Nama : Jumrianti

NIM : H12116008
Tugas Kapita Selekta A
Artikel 1
Judul : ANALISIS SPASIAL PENGARUH TINGKAT PENGANGGURAN
TERHADAP KEMISKINAN DI INDONESIA (Studi Kasus Provinsi Jawa
Tengah)
Batasan masalah : Dalam penelitian ini permasalahan dibatasi dengan data tingkat
pengangguran dan kemiskinan untuk wilayah Jawa Tengah dengan Spasial Error
Model (Model Galat Spasial).
Tujuan : Tujuan penelitian ini adalah untuk melihat pengaruh pengangguran
terhadap tingkat kemiskinan di Indonesia. Dengan data yang digunakan adalah data
tiap provinsi di Indonesia, maka akan diketahui bilamana pengangguran di suatu
provinsi dapat juga mempengaruhi kemiskinan provinsi “tetangga”nya (secara
geografis berdekatan dengan provinsi tersebut).
Metode Penelitian : Permasalahan utama yang ingin diselesaikan dalam penelitian
ini adalah membuktikan dan menunjukkan adanya kemungkinan masuknya unsur
spasial dalam memodelkan kemiskinan sebagai fungsi dari pengangguran. Dalam
hal ini digunakan salah satu jenis regresi spasial yaitu spasial error model (SEM),
dengan prosedur sebagai berikut:
1. Menentukan matriks pembobot spasial dengan metode Queen Contiguity
2. Melakukan uji dependensi spasial dan heterogenitas spasial
3. Mencari estimasi parameter SEM
4. Melakukan pengujian signifikansi parameter model
5. Membuat kesimpulan
Hasil : Data yang digunakan dalam penelitian ini merupakan data sekunder yang
diperoleh dari BPS, yaitu data jumlah pengangguran (P) dan jumlah penduduk
miskin (M), yang masing-masing dalam satuan ribu jiwa, dari 35 Kabupaten/kota
di Jawa Tengah. Pemodelan Spatial Error Model (SEM) dilakukan dengan
menggunakan dua variable, jumlah pengangguran sebagai variabel bebas (X) dan
jumlah penduduk miskin sebagai variabel tak bebas (Y). Setelah dianalisis
disimpulkan bahwa terdapat hubungan signifikan bahwa pengangguran
mempengaruhi jumlah penduduk miskin. Terdapat ketergantungan atau dependensi
spasial pada model, juga terdapat heterogenitas spasial, sehingga pemodelan regresi
spasial yang melibatkan pembobotan data berdasarkan posisi atau lokasi wilayah
yang diobservasi lebih tepat digunakan.
Artikel 2
Judul : PEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK
INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA
TENGAH
Batasan masalah : Dalam penelitian ini, permasalahan dibatasi dengan data untuk
wilayah Jawa Tengah pada tahun 2011 dan menggunakan pembobot Queen
Contiguity.
Tujuan : Tujuan dari penelitian ini yaitu untuk mengkaji lebih lanjut mengenai
model SEM untuk mengetahui pola penyebaran dan memodelkan IPM di Jawa
Tengah.
Metode Penelitian : Dalam penelitian ini software yang digunakan adalah dengan
menggunakan ArcView, Geoda dan Minitab. Adapun langkah analisis yang
dilakukan dalam penelitian ini adalah:
1. Melakukan eksplorasi data peta tematik untuk mengetahui pola penyebaran
dan dependensi masing masing variabel untuk mengetahui pola hubungan
varibel X dan Y.
2. Melakukan pemodelan regresi dengan metode Ordinary Least Square
(OLS).
3. Identifikasi tentang keberadaan efek spasial dalam SEM adalah dengan
menggunakan uji kebebasan residual.
4. Melakukan pemodelan SEM
Hasil : Pola penyebaran IPM di Provinsi Jawa Tengah nampak berpola
mengelompok antara wilayah yang saling berdekatan. Berdasarkan hubungan
antara IPM dengan AHH, AMH dan PPP, dapat diartikan bahwa persamaan dan
perbedaan karakteristik pada tiap kabupaten/kota yang berdekatan dapat
menimbulkan peningkatan atau penurunan IPM di Jawa Tengah. Model Regresi
SEM lebih baik dibandingkan model regresi OLS dam penentuan komponen-
komponen penyususn IPM terhadap nilai IPM di Jawa Tengah karena terdapat
dependensi spasial pada variabel dependennya. Model SEM yang terbentuk untuk
memodelkan IPM di Jawa Tengah pada tahun 2011 adalah:
𝑦𝑖 = −84,366 + 0,658𝑋1𝑖 + 0,369𝑋2𝑖 + 0,120𝑋3𝑖 + 𝑢𝑖
𝑛

𝑢𝑖 = 369,0 ∑ 𝑤𝑖𝑗 𝑢𝑗 + 𝜀𝑖
j=1,i≠j
Artikel 3
Judul : NALISIS REGRESI SPASIAL DAN POLA PENYEBARAN PADA
KASUS DEMAM BERDARAH DENGUE (DBD) DI PROVINSI JAWA
TENGAH
Batasan masalah : Penelitian ini berbatas pada data jumlah penemuan kasus DBD
pada tiap kabupaten/ kota di Provinsi Jawa Tengah pada tahun 2015. Di anilis
dengan menggunakan uji Lagrange Multiplier dan melakukan perbandingan model
antara model regresi spasial yang terpilih dengan regresi linier berganda
menggunakan nilai AIC, Adjusted R2 , dan R2
Tujuan : Tujuan dari penelitian ini adalah mengidentifikasi pola penyebaran kasus
DBD berdasarkan nilai autokorelasi spasial dan menentukan faktor-faktor yang
mempengaruhi jumlah kasus DBD di Provinsi Jawa Tengah melalui penerapan
regresi spasial.
Metode Penelitian : Penelitian ini menggunakan data sekunder yang diperoleh dari
Dinas Kesehatan (Dinkes) Provinsi Jawa Tengah tahun 2015 dan Badan Pusat
Statistik (BPS) Provinsi Jawa Tengah 2015. Variabel yang menjadi respon dalam
penelitian ini adalah jumlah kasus Demam Berdarah Dengue (DBD) dengan 9
variabel penjelas di tiap kabupaten/kota.
Metode analisis yang digunakan dalam penelitian ini dapat dijelaskan secara rinci
sebagai berikut :
1. Melakukan eksplorasi data kasus DBD di Provinsi Jawa Tengah tahun 2015.
2. Menguji nilai autokorelasi spasial terhadap data jumlah kasus DBD
menggunakan nilai indeks Moran.
3. Menguji efek kehomogenan ragam spasial menggunakan uji Breush-Pagan.
4. Menguji efek ketergantungan spasial menggunakan uji Lagrange Multiplier.
5. Melakukan pendugaan dan pengujian parameter model regresi spasial yang
terpilih berdasarkan uji Lagrange Multiplier.
6. Menguji asumsi sisaan pada model regresi spasial (kenormalan sisaan,
kehomogenan sisaan, dan kebebasan antar sisaan)
7. Melakukan perbandingan model antara model regresi spasial yang terpilih
dengan regresi linier berganda menggunakan nilai AIC, Adjusted R 2 , dan
R2
Hasil : Jumlah penemuan kasus DBD pada tiap kabupaten/ kota di Provinsi Jawa
Tengah pada tahun 2015 disajikan pada Gambar 1. Kasus penyakit demam berdarah
dengue (DBD) merupakan salah satu penyakit yang menyebar di seluruh wilayah
kabupaten/kota di Provinsi Jawa Tengah. Penyebaran penyakit ini meliputi 29
kabupaten dan 6 kota. Pola penyebaran kasus DBD di provinsi Jawa Tengah pada
tahun 2015 dapat digambarkan melalui peta tematik berdasarkan nilai Indeks
Moran Lokal. Ada dua kelompok yang signifikan (α = 10%) yaitu kelompok High-
high dan Low-low. Faktorfaktor yang mempengaruhi jumlah kasus DBD di
Provinsi Jawa Tengah tahun 2015 lebih baik dimodelkan dengan model SAR,
dengan memasukkan efek ketergantungan lag spasial ke dalam model. Model SAR
memiliki nilai AIC yang lebih rendah, Adjusted R2 dan R2 lebih tinggi. Adapun
faktor yang berpengaruh terhadap jumlah kasus DBD adalah jumlah puskesmas per
1000 penduduk (X1), jumlah polindes per 1000 penduduk (X2), kepadatan
penduduk tiap km2 (X3), persentase penduduk terhadap akses air minum
berkelanjutan layak (X6), persentase kualitas air bersih yang bebas bakteri, jamur
dan bahan kimia (X7), dan jumlah sarana mata air terlindungi (X8). Selain keenam
variabel penjelas yang signifikan tersebut, juga muncul variabel baru yang
signifikan yaitu kasus DBD di kabupaten/kota disekitarnya (𝜌).

Artikel 4
Judul : PENERAPAN MODEL REGRESI SPASIAL DALAM
MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS
PEMBANGUNAN MANUSIA DI KABUPATEN/KOTA PROVINSI
SUMATERA BARAT
Batasan masalah : Penelitian ini berbatas pada regresi spasial untuk menentukkan
faktor-faktor yangmempengaruhi Indeks Pembangunan Manusia di kabupaten/kota
Provinsi Sumatra Barat. Model ketergantungan spasial yang akan digunakan untuk
memodelkan indeks pembangunan manusia di Sumatera Barat akan dilihat
berdasarkan uji Lagrange Multiplier dan kriteria pemilihan model.

Tujuan : tujuan dari penelitian ini adalah untuk menentukkan faktor-faktor yang
mempengaruhi Indeks Pembangunan Manusia di kabupaten/kota Provinsi Sumatra
Barat dengan
Metode Penelitian : Adapun langkah-langkah analisis data yang dilakukan dalam
penelitian ini adalah sebagai berikut :
1. Melakukan pendugaan dan pengujian parameter model regresi klasik serta
menguji asumsi galat (uji homogenitas, uji autokorelasi dan uji normalitas).
2. Menentukan matriks pembobot spasial W.
3. Menentukan nilai Indeks Moran dari model regresi klasik (biasa).
4. Menguji efek spasial yaitu uji dependensi spasial dilakukan dengan uji
Lagrange Multiplier (LM) dan uji keragaman spasial dilakukan dengan uji
BreuschPagan.
5. Menduga parameter untuk persamaan model regresi spasial dengan metode
penduga kemungkinan maksimum.
6. Memeriksa asumsi pada model regresi yang dihasilkan yaitu kenormalan
galat diuji secara formal dengan uji Kolmogorov-Smirnov. Kehomogenan
ragam galat diuji menggunakan uji Breusch-Pagan.
7. Memilih model terbaik antara model regresi biasa dengan model regresi
spasial dengan menggunakan nilai koefisien determinasi (R2), AIC,log
likehood.
 8. Menentukan faktor-faktor yang mempengaruhi Indeks Pembangunan
Manusia berdasarkan model terbaik
Hasil : Setelah dianalisis diperoleh hasil :
 Model Galat spasial (SEM) lebih baik dibandingkan model regresi
klasik(biasa) dalam menentukkan faktor-faktor yang mempengaruhi Indeks
Pembangunan Manusia di kabupaten/kota Sumatera Barat. Pemodelan
menggunakan model galat spasial didapatkan peubah X2 (persentase rumah
dengan jamban sendiri), X5 (persentase kemiskinan), X6 (persentase penduduk
yang tidak bekerja), X8 (angka harapan sekolah) dan galat spasial (λ)
berpengaruh terhadap Indeks Pembangunan Manusia di Provinsi Sumatera
Barat yang berpengaruh secara signifikan dengan α = 0, 05. Model regresi yang
terbentuk pada indeks pembangunan manusia menggunakan model spasial
galat adalah:
𝑦𝑖 = 18, 699021 + 0, 043822𝑋2𝑖 − 0, 024791𝑋5𝑖 + 4, 002774𝑋8𝑖 + 𝑢𝑖
𝑢𝑖 = 369,0 ∑𝑛j=1,i≠j 𝑤𝑖𝑗 𝑢𝑗 + 𝜀𝑖 , dimana i = 1, 2, 3, · · · , 19,

berdasarkan model yang terbentuk didapatkan peubah yang berpengaruh pada

taraf =0,05 yaitu peubah X2 (persentase rumah dengan jamban sendiri), X5
(persentase kemiskinan), X8 (angka harapan sekolah) dan koefisien λ.
 Berdasarkan model terbaik yang didapatkan yaitu model spasial galat maka
faktor-faktor yang mempengaruhi indeks pembangunan manusia di
kabupaten/kota Provinsi Sumatera Barat adalah persentase rumah dengan
jamban sendiri, persentase kemiskinan dan angka harapan sekolah.

Artikel 5
Judul : Analisis Spasial Produk Domestik Regional Bruto (PDRB)
Kabupaten/Kota di Provinsi Jawa Tengah
Batasan masalah : Penelitian ini berbatas berdasarkan Produk Domestik Regional
Bruto Kabupaten/Kota yang berada di Provinsi Jawa Tengah pada tahun 2015.
Kemudian nantinya akan di uji dalam beberapa model diantaranya model OLS
untuk menentukan apakah variable independennya memiliki keterkaitan dengan
variable dependen, Indeks Moran’s, Spatial Error Model, dan Spatial
Autoregressive Model.
Tujuan : untuk menganalisis apakah ada hubungan spasial antar daerah yang
dilihat dari PDRB dengan metode yang dipergunakan oleh peneliti dalam
melakukan penelitian Produk Domestik Regional Bruto (PDRB) Kabupaten / Kota
di Provinsi Jawa Tengah tahun 2015.
Metode Penelitian : Data yang dipergunakan untuk melakukan analisis Spasial
Upah Minimum Kabupaten/Kota (UMK), Inflasi, dan Angkatan Kerja terhadap
Produk Domestik Regional Bruto (PDRB) adalah data sekunder. Sumber data yang
dipergunakan dalam penelitian ini berasal dari Badan Pusat Statistika daerah Di
Provinsi Jawa Tengah. Variabel dependen dari data sekunder ini adalah variabel
Produk Domestik Regional Bruto (PDRB), dan variabel Independennya adalah
Upah Minimum Kabupaten/Kota (UMK), Inflasi, dan Angkatan Kerja.
Metode Analisis yang digunakan
1. Metode Regresi Linier Berganda (OLS)
1.1. Uji MWD
1.2. Uji Asumsi Klasik
1.3. Uji Hipotesis
2. Model Regresi Spasial
1.1 Indeks Moran (Moran’s I)
1.2 Uji Lagrange Multiplier Test
1.3 Model spatial autoregressive (SAR)
1.4 Spatial Error Model (SEM)

Hasil : Berdasarkan analisis, maka dapat diambil beberapa kesimpulan antara lain
sebagai berikut :
1. Upah minimum kerja berpengaruh positif dan signifikan terhadap PDRB di
Jawa Tengah pada tahun 2015.
2. Inflasi tidak berpengaruh signifikan terhadap PDRB di Jawa Tengah pada
tahun 2015.
3. Angkatan kerja berpengaruh positif dan signifikan terhadap PDRB di Jawa
Tengah pada tahun 2015.
4. Pada model regresi Spatial Error, pengaruh korelasi spasial diakomodir
dalam model dengan memasukkan variabel penimbang spasial LAMBDA.
Nilai Probability untuk variabel ini adalah 0.00005 < 0,05 menunjukkan
bukti bahwa penambahan variabel ini signifikan berpengaruh dalam model.
Di samping itu pada output Diagnostic for Spatial Dependence nilai di
bawah kolom Probability yang juga menunjukkan angka 0.00955 < 0,05
menunjukkan bukti bahwa model regresi spasial error memberikan
penjelasan lebih baik daripada model regresi Classic. Selain itu berdasarkan
Nilai R-squared dari model Spatial Error yaitu 0.676821 lebih besar dari
pada R-squared Spatial Lag 0.574569 dan regresi linier 0.542033 sehingga
dapat disimpulkan Model Spatial Error memberikan hasil estimasi yang
lebih baik.