BAB I PENDAHULUAN

A. Latar Belakang Analisis korespondensi (Correspondence Analysis) adalah suatu ilmu yang mempelajari hubungan dua atau lebih variabel kualitatif dan merupakan bagian dari analisis data multivariat. Data hasil survey Faculty Of Social and Behavioral Sciences, Leiden University di Netherlands adalah data yang memerlukan penyelesaian dengan menggunakan analisis korespondensi, dimana ingin diketahui bagaimana hubungan antara wilayah tempat tinggal penduduk di Netherlands dengan pandangan politik (PAN_POL) mereka. B. Rumusan Masalah Masalah yang dibahas dalam analisis ini adalah: 1. Apakah ada keterkaitan antara pandangan politik (PAN_POL) dengan wilayah di Netherlands atau tidak? 2. Bagaimana deskripsi pandangan politik di Netherlands dalam kaitannya dengan wilayah?. C. Tujuan Kegiatan Tujuan yang ingin dicapai dalam penelitian ini adalah: 1. Mengetahui keterkaitan antara pandangan politik (PAN_POL) dengan wilayah di Netherlands. 2. Mendeskripsikan pandangan politik di Netherlands berdasarkan wilayah. D. Manfaat Kegiatan Manfaat yang diharapkan dari analisis ini adalah sebagai berikut: 1. Memberikan informasi tentang keterkaitan antara pandangan politik dengan wilayah di Netherlands. 2. Untuk mengetahui sejauh mana analisis korespondensi dapat menggambarkan hubungan pandangan politik dengan wilayah.

1

BAB II TINJAUAN PUSTAKA A. Analisis Korespondensi Analisis korespondensi adalah suatu ilmu yang mempelajari hubungan anatara dua atau lebih peubah kualitatif, yaitu dengan teknik eksplorasi data secara grafik untuk table kontingensi dan data kategori multivariate. Berdasarkan kegunaannya, analisis korespondensi dan analisis komponen utama memiliki kesamaan, yaitu suatu metode yang digunakan untuk mereduksi dimensi data menjadi dimensi yang lebih kecil dan sederhana. Sedangkan letak perbedaannya adalah bahwa analisis komponen utama lebih tepat untuk data dengan skala pengukuran kontinu sedangkan analisis korespondensi lebih tepat digunakan untuk data kategori. Analisis hubungan menggambarkan secara grafik profil baris dan profil kolom dari suatu matrik data dari table kontingensi dua arah sebagai titik-titik pada ruang vector berdimensi dua. B. Pemilihan Jarak Menurut Lebart(1984), Dalam analisis korespondensi, jarak yang digunakan untuk dapat menggambarkan titik-titik pada plot adalah jarak Khi-Kuadrat. Jarak anatara dua baris atau dua tititk individu ke-i dan I’ adalah d 2 ( i , i' ) = 1  fij 
i.

∑ f .j  f

fi ' j   f i '.  fij'   fi . j'  

(1)

dan jarak anata variable ke j dan variable j’ adalah d 2 ( j, j' ) =

∑ fi .  f
 

1  fij
.j

(2)

Dalam jarak Khi-Kuadrat ini, pada setiap suku kuadratnya diboboti dengan kebalikan frekuensi masing-masing. Gagasan pengambilan jarak khi-Kuadrat ini didasarkan pada sifat-sifat sebaran yang sederajat (equivalently distributional), yaitu: jika dua baris atau kolom memiliki profil sebaran sebaran serupa maka jarak anatara keduanya nol. Dengan demikian akan dapat menyusutkan dimensi variable, dengan tidak mengurangi informasi dari data asli.

2

C. Perhitungan Sumbu dan Koordinat Jika X adalah suatu matrik data berukuran nxp dengan n menunjukkan baris dan p menunjukkan kolom. Secara geometris masing-masing baris matrik X digambarkan dalam ruang berdimensi p atau Rp dan masing-masing kolom dapat digambarkan sebagai titik-titik dalam ruang berdimensi n atau Rn. Salah satu keistimewaan dari analisis hubungan adalah bahwa analisis hubungan dapat membentuk anlisis relative ke salah satu titik asal atau pusat pembobotan. Hal ini disebakan antara indeks ke-i dan j dapat saling ditukarkan dalam penjelasannya untuk ruang dimensi tertentu( Rp atau Rn). Misalnya, dalam menjelaskan titik-titik pada runag dimensi p maka yang menjadi pusat pembicaraan atau yang berperan di sini adalah indeks i, sedangkan untuk ruang n maka yang menjadi pusat pembicaraan adlah indeks j.Sehingga dalam penjelaannya terdapat dua bagian yaitu: 1. Penjelasan Titik-titik dalam Ruang Dimensi p Misalkan ada suatu matrik F dimana matriks F adalah transformasi dari matrik X dengan hubungan sebagai berikut F= 1 X. k

Kemudian ada matrik Dp dan Dn yang merupakan matriks diagonal. Bentuk dari matrik diagonal adalah f .1 0  0  f1. 0  0  0 f  0 f 0 0 .2 2.    Dp = dan Dn =                0 0  f.p   0 0  fn .   

(3)

Dp adalah matriks diagonal yang berukuran pxp dimana elemen diagonal yang kej adalah f.j, sedangkan Dn adalah matriks diagonal di mana elemen ke-i adalah f.i. Di dalam Rp ini, n titik dianggap sebagai n baris dalam Dn F .Vektor u adalah vector satuan untuk jarak yang didefinisikan dalam ruang dimensi p sedemikian hingga u' Dpu = 1 , (4)
−1

maka proyeksi n titik pada sumbu u merupakan vector yang dapat ditulis sebagai
3

−1 − ˆ v = Dn FDp1u .

(5)

Sehingga dengan demikian besaran yang dimaksimumkan adalah jumlah kuadrat
−1 −1 −1 berbobot dari u' Dp F' Dn FDp u , dengan kendala u' Dpu = 1 .

U merupakan vector ciri dari
− S = F' Dn FDp1u −1

(6)

yang berpadanan dengan akar terbesar λ , yang memenuhi persamaan
Su = λu .

(7)

−1 Vektor u disebut sumbu utama pertama, sedangkan vector ϕ = Dp u dinamakan

sebagai factor pertama. Secara umum dapat dikatakan sebagai berikut: Jika u α
−1 merupakan vector ciri matriks F' Dn FDp yang berpadanan dengan akar ciri λ .Dan −1

koordinat dari n titik adalah F = Dn F ϕ . 2. Penjelasan Titik-titik dalam Ruang Dimensi n Untuk menjelaskan titik-titk di dalam ruang n, perhitungan matematiknya analog dengan perhitungan di pruang p.Yaitu denagan memaksimumkan
− − − v' Dn1FDp1F' Dn1 v −1

(8)

(9) (10)

sedemikian hingga v' Dp v = 1 .

Maka proyeksi p titik pada sumbu v merupakan vector yang dapat ditulis sebagai
−1 − ˆ ϕ = Dp FDn1 v . atau −1 ˆ ϕ = Dp F' ψ

ˆ ϕ= λϕ
− dimana ψ adalah operator proyeksi dari sumbu v, dimana ψ = Dn1 v .

(11)

3. Kontribusi Mutlak Kontribusi mutlak adalah proporsi keragaman yang diterangkan oleh masingmasing titik terhadap sumbu utamanya. Nilai kontribusi mutlak ini digunakan untuk
4

menentukan suatu titik yang masuk pada suatu factor (dimensi) dengan criteria bahwa titik yang masuk ke dalam suatu factor adalah yang mempounyai nilai atau proporsi yang terbesar. Perhitungannya adalah sebagai berikut:
2 ca( i ) = f i .ψ αi . n

(12)

Dengan

∑ ca( i ) = 1 .
i =1

Keterangan: ψ α adalah factor yang bersesuaian dengan vector eigen α . Nilai dari ψ α dapat dicari dengan ψ α = 1 λ Dn F ϕ =
−1

1 λ

ˆ ψ.

(13)

4. Korelasi Kuadrat Korelasi kuadrat adalah bagian ragam dari suatu titik yang dapat dijelaskan oleh sumbu utamanaya. Semakin tinggi nilai korelasi kiuadrat menunjukkan bahwa sumbu utama mampu menerangkan nilai inertia dengan baik sekali, dan sebaliknya semakin kecil nilai koelasi kuadrat maka semakin sedikit nilai inertia yang dapat diterangkan oleh sumbu utama. Dalam ruang dimensi n, korelasi kuadrat dapat dituliskan sebagai Crα ( i ) =

∑(
α

(

λ α ϕα

)

2

λ α ϕα

)

2

.

(15)

5

BAB III METODOLOGI

A. Alat dan Bahan Alat dan bahan yang digunakan dalam penelitian ini adalah sebagai berikut: 1. Jurnal dan referensi yang terkait dengan penelitian ini. 2. Software SPSS dan MINITAB 3. Data hasil survey pada Faculty of Social and Behavioral Sciences, Leiden University, Netherlands. B. Prosedur Langkah – langkah yang ditempuh untuk menyelesaikan tujuan dari penelitian ini adalah sebagai berikut: 1. Pengumpulan Data Data yang digunakan dalam penelitian ini adalah data hasil survey pada Faculty of Social and Behavioral Sciences di Netherlands yang didownload pada tanggal 19 mei 2006. 2. Indentifikasi Variabel Variabel dalam penelitian ini dapat di kelompokkan atas variabel pandangan politik dan variabel wilayah. Variabel pandangan politik (PAN_POL) terdiri dari kategori sebagai berikut: a. LIB b. TEND-LIB c. MOD e. CON : Berpandangan politik Liberal : Berpandangan politik Cenderung keLiberal : Berpandangan politik Moderat : Berpandangan politik Conservative

d. TEND-CON : Berpandangan politik Cenderung ke Conservative Variabel WILAYAH terdiri dari kategori sebagai berikut: a. NORTH-EAST : Penduduk yang berdiam di wilayah North-East b. MID-WEST c. SOUTH d. WEST : Penduduk yang berdiam di wilayah Mid-West : Penduduk yang berdiam di wilayah South : Penduduk yang berdiam di wilayah West
6

3. Langkah-langkah Analisis Untuk mencapai tujuan penelitian digunakan analisis korespondensi

(Correspondence Analysis) dengan langkah-langkah sebagai berikut: a. Mendeskripsikan data yang diperoleh, b. Menentukan matrik X, F, Dp,dan Dn. c. Menentukan nilai eigen λ dan vector eigen dari S yaitu u. d. Menentukan operator proyeksi ϕ, ψ . e. Menentukan koordinat, kontribusi mutlak, korelasi kuadrat, masing masing variabel. f. Menganalisis per tabel masing-masing titik kemudian menentukan faktornya. g. Memplot antara baris dan kolom yaitu antara wilayah dan Pandangan Politik (PAN_POL). Selanjutnya dapat dilakukan analisis serentak sehingga dapat dilihat kecenderungan anatar kedua variabel. C. Jadual Kegiatan Kegiatan analisis ini karena terkait dengan penugasan dalam mata kuliah Analisis Multivariat, dilaksanakan dalam waktu beberapa hari saja. Jadual kegiatan tersebut dapat dituangkan dalam tabel berikut ini.

Tabel 1. Jadual NO 1 2 3 4 5 KEGIATAN Pembentukan kelompok dan penugasan Mendapatkan data Melakukan analisis Menuangkan hasil dalam bentuk laporan Presentasi HARI Kamis Jum’at Sabtu Minggu Senin Selasa

7

BAB IV ANALISIS DAN PEMBAHASAN Data yang digunakan dalam penelitian ini adalah data hasil survei pada Faculty of Social and Behavioral Sciences, Leiden University di Netherlands yang di-download pada tanggal 19 mei 2006. Data tersebut akan dianalisis dalam 3 tahap yaitu: Analisis Deskriptif, Analisis Hubungan antar Variabel, dan Analisis Korespondensi antar Value Variabel A. Analisis Deskriptif Dengan menggunakan SPSS 14 didapatkan hasil analisis yang terlihat pada tabel 2 di bawah ini. Tabel 2. Statistics
Valid Missing WILAYAH 725 0 3.00 -.077 .091 -1.078 .181 3.00 1.00 4.00 1851.00 25 50 75 2.0000 3.0000 3.0000 PAN_POL 725 0 3.00 -.167 .091 -.905 .181 4.00 1.00 5.00 2330.00 2.0000 3.0000 4.0000

N Mode Skewness

Std. Error of Skewness Kurtosis Std. Error of Kurtosis Range Minimum Maximum Sum Percentiles

Dari tabel di atas dapat dilihat hal-hal sebagai berikut: 1. Jumlah sampel yang dianalisis adalah 725 orang penduduk dan tidak ada data yang hilang. 2. Karena data yang bersifat nominal maka tidak digunakan Mean dan Median sebagai nilai Central Tendency-nya, tetapi digunakan modus. Dari hasil analisis terlihat bahwa modus data adalah 3, hal ini juga dapat dilihat pada nilai persentil 50. Dengan demikian dapat disimpulkan bahwa bagian terbesar dari penduduk memiliki pandangan politik yang bernilai Moderat.

8

3. Indeks untuk mengukur normalitas data dapat dilihat pada dua indikator berikut ini: a. Indeks Skewness (Kemiringan Kurva) Dari hasil analisis terlihat bahwa indeks untuk wilayah adalah -0,077:0,091 = -0,846, sedangkan untuk pandangan politik didapatkan nilai -0,167:0,091 = -1.835. Karena kedua ini ini berada dalam rentang antara -2,00 sd. 2.00 maka dapat dikatakan dari sudut kemiringan kurva, data berdistribusi normal. b. Indeks Kurtosis (Keruncingan Kurva) Dari hasil analisis terlihat bahwa indeks untuk wilayah adalah -1,078:0,181 = -5.956, sedangkan untuk pandangan politik didapatkan nilai -0,905:0,181 = -5.000. Karena kedua ini ini berada tidak berada dalam rentang antara -2,00 sd. 2.00 maka dapat dikatakan dari sudut keruncingan kurva, data tidak berdistribusi normal. Namun demikian ada juga yang menggunakan kriteria moderat normal untuk daerah sampai dengan + dan – 5.000 Dengan demikian terutama bila menitikberatkan pada variabel sikap politik maka pada dasarnya data dapat dikatakan relatif berdistribusi normal meskipun terlihat sedikit runcing. Dalam bentuk kurva, frekuensi sebaran data dapat yang terkait dengan analisis pada poin ini, dapat dilihat pada halaman berikut ini.

Figur 1. Frekuensi Sebaran Sampel berdasarkan Wilayah
WILAYAH
300

200

100

Frequency

Std. Dev = 1.01 Mean = 2.6 0 1.0 2.0 3.0 4.0 N = 725.00

WILAYAH

9

Figur 2. Frekuensi Sebarab sampel Berdasarkan Pandangan Politik
PAN_POL
300

200

100

Frequency

Std. Dev = 1.28 Mean = 3.2 0 1.0 2.0 3.0 4.0 5.0 N = 725.00

PAN_POL

4. Nilai maksimum-minimum wilayah (1-4) dengan range = 3 meperlihatkan bahwa semua value (kategri) pada variabel wilayah terisi semuanya, atau dengan kata lain sampel yang digunakan berasal dari keempat wilayah yang didata. Begitu pula Nilai maksimum-minimum wilayah (1-5) dengan range = 3 meperlihatkan bahwa semua value (kategri) pada variabel wilayah terisi semuanya, atau dengan kata lain sampel yang memiliki pandangan politik dari liberal sampai konservatif. 5. Berdasarkan nilai persentil dapat dinyatakan bahwa untuk variabel: a. Wilayah, jumlah sampel hingga 25% berasal dari wilayah 1 dan 2 (NorthEast dan Mid-West). juga sampai 75%-nya. b. Pandangan politik, jumlah sampel hingga 25% memiliki pandangan politik kategori 1 dan 2 (Liberal dan Tend to Liberal). Jika dihitung sampai 50%, maka sampel akan melibatkan sampai sikap kategori 3 (Liberal, Tend to Liberal, dan Moderat). Sedangkan sampai 75% data sudah mencakup sikap kategori 1 sd. 4 (Liberal, Tend to Liberal, Moderat, dan Tend to Concervative). Analisis pada poin 1 (jumlah sampel), poin 2 (modus), poin 4 (maksimum, minimum dan range), serta poin 5 (persentil) dapat dilihat secara umum dapat dilihat pada dua tabel berikut ini. Jika dihitung sampai 50%, maka sampel akan melibatkan sampai 3 wilayah (North-East, Mid-West, dan South), begitu

10

Tabel 3. Deskripsi Berdasarkan Wilayah
Frequency NORTH-EAST MID-WEST Valid SOUTH WEST Total 131 210 236 148 725 Percent 18.1 29.0 32.6 20.4 100.0 Valid Percent 18.1 29.0 32.6 20.4 100.0 Cumulative Percent 18.1 47.0 79.6 100.0

Tabel 4. Deskripsi Berdasarkan Pandangan Politik (PAN-POL)
Frequency LIB TEND-LIB Valid MOD TEND-CON CON Total 93 100 244 135 153 725 Percent 12.8 13.8 33.7 18.6 21.1 100.0 Valid Percent 12.8 13.8 33.7 18.6 21.1 100.0 Cumulative Percent 12.8 26.6 60.3 78.9 100.0

B. Analisis Hubungan antar Variabel Sebelum memasuki analisis korespondensi untuk melihat hubungan antar value pada variabel wilayah tempat tinggal dengan sikap politik penduduk di Netherland, maka terlebih dahulu dilakukan analisis mengenai hubungan antara variabel Wilayah dan Pandangan Politik. Berdasarkan hasil analisis dengan menggunakan program SPSS dapat dilihat bahwa semua data (berasal dari 725 sampel) dapat dianalisis tanpa ada satupun yang ketinggalan/hilang. Hal ini dapat dilihat pada tabel berikut: Tabel 5. Rangkuman Pemrosesan Kasus
Cases Valid WILAYAH * PAN_POL N 725 Percent 100.0% N 0 Missing Percent .0% N 725 Total Percent 100.0%

Selanjutnya berdasarkan sifat data nominal, maka dilakukan uji dengan dua kemungkinan, yaitu pola hubungan antara variabel wilayah dan pandangan politik penduduk berbentuk simetris atau non simetrik (searah). Untuk itu digunakan uji Chi-Square (Pearson Chi-Square, Likelihood Ratio, dan Linear-by-Linear
11

Association), uji Symmetric Measures (Phi, Cramer’s V, dan Contingency Coefficient), serta uji Directional Measures Symmetric (Lambda dan Uncertainity Coefficient) sebagaimana yang tertera pada Tabel 6, 7 dan 8 berikut ini. Tabel 6. Hasil Uji Chi-Square
Value Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases 41.489(a) 41.756 5.073 725 df 12 12 1 Asymp. Sig. (2-sided) .000 .000 .024

a 0 cells (.0%) have expected count less than 5. The minimum expected count is 16.80.

Tabel 7. Hasil Uji Symmetric Measures
Value Phi Cramer's V Contingency Coefficient .239 .138 .233 Approx. Sig. .000 .000 .000

Nominal by Nominal

Tabel 8. Hasil Uji Directional Measures
Nominal by Nominal Goodman and Kruskal tau Uncertainty Coefficient .020 .006 3.288 .015 .005 .000(e) .019 .006 3.288 .000(e)

Lambda Value Symmetric Asymp. Std. Error(a) Approx. T(b) Sig Value Asymp. Std. Error(a) Approx. T(b) .018 .014 1.206 .228 .000 .000 .(c)

PAN_POL Dependent a b c d e

Sig .(c) .000(d) Not assuming the null hypothesis. Using the asymptotic standard error assuming the null hypothesis. Cannot be computed because the asymptotic standard error equals zero. Based on chi-square approximation Likelihood ratio chi-square probability.

12

Dari Tabel 6, 7, dan 8 dapat dilihat bahwa: 1. Seluruh pengujian simetris menunjukkan hasil yang sangat signifikan (dengan P-Value 0,000) kecuali untuk pengujian dengan Lambda hasilnya tidak signifikan dengan P-Value 0,228 > 0,05 dan Asymp. Std Error 0,014. 2. Pengujian asimetris, dimana variabel wilayah sebagai variabel independent dan variabel pandangan politik sebagai variabel dependent, dengan menggunakan uji Uncertainity Coefficient didapat hasil yang sama bila pola hubungan diasumsikan simetris. Selain itu digunakan juga uji Goodman & Kruskal Tau, dimana hasilnya sangat signifikan dengan P-Value 0,000 dan Asymp. Std. Error sebesar 0,005. Dari pengujian kedua pola tersebut terlihat bahwa pola hubungan antara variabel wilayah dan pandangan politik relatif berbentuk asimetrik dimana variabel pandangan politik menepati posisi sebagai variabel dependent. Hal ini disimpulkan berdasarkan fakta bahwa hasil pengujiannya bersifat konsisten pada semua uji. Dengan demikian dapat dinyatakan bahwa pandangan politik penduduk yang tinggal di wilayah tertentu akan dipengaruhi oleh karakteristik pandangan politik (dari sebagian besar penduduk) pada wilayah tersebut. Untuk melihat karakteristik pandangan politik pada keempat wilayah yang datanya dianalisis, maka digunakan analisis korespondensi sebagaimana yang akan dipaparkan pada Subbab C berikut ini. C. Analisis Korespondensi antar Value Variabel Tabulasi silang antara variabel wilayah dan pandangan politik (PAN_POL) penduduk di Netherland dapat dilihat pada tabel output SPSS di bawah ini: Tabel 9. Tabulasi Silang
PANDANGAN POLITIK (PAN_POL) WILAYAH LIB NORTH-EAST MID-WEST SOUTH WEST Active Margin (Total) 19 26 18 30 93 TEND-LIB 23 31 27 19 100 MOD 58 71 75 40 244 TEND-CON 16 47 46 26 135 CON 15 35 70 33 153 Active Margin (Total) 131 210 236 148 725

13

Selanjutnya, jika dikaji profilnya baik untuk baris maupun kolom, maka akan dapat dilihat pada output SPSS di Tabel 10 dan tabel 11 yang dicantumkan di halaman berikut ini. Tabel 10. Profil Baris
PAN_POL NORTH-EAST MID-WEST SOUTH WEST Mass LIB .145 .124 .076 .203 .128 TEND-LIB .176 .148 .114 .128 .138 MOD .443 .338 .318 .270 .337 TEND-CON .122 .224 .195 .176 .186 CON .115 .167 .297 .223 .211 Active Margin 1.000 1.000 1.000 1.000

Dari profil baris yang tercantum di atas dapat dilihat bahwa : 1. Nilai active margin setiap baris semua nilainya adalah 1.00 sebagaimana harusnya 2. Nilai massa terbesar (0,337) terdapat pada pandangan politik moderat yang merupakan modus pada data ini 3. Jika diperhatikan profil setiap kolom, maka dapat dilihat nilai terbesar untuk kolom: a. LIB adalah pada baris WEST, yang menunjukkan secara umum bahwa penduduk yang tinggal di wilayah barat Netherland cenderung memiliki pandangan politik yang liberal b. TEND_LIB dan MOD adalah pada baris NORTH-EAST, yang menunjukkan bahwa penduduk yang tinggal di wilayah timur laut Netherlands cenderung memiliki pandangan politik moderat sampai agak liberal c. TEND-CON adalah pada baris MID-WEST, yang menunjukkan bahwa penduduk yang tinggal di wilayah Tengah-Barat cenderung memiliki pandangan politik yang agak konservatif d. CON adalah pada baris SOUTH, yang menunjukkan bawa penduduk yang tinggal di wilayah selatan Netherland cenderung memiliki pandangan politik yang konservatif. Sedangkan untuk profil kolom yang dicantumkan di halaman setelah ini dapat dilihat bahwa :
14

1. Nilai active margin setiap kolom adalah 1.00 sebagaimana harusnya 2. Nilai massa terbesar (0,3267) terdapat pada wilayah SOUTH yang merupakan modus pada data ini Tabel 11. Profil Kolom
PAN_POL WILAYAH NORTH-EAST MID-WEST SOUTH WEST Active Margin LIB .204 .280 .194 .323 1.000 TEND-LIB .230 .310 .270 .190 1.000 MOD .238 .291 .307 .164 1.000 TEND-CON .119 .348 .341 .193 1.000 CON .098 .229 .458 .216 1.000 Mass .181 .290 .326 .204

3. Jika diperhatikan profil setiap baris, maka dapat dilihat nilai terbesar untuk baris: a. NORTH-EAST adalah pada kolom MOD, yang menunjukkan secara umum bahwa penduduk yang tinggal di wilayah timur laut Netherland cenderung memiliki pandangan politik yang moderat (lihat poin 3.b pada analisis profil baris) b. MID-WEST adalah pada kolom TEND-CON, yang menunjukkan bahwa penduduk yang tinggal di wilayah tengah-barat Netherlands cenderung memiliki pandangan politik agak konservatif (lihat poin 3.c pada analisis profil baris) c. SOUTH adalah pada kolom CON, yang menunjukkan bahwa penduduk yang tinggal di wilayah selatan Netherland cenderung memiliki pandangan politik yang konservatif (lihat poin 3.d pada analisis profil baris) d. WEST adalah pada kolom LIB, yang menunjukkan bawa penduduk yang tinggal di wilayah barat Netherland cenderung memiliki pandangan politik yang liberal (lihat poin 3.a pada analisis profil baris) Jika kita perhatikan dari kedua profil di atas, baik profil baris maupun profil kolom, terlihat bahwa keduanya menyatakan satu hal yang sama meski dengan tampilan nilai-nilai yang berbeda. Hal ini juga dapat dilihat pada pemetaan kedua variabel yang mewakili baris dan kolom di maksud yang ditampilkan pada figur 9 di halaman terakhir Bab IV ini. Rangkuman analisis untuk datanya dapat dilihat pada halaman berikut;
15

Tabel 12. Rangkuman Analisis
Dimension 1 Singular Value Inertia Chi Square Sig. Proportion of Inertia Confidence Singular Value a 12 degrees of freedom Accounted for Cumulative Standard Deviation Correlation 2 .627 .627 .035 -.043 .268 .895 .040 .105 1.000 .189 .036 2 .124 .015 3 .078 .006 .057 41.489 .000(a) 1.000 1.000 Total

Pada tabel di atas terlihat bahwa eigenvalue (inertia) menunjukkan bahwa nilai varians yang dapat dijelaskan adalah sebesar 0.057 atau 5.7% saja. Namun demikian jika melihat nilai Chi-Square yang cukup besar dengan nilai P-VALUE sebesar 0,000 (<0,01) hal ini memperlihatkan bahwa terdapat hubungan yang sangat signifikan antara pandangan politik (PAN_POL) dengan wilayah tempat tinggal penduduk di Netherland. Korelasi kanonik maksimum (yang merupakan interpretasi dari Singular Value yang merupakan akar kuadrat dari Eigenvalue) antar kategori dari variabel-variabel dalam analisis untuk setiap dimensi adalah 0.189 untuk dimensi pertama (terbesar), 0.124 untuk dimensi kedua (juga merupakan yang kedua terbesar), dan 0.078 dimensi ketiga. Dari eigenvector yang diperoleh dalam analisis (proportion of inertia), maka dengan 3 faktor dapat dinyatakan bahwa keragaman yang dapat diterangkan adalah sebesar 100% dengan rincian sebagai berikut: 1. Faktor pertama dengan eigenvalue sebesar 0.036 mampu menerangkan keragaman data sebesar 62.7%. 2. Faktor kedua dengan eigenvalue sebesar 0.015 mampu menerangkan keragaman data sebesar 26.8% (total dengan faktor pertama adalah 0,895 atau 89,5%) 3. Faktor ketiga dengan eigenvalue sebesar 0.006 mampu menerangkan keragaman data sebesar 10.5% (total dengan sebelumnya menjadi 100%).

16

Bila dilihat standard deviasinya terlihat bahwa untuk dimensi/faktor pertama ditemukan nilai sebesar 0,35. Nilai ini juga menunjukkan presisi yang relatif lebih baik dari dimensi/faktor kedua yang memiliki nilai standard deviasi sebesar 0,40. Selanjutnya untuk overview Row Points(a) dan overview column Points(a) akan dapat dilihat pada Tabel 11 dan Tabel 12 yang dicantumkan pada halaman berikut ini. Tabel 13. Overview Row Points(a)
WILAYAH NORTHEAST .181 1 2 Of Point to Inertia of Dimension Contribution Of Dimension to Inertia of Point 1 2 1 2 Total -.702 .309 .020 .470 .139 .832 .105 .938 MIDWEST .290 -.130 .065 .005 .026 .010 .181 .030 .210 SOUTH .326 .540 .194 .020 .501 .099 .901 .076 .977 WEST .204 -.055 -.675 .012 .003 .752 .010 .970 .979 .057 1.000 1.000 Active Total 1.000

Mass Score in Dimension Inertia

a Symmetrical normalization

Dari tabel Overview Row Points(a) di atasdapat dilihat hal-hal sebagai berikut: 1. pada baris Massa, memperlihat proporsi marjinal dari variabel baris (wilayah tempat tinggal) yang menggunakan profil titik-titik terbobot saat mengkomputasi jaraknya. Pembobotan ini memberikan efek kompensasi bagi ketaksetaraan jumlah pada setiap kasus. Dan seperti yang telah diungkapkan sebelumnya bahwa massa terbesar terlihat pada wilayah barat yang merupakan modus data untuk variabel wilayah. 2. pada baris Skor Dimensi, skor-skor ini digunakan sebagai koordinat untuk titik-titik value variables saat memplotkannya (untuk konfirmasi, dapat dilihat pada Figur 7 dan juga Figur 9). 3. pada baris Inersia, totalnya adalah 0,57 terdapat nilai-nilai yang menunjukkan variansi yang

17

4. Kontribusi dari poin ke inersia dimensi merupakan loading factors yang digunakan dalam faktor analisis yang konvensional 5. Kontribusi dari inersia dimensi ke poin adalah korelasi multipel yang merefleksikan bagaimana baiknya model principal komponen menjelaskan poin (kategori) tertentu (terlihat bahwa principal komponen terlihat paling rendah dalam menjelaskan kategori tempat tinggal penduduk di wilayah tengah barat Netherland). Untuk Tinjauan terhadap kategori (poin) pada kolom (varaiabel pandangan politik, hasil analisisnya dapat dilihat pada tabel di bawah ini. Tabel 14. Overview Column Points(a)
PAN_POL LIB Mass Score in Dimension Inertia Of Point to Inertia of Dimension Contribution Of Dimension to Inertia of Point 1 2 1 2 Total 1 2 .128 -.491 -.800 .016 .163 .663 .363 .630 .993 TEND -LIB .138 -.351 .124 .003 .090 .017 .921 .075 .995 MOD .337 -.252 .334 .009 .113 .303 .448 .512 .960 TENDCON .186 .237 -.037 .006 .055 .002 .308 .005 .313 CON .211 .721 -.094 .022 .579 .015 .940 .010 .950 .057 1.000 1.000 Active Total 1.000

a Symmetrical normalization

Dengan pengertian yang sama pada penjelasan Tabel 13, dapat dilihat hal-hal sebagai berikut: 1. Massa terbesar setelah pembobotan atas ketaksetaraan jumlah kasus tetap berada pada kategori moderat yang juga merupakan modus pada variabel ini (lihat tabel tabulasi Silang) 2. Skor Dimensi, skor-skor ini digunakan sebagai koordinat untuk titik-titik value variables saat memplotkannya (untuk konfirmasi, dapat dilihat pada Figur 8 dan juga Figur 9 di bagian akhir Bab IV ini). 3. 4. Pada baris Inersia, terdapat nilai-nilai yang menunjukkan variansi yang totalnya adalah 0,57 Kontribusi dari poin ke inersia dimensi merupakan loading factors yang memperlihatkan bahwa pandangan liberal dan moderat lebih dekat pada

18

dimensi ke-2 dibanding dimensi ke-1, sedangakn tiga pandangan politik lainnya lebih dekat pada dimensi ke-1. 5. Kontribusi dari inersia dimensi ke poin adalah korelasi multipel yang merefleksikan bagaimana baiknya model principal komponen menjelaskan poin (kategori) tertentu (terlihat bahwa nilai ini setara dengan kontribusi dari poin atau kategori ke dimensi). Confidence Row Points (Tabel 15) dan Confidence Column Points (Tabel 16) di bawah ini memperlihatkan standard deviasi dari skor-skor baris dan kolom (nilai-nilai ini digunakan sebagai koordinat untuk memplot Correspondence Map dan juga digunakan untuk menilai presisinya.
Tabel 15. Confidence Row Points Standard Deviation in Dimension 1 .190 .169 .122 .339 2 .307 .323 .206 .148 Correlation 1-2 .528 .066 -.685 -.026

WILAYAH NORTH-EAST MID-WEST SOUTH WEST

Tabel 16. Confidence Column Points Standard Deviation in Dimension 1 LIB TEND-LIB MOD TEND-CON CON .387 .072 .171 .215 .127 2 .221 .117 .122 .406 .302 Correlation 1-2 -.694 .801 .575 .095 .304

PAN_POL

Pada dua tabel di atas dapat dilihat bahwa standard deviasi yang besar menunjukkan presisi rendah rendah bagi suatu poin atau kategori untuk ditempatkan pada dimensi atau faktor tertentu. Sebaliknya semakin rendah nilai standard deviasinya, maka semakin baik presisinya. Jika kita lihat presisi tersebut pada Tabel 15, maka wilayah barat berada pada dimensi du (sendiri) sedangkan tiga wilayah lainnya berada pada dimensi yang sama (berdekartan). Hasil ini sesuai dengan hasil pada Tabel 13. Sedangkan Tabel 16 akan memberikan interpretasi yang sama dengan tabel 14.
19

Selanjutnya empat figur berikut ini akan memperlihatkan transformasi kategorikategori pada baris dan kolom ke dalam kolom dengan masing-masing satu plot untuk tiap dimensi (dalam hal ini ada 2 dimensi yang digunakan, sehingga ada 4 plot). Figur 3. Transformasi Normal Simetris Kategori Wilayah untuk Dimensi 1
Dimension 1 Transformed WILAYAH Categories

Dimension 1 Transformed WILAYAH Categories Symmetrical Normalization
.8 .6 .4 .2 0.0 -.2 -.4 -.6 -.8 MID-WEST SOUTH WEST

NORTH-EAST

WILAYAH

Figur 4. Transformasi Normal Simetris Kategori Wilayah untuk Dimensi 2

20

Dimension 2 Transformed WILAYAH Categories

Dimension 2 Transformed WILAYAH Categories Symmetrical Normalization
.4 .2 0.0 -.2 -.4 -.6 -.8 MID-WEST SOUTH WEST

NORTH-EAST

WILAYAH

Figur 5. Transformasi Normal Simetris Kategori Pandangan Politik untuk Dimensi 1
Dimension 1 Transformed PAN_POL Categories

Dimension 1 Transformed PAN_POL Categories Symmetrical Normalization
.8 .6 .4 .2 -.0 -.2 -.4 -.6 LIB TEND-LIB MOD TEND-CON CON

PAN_POL

Figur 6. Transformasi Normal Simetris Kategori Pandangan Politik untuk Dimensi 2
21

Dimension 2 Transformed PAN_POL Categories

Dimension 2 Transformed PAN_POL Categories Symmetrical Normalization
.4 .2 0.0 -.2 -.4 -.6 -.8 -1.0 LIB TEND-LIB MOD TEND-CON CON

PAN_POL

Dua figur berikut ini adalh uniplot untuk baris dan kolom. Perlu diperhatikan bahwa aksis pada kedua plot sedikit berbeda, meskipun kedua plot didasarkan pada normalisasi yang bersifat simetrik. Dalam hal ini normalisasinya tepatnya didasarkan pada normalisasi baris dan normalisasi kolom.

Figur 7. Pemetaan Value of Variable Wilayah

Row Points for WILAYAH Symmetrical Normalization
.4 NORTH-EAST .2 MID-WEST 0.0 -.2 -.4 -.6 -.8 -.8 -.6 -.4 -.2 0.0 .2 .4 .6 SOUTH

Dimension 2

WEST

Dimension 1

22

Figur 8. Pemetaan Value of Variable Pandangan Politik

Column Points for PAN_POL Symmetrical Normalization
.4 .2 0.0 -.2 -.4 MOD TEND-LIB TEND-CON CON

Dimension 2

-.6 -.8 -1.0 -.6 -.4 -.2 -.0 .2 .4 .6 .8 LIB

Dimension 1

Jika kedua figur di halaman sebelum ini digabungkan, maka akan didapatkan figur akhir yang memperlihatkan pemetaan karakteristik pandangan politik penduduk pada keempat wilayah yang ada. Figur dimaksud ditampilkan di bawah ini. Figur 9. Pemetaan Karakteristik (Value of Variables)

Row and Column Points Symmetrical Normalization
.4 NORTH-EAST .2 0.0 -.2 -.4 MOD TEND-LIB MID-WEST TEND-CON SOUTH

CON

Dimension 2

-.6 -.8 -1.0 -.8 -.6 -.4 -.2 LIB

WEST PAN_POL WILAYAH 0.0 .2 .4 .6 .8

Dimension 1

23

Dari figur tersebut dapat dilihat bahwa karakteristik pandangan politik penduduk Netherlands yang bermukim di wilayah West pada umumnya adalah Liberal, sementara yang bermukim di wilayah South pada umumnya adalah konservatif dan cenderung ke konservatif (TEND-CONS). Untuk wilayah MidWest karakteristik umum pandangan politik penduduknya adalah cenderung ke liberal (TEND-LIB), sedangkan penduduk yang bermukim di wilayah Northeast berpandangan politik moderat. Hal ini sesuai dengan profil baris dan profil kolom yang telah dipaparkan sebelumnya.

24

BAB V KESIMPULAN

Berdasarkan hasil analisis terdahulu dapat disimpulkan paling tidak dua hal utama sebagai berikut: 1. Dari pengujian pola hubungan didapatkan hasil sebagai berikut: a. Seluruh pengujian simetris menunjukkan hasil yang sangat signifikan (dengan P-Value 0,000) kecuali untuk pengujian dengan Lambda hasilnya tidak signifikan dengan P-Value 0,228 > 0,05 dan Asymp. Std Error 0,014 b. Pengujian asimetris, dimana variabel wilayah sebagai variabel independent dan variabel pandangan politik sebagai variabel dependent, dengan menggunakan uji Uncertainity Coefficient didapat hasil yang sama bila pola hubungan diasumsikan simetris. Selain itu digunakan juga uji Goodman & Kruskal Tau, dimana hasilnya sangat signifikan dengan PValue 0,000 dan Asymp. Std. Error sebesar 0,005 Dari pengujian kedua pola tersebut terlihat bahwa pola hubungan antara variabel wilayah dan pandangan politik relatif berbentuk asimetrik (meskipun pola simetrik juga dapat diterapkan meski terlihat ada inkonsistensi dalam pengujian) dimana variabel pandangan politik menepati posisi sebagai variabel dependent. Hal ini disimpulkan berdasarkan fakta bahwa hasil pengujiannya bersifat konsisten pada semua uji. Dengan demikian dapat dinyatakan bahwa pandangan politik penduduk yang tinggal di wilayah tertentu akan dipengaruhi oleh karakteristik pandangan politik (dari sebagian besar penduduk) pada wilayah tersebut. 2. Jika diteliti lebih lanjut (dalam hal ini dengan Analisis Korespondensi) terlihat bahwa memang ada perbedaan pandangan politik pada penduduk yang tinggal di wilayah tertentu. memperlihatkan bahwa: a. Pandangan politik penduduk Netherlands yang bermukim di wilayah West pada umumnya adalah Liberal b. Ssementara yang bermukim di wilayah South pada umumnya adalah konservatif dan cenderung ke konservatif (TEND-CONS).
25

Hal ini terbutkir dengan hasil pemetaan yang

c. Untuk wilayah MidWest karakteristik umum pandangan politik penduduknya adalah cenderung ke liberal (TEND-LIB) d. Sedangkan penduduk yang bermukim di wilayah Northeast berpandangan politik moderat. Hal ini juga sesuai dengan profil baris dan profil kolom yang telah dipaparkan di bagian awal analisis korespondensi.

26

DAFTAR PUSTAKA

Benzecri, J., P., (1992), Correspondence Analysis Handbook, Marcel Dekker, Inc., New York Johnson R., A., & Wichern, D., W., (2002) Applied Multivariate Statistical Analysis, Fifth edition, Prentice Hall, New Jersey Latra, I., N., (1986), Analisis Hubungan, ITS, Surabaya Lebart, L,Morineau, A, Warwicck, K.M. (1984), Multivariate Descriptive Statistically Analysis, John Wiley & Sons, New York. N.,N., (2001), SPSS 10; Correspondence Analysis Output, Faculty of Social and Behavioral Sciences, Leiden University, Leiden-Netherland

27