X dan Y hanya untuk membedakan kedua himpunan variabel tersebut. Analisis korelasi kanonik berfokus pada korelasi antara kombinasi linear dari gugus variabel dependen dengan kombinasi linear dari gugus variabel independen. Ide utama dari analisis ini adalah mencari pasangan dari kombinasi linear ini yang memiliki korelasi terbesar. Pasangan dari kombinasi linear ini disebut fungsi/variabel kanonik dan korelasinya disebut korelasi kanonik. Tujuan dari analisis korelasi kanonik adalah : 1. Mengukur tingkat keeratan hubungan antara segugus variabel dependen dengan segugus variabel independen 2. Menguraikan struktur hubungan di dalam gugus variabel dependen maupun dalam gugus variabel independen Asumsi-asumsi yang harus dipenuhi dalam analisis korelasi kanonik adalah (Nugroho, 2008) : 1. Linieritas, yaitu keadaan dimana hubungan antar variabel dependen dengan variabel independen bersifat linier. Sebagai contoh : jika ada variabel promosi dan penjualan, maka seharusnya korelasi antara kedua variabel bersifat linier. Dalam arti makin besar pengeluaran untuk promosi, maka makin tinggi juga penjualannya. 2. Perlunya multivariate normality untuk menguji signifikansi setiap

fungsi kanonik. Karena pengujian normalitas secara multivariate sulit dilakukan, maka cukup dilakukan uji normalitas untuk setiap variabel.

Asumsi yang digunakan adalah jika secara individu sebuah variabel memenuhi kriteria normalitas, maka secara keseluruhan juga akan memenuhi asumsi normalitas. 3. Tidak ada multikolinearitas antar anggota kelompok variabel, baik variabel dependen maupun variabel independen. Sebagai contoh, jika variabel dependenterdiri dari penjualan dan biaya produksi, maka seharusnya tidak ada korelasi yang kuat dan nyata antara variabel penjualan dengan variabel biaya produksi. Jika ada korelasi, dinamakan terdapat multikolinieritas. Jika angka korelasi tersebut besar maka dapat dilakukan pengurangan salah satu variabel, misal salah satu dari variabel penjualan atau biaya produksi dapat dihilangkan. Adanya beberapa asumsi yang harus dipenuhi pada analisis korelasi kanonik, sebelum melakukan analisis perlu dilakukan pengujian untuk data yang akan dianalisis dalam dua tahap, yaitu: 1. Uji data untuk analisis multivariat meliputi: uji data yang tidak lengkap (missing values) dan uji data pencilan (outlier). 2. Uji asumsi meliputi uji normalitas, homoskedastisitas dan linieritas. Penentuan fungsi kanonik bisa dilakukan dengan menggunakan matriks covarian atau matriks korelasi. Hal yang membedakan keduanya adalah data yang digunakan dalam analisis. Matriks korelasi digunakan jika data sudah dibakukan (memiliki satuan yang sama), sedangkan matriks covarian menggunakan data sebenarnya (data tidak dibakukan dan memiliki satuan yang sama). Proses penentuan fungsi kanonik dari kedua jenis matriks tersebut sama. Dua sifat menarik dari koreasi kanonik adalah sebagai berikut: 1. Korelasi Canonical invarian terhadap perubahanskalabaik padaituY atauX. Sebagai contoh, jika skalapengukurandiubah dariincike cm, korelasikanoniktidak akan berubah(vektor eigen yang sesuaiakan berubah). Properti iniberlaku untuk simple dan multiple correlations. 2. Korelasi kanonik pertama, adalah korelasi maksimum di antara melebihi(nilai absolut) simple

fungsi linier Y dan X. Oleh karena itu,

correlation antarabeberapa Y dan beberapaX, ataumultiple correlation

antara beberapa y dan beberapax, atau di antara beberapaY dan semua X, atau di antara beberapa Y dan semua X.

Pengaruh Kinerja Ekonomi terhadap Kesejahteraan Rakyat Penelitian tentang hubungan kinerja ekonomi terhadap kesejahteraan rakyat telah banyak dilakukan. Salah satunya adalah penelitian yang dilakukan oleh Simamora (2002). Ia menemukan bahwa tingkat perekonomian yang maju akan meningkatkan kesejahteraan rakyat yang dicirikan oleh meningkatnya persentase PDRB sektor industri, meningkatnya persentase pekerja di sektor industri, menurunnya persentase PDRB sektor pertanian, menurunnya persentase pekerja sektor pertanian, menurunnya persentase pekerja keluarga, meningkatnya persentase penduduk dengan pengeluaran di atas UMR per kapita per bulan, meningkatnya persentase rumah tangga berpenerangan listrik/petromak,

meningkatnya persentase penduduk dengan pendidikan tertinggi tamat SLA atau perguruan tinggi, menurunnya persentase rumah tangga dengan bahan bakar minyak tanah/kayu bakar untuk memasak, menurunnya angka kematian bayi per 1000 kelahiran, dan menurunnya angka kelahiran total.

METODOLOGI Data Data berasal dari Sensus Penduduk (SP) dan hasil Survei Sosial Ekonomi Nasional (SUSENAS) dari 33 provinsi di Indonesia pada tahun 2010.Variabelvariabel yang diamati dalam penelitian ini adalah kelompok variabel ekonomi dan kelompok variabel kesejahteraan rakyat. Variabel-variabel pada kelompok variabel ekonomi dipilih berdasarkan bahwa struktur ekonomi suatu provinsi dapat ditelaah atau diukur dari dua indiKator pokok.Pertama, diukur dari nilai moneter seluruh barang dan jasa yang dihasilkan oleh berbagai lapangan usaha, status pekerjaan, atau jenis pekerjaanya (Harmini, 1997). Pada penelitian ini, kelompok variabel ekonomi(X) terdiri dari: X1= persentase Produk Domestik Regional Bruto (PDRB) sektor industri X2= persentase PDRB sektor pertanian X3= persentase pekerja di sektor industri

X4= persentase pekerja di sektor pertanian Variabel-variabel pada kelompok variabel kesejahteraan rakyat (KESRA) ditentukan berdasarkan indikator-indikator sosial (Harmini, 1997), indikator KESRA 1995 terdiri dari indikator sektoral, yaitu: a) Kependudukan, meliputi laju pertumbuhan, persebaran, kepadatan, struktur umur, jenis kelamin, perkawinan, fertilitas dan keluarga berencana; b) Kesehatan, terdiri dari harapan hidup, kematian bayi, kelahiran, sarana dan prasarana kesehatan, pemanfaatan fasilitas kesehatan imunisasi; c) Gizi, meliputi status gizi balita, penyediaan kalori/protein/lemak, penggunaan air susu inbu; d) Pendidikan,terdiri dari keadaan sarana pendidikan, partisipasi sekolah, tingkat buta huruf dan pendidikan yang ditamatkan; e) Kemiskinan dan distribusi pendapatan serta pengeluaran rumah tangga; f) Ketenagakerjaan, meliputi keadaan angkatan kerja, penduduk yang bekerja menurut kelompok umur, lapangan usaha, pendidikan tertinggi, jumlah jam kerja; g) Perumahan dan sosial budaya, meliputi fasilitas perumahan dan ketersediaan fasilitas sosial ekonomi di desa (BPS, 1996). Dalam penelitian ini KESRA diukur dari lima kelompok indikator, yakni: a) Pengeluaran konsumsi; b) Perumahan, yang meliputi fasilitas sumber air minum, fasilitas tempat buang air besar, sumber energi untuk keperluan memasak dan penerangan; c) Pendidikan; d) Kesehatan, meliputi angka harapan hidup penduduk saat lahir, prevalensi balita bergizi baik, dan tingkat sehat; e) Kependudukan, meliputi beban tanggungan dan migrasi (Harmini, 1997) Pada penelitian ini, kelompok variabel kesejahteraan rakyat (Y) terdiri dari:

Y1= persentase penduduk dengan pengeluaran di atas satu juta rupiah perkapita per-bulan Y2= persentase rumah tangga dengan penerangan PLN dan non-PLN Y3= persentase rumah tangga dengan fasilitas air minum sendiri Y4= persentase rumah tangga dengan fasilitas tempat buang air besar sendiri Y5= persentase rumah tangga dengan bahan bakar gas dan listrik untuk memasak Y6= persentase penduduk dengan pendidikan tertinggi tamat SMA dan perguruan tinggi Y7= persentase penduduk yang tidak mengeluh sakit Y8= persentase prevalensi balita bergizi baik Y9= angka harapan hidup pada waktu lahir Y10= beban tanggungan bagi usia produktif

Teknik Analisis Data Teknik analisis data yang dipergunakan untuk mengetahui secara bersamasamahubungan variabel independen terhadap variabel dependen

menggunakananalisis kanonikal. Teknik dipergunakan untuk memprediksi dua buah kelompokvariabel yang masing-masing terdiri lebih dari empat variabel X dan sepuluh variabel Y.

Uji Asumsi Sebelum pengolahandata dilakukan dengan kanonikal, diuji terlebih dahulu persyaratan-persyaratan yangharus dipenuhi yaitu normalitas, linearitas dari masing-masing variabel, danmultikolinear dalam kelompok variabel independen. Pengujian asumsi normal multivariat pada variabel independen dan variabeldependendilakukan dengan melihat plot antara jarak mahalanobis yang diberinotasi dj dengan 2 (j-0.5)/n; p dimana n = banyak observasi dan p = banyak variabelyang diberi notasi qjPlot antara dj dengan qj menunjukkan bahwa titik mendekati garis lurus, hal inimembuktikan bahwa sampel dapat diasumsikan

berasal dari populasi normalmultivariat.Uji normal multivariat juga dapat dilakukan secara simultan dengan uji Skewness and Kurtosis Test. Linearitas antar variabel independen dengan variabel dependen

diujidenganmenggunakan Ramsey Test dengan hasil asumsi linearitas antar variabel terpenuhi. Koefisien korelasi kanonik yang lebih dari 0.5, berarti ada hubungan linearantar variabel kanonik. Asumsi non multikolinearitas menunjukkan bahwa tidak ada hubungan di antara variabel dependen maupun independen. Keberadaan multikolinearitas dapat dilihat dari nilai VIF (Variance Inflation Factor) yang lebih dari 10. Jadi, apabila nilai VIF < 10, maka asumsi non multikolinearitas telah terpenuhi.

Tahapan Pengolahan Data Analisis Korelasi Kanonik menggunakan makro SPSS. Software yang digunakan adalah SPSS 16.0. a. Penentuan Fungsi Kanonik Dari Fungsi Kovarian Misalkan ingin dibuat hubungan antara gugus variabel dependen yang dinotasikan dengan vektor variabel acak Y, dengan gugus variabel independen X. Misalkan karakteristik dari vector variabel acak adalah sebagai berikut: yang dinotasikan dengan vector variabel acak

Kombinasi linear dari kedua gugus variabel dapat dituliskan sebagai berikut :

Dengan menggunakan ketaksamaan Cauchy-Schwarz atau metode langrange, vektor koefisien a dan bdapat diperoleh dengan cara mencari yang merupakan yang akar berpadanan ciri dari matriks vector ciri

dengan

juga merupakan akar ciri dari matriks yang berpadanan dengan vector ciri

sehingga vektor koefisien a dan bdapat diperoleh sebagai berikut:

Korelasi kanonik diperoleh dengan menghitung :

didefinisikan pasangan pertama dari variabel kanonik (canonical variates) adalah kombinasi linear U1, V1 yang memiliki ragam satu dan korelasi terbesar; pasangan kedua dari variabel kanonik adalah kombinasi linear U2, V2 yang memiliki ragam satu dan korelasi terbesar kedua serta tidak berkorelasi dengan variabel kanonik yang pertama dan pasangan ke-k dari variabel kanonik adalah kombinasi linear Uk, Vk yang memiliki ragam satu dan korelasinya terbesar ke-k serta tidak berkorelasi dengan variabel kanonik 1, 2, , k-1.

Dari Fungsi Korelasi Matriks Korelasi digunakan jika variabel yang akan dianalisis sudah dibakukan atau dengan kata lain sudah memiliki satuan yang sama. Berikut adalah matriks korelasi dari gugus variabel independen dan gugus variabel dependen. ( dimana: : matriks korelasi sampel Y (p x p) : matriks korelasi sampel antara Y dan X (p x q) )

: matriks korelasi sampel antara X dan Y (q x p) : matriks korelasi sampel X (q x q) Vektor koefisien c dan d diperoleh sebagai berikut: dari persamaan | | diperoleh akar ciri yang sama yaitu yaitu ( ( ) ) | | , tetapi vector ciri yang berbeda

Hubungan antara vektor ciri c dan d dengan vektor ciri a dan b yang dihasilkan matriks varian kovarian adalah:

dimana:

eigen vector c dan d adalah standardized coefcient vectors. Variabel ini akan diterapkan untuk variabel standar. Untuk menunjukkan hal ini, perhatikan bahwa dalam hal variabel berpusat
, kita punya:

karenanya, c dan d lebih diutamakan untuk a dan b untuk interpretasi variabel kanonik dan .

b. Uji Hipotesis Ada dua hipotesis yang akan diujikan dalam analisis korelasi kanonik yaitu uji hipotesis untuk mengetahui apakah secara keseluruhan korelasi kanonik signifikan (uji korelasi kanonik secara bersama) dan uji hipotesis untuk mengetahui apakah ada sebagian korelasi kanonik signifikan (uji individu). Jika uji hipotesis pertama memperoleh kesimpulan bahwa paling tidak ada ada satu

korelasi kanonik tidak bernilai nol maka dilanjutkan dengan uji hipotesis kedua untuk mengetahui apakah ada sebagian korelasi kanonik signifikan. Uji korelasi kanonik secara bersama Hipotesis (semua korelasi kanonik bernilai nol) (minimal ada 1 korelasi kanonik tidak bernilai nol) Statistik Uji [ dengan n = jumlah pengamatan Keputusan Pada taraf signifikansi bebas p x q. Uji individu Hipotesis , tolak jika dengan derajat ]

Statistik Uji [ dengan n = jumlah pengamatan ]

Keputusan Pada taraf signifikansi , tolak r) x (q-r). jika dengan derajat bebas (p-

c. Interpretasi Fungsi Kanonik Interpretasi yang dapat dilakukan dalam analisis korelasi kanonik yaitu terhadapkoefisien kanonik (bobot kanonik / weight kanonik), loadings kanonik dan cross loadings kanonik. Weight kanonik merupakan koefisien kanonik yang telah dibakukan, dapat diinterpretasikan sebagai besarnya kontribusi variabel asal terhadap variabel kanonik. Semakin besar nilai koefisien ini maka semakin besar kontribusi variabel yang bersangkutan terhadap variabel kanonik. Loadings kanonik dapat dihitung dari korelasi antara variabel asal dengan masing-masing variabel kanoniknya. Semakin besar nilai loading mencerminkan semakin dekat hubungan fungsi kanonik yang bersangkutan dengan variabel asal. Loadings kanonik dibedakan menjadi : Loadings kanonik variabel independen:

Loadings kanonik variabel dependen:

Cross loadings kanonik, dapat dihitung dari korelasi antara variabel asal dengan bukan variabel kanoniknya. Semakin besar nilai loading mencerminkan semakin dekat hubungan fungsi kanonik yang bersangkutan dengan variabel asal. Cross loading kanonik terdiri dari :

Cross Loadings kanonik variabel independen:

Cross Loadings kanonik variabel dependen:

d. Perhitungan Proporsi Keragaman Besarnya nilai proporsi keragaman menunjukkan baik tidaknya variabel kanonik yang dipilih untuk menerangkan keragaman asal. Semakin besar nilai proporsi keragaman maka semakin baik variabel-variabel kanonik yang dipilih

menerangkan keragaman asal. Batasan yang digunakan untuk nilai proporsi bersifat relatif, sebagai acuan lebih besar dari 70%.

HASIL DAN PEMBAHASAN Pada pengujian asumsi klasik menunjukkan bahwa semua data telah memenuhi asumsi normal mutivariat, linieritas, dan non multikolinearitas. Selanjutnya dilakukan analisis korelasi kanonik menggunakan software SPSS 16.0. Outputnya adalah sebagai berikut: Fungsi Kanonik Variabel dependen

Sedangkan himpunan variabel dependen, terdiri dari sepuluh variabel, yaitu: 1. Persentase Pengeluaran di Atas 1 Juta Rupiah. 2. Persentase Rumah Tangga dengan Fasilitas Penerangan PLN dan Non-Pln. 3. Persentase Rumah Tangga dengan Fasilitas Air Minum Sendiri. 4. Persentase Rumah Tangga dengan Fasilitas Tempat Buang Air Besar Sendiri. 5. Persentase Rumah Tangga dengan Bahan Bakar Listrik dan Gas. 6. Persentase Penduduk dengan Pendidikan Tertinggi SMA dan Kuliah. 7. Persentase Penduduk yang Tidak Mengeluh Sakit. 8. Persentase Balita Bergizi Baik. 9. Persentase Angka Harapan Hidup. 10. Persentase Angka Beban Tanggungan.

 Variabel independen

Himpunan variabel independen terdiri dari empat, yaitu: 1. Persentase PDRB sektor industri. 2. Persentase PDRB sektor pertanian. 3. Persentase pekerja di sektor industri. 4. Persentase pekerja di sektor pertanian.

Fungsi kanonik yang terbentuk sebanyak empat fungsi kanonik karena banyaknya fungsi kanonik yang terbentuk mengikuti jumlah minimal variabel dalam setiap himpunan variabel. Jadi, banyak fungsi kanonik = minimal(4,10) = 4. Berdasarkan output SPSS, dengan menggunakan analisis korelasi kanonik, maka fungsi kanonik yang terbentuk adalah sebagai berikut: Fungsi pasangan kanonik pertama

Dengan korelasi kanonik menerangkan keragaman total sebesar Fungsi pasangan kanonik kedua

, artinya fungsi kanonik pertama .

Dengan korelasi kanonik menerangkan keragaman total sebesar Fungsi pasangan kanonik ketiga

, artinya fungsi kanonik pertama .

Dengan korelasi kanonik menerangkan keragaman total sebesar

, artinya fungsi kanonik pertama .

Fungsi pasangan kanonik keempat

Dengan korelasi kanonik menerangkan keragaman total sebesar

, artinya fungsi kanonik pertama .

Uji Signifikansi Uji Secara bersama-sama

Berdasarkan pada output SPSS, dengan menggunakan analisis korelasi kanonik, terlihat nilai signifikansi F untuk prosedur Pillais, Hotellings, Wilks, dan

Roys kurang dari =0,05. Jadi, apabila digabung secara bersama-sama, fungsi kanonik pertama, kedua, ketiga, dan keempat akan signifikan dan dapat dianalisis lebih lanjut. Uji individu

Korelasi kanonik antara

dan

adalah 0,94896. Kontribusi

dan

dalam menjelaskan keragaman dalam gugusnya adalah 0,8887. Pasangan kanonik 1 dapat menjelaskan keragaman data gugus asal sebesar 75,82% dan pasangan kanonik 2 dapat menjelaskan keragaman data gugus asal sebesar 13,39%, sehingga kumulatif pasangan kanonik 1 dan 2 adalah 89,21%. Berdasarkan nilai eigenvalue dapat dilihat bahwa pasangan kanonik 1 dan 2 memiliki nilai yang lebih dari satu. Hal ini menunjukkan bahwa terbentuk 2 fungsi kanonik.

Untuk lebih meyakinkan kesimpulan ini, maka dapat dilihat pada output Dimension Reduction Analysis berikut:

Berdasarkan pada output SPSS, dengan menggunakan analisis korelasi kanonik, terlihat nilai signifikansi F untuk fungsi kanonik pertama sebesar 0,000; fungsi kanonik kedua sebesar 0,012; fungsi kanonik ketiga sebesar 0,105; dan fungsi kanonik keempat sebesar 0,391. Nilai signifikansi F fungsi kanonik

pertama dan kedua kurang dari =0,05; sehingga fungsi kanonik pertama dan kedua signifikan secara individu. Jadi, fungsi kanonik pertama ( kedua ( dan ) dapat dianalisis lebih lanjut. dan ) dan

Canonical weight Kontribusi variabel dependen terhadap variabel kanonik

Kontribusi variabel independen terhadap variabel kanonik

Berdasarkan tabel Standardized canonical coefficients for Covariate, dapat diketahui: a. Pasangan fungsi kanonik pertama

Berdasarkan pada output SPSS dengan menggunakan analisis korelasi kanonik, dapat diketahui urutan kontribusi variabel-variabel independen terhadap variabel kanonik pertama adalah x4 (persentase pekerja sektor pertanian). Hal ini berarti dari kelompok variabel dependen, variabel x 4 paling berpengaruh terhadap penurunan seluruh variabel dependen. Urutan kontribusi variabel-variabel dependen terhadap variabel kanonik adalah y2(persentase rumah tangga dengan fasilitas penerangan PLN dan NonPLN) dan y1 (persentase pengeluaran di atas satu juta rupiah).

Bobot kanonik variabel-variabel independen bertanda negatif yang menyatakan bahwa semakin tinggi x4 akan menurunkan nilai variabel dependen.

b. Pasangan fungsi kanonik kedua

Berdasarkan pada output SPSS dengan menggunakan analisis korelasi kanonik, dapat diketahui urutan kontribusi variabel-variabel independen terhadap variabel kanonik pertama adalah x4 (persentase pekerja sektor pertanian). Hal ini berarti dari kelompok variabel dependen, variabel x 4 paling berpengaruh terhadap penurunan seluruh variabel dependen. Urutan kontribusi variabel-variabel dependen terhadap variabel kanonik adalah y10 (persentase angka beban tanggungan) dan y2 (persentase rumah tangga dengan fasilitas penerangan PLN dan Non-PLN).

Bobot kanonik variabel-variabel independen bertanda negatif yang menyatakan bahwa semakin tinggi x4 akan menurunkan nilai variabel dependen.

Canonical Loading Loading kanonik variabel dependen

Korelasi variabel asal (variabel dependen/Y) dengan variabel kanonik pertama (V1) yang cukup kuat ditunjukkan oleh variabel y2 (persentase rumah tangga dengan penerangan PLN dan non-PLN), y5 (persentase rumah tangga dengan bahan bakar gas dan listrik untuk memasak), y1 (persentase penduduk dengan pengeluaran di atas satu juta rupiah per-kapita per-bulan), dan y10(beban tanggungan bagi usia produktif). Korelasi variabel asal (variabel dependen/Y) dengan variabel kanonik kedua(V2) tidak ada yang lebih dari 0,5; yang terkuat ditunjukkan oleh variabel y7 (persentase penduduk yang tidak mengeluh sakit). Loading kanonik variabel independen

Korelasi variabel asal (variabel independen/X) dengan variabel kanonik pertama (U1) semuanya di atas 0,5; namun korelasi yang terkuat ditunjukkan oleh variabel x4 (persentase pekerja sektor pertanian). Sedangkan untuk korelasi

variabel asal (variabel independen/X) dengan variabel kanonik kedua (U2) yang nilainya di atas 0,5 adalah varibel x2(persentase PDRB sektor pertanian). Hal ini menunjukkan bahwa variabel kanonik U2 mencerminkan variabel persentase PDRB sektor pertanian.

Nilai canonical loading dapat dihitung dari korelasi antara kontribusi variabel kanoniknya. Semakin besar nilai loading mencerminkan semakin dekat hubungan fungsi kanonik yang bersangkutan dengan variabel asal. a. Pasangan fungsi kanonik pertama V1 dengan nilai loading terbesar yaitu y2 (persentase rumah tangga dengan fasilitas penerangan PLN dan Non-PLN) sebesar 0,79905. Semua varibel independen berpengaruh terhadap y2 karena semua nilai loadingnya lebih dari 0,5, dengan nilai loading terbesar yaitu x4 (persentase pekerja sektor pertanian) sebesar -0,97535. Dengan demikian dapat disimpulkan terjadi hubungan erat antara variabel x1, x2, x3, x4 dengan y2. b. Pasangan fungsi kanonik kedua V2 dengan nilai loading terbesar yaitu y7 (persentase penduduk yang tidak mengeluh sakit) sebesar -0,40917. Hanya variabel x2 (persentase PDRB sektor pertanian) yang mendominasi dalam mempengaruhi y7 dengan nilai loading sebesar 0,65561. Dengan demikian dapat disimpulkan terjadi hubungan erat antara x2 dengan y7.

Proporsi Keragaman Variabel Asal yang Dapat Dijelaskan Variabel Kanonik Keragaman pada gugus variabel dependen

Keragaman gugus variabel dependen (Y) yang dapat dijelaskan oleh

variabel kanonik V1 adalah 38,96% dan yang dapat dijelaskan oleh variabel kanonik V2 hanya sebesar 5,93%, Keragaman pada gugus variabel independen

Keragaman gugus variabel independen (X) yang dapat dijelaskan oleh variabel kanonik U1 adalah 58,18% dan yang dapat dijelaskan oleh variabel kanonik U2 hanya sebesar 14,51%.

KESIMPULAN DAN SARAN Dari hasil analisis korelasi kanonik pada bab sebelumnya, kesimpulan yang diperoleh adalah sebagai berikut: 1. Semakin tinggi persentase pekerja sektor pertanian, maka semakin rendah persentase rumah tangga dengan penerangan PLN dan non-PLN. Hal ini ditunjukkan oleh nilai korelasi sebesar -0,97535. 2. Semakin tinggi persentase pekerja sektor pertanian, maka semakin tinggi persentase rumah tangga dengan penerangan PLN dan non-PLN. Hal ini ditunjukkan oleh nilai korelasi sebesar 0,68756 3. Semakin tinggi persentase PDRB sektor industri, maka semakin tinggi pula persentase rumah tangga dengan penerangan PLN dan non-PLN. Hal ini ditunjukkan oleh nilai korelasi sebesar 0,59749 4. Semakin tinggi persentase PDRB sektor pertanian, maka semakin tinggi persentase penduduk yang tidak mengeluh sakit. Hal ini ditunjukkan oleh nilai korelasi sebesar 0,65561. Dari hasil kesimpulan di atas, terlihat bahwa gugus struktur ekonomi hanya didominasi oleh pengaruh sektor industri dan sektor pertanian, baik dilihat dari sisi persentase pekerja sektor maupun sisi persentase PDRB sektor. Hal ini

menunjukkan bahwa struktur perekonomian di Indonesia pada tahun 2010 didominasi oleh kedua sektor pertanian. Berdasarkan hasil kesimpulan di atas, presentasi sektor pertanian yang tinggi menunjukkan kesejahteraan rakyat yang kurang (apabila dilihat dari hasil persentase rumah tangga dengan penerangan PLN dan non-PLN yang rendah). Oleh sebab itu, pemerintah Indonesia hendaknya lebih memperhatikan tenaga kerja yang masih besar keberadaannya di sektor pertanian, dan berupaya untuk meningkatkan jumlah tenaga kerja di sektor industri dengan tetap mempertahankan output (PDRB) sektor pertanian yang optimal. Untuk penelitian selanjutnya hendaknya memasukkan sektor lainnya dalam gugus variabel struktur ekonomi, agar dapat diketahui pengaruh sektor ekonomi selain kedua sektor tersebut.

DAFTAR PUSTAKA

Bilodeau, M. & Brenner, D. (1999). Theory of Multivariate Statistics. New York: Springer. Hair, Joseph F et. all. 2006. Multivariate Data Analysis. Sixth Edition. New Jersey: Pearson Prentice Hall. Harmini. 1997. Hubungan Struktur Ekonomi dengan Kesejahteraan Rakyat (Suatu Pendekatan dengan Analisis Korelasi Kanonik). Bogor: Institut Pertanian Bogor. Johnson, R A. and Wichern,D W., 2007. Applied Multivariate Statistical Analysis 6 Edition, Prentice Hall. Mattjik, Ahmad Ansori dan Sumertajaya, I Made. 2011. Sidik Variabel Ganda dengan Menggunakan SAS. Bogor: Departemen Statistika. Institut Pertanian Bogor. Nugroho, S, 2008. Statistika Multivariate Terapan, UNIB Press. Prapti NSS, Lulus. 2006. Keterkaitan antara Pertumbuhan Ekonomi dan Distribusi Pendapatan (Studi Kasus 35 Kabupaten/Kota Jawa Tengah 2000-2004). Universitas Diponegoro. Semarang

Rencher, Alvin C. (2002). Methods of Multivariate Analysis Second Edition. Canada. A John Wiley & Sons, Inc. Publication. Safitri, Diah. Analisis Korelasi Kanonik pada Perilaku Kesehatan dan Karakteristik Sosial Ekonomi di Kota Pati Jawa Tengah. Semarang: Universitas Diponegoro. Suryanto, Dwi. 2011. Analisis Pengaruh Tenaga Kerja, Tingkat Pendidikan, dan Pengeluaran Pemerintah terhadap Pertumbuhan Ekonomi di

Subosukawonoraten Tahun 2004-2008. Fakultas Ekonomi Universitas Diponegoro. Semarang Susetyo, Budi. (2004). Hubungan Motivasi, Minat, Sikap dengan Prestasi Belajar Fisika, Matematika, Kimia, dan Biologi di FMIPA dan FPMIPA.Jakarta. Yunitasari, Maria. 2007. Analisis Hubungan antara Pertumbuhan Ekonomi dengan Pembangunan Manusia Propinsi Jawa Timur. Departemen Ilmuilmu Sosial Ekonomi Pertanian: Fakultas Pertanian IPB. Bogor

LAMPIRAN

Pengujian Asumsi Klasik

1. Normal Multivariate

Berdasarkan diagram pencar di atas, plot titik-titik berada di sekitar garis liniernya. Ini berarti distribusi dari data observasi dapat dikatakan mengikuti distribusi multivariat normal. Untuk lebih meyakinkan kesimpulan ini, uji dengan menggunakan skewness dan kurtosis dilakukan. Hasilnya pengujian menggunakan software Herodes disajikan dalam tabel di bawah ini.

Dari hasil pengujian skewness dan kurtosis di atas, kesimpulan yang dihasilkan sama dengan kesimpulan yang diperoleh dari diagram pencar.

2. Linieritas

Diagram pencar di atas menunjukkan bahwa terdapat hubungan linier antara gugus variabel ekonomi dengan gugus variabel kesejahteraan rakyat. Hubungan linier tersebut diwakili oleh hubungan variabel persentase pekerja sektor pertanian (X4) dan variabel persentase rumah tangga dengan fasilitas penerangan PLN dan non-PLN (Y2). 3. Multikolinearitas

Nilai VIF pada semua variabel kurang dari 5, hal ini menunjukkan bahwa asumsi non multikolinearitas telah terpenuhi.