Abstrak—Pertumbuhan ekonomi merupakan masalah tahun dibandingkan tahun sebelumnya serta memberikan
perekonomian dan menjadi salah satu fenomena penting yang gambaran mengenai kinerja tiap kabupaten/kota dalam
dialami beberapa negara di dunia belakangan ini. Dalam memanfaatkan potensi yang ada [2]. Tinggi rendahnya laju
pembangunan, pertumbuhan ekonomi yang tinggi merupakan
pertumbuhan ekonomi dapat dijadikan patokan untuk
sasaran yang diharapkan dapat tercapai, terutama bagi negara
berkembang. Jawa Timur merupakan salah satu provinsi di melihat maju tidaknya perekonomian suatu negara dan juga
Indonesia, yang mana pada tahun 2010, nilai LPE mencapai digunakan untuk mengukur tingkat kesejahteraan
6,68%, masih lebih besar jika dibandingkan dengan LPE masyarakat.
nasional di tahun yang sama yaitu sebesar 6,10%. Banyak Pertumbuhan ekonomi Indonesia terus mengalami
faktor yang mempengaruhi Laju Pertumbuhan Ekonomi peningkatan tiap tahunnya, namun pada krisis moneter 1998
(LPE) di Provinsi Jawa Timur, sehingga perlu dilakukan
mengalami penurunan yang cukup tajam dan pada awal
pemodelan untuk mengetahui faktor-faktor apa saja yang
secara signifikan mempengaruhi laju pertumbuhan ekonomi. tahun 2000, perekonomian Indonesia mulai stabil dan
Penelitian ini menggunakan 4 faktor yang diduga menunjukkan peningkatan. Jawa Timur merupakan salah
mempengaruhi Laju Pertumbuhan Ekonomi (LPE) yaitu satu provinsi di Indonesia dengan pertumbuhan ekonomi
TPAK (x1), APBD (x2), IBS (x3), dan DAU (x4). Data tersebut yang cukup baik. Pertumbuhan ekonomi Jawa Timur
merupakan data tahun 2011 yang diperoleh dari Badan Pusat berdasarkan PDRB atas dasar harga konstan 2000 selama 3
Statistik Jawa Timur. Metode yang digunakan untuk
tahun terakhir adalah 5,94 persen (2008), 5,01 persen
memodelkan Laju Pertumbuhan Ekonomi (LPE) ialah regresi
nonparametrik spline linier dengan titik knot optimal yaitu (2009), dan 6,68 persen (2010). Pertumbuhan ekonomi
pada kombinasi knot yang mana memiliki nilai GCV Indonesia tahun 2010 yang mencapai angka 6,1 persen, hal
(Generalized Cross Validation) terkecil. Adapun variabel yang ini menyatakan bahwa pertumbuhan ekonomi Jawa Timur
memberikan pengaruh signifikan adalah semua variabel masih lebih tinggi dibandingkan pertumbuhan ekonomi
dengan koefisien determinasi sebesar 85,66% yang nasional. Untuk itu penelitian ini berfokus pada laju
menunjukkan bahwa model yang terbentuk layak digunakan
pertumbuhan ekonomi di Jawa Timur. Sehubungan dengan
untuk memodelkan pola data.
Kata Kunci—Regresi Nonparametrik Spline, Laju
hal tersebut maka penelitian ini ditujukan untuk mengetahui
Pertumbuhan Ekonomi (LPE), Knot, dan GCV. faktor-faktor yang mempengaruhi laju pertumbuhan
ekonomi di Jawa Timur. Sehingga diharapkan dengan
mengetahui faktor apa saja yang mempengaruhi
I. PENDAHULUAN pertumbuhan ekonomi di Jawa Timur, pemerintah dapat
spline multivariabel untuk pemodelan kematian penderita merupakan parameter-parameter model dengan m
DBD di Jawa Timur. Akan tetapi untuk penelitian laju merupakan orde spline [10]. Estimasi parameter model
pertumbuhan ekonomi di Jawa Timur dengan menggunakan regresi spline dapat dinyatakan sebagai berikut.
metode analisis regresi spline masih belum pernah
dilakukan. Oleh karena itu dalam penelitian ini akan y i G ( xi ) i (3)
diselidiki mengenai faktor-faktor yang diduga
mempengaruhi laju pertumbuhan ekonomi di Jawa Timur C. Pemilihan Titik Knot Optimum
dengan menggunakan model spline. Metode spline sangat Estimator spline terbaik diperoleh dengan menggunakan
baik dalam memodelkan data yang memiliki pola yang titik knot optimal. Titik knot merupakan titik perpaduan
berubah-ubah pada sub-sub interval tertentu. Spline bersama dimana terdapat perubahan pola perilaku fungsi
merupakan model yang mempunyai interpretasi statistik dan atau kurva. Titik knot optimal dapat diperoleh dengan
interpretasi visual serta mempunyai kemampuan yang menggunakan metode Generalized Cross Validation (GCV)
sangat baik untuk digeneralisasikan pada pemodelan [9].
statistika yang kompleks dan rumit [6]. Wahba [7]
GCV ( K , K ,, K M )
MSE K , K ,, K M
1 2
(4)
memberikan metode untuk memilih parameter penghalus 1 2 2
optimal dalam estimator spline yaitu dengan Generalized 1
n tr I H K , K ,, K M
1 2
Cross Validation (GCV).
Terdapat dua permasalahan dalam penelitian ini yaitu
bagaimana karakteristik laju pertumbuhan ekonomi serta D. Pengujian Parameter
faktor-faktor yang diduga mempengaruhi dan bagaimanakah Pengujian parameter dilakukan untuk menentukan
pemodelan laju pertumbuhan ekonomi menggunakan regresi variabel prediktor mana saja yang memiliki hubungan nyata
nonparametrik spline. Batasan masalah dalam penelitian ini dengan variabel respon. Terdapat dua tahap pengujian yaitu
adalah menggunakan Generalized Cross Validation (GCV) sebagai berikut.
dalam pemilihan titik knot optimal pada spline linear 1 knot, 1. Uji Serentak
2 knot, 3 knot, dan 4 knot, serta kombinasi knot.
Pengujian ini bertujuan untuk mengetahui apakah
parameter model regresi telah signifikan secara serentak.
II. TINJAUAN PUSTAKA Statistik uji yang digunakan adalah statistik uji F.
2. Uji Individu
A. Regresi Nonparametrik
Regresi nonparametrik adalah salah satu metode yang Setelah dilakukan uji serentak diperoleh kesimpulan
digunakan untuk mengetahui pola hubungan antara variabel bahwa minimal terdapat satu parameter signifikan, maka
respon dan prediktor dimana fungsi dari kurva regresi tidak perlu diketahui secara individu parameter mana yang
diketahui. Model regresi nonparamterik [8] secara umum signifikan dan mana yang tidak signifikan. Statistik uji yang
seperti pada Persamaan (1) berikut ini. digunakan adalah statistik uji t.
yi f (t i ) i , i 1, 2, , n (1)
E. Uji Asumsi Residual
Pendekatan nonparametrik digunakan untuk Data yang akan dianalisis dengan menggunakan regresi
mengestimasi kurva regresi karena model tidak ditentukan nonparametric spline, harus memenuhi asumsi residual
terlebih dahulu seperti pada regresi parametrik. Dalam identik, independen, dan berdistribusi normal.
pandangan regresi nonparametrik data diharapkan mencari
sendiri kurva regresi tanpa dipengaruhi oleh faktor 1. Uji Identik
subyektifitas peneliti. Pengujian asumsi identik pada residual merupakan uji
B. Spline Dalam Regresi Nonparametrik homogenitas varians residual. Jika asumsi terlanggar atau
Salah satu model regresi nonparametrik yang digunakan pada kondisi heteroskedastisitas, maka varians residual tidak
adalah spline. Spline merupakan polinomial tersegmen yang konstan sehingga menyebabkan estimasi koefisien kurang
memiliki sifat fleksibilitas. Spline sangat tergantung pada akurat [11].
titik knots. Titik knots merupakan titik perpaduan bersama 2. Uji Independen
dimana terjadi pola perubahan perilaku dari suatu fungsi Pengujian independensi residual bertujuan untuk
pada selang yang berbeda [9]. Secara umum fungsi G dalam mengetahui apakah terdapat korelasi antar residual. Korelasi
ruang spline berorde m dengan titik knots k1, k2,…, kJ antar residual yaitu korelasi antara residual pada
adalah sembarang fungsi yang dapat dinyatakan seperti pengamatan ke-i dengan pengamatan ke-(i-1) yang biasa
Persamaan (2). disebut dengan autokorelasi.
m j J m 3. Uji Distribusi Normal
G( xi ) j xi k m ( xi K k )
j 0 k 1 (2)
Pengujuan asumsi distribusi normal dilakukan untuk
dengan,
mengetahui apakah residual berdistribusi normal. Pengujian
A. Sumber Data 9
y
x3 x4
dari 38 wilayah administratif dengan 29 kabupaten dan 9 9
kota. y merupakan variabel respon dan x1, x2, x3, dan x4
8
merupakan variabel prediktor.
7
B. Variabel Penelitian
6
Variabel penelitian yang digunakan antara lain Laju 0 200 400 600 800200 400 600 800 1000
B. Scatterplot Antara Laju Pertumbuhan Ekonomi (LPE) D. Pemilihan Titik Knot Optimal
dengan Faktor yang diduga Mempengaruhi Pemilihan titik knot optimal dilakukan dengan mencari
Pola hubungan yang terbentuk antara Laju Pertumbuhan nilai GCV terendah yang dihasilkan. GCV yang dihasilkan
Ekonomi ( y) yang merupakan variabel respon dengan x1, dengan menggunakan 1 titik knot, 2 titik knot, 3 titik knot,
x2, x3, dan x4 divisualisasikan pada Gambar 1. dan kombinasi knot ditunjukkan pada Tabel 2.
Gambar 1. menunjukkan pola hubungan yang terbentuk Tabel 2 menunjukkan bahwa nilai GCV minimum
antara Laju Pertumbuhan Ekonomi (LPE) dengan keempat dihasilkan pada saat menggunakan kombinasi knot yakni
variabel tersebut tidak membentuk pola tertentu. Hal ini sebesar 0,174193.
mengindikasikan bahwa terdapat komponen nonparametrik E. Pemodelan Laju Pertumbuhan Ekonomi (LPE) dengan
dimana fungsi dari kurva regresi tidak diketahui. Titik Knot Optimal
Nilai GCV minimum dari nilai-nilai GCV dengan
C. Model Regresi Nonparametrik Spline menggunakan 1 titik knot, 2 titik knot, 3 titik knot, 4 titik
Model regresi nonparametrik spline untuk 1 titik knot knot, dan kombinasi knot dihasilkan pada penggunaan knot
ditunjukkan pada Persamaan (5). kombinasi yakni sebesar 0,174193. Pemodelan laju
pertumbuhan ekonomi menggunakan titik knot optimal
ditunjukkan pada Persamaan (10) berikut.
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-126
0,8
0,4
Autocorrelation
0,0
-0,4
-0,8
-1,0
model pada Persamaan (8) dilakukan terhadap variabel yang sebesar satu milyar rupiah, Laju Pertumbuhan Ekonomi
signifikan. Adapun interpretasi dari model regresi diatas (LPE) Jawa Timur cenderung turun 0,11288 persen.
adalah sebagai berikut.
1. Apabila variabel x 2 , x 3 , dan x 4 konstan maka 99
Mean 0,0001291
StDev 0,2449
Percent
60
50
40
30
10
1
Interpretasi dari model diatas adalah pada saat Tingkat -0,8 -0,6 -0,4 -0,2 0,0
residual
0,2 0,4 0,6 0,8
y 0,00143 0,01237 x 4 0,00418x 4 361,8215 [5]Mubarak, Reza. (2012). Analisis Regresi Spline Multivariabel
Untuk Pemodelan Kematian Penderita Demam Berdarah
0,09664x 4 445,5108 0,08947x 4 473,4072
Dengue (DBD) di Jawa Timur. Tugas Akhir, Statistika-
0,01222x 4 668,6823 FMIPA, ITS, Surabaya.
[6] Budiantara, I. N. (2009). Spline Dalam Regresi
0,00143 0,01237 x 4 ; x 4 361,8215 Nonparametrik dan Semiparametrik: Sebuah Pemodelan
1,51098 0,00819 x ; 361,8215 x 4 445,5108
Statistika Masa Kini dan Masa Datang. Surabaya: ITS Press.
4
[7] Wahba, G. (1990). Spline Models For Observasion Data.
44,56515 0,08845 x 4 ;445,5108 x 4 473,4072 SIAM: Pensylvania.
2,20941 0,00102 x ; 473,4072 x 4 668,6823 [8] Eubank, R.L. (1988). Spline Smoothing and Nonparametric
4
DAFTAR PUSTAKA
[1] Sukirno, Sadono. (2003). Pengantar Teori Makro Ekonomi.
Jakarta: PT Raja Gramedia Persada.
[2] Badan Pusat Statistik (BPS). (2011). Jatim Dalam Angka
2011. Publikasi BPS, Jawa Timur.
[3] Pancawati, N. (2000). Pengaruh Rasio Kapital-Tenaga Kerja,
Tingkat pendidikan, Stok Kapital dan Pertumbuhan Penduduk
Terhadap Tingkat Pertumbuhan GDP Indonesia. Jurnal
Ekonomi dan Bisnis Indonesia. Vol.15, No.02, Universitas
Gajah Mada.
[4] Edi, Y.S. (2012). Quasi-Maximum Likelihood Untuk Regresi
Panel Spasial (Studi Kasus: Laju Pertumbuhan Ekonomi
Kabupaten/Kota di Provinsi Jawa Timur 2007-2009). Thesis,
Statistika-FMIPA, ITS, Surabaya.