Professional Documents
Culture Documents
BAB 1
LATAR BELAKANG
diperlukan suatu metode statistik yang disebut metode regresi. Variabel respon
dan variabel penjelas yang dianalisis dengan model regresi dapat berupa variabel
bersifat kuantitatif dan dapat pula bersifat kualitatif.
Saat ini dikenal berbagai metode regresi. Untuk variabel respon yang bersifat
kualitatif, maka analisis yang digunakan adalah model regresi logistik, apabila
variabel responnya biner (dikotomous/hanya terdiri dari dua kategori). Tetapi
apabila variabel responnya terdiri lebih dari dua kategori (polytomous), maka
analisis yang digunakan adalah model multinomial logit.
Dari latar belakang, maka penulis mencoba untuk menganalisis faktor-faktor
apa saja yang diperkirakan mempengaruhi penduduk Samarinda untuk memilih
daerah tujuan migrasi serta berapa besar peluang terjadinya migrasi berdasarkan
faktor penyebabnya, yang dituangkan dalam bentuk skripsi sebagai syarat tugas
akhir dengan judul :
“Apl
ika
siMode
lMul
ti
nomi
alLogi
tpa
daPi
li
hanMi
gra
siPe
ndud
uk”
BAB 2
TINJAUAN PUSTAKA
Migrasi
Migrasi merupakan salah satu dari ketiga faktor dasar yang mempengaruhi
pertumbuhan penduduk, sedangkan faktor lain adalah kelahiran dan kematian
(Lembaga Demografi,1981). Peninjauan migrasi secara regional sangat penting
untuk ditelaah secara khusus mengingat adanya densitas (kepadatan) dan
distribusi penduduk yang tidak merata, adanya faktor-faktor pendorong dan
penarik bagi orang-orang untuk melakukan migrasi, adanya desentralisasi dalam
pembangunan, dilain pihak, komunikasi termasuk transportasi semakin lancar.
Menurut Sensus 1971 ternyata dari seluruh propinsi di Indonesia tidak satu
propinsi pun yang tidak mengalami perpindahan penduduk baik perpindahan
masuk maupun perpindahan keluar.
Migrasi antar bangsa (migrasi internasional) tidak begitu berpengaruh
dalam menambah atau mengurangi jumlah penduduk suatu negara kecuali di
beberapa negara tertentu yang berkenaan dengan pengungsian, akibat dari
bencana, baik alam maupun perang. Pada umumnya orang yang datang dan pergi
antar negara boleh dikatakan berimbang saja jumlahnya. Peraturan-peraturan atau
undang-undang yang dibuat oleh banyak negara umumnya sangat sulit dan ketat
bagi seseorang untuk bisa menjadi warga negara atau menetap secara permanen di
suatu negara lain.
Adapun yang dimaksud dengan migrasi adalah perpindahan penduduk
dengan tujuan untuk menetap dari suatu tempat ke tempat lain melampaui batas
politik/negara ataupun batas administratif/batas bagian dalam suatu negara. Jadi
migrasi sering diartikan sebagai perpindahan yang relative permanen dari suatu
daerah ke daerah lain. Ada dua dimensi penting yang perlu ditinjau dalam
penelaahan migrasi, yaitu dimensi waktu dan dimensi daerah. Untuk dimensi
waktu, ukuran yang pasti tidak ada karena sulit menentukan seberapa lama
seseorang pindah tempat tinggal untuk dapat dianggap sebagai seorang migran,
5
Adalah jumlah migran ke suatu daerah tujuan dari satu daerah asal, atau
dari daerah asal ke satu daerah tujuan. Migrasi ini merupakan ukuran dari
arus migrasi antara dua daerah asal dan tujuan.
9. Arus Migrasi (Migration Stream)
Merupakan jumlah atau banyaknya perpindahan yang terjadi dari daerah
asal ke daerah tujuan dalam jangka waktu tertentu.
10. Urbanisasi (Urbanization)
Bertambahnya proporsi penduduk yang berdiam didaerah kota yang
disebabkan oleh proses perpindahan penduduk ke kota dan/atau akibat dari
perluasan daerah kota.
Definisi urban berbeda-beda antara satu negara dengan negara lainya tetapi
biasanya pengertiannya berhubungan dengan kota-kota atau daerah-daerah
pemukiman lain yang padat.
Klasifikasi yang dipergunakan untuk menentukan daerah kota biasanya
dipengaruhi oleh indikator mengenai penduduk, indikator mengenai
kegiatan ekonomi indikator jumlah fasilitas urban atau status administrasi
suatu pemusatan penduduk.
11. Transmigrasi (Transmigration)
Transmigrasi adalah salah satu bagian dari migrasi. Istilah ini memiliki arti
y
angs
ama de
nga
n‘r
ese
ttl
eme
nt’a
tau‘
set
tl
eme
nt’ dalam literatur.
Transmigrasi adalah pemindahan dan/kepindahan penduduk dari suatu
daerah untuk menetap ke daerah lain yang di tetapkan didalam wilayah
Republik Indonesia guna kepentingan pembangunan negara atau karena
alasan-alasan yang dipandang perlu oleh pemerintah berdasarkan
ketentuan yang diatur dalam undang-undang. Transmigrasi diatur dengan
Undang-Undang No. 3 Tahun 1972.
Transmigrasi yang diselenggarakan dan diatur pemerintah disebut
transmigrasi umum sedangkan transmigrasi yang biaya perjalanannya
dibiayai sendiri tetapi ditampung dan diatur oleh pemerintah disebut
transmigrasi spontan atau transmigrasi swakarsa.
(Lembaga Demografi,1981)
8
= L
y1 , y2 , , yn
= L() (2.1)
L() pada (2.1) sering disebut dengan fungsi likelihood (Bain dan
Engelhardt, 1992). Taksiran maksimum likelihood untuk adalah nilai yang
memaksimumkan L() dan Nilai yang memaksimumkan L() adalah sama
dengan nilai yang memaksimumkan ln L() .
Menurut Agresti A (1990), model-model untuk analisis statistik dapat
digolongkan berdasarkan dari hubungan antara komponen acak dengan komponen
sistematiknya.
11
l xl
0
l 1
e
x m
(2.2)
0 l xl
1 e l 1
dimana :
π
(x)a
dal
ahp
elua
ngt
erj
adi
nyake
jadi
any
ang“
suk
ses
”ya
iuY=1
βl adalah nilai parameter, untuk l = 1,2,...m
1
P(y=0) = ( o l X l )
(2.3)
1 e
x
g ( x) ln
x
1
= ln e
o l X l
(2.4)
m
= o l X l
l
1
k k
untuk X i 0, X i n , 0 pi 1 dan p i 1 .
i 1 i 1
dimana :
E ( X i ) npi .
= xTβ1
dan
P(Y 2 | x)
g 2
x ln
P(Y 0 | x)
20 21 x1 22 x2 ... 2 p x p
= xTβ2 (2.6)
0
1
x P(Y 0 | x) g1
1 e x
e g 2
x
e g1
x
1
x P(Y 1 | x)
1 e g1
x
e g 2
x
e g 2
x
2
x P(Y 2 | x) (2.7)
1 e g1
x
e g 2
x
j
e
x P(Y j | x) 2 (2.8)
e
k 0
g k
x
15
dimana :
π
j(x) = peluang terjadinya peristiwa ke-j
n
l
0
x 0 i 1
x 1i 2
y y y
x 2i (2.9)
i 1
n
L
y1i g1
xi y2i g 2
xi ln 1 e g1 xi e g 2 xi (2.10)
i 1
dan
2 L
n
xk ' i xkijij 'i (2.12)
jk jk ' i 1
Unt
ukjd
anj
’=1
,2d
ankd
ank’=0
,1,2
,.
..
p.
Matriks informasi l
adalah matriks 2(p+1)x2(p+1) yang mempunyai elemen
negatif nilai harapan dari persamaan di atas. Matriks kovariansi asymtotik dari
Maximum Likelihood Estimator (MLE) adalah invers dari matriks informasi
l
. 1
Estimator matriks informasi dan kovarians diperoleh dengan
r
Vaˆ
ˆ1 .
ˆ (2.13)
Misal matriks X adalah matriks n x (p+1) berisi nilai kovariat untuk tiap
subjek, misal matriks Vj adalah matriks diagonal n x n dengan elemen umum
ji
1 ji untuk j=1, 2 dan i=1, 2, 3,...n dan misal V3 adalah matriks diagonal
ˆ ˆ
sebagai berikut:
ˆ
ˆ
ˆ
ˆ ˆ
ˆ
ˆ
11 12
, (2.14)
ˆ
ˆ ˆ
21 22
Dimana :
ˆˆ (XTV1X),
11
ˆ
ˆ (X V X),
22
T
2
dan
ˆ
ˆ
12
ˆ -(XTV3X).
ˆ211
ˆ21 (1
ˆ21 ) 0 0
0
22 (1
ˆ ˆ22 ) 0
V2 =
0
0 0
ˆ2i (1
ˆ2i )
Perlu diingat bahwa dalam model multinomial logit bukan hanya menguji
satu koefisien beta untuk variabel independent, tetapi sekarang menguji dua
koefisien dalam waktu yang sama. Dimana koefisien yang dibuat untuk
perbandingan seperti Y=2 terhadap Y=0 dan Y=1 terhadap Y=0.
2.5.1 Uji Likelihood Ratio (Uji Simultan)
Prinsip uji Likelihood Ratio (LR) :
a. Membandingkan nilai observasi dari variabel respon (dependent) dengan
nilai prediksi yang diperoleh dari model dengan variabel independent dan
tanpa variabel independent (untuk kasus univariat)
b. Membandingkan persamaan (model) yang memasukkan variabel tertentu
dengan yang tidak (untuk kasus multivariat).
Langkah-langkah uji Likelihood Ratio (LR) untuk kasus univariat adalah :
1. Perumusan Hipotesis
H0 : g1 = 0 (tidak ada pengaruh antara variabel penjelas terhadap variabel
respon)
H1 : g1 ≠0(ada pengaruh antara variabel penjelas terhadap variabel respon)
5. Kesimpulan
Jika H0 ditolak maka kesimpulannya adalah bahwa variabel penjelas (x)
berpengaruh terhadap variabel respon (y) atau variabel penjelas signifikan
berada di dalam model.
respon)
H1 :minimal ada satu gk ≠ 0 a
ta idak semua gk =0 (minimal ada satu
ut
ˆ
W gk ~ N (0,1) (2.17)
ˆ)
SE ( gk
g j
x
yˆj m j
ˆj m j 2
e , j=0,1,2 dan k=0,1,2 (2.18)
g k
e
x
k 0
r ˆj
y j ,
y m ˆ
j j j
ˆ ˆ
, j=0,1,2 (2.19)
mj 1 j j
Rumusan statistik residual di atas didasarkan pada uji Pearson chi-square berikut:
2 r j mj
n
y j ,
ˆ 2
, j=0,1,2 (2.20)
j
1
Fungsi Deviance residual adalah dua perbedaan antara log likelihood maksimum
dan model yang diperoleh itu. Log likelihood maksimum terjadi di titik
~ y m . Oleh karena itu fungsi Deviance adalah
ij ij i
22
D
y; ̂= 2l
~; y
2l
; y
ˆ
= 2yij log
yij ̂ij (2.21)
ij
D
y; ̂mendekati distribusi 2 .
(P. McCullagh and J.A. Nelder, 1989)
4. Pengambilan keputusan
Untuk uji Pearson :
Jika hitung
2
< (2J p 1) atau nilai signifikansi > α,ma
kaH0 diterima.
Jika hitung
2
≥(2J p 1) atau nilai signifikansi ≤α,ma
kaH0 ditolak.
5. Kesimpulan
Jika H0 ditolak berarti dapat disimpulkan bahwa model tidak cocok dengan
data. Sedangkan jika H0 diterima maka dapat disimpulkan bahwa model cocok
dengan data.
P
Y j | x a
/ P
Y 0 | x a
j =OR
a, b ,j=1,2 (2.22)
P
Y j | x b
/ P
Y 0 | x b
(Hosmer and Lemeshow, 2000)
Dalam kasus khusus ketika covariatnya berbentuk biner, kode 0 atau 1,
penyederhanaan lebih lanjut adalah ORj=ORj(1,0). Ketika variabel respon
mempunyai tiga tingkatan ada dua model odds ratio yang terbentuk.
P
Y 1 | x a
/ P
Y 0 | x a
1 =OR1(a,b) =
P
Y 1 | x b
/ P
Y 0 | x b
Dan (2.23)
P
Y 2 | x a
/ P
Y 0 | x a
2 =OR2(a,b) =
P
Y 2 | x b
/ P
Y 0 | x b
(Kleinbaum and Klein., 2002)
24
Rumusan Masalah
Pemilihan Variabel
Pengumpulan Data
Metode
Multinomial Logit
Interprestasi
Multinomial Logit
Kesimpulan
BAB 3
METODOLOGI PENELITIAN
Rancangan Penelitian
Dalam penelitian ini, peneliti menggunakan rancangan kausal komparatif
yang bersifat ex post facto, artinya data dikumpulkan setelah semua kejadian yang
dipersoalkan berlangsung atau lewat (Sumadi Suryabrata, 2002). Penelitian ini
dilakukan dengan cara merekap data Survei Penduduk Antar Sensus tahun 2005.
Teknik Sampling
Pada penelitian ini teknik sampling yang digunakan adalah purposive
sampling dikenal juga dengan sampling pertimbangan, yaitu teknik sampling yang
digunakan peneliti jika peneliti mempunyai pertimbangan-pertimbangan tertentu
didalam pengambilan sampelnya atau penentuan sampel untuk tujuan tertentu.
Adapun pertimbangan tersebut didasarkan pada jumlah kategori yang diambil
hanya terdiri dari tiga kategori, karena banyaknya wilayah tujuan migrasi maka
yang dijadikan daerah tujuan migrasi dalam penelitian ini adalah daerah Tarakan,
Balikpapan dan Bontang.
Variabel Penelitian
Variabel penjelas yang digunakan dalam analisis ini adalah umur,
pendidikan, jenis kelamin, dan status menikah. Serta pilihan tujuan migrasi
sebagai variabel respon yang terdiri dari tiga kategori.
Variabel Respon (Y)
Dalam penelitian ini, variabel responnya adalah pilihan tujuan migrasi.
Didefinisikan :
1. Y = 0 ; bila migran berpindah dari Samarinda ke Tarakan.
2. Y = 1 ; bila migran berpindah dari Samarinda ke Balikpapan.
3. Y = 2 ; bila migran berpindah dari Samarinda ke Bontang.
Karakteristik Migran
Dengan analisis deskriptif akan diketahui gambaran mengenai pilihan
migrasi penduduk Samarinda berdasarkan tujuan migrasinya dan kaitannya
dengan karakteristik migran sesuai dengan variabel penjelas yang digunakan
dalam analisis multinomial logit selanjutnya. Analisis deskriptif berupa tabulasi
silang yang digunakan untuk menggambarkan dan menjelaskan hubungan antar
variabel. Dalam analisis tabulasi silang digunakan distribusi persentase pada sel-
sel dalam tabel sebagai dasar untuk menyimpulkan hubungan antara variabel-
variabel penelitian.
Pengujian Parameter
Pengujian parameter dalam multinomial logit penting untuk dilakukan. Hal ini
dikarenakan pengujian tersebut digunakan untuk menentukan apakah variabel
penjelas dalam model signifikan tehadap variabel respon.
1. Uji Likelihood Ratio (Uji Simultan)
Uji Likelihood Ratio digunakan untuk mengetahui apakah variabel penjelas
mempunyai pengaruh yang signifikan terhadap variabel respon secara bersamaan.
29
Dalam penelitian ini digunakan uji likelihood ratio untuk kasus multivariat
dengan rumus dalam persamaan (2.16). Statistik uji likelihood ratio mengikuti
distribusi chi-square, sehingga untuk mengambil keputusan dalam pengujian,
dibandingkan dengan tabel Chi-Kuadrat dengan derajat bebas p, di mana p adalah
banyaknya parameter dalam model. Jika G ≥ 2 p , atau nilai signifikansi ,
maka H0 ditolak.
2. Uji Wald (Uji Parsial)
Pengujian ini dilakukan untuk menguji setiap βgk secara individual. Hasil
pengujian secara individual akan menunjukkan apakah suatu variabel penjelas
layak untuk masuk ke dalam model atau tidak. Statistik uji Wald ini mengikuti
distribusi normal dengan rumus dalam persamaan (2.17) dan kriteria penolakan
(H0 ditolak) jika nilai W > Z atau W < - Z .
1 1
2 2
BAB 4
HASIL DAN PEMBAHASAN
Dari Tabel 4.2 dapat dilihat bahwa dari ketiga pilihan tujuan migrasi yaitu
Samarinda ke Tarakan, Samarinda ke Balikpapan dan Samarinda ke Botang
ternyata migran yang berumur 19-54 tahun lebih banyak dibandingkan umur
lainnya. Untuk migran yang berumur 19-54 tahun yang bermigrasi dari Samarinda
ke Tarakan sebanyak 9 orang atau 60% orang, Samarinda ke Balikpapan sebanyak
30 orang atau 62,50% orang dan Samarinda ke Bontang sebanyak 30 orang atau
65,22% orang. Dimana untuk migran yang berumur 19-54 tahun yang bermigrasi
dari Samarinda ke Bontang lebih banyak dibandingkan ke Tarakan dan
Balikpapan.
Dari Tabel 4.3 dapat dilihat bahwa dari ketiga pilihan tujuan migrasi yaitu
Samarinda ke Tarakan, Samarinda ke Balikpapan dan Samarinda ke Bontang
ternyata migran yang paling banyak bermigrasi adalah migran yang berpendidikan
SLTA atau lebih. Untuk migran yang berpendidikan SLTA atau lebih dengan
tujuan migrasi dari Samarinda ke Tarakan sebanyak 5 orang atau 33,33% orang,
Samarinda ke Balikpapan sebanyak 32 orang atau 66,67% orang dan Samarinda
ke Bontang sebanyak 26 orang atau 56,52% orang. Dimana untuk migran yang
bependidikan SLTA atau lebih yang bermigrasi dari Samarinda ke Balikpapan
lebih banyak dibandingkan migran yang bermigrasi dari Samarinda ke Tarakan
dan Samarinda ke Bontang.
Dari Tabel 4.4 dapat dilihat bahwa dari 15 orang migran yang bermigrasi
dari Samarinda ke Tarakan ternyata migran yang lebih banyak bermigrasi adalah
migran wanita yaitu sebanyak 10 orang atau 66,7% orang. Sedangkan untuk
migran yang bermigrasi dari Samarinda ke Balikpapan dan Samarinda ke Bontang
yang banyak bermigrasi adalah migran laki-laki. Dimana untuk migran laki-laki
yang migrasi ke Balikpapan sebanyak 26 orang atau 54,17% orang dan migran
laki-laki yang migrasi ke Bontang sebanyak 25 orang atau 54,35% orang.
33
Dari Tabel 4.5 dapat dilihat bahwa migran yang terbanyak melakukan
migrasi dari Samarinda ke Tarakan adalah migran yang sudah menikah yaitu
sebanyak 9 orang atau 60% orang. Untuk migran yang bermigrasi dari Samarinda
ke Balikpapan keadaannya seimbang yaitu untuk migran yang belum menikah
maupun yang sudah menikah sebanyak 24 orang atau 50% orang. Sedangkan
migran yang bermigrasi dari Samarinda ke Bontang yang banyak bermigrasi dalah
migran yang belum menikah yaitu sebanyak 25 orang atau 54,35% orang.
0
1
x 0 ,182 1, 027 x1 0 , 761 x2 0 , 577 x3 0 , 255 x4
1 e e 1,1410 , 0521 x1 0 , 722 x2 0 , 594 x3 0 , 466 x4
Pengambilan Keputusan :
Jika D < (232) =45,306 atau nilai signifikansi > α= 0,05, maka H0 diterima.
Jika D ≥(232) =45,306 atau nilai signifikansi ≤α= 0,05, maka H0 ditolak.
Kesimpulan :
Dari Tabel 4.7 diketahui bahwa nilai D = 29,0381 < (232) = 45,306 atau
nilai signifikansi Deviance adalah sebesar 0,617 > α= 0,05, maka H0 diterima.
Sehingga dapat disimpulkan bahwa model cocok dengan data atau model
multinomial logit tersebut layak untuk digunakan.
dimana :
L0 = Likelihood model tereduksi
Lk = Likelihood model penuh
Statistik G ini mengikuti distribusi chi-squre dengan derajat bebas p.
3. Pengambilan Keputusan
H0 ditolak jika G ≥2 (8;0, 05) =15,507 atau H0 ditolak jika p-value ≤α= 0,05
H0 diterima jika G < 2 (8; 0, 05) =15,507 atau H0 ditolak jika p-value >α= 0,05
4. Keputusan
Dari Tabel 4.8 diperoleh nilai G adalah 16,436 dan nilai P adalah 0,037,
dimana nilai G > 2 (8;0, 05) = 15,507 atau nilai P < 0,05, maka dapat diambil
keputusan bahwa H0 ditolak.
5. Kesimpulan
Dari hasil analisis dengan menggunakan uji G likelihood ratio diperoleh
keputusan bahwa H0 ditolak, maka dapat disimpulkan bahwa secara bersama-
sama ada variabel penjelas yang mempunyai pengaruh terhadap pilihan migrasi.
Tahapan berikutnya adalah melakukan uji Wald (uji parsial) untuk menentukan
pengaruh dari masing-masing variabel.
ˆ 1,02694
gk
W= = = -1,58
SE ( ˆ ) 0,647984
gk
ˆ 0,761226
gk
W= = = 2,16
ˆ
SE ( ) 0,351680
gk
Logit 2
Nilai W untuk variabel umur :
38
ˆ 0,0520823
gk
W= = = 0,09
ˆ
SE ( ) 0,604862
gk
ˆ 0,722229
gk
W= = = 2,19
ˆ
SE ( ) 0,329102
gk
ˆ 0,593698
gk
W= = = 0,91
ˆ
SE ( ) 0,655025
gk
ˆ 0,465730
gk
W= = = -0,52
ˆ
SE ( ) 0,893260
gk
3. Pengambilan Keputusan
H0 ditolak jika W > Z atau Z < - Z .
1 1
2 2
Logit 2
Konstanta 0,991468 -1,15 0,250
X1 Umur 0,604862 0,09 0,931
X2 Pendidikan 0,329102 2,19 0,028
X3 Jenis Kelamin 0,655025 0,91 0,365
X4 Status Menikah 0,893260 -0,52 0,602
Sumber : Hasil Penelitian (Lampiran 5. b)
39
4. Keputusan
Berdasarkan Tabel 4.9 diambil keputusan :
a. Logit 1
a). Untuk variabel umur diperoleh nilai W = -1,58< Z 0,975 =1,96 atau P = 0,113
d). Tidak ada pengaruh antara variabel status menikah terhadap variabel
pilihan migrasi.
b. Logit 2
a). Tidak ada pengaruh antara variabel umur terhadap variabel pilihan
migrasi.
b). Ada pengaruh antara variabel tingkat pendidikan terhadap variabel pilihan
migrasi.
c). Tidak ada pengaruh antara variabel jenis kelamin terhadap variabel pilihan
migrasi.
d). Tidak ada pengaruh antara variabel status menikah terhadap variabel
pilihan migrasi.
Dari model logit 1 diperoleh hasil bahwa variabel yang berpengaruh atau
variabel yang dimasukkan kedalam model adalah variabel pendidikan. Sedangkan
untuk model logit 2 diperoleh hasil yang sama yaitu variabel yang berpengaruh
atau variabel yang dimasukkan kedalam model adalah variabel pendidikan. Dari
kedua model tersebut maka diperoleh model yang terbaik dilihat dari nilai
parameter βp
adaTabel 4.6 adalah sebagai berikut :
Logit 1
g1 ( x) 10 12 x2
g1 ( x) 0,182271 0,761226 x2
Logit 2
g 2 ( x) 20 22 x2
g 2 ( x) 1,14098 0,722229x2
0
1
x 0 , 761226 x 2
1 e 0 ,182271 e 1 ,14098 0 , 722229 x 2
0 , 761226 x 2
e 0 ,182271
1
x 0 , 761226 x 2
1 e 0 ,182271 e 1 ,14098 0 , 722229 x 2
e 1 ,14098 0 , 722229 x 2
2
x 0 , 761226 x 2
1 e 0 ,182271 e 1 ,14098 0 , 722229 x 2
41
Dari Tabel 4.10 terlihat koefisien untuk variabel umur 0-5 tahun, umur 6-
18 tahun dan umur 19-54 tahun bertanda positif yaitu 17,990, 18,241 dan 17,941,
yang berarti migran yang berumur 0-5 tahun, 6-18 tahun dan 19-54 tahun
mempunyai peluang lebih besar dibanding migran yang berumur ≥55t
ahununt
uk
bermigrasi ke Bontang daripada bermigrasi ke Tarakan. Dengan melihat nilai odds
ratio yang sebesar 0,0000006, 0,0000008 dan 0,0000006, dapat diartikan migran
yang berumur 0-5 tahun, 6-18 tahun dan 19-54 tahun memiliki peluang
0,0000006, 0,0000008 dan 0,0000006 kali dari migran yang berumur ≥55untuk
bermigrasi ke Bontang dibanding migrasi ke Tarakan.
Dari Tabel 4.11 terlihat koefisien untuk variabel umur 0-5 tahun dan umur
19-54 tahun bertanda negatif yaitu -1,253 dan -0,049, yang berarti migran yang
berumur 0-5 tahun dan 19-54 tahun mempunyai peluang lebih rendah dibanding
migran yang berumur ≥ 55 t
ahun un
tuk be
rmi
gra
sik
eBalikpapan daripada
bermigrasi ke Tarakan. Dengan melihat nilai odds ratio yang sebesar 0,328 dan
0,952, dapat diartikan migran yang berumur 0-5 tahun dan 19-54 tahun memiliki
peluang 0,328 dan 0,952 kali dari migran yang berumur ≥55untuk bermigrasi ke
Balikpapan dibanding migrasi ke Tarakan.
Sedangkan untuk migran yang berumur 6-18 tahun terlihat nilai
koefisiennya bertanda positif yaitu 0,251 yang berarti bahwa peluang migran yang
berumur 6-18 tahun lebih besar dibanding migran yang berumur ≥ 55untuk
bermigrasi ke Balikpapan daripada bermigrasi ke Tarakan. Dengan melihat nilai
odds ratio yang sebesar 0,822, dapat diartikan migran yang berumur 6-18 tahun
memiliki peluang 0,822 kali dari migran yang berumur ≥55untuk bermigrasi ke
Balikpapan dibanding migrasi ke Tarakan.
Dari Tabel 4.12 terlihat koefisien untuk variabel tingkat pendidikan yang
tidak punya pendidikan, yang berpendidikan SD dan yang berpendidikan SLTP
bertanda negatif yaitu -0,668, -1,466 dan -0,550, yang berarti migran yang tidak
punya pendidikan, yang berpendidikan SD dan yang berpendidikan SLTP
mempunyai peluang lebih rendah dibanding migran yang berpendidikan SLTA
atau lebih untuk bermigrasi ke Bontang daripada bermigrasi ke Tarakan. Dengan
melihat nilai odds ratio yang sebesar 0,513, 0,231 dan 0, 577, dapat diartikan
43
Dari Tabel 4.13 terlihat koefisien untuk variabel tingkat pendidikan yang tidak
punya pendidikan, yang berpendidikan SD dan yang berpendidikan SLTP
bertanda negatif yaitu -2,262, -1,674 dan -0,470, yang berarti migran yang tidak
punya pendidikan, yang berpendidikan SD dan yang berpendidikan SLTP
mempunyai peluang lebih rendah dibanding migran yang berpendidikan SLTA
atau lebih untuk bermigrasi ke Balikpapan daripada bermigrasi ke Tarakan.
Dengan melihat nilai odds ratio yang sebesar 0,104, 0,188 dan 0, 256, dapat
diartikan migran yang tidak punya pendidikan, yang berpendidikan SD dan yang
berpendidikan SLTP memiliki peluang 0,104, 0,188 dan 0,256 kali dari migran
yang berpendidikan SLTA atau lebih untuk bermigrasi ke Balikpapan dibanding
migrasi ke Tarakan.
Dari Tabel 4.14 terlihat koefisien untuk variabel jenis kelamin bertanda
positif yaitu 0,868, yang berarti migran yang berjenis kelamin laki-laki
mempunyai peluang lebih besar dibanding migran yang berjenis kelamin wanita
untuk bermigrasi ke Bontang daripada bermigrasi ke Tarakan. Dengan melihat
nilai odds ratio yang sebesar 2,381, dapat diartikan migran yang berjenis kelamin
laki-laki memiliki peluang 2,381 kali dari migran yang berjenis kelamin wanita
untuk bermigrasi ke Bontang dibanding migrasi ke Tarakan.
Dari Tabel 4.15 terlihat koefisien untuk variabel jenis kelamin bertanda
positif yaitu 0,860, yang berarti migran yang berjenis kelamin laki-laki
mempunyai peluang lebih besar dibanding migran yang berjenis kelamin wanita
untuk bermigrasi ke Balikpapan daripada bermigrasi ke Tarakan. Dengan melihat
nilai odds ratio yang sebesar 2,364, dapat diartikan migran yang berjenis kelamin
laki-laki memiliki peluang 2,364 kali dari migran yang berjenis kelamin wanita
untuk bermigrasi ke Balikpapan dibanding migrasi ke Tarakan.
Dari Tabel 4.16 terlihat koefisien untuk variabel status menikah bertanda
negatif yaitu -0,580, yang berarti migran yang sudah menikah mempunyai
peluang lebih rendah dibanding migran yang belum/tidak menikah untuk
bermigrasi ke Bontang daripada bermigrasi ke Tarakan. Dengan melihat nilai odds
45
ratio yang sebesar 0,560, dapat diartikan migran yang sudah menikah memiliki
peluang 0,560 kali dari migran yang belum menikah untuk bermigrasi ke Bontang
dibanding migrasi ke Tarakan.
Dari Tabel 4.17 terlihat koefisien untuk variabel Status Menikah bertanda
negatif yaitu -0,405, yang berarti migran yang sudah menikah mempunyai
peluang lebih rendah dibanding migran yang belum/tidak menikah untuk
bermigrasi ke Balikpapan daripada bermigrasi ke Tarakan. Dengan melihat nilai
odds ratio yang sebesar 0,667, dapat diartikan migran yang sudah menikah
memiliki peluang 0,667 kali dari migran yang belum menikah untuk bermigrasi ke
Balikpapan dibanding migrasi ke Tarakan.
46
BAB 5
PENUTUP
Kesimpulan
Dari hasil perhitungan dan pembahasan yang telah dilakukan maka dapat
diambil beberapa kesimpulan, yaitu :
1. Dari hasil uji Wald diperoleh bahwa tingkat pendidikan migran mempengaruhi
dalam memilih tujuan migrasinya. Maka variabel yang dimasukkan kedalam
model atau model terbaik yang digunakan dalam multinomial logit adalah
variabel yang memiliki pengaruh yaitu variabel tingkat pendidikan, sehingga
didapat model peluangnya yaitu :
0
1
x 0 ,182271 0 , 761226 x2
1 e e 1,14098 0 , 722229 x2
e 0 ,182271 0 , 761226 x 2
1
x
1 e 0 ,182271 0 , 761226 x 2 e 1,14098 0 , 722229 x2
1,14098 0 , 722229 x2 4
2
e
x
1 e 0 ,182271 0 , 761226 x2 e 1,14098 0 , 722229 x2
2. Berdasarkan faktor yang mempengaruhi migran dalam memilih tujuan migrasi,
maka diperoleh nilai odds ratio untuk tingkat pendidikan pada model logit 1
yaitu migran yang tidak punya pendidikan memiliki peluang 0,513, yang
berpendidikan SD memiliki peluang 0,231 dan yang berpendidikan SLTP
memiliki peluang 0, 577 kali dari migran yang berpendidikan SLTA atau lebih
untuk bermigrasi ke Bontang dibanding migrasi ke Tarakan. Untuk model logit
2 yaitu migran yang tidak punya pendidikan memiliki peluang 0,104, yang
berpendidikan SD memiliki peluang 0,188 dan yang berpendidikan SLTP
memiliki peluang 0,256 kali dari migran yang berpendidikan SLTA atau lebih
untuk bermigrasi ke Balikpapan dibanding migrasi ke Tarakan. Berdasarkan
nilai odds ratio untuk variabel tingkat pendidikan diketahui migran yang tidak
punya pendidikan, yang berpendidikan SD dan yang berpendidikan SLTP
cenderung memilih tujuan migrasi ke Tarakan dibandingkan kota lainnya.
47
Saran
Dari hasil penelitian dan hasil pengembangan lebih lanjut mengenai analisis
multinomial logit, penulis menyarankan :
1. Perlunya perbaikan dan peningkatan untuk kota Samarinda terutama dari segi
tingkat pendidikan dan sebagainya, guna mengurangi derasnya arus migrasi
yang terjadi.
2. Perlunya kajian lebih mendalam mengenai model multinomial logit, terutama
dalam pengembangannya untuk empat kategori atau lebih.
3. Perlunya pemerintah kota ataupun daerah untuk melakukan antisipasi terhadap
persebaran penduduk yang tidak merata.
48
DAFTAR PUSTAKA
Agresti, A., 1996. Introduction to Categorical Data Analysis. New York: Wiley.
Basuki Hari, N., 2004. Analisis Regresi Logistik. Lembaga Penelitian Universitas
Airlangga: Surabaya.
http://www.e-dukasi.net/mol/mo_full.php?moid=140&fname=geo111_08.htm
Iriawan, Nur dan Septin Puji Astuti. 2006. Mengolah Data Statistik dengan
Mudah Menggunakan Minitab 14. Penerbit Andi: Yogyakarta.
Kleinbaum, David G and Klein, Mitchel. 2002. Logistic Regression. New York:
Springer-Verlag.
Lungan, Richard. 2006. Aplikasi Statistika dan Hitung Peluang. Graha Ilmu:
Yogyakarta.
Pa
uli
no,C.M.da nSi lv a,G. L.( 199 9),“OnTheMa xi
mum Li
ke l
ih oodAna l
y sisof
theGe ner
a llinierMode linCa tegor
icalDa
ta”
,Computational Statistics &
Data Analysis, Vol. 30, hal. 197 –204.