Analisis Regresi Spasial Jumlah PNS dan Jumlah

Penduduk Menggunakan Geoda

Ahmad Rohiqim Makhtum, Tuti Purwaningsih, S.Stat., M.Si. *

Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Islam Indonesia
*Corresponding author: tuti.purwaningsih@uii.ac.id

Abstrak
Ideal tidaknya jumlah Pegawai Negeri Sipil (PNS) di suatu daerah
dapat dilihat dari rasio idealnya, rasio ideal jumlah Pegawai Negeri
Sipil (PNS) adalah 1,5 persen dari jumlah penduduknya, sehingga
terciptanya efektifitas Pegawai Negeri Sipil (PNS) untuk melayani
masyarakat. Dengan nilai indeks rasio Pegawai Negeri Sipil (PNS) di
kabupaten-kabupaten provinsi Yogyakarta yang masih tergolong kecil
dibawah 1,5 persen memungkinkan terjadi ketimpangan antara jumlah
penduduk dan jumlah Pegawai Negeri Sipil (PNS). Metode yang
digunakan dalam penelitian ini adalah Regresi Spasial dengan aplikasi
Geoda yang bertujuan untuk mengetahui apakah ada ketimpangan
antara jumlah penduduk dan Pegawai Negeri Sipil (PNS) di tiap-tiap
kabupaten di Provinsi Yogyakarta? Mengetahui apakah ada efek
spasial/wilayah yang pengaruh antara jumlah penduduk dengan
jumlah Pegawai Negeri Sipil (PNS)? Berdasarkan hasil analisis terjadi
ketimpangan jumlah Pegawai Negeri Sipil (PNS) di beberapa
kabupaten seperti Sleman dan Kota Yogyakarta.
Kata kunci: Pegawai Negeri Sipil (PNS), Penduduk, Regresi Spasial

Abstract
The ideal ratio of the number of Civil Servants (PNS) in an area can
be seen from the ideal ratio, the ideal ratio of the number of Civil
Servants (PNS) is 1.5 percent of the total population, so that the
effectiveness of Civil Servants (PNS) can be created to serve the
community. With the ratio index value of Civil Servants (PNS) in the
districts of Yogyakarta province which is still relatively small, below
1.5 percent, it is possible that there is an imbalance between the
population and the number of Civil Servants (PNS). The motivation
used in this research is Spatial Regression with the Geoda application
which aims to determine whether there is an imbalance between the

235
 number of population and Civil Servants (PNS) in each district in
Yogyakarta Province? Knowing whether there is a spatial / territorial
effect that affects the number of population and the number of Civil
Servants (PNS)? Based on the results of the analysis, there is an
imbalance in the number of Civil Servants (PNS) in several districts
such as Sleman and Yogyakarta City.
Keywords: Civil Servants (PNS), Population, Spatial Regression

1. Pendahuluan
Aparatur Sipil Negara atau disingkat ASN merupakan sebuah profesi bagi
Pegawai Negeri Sipil atau ASN dan pegawai pemerintahan dengan perjanjian
kerja yang bekerja pada instansi pemerintahan (tenaga kontrak). Pegawai ASN
diangkat oleh pejabat pembina kepegawaian dan diserahi tugas dalam sebuah
jabatan pemerintahan atau diberikan tugas negara yang lainnya dan kemudian
digaji berdasarkan peraturan perundang-undangan. ASN yang menjadi unsur
aparatur negara dan abdi masyarakat, berperan krusial dalam menciptakan
masyarakat yang patuh terhadap hukum, makmur, demokratis, adil dan bermoral
tinggi yang menyelenggarakan pelayanan secara adil dan merata, menjaga
persatuan dan kesatuan bangsa dengan penuh kesetiaan kepada Pancasila dan
Undang-Undang Dasar Tahun 1945. Tugas ini secara keseluruhan ialah dengan
maksud untuk mencapai tujuan yang dicita-citakan oleh bangsa Indonesia. (UU
No. 5 Tahun 2014 tentang ASN).
Agar dapat mengetahui seimbang atau tidaknya jumlah Pegawai Negeri
Sipil (PNS) di suatu negara atau daerah dapat dilihat dari rasio idealnya, untuk
Negara Indonesia sendiri ratio idealnya jumlah Pegawai Negeri Sipil (PNS)
adalah 1,5 persen dari jumlah penduduk. (Rachmad Faisal Harahap, 2016)
Pada wilayah Yogyakarta, penelitian ini ingin meneliti apakah jumlah
Pegawai Negeri Sipil (PNS) di provinsi Yogyakarta sudah ideal jika dibandingkan
dengan jumlah penduduk yang berada di Yogyakarta sehingga menjadi bahan
pertimbangan yang dapat digunakan untuk menentukan berapa Pegawai Negeri
Sipil (PNS) yang perlu digunakan dengan laju pertumbuhan di suatu daerah.
Peneliti juga ingin menganalisis apakah terdapat faktor spasial terhadap jumlah
Pegawai Negeri Sipil (PNS).

2. Tinjauan Pustaka
Berikut ini merupakan penelitian terdahulu sebagai referensi yang peneliti
gunakan untuk perbandingan antara berbagai hasil penelitian yang telah
dilakukan.

236
 Tabel 1. Hasil Penelitian Terdahulu
No Nama Peneliti Judul Penelitian Aplikasi Hasil Penelitian
Pendukun
g
1 Dwi Sarwani Sri Pemelitian Geoda Pada penyebaran
Rejeki, Elsa H dengan judul : malaria pada
Murhandarwati, Analisis Spasial ekosistem
Hari Kusnanto malaria pada perbukitan Menoreh
Ekosistem bahwa lebih
Perbukitan dominan di
Menoreh dengan Kecamatan
Studi Kasusnya Kaligesing. Maka
adalah Malaria hasil analisis
pada Bulan buffering
September- memyimpulkan
Desember 2015 penderita malaria
bertempat tinggal
dekat perindukan
nyamuk seperti
sungai, mata air,
genangan air, kalen,
kobakan. Hasil
teridentifikasi satu
cluster primer dan
dua cluster
sekunder. Lokasi
cluster primer
mencakup tiga
kecamatan di lintas
batas perbukitan
Menoreh dengan
radius 2,39
2 Salmawaty, Berjudul : Geoda Hasil Model regresi
Sukarna, Regresi Spasial klasik lebih baik
Muhammad yang digunakan daripada model SAR
Abdy untuk dan SEM
Menentukan dikarenakan dalam
Faktor- memodelkan jumlah
Faktor keseluruhan
Kemiskinan Di penduduk miskin di
daerah Provinsi Provinsi Sulawesi
Sulawesi Selatan Selatan

237
 3 Fatkhurokhman Model Regresi GIS, Geoda Hasil model regresi
Fauzi Spasial Terbaik spasial terbaik yang
Indeks didapatkan adalah
Pembangunan model Spatial Eror
Manusia Provinsi Model (SEM) yang
Jawa Tengah menghasilkan
pembobotan rock
contiguity dengan
nilai R2 sebesar
99.8119% dan hasil
nilai Akaike Info
Criterion (AIC)
sebesar 4.63615.
Dari beberapa penelitian yang telah dilakukan terdapat perbedaan dan
kesamaan dengan penelitian yang dilakukan pada saat ini:
1. Pada penelitian Dwi Sarwani dkk, terdapat perbedaan tema dan variabel
penelitian. Dimana peneliti terdahulu meneliti penyakit Malaria sedangkan
peneliti sekarang meneliti Pegawai Negeri Sipil (PNS). Kesamaannya adalah
sama-sama menggunakan Geoda.
2. Pada penelitian Salmawaty dkk, terdapat perbedaan tema dan variabel
penelitian. Dimana peneliti terdahulu meneliti kemiskinan sedangkan peneliti
sekarang meneliti Pegawai Negeri Sipil (PNS). Kesamaannya juga sama-sama
menggunakan Geoda.
3. Pada penelitian Fatkhurokhman, penelitiannya adalah meneliti model regresi
spasial terbaik pada IPM di Jawa Tengah sedangkan peneliti sekarang meneliti
Pegawai Negeri Sipil (PNS). Penelitian terdahulu menggunakan aplikasi GIS
dan Geoda, sedangkan peneliti sekarang hanya menggunakan Geoda.

3. Metodologi Penelitian
3.1 Data dan Sumber Data
Data mengenai jumlah PNS di provinsi Yogyakarta secara garis besar
terdapat di data jumlah PNS Yogyakarta tahun 2020. Data yang digunakan
bersumber dari Pusat Pengembangan Sumber Daya Manusia (PPSDM) Regional
Yogyakarta dan Badan Pusat Statistika (BPS) provinsi Yogyakarta tahun 2020.

3.2 Definisi Variabel

Tabel 2. Definisi Variabel
Variabel Ukuran Sumber/Referensi Skala
Pengukuran

238
 Kabupaten Kabupaten di PPSDM Yogyakarta Nominal
DIY
PNS per Jumlah PNS per PPSDM Yogyakarta Rasio
kabupaten kabupaten di
DIY
PNS per jenis Jumlah PNS PPSDM Yogyakarta Rasio
kelamin laki-laki dan
perempuan
Jumlah Jumlah BPS Yogyakarta Rasio
penduduk penduduk per
kabupaten di
DIY
3.3 Metode Penelitian
Metode penelitian tentang pengaruh jumlah penduduk terhadap jumlah
Pegawai Negeri Sipil (PNS) di provinsi Yogyakarta pada tahun 2020. Penelitian
ini menggunakan metode regresi spasial dengan menggunakan bantuan aplikasi
Geoda. Dengan menganalisa per-kabupaten yang ada di Yogyakarta dan
memvisualisasikan dalam bentuk spasial.
3.4 Regresi Spasial
Model regresi spasial merupakan model yang terbentuk dari model regresi
umum yang memiliki pengaruh spasial (lokasi). Pada model regresi spasial, nilai
variabel respon pada lokasi yang berdekatan diduga berpengaruh terhadap model
yang terbentuk
Ada empat model yang dapat dibentuk dari Model Spasial Umum:
1. Jika ρ = 0 dan 𝝀 = 0, maka persamaannya menjadi:
y = Xβ + ε (3.1)
Persamaan ini disebut model regresi linier klasik yaitu model regresi
tanpa pengaruh spasial.
2. Jika ρ ≠ 0 dan 𝝀 = 0, maka persamaannya menjadi:
y= ρW 1 y + Xβ +ε (3.2)
Persamaan ini disebut Spatial Lag Model (SLM) atau disebut juga
Spatial Autoregressive Model (SAR).
3. Jika ρ = 0 dan 𝝀 ≠ 0, maka persamaannya menjadi:
y= Xβ+u , u= λW u+ε (3.3)
Persamaan ini disebut Spatial Error Model (SEM).

239
 4. Jika ρ ≠ 0 dan 𝝀 ≠ 0, maka persamaannya menjadi:
y= ρW 1 y + Xβ +u ,u=λ W 2 u+ ε , ε N (0 , σ 2 I ) (3.4)
Persamaan ini disebut General Spatial Model (GSM) atau Model
Spatial Autoregressive Moving Average (SARMA).
3.5 Analisis Korelasi
Analisis korelasi adalah satu jenis pengukuran dalam statistik yang sering
digunakan dalam pengolahan data. Korelasi merupakan metode statistik yang bisa
digunakan bila anda memiliki minimal 2 variabel. Berdasarkan definisi dari
beberapa ahli, terdapat beberapa pengertian dari korelasi. Korelasi adalah ketika
sesuatu hubungan bisa dibuktikan secara kuantitatif, maka metode statistik yang
baik untuk mengukur hubungan tersebut dinamakan korelasi (Croxton dan
Cowden). Korelasi adalah analisis kovarian antara dua atau lebih variabel (A.M
Tuttle). Bila dua atau lebih variabel yang bergerak dan diikuti oleh variabel lain,
maka hal ini bisa dikatakan terdapat hubungan korelasi (yuvalianda, 2019).
3.6 Kuantil Map
Dalam kelas kuantil klasifikasi kuantitatif, setiap kelas berisi jumlah fitur
yang sama. Klasifikasi kuantitatif sangat cocok untuk data terdistribusi linier.
Kuantil memberikan jumlah nilai data yang sama untuk setiap kelas. Tidak ada
kelas kosong atau kelas dengan nilai terlalu sedikit atau terlalu banyak. Karena
fitur dikelompokkan dalam jumlah yang sama di setiap kelas menggunakan
klasifikasi kuantitatif, peta yang dihasilkan seringkali menyesatkan. Fitur serupa
dapat ditempatkan di kelas yang berdekatan, atau fitur dengan nilai yang sangat
berbeda dapat ditempatkan di kelas yang sama. Anda dapat meminimalkan
distorsi ini dengan menambah jumlah kelas. Menggunakan metode klasifikasi
kuantitatif memberikan kelas data di ekstrem dan di tengah jumlah nilai yang
sama. Setiap kelas direpresentasikan secara merata di peta dan kelas-kelas tersebut
mudah dihitung. Klasifikasi kuantitatif juga sangat berguna dalam hal data
ordinal. Saat menggunakan klasifikasi kuantitatif, celah antara nilai atribut dapat
terjadi. Kesenjangan ini terkadang dapat menyebabkan pembobotan yang
berlebihan pada pencilan di divisi kelas tersebut. (Geography, 2021).
3.7 Scatter Plot
Scatter Plot (alias diagram sebar, grafik sebar) menggunakan titik untuk
mewakili nilai dua variabel numerik yang berbeda. Posisi setiap titik pada sumbu
horizontal dan vertikal menunjukkan nilai untuk satu titik data. Scatter Plot
digunakan untuk mengamati hubungan antar variabel. Penggunaan utama scatter
plot adalah untuk mengamati dan menunjukkan hubungan antara dua variabel
numerik. Titik-titik di scatter plot tidak hanya melaporkan nilai titik data individu,
tetapi juga pola saat data diambil secara keseluruhan. (Yi, 2019)

240
4. Pembahasan
4.1 Analisis Deskriptif

Histogram PNS
YOGYAKARTA
KULON PROGO
GUNUNG KIDUL
SLEMAN
BANTUL
0 1000 2000 3000 4000 5000 6000

PNS Pria PNS Wanita

Gambar 1. Histogram Jumlah PNS

Berdasarkan Gambar 1. bahwa Pegawai Negeri Sipil (PNS) laki-laki
terbanyak ada di Kabupaten Gunung Kidul dan paling sedikit berada di
Kabupaten Yogyakarta, sedangkan Pegawai Negeri Sipil (PNS) perempuan
terbanyak ada di Kabupaten Bantul dan paling sedikit berada di Kabupaten
Sleman. Selanjutnya penulis akan menampilkan histogram jumlah penduduk
menurut jenis kelamin berdasarkan kabupaten.

Histogram Jumlah Penduduk

YOGYAKARTA
KULON PROGO
GUNUNG KIDUL
SLEMAN
BANTUL
0 200000 400000 600000

Penduduk Pria Penduduk Wanita

Gambar 2. Histogram Jumlah Penduduk

Berdasarkan pada Gambar 2. jumlah penduduk laki-laki maupun
perempuan terbanyak berada di kabupaten Sleman dan jumlah penduduk laki-laki
maupun perempuan paling sedikit berada di Kabupaten Yogyakarta.

241
4.2 Kuantil Map
1. Kuantil Map Jumlah Pegawai Negeri Sipil (PNS) laki-laki.

Gambar 3. Kuantil Map PNS Laki-laki

2. Kuantil Map Jumlah Pegawai Negeri Sipil (PNS) Perempuan

Gambar 4. Kuantil Map PNS Perempuan

3. Kuantil Map Jumlah Penduduk Laki-Laki.

Gambar 5. Kuantil Map Penduduk Laki-laki

242
 4. Kuantil Map Jumlah Penduduk Laki-Laki.

Gambar 6. Kuantil Map Penduduk Perempuan

Peneliti dapat menjelaskan bahwa, pertama: wilayah Kabupaten Sleman
mempunyai jumlah penduduk laki-laki maupun perempuan terbanyak jika
dibandingkan dengan kabupaten lain di provinsi Yogyakarta, akan tetapi jumlah
PNS perempuan di Sleman adalah yang paling sedikit jika dibandingkan dengan
kabupaten-kabupaten lain. Kedua: wilayah Kota Yogyakarta yang mempunyai
jumlah penduduk perempuan lebih sedikit jika dibandingkan dengan jumlah
penduduk laki-lakinya, akan tetapi jumlah PNS perempuan di Kota Yogyakarta
jauh lebih banyak jika dibandingkan dengan jumlah PNS laki-lakinya.
Dari penjelasan tersebut, dapat dikatakan bahwa di kabupaten Sleman
penduduk yang berjenis kelamin perempuan sangat sedikit menjadi anggota
Pegawai Negeri Sipil (PNS), berbanding terbalik dengan Kota Yogyakarta di
mana penduduk perempuan sangat banyak menjadi anggota Pegawai Negeri Sipil
(PNS).
Padahal menurut Kementerian Pemberdayaan Aparatur Negara dan
Reformasi Birokrasi (PAN RB) untuk dapat mengetahui seimbang atau tidaknya
jumlah Pegawai Negeri Sipil (PNS) di suatu negara atau daerah dapat dilihat dari
rasio idealnya, untuk Negara Indonesia sendiri ratio idealnya jumlah Pegawai
Negeri Sipil (PNS) adalah 1,5 persen dari jumlah penduduk. (Chrisnandi, 2016).
Berikut ini adalah rasio Pegawai Negeri Sipil (PNS) untuk daerah provinsi
Yogyakarta per kabupaten.
Tabel 3. Rasio PNS Provinsi Yogyakarta
Kabupaten Jumlah PNS Jumlah Penduduk Rasio
Bantul 7938 985770 0.81%
Sleman 3753 1125804 0.3%
Gunung kidul 8090 747161 1.08%

243
 Kulon progo 6205 436395 1.42%
Yogyakarta 5277 201176 2.62%

4.3 Scatter Plot

1. Scatter Plot Jumlah Penduduk Laki-laki dan PNS Laki-laki.

Gambar 7. Scatter Plot Penduduk dan PNS Laki-laki

Berdasarkan Gambar 7. data yang ada pada scatter plot antara
jumlah penduduk yang berjenis kelamin laki-laki dengan jumlah Pegawai
Negeri Sipil (PNS) yang berjenis kelamin laki-laki, bahwa data yang ada
mengikuti bentuk garis linear/data tersebar di dekat garis linear, artinya
data berdistribusi normal. Selain itu, jika dilihat dari garis linearnya,
artinya dengan bertambahnya jumlah penduduk laki-laki, jumlah Pegawai
Negeri Sipil (PNS) laki-laki juga terdapat pertambahan.
2. Scatter Plot Jumlah Penduduk Perempuan dan PNS Perempuan.

244
 Gambar 8. Scatter Plot Penduduk dan PNS Perempuan
Pada Gambar 8. scatter plot antara jumlah penduduk yang berjenis
kelamin perempuan dengan jumlah Pegawai Negeri Sipil (PNS) yang
berjenis kelamin perempuan, bahwa data yang ada tidak mengikuti
bentuk garis linear/data tidak tersebar di dekat garis linear, artinya data
tidak berdistribusi normal. Selain itu, jika dilihat dari garis linearnya,
artinya dengan bertambahnya jumlah penduduk perempuan jumlah
Pegawai Negeri Sipil (PNS) perempuan mengalami penurunan. Akan
tetapi peneliti menduga hal itu disebabkan adanya 1 data yang outlier
sangat jauh ke bawah.

4.4 Analisis Regresi Ordinary Least Square (OLS)

Pada analisis Ordinary Least Square (OLS) peneliti dapatkan R Square
sebesar 0,302518 yang artinya variabel jumlah PNS laki-laki hanya dapat
menjelaskan variabilitas 30,25% dari variabel jumlah penduduk laki-laki,
sedangkan residual dijelaskan oleh variabel lain. AIC atau Akaike Info Criterion
nilai 80,7443. Model regresi yang dibentuk melalui Ordinary Least Square
(OLS), adalah 𝑦𝑖 = 2138.08+0.00232𝑥1
Tes normalitas menggunakan tingkat kepercayaan 95% atau alfa 0.05, hasil
Jarque-Bera Test menunjukkan p-value lebih besar dari alpha yaitu 0,62628 >0,05
yang berarti data berdistribusi normal/tes normalitas terpenuhi. Begitu juga
dengan tes heteroskedastisitas hasil Breusch-Pagan Test menunjukkan p-value
lebih besar dari alpha yaitu 0, 79921 > 0,05 yang berarti data tidak terdapat
heteroskedastisitas.
Adapun tes regresi linier sederhananya p-value lebih besar dari alpha yang
berarti jumlah penduduk laki-laki tidak berpengaruh signifikan terhadap jumlah
Pegawai Negeri Sipil laki-laki, begitupun juga untuk yang perempuan.
Jadi data itu bisa menggunakan regresi spasial adalah ketika data tersebut
data yang diperoleh dari hasil observasinya memuat dua informasi, yaitu: lokasi
(di mana) dan pengukuran (apa).

4.5 Spatial Lag Model (SLM)

Pemodelan menggunakan Spatial Lag Model (SLM) untuk PNS laki-laki
n
dan penduduk laki-laki ^y = 0,2∑ ❑ wij y i + 1499.59 + 0.002436(x1) untuk ^y i:
i≠ 0
Jumlah PNS laki-laki dan X 1 i: Jumlah Penduduk laki-laki. Karena mempunyai
nilai likelihood ratio yang lebih besar dari nilai alpha 0,16134>0.05, sehingga
dalam kasus ini tidak terdapat dependensi spasial, sehingga metode Model Lag
Spasial (LSM) tidak layak untuk menganalisis data ini.

245
 Begitu juga pemodelan menggunakan Spatial Lag Model (SLM) untuk PNS
n
perempuan dan penduduk perempuan didapatkan ^y = 0,2∑ ❑ wij y i + 3199.21 -
i≠ 0
0.00173504(x1) dengan ^y i: Jumlah PNS Perempuan dan X 1 i: Jumlah Penduduk
Perempuan. Mendapatkan nilai likelihood ratio yang lebih besar dari nilai alpha
0,16134>0.05, sehingga dalam kasus ini juga tidak terdapat dependensi spasial,
sehingga metode Model Lag Spasial (LSM) tidak layak untuk menganalisis data
ini.
4.6 Spatial Error Model (SEM)
Pemodelan menggunakan Spatial Error Model (SEM) untuk PNS laki-laki
dan penduduk laki-laki didapatkan ^y i = 2138.08+0.00232 X 1i +ui
n
dengan ui=5 ∑ wij yi + ε i
i ≠ 1, i ≠ j

keterangan:
^y i : Jumlah PNS Laki-laki
X 1 i: Jumlah Penduduk laki-laki
w ij : Matriks Pembobot Spasial
ui : Spasial Residual tiap Kabupaten
ε i : Residual tiap Kabupaten
Adanya pengaruh spasial pada variabel yang diteliti dapat dilihat dari hasil
Diagnostik untuk spasial dependence. Karena mempunyai nilai likelihood ratio
yang lebih besar dari nilai alpha 0,16134>0,05, sehingga dalam kasus ini tidak
terdapat dependensi spasial.
Pada pemodelan menggunakan Spatial Error Model (SEM) untuk PNS
perempuan dan penduduk perempuan didapatkan ^y i = 3825,68
n
−0,00165241 X 1 i +ui dengan ui=5 ∑ wij y i +ε i . Karena mempunyai nilai
i ≠1 ,i ≠ j
likelihood ratio yang lebih besar dari nilai alpha 0,16134>0,05, sehingga dalam
kasus ini tidak terdapat dependensi spasial.
Secara keseluruhan data jumlah penduduk baik laki-laki maupun perempuan
tidak ada pengaruh yang signifikan terhadap variabel jumlah PNS laki-laki
maupun perempuan. Dengan menggunakan model regresi spasial baik Spasial
Lag Model (SLM) dan Spasial Error Model (SEM) menghasilkan suatu model
dimana semua variabel bebas tidak ada yang signifikan, yang berarti jumlah PNS
baik laki-laki maupun perempuan tidak dipengaruhi oleh jumlah penduduknya.

246
Faktor spasial juga tidak signifikan, sehingga memang jumlah PNS suatu wilayah
tidak dipengaruhi oleh wilayah yang lain yang bersinggungan di sekitarnya.

5. Kesimpulan
Berdasarkan uraian dari bab-bab yang telah dijelaskan sebelumnya, peneliti
dapat menyimpulkan:
1. Terjadi ketimpangan antara jumlah penduduk dan jumlah Pegawai
Negeri Sipil (PNS) di beberapa kabupaten di provinsi Yogyakarta.
Pertama: kabupaten Sleman mempunyai jumlah penduduk laki-laki
maupun perempuan terbanyak jika dibandingkan dengan kabupaten lain
di provinsi Yogyakarta, akan tetapi jumlah Pegawai Negeri Sipil (PNS)
perempuan di Sleman adalah yang paling sedikit hanya 575 PNS.
Kedua : Kabupaten Kota Yogyakarta yang mempunyai jumlah penduduk
perempuan lebih sedikit jika dibandingkan dengan jumlah penduduk laki-
lakinya, akan tetapi jumlah Pegawai Negeri Sipil (PNS) perempuan
sebanyak 3162 di Kota Yogyakarta jauh lebih banyak jika dibandingkan
dengan jumlah Pegawai Negeri Sipil (PNS) laki-lakinya yang hanya 2115
PNS.
2. Dengan menggunakan model regresi spasial baik Spatial Lag Model
(SLM) dan Spasial Error Model (SEM) menghasilkan suatu model
dimana semua variabel bebas tidak ada yang signifikan, yang berarti
jumlah Pegawai Negeri Sipil (PNS) baik laki-laki maupun perempuan di
kabupaten-kabupaten provinsi Yogyakarta tidak dipengaruhi oleh jumlah
penduduknya. Faktor spasial juga tidak signifikan, sehingga memang
dapat disimpulkan jumlah Pegawai Negeri Sipil (PNS) suatu wilayah
tidak dipengaruhi oleh wilayah yang lain yang bersinggungan di
sekitarnya.

6. Daftar Pustaka
Chrisnandi, Y. (2016, 06 8). Jumlah PNS ideal 1,5% penduduk. Retrieved from
antaranews.com: https://www.antaranews.com/berita/566081/yuddy-
jumlah-pns-ideal-15-penduduk#:~:text=%22Rasio%20idealnya
%201%2C5%20persen,II%20DPR%2C%20Jakarta%2C%20Rabu.
Geography, G. (2021, Januari 3). Quantile Classification in GIS. Retrieved from
gisgeography.com: https://gisgeography.com/quantile-classification-gis/
Rachmad Faisal Harahap, V. A. (2016, Februari 25). Indonesia Kebanyakan PNS
Menteri Yuddy Jumlah Ideal PNS 1,5% dari Jumlah Penduduk. Retrieved
from jitunews.com: https://www.jitunews.com/read/31828/indonesia-
kebanyakan-pns-menteri-yuddy-jumlah-ideal-pns-1-5-dari-jumlah-
penduduk

247
Yi, M. (2019, Oktober 16). A Complete Guide to Scatter Plots. Retrieved from
chartio.com: https://chartio.com/learn/charts/what-is-a-scatter-plot/
yuvalianda. (2019, April 29). Kupas Tuntas Analisis Korelasi. Retrieved from
yuvalianda.com: https://yuvalianda.com/analisis-korelasi/#:~:text=Secara
%20umum%2C%20analisis%20korelasi%20adalah,variabel%20yang
%20belum%20diketahui%20sebelumnya.

248