Analisis Keterkaitan antara Nilai PDRB dengan Jumlah Angkatan Kerja dan Nilai IPM pada Kota/Kabupaten di Provinsi DKI Jakarta Menggunakan Crosstab/ Tabulasi Silang

Disusun untuk Memenuhi Tugas Mata Kuliah Metode Analisis Perencanaan(TKP 342)

Dosen Pengampu:Dr. Iwan RudiartoWidjanarko, S.T., M.T.Sri Rahayu, S.Si, M.SiAnang Wahyu Sejati, S.T., M.T.

Disusun oleh:Izzah Khusna21040113140123Kelas A- 2013

JURUSAN PERENCANAAN WILAYAH DAN KOTAFAKULTAS TEKNIK UNIVERSITAS DIPONEGORO SEMARANG2015

1. Latar BelakangPertumbuhan dan perkembangan suatu perekonomian wilayah tidak terlepas dari besarnya PDRB yang dihasilkan dari wilayah tersebut, hal ini dikarenakan PDRB merupakan angka yang menunjukkan pendapatan suatu wilayah dalam berbagai sektor. Jadi besar kemungkinan apabila nilai PDRB dapat menjadi salah satu acuan dalam menentukan tingkat kesejahteraan suatu wilayah.Berdasarkan besarnya nilai PDRB tahun 2012, secara nasional Provinsi DKI Jakarta merupakan pemberi kontribusi terbesar kedua setelah Kalimantan Timur. Namun, apakah besarnya nilai PDRB dari setiap kota yang ada di Provinsi DKI Jakarta berhubungan dengan banyaknya tenaga kerja yang ada di dalam masing-masing wilayah tersebut? Dan apakah besarnya nilai PDRB juga mempengaruhi nilai Indeks Pembangunan Manusia (IPM)? Melalui laporan ini, penulis mencoba untuk menampilkan ada atau tidaknya keterkaitan/hubungan diantara ketiganya melalui data sekunder BPS masing-masing kota yang kemudian dianalisis dengan bantuan SPSS.2. TujuanAnalisis Crosstab memiliki tujuan sebagai berikut:a. Menganalisis hubungan-hubungan antar variabel yang terjadi (variabel independent/bebas dan dependent/terikat);b. Melihat bagaimana kedua atau beberapa variabel berhubungan;c. Mengatur data untuk keperluan analisis statistika;d. Mengadakan kontrol terhadap variabel tertentu sehingga dapat dianalisis ada tidaknya hubungan.3. Alat dan BahanAlat dan bahan yang digunakan dalam analisis ini adalah sebagai berikut:a. Alat Laptop/PC yang telah ter-install Microsoft Excel dan SPSS 17.0 atau versi terbaru lainnya.b. Bahan Data valid yang akan diolah, minimal tiga variabel.Data bisa bersifat apa saja, akan tetapi dalam praktiknya, data tersebut akan diubah menjadi data nominal atau ordinal sehingga dapat diproses ke dalam crosstab. Dalam laporan ini, penulis menggunakan data PRDB atas dasar harga berlaku, angkatan kerja, dan nilai IPM dari Provinsi DKI Jakarta tahun 2012.4. AnalisisBerikut merupakan data yang akan diolah:

Selanjutnya masing-masing data yang memiliki nama depan R_ diolah langsung dengan analisis crosstab. R_PDRB_ADHB merupakan variabel terikat (dependent) dimasukkan ke dalam kolom Row dan dua variabel lainnya, yaitu R_Angkt_Kerja dan R_IPM merupakan variabel bebas (independent) dan dimasukkan ke dalam kolom Coloumn. Setelah dilakukan analisis, didapatkan hasil output sebagai berikut:a. Keterkaitan nilai PDRB dengan banyaknya angkatan kerja Tabel Cases

Case Processing Summary

Cases

ValidMissingTotal

NPercentNPercentNPercent

R_PDRB_ADHB * R_Angkt_Kerja6100.0%0.0%6100.0%

R_PDRB_ADHB * R_IPM6100.0%0.0%6100.0%

Case processing summary menunjukkan jumlah data yang digunakan. Pada kolom missing, apabila nilai yang keluar 0, maka tidak ada variabel yang hilang atau tidak diketahui oleh program. Dari tabel diatas juga diketahui bahwa ke-valid-an data menunjukkan angka 100%, berarti data 6 kabupaten/kota di Provinsi DKI Jakarta sudah masuk semua di program untuk dianalisis.

Hubungan Nilai PDRB dengan Banyaknya Angkatan Kerja

Crosstab

R_Angkt_KerjaTotal

SedikitSedangBanyak

R_PDRB_ADHBRendah1001

Sedang0112

Tinggi0033

Total1146

Tabel diatas menunjukkan distribusi nilai PDRB dengan banyaknya angkatan kerja. Jika dilihat sekilas, kemungkinan besar keduanya memiliki hubungan. Terdapat satu kabupaten/kota yang mana angkatan kerjanya sedikit terdistribusi di wilayah yang nilai PDRB-nya rendah, dan jumlah angkatan kerja yang banyak berada di tiga kabupaten/kota yang memiliki nilai PDRB tinggi.

Chi-Square Tests

ValuedfAsymp. Sig. (2-sided)

Pearson Chi-Square8.250a4.083

Likelihood Ratio7.6384.106

Linear-by-Linear Association3.8571.050

N of Valid Cases6

a. 9 cells (100.0%) have expected count less than 5. The minimum expected count is .17.

Berdasarkan hasil tabel chi-square diatas menunjukkan, Asymp.Sig bernilai 0.083 (lebih besar dari nilai derajat kepercayaan =0.05). Hal ini berarti, besar nilai PDRB tidak ada keterkaitan/hubungan dengan banyaknya jumlah angkatan kerja yang dimiliki (H0 diterima, H1 ditolak). Jadi, semakin tinggi nilai PDRB suatu kota/kabupaten di Provinsi DKI Jakarta tidak berarti wilayah tersebut memiliki jumlah angkatan kerja yang banyak.

Directional Measures

ValueAsymp. Std. ErroraApprox. TbApprox. Sig.

Nominal by NominalLambdaSymmetric.600.3921.095.273

R_PDRB_ADHB Dependent.667.2721.732.083

R_Angkt_Kerja Dependent.500.612.594.552

Goodman and Kruskal tauR_PDRB_ADHB Dependent.591.204.206c

R_Angkt_Kerja Dependent.667.079.155c

Uncertainty CoefficientSymmetric.678.1762.386.106d

R_PDRB_ADHB Dependent.629.2062.386.106d

R_Angkt_Kerja Dependent.734.1552.386.106d

a. Not assuming the null hypothesis.

b. Using the asymptotic standard error assuming the null hypothesis.

c. Based on chi-square approximation

d. Likelihood ratio chi-square probability.

Directional measures merupakan pengukuran untuk hubungan tidak setara. Berikut analisis tabel directional measures: Besaran nilai Sig menunjukkan angka 0.273 berarti diatas 0.05, dapat diambil kesimpulan bahwa variabel tidak ada hubungan yang nyata. Besaran nilai Sig pada Goodman dan Kruskal tau menunjukkan angka 0.206 bahwa terdapat korelasi yang tidak kuat maka dapat diprediksi bahwa variabel besarnya nilai PDRB tidak dapat memprediksi secara kuat jumlah angkatan kerja, begitu pula sebaliknya. Besaran nilai Sig pada Uncertainty coefficient menunjukkan angka 0.106, dapat disimpulkan bahwa variabel besarnya nilai PDRB tidak dapat memprediksi secara kuat jumlah angkatan kerja, begitu pula sebaliknya.b. Keterkaitan nilai PDRB dengan nilai IPM

Crosstab

R_IPMTotal

RendahSedangTinggi

R_PDRB_ADHBRendah1001

Sedang0202

Tinggi0213

Total1416

Tabel diatas menunjukkan distribusi nilai PDRB dengan besarnya nilai IPM. Terdapat satu kabupaten/kota yang mana nilai IPM-nya rendah terdistribusi di wilayah yang nilai PDRB-nya rendah, namun hanya terdapat di satu kota/ kabupaten saja yang nilai IPM tinggi berada di wilayah yang memiliki nilai PDRB tinggi.Chi-Square Tests

ValuedfAsymp. Sig. (2-sided)

Pearson Chi-Square7.000a4.136

Likelihood Ratio6.5924.159

Linear-by-Linear Association3.0001.083

N of Valid Cases6

a. 9 cells (100.0%) have expected count less than 5. The minimum expected count is .17.

Berdasarkan hasil tabel chi-square diatas menunjukkan, Asymp.Sig bernilai 0.136 (lebih besar dari nilai derajat kepercayaan =0.05). Hal ini berarti, besar nilai PDRB tidak ada keterkaitan/hubungan dengan nilai IPM yang dimiliki oleh kota/kabupaten di DKI Jakarta (H0 diterima, H1 ditolak). Jadi, semakin tingginya nilai PDRB suatu kota/kabupaten di Provinsi DKI Jakarta tidak berarti wilayah tersebut memiliki nilai IPM yang tinggi.Directional Measures

ValueAsymp. Std. ErroraApprox. TbApprox. Sig.

Nominal by NominalLambdaSymmetric.400.416.739.460

R_PDRB_ADHB Dependent.333.609.455.649

R_IPM Dependent.500.3541.095.273

Goodman and Kruskal tauR_PDRB_ADHB Dependent.455.050.337c

R_IPM Dependent.556.060.235c

Uncertainty CoefficientSymmetric.585.1552.217.159d

R_PDRB_ADHB Dependent.543.1752.217.159d

R_IPM Dependent.633.1722.217.159d

a. Not assuming the null hypothesis.

b. Using the asymptotic standard error assuming the null hypothesis.

c. Based on chi-square approximation

d. Likelihood ratio chi-square probability.

Directional measures merupakan pengukuran untuk hubungan tidak setara. Berikut analisis tabel directional measures: Besaran nilai Sig menunjukkan angka 0.460 berarti diatas 0.05, dapat diambil kesimpulan bahwa kedua variabel tidak ada hubungan yang nyata. Besaran nilai Sig pada Goodman dan Kruskal tau menunjukkan angka 0.206 bahwa terdapat korelasi yang tidak kuat maka dapat diprediksi bahwa variabel besarnya nilai PDRB tidak dapat memprediksi secara kuat nilai IPM yang terjadi, begitu pula sebaliknya. Besaran nilai Sig pada Uncertainty coefficient menunjukkan angka 0.106, dapat disimpulkan bahwa variabel besarnya nilai PDRB tidak dapat memprediksi secara kuat nilai IPM pada suatu kota/kabupaten di Provinsi DKI Jakarta, begitu pula sebaliknya.

c. KesimpulanMelalui pembahasan analisis diatas, dapat disimpulkan bahwa tidak ada keterkaitan/hubungan serta korelasi yang tidak kuat antara besarnya nilai PDRB dengan banyaknya jumlah angkatan kerja dan nilai IPM pada kota/kabupaten di Provinsi DKI Jakarta (H0 diterima, H1 ditolak). Hal ini mengindikasikan bahwa, suatu kabupaten/kota yang memiliki nilai PDRB yang besar, bukan berarti hal tersebut akibat jumlah pekerja yang banyak (produktivitasnya kuat). Selain itu, nilai PDRB bukan menjadi tolok ukur kesejahteraan masyarakat, sebab nilai PDRB yang besar juga tidak menjamin tingginya nilai IPM yang dimiliki oleh suatu wilayah, begitupula sebaliknya. Besar kemungkinan bahwa nilai PDRB dipengaruhi oleh beberapa variabel lain yang tidak digunakan dalam laporan ini.

DAFTAR PUSTAKABPS Provinsi DKI Jakarta. Profil tahun 2013 dalam jakarta.bps.go.id. Diakses pada hari Selasa, 24 Maret 2015Pangi. 2014. Materi Kuliah Teknologi Informasi: Analisis Crosstab dalam bentuk pptxPemerintah Provinsi DKI Jakarta Official Website. 2013. Indeks Pembangunan Manusia tahun 2013 dalam jakarta.go.id. Diakses pada hari Selasa, 24 Maret 2015Pemerintah Provinsi DKI Jakarta Official Website. 2013. Pertumbuhan Ekonomi Wilayah DKI Jakarta Triwulan IV Tahun 2013 dalam jakarta.go.id. Diakses pada hari Selasa, 24 Maret 2015