DENGAN GEOGRAPHICALLY
WEIGHTED REGRESSION
TUGAS MATA KULIAH PEMODELAN
oleh
Luckyta Citra Paramita (171810101015)
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS JEMBER
2020
BAB 1. PENDAHULUAN
1.4 Manfaat
Makalah ini menjelaskan mengenasi analisis spasial dan model GWR dengan
penerapannya pada masalah kemiskinan di Provinsi Jawa Timur. Manfaat
dibentuknya makalah ini yaitu untuk mengetahui faktor apa saja yang dapat
mempengaruhi tingkat kemiskinan di Provinsi Jawa Timur dengan menggunakan
model GWR dan data yang diperoleh dari Badan Pusat Statistik. Makalah analisis
spasial ini juga memberikan langkah-langkah penerapannya menggunakan
software R.
BAB 2. TINJAUAN PUSTAKA
Karena ∑ maka :
) )
20
15
10
Berdasarkan gambar 4.1 terlihat bahwa terdapat empat kota yang memiliki
persentase kemiskinan dibawah 10%, diantaranya Kota Tulungagung, Blitar,
Lumajang, Jember, Banyuwangi, Pasuruan, Sidoarjo, Jombang, Kota Kediri, Kota
Blitar, Kota Malang, Kota Probolinggo, Kota Pasuruan, Kota Mojokerto, Kota
Madiun, Kota Surabaya, dan Kota Batu. Kabupaten/kota dengan persentase
tingkat kemiskinan 10%-15% adalah Pacitan, Ponorogo, Trenggalek, Kediri,
Malang, Bondowoso, Situbondo, Mojokerto, Nganjuk, Madiun, Ngawi,
Bojonegoro, Lamongan, Gresik, dan Pamekasan. Sedangkan Kab. probolinggo,
Tuban, dan Bangkalan memiliki tingkat kemiskinan antara 15%-20%. Tingkat
kemiskinan dengan persentase di atas 20% terjadi pada kab. Sampang dan
Sumenep.
Selain deskripsi dan tingkat kemiskinan, disajikan pula deskripsi faktor-faktor
yang mempengaruhi tingkat kemiskinan pada tabel 4.1.
Tabel 4.1 Statistika deskriptif factor yang Mempengaruhi tingkat kemiskinan
Peubah Mean Standar deviasi Minimum Maksimum
Persentase Tingkat
pengangguran terbuka 3,78 1,20 1,43 6,79
)
Persentase Penduduk
dengan keluhan 48,61 6.6 38,24 61,78
kesehatan )
Persentase Angka buta
huruf penduduk usia 8,19 5,43 1,26 21,88
15+ )
Persentase Angka
partisipasi sekolah 16- 74,76 10,53 49,44 95.03
18 tahun )
Persentase Pengeluaran
per Kapita Sebulan 48,64 5,95 34,57 63,13
)
Rata-rata tingkat pemgangguran terbuka ( ) di Provinsi Jawa Timur adalah
3,78 persen dengan persentase terendah dan tertinggi masing-masing 1,43 persen
dan 79,41 persen. Persentase penduduk dengan keluhan kesehatan ( ) tertinggi
sebesar 61,78 persen, persentase terendah sebesar 38,24 persen dan nilai rata-
ratanya sebesar 48,61 persen. Angka buta huruf ( ) di Provinsi Jawa Timur
termasuk rendah, yaitu 8,19% dengan persentase terkecil berasal dari kota
Surabaya, yaitu 1,26 persen. Persentase buta huruf di kota Sampang merupakan
yang paling tertinggi, yaitu 21,88 persen. Di Jawa Timur memiliki persentase
Angka Partisipasi Sekolah ( ) yang cukup tinggi, begitu pula dengan Persentase
pengeluaran ( ) yang juga cukup tinggi, yaitu 50 persen.
Identifikasi hubungan antara tingkat kemiskinan dan faktor-faktor yang
mempengaruhinya dilakukan melalui pembentukan scatter plot. Pola hubungan
antara peubah penjelas dan peubah respon yang disajikan dalam bentuk scatter
plot ditunjukkan pada gambar berikut
Gambar 4.2 Pola hubungan antara peubah penjelas dan peubah respon
Pada gambar diatas, terlihat bahwa angka buta huruf memiliki pola hubungan
positif terhadap peubah responnya, sedangkan variabel lainnya memiliki pola
hubungan negatif. Hal ini menunjukkan bahwa semakin besar persentase angka
buta huruf, maka akan semakin tinggi pula tingkat kemiskinannya. Variabel
penjelas yang memiliki pola hubungan negatif menunjukkan bahwa seiring
dengan bertambahnya variabel tersebut maka tidak selalu disertai dengan
penurutna tingkat kemiskinan.
,
Berdasarkan hasil pada Tabel 4.5 diperoleh bahwa pada pengujian parameter
secara parsial dengan menggunakan tingkat signifikansi 5%, maka variabel angka
buta huruf berpengaruh secara signifikan terhadap tingkat kemiskinan di Provinsi
Jawa Timur. Hal ini dapat berarti bahwa seiring bertambahnya persentase angka
buta huruf maka dapat meningkatkan persentase kemiskinan. Berikut merupakan
nilai penduga/estimasi parameter model regresi dengan metode OLS :
Tabel 4.6 Estimasi Parameter Model Regresi
Variabel Estimasi t-Hitung
Intercept 18.51481 2.653
Persentase Tingkat 0.20797 0.647
Pengangguran Terbuka
Persentase Masyarakat 0.02311 0.419
dengan keluhan penyakit
Persentase Angka Buta 0.48476 4.226
Huruf
Persentase Angka 0.02467 0.557
Partisipasi Sekolah
Persentase Pengeluaran -0.31609 -3.345
per Kapita
Berdasarkan Tabel 4.6, diketahui bahwa variabel angka buta huruf
berpengaruh secara signifikan terhadap tingkat kemiskinan di Provinsi Jawa Tarat.
Dengan R2 sebesar 80,27% sesuai dengan hasil output yang ditampilkan pada
Lampiran. Dengan demikian model pendugaan regresi linear yang dihasilkan
adalah :
̂
Berdasarkan model tersebut dapat dijelaskan bahwa jika terjadi penambahan
persentase angka buta huruf sebesar 1% maka akan meningkatkan persentase
tingkat kemiskinan sebesar 0,48476%.
) ( (( )) )
) ( (( )) )
Berdasarkan hasil yang ditampilkan pada Tabel 4.9 diketahui bahwa F-Hitung
model GWR yang diperoleh adalah 1,6981 dan diketahui kriteria penolakan
terjadi jika . Dengan demikian dapat diambil
keputusan untuk menerima yang berarti bahwa tidak ada perbedaan yang
signifikan antara model regresi global (OLS) dan model GWR.
4.4.3 Pengujian Signifikansi Parameter Parsial Model GWR
Uji parameter dilakukan dengan menguji masing-masing variabel independen
terhadap variabel dependen secara parsial. Dengan demikian setiap
Kabupaten/Kota memiliki model dengan karakteristik parameter yang berbeda
dengan wilayah lainnya. Berikut ini merupakan hipotesis dari uji parsial:
)
) , k=1,2,…,6, i=1,2,…27
Adapun statistik uji yang digunakan adalah t-hitung, dimana hasil telah
terlampir pada bagian lampiran. Daerah penolakan pada pengujian parameter
model GWR menyatakan bahwa keputusan tolak dapat dibuat jika nilai
) dengan tingkat signifikansi sebesar 5%.
5.1 Kesimpulan
Berdasarkan hasil perhitungan pada bagian hasil dan pembahasan, dapat
disimpulkan bahwa tingkat kemiskinan tertinggi di Provinsi Jawa Timur tahun
2017 terjadi di Sampang dan tingkat kemiskinan terendah terjadi di kota Batu.
Rata rata tingkat kemiskinan sebesar 10,87% di tiap kabupaten/kota di Jawa
Timur. Model GWR data tingkat kemiskinan menghasilkan yang relatif besar
yaitu 85,06 persen dan jumlah kuadrat residual yang relatif kecil yaitu 109.218.
Faktor geografis tidak berpengaruh terhadap tingkat kemiskinan di Jawa Timur,
karena seluruh kabupaten/kota dipengaruhi oleh fakto-faktor yang sama, yaitu
angka buta huruf. Apabila dibandingkan dengan model penduga OLS, GWR lebih
mendekati nilai observasi, tetapi antara kedua model tersebut tidak memiliki
perbedaan yang sigifikan.
5.2 Saran
Penelitian dengan menggunakan analisis spasial yang dilakukan di Provinsi
Jawa Timur masih terbatas. Makalah ini diharapkan dapat mendorong mahasiswa
lain untuk menerapkan analisis spasial pada kasus lainnya. Untuk melihat
kekonsistenan hasil penelitian, pada penelitian selanjutnya disarankan untuk
menggunakan metode lain pada data yang mengandung heterogenitas spasial.
LAMPIRAN