EVALUASI AKHIR SEMESTER

STATISTIKA SPASIAL
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH ANGKA PUTUS
SEKOLAH TINGKAT SMA DI JAWA TIMUR MENGGUNAKAN
GEOGRAPHICALLY WEIGHTED POISSON REGRESSION (GWR)

Disusun Oleh:
Moh. Ali Asfihani

1314105009

Eza Putra Nuansa

1313100114

Win Heber Goklas

1313100134

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2016

A. Pendahuluan
Salah satu parameter keberhasilan pendidikan adalah menuntaskan angka partisipasi
pendidikan, yakni Angka Partisipasi Kasar (APK) dan Angka Partisipasi Murni (APM)
untuk mencapai 95% (Septiana, 2011). Pendidikan di Jawa Timur belum maksimal
berdasarkan jenjang pendidikan formal khususnya pada tingkat SMA. Hal ini dapat dilihat
dari APK dan APM. Hasil Survei Sosial Ekonomi Nasional (Susenas, 2014), APK Jawa
Timur untuk tingkat SMA sebesar 74,21% dan APM sebesar 55,94% dapat dikatakan
persentase APK dan APM usia SMA di Jawa Timur masih rendah karena belum mencapai
95%. Besar kecilnya persentase nilai APK dan APM sangat erat hubungannya dengan
angka putus sekolah.
Berdasarkan data Susenas tahun 2014 diketahui bahwa remaja putus sekolah tingkat
SMA sekitar 33,13% dari total usia SMA yakni usia 16-18 tahun. Dalam usaha menentukan
strategi penanggulangan, perlu adanya pendekatan geografis seperti menganalisis hubungan
sumber daya alam dan manusia di setiap wilayah. Sehingga perlu adanya upaya pendekatan
analisis yang melibatkan lokasi.
Penelitian mengenai GWR diaplikasikan pada data angka putus sekolah tingkat SMA di
Jawa Timur. Hal tersebut mengingat salah satu sasaran dalam rancangan awal rencana
strategis Kementerian Pendidikan dan Kebudayaan (Kemendikbud) 2015-2019 yakni
meningkatkan kualitas hidup manusia. Sehingga dalam hal ini pemerintah berupaya
meningkatkan angka partisipasi pendidikan sekaligus menekan angka putus sekolah yang
ada di Indonesia tak terkecuali di Jawa Timur.
Untuk itu pada penelitian ini akan dilakukan estimasi parameter pada model GWR
dengan melihat faktor-faktor spasial penyebab angka putus sekolah tingkat SMA di Jawa
Timur. Seperti banyaknya pengangguran, kemiskinan, pendidikan kepala rumah tangga,
Indeks Pembangunan Manusia (IPM), Angka Partisipasi Sekolah (APS), banyaknya
wilayah pedesaan (rural), dan banyaknya perceraian orang tua.
B. Sumber Data dan Variabel Penelitian
Pada penelitian ini data yang digunakan adalah data angka putus sekolah tingkat
Sekolah Menengah Atas (SMA) di Kabupaten/Kota Jawa Timur yang bersumber dari
Badan Pusat Statistik (BPS) Provinsi Jawa Timur yang dipublikasikan di internet dan
diakses pada tanggal 18 November 2015. Unit observasi penelitian ini adalah 29 kabupaten
dan 9 kota di Provinsi Jawa Timur. Variabel yang digunakan dalam penelitian ini adalah
sebagai berikut.

Tabel 1 Variabel Penelitian

Variabel
Y
X1
X2
X3

X4
X5
X6
X7

u
v

Keterangan

Tipe
Variabel
Kontinu

Angka Putus Sekolah Tingkat SMA Kabupaten / Kota di

Jawa Timur
Persentase Pengangguran Kabupaten / Kota di Jawa Timur
Persentase Kemiskinan Kabupaten / Kota di Jawa Timur
Persentase Penduduk Jawa Timur menurut jenis kelamin
yang pendidikan tertingginya SD, SMP, tidak pernah
sekolah, dan tidak lulus jenjang SD
Persentase Indeks Pembangunan Manusia (IPM) Kabupaten
/ Kota di Jawa Timur
Persentase Angka Partisipasi Sekolah (APS) Tingkat SMA
Kabupaten / Kota di Jawa Timur
Rasio Jumlah Pedesaan dan Perkotaan setiap Kabupaten /
Kota di Jawa Timur
Persentase Status Perkawinan Cerai Hidup dan Cerai Mati
dari Jenis Kelamin Laki-Laki Kabupaten / Kota di Jawa
Timur
Garis Lintang Selatan
Garis Bujur Timur

Kontinu
Kontinu
Kontinu

Kontinu
Kontinu
Kontinu
Kontinu

Kontinu
Kontinu

Sedangkan struktur data penelitiannya adalah sebagai berikut:

Tabel 2. Struktur Data Penelitian
Kabupaten / Kota
1

Y
y1

X1
x11

X2
x21

X3
x31

X7
x7,1

u
u1

v
v1

y2

x12

x22

x32

x7,2

u2

v2

y3

x13

x23

x33

x7,3

u3

v3

y4

x14

x24

x34

x7,4

u4

v4

38

y38

x1,38

x2,38

x3,38

x7,38

u38

v38

C. Estimasi Parameter Model GWR yang Mengandung Outlier

Langkah-langkah estimasi parameter model GWR yang mengandung outlier adalah
sebagai berikut:

I.Untuk mengetahui faktor-faktor yang berpengaruh pada perentase rumah tangga

miskin di desa dan kelurahan di Kabupaten Mojokerto tahun 2008 dilakukan analisis
dengan langkah-langkah sebagai berikut:
1. Melakukan analisis deskriptif data sebagai gambaran awal untuk mengetahui
kemiskinan di Kabupaten Mojokerto tahun 2008.
2. Menganalisis model regresi linier global dengan langkah-langkah sebagai berikut:
a. Melakukan estimasi parameter model regresi global
b. Melakukan pengujian kesesuaian model regresi global
c. Melakukan pengujian parsial setiap parameter regresi global
d. Melakukan pengujian asumsi model regresi klasik, yaitu uji normalitas error,
autokorelasi error, uji kesamaan varian, multikolinieritas, dan uji heterogenitas
spasial
e. Membuat kesimpulan
II.

Menganalisis model GWR dengan langkah-langkah sebagai berikut:

a. Menghitung jarak Eucliden antara lokasi ke-i yang terletak pada koordinat

ui , vi

ui , vi

terhadap lokasi ke-j yang terletak pada koordinat

.
b. Menentukan bandwidth optimum dengan menggunakan metode Cross
c.
d.
e.
f.

Validation (CV)
Menghitung matriks pembobot dengan bandwidth optimum
Mendapatkan estimator parameter model GWR
Melakukan pengujian kesesuaian model GWR
Melakukan pengujian pengaruh lokasi secara parsial pada setiap variabel

prediktor
g. Melakukan pengujian secara parsial pada parameter GWR
h. Membuat kesimpulan
D. Analisis dan Pembahsan
Pada bagian ini dibahas beberapa hal yang dilakukan untuk menjawab permasalahan
dan mencapai tujuan dalam penelitian ini. Hal-hal yang dibahas meliputi deskripsi jumlah
kasus Angka Putus Sekolah Tingkat Sekolah yang terjadi di Provinsi Jawa Timur tahun
2013 berdasarkan Kabupaten/Kota beserta faktor-faktor yang diduga mempengaruhinya,
deteksi kasus multikolinieritas sebagai asumsi dari analisis regresi global, melakukan
pemodelan dengan regresi GWR dalam rangka mencari hubungan antara factor faktor yang
berpengaruh terhadap jumlah terjadinya kasus Angka Putus Sekolah Tingkat SMA di Jawa

Timur tahun 2013, mulai dari penaksiran parameter, uji signifikansi parameter secara
serentak dan parsial, hingga menginterpretasikan hasil model regresi GWR.

1. Karakteristik Jumlah Kasus Angka Putus Sekolah Tingkat SMA dan Faktor-Faktor
yang diduga Mempengaruhi
Sebelum melakukan analisis regresi global dan GWR pada data angka putus sekolah
tingkat SMA di 38 Kabupaten / Kota di Jawa Timur tahun 2013, sebaiknya dilakukan
statistik deskriptif terhadap data-data sekunder tersebut untuk tujuan melihat gambaran
umum mengenai faktor-faktor yang mempengaruhi siswa putus sekolah tingkat SMA di
Jawa Timur. Statistika deskriptif dapat dilihat hasilnya adalah sebagai berikut
Variabel
Y
X1
X2
X3
X4
X5
X6
X7

Mean
33,13
4,45
12,72
71,71
72,43
63,33
54,80
4,08

Tabel 3. Karakteristik Data

Minimum Maximum StDev Varians
13,24
54,21
10,17
103,52
0,99
9,73
1,83
3,35
4,75
26,97
5,20
27,06
40,31
90,92
12,68
160,35
62,39
78,97
4,52
20,46
29,09
79,73
12,93
167,35
0,00
90.86
32,48
1,05
2,25
7,22
1,06
1,13

Berdasarkan Tabel 3 tersebut dapat diketahui secara global bahwa rata-rata angka
putus sekolah tingkat SMA di Jawa Timur tahun 2013 sebesar 33,1355% sehingga, hampir
60.077 siswa dari 1.810.980 siswa usia 16 hingga 18 tahun yang seharusnya berada pada
bangku pendidikan tingkat SMA tetapi karena beberapa faktor, siswa memutuskan tidak
melanjutkan sekolah lagi. Tingginya nilai rata-rata angka putus sekolah tersebut dapat
disebabkan oleh beberapa faktor.
Faktor pertama yang kemungkinan berpengaruh adalah banyaknya pengangguran.
Berdasarkan Tabel 3 faktor pengangguran berada pada rata-rata 4,45% dengan varians
sebesar 3,35%. Sedangkan, untuk faktor kemiskinan di Jawa Timur berada pada mean
12,7208% sehingga, kemiskinan di Jawa Timur masih terbilang kecil dengan varians
27,069% . Pada faktor pendidikan kepala rumah tangga yang pendidikan tertingginya SD,
SMP, tidak lulus dari jenjang SD bahkan yang tidak pernah sekolah sebesar 71,7168%.
Dengan demikian, kepala rumah tangga di Jawa Timur didominasi oleh laki-laki yang
berpendidikan rendah. Untuk persentase IPM berada pada mean 72,4397% dengan varians
20,465%. Untuk persentase pedesaan di Jawa Timur sebesar 54,8% di mana, lingkungan
pedesaan kebanyakan tertinggal jauh dari segi kualitas pendidikan, infrastruktur, dan
rendahnya motivasi belajar. Pada faktor tingginya mean perceraian orang tua berada pada
mean 4,08% dengan varians 1,134%.

2. Model Regresi Global Persentase Jumlah Anak Putus Sekolah Tingkat SMA
2.1 Pemodelan Model Regresi Global Persentase Jumlah Anak Putus Sekolah Tingkat
SMA
Tabel 4 Estimasi Parameter Model Regresi
0.05
t 30

Variable

Estimate

SE

t(Est/SE)

Intercept
1

32.60
-1.00

0.68
0.76

47.834
-1.308

1,69
1,69

2
3

-3.48
2.90

1.26
1.98

-2.757
1.465

1,69
1,69

-2.37

1.38

-1.713

1,69

5
6
7

-7.31
-1.13
0.31

0.87
1.80
0.73

-8.349
-0.630
-0.428

1,69
1,69
1,69

Ket.
Signifika
n
Tidak
Signifika
n
Tidak
Signifika
n
Signifika
n
Tidak
Tidak

Dari Tabel 4.1 didapatkan model regresi untuk kasus angka putus sekolah
tingkat SMA di Jawa Timur tahun 2013 adalah sebagai berikut.
Y t =32.60 -1.00X -3.48X +2.9X -2.37X -7.31X -1.13X +0.31X
1

Selain itu dengan melihat Tabel 4 lagi, maka dapat diketahui variabel apa saja yang
signifikan berpengaruh terhadap model regresi. Dengan = 10% maka dapat diketahui
variabel-variabel yang signifikan berpengaruh terhadap angka putus sekolah tingkat SMA
di Jawa Timur. Adapun variabel yang berpengaruh secara signifikan yaitu variabel
kemiskinan (2), IPM (4), dan APS (5). Sehingga model regresi untuk kasus angka putus
sekolah tingkat SMA di Jawa Timur pada tahun 2013 adalah
Y t =32.60-3.48X -2.37X -7.31X
2

2.2

Pemodelan Model GWR Jumlah Anak Putus Sekolah Tingkat SMA

Menentukan model GWR. Model GWR merupakan salah satu model spasial yang
menghasilkan parameter model yang bersifat lokal untuk setiap titik atau lokasi. Untuk
membentuk model GWR langkah awal yang harus dilakukan adalah menentukan letak
lokasi pengamatan (letak geografis) setiap Kota dan Kabupaten di Jawa Timur. Langkah
selanjutnya yaitu menentukan bandwidth optimum dengan menggunakan metode Cross
Validation (CV). Dengan menggunakan software GWR.4 didapatkan nilai bandwidth
optimum sebesar 2 . Setelah didapatkan bandwidth optimum, langkah selanjutnya adalah
menentukan matriks pembobot, yang dalam hal ini menggunakan pembobot fixed gaussian.
Dengan menggunakan software GWR.4 didapatkan hasil seperti pada Tabel 5

Tabel 5 Estimasi Parameter Model Regresi

Variable Estimate
Intercep
t
108,842
1
-0,581

SE

t(Est/SE
)

31
0,4448

3,463
-1,307

1,69
1,69

2
3

-0,683
0,234

0,2480
0,1599

-2,756
1,465

1,69
1,69

-0,531

0,3101

-1,713

1,69

5
6

-0,624
-0,035

0,05

t 30

Ket.
Signifika
n
Tidak
Signifika
n
Tidak
Signifika
n
Signifika
n
Tidak

0,0741
-8,349
1,69
0.1
-0,629 1,69
0,69199
7
-0,296
2
-0,428 1,69
Tidak
Dari Tabel 5 didapatkan model GWR untuk kasus angka putus sekolah tingkatvSMA di
Jawa Timur tahun 2013 adalah
Y t =108,842-0,581X -0,683X +0,234X -0,531X -0,624X -0,035X -0,296X
1

Selain itu dengan melihat Tabel 6 juga dapat diketahui variabel apa saja yang
signifikan berpengaruh terhadap model GWR. Dengan = 10% maka dapat diketahui
variabel-variabel yang signifikan berpengaruh terhadap angka putus sekolah tingkat SMA
di Jawa Timur. Adapun variabel yang berpengaruh secara signifikan yaitu variabel
kemiskinan (2), IPM (4), dan APS (5 ). Sehingga model GWR untuk kasus angka putus
sekolah tingkat SMA di Jawa Timur pada tahun 2013 adalah
Y t =108,842-0,683X -0,531X -0,624X
i2

i4

i5

Selanjutnya melakukan uji kesesuaian model GWR. Hal demikian dilakukan dengan
tujuan untuk mengetahui signifikansi perbedaan antara model regresi dan model GWR.
Adapun hasil dari software GWR.4 didapatkan hasil sebagai berikut.
Tabel 6 Estimasi Parameter Model Regresi

Sumber Keragaman
Residual Global
GWR residual
GWR improvement

JK
523,10
442,40
80,7

Db
30
25,073
4,927

KT

F Tabel

17,645
16,381

2,528,360 2,41

Berdasarkan Tabel 4.10 tersebut maka didapatkan nilai F-hitung sebesar

2,528360. Dengan membandingkan hasil F-hitung model GWR dengan F-tabel sebesar
2,41, didapatkan hasil F-hitung > F-tabel, yang berarti bahwa model GWR memiliki
perbedaan yang siginifikan dengan model regresi. Selanjutnya adalah melakukan pengujian

model GWR untuk mengetahui variabel apa saja yang signifikan bervariasi secara spasial
terhadap angka putus sekolah tingkat SMA di Jawa Timur setelah dimasukkan unsur
pembobot geografis. Dengan menggunakan software GWR.4 didapatkan hasil sebagai
berikut:

Tabel 7. Nilai DIF

Variable
Intercept

F
0,211967

DOF for F test

0,132
26,124

Diff of crit
0,115799

1
2

10,21
0,14

0,125
0,146

26,124
26,124

-1,075,147
0,117763

3
4
5

1,00
0,24
0,521064

0,255
0,198
0,260

26,124
26,124
26,124

-0,480961
0,059649
0,331014

0,771087

0,108

26,124

-0,303139

3,56

0,160

26,124

-0,36629

ket.
Tidak
Signifika
n
Tidak
Signifika
n
Tidak
Tidak
Signifika
n
Signifika
n

Dari Tabel 7, dapat diketahui bahwa ada beberapa variabel independen yang
signifikan bervariasi secara spasial. Hal itu dapat diketahui dengan melihat nilai DIFF of
creation, jika nilai DIFF of creation bernilai negatif maka variabel tersebut signifkan
bervariasi secara spasial. Adapun variabel yang secara signifikan bervariasi secara spasial
yakni variabel pengangguran (1) , pendidikan kepala keluarga (3), rural (6), dan
perceraian orang tua (7). Selanjutnya dicari pengaruh variabel secara local di setiap
Kabupaten/Kota. Adiapun variabel yang signifikan adalah seperti tabel 8 sebagai berikut.

Tabel 8 menunjukkan kabupaten/kota yang mempunyai kesamaan variabel yang

berpengaruh terhadap model dimana dalam hal ini terdapat 4 kelompok Kabupaten/Kota.
Adanya pengelompokan variabel yang signifikan dikarenakan antar lokasi saling berdekatan
sehingga memiliki karakteristik budaya dan prilaku yang sama dan tidak jauh berbeda.
3. Pemilihan Model Terbaik
Perbandingan model Regresi Global dan model GWR dilakukan untuk mengetahui
model mana yang lebih baik digunakan dalam pemodelan Jumlah Angka Putus Sekolah
Tingkat SMA di Jawa Timur. Kriteria pemilihan model terbaik yang digunakan adalah nilai
AIC (Akaikes Information Criterion) dari kedua model tersebut. Nilai AIC
dibandingkan dan dipilih model yang terbaik yaitu model dengan nilai AIC yang terkecil.
Tabel 9 Perbandingan Nilai AIC
Model
Regresi Global
GWR

AIC
188,76
132,54

Berdasarkan nilai AIC pada Tabel 9 dapat ditunjukkan nilai AIC

terkecil yaitu pada model GWR. Artinya model GWPR lebih cocok

digunakan dalam menganalisis data Jumlah Angka Putus Sekolah di Jawa

Timur.

Lampiran 1
Data Angka Putus Sekolah Tingkat SMA Kabupaten / Kota di Jawa Timur
Tahun 2013
N
O

KABUPATEN/KOTA

Pacitan

Ponorogo

Trenggalek

Tulungagung

Blitar

50,7
24,6
1
40,5
5
39,9
4
38,3
3

X1
X2
0,9 16,6
9
6
3,2
5 11,87
4,0
4 13,5
2,7
1 9,03
3,6 10,5
4
3

X3
82,5
7
74,2
5
82,0
5
74,4
1
81,5
9

X4
73,3
6
72,6
1
74,4
4
74,4
9
74,9
2

X5
32,1
9
74,5
2
57,2
5
60,0
6
53,2
2

X6
87,1
3
76,2
2
76,4
3
61,9
9
66,9
4

X7
4,14
5,58
3,6
3,79
5,24

u
8,2
0
7,8
4
7,9
3
7,7
5
7,8
3

v
111,10
111,34
111,67
112,4
111,75

Kediri

Malang

Lumajang

Jember

10

Banyuwangi

11

Bondowoso

12

Situbondo

13

Probolinggo

14

Pasuruan

15

Sidoarjo

16

Mojokerto

17

Jombang

18

Nganjuk

19

Madiun

20

Magetan

21

Ngawi

22

Bojonegoro

23

Tuban

24

Lamongan

25

Gresik

26

Bangkalan

27

Sampang

28

Pamekasan

29

Sumenep

27,9
3
38,3
3
47,5
2
54,2
1
33,2
5
42,6
7
38
41,0
4
39,3
7
15,2
29,5
3
34,6
8
39,3
6
22,6
9
20,6
4
20,6
7
37,3
9
40,0
8
27,1
19,8
7
37,9
9
51,2
2
38,0
5
33,2
8

4,6 13,1
5
7
5,1
7 11,44
2,0 12,0
1
9
3,9
4 11,63
4,6
5 9,57
2,0 15,2
4
3
3,0 13,5
1
9
21,1
3,3
2
4,3
4 11,22
4,1
2 6,69
3,1 10,9
6
4
5,5
9 11,12
4,7 13,5
3
5
4,6
3 12,4
2,9 12,1
6
4
4,9 15,3
7
8
5,8 15,9
1
5
17,1
4,3
6
4,9 16,1
3
2
4,5 13,8
5
9
8,7 23,1
8
4
4,6 26,9
8
7
2,1 18,4
7
5
2,5 21,1
6
3

76,4
80,7
6
83,2
4
80,2
5
76,5
8
42,6
7
79,3
7
81,4
5
78,0
3
48,6
8
70,4
6
73,1
4
76,2
7
73,2
3
72,9
1
78,7
8
81,2
1
79,2
8
72,9
4
61,4
4
85,9
2
90,9
2
76,5
3
82,8
4

73,2
9
72,3
4
69,5
66,6
71,0
2
2,04
65,7
3
65,1
9
69,7
7
78,1
5
75,2
6
74,4
7
72,4
9
71,4
6
74,3
4
70,8
6
68,3
2
70,0
4
71,8
1
76,3
6
66,1
9
62,3
9
67,1
7
66,8
9

71,4
2
55,3
8
52,4
8
45,4
4
66,7
5
15,2
3
61,9
9
58,1
2
54,2
4
78,4
6
70,4
7
65,3
2
58,9
4
77,3
1
78,3
9
78,6
7
61,8
2
59,9
2
72,9
71,7
5
32,8
3
29,0
9
59,1
9
65,7
5

60,4
7
62,5
6
81,4
6
67,3
4
54,3
8
75,3
4
69,1
2
71,5
2
67,1
2
16,1
5
61,1
8
46,7
3
67,2
5

3,45
4,04
4,94
3,92
4,52
3,84
4,75

7,6
8
7,8
5
7,8
7
7,9
5
7,3
9
7,3
9

111,82
117,37
112,86
113,6
113,86
113,86
113,48

3,89

7,5
7,7
5

3,00

7,8

112,8

2,31

7,4
7,3
1
7,5
4
7,3
9

112,7

4,45
5,23
5,09

76,7
62,5
5
88,4
8
85,1
2
83,2
3
86,9
2

5,06

55,9
85,4
1
90,8
6
83,0
7
88,5
5

2,62

7,22
4,97
3,96
3,81
3,85

3,5
3,99
2,9
2,74

112,4

111,79
112,28
111,59

7,3
7,3
8
7,2
6
6,9
7
6,7
9
6,8
7

111,38

7,5
6,8
1
6,5
9
6,9
1
5,8
9

112,5

111,2
111,25
111,67
111,82
122,3
6

112,74
113,23
113,37
114,73

30

Kediri

31

Malang

32

Blitar

33

Probolinggo

34

Pasuruan

35

Mojokerto

36

Madiun

37

Surabaya

38

Batu

35,4
30,4
8
23,8
5
25,5
7
22,4
4
16,3
4
13,2
4
34,5
8
33,0
5

7,9
2
9,7
3
6,1
7
4,4
8
5,4
1
5,7
3
6,5
7
5,3
2
2,3

8,2
4,85
7,39
17,3
5
7,57
6,63
5,00
5,97
4,75

49,0
6
52,6
8
54,1
5
61,9
6
62,8
6
50,2
2
40,3
1
48,6
9
66,2
4

77,8
78,7
8
78,7
75,9
4
74,7
5
78,6
6
78,1
7
78,9
7
76,0
9

64,6
69,1
6
76,1
5
68,9
2
77,5
7
79,7
3

0,00

3,78

0,00

4,06

0,00
13,7
9

4,6
3,97

0,00

2,25

0,00

2,93

78,7
64,1
4
66,9
5

0,00

6,45

0,00

2,97

12,5

3,85

7,8
1
7,5
4

112,00
112,06

8,5
7,4
6

112,21

7,4
7,4
7

112,5

7,5
7,2
8
7,8
5

113,12

112,43
111,5
112,73
122,3
7