JENIS-JENIS DATA

Data merupakan kumpulan fakta atau angka atau segala sesuatu yang dapat dipercaya kebenarannya sehingga dapat digunakan sebagai dasar dalam menarik suatu kesimpulan. Data adalah sesuatu yang dapat digunakan untuk menggambarkan keadaan yang di dapatkan dari sampel atau populasi. Data dapat berupa angka, pernyataan, gambar dan keadaan. Suatu data dikatakan baik apabila : Objektif dan akurat, artinya sesuai dengan kenyataan yang sebenarnya. Up to date, merupakan data yang paling terbaru. Relevan untuk menjawab suatu persoalan yang sedang menjadi pokok pembahasan. Representatif, artinya dapat mewakili/menggambarkan kondisi suatu/karakteristik suatu keadaan. Memiliki kesalahan baku kecil.Data tersebut dapat dikelompokkan dalam beberapa kategori, berikut adalah pengklasifikasian data :1. Berdasarkan Jenis Dataa) Data kuantitatif, yaitu data yang dipaparkan dalam bentuk angka-angka dan dapat dilakukan operasi matematika.Terdiri atas dua yakni: Interval adalah data yang memiliki kategorisasi.Contoh: IPK Nilai 80-90 mendapatkan A, nilai 70-80 mendapatkan B. Rasio adalah data yang menggunakan titik 0 sebagai angka mutlakContoh: Seorang siswa mengikuti Ujian Harian Fisiska dan mendapatkan nilai 0, tetapi bukan berarti siswa tersebut tidak memiliki pengetahuan sama sekali tentang mata pelajaran fisika.b) Data kualitatif, yaitu data yang bukan berupa angka (tidak dapat dilakukan operasi matematika), data yang dipaparkan dalam bentuk kata-kata yang mengandung makna.Terdiri atas dua yakni: Nominal adalah data yang paling rendah dalam level pengukuran dataContoh: tanggal lahir, jenis kelamin. Ordinal merupakan tingkatan data Contoh: pendapat masyarakat tentang pencalonan Jokowi sebagai Presiden RI : sangat setuju, setuju, kurang setuju, tidak setuju.2. Berdasarkan Cara MemperolehnyaBerdasarkan cara memperolehnya, data dibedakan menjadi dua, yaitu data primer dan data sekunder.a) Data primer adalah data yang diambil oleh perseorangan maupun organisasi secara langsung dari objek penelitian melalui wawancara ataupun kuisioner. Data primer disebut juga data asli atau data baru dan memiliki sifat up to date.. Contoh : Mewawancarai warga penduduk terkait pendapatnya mengenai kenaikan harga bahan bakar minyak. b) Data sekunder adalah data yang didapatkan secara tidak langsung dari objek penelitian. Data yang diperoleh adalah data yang telah dikumpulkan oleh pihak lain dengan berbagai cara. Data yang diperoleh dapat berupa data yang sudah jadi yang telah diolah terlebih dahulu oleh pihak lain. Data sekunder disebut juga data tersedia.Contoh : Data demografi (kependudukan) yang diperoleh dari BPS.3. Berdasarkan Bentuk AngkaDitinjau dari segi bentuk angkanya, data statistik dibedakan menjadi dua yaitu:a) Data tunggal (un-grouped data)Data tunggal yaitu data statistik yang masing-masing angkanya merupakan satu unit (satu kesatuan. Dengan kata lain, data tunggal ialah data statistik yang masing-masing angkanya merupakan satu unit (satu kesatuan) atau data statistik yang angka-angkanya tidak dikelompokkan.b) Data kelompok (grouped data)Data kelompok ialah data statistik yang tiap-tiap unitnya terdiri dari sekelompok angka.4. Berdasarkan Sumber DataBerdasarkan sumber data, data dibagi menjadi data internal dan data eksternala) Data internal adalah data yang menggambarkan situasi dan kondisi pada suatu organisasi secara internal.Contoh : Data pegawai, data keuangan.b) Data eksternal adalah data yang menggambarkna situasi serta kondisi yang ada di luar (eksternal) suatu organisasi.Contoh : Data pertumbuhan dan persebaran penduduk Semarang.5. Berdasarkan Sifat DataBerdasarkan sifat data, data dibedakan menjadi:a) Data diskrit, yaitu data yang nilainya merupakan bilangan asli.Contoh : nilai rupiah.b) Data kontinyu, yaitu data yang nilainya ada pada suatu interval tertentu atau berada pada nilai yang satu ke nilai yang lainnya. Contohnya penggunaan kata sekitar, kurang lebih, kira-kira dan sebagainya. Data kontinyu dapat berbentuk bilangan bulat atau pecahan tergantung pada jenis skala pengukuran yang digunakan.Contoh : penduduk di Kota Semarang kurang lebih 2 juta jiwa.

6. Berdasarkan Waktu Pengumpulan/Pengambilan Dataa) Data cross-section, adalah data yang menunjukkan titik waktu tertentu, data yang diambil/dikumpulkan dalam waktu tertentu pada beberapa objek untuk menggambarkan keadaan.Contoh: data penduduk bulan Januari 2014.b) Data time series (berkala), adalah data yang menggambarkan sesuatu dari waktu ke waktu atau periode secara historis.Contoh : Data PDRB Kabupaten Temanggung dari tahun 2007-2011.

Data yang telah dikumpulkan dan diolah sebelumnya, perlu disajikan dan disusun ke dalam bentuk-bentuk tertentu agar mudah dipahami dan dimengerti oleh orang lain. Penyajian data tersebut memiliki beberapa fungsi, di antaranya: untuk menunjukkan perkembangan suatu keadaan serta melakukan perbandingan pada suatu waktu, memudahkan dalam membuat analisis data serta pengambilan kesimpulan dan keputusan yang leih tepat, cepat, dan akurat.

*****Statistik adalah bilangan yang diperoleh melalui proses perhitungan terhadap sekumpulan data yang berasal dari sampel. Sedangakan yang dimaksud dengan statistika yaitu konsep dan metode yang bisa digunakan untuk mengumpulkan, menyajikan dan menginterpretasikan data dari kejadian tertentu untuk mengambil suatu keputusan atau kesimpulan dalam suatu kondisi adanya ketidakpastian.Menurut Sugiyono (2008), metode analisis deskriptif adalah metode penelitian dengan cara mengumpulkan data-data yang kemudian disusun, diolah dan dianalisis untuk dapat menggambarkan mengenai suatu permasalahan yang ada. metode analisis deskriptif menggunakan pendekatan kuantitatif untuk mendapatkan gambaran secara sistematis, faktual serta akurat mengebai fakta-fakta, sifat-sifat serta hubungan terkait permasalahan yang diteliti. Dalam statistika terdapat metode-metode tertentu sebagai pedoman untuk menyajikan data sehingga secara ringkas dapat dengan mudah dipahami yang dikenal sebagai statistika deskriptif. Statistik deskriptif hanya bersifat menjelaskan atau menguraikan keterangan mengenai suatu data, keadaan atau persoalan. Dalam satatistik deskriptif meliputi pengumpulan, penyajian serta analisis tanpa adanya penarikan kesimpulan. Jika ada penarikan kesimpulan, hanya ditujukan pada kumpulan data yang ada. Fungsi analisis deskriptif adalah untuk memberikan gambaran umum dari data yang telah diperoleh. Penggunaan analisis deskriptif seringkali diabaikan dalam penelitian-penelitian sosial. Dalam analisis deskriptif terdapat ukuran pemusatan data dan ukuran penyebaran data. Ukuran pemusatan data meliputi mean, median serta modus, sedangkan ukuran penyebaran data meliputi range, varians serta simpangan baku. 1. Ukuran Pemusatan DataUkuran pemusatan data meliputi :a) Mean, merupakan rata-rata hitung dari jumlah seluruh nilai dibagi dengan banyaknya jumlah data.b) Modus (mode), adalah nilai yang memiliki frekuensi tertinggi dalam suatu kumpulan data. Modus juga diartikan sebagai nilai yang paling sering muncul.c) Median, merupakan nilai tengah dari suatu rangkaian data yang telah diurutkan dari data yang terkecil hingga terbesar. Median disebut juga kuartil 2 (Q2).2. Ukuran Penyebaran DataPenyebaran data adalah suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya. Berdasarkan penyebarannya, data dikelompokkan dalam dua kategori, yaitu data homogen dan data heterogen. Data homogen merupakan data yang memiliki penyebaran yang relatif kecil, sedangkan data heterogen merupakan data yang memiliki penyebaran relatif besar. Ukuran penyebaran data meliputi :a) Range (daerah jangkauan), merupakan jarak antara data terbesar dan data terkecil. Range dilambangkan dengan R.b) Simpangan rata-rata, merupakan jarak rata-rata suatu data terhadap rataannya. c) Simpangan baku, disebut juga deviasi standar. Simpangan baku adalah akar pangkat dua dari rata-rata kuadrat selisih nilai data individual terhadap rata-rata (mean) dari rangkaian data itu. d) Varian atau ragam adalah rata-rata hitung dari kuadrat selisih setiap data terhadap rata-rata hitungnya. Akar pangkat dua dari varian akan menghasilkan nillai deviasi standar (simpangan baku). Simbol varian adalah S2.e) Koefisien varian, yaitu perbandingan antara simpangan standar dengan nilai rata-rata yang dinyatakan dengan prosentase. Koefisien variasi berguna untuk melihat sebaran data dari rata-rata hitungnya. Semakin kecil koefisien variasinya, maka data tersebut semakin homogen.Analisis deskriptif digunakan untuk menyajikan dan menganalisis data sehingga data menjadi lebih informatif sehingga mudah dipahami oleh orang lain. Analisis deskriptif ini disertai dengan perhitungan-perhitungan sederhana untuk memperjelas karakteristik data. Dalam bidang perencanaan wilayah dan kota, statistik dapat digunakan untuk membantu dalam menganalisis serta menyelesaikan beberapa permasalahan seperti masalah kependudukan. Untuk menyelesaikan masalah-masalah yang berkaitan dengan statistik, terdapat beberapa program aplikasi/sofware yang digunakan untuk mempermudah dalam menghitung dan menganalisis data statistik, salah satunya adalah SPSS (Statistical Product and Service Solutions).SPSS merupakan program aplikasi yang digunakan untuk melakukan perhitungan statistik menggunakan komputer. Program ini memiliki kelebihan yaitu dapat melakukan perhitungan statistik secara cepat dan tepat dari yang sederhana bahkan hingga yang rumit sekalipun untuk mendapatkan berbagai hasil yang dikehendaki.*****Metode Crosstab merupakan metode yang menggunakan uji statistik untuk mengidentifikasi dan mengetahui korelasi antar dua variabel (Gasperz, 1992). Analisis Crosstab merupakan analisis yang digunakan untuk mengetahui secara hubungan/keterkaitan antara dua variabel atau lebih. Pada analisis crosstab ini dapat mengukur apakah ada hubungan antara dua variabel tertentu dan seberapa kuat hubungan yang ada (Santoso, 2008). Metode Crosstab digunakan untuk mentabulasikan beberapa variabel yang berbeda ke dalam suatu matriks, yang disajikan ke dalam suatu tabel dengan variabel yang tersusun sebagai kolom dan baris.Variabel yang dianalisis dengan metode ini adalah variabel yang bersifat kualitatif, yaitu memiliki skala nominal. Tabulasi silang dapat digunakan jika salah satu variabel bersifat kualitatif dan lainnya kuantitatif atau kedua variabel berupa variabel kualitatif.Variabel-variabel yang digunakan dalam suatu tabel crosstab berguna untuk:1. Menganalisis hubungan-hubungan antar variabel yang terjadi.2. Melihat bagaimana kedua atau beberapa variabel yang berhubungan.3. Mengatur data untuk keperluan analisis statistik.4. Mengadakan kontrol terhadap variabel tertentu sehingga dapat dianalisis tentang ada tidaknya hubungan palsu (spurious relations).5. Memeriksa apakah terdapat kesalahan-kesalahan dalam kode ataupun jawaban dari daftar pertanyaan (kuisioner).Secara teknis analisis crosstabs dapat dikatakan sebagai proses menganalisis hubungan antar dua variabel atau lebih secara lebih detail. Hal ini dapat dilihat dari beberapa metode uji yang digunakan yaitu :1. Uji chi-squre test, untuk mengetahui hubungan antara baris dan kolom 2. Uji directional measures, untuk mengetahui kesetaraan antar hubungan variabel. 3. Uji symetric measures, untuk mengetahui hubungan setara berdasarkan chi-square.4. Uji contingency coeffiicient, untuk mengetahui koefisien kontingensi korelasi antar dua variabel. Harga contingency coefficient dapat dilihat dari daftar symetric measure yang menunjukkan keterkaitan antara variabel yang diuji. Bila nilai chi-square ditolak, maka perlu melihat nilai contingency coefficient. Bila hipotesis diterima, kita tidak perlu melihat nilai contingency coefficient karena kedua variabel tidak memiliki keterkaitan.5. Uji Lambda, berfungsi merefleksikan reduksi pada error bilamana value-value dari suatu variabel digunakan untuk memprediksi value-value dari variabel lain. Nilai lambda berkisar antara 0-1. Bila mendekati 0 maka terdapat faktor-faktor lain yang mempengaruhi variabel terikat, selain yang telah disebutkan.6. Uji Phi dan Cramers V, untuk menghitung koefisien phi dan varian cramer. 7. Uji Goodman dan Kruskal Tau, digunakan untuk membandingkan probabilitas error dari dua situasi. Dalam perencananaan wilayah/kota, analisis crosstab digunakan untuk mengetahui hubungan sebab-akibat dari suatu fenomena atau permasalahan yang terjadi. Contohnya adalah jumlah produksi dengan luas panen.Dalam menginterpretasikan nilai output crosstab ini menggunakan hipotesis-hipotesis untuk mengetahui ada tidaknya hubungan antar 2 atau lebih dari variabel yang digunakan. Hipotesis yang digunakan sebagai dasar pengambilan keputusan yaitu, H0 : Tidak ada hubungan antara baris dan kolom (variabel terikat dan variabel bebas) H1 : Ada hubungan antara baris dan kolom (variabel terikat dan variabel bebas)Berdasarkan perbandingan Uji Chi-Square pada taraf-taraf tertentu, keterkaitannya dapat menggunakan perbandingan antara nilai X2 hitung dengan X2 tabel dengan syarat: Jika X2 hitung < X2 tabel, maka H0 diterima (H1 ditolak), Jika X2 hitung X2 tabel, maka H0 ditolak (H1 diterima)Berdasarkan probabilitasnya () : Nilai probabilitas () > 0.05, H0 diterima dan H1 ditolak; Nilai probabilitas () < 0.05, H0 ditolak dan H1 diterima.

*****Analisis Cluster merupakan teknik statistik yang berguna untuk mengelompokkan aobjek ataupun variabel ke dalam beberapa kelompok tertentu di mana setiap objek atau variabel yang terbentuk memiliki sifat dan karakteristik yang berdekatan. Analisis cluster merupakan alat analisis data di berbagai situasi berbeda. Sebagai contoh peneliti yang mengumpulkan data dengan cara kuesioner mungkin menghadapi banyak observasi yang tidak bermakna sebelum diklasifikasikan secara teratur dalam kelompok-kelompok tertentu.Analisis cluster digunakan untuk segmentasi sejumlah responden ke dalam beberapa kelompok berdasarkan kemiripan atau kesamaan sejumlah atribut yang didefiniskan. Tujuan dari analisis Cluster adalah untuk mengetahui struktur data dengan menempatkan kesamaan objek observasi ke dalam satu grup atau dengan mengelompokkan sekumpulan objek (case atau variabel) ke dalam beberapa kelompok (cluster) yang memiliki karakteristik tertentu dan dapat dibedakan satu sama lain untuk analisis dan interpretasi lebih lanjut. Guna mencapai hal tersebut, ada tiga hal yang perlu diperhatikan diantaranya adalah Mengukur Kemiripan (similarity) Hal ini dilakukan dengan mengelompokkan atau memisahkan objek berdasarkan kesamaan antar objek. Membentuk Cluster mengidentifikasi dua observasi yang memiliki tingkat kemiripan paling tinggi/ terdekat yang belum berada di cluster yang sama dan mengkombinasikan cluster-clusternya. Hal ini dinamakan metode aglomerasi karena cluster dibentuk dengan kombinasi cluster-cluster yang ada. Dalam tahapan ini diidentifikasi dua variabel yang diamati, dengan tingkat kemiripan paling tinggi yang belum berada di cluster awal dan menggabungkan cluster-cluster tersebut Menentukan Jumlah Cluster sebagai Hasil Akhir Metode hirarkis tersebut menghasilkan jumlah cluster. Tingkatan optimal harus didapat guna mencapai struktur yang seimbang dari homogenitas suatu cluster.

Metode Pembentukan ClusterSecara garis besar, terdapat dua metode pembentukan cluster, yaitu:1. Metode HirarkiMetode hirarki adalah teknik pengelompokan yang membentuk konstruksi hirarki atau berdasarkan tingkatan tertentu seperti struktur pohon, sehingga proses pengelompokan dilakukan secara bertingkat atau bertahap.2. Metode PartisiMetode partisi (non hirarki atau K-Means) dimulai dengan memilih sejumlah nilai cluster yang sesuai dengan jumlah yang diinginkan kemudian objek digabungkan ke dalam cluster-cluster tersebut. K-Means cluster merupakan analisis statistik yang berguna untuk mengelompokkan sejumlah objek ke dalam jumlah kelompok yang sudah ditetapkan di mana karaketeristik objek hanya dikelompokkan berdasarkan variabel tertentu. Prosedur analisis cluster k-means digunakan untuk mengelompokkan sejumlah objek yang besar (>100) dengan lebih efisien. Metode ini didasarkan pada nearest centroid sorting yaitu pengelompokan berdasarkan jarak terkecil antara kasus dan pusat cluster.Interpretasi dari analisis cluster ini dapat dilakukan dengan melihat grafik dendogram maupun analisis koefisien aglomerasi. Dendogram merupakan suatu diagram pohon yang menggambarkan penggabungan atau pemisahan objek menjadi cluster dalam tiap tahap pemrosesan, sedangkan jarak antar pengelompokan merupakan interpretasi dari beberapa nilai kedekatan penggabungan objek ke dalam cluster.

Dendogram

Cluster yang telah terbentuk kemudian diuji dengan membandingkan hasil yang diperoleh dengan algoritma yang berbeda. Misalnya dengan membandingkan hasil yang diperoleh melalui metode hirarki dengan hasil dari metode non hirarki. Apabila terdapat perbedaan hasil yang cukup signifikan, maka cluster yang terbentuk masih belum dapat dikatakan valid karena tidak dapat diterapkan secara umum.

*****Analisis Diskriminan merupakan teknik statistik yang cocok untuk menguji hipotesis dari sekelompok variabel bebas. Uji untuk signifikansi statistik untuk fungsi diskriminan secara umum diukur dari jarak diantara dua kurva. Jika overlap (wilayah tumpang tindih) dalam distribusi luasnya kecil, maka fungsi diskriminan dengan baik memisahkan kelompok, namun jika overlap besar, fungsi kurang baik sebagai pemisah antara kelompok. Analisis diskriminan digunakan untuk memodelkan suatu hubungan antara variabel dependen yang berdata kategori dengan beberapa variabel independen (prediktor). Analisis diskriminan berusaha mengelompokkan setiap objek ke dalam dua atau lebih kelompok berdasarkan pada sejumlah kriteria variabel independen. Asumsi yang digunakan dalam analisis diskriminan adalah tidak adanya multikolinieritas antara variabel independen dan setiap variabel independen mengikuti fungsi distribusi normal serta homogenitas varians antara kelompok data. Ada beberapa langkah yang merupakan proses dasar dalam melakukan analisis diskriminan adalah sebagai berikut :a. Memilih variabel-variabel yang menjadi variabel terikat (dependen) dan variabel bebas (independen)b. Menentukan metode untuk membuat fungsi diskriminan, yaitu ada 2 (dua) metode sebagai berikut: Simultaneous Estimation, yaitu metode dimana semua variabel dimasukkan secara bersamaan lalu dilakukan proses diskriminan Step-Wise Estimation, yaitu proses dimana variabel-variabel yang ada dimasukkan satu per satu ke dalam model atau analisis diskriminan.c. Menguji signifikansi Fungsi Diskriminan yang terbentuk, dengan menggunakan uji Wilks Lambda, Pilai, F-Test atau uji lainnya.d. Menguji ketepatan klasifikasi dari fungsi diskriminan (secara individual dengan Casewise Diagnostic).e. Melakukan interpretasi Fungsi Diskriminan; dan f. Melakukan uji validasi fungsi diskriminan.Asumsi-asumsi yang harus dipenuhi dalam melakukan analisis diskriminan ini, seperti :a. Multivariate normality atau variabel independen sebaiknya berdistribusi noermal. Apabila datanya tidak berdistribusi normal, maka akan menyebabkan masalah pada ketepatan fungsi (model) diskriminan. b. Matriks kovarians dari semua variabel independen relatif samac. Tidak ada korelasi antar variabel independen. Apabila dua variabel independen mempunya korelasi yang kuat, maka hal itu dapat dikategorikan sebagai multikolinearitasd. Tidak adanya data yang sangat ekstrim (outlier) pada variabel independen. Jika ada data outlier yang tetap diproses, maka itu akan berakibat pada berkurangnya ketepatan klasifikasi dari fungsi diskriminan itu sendiri.Kegunaan dari analisis Diskriminan ini adalah sebagai berikut :a. Untuk mengetahui apakah ada perbedaan yang cukup signifikan antar grup pada variabel dependen, apabila ada, kita dapat mengetahui variabel independen mana pada fungsi diskriminan tersebut yang membuat adanya perbedaan tersebut.b. Membuat fungsi atau model diskriminan yang pada dasarnya mirip dengan persamaan regresic. Melakukan klasifikasi terhadap objek/baris apakah objek tersebut masuk kedalam grup 1, 2 atau yang lainnya. d. Penentuan variabel mana yang memberikan kontribusi terbesar terhadap perbedaan yang terjadi antar kelompok serta Melihat tingkat pengaruh suatu variabel terhadap variabel lainnya

*****Analisis faktor merupakan salah satu analisis multivariat dalam statistik yang diperkenalkan oleh Francis Galtom dan Charles Spearman (1927-1930). Analisis faktor termasuk dalam salah satu alat analisis statistika yang menggambarkan bagaimana hubungan antar variabel-variabel bebas sehingga dapat dibuat suatu kelompok variabel peubah yang jumlah anggota dari setiap variabelnya berkurang dari jumlah awal. Prinsip dasar dari analisis faktor ini yaitu menyederhanakan deskripsi tentang data dengan mengurangi jumlah variabel/dimensi.Analisis ini digunakan untuk mengetahui faktor-faktor dominan yang mendasari dalam menjelaskan suatu permasalahan tertentu. Pada dasarnya analisis faktor digunakan untuk mendapatkan sejumlah kecil faktor yang memiliki sifat-sifat berikut: Mampu menerangkan keragaman data semaksimal mungkin. Faktor-faktor tersebut saling bebas. Tiap-tiap faktor dapat diinterpretasikan.Adapun tujuan dari perhitungan analisis faktor adalah sebagai berikut, Data Summarization, yaitu merupakan mengidentifikasi adanya hubungan antar peubah dengan melakukan uji korelasi (apabila korelasi dilakukan antar kolom/peubah, maka analisis tersebut dinamakan sebagai R Faktor Analysis. Data Reduction, yaitu proses membuat sebuah peubah set baru yang dinamakan faktor untuk menggantikan sejumlah peubah tertentu (setelah melakukan korelasi). menganalisis data sampel yang bersifat kualitatif dan ditransformasikan ke bentuk kuantitatif dengan proses penskalaan.Dalam analisis faktor tidak terdapat pembedaan antara variabel dependen (terikat) dan bebas (independen) karena analisis faktor bermaksud mencari hubungan interdependensi antar variabel agar dapat mengidentifikasikan dimensi-dimensi atai faktor-faktor yang menyusunnya.Analisis terhadap interkorelasi di antara variabel peubah juga dapat dilakukan dengan menggunakan analisis faktor ini guna mencari bagaimana variasi yang tampak dalam suatu variabel peubah. Analisis ini juga dapat digunakan sebagai salah satu metode pengurai data, karena dalam analisis ini data yang ada, dapat dirancang atau dikurangi menjadi beberapa set kelompok faktor ataupun variabel yang lebih kecil atau di reduksi dari jumlah semula setelah ditemukan adanya korelasi dari suatu set data tertentu. Analisis faktor ini terbagi dalam 2 metode pendekatan, yaitu Principal Component Analysis (PCA) dan Factor Analytic Model (FAM). Dua hasil utamanya yaitu component-loading dan factor score. Dalam perencanaan wilayah, PCA lebih sering digunakan untuk ekstraksi faktor. Tujuannya adalah pada saat pengkategorian variabel ke dalam sejumlah kecil grup dan penyampaian informasi tentang tiap observasi dalam lingkungan faktor umum. Adapun teori dasar dalam analisis faktor ini dirumusan sebagai berikut.

Keterangan: Vco = common variance, yaitu varians yang dimiliki oleh 2 Variabel (diestimasi dari communality : h2 = ai2 + bi2 + ci2 Vsp = specific variance, yaitu varians dari 1 pengukuran saja yang bersifat unikDalam analisis faktor terdapat 2 (dua) tahapan perhitungan, yaitu: Factor ExtractionPada tahapan ini, dilakukan untuk menemukan faktor-faktor atau dimensi yang sedikit tapi mengandung sebanyak mungkin variabel (principal component, maximum likelihood) Factor Rotation Merupakan teknik untuk memutar sumbu axis sehingga diperoleh faktor yang dapat diinterpretasikan. Teknik ini terdiri dari 2 model, yaitu: Orthogonal Rotation : yaitu sudut antara sudut 90o, sehingga faktor yang diperoleh independen atau tidak saling berkorelasi. Oblique Rotation yaitu sudut antar axis selain 900, bisa 300 atau 600 sehingga lebih sulit diinterpretasi dan struktur faktor dari studi yang berbeda sulit untuk dibandingkan. Kegunaan Analisis Faktor Dalam Bidang Perencanaan Wilayah dan KotaBerikut adalah kegunaan analisis faktor dalam bidang perencanaan wilayah dan kota: Mempermudah dalam interpretasi hasil-hasil analisis yang diperoleh, karena data yang ada dikelompokkan menjadi kelompok-kelompok data yang lebih kecil dan sederhana, sehingga diperoleh informasi yang lebih realistis, informatif, berguna serta mudah untuk diolah lebih lanjut. Analisis faktor ini sangat berguna dan membantu dalam pemetaan dan pengelompokkan objek-objek berdasarkan karakteristik faktor tertentu. Digunakan untuk memeriksa validitas dan reabilitas dari instrumen-instrumen penelitian terkait dalam bidang perencanaan.Dalam lingkup perencanaan wilayah, metode ini sangat berguna dalam mengidentifikasi potensi ekonomi dalam suatu kawasan dan juga penyebaran dalam kawasan tersebut. Karena kemampuan tersebut, perencana wilayah sering menggunakan metode ini untuk menganalisis wilayah dalam berbagai tingkatan administratif, mulai dari tingkatan nasional hingga kabupaten.

*****Analisis peramalan trendline merupakan analisis yang digunakan dalam meramalkan suatu objek amatan dimana dalam trendline ini sangat mudah dilakukan namun memiliki suatu kesulitan tertentu. Trendline ini sering disebut sebagai analisis dengan data dan waktu secara deret berkala, dimana diperlukan data-data dalam kurun waktu 10 tahunan atau bahkan 20 tahunan secara berurutan. Peramalan adalah dasar dari segala jenis perencanaan di mana hal ini sangat diperlukan untuk lingkungan yang tidak stabil yaitu menjembatani antara sistem dengan lingkungan (Makridakis, dkk 1993:24). Peramalan merupakan kebutuhan yang sangat penting dalam suatu pengambilan keputusan untuk menentukan langkah ke depan. Penggunaan metode trendline ini adalah menemukan pola dalam deret data historis dan melakukan eksplorasi lebih lanjut pola tersebut ke masa depan. Untuk membuat trendline secara benar, maka terdapat 2 level balik yang digunakan. Tingkat signifikansi suatu level berbanding lurus dengan tingkat signifikansi trendline yang ada. Apabila titik ke-2 tidak terhubung maka hal ini tidak bisa dikatakan sebagai trendline. Salah satu prinsip dari analisis teknis seperti yang telah dinyatakan oleh Charles Dow "a trend is assumed to be in effect until it gives a definite signal that it has reversed". Dengan prinsip yang ada diatas, maka trendline digunakan sebagai pemberi peringatan awal jika terjadi kesalahan terutama pembalikan arah. Adapun fungsi trendline lainnya yaitu : Trendline digunakan garis support. Jika suatu saham mengalami koreksi mendekati garis trend lines-nya, maka seorang investor akan mempertimbangkan untuk melakukan pembelian atas saham tersebut. Sebuah trendlines dapat membantu menentukan seberapa ekstrim dari masa koreksi. Suatu koreksi yang dalam tidak perlu ditakuti oleh investor jika mereka telah mengetahui level support-nya karena koreksi yang terjadi mungkin hanya mengembalikan harga saham tersebut pada level support-nya. Sebuah trendlines dapat memberikan peringatan bahwa tren telah berubah. Trendlines juga dapat membantu untuk mengambil keputusan berdasarkan analisis teknis dengan mengurangi faktor emosional dari seorang investor. Trendlines akan membuat kita selalu berada pada posisi yang tepat dalam market, sehingga kita tidak mungkin melakukan posisi buy pada saat trend line menunjuk-kan downtrend. Demikian juga sebaliknya dan kita juga dapat meng-cover posisi kita yang salah secepatnya.Terdapat tiga faktor yang digunakan sebagai acuan dalam melihat atau mengamati tingkat signifikasi sebuah trendline, yaitu : a. Panjang garis trendlineb. Frekuensi percobaan terhadap garis supportc. Tingkat kemiringan atau slopeSelain itu, trendline terdiri dari 3 jenis dimana pengolonggan ini didasarkan pada penjabaran dari ketiga faktor yang telah dijelaskan sebelumnya, yaitu : a. Garis Tren Meningkat (Uptrend)Garis Trend meningkat adalah Garis trendlines yang memiliki kemiringan (slope) positif, ada dua titik minimal yang harus dihubungkan dalam trend yang menaik, dimulai dari titik terendah yang kemudian diteruskan harga yang mengalami kenaikan dan membentuk harga terendah yang lebih tinggi dari harga terendah sebelumnya. b. Garis Trend Menurun (Downtrend)Garis trend menurun (down trend) adalah kebalikan dari garis tren menaik (Uptrendline). Syarat garis ini dibentuk apabila terdapat minimal dua titik harga tertinggi dari harga yang bergerak dan Titik yang kedua harus lebih rendah dari titik yang pertama. Garis Downtrend berlaku sebagai garis resistance. c. Trend Horisontal (sideaways)Perbedaan mendasar dengan tren Menaik (uptrend) dan trend Menurun (downtrend) adalah pada trend horizontal ini garis support dan resistance akan berlaku sekaligus. Karena garis horizontal adalah garis support dan garis resistance itu sendiri.Peramalan Trendline ini terdiri dari 3 jenis, yaitu : Proyeksi:peramalan berdasarkan pada extrapolasi kondisi masa lalu dan kondisi saat ini atau analisis time series (contoh proyeksi penduduk) Prediksi :peramalan dengan berdasarkan asumsi teoritis Spekulasi:peramalan dengan melakukan penilaian subjektif terhadap suatu objek yang didapat dari penilaian para pakar dan orang-orang yang terpercayaBerikut merupakan pembedaan antar teknik peramalan :Tabel Pendekatan dan Teknik Peramalan TrendlinePendekatanDasarTeknik yang sesuaiProduk

Peramalan ekstrapolatifKecenderungan (trend)Ekstrapolasi Analisis time-series Analisis trend Pembobotan eksponensialProyeksi

Peramalan teoritisTeori Pemetaan teori Analisis lintasan Programa linier Analisis regresi Analisis korelasiPrediksi

Peramalan intuitifPenilaian subyektif Metode delphi Analisis cross-impactSpekulasi

Dalam prakteknya terdapat dua jenis model peramalan yang utama, yaitu model deret berkala (time series) dan model regresi (kausal) dengan penjelasan berikut,1. Time Series atau Deret WaktuAnalisis time series merupakan hubungan antara variabel yang dicari (dependent) dengan variabel yang mempengaruhi-nya (independent variable), yang dikaitkan dengan waktu seperti mingguan, bulan, triwulan, catur wulan, semester atau tahun Dalam analisis time series yang menjadi variabel yang dicari adalah waktu. Metode peramalan ini terdiri dari : Metode Smoting, merupakan jenis peramalan jangka pendek seperti perencanaan persediaan, perencanaan keuangan. Tujuan penggunaan metode ini adalah untuk mengurangi ketidakteraturan data masa lampau seperti musiman. Metode Box Jenkins, merupakan deret waktu dengan menggunakan model matematis dan digunakan untuk peramalan jangka pendek. Metode proyeksi trend dengan regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis.2. Causal Methods atau sebab akibatMerupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan dengan variabel alin yang mempengaruhinya tetapi buakn waktu. Dalam prakteknya jenis metode peramalan ini terdiri dari : Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek dan didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statis. Model Input Output, merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang. Model ekonometri, merupakan peramalan yang digunakan untuk jangka panjang dan jangka pendek (Sofian Assauri, 1984 : 9)Dalam metode kuantitatif, dapat diterapkan dalam tiga kondisi berikut:1. Tersedia informasi tentang masa lalu2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.Seperti halnya dengan metode peramalan kuantitatif, teknik teknologis (kualitatif) sangat beragam dalam biaya, kompleksitas, dan nilainya. Teknik teknologis dapat digunakan secara terpisah tetapi lebih sering digunakan sebagai kombinasi satu sama lain atau digabungkan dengan metode kuantitatif. Dengan sejumlah metode peramalan yang ada, maka masalah yang timbul bagi para praktisi adalah dalam memahami bagaimana karakteristik suatu metode peramalan akan cocok dalam situasi pengambilan keputusan tertentu. Peramalan sangat terkait dengan perencanaan karena peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Perencanaan merupakan suatu proses analisis dan tindakan tentang segala sesuatu di masa mendatang sehingga perlu prediksi dan peramalan terhadap kondisi yang akan datang berdasarkan data yang ada. Peramalan diperlukan untuk menetapkan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat diperlukan. Adapun kegunaan dari analisis trendline dalam bidang perencanaan wilayah dan kota adalah sebagai berikut : a. Memberikan kemudahan bagi perencana dalam menyusun kebijakan maupun mengambil keputusan yang tepat terkait dengan proyeksi suatu objek amatan perencanaan di masa depan dengan menggunakan data-data yang ada sebelumnya sebagai acuan, karena pada dasarnya perencanaan selalu membahas masa depan.b. Membantu dalam penyusunan rencana untuk penyediaan ruang mengingat bahwa adanya peningkatan jumlah penduduk di masa yang akan datang. Selain penyediaan ruang juga penyediaan fasilitas-fasilitas yang dibutuhkan.c. Memberikan peringatan yang mana dapat membantu pengguna dalam melakukan strategi perencanaan guna mengantisipasi permasalahan yang muncul di masa yang akan datang.d. Mengurangi ketidakpastian, sehingga diperoleh suatu perkiraan yang mendekati keadaan yang sebenarnya.

*****Regresi merupakan suatu alat ukur yang digunakan untuk mengukur ada atau tidaknya hubungan antar variabel. Dalam analisis regresi, suatu persamaan regresi atau persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel apakah ada hubungan antara 2 (dua) variabel atau lebih. Hubungan yang didapat pada umumnya menyatakan hubunagan fungsional antara variabel-variabel. Analisis regresi dipakai secara luas untuk melakukan prediksi dan ramalan, dengan penggunaan yang saling melengkapi. Analisis ini juga digunakan untuk memahami variabel bebas mana saja yang berhubungan dengan variabel terikat, dan untuk mengetahui bentuk-bentuk hubungan tersebut. Regresi linier terdiri dari dua bentuk, yaitu:1. Analisis regresi sederhana (simple analysis regresi)Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas (variable independen) dan variabel tak bebas (variabel dependen). Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan variabel bebas tunggal. Regresi linier sederhana hanya memiliki satu peubah yang dihubungkan dengan satu peubah tidak bebas. Model persamaan regresi sederhana yaituY = a +bx2. Analisis regresi berganda (Multiple analysis regresi).Model Regresi Berganda masuk dalam golongan metode kuantitatif dalam peramalan. Regresi Linear Berganda merupakan teknik statistik yang digunakan untuk menganalisis hubungan antara variabel terikat (criterion) dan beberapa variabel bebas (predictor). Analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya dua variabel bebas dengan satu variabel tak bebas (terikat). Dalam regresi linear berganda, persamaan regresi mempunyai lebih dari satu variabel bebas. Untuk memberi simbol variabel bebas yang terdapat pada persamaan regresi linear berganda dengan menambahkan bilangan pada masing-masing variabel bebas, missal X1 , X2 , X3 dan seterusnya. Secara umum persamaan regresi linear berganda dapat ditulis sebagai berikut :Y = a + b1 X1 + b2 X2 ++ bnXnDimana :Y = variabel terikat a = nilai konstan (nilai Y pada perpotongan antara garis linear dengan sumbu vertikal Y)b1,b2,bn= koefisien regresi (slope yang berhubungan dengan variabel X1 dan X2)X1,X2, Xn= nilai variabel bebas X1 dan X2Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel (variabel dependen) jika nilai variabel yang lain yang berhubungan dengannya (variabel lainnya) sudah ditentukan.Komponen-komponen yang diinterpretasikan dalam analisis regresi antara lain:1. Koefisien Determinasi (R2) Digunakan untuk menguji kesesuaian model bagi sampel (goodness of fit). Nilai R2 yang mendekati 0 menyatakan model tersebut kurang mencakup keseluruhan variabilitas dengan variabel-variabel yang dimasukkan ke dalam model persamaan regresi. Sebaliknya bila nilai R2 = 1, ini menyatakan bahwa nilai observasi (sampel) terletak pada garis regresi dengan tingkat kesesuaian model tinggi.2. Adjusted R2 Untuk merefleksikan R2 sebagai ukuran kesesuaian model dalam menjelaskan keseluruhan populasi (bukan hanya sampel). 3. Koefisien Korelasi (r) Menunjukkan hubungan antara variabel terikat dengan variabel-variabel bebasnya. Bila dua buah variabel naik atau turun secara bersama berarti memiliki korelasi yang positif. Sebaliknya jika dua buah variabel naik atau turun secara berlawanan berarti memiliki korelasi negatif. Koefisien korelasi sangat sensitif terhadap dua hal, yaitu : ukuran sampel yang kecil dan pencilan (outliers) yang memiliki nilai ekstrim.4. Uji statistik F Ada dua macam cara yang bisa dilakukan, yaitu menggunakan probability of F atau F value (dilakukan bila dipilih metode pemilihan variabel secara forward, backward atau stepwise). Uji ini bertujuan untuk menunjukkan keberartian koefisien regresi atau signifikansi variabel terikat (Y) dengan variabel-variabel bebas (X).5. Analisis Residual dan Durbin-Watson Statistic Analisis residual untuk kasus bivariate dapat dilakukan dengan melihat scatter plot residual terhadap nilai estimasi. Bila cukup acak maka asumsi linieritas dan homogenitas terpenuhi. Adapun cara tersebut di atas bisa digantikan dengan menggunakan statistik Durbin-Watson. Nilai D-W mendekati/berada di sekitar 2 menunjukkan bahwa residual / error bersifat acak (random).6. Multikolinieritas Bila menunjukkan hubungan antara variabel terikat dengan variabel-variabel bebasnya. Bila multikolinieritas mendekati sempurna akan mempengaruhi kestabilan dan kehandalan koefisien regresi. Untuk melihat kolinieritas ini dilakukan dengan melihat koefisien korelasi (r) antar variabel. Adapun situasi umum yang menyebabkan multikolinieritas adalah dua buah variabel independent (X) berkorelasi sempurna atau hampir berkorelasi sempurna (mendekati 1 atau -1) Konsep yang digunakan dalam analisis regresi ini adalah dengan melakukan analisis melalui metode - metode dalam pembuatan model regresi. Metode tersebut digunakan untuk mengetahui hubungan antara variabel respon dan variabel predictor, dikelompokkan dari mulai yang paling sederhana sampai yang paling rumit, tergantung tujuan yang berlandaskan pengetahuan atau teori sementara, bukan asal ditentukan saja. Metode yang digunakan dapat berupa entry, backward, forward, stepwise , removal.

Adapun kegunaan dari analisis peramalan regresi ini antara lain: Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan pada nilai variabel bebas. Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas diluar jangkaun sample, sehingga capaian di masa depan lebih baik dari masa sekarang. Menguji hipotesis karakteristik dependensi. Mengukur ada atau tidaknya hubungan antar variabelAdapun kegunaan dari analisis peramalan regresi dalam bidang perencanaan antara lain: Analisis regresi dipakai secara luas untuk melakukan prediksi dan ramalan, dengan penggunaan yang saling melengkapi. Mengkaji seberapa besar perkembangan ekonomi suatu kota serta varaibel-variabel yang mempenagruhinya sehingga dapat dijadikan sebagai bahan pertimbangan dalam membuat keputusan (kebijakan). Mengkaji pertumbuhan dan pertambahan penduduk serta faktor-faktor yang mempengaruhinya. Mengkaji keterkaitan antara transportasi dengan kadar polusi sehingga dapat menciptakan perencanaan transportasi yang ramah lingkungan dan berkelanjutan.

*****Salah satu metode yang dikembangkan untuk menyelesaikan masalah keputusan banyak tujuan atau kriteria adalah Analytical Hierarchy Process (AHP). AHP yang dikembangkan oleh Thomas Saaty merupakan metode untuk membuat urutan alternatif keputusan dan memilih yang terbaik pada saat pengambil keputusan memiliki beberapa tujuan atau kriteria untuk meng-ambil keputusan tertentu. Peralatan utama AHP adalah hierarki fungsional dengan input utamanya persepsi manusia. Dengan hierarki, suatu masalah kompleks dan tidak terstruktur dipecahkan ke dalam kelompoknya, kemudian kelompok-kelompok tersebut diatur menjadi suatu bentuk hirarki (Permadi, 1992). Model AHP pendekatannya hampir identik dengan model perilaku politis, yaitu merupakan model keputusan (individual) dengan menggunakan pendekatan kolektif dari proses pengambilan keputusannya. AHP yang dikembangkan oleh Thomas L Saaty, dapat memecahkan masalah yang kompleks dimana aspek atau kriteria yang diambil cukup banyak. Kompleksitas ini disebabkan oleh struktur masalah yang belum jelas, ketidakpastian persepsi pengambil keputusan serta ketidakpastian tersedianya data statistik yang akurat atau bahkan tidak ada sama sekali.Kelebihan AHP dibandingkan dengan yang lainnya adalah : 1. Struktur yang berhirarki, sebagai konsekuensi dari kriteria yang dipilih, sampai pada subkriteria yang paling dalam.2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan alternatif yang dipilih oleh para pengambil keputusan.3. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas pengambil keputusan.4. Selain itu AHP mempunyai kemampuan untuk memecahkan maslah yang multiobjektif dan multikriteria yang berdasarkan pada perbandingan preferensi dari setiap elemen dalam hierarki.Penyelesaian model AHP menggunakan bantuan software Expert Choice. Dalam penerapan analisis AHP akan dilakukan dengan membagi menjadi dua level yakni kriteria dan alternatif. Kriteria merupakan syarat mutlak yang harus ada untuk menentukan prioritas dari alternatif, kriteria ini terdiri dari syarat-syarat yang harus ada dalam menentukan prioritas dari alternatif. Menurut Saaty (1980) ada 9 tingkatan penilaian terhadap keputusan, kriteria; yang masing-masing memberikan nilai sesuai dengan tingkatannya; 1 mengindikasikan kepentingan yang sama antarkriteria, 9 mengindikasikan satu kriteria teramat penting dibandingkan dengan kriteria lainnya. Skala/bobot setiap jawaban alternatif adalah sebagai berikut :

1 = Kedua elemen sama pentingnya3 = Elemen yang satu sedikit lebih penting daripada elemen yang lainnya5 = Elemen yang satu lebih penting daripada yang lainnya7 = Satu elemen jelas lebih mutlak penting daripada elemen lainnya9 = Satu elemen mutlak penting daripada elemen lainnya2,4,6,8 = Nilai-nilai antara dua nilai pertimbangan-pertimbangan yang berdekatanProsedur AHP akan dijelaskan sebagai berikut:1. Membagi tujuan dalam beberapa bagian dari yang sifatnya umum hingga lebih spesifik dalam tingkatan yang lebih rendah. Hirarki dapat bersifat lengkap atau tidak lengkap (complete or incomplete). Hierarki yang umum setidaknya terdiri dari tiga tingkatan misal tujuan, kriteria dan alternatif2. Pembobotan tiga alternatif. Perbandingan dapat dibuat antara tiap kemungkinan alternatif dalam tiap angkatan. Relative judgement mudah dilakukan dan lebih bermanfaat daripada penilaian yang bersifat mutlak. Perbandingan skala digunakan untuk membuat penilaian secara kuantitatif.3. Menghitung vektor eigen dan prioritas vektor koresponden. Vektor eigen normalisasi (normalized eigenvector) adalah skor relatif dari alternatif.4. Menghitung max5. Menyeragamkan matrik dengan menghitung CI (Concistency Index). Rata-rata CI (Concistency Index) dari matrik RI (Randomly Generated Matrices) dan CR (Concistency Ratio)AHP merupakan teknik yang efektif dalam pembuatan keputusan yang tidak terstruktur dalam bidang ilmu ekonomi, sosial dan manajemen. Metode yang ada didasarkan pada asumsi seseorang yang tergantung pada sifat seseorang jika berhadapan pada keputusan yang kompleks (Saaty, 1980). Dalam perencanaan wilayah dan kota, model AHP dapat membantu untuk perencanaan yang komprehensif karena memperhitungkan hal-hal kuantitatif dan kualitatif sekaligus.Kegunaan dari analisis AHP ini antara lain: Membuat suatu set alternatif berdasarkan hasil penelitian yang dilakukan, misalnya dalam penentuan alternative dari permasalahan kemacetan yang berada di Tembalang Membantu perencanaan dalam hal penempatan kebijakan yang akan diimplementasikan dalam suatu daerah Sebagai penentuan prioritas terhadap suatu penelitian Memilih kebijakan terbaik setelah menemukan satu set alternatif Memprediksi dan merancang sebuah system yang menghasilkan outcome yang sesuai dengan sasaran