TUGAS KAPITA SELEKTA

MODEL SPASIAL
ANALISIS PENGARUH JUMLAH PENDUDUK MISKIN, PDRB TERHADAP
JUMLAH KEPADATAN PENDUDUK DI PROVINSI SUMATERA SELATAN

Oleh:
Ahmad Yasir Nasution

(152.06.2009)

Nanda Fariqa Rachma Mahardia

(152.06.2013)

Fauzi Ramadhan

(152.06.2014)

Pradita Eka Setyaningsih

(151.06.2023)

Petronella Mira Melati

(131.06.1007)

JURUSAN STATISTIK
FAKULTAS SAINS TERAPAN
INSTITUT SAINS DAN TEKNOLOGI AKPRIND
YOGYAKARTA
2016

Output Software GEODA

Model SAR

Berdasarkan output di atas, maka dapat dilakukan analisis sebagai berikut:

1. Model SAR yang dihasilkan, yaitu:
^y =888,16820,2594 w y 15,1757 x 10,1157 x 2
^y =888,16820,2594 w kepadatan15,1757 PDRB0,1157 PendudukMiskin
2. Pada model regresi spatial lag, pengaruh korelasi spasial diakomodir dalam model dengan
memasukkan variable penimbang spasial ( w_y ). Kemudian kita perhatikan nilai pada
kolom probability, berikut uji hipotesisnya:
Variabel PDRB
a. Hipotesis:
H0 : variable PDRB tidak berpengaruh terhadap model
H1 : variable PDRB berpengaruh terhadap model
b. Statistik Uji
Nilai p-value

c. Daerah Kritis:
H0 ditolak jika p-value < 0,05
d. Keputusan:
Karena diperoleh nilai p-value = 0,36563 , sehingga p-value > 0,05. Maka, H0 tidak
ditolak.
e. Kesimpulan:
H0 tidak ditolak, maka dapat disimpulkan bahwa variable PDRB tidak berpengaruh
terhadap model
Variabel Penduduk Miskin
a. Hipotesis:
H0 : variable Penduduk Miskin tidak berpengaruh terhadap model
H1 : variable Penduduk Miskin berpengaruh terhadap model
b. Statistik Uji : Nilai p-value
c. Daerah Kritis:
H0 ditolak jika p-value < 0,05
d. Keputusan:
Karena diperoleh nilai p-value = 0,98207 , sehingga p-value > 0,05. Maka, H0 tidak
ditolak.
e. Kesimpulan:
H0 tidak ditolak, maka dapat disimpulkan bahwa variable Penduduk Miskin tidak
berpengaruh terhadap model
3. Nilai R-square yaitu 0,079905, maka R2 = 7,9905% , artinya variable Kepadatann
Penduduk dijelaskan oleh variable Penduduk Miskin dan PDRB sebesar 7,9905%.
Sedangkan untuk 92,0095% dijelaskan oleh variable lain. Hal ini menunjukkan bahwa
Jumlah Penduduk Miskin dn PDRB belum cukup untuk menjelaskan Jumlah Kepadatan
Penduduk. Diperoleh nilai AIC = 256,653, nilai SSE = 954,491.
4. Maka, dapat disimpulkan bahwa model spasial tidak memberikam hasil estimasi yang
baik.
Berikut beberapa uji yang dilakukan dalam model spasial
1. Uji Morans I
Uji Hipotesis
a. Hipotesis
H0 : Tidak ada autokorelasi spasial pada data kepadatan penduduk
H1

: Ada autokorelasi spasial pada data kepadatan penduduk

b. Taraf signifikansi
= 5%
c. Daerah penolakan

H0 ditolak jika

Z hitung > Z

atau P-value

<

d. Statistik Uji
Z hitung
: -0,369706
P-value
: 0,711601
e. Keputusan
Z hitung

Dari ouput diatas dapat diperoleh nilai pada

Z tabel

sebesar 1,96, karena

Z hitung

<

Z
2

sebesar -0,369706 dan

Z
2

atau

maka H0 tidak ditolak. Sedangkan nilai

pada P-value sebesar 0,711601 dan sebesar 5% (0,05), karena P-value > maka H0
tidak ditolak.
f. Kesimpulan
Karena H0 tidak ditolak maka dapat disimpulkan bahwa tidak ada autokorelasi spasial
pada data kepadatan penduduk.
Tidak ada autokorelasi spasial, menunjukkan bahwa kepadatan penuduk antar
kabupaten/kota di Provinsi Sumatera Selatan tidak saling berhubungan. Suatu kabupaten/kota
tidak akan mempengaruhi kabupaten/kota lain dalam hal kepadatan penduduk.
Nilai Morans sebesar -0,100924 bernilai negatif menunjukkan bahwa ada autokorelasi
negatif. Kabupaten/kota dengan angka kepadatan penduduk tinggi tidak selalu bertetanggaan
atau berdekatan dengan kabupaten/kota lain yang memiliki kemiskinan tinggi pula.

2. Uji Asumsi Residual

Model Summaryb
Adjusted

R Std. Error of the

Model

R Square

Square

Estimate

Durbin-Watson

.695a

.483

.396

801.64021

.733

a. Predictors: (Constant), PDRB, jumlah_penduduk_miskin

b. Dependent Variable: Kepadatan_penduduk

a. Hipotesis:
H0 : tidak terdapat autokorelasi (independen)
H1 : terdapat autokorelasi (dependen)
b. Statistik Uji : Durbin Watson (d) = 0,733
c. Daerah Kritis : H0 tidak ditolak jika du < d < 4-du
d. Keputusan:
Du menggunakan =5 dan k = 2 adalah 0,700, 4 du = 3,3
e. Kesimpulan:
H0 tidak ditolak, maka dapat disimpulkan tidak terdapat autokorelasi residual dependen.
Residual antar amatan adalah tidak berhubungan, karena asumsi independen terpenuhi.
3. Model SAR
^y =888,16820,2594 w kepadatan15,1757 PDRB0,1157 PendudukMiskin
Berdasarkan analisis yang telah dilakukan dia atas, tidak terdapat variable yang signifikan
mempengaruhi variable Kepadatan Penduduk. Diperoleh nilai R2 yaitu 7,9905, nilai AIC =
256,653, nilai SSE = 954,419.
4. Model Regresi Berganda
Jumlah Kepadatan Penduduk = -626,486 + 14,384Jumlah Penduduk Miskin + 1,509PDRB
Berdasarkan output Model Summari, dengan model regresi berganda diperoleh nilai
Adujusted R-Square, R2 = 39,6%, yang berarti variable kepadatan penduduk dijelaskan oleh
variable Jumlah Penduduk Miskin dan PSDRB sebesar 39,6%, dan 60,4% dijelaskan oleh
variable lain diluar model. Nilai SSE = 801,64021.
5. Kesimpulan
Berdasarkan analisis uji Morans I dan uji asumsi residual terhadap pengaruh
autokorelasi kita dapat mengetahui bahwa, tidak terdapat autokorelasi residual dependen,
sehingga residual antar amatan adalah tidak berhubungan, karena asumsi independen
terpenuhi. Maka dapat disimpulkan tidak ada autokorelasi spasial yang menunjukkan
bahwa kepadatan penuduk antar kabupaten/kota di Provinsi Sumatera Selatan tidak saling
berhubungan. Suatu kabupaten/kota tidak akan mempengaruhi kabupaten/kota lain dalam
hal kepadatan penduduk.
Dengan demikian, sebenarnya sudah diketahui bahwa kita tidak perlu melakukan
uji model spasial. Namun, untuk lebih jelasnya dan untuk membandingkan dengan
regresi berganda kita bias melakukan uji model spasial tersebut. Setelah dilakukan uji
model spasial SAR, diperoleh nilai R2 yaitu 7,9905 dan nilai SSE = 954,419. Sedangkan,
untuk uji model regresi berganda diperoleh nilai R2 = 39,6%, dan nilai SSE = 801,64021.

Berdasarkan kedua output tersebut, kita dapat menyimpulkan bahwa, model

regresi berganda memberikan hasil estimasi yang lebih baik dibandingkan dengan model
spasial SAR. Selain itu, nilai SSE dengan regresi berganda lebih kecil dibandingkan
dengan nilai SSE model spasial SAR.