Analisis Faktor-Faktor yang Mempengaruhi Tingkat Kesejahteraan di Kota Surabaya Dengan Regresi Komponen Utama

Kesejahteraan Kota Surabaya cenderung meningkat tiap tahun namun pemerataan kesejahteraan setiap daerah perlu ditingkatkan. Sebuah penelitian dilakukan untuk mengidentifikasi variabel-variabel yang mempengaruhi tingkat kesejahteraan skala mikro di Kota Surabaya. Penelitian ini menggunakan analisis model Regresi Komponen Utama karena data kesejateraan terdapat multikolinieritas. Data yang digunakan adalah data dari Bappeko Surabaya tahun 2015. Hasil penelitian menunjukkan bahwa Kecamatan Semampir dan Simokerto merupakan kecamatan dengan tingkat kesejahteraan yang rendah dan beragam antar rumah tangga. Beberapa variabel prediktor berkorelasi dengan prosentase rumah tangga tingkat kesejahteraan (variabel respon) dan saling memiliki korelasi tinggi antar variabel prediktor. Model Regresi Komponen Utama terbaik yaitu model menggunakan 2 komponen utama. Residual model regresi mengikuti asumsi identik, independen, dan berdistribusi Normal. Model ini memiliki standar deviasi residual rendah dan koefisien determinasi tinggi. Model Regresi Komponen Utama yang diperoleh perlu dilakukan transformasi kembali agar menjadi model fungsi awal. Terdapat 11 variabel yang signifikan dan 17 variabel yang tidak signifikan mempengaruhi prosentase rumah tangga tingkat kesejahteraan diantaranya variabel prediktor rumah tangga tidak memiliki lemari es, rumah tangga tidak memiliki motor, rumah tangga memiliki KIS/ BPJS Kesehatan/ Jamkesmas, rumah tangga mengikuti program Raskin, dan rumah tangga ikut program KB. Variabel prosentase rumah tangga dengan dinding tidak layak tidak berpengaruh terhadap kesejahteraan. ======================================================================================================================== The welfare of Surabaya City tends to increase every year, but the welfare distribution of each region needs to be improved. A study was conducted to identify variables that affect the level of welfare on a micro scale in the Surabaya City. This Study uses the analysis of the Principal Component Regression model because the welfare data has multicollinearity. The data used were data from Bappeko Surabaya in 2015. The results showed that Semampir dan Simokerto were subdistrict having low and varied in welfare among households. Some predictor variables correlate with the percentage of household welfare level (response variable) and have a high correlation between predictor variables. The best principal component regression model is model using 2 principal component. This model's residual follow the assumption that residuas are identical, independent, and normally distributed. This model has a low residual standard deviation and high determination coefficient. The principal component regression model obtained needs to be transformed again to become a model with initial functions. There are 11 significant variables and 17 non-significant variables affect the percentage of household welfare level including households not having refrigerators, households not having motorbikes, households having KIS/ BPJS Kesehatan/ Jamkesmas, households participating in the Raskin program, and households participating in the KB program. Variable percentage of households with infasible walls do not affect welfare.