DOSEN PEMBIMBING :
5 BAB IV PENUTUP
KESIMPULAN DAN SARAN
6 Contact Us
Keep it touch!
3
1
PENDAHULUAN
Kemiskinan di Indonesia
Indonesia telah mencatat prestasi membanggakan dalam memberantas kemiskinan selama periode 1976 sampai pemilu nasional tahun 2004
40.1% 1976
Pada tahun 1976 jumlah orang miskin mencapai 54,2 juta jiwa
16.66% 2004
pada tahun 2004 jumlah orang miskin sekitar 36,1 juta jiwa
11.13%
2015
9.22% persentase masyarakat miskin telah turun dari 16,66% menjadi
11,13% pada tahun 2015
2019
Angka Kemiskinan September 2019 Turun jadi 9,22 Persen
6
Data tingkat kemiskinan di Pulau Sumatera Tahun 2019
15,32%
8.82%
8.94%
5.94%
6.29%
7.6% 12.71%
TINGKAT KEMISKINAN DI SUMATERA
8
Penelitian Terdahulu
Puji Astutu dkk
2017
2015 Rita Darmawati dkk
Faktor-faktor apa saja yang berpengaruh secara signifikan terhadap hasil proporsi
1 penduduk miskin di Provinsi Riau Tahun 2019?
Bagaimana pembentukan model regresi linear dengan metode Ordinary Least Square
2 (OLS) berdasarkan beberapa faktor yang berpengaruh terhadap proporsi penduduk
miskin di Provinsi Riau Tahun 2019?
10
Tujuan Penelitian
Untuk mendapatkan model regresi linear dengan metode Ordinary Least Square
2 (OLS) berdasarkan beberapa faktor yang berpengaruh terhadap proporsi penduduk
miskin di Provinsi Riau Tahun 2019.
11
BATASAN MASALAH
proporsi penduduk miskin Riau 2019 Studi kasus yang diteliti adalah proporsi
penduduk miskin di Provinsi Riau di
Kabupaten/Kota di Provinsi Riau tahun
2019.
.
1 variabel dependen dan 5
Faktor-faktor yang akan diamati antara
variabel independen
lain indeks pembangunan manusia,
persentase tingkat penganggura,
persentase laju PDRB, upah minimum
kerja, dan tingkat partisipasi angkatan
kerja.
12
Tempat, Waktu Pelaksanaan Metodologi Penelitian
PROFIL INSTANSI
PROFIL BADAN PUSAT STATISTIK KOTA PEKANBARU
15
STRUKTUR ORGANISASI BPS
Berdasarkan Peraturan Presiden Nomor 86 Tahun 2007 tentang Badan Pusat Statistik dan Peraturan Kepala Badan Pusat Statistik Nomor 116 Tahun 2014 tentang Organisasi dan
Tata Kerja Badan Pusat Statistik. Susunan organisasi BPS terdiri dari:
Kepala, kepala kasubag tata usaha, kepala seksi statistik sosial, kepala seksi statistik produksi, kepala seksi statistik neraca wilayah dan analisis statistik, kepala seksi statistik
integrasi pengolahan dan diseminasi statistik.
16
3
Landasan Teori
Model Regresi Linear Berganda
Analisis regresi berkaitan dengan studi mengenai ketergantungan satu variabel, yaitu
variabel dependen terhadap satu atau lebih variabel independen. Bentuk model regresi dengan p
variabel prediktor dan n jumlah pengamatan adalah sebagai berikut :
y i = 0 + 1 x1i + 2 x 2 i + + p x pi + e1
dengan .
i = 1,2, , n
Pada model ini, hubungan antara variabel independen dan variabel dependen dianggap sama pada
setiap lokasi geografis. Dalam bentuk matriks ditulis sebagai berikut :
0
y1 1 x11 x 21 x 31 x p1 e1
y 1
x12 x 22 x 32 x p 2 1 e 2
2 2
y 3 = 1 x13 x 23 x 33 x p 3 + e3
3
y n 1 x1n x 2n x 3n x pn e n
n 18
PENGUJIAN PARAMETER MODEL
Dalam pengujian parameter regresi, terdapat dua uji yang perlu dilakukan yaitu uji individu dan uji serentak.
1. Uji Individu
Hipotesis dari pengujian secara individu sebagai berikut :
𝐻0 : 𝛽1 = 0 , 𝑖 = 1,2, … , 𝑝 (𝑡𝑖𝑑𝑎𝑘 𝑎𝑑𝑎 𝑝𝑒𝑛𝑔𝑎𝑟𝑢ℎ 𝑦𝑎𝑛𝑔 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑘𝑎𝑛 𝑎𝑛𝑡𝑎𝑟 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙)
𝐻0 : 𝛽1 ≠ 0, 𝑖 = 1,2, … , 𝑝 ( 𝑎𝑑𝑎 𝑝𝑒𝑛𝑔𝑎𝑟𝑢ℎ 𝑦𝑎𝑛𝑔 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑘𝑎𝑛 𝑎𝑛𝑡𝑎𝑟 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙)
Statistik uji yang digunakan adalah
𝛽መ𝑖 − 𝛽𝑖
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑠𝑒(𝛽መ𝑖 )
1. Uji Serempak
Hipotesis dari pengujian
secara serentak ini adalah sebagai berikut :
𝐻0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑝 = 0
(Variabel independen tidak mempengaruhi variabel dependen)
𝐻1 ∶ minimal terdapat satu 𝛽𝑖 ≠ 0, 𝑖 = 1,2, … , 𝑝
(Minimal terdapat satu variabel independen yang mempengaruhi variabel dependen atau model layak).
Statistik uji yang digunakan adalah
𝑅𝐾𝑅
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑅𝐾𝑆
19
Model Geographically Weighted Regression
Model Geographically Weighted Regression (GWR) merupakan pengembangan dari metode
regresi. Hanya saja pada model GWR parameter persamaan untuk setiap lokasi pengamatan berbeda
dengan lokasi lainnya sehingga banyaknya vektor parameter yang diduga adalah sebanyak lokasi
pengamatan yang digunakan dalam data. Dalam analisis GWR, model yang dihasilkan juga tidak dapat
digunakan untuk menduga paremeter selain parameter di lokasi pengamatan perbedaan regresi biasa
dan GWR dapat disajikan pada Tabel,.
20
Model Geographically Weighted Regression
Model dari Geographically Weighted Regression (GWR) dapat ditulis sebagai berikut :
𝑝
𝑌𝑖 = 𝛽0 𝑢𝑖 , 𝑣𝑖 + 𝛽𝑘 𝑢𝑖 , 𝑣𝑖 𝑋𝑖𝑘 + 𝜀𝑖
𝑘=1
dimana
𝑌𝑖 : nilai variabel respon pada titik lokasi pengamatan ke-i
𝑋𝑖𝑘 : nilai variabel prediktor ke-k pada titik lokasi pengamatan ke-𝑖
𝑢𝑖 , 𝑣𝑖 : koordinat titik lokasi pengamatan ke- 𝑖 (longitude, latitude)
𝛽0 𝑢𝑖 , 𝑣𝑖 : koordinat / intercept GWR
𝛽𝑘 𝑢𝑖 , 𝑣𝑖 : koefisien regresi ke- 𝑘 pada titik lokasi pengamatan ke- 𝑖
𝜀𝑖 : error pada titik lokasi ke- 𝑖 yang diasumsikan dengan ratarata nol dan varians 𝜎 2
21
4
Persentase Tingkat
Pengangguran 12 4,33 9,62 5,8000 1,56681
23
KORELASI PARSIAL
Faktor independen yang paling dominan mempengaruhi Proporsi Penduduk Miskin di Provinsi Riau adalah Indeks
Pembangunan Manusia. Hal ini dikarenakan pengaruh Indeks Pembangunan Manusia berbanding lurus dengan Proporsi
Penduduk Miskin
Korelasi Parsial Variabel Independen Terhadap Proporsi Penduduk Miskin
Proporsi Indeks Persentase Upah Tingkat
Penduduk Pembangunan Tingkat Persentase Minimum Partisipasi
Miskin Manusia Pengangguran Laju PDRB Kerja Angkatan Kerja
Proporsi Penduduk 1 -.637* -,100 -,101 -,311 ,213
Miskin
Indeks Pembangunan -.637* 1 ,486 ,210 ,297 ,041
Manusia
Persentase Tingkat -,100 ,486 1 -,329 ,508 -,024
Pengangguran
Persentase Laju PDRB -,101 ,210 -,329 1 -,124 ,422
Upah Minimum Kerja -,311 ,297 ,508 -,124 1 ,355
Tingkat Partisipasi ,213 ,041 -,024 ,422 ,355 1
Angkatan Kerja
*. Correlation is significant at the 0.05 level (2-tailed).
24
Model Regresi Linear dengan Metode Ordinary Least
Square (OLS)
Permodelan regresi linier bertujuan untuk mengetahui variabel-variabel yang mempengaruhi tingkat
kemiskinan di Riau tanpa mempertimbangkan aspek spasial..
Variabel VIF
Residual
Indeks Pembangunan Manusia 1.724 N 12
Normal Parameters Mean 0,0000
Persentase Tingkat Pengangguran 2.085 Std. Deviation 3,51063
Most Extreme Absolute 0,180
Persentase Laju PDRB 1.868 Differences Positive 0,180
Upah Minimum Kerja 1.726 Negative -0,130
Tingkat Partisipasi Angkatan Kolmogorov-Smirnov Z 0,624
1.626
Kerja Asymp. Sig. (2-tailed) 0,832
Sebelum membentuk suatu model regresi linear, maka dilakukan pengujian signifikansi parameter yang meliputi
pengujian signifikansi parameter secara simultan dan pengujian signifikansi parameter secara parsial.
UJI SIMULTAN
UJI PARSIAL
B sig. Ket
Intercept 86,197 ,153 Tidak Significant Model Regresi Linear dengan OLS
Indeks Pembangunan
-1,175 ,044 Significant
Manusia R2 83.00%
Persentase Tingkat
2,158 ,153 Tidak Significant SSE 16120471,89
Pengangguran
Persentase Laju PDRB -,053 ,953 Tidak Significant
P-Value 1.266e-12
Upah Minimum Kerja
-2,634E-05 ,132 Tidak Significant
Tingkat Partisipasi
Angkatan Kerja
1,043 ,173 Tidak Significant 27
Parameter Model Regresi
Diketahui bahwa variabel indeks pembangunan manusia berpengaruh secara signifikan terhadap
proporsi penduduk miskin di provinsi riau. Dengan r 2 sebesar 83.00%. Dengan demikian model
pendugaan regresi linear yang dihasilkan adalah:
yത = −2,537 indeks pembangunan manusia
28
Pemodelan Geographically Weighted Regression
(GWR)
Berdasarkan pengujian yang telah dilakukan menggunakan Breusch-Pagan Test, diperoleh bahwa data
mengandung pengaruh heteroskedastisitas spasial. Diketahui dengan nilai P-Value statistik pada
Breusch-Pagan Test adalah 0.007936, maka dengan menggunakan tingkat signifikansi sebesar 5% dapat
disimpulkan bahwa terdapat heteroskedastisitas spasial pada data.
30
BANDWIDTH
Tahap awal dalam permodelan GWR adalah menentukan bandwidth optimum dengan
menggunakan metode Cross Validation (CV). Dalam penelitian ini proses penghitungan bandwidth yang
meminimumkan nilai CV dengan iterasi metode Golden Section Search. Proses iterasi menggunakan
software GWR4 menghasilkan bandhwidth optimum sebesar 0.1450942 dan CV sebesar 5964966,549.
Dengan nilai bandwidth sebesar 0.1450942 , maka fungsi pembobot gaussian menjadi :
2
𝑑𝑖𝑝
𝑤𝑖 𝑢𝑖 , 𝑣𝑖 = 𝑒𝑥𝑝 ൗ
0.1450942
31
Pendugaan Parameter Model GWR
Koefisien Parameter
Variabel Estimator Min Median Max global
Intercept 13415,199387 13578,546828 13862,198755 13405,445544
Indeks Pembangunan
-1,404970 -1,353258 -1,322398 -1,341902
Manusia
Persentase Tingkat
2,125158 2,183787 2,217946 2,189955
Pengangguran
Persentase Laju PDRB 0,610013 0,650287 0,745719 0,645450
Upah Minimum Kerja -0,001701 -0,001658 -0,001560 -0,001612
Tingkat Partisipasi
0,020222 0,022745 0,028099 0,020166
Angkatan Kerja
SSE 1882916,518
R2 88,47%
32
Pengujian Kesesuaian Model GWR
Hipotesis yang digunakan adalah dalam pengujian kesesuaian model GWR adalah sebagai berikut:
H0: tidak ada perbedaan yang signifikan antara model regresi global dengan model GWR.
H1: minimal terdapat satu atau terdapat perbedaan yang signifikan antara model regresi global dengan
model gwr.
DF Sum Sq Mean Sq F
GWR
0,414 72482,461 175257,379
Improvement
33
Pengujian Signifikansi Parameter Parsial Model GWR
Diketahui daerah penolakan pada pengujian parameter model GWR menyatakan bahwa keputusan tolak
H0 dapat dibuat jika nilai dengan tingkat signifikansi sebesar 5%. Dengan mengetahui suatu keputusan
tolak H0 dapat dibuat jika nilai t hitung > t α
,n−k−1
dengan tingkat signifikansi sebesar 5%. Dengan
2
mengetahui bahwa nilai t 0.025,6 = 2.44691
No. Kabupaten/Kota X1 X2 X3 X4 X5
Salah satu model GWR yang terbentuk adalah tingkat kemiskinan di Kabupaten Dumai, dengan persamaan sebagai berikut:
R2 83.00% 88.47%
Provinsi Riau.
⚫ Model pendugaan yang dihasilkan dengan
menggunakan metode GWR untuk setiap
⚫ Pengujian asumsi heteroskedastisitas
Kabupaten/Kota adalah berbeda-beda.
3 4
spasial menggunakan Breusch-Pagan test
dilakukan dan disimpulkan bahwa data ⚫ model GWR merupakan model yang paling
proporsi penduduk miskin memiliki sesuai yang dapat digunakan dalam
pengaruh efek spasial pendugaan terhadap produksi padi di
Kabupaten/Kota di Provinsi Riau
37
SARAN
38