METODE ANALISIS PERENCANAAN I

2022
ANALISIS
KESENJANGAN
EKONOMI

KELOMPOK 6
 MODUL
METODE ANALISA PERENCANAAN 1
ANALISIS KESENJANGAN EKONOMI

Dosen Pengampu:
Widiyanto Hari Subagyo Widodo S.T., M.SC
Gatot Subroto S.T., M.Ars

Disusun Oleh:
KELOMPOK 6

1. Johannes Richardo De Carvalho Nahak (2124010)

2. Ahmad Shidiq Ismail (2124015)
3. Nilam Aulia Shilva Dhivanda (2124027)
4. Abdi Patwa Gunawan Putra (2124037)
5. Anggi Putri A.K. Sengkoen (2124044)
6. Aprilia Nessa Iranda (2124047)
7. Junes Tebun (2124058)

PROGRAM STUDI PERENCANAAN WILAYAH DAN KOTA

FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI NASIONAL
MALANG
2022
 1 KATA PENGANTAR

Puji syukur kami ucapkan atas kehadirat Tuhan Yang Maha Esa karena
atas berkat rahmat, nikmat, serta kasih sayang-Nya, kelompok kami, yaitu
kelompok 6 dapat menyelesaikan tugas mata kuliah Metode Analisa
Perencanaan I berupa modul ini dengan baik dan tepat waktu. Modul yang
berjudul “Modul Perhitungan Index Wiliamson, Index Theil, Kurva Lorenz dan
Moransi” berisi Langkah-langkah metode analisis sesuai dengan judul kami
dengan menggunakan Microsoft Excel dan aplikasi Geoda.

Terima kasih sebesar besarnya juga kami ucapkan kepada semua pihak
yang telah membantu dalam pembuatan modul ini terutama kepada:

1. Bapak Gatot Subroto, S.T., M.Ars. sebagai dosen pengampu mata

kuliah Metode Analisa Perencanaan I yang telah memberikan
masukan dan saran selama proses penyusunan modul ini.
2. Bapak Widiyanto Hari Subagyo Widodo, ST., M.Sc yang juga
sebagai dosen pengampu mata kuliah Metode Analisa Perencanaan I
yang telah memberikan pengetahuan dan bimbingan selama
pembelajaran Metode Analisa Perencanaan I.
3. Seluruh anggota kelompok 6 yang berkontribusi terhadap
penyusunan modul ini dari awal hingga akhir, dan seluruh pihak
lainnya yang tidak bisa kami sebutkan satu per satu.

Di dalam penyusunan modul ini kami menyadari masih terdapat banyak

kekurangan dan masih jauh dari kata sempurna, maka dari itu kami memohon
kritik dan saran yang membangun dari pembaca untuk menyempurnakan modul
ini, untuk kemajuan studi kami berikutnya, dan dapat membantu pihak-pihak yang
berkepentingan.
 2 DAFTAR ISI

Contents
KATA PENGANTAR ............................................................................................ 2
DAFTAR ISI ........................................................................................................... 3
BAB I PENDAHULUAN ....................................................................................... 4
BAB II PEMBAHASAN ........................................................................................ 6
2.1 INDEKS WILLIAMSON ......................................................................... 6
2.1.1 Dasar Teori ........................................................................................ 6
2.1.2 Studi Kasus........................................................................................ 6
2.1.3 Langkah Kerja ................................................................................... 7
2.1.4 Interpretasi Hasil Analisis ............................................................... 13
2.2 INDEKS THEILL .................................................................................. 14
2.2.1 Dasar Teori ...................................................................................... 14
2.2.2 Studi Kasus...................................................................................... 15
2.2.3 Langkah Kerja ................................................................................. 15
2.2.4 Interpretasi Hasil Analisis ............................................................... 21
2.3 KURVA LORENZ ................................................................................. 22
2.3.1 Dasar Teori ...................................................................................... 22
2.3.2 Studi Kasus...................................................................................... 23
2.3.3 Langkah Kerja ................................................................................. 24
2.3.4 Interpretasi Hasil Analisis ............................................................... 32
2.4 MORANSI .............................................................................................. 33
2.4.1 Dasar Teori ...................................................................................... 33
2.4.2 Studi Kasus...................................................................................... 36
2.4.3 Langkah Kerja ................................................................................. 36
2.4.4 Interpretasi Hasil Analisis ............................................................... 42
 1 BAB I

PENDAHULUAN

Analisis adalah suatu proses untuk memecahkan sesuatu ke dalam bagian-

bagian yang saling berkaitan satu dengan yang lainnya (Gorys Keraf). Analisis
menurut Komariyah (2014:200) adalah suatu usaha untuk mengurai masalah
atau focus kajian menjadi bagian-bagian (decomposition), sehingga susunan
atau tatanannya dalam bentuk sesuatu yang diurai tampak jelas dan karenanya
bisa lebih terang ditangkap maknanya atau lebih jernih dimengerti duduk
perkaranya. Jadi dapat disimpulkan bahwa analisis adalah proses yang
memecahkan sesuatu menjadi bagian-bagian yang berkaitan agar dapat terurai
dengan jelas, sehingga maknanya dapat ditangkap dengan jelas.

Ekonomi merupakan studi tentang keputusan dalam memilih dalam setiap

tindakan yang akan mungkin di ambil atau ilmu ekonomi mempelajari hal yang
mengenai segala yang terjadi jika terdapat keputusan bermacam-macam pada
orang yang berupaya saling mempengaruhi satu sama lainnya (Jack Hirshleifer).
Secara umum, ekonomi adalah bidang kajian yang berhubungan dengan
pengurusan sumber daya material individu, masyarakat, serta negara untuk
meningkatkan kesejahteraan kehidupan manusia. Maka dapat disimpulkan
bahwa, ekonomi merupakan sebuah studi keilmuan mengenai bidang
pengurusan sumber daya yang ada untuk kesejahteraan bersama.

Untuk itu, analisis ekonomi merupakan sebuah analisis yang bertujuan

untuk mengetahui mengenai keadaan perekonomian di suatu wilayah. Melalui
analisis ini berguna untuk mengetahui sektor apa saja yang menjadi unggulan di
wilayah tersebut. Keberadaan analisis ekonomi akan dapat membantu
meningkatkan pembangunan perekonomian di suatu wilayah. Pembangunan
ekonomi itu sendiri merupakan usaha-usaha yang digunakan untuk
meningkatkan taraf hidup suatu negara yang diukur di dalam tinggi rendahnya
pendapatan per kapita. Menurut Sadono Sukirno (1996:33) pembangunan
ekonomi adalah usaha untuk meningkatkan pendapatan per kapita dengan jalan
mengolah kekuatan ekonomi potensial menjadi ekonomi riil melalui penanaman
modal, penggunaan teknologi, penambahan pengetahuan, peningkatan
ketrampilan, penambahan kemampuan berorganisasi dan manajemen.
Pembangunan ekonomi berjalan bersamaan dengan pertumbuhan ekonomi
karena pertumbuhan ekonomi menjadi salah satu indikator keberhasilan dari
pembangunan. Pertumbuhan ekonomi berkaitan dengan proses kenaikan
pengeluaran perkapita yang terus menerus dalam jangka panjang. Dalam
pelaksanaannya, masih banyak terdapat ketimpangan dalam pembangunan yang
terjadi di Indonesia. Hal ini disebabkan oleh perbedaan letak geografis,
perbedaan potensi dan masalah yang ada di setiap wilayah, dan kualitas sumber
daya manusia, sehingga terdapatwilayah yang maju dan ada yang tertinggal.

Pada modul ini akan dijelaskan beberapa metode yang digunakan di dalam
menganalisa perekonomian yang terdiri atas Metode Indeks Wiliamson yang
berguna untuk mengukur ketimpangan pendapatan atau kesenjangan antar
wilayah ; Indeks Theil yang berguna untuk mengukur ketimpangan ekonomi dan
fenomena ekonomi; Kurva Lorenz merupakan kurva mengenai ketidakmerataan
yang berhubungan dengan pendapatan atau kekayaan; dan Metode terakhir
yaitu Metode Moransi yang merupakan ukuran dari keterhubungan objek pada
hasil pengamatan yang saling berdekatan dalam suatu wilayah.
 2 BAB II

PEMBAHASAN

2.1 INDEKS WILLIAMSON

2.1.1 Dasar Teori
2.1.1.1 Pengertian Indeks Williamson
Indeks Williamson merupakan metode analisis yang digunakan untuk
mengetahui dan mengukur tingkat ketimpangan pendapatan yang terjadi di suatu
wilayah. Tinggi rendahnya suatu tingkat disparitas dapat dilihat apabila nilainya
beraada diantara nilai 0 dan 1. Apabila, semakin mendekati nilai 0 berarti tingkat
disparitas antar wilayah semakin rendah. Namun, apabila nilai indeks
Williamsons mendekati nilai 1 berarti tingkat disparitas antar wilayahnya semakin
tidak merata.
2.1.1.2 Rumus Perhitungan Indeks Williamson

Keterangan:

• Yi = PDRB perkapita di Kab/Kota i

• Y = PDRB perkapita rata-rata provinsi

• fi = Jumlah Penduduk di Kab/Kota

• n = Jumlah penduduk provinsi

• Tolak Ukur : 0 – 0.5 = ketimpangan rendah

0.5 – 1 = ketimpangan tinggi

2.1.2 Studi Kasus
Ketimpangan yang terjadi di suatu wilayah merupakan salah satu
permasalahan serius yang harus segera ditangani. Hal ini dapat dilihat pada
Provinsi Papua yang secara administrasi memiliki 28 Kabupaten dan 1 Kota yang
megalami hal yang sama. Secara umum, pertumbuhan ekonomi yang terjadi di
kabupaten/kota Provinsi Papua tidak terlalu tinggi. Akan tetapi, pertumbuhan
ekonomi yang hanya terpusat pada kabupaten induk membuat ketidakmerataan
pembangunan di Provinsi ini. Potensi besar yang dimiliki provinsi ini tidak dapat
dimanfaatkan dengan baik kareta pemerataan infrastruktur dan pembangunan
aksesblitas antar wilayahnya belum maksimal, sehingga ketimpangan yang terjadi
terlihat dengan jelas. Melalui hal tersebut, kami akan melakukan perhitungan
dengan menggunakan metode analisis Wiliamson untuk mengetahui tingkat
ketimpangan yang terjadi di Provinsi Papua.
2.1.3 Langkah Kerja
A. Data
 Jumlah Penduduk (Jiwa) PDRB Perkapita Atas Dasar Harga Berlaku
Kabupaten
2017 2018 2019 2020 2021 2017 2018 2019 2020 2021
22338 22571 22741 23093 23169 12.880.197,7 14.536.817,9 16.023.135,3 16.037.189,5 16.731.240,8
Merauke
9 4 1 2 6 2 2 4 6 6
21281 21499 21788 26955 27329
Jayawijaya 6.802.801,85 7.614.070,79 8.331.539,26 8.269.882,36 8.455.277,80
1 4 7 3 1
12597 12858 13180 16617 16847 12.891.148,4 14.531.351,2 16.381.306,1 16.062.753,7 17.177.622,7
Jayapura
5 7 2 1 6 2 4 2 2 9
14510 14792 15030 16913 17091 10.340.871,9 11.084.220,0 11.194.890,9 12.044.693,2
Nabire 9.483.997,59
1 1 8 6 4 4 5 0 3
10120 11267 11421
Kepulauan Yapen 95007 97412 3.610.759,64 3.907.656,82 4.250.565,02 4.152.741,46 4.485.396,89
4 6 0
14469 14840 15240 13465 13523
Biak Numfor 4.991.922,71 5.183.882,22 5.486.107,53 5.223.669,50 5.495.536,48
7 4 1 0 1
17019 17339 17741 22041 22346
Paniai 3.529.979,29 3.894.878,91 4.181.796,55 4.283.393,78 4.446.734,78
3 2 0 0 7
12359 12611 12930 22452 22764
Puncak Jaya 1.207.060,98 1.300.994,67 1.404.627,28 1.387.234,12 1.407.071,97
1 3 0 7 1
21041 21549 21968 31196 31629 74.227.269,0 85.333.875,0 54.834.540,2 63.393.415,7 95.228.231,2
Mimika
3 3 9 9 5 6 1 8 5 0
Boven Digoel 66209 67717 69211 64285 64716 4.264.634,00 4.566.549,78 4.818.163,77 4.821.050,40 4.958.684,10
10329 10829 10957
Mappi 94671 99599 2.428.701,71 2.674.531,74 2.957.682,98 2.995.009,66 3.100.289,82
2 5 9
11010 11163
Asmat 92909 95606 97490 2.038.249,15 2.258.836,80 2.470.834,23 2.569.010,86 2.694.634,31
5 2
18702 18909 19088 35088 35574
Yahukimo 2.049.187,57 2.231.866,09 2.422.166,84 2.504.255,58 2.626.037,93
1 2 7 0 6
Pegunungan
73473 74396 75788 77872 78178 1.620.159,59 1.763.242,60 1.913.609,00 1.968.754,16 2.079.566,63
Bintang
 Jumlah Penduduk (Jiwa) PDRB Perkapita Atas Dasar Harga Berlaku
Kabupaten
2017 2018 2019 2020 2021 2017 2018 2019 2020 2021
13657 13769 13911 23698 24027
Tolikara 1.346.817,43 1.463.354,55 1.593.214,05 1.672.316,20 1.720.528,85
6 5 1 6 2
Sarmi 38210 39406 40515 41515 41849 2.292.218,73 2.534.430,42 2.819.691,88 2.938.839,74 3.113.047,98
Keerom 55018 55799 57100 61623 62157 2.540.848,76 2.701.905,41 2.855.769,65 2.924.343,71 3.070.627,35
Waropen 29480 30612 31514 33943 34414 1.762.695,91 1.916.368,63 2.052.786,84 2.044.761,02 2.117.286,75
Supiori 19104 20018 20710 22547 22860 893.200,62 946.748,46 1.009.182,25 1.042.046,53 1.087.346,71
Mamberamo Raya 22313 23307 24086 36483 36989 1.333.828,01 1.484.862,81 1.646.546,47 1.722.532,99 1.835.562,16
10653 10792
Nduga 97012 97517 98595 1.019.098,32 1.118.455,39 1.216.569,56 1.269.942,27 1.345.724,47
3 1
17668 17768 17899 19639 19868
Lanny Jaya 1.530.443,55 1.676.460,88 1.828.866,55 1.930.042,15 2.020.051,93
7 2 5 9 6
Mamberamo
47487 48090 48201 50685 51160 988.831,57 1.080.533,34 1.163.650,26 1.213.549,36 1.261.727,85
Tengah
10197 10338
Yalimo 60822 61115 62605 1.007.186,18 1.115.609,90 1.221.433,89 1.283.663,57 1.354.408,92
3 7
10782 11118 11320 11474 11547
Puncak 1.150.191,15 1.286.280,95 1.400.812,17 1.438.051,20 1.513.264,81
2 2 4 1 4
11620 11781
Dogiyai 94997 96590 97902 1.098.784,65 1.207.712,89 1.313.231,87 1.355.634,40 1.411.759,29
6 8
13504 13691
Intan Jaya 48318 48812 49293 1.086.636,90 1.183.785,69 1.248.658,73 1.273.026,86 1.303.563,47
3 6
10046
Deiyai 72206 72486 73199 99091 1.157.359,22 1.267.399,51 1.389.136,93 1.435.664,55 1.492.901,19
6
29369 29777 30019 39847 40400 28.117.031,3 30.422.576,2 32.325.747,5 32.032.133,9 33.199.634,4
Kota Jayapura
0 5 2 8 4 5 7 0 4 5
B. Langkah-langkah Perhitungan
Berikut merupakan langkah-langkah dalam melakukan
perhitungan indeks Williamson untuk menghitung tingkat
ketimpangan yang terjadi di Provinsi Papua dengan menggunakan
excel :

1. Langkah pertama, yaitu memasukkan data penduduk

dan data PDRB per kapita Provinsi Papua ke dalam
excel.

2. Setelah semua data dimasukkan, lalu ditotal pada masing-

masing tahun untuk data penduduk dan data PDRB per
kapita. Setelah itu, data PDRB per kapita dicari rata-rata
untuk setiap tahunnya dengan cara berikut.
3. Selanjutnya mencari proporsi penduduk. Caranya dengan
membagi data tahun tiap daerah dengan total jumlah
penduduk dalam satu tahun, seperti rumus pada gambar.

4. Setelah mendapatkan proporsi, kita lanjut mencari kuadran

simpangan nilai tengah PDRB perkapita. Caranya adalah
data PDRB per kapita satu daerah dikurangi dengan
rata- rata dalam 1 tahun lalu dikuadratkan.
5. Setelah itu, kita menghitung proporsi kali kuadran
simpangan. Dengan cara mengalikan (*) nilai proporsi
pada tiap daerah dengan simpangan kuadran tiap
daerah.

6. Berikutnya, kita mencari nilai akar dari jumlah proporsi

penduduk yang dikalikan dengan kuadran simpangan nilai
tengah. Dilakukan dengan cara klik (=), lalu untuk mencari
nilai akarnya ketik SQRT (total jumlah proporsi
penduduk yang dikalikan dengan kuadran simpangan).
 7. Kemudian, setelah mendapatkan nilai akar, lalu kita
mencari nilai indeks Williamson dengan cara membagi
proporsi penduduk kali kuadran simpangan dengan
rata-rata PDRB per kapita.

2.1.4 Interpretasi Hasil Analisis

Berikut hasil analisis Indeks Williamson yang dapat dibuat dalam bentuk
grafik:

GRAFIK INDEKS WILIAMSON

4
3,5
3
2,5
2
1,5
1
0,5
0
2017 2018 2019 2020 2021

Melalui hasil analisis Indeks Williamson yang dapat dilihat dari hasil
grafik di atas menunjukkan bahwa Provinsi Papua memiliki tingkat ketimpangan
yang cukup besar karena nilai nya melebihi 1.
2.2 INDEKS THEILL
2.2.1 Dasar Teori
2.2.1.1 Pengertian Indeks Theill
Ketimpangan wilayah adalah salah satu permasalahan yang selalu timbul
dalam pembangunan, terutama ketimpangan terhadap ekonomi. Hal itu biasanya
disebabkan oleh perbedaan sumber daya alam dan infrastruktur yang dimiliki oleh
suatu daerah. Ketimpangan ekonomi sering digunakan untuk indikator perbedaan
pendapatan perkapita rata-rata, antar kelompok tingkat pendapatan, antar
kelompok lapangan kerja, dan antar wilayah. Selain menggunakan Indeks
Williamson untuk mengetahui ketimpangan pendapatan di suatu wilayah, Indeks
Theil juga bisa digunakan untuk mengukur ketimpangan pendapatan tersebut.
Indeks Entropi Theil adalah salah satu metode untuk mengukur
ketimpangan terhadap pendapatan suatu wilayah. Kelebihan dari indeks entropi
theil ini yaitu hanya menghasilkan satu nilai tunggal yang dapat melihat
ketimpangan dalam wilayah dan antar wilayah. Menurut Kuncoro (2001) konsep
Entropi Theil dari suatu distribusi pada dasarnya merupakan aplikasi konsep teori
informasi dalam mengukur ketimpangan ekonomi dan konsentrasi industri. Data
yang diperlukan dalam analisis Indeks Theil adalah Produk Domestik Regional
Bruto (PDRB) per kapita dan jumlah penduduk untuk setiap wilayah.

2.2.1.2 Rumus Perhitungan Indeks Theill

Menurut Ying dalam Kuncoro (2004:134) rumus indeks entropi Theil
sebagai berikut:

Dimana :
Yij = PDRB Per Kapita Kabupaten/Kota j
Nij = Jumlah Penduduk Masing-Masing Kabupaten/Kota
Y = Jumlah PDRB PerKapita
N = Jumlah Penduduk
Catatan : Apabila nilai dari Indeks Theil mendekati 1 maka terjadi
ketimpangan yang semakin besar dan apabila nilainya mendekati 0 maka
ketimpangan semakin kecil atau rata.
2.2.2 Studi Kasus
Provinsi Papua merupakan Propinsi paling Timur di Republik Indonesia
dan merupakan daerah yang relatif belum banyak dirambah oleh aktivitas manusia
dibanding daerah lain di Indonesia. Papua kaya akan sumber daya alam dan hal ini
merupakan bekal utama daerah ini untuk berkembang. Tanahnya yang luas
dipenuhi oleh hutan, laut dan keaneka ragaman biotanya dan berjuta-juta tanahnya
yang cocok untuk tanah pertanian. Jika dilihat dari Produk Domestik Regional
Bruto (PDRB), memang ada kesenjangan ekonomi cukup besar antarwilayah
kabupaten/kota di Provinsi Papua. Perekonomian Kota Jayapura menurut besaran
PDRB harga berlaku tanpa tambang mencapai Rp33 triliun pada 2021. Sementara
PDRB Kabupaten Jayapura dan Kota Merauke di kisaran Rp16 triliun. Namun,
nilai PDRB sebagian besar kabupaten/kota lainnya sangat jauh di bawah kisaran
tersebut, seperti terlihat pada grafik. Posisi terendah ditempati Kabupaten Supiori
dengan PDRB harga berlaku tanpa tambang hanya Rp1,08 triliun. Demikian pula
Kabupaten Mamberamo Tengah yang hanya Rp1,24 triliun. Kondisi
perekonomian yang tidak merata ini diperkirakan akan menjadi kendala bagi
rencana pemekaran wilayah Papua. Diperlukan untuk nengetahui penyebab
adanya erubahan ekonomi yang negatif secara langsung maupun tidak yang dapat
berpengaruh terhadap ketimpangan regioanl. Dengan hal itu maka konsep Entropi
Theil merupakan salah satu aplikasi konsep teori informasi untuk mengukur
ketimpangan ekonomi dan konsentrasi industri yang ada di suatu wilayah. Untuk
itu maka data yang diperlukan yaitu jumlah penduduk pada Provinsi Papua yaitu
Produk Domestik Regional Bruto (PDRB) dan Jumlah Penduduk.
2.2.3 Langkah Kerja
A. Data

Jumlah Penduduk (Jiwa)

Kabupaten
2017 2018 2019 2020 2021
Merauke 223389 225714 227411 230932 231696
Jayawijaya 212811 214994 217887 269553 273291
Jayapura 125975 128587 131802 166171 168476
Nabire 145101 147921 150308 169136 170914
Kepulauan Yapen 95007 97412 101204 112676 114210
Biak Numfor 144697 148404 152401 134650 135231
Paniai 170193 173392 177410 220410 223467
 Jumlah Penduduk (Jiwa)
Kabupaten
2017 2018 2019 2020 2021
Puncak Jaya 123591 126113 129300 224527 227641
Mimika 210413 215493 219689 311969 316295
Boven Digoel 66209 67717 69211 64285 64716
Mappi 94671 99599 103292 108295 109579
Asmat 92909 95606 97490 110105 111632
Yahukimo 187021 189092 190887 350880 355746
Pegunungan Bintang 73473 74396 75788 77872 78178
Tolikara 136576 137695 139111 236986 240272
Sarmi 38210 39406 40515 41515 41849
Keerom 55018 55799 57100 61623 62157
Waropen 29480 30612 31514 33943 34414
Supiori 19104 20018 20710 22547 22860
Mamberamo Raya 22313 23307 24086 36483 36989
Nduga 97012 97517 98595 106533 107921
Lanny Jaya 176687 177682 178995 196399 198686
Mamberamo Tengah 47487 48090 48201 50685 51160
Yalimo 60822 61115 62605 101973 103387
Puncak 107822 111182 113204 114741 115474
Dogiyai 94997 96590 97902 116206 117818
Intan Jaya 48318 48812 49293 135043 136916
Deiyai 72206 72486 73199 99091 100466
Kota Jayapura 293690 297775 300192 398478 404004

PDRB Perkapita Atas Dasar Harga Berlaku

Kabupaten
2017 2018 2019 2020 2021
Merauke 12.880.197,72 14.536.817,92 16.023.135,34 16.037.189,56 16.731.240,86
Jayawijaya 6.802.801,85 7.614.070,79 8.331.539,26 8.269.882,36 8.455.277,80
Jayapura 12.891.148,42 14.531.351,24 16.381.306,12 16.062.753,72 17.177.622,79
Nabire 9.483.997,59 10.340.871,94 11.084.220,05 11.194.890,90 12.044.693,23
Kepulauan Yapen 3.610.759,64 3.907.656,82 4.250.565,02 4.152.741,46 4.485.396,89
Biak Numfor 4.991.922,71 5.183.882,22 5.486.107,53 5.223.669,50 5.495.536,48
Paniai 3.529.979,29 3.894.878,91 4.181.796,55 4.283.393,78 4.446.734,78
Puncak Jaya 1.207.060,98 1.300.994,67 1.404.627,28 1.387.234,12 1.407.071,97
Mimika 74.227.269,06 85.333.875,01 54.834.540,28 63.393.415,75 95.228.231,20
Boven Digoel 4.264.634,00 4.566.549,78 4.818.163,77 4.821.050,40 4.958.684,10
Mappi 2.428.701,71 2.674.531,74 2.957.682,98 2.995.009,66 3.100.289,82
Asmat 2.038.249,15 2.258.836,80 2.470.834,23 2.569.010,86 2.694.634,31
Yahukimo 2.049.187,57 2.231.866,09 2.422.166,84 2.504.255,58 2.626.037,93
Pegunungan
1.620.159,59 1.763.242,60 1.913.609,00 1.968.754,16 2.079.566,63
Bintang
Tolikara 1.346.817,43 1.463.354,55 1.593.214,05 1.672.316,20 1.720.528,85
Sarmi 2.292.218,73 2.534.430,42 2.819.691,88 2.938.839,74 3.113.047,98
 PDRB Perkapita Atas Dasar Harga Berlaku
Kabupaten
2017 2018 2019 2020 2021
Keerom 2.540.848,76 2.701.905,41 2.855.769,65 2.924.343,71 3.070.627,35
Waropen 1.762.695,91 1.916.368,63 2.052.786,84 2.044.761,02 2.117.286,75
Supiori 893.200,62 946.748,46 1.009.182,25 1.042.046,53 1.087.346,71
Mamberamo
1.333.828,01 1.484.862,81 1.646.546,47 1.722.532,99 1.835.562,16
Raya
Nduga 1.019.098,32 1.118.455,39 1.216.569,56 1.269.942,27 1.345.724,47
Lanny Jaya 1.530.443,55 1.676.460,88 1.828.866,55 1.930.042,15 2.020.051,93
Mamberamo
988.831,57 1.080.533,34 1.163.650,26 1.213.549,36 1.261.727,85
Tengah
Yalimo 1.007.186,18 1.115.609,90 1.221.433,89 1.283.663,57 1.354.408,92
Puncak 1.150.191,15 1.286.280,95 1.400.812,17 1.438.051,20 1.513.264,81
Dogiyai 1.098.784,65 1.207.712,89 1.313.231,87 1.355.634,40 1.411.759,29
Intan Jaya 1.086.636,90 1.183.785,69 1.248.658,73 1.273.026,86 1.303.563,47
Deiyai 1.157.359,22 1.267.399,51 1.389.136,93 1.435.664,55 1.492.901,19
Kota Jayapura 28.117.031,35 30.422.576,27 32.325.747,50 32.032.133,94 33.199.634,45

B. Langkah-langkah perhitungan Indeks Theill

Berikut merupakan langkah-langkah dalam melakukan perhitungan Indeks
Theil untuk menghitung tingkat ketimpangan pendapatan yang terjadi di Provinsi
Papua dengan menggunakan excel.
1. Masukan data jumlah penduduk dan data PDRB per kapita untuk
dihitung Indeks Theilnya.

2. Setelah memasukkan data jumlah penduduk dan data PDRB selanjutnya

total pada masing-masing tahun untuk data penduduk dan data PDRB
per kapita.
3. Selanjutnya yaitu menghitung Indeks Theil, untuk menghitung Indeks
Theil maka diperlukan menghitung satu-persatu bagian dari rumus yang
sudah diterangkan di langkah ke-2. Buatlah tabel baru yang kosong dan
beri judul “Tabel 1” untuk menghitung rumus (Yij/Y). Yij = PDRB
Per Kapita Kabupaten/Kota j di Papua

Rumus pengerjaanya dapat dilihat pada gambar berikut :

4. Kemudian untuk rumus selanjutnya. Buat terlebih dahulu tabel baru

dengan judul “Tabel 2”, dan rumus yang perlu dihitung ialah (nij/N).

Rumus dapat di terapkan berdasarkan gambar di bawah ini :

5. Setelah itu buat tabel baru kembali dengan judul “Tabel 3” untuk
menghitung rumus [(Yij / Y)/nij / N)]. Rumus dapat dilihat pada gambar
di bawah ini.

6. Selanjutnya yaitu membuat kembali tabel baru dengan judul “Tabel 4”

untuk menghitung rumus Log[(Yij / Y)/nij / N)]. Berdasarkan hasil dari
perhitungan pada “Tabel 3”. Untuk rumusnya bisa dilihat pada gambar di
bawah ini.
7. Langkah selanjutnya setelah membuat tabel 4 yaitu membuat tabel baru
dengan judul “Tabel 5” sebagai pengabungan dari semua rumus yang telah
dihitung. Kalikan hasil pada “Tabel 1” dengan hasil pada “Tabel 4”
untuk mendapatkan hasil dari Indeks Theil.

8. Setelah itu mencari rata-rata pertumbuhan dari Indeks Theil di

Provinsi Papua dengan rumus (=Average) dari “Tabel 5”. Dan rata-
rata tersebut yang akan menjadi hasil dari Indeks Theil di Provinsi Papua.

9. Langkah terakhir yaitu mengurutkan hasil dari Rata-rata Indeks Theil

pada tahun 2014-2020.
Hasil
2017 0,27
2018 0,357
 2019 0,183
2020 0,124
2021 0,311
Rata-rata 0,249

Apabila Indeks Theil mendekati 1 maka terjadi ketimpangan yang

semakin besar dan apabila Indeks Theil mendekati 0 maka ketimpangan
semakin mengecil atau semakin rata.
2.2.4 Interpretasi Hasil Analisis
Berdasarkan dari data analisis di atas dapat diketahui bahwa Indeks
Entropi Theil di Provinsi Papua pada tahun 2017-2021 memiliki nilai
rata-rata yaitu 0,249. Dapat dilihat bahwa ketimpangan pada Provinsi
Papua paling tinggi berada pada tahun 2018. Berdasarkan nilai dari
ketimpangan pendapatan yang ada di Provinsi Papua . Provinsi ini
memiliki nilai Indeks Theil mendekati 0 dimana dapat diartikan bahwa
ketimpangan di Provinsi Papua ini belum bisa dibilang stabil dan
membaik setiap tahunnya.
2.3 KURVA LORENZ
2.3.1 Dasar Teori
2.3.1.1 Pengertian Kurva Lorenz
Dalam bidang ekonomi konsep kesimetrisan kurva lorenz digunakan untuk
mengukur ketimpangan. Kurva Lorenz menggambarkan distribusi kumulatif
pendapatan nasional, dengan hubungan kuantitatif antara presentase populasi
penerima pendapatan dengan presentase total pendapatan dalam jangka waktu
tertentu. Kurva in biasanya disebut dengan kurva bujur sangkar dimana sisi
tegaknya yaitu sebagai presentase kumulatif pendapatan nasional, sisi datarnya
yaitu sebagai presentase kumulatif penduduk. Untuk kurvanya sendiri di
tempatkan di diagonal utama bujur sangkar. Apabila kurva lorenz semakin dekat
dengan diagonal, dan garisnya semakin lurus maka distribusi pendapatan nasional
tersebut semakin merata. Namun apabila kurva lorenz semakin jauh dengan
diagonal, dan garisnya melengkung maka distribusi pendapatan nasional
mengalami ketimpangan dan tidak merata. Teori ini dikemukakan oleh Lincolin
Arsyad (1997). Adapun contoh dari kurva lorenz adalah sebagai berikut.

Kurva Lorenz tidak terlepas dari koefisien gini atau biasanya disebut
denga gini ratio. Dimana ratio gini ini mengukur ketimpangan nilai dengan
melihat distribusi frekuensinya yang biasanya dipakai untuk menghitung
ketimpangan pendapatan rakyat di suatu wilayah. Mahyudi (2004) berpendapat
bahwa koefisien gini ratio adalah hasil perbandingan daerah/luas antara kurva
lorenz dan garis merata sempurna dengan luas daerah segitiga. Dalam membentuk
ratio gini, grafik presentase dari kumulatif penduduk termiskin dampai dengan
terkaya digambarkan 18 pada sumbu horizontal, sedangkan presentase kumulatif
pengeluaran pendapatan digambarkan dengan sumbu vertikal. Dimana koefisien
gini adalah perbandingan luas daerah antara kurva lorenz dengan garis lurus 45°
terhadap luas daerah yang berada di bawah garis 45°. Adapun alat ukur
ketimpangan yaitu:
1. Koefisien gini memiliki nilai antara 0 dan 1, apabila nilai koefisien gini
semakin tinggi maka semakin besar pula ketimpangan
2. Untuk mengetahui ketimpangan rendah, sedangm dan tinggi dapat dilihat
dari klasifikasi berikut :
• Apabila nilai dari ratio gini < 0,4 maka distribusi pendapatan
berada pada ketimpangan rendah.
• Apabila nilai dari ratio gini 0,4 ≤ GR ≤ 0,5 berarti distribusi
pendapatan berada pada ketimpangan sedang.
• Apabila nilai dari ratio gini > 0,5 maka distribusi pendapatan
berada pada ketimpangan yang tinggi.

2.3.1.2 Rumus Kurva Lorenz

Adapun rumus untuk menghitung koefisien gini yaitu:

Dimana:
GR : koefisien Gini (Gini Ratio)
Xk : kumulatif proporsi populasi
Yk : kumulatif proporsi income/pendapatan (Yk diurutkan dari
kecil ke besar)

2.3.2 Studi Kasus

Perekonomian Papua berdasarkan besaran Produk Domestik Regional
Bruto (PDRB) atas dasar harga berlaku triwulan II-2022 mencapai Rp 65,49
triliun dan atas dasar harga konstan 2010 mencapai Rp 43,16 triliun. Ekonomi
Papua triwulan II-2022 terhadap triwulan II-2021 mengalami pertumbuhan
sebesar 14,38 persen (y-on-y). Dari sisi produksi, Lapangan Usaha Pertambangan
dan Penggalian mengalami pertumbuhan tertinggi sebesar 29,92 persen. Dari sisi
pengeluaran, Komponen Ekspor Barang dan Jasa Luar Negeri mengalami
pertumbuhan tertinggi sebesar 55,68 persen. Kesejahteraan ekonomi suatu
masyarakat pada suatu wilayah salah satunya tergantung dari pendapatan
masyarakat. Dengan berbedanya pekerjaan pada setiap orang membuat
pendapatan yang diterima berbeda pula sehingga mengakibatkan tingkat
heterogenitas ekonomi masyarakat. Hal tersebut membuat Pemerintah harus
berhati-hati dalam membuat suatu kebijakan di bidang ekonomi. Oleh karena itu,
kondisi distribusi pendapatan atau pengeluaran konsumsi harus diketahui sebagai
dasar perencanaan sehingga tepat dalam mengambil kebijakan. Tujuan dari
penelitian ini adalah untuk mengetahui distribusi pengeluaran rumah tangga di
Provinsi Papua dan mengungkapkan fungsi kurva Lorenz berdasarkan distribusi
pengeluaran tersebut.

2.3.3 Langkah Kerja

A. Data

B. Langkah - langkah Perhitungan

➢ Koefisien Gini
1. Langkah pertama yaitu memasukkan data dengan
menggabungkan 3 tabel yang terdiri dari kabupaten/kota, jumlah
 penduduk, dan rata-rata pengeluaran rumah tangga sebulan dan
juga menjumlahkan data yang telah dimasukkan tersebut.

2. Selanjutnya membuat satu tabel untuk mencari data %

kumulatif penduduk (Xk). Dimana langkah awalnya mencari
nilai dari tabel biru dengan rumus (jumlah penduduk
awal/jumlah total penduduk). Dan selanjutnya mencari nilai
dari % kumulatif penduduk (Xk) dengan cara (nilai tabel
biru+jumlah penduduk pada kolom kedua/jumlah
keseluruhan). Untuk lebih jelasnya dapat dilihat pada gambar di
bawah ini.
3. Setelah itu membuat tabel baru untuk menghitung jumlah
pengeluaran dengan rumus (Jumlah penduduk* rata-rata
pengeluaran rumah tangga). Dan juga menjumlahkan hasilnya.
Dapat dilihat pada gambar di bawah ini.

4. Langkah berikutnya yaitu mencari nilai dari % kumulatif

pengeluaran atau variable (Yk) dengan menggunakan rumus
(Jumlah pengeluaran/Total pengeluaran). Untuk lebih jelasnya
bisa dilihat pada gambar di bawah ini.
5. Dan selanjutnya mencari data Xk-Xk-1. Dimana untuk baris
pertama nilainya sama dengan nilai % kumulatif penduduk
(Xk). Sedangkan untuk nilai pada baris 2 yaitu menggunakan
rumus (nilai % kumulatif pada data di bawah – nilai %
kumulatif 22 pada data yang akan dihitung). Untuk lebih
jelasnya bisa dilihat pada gambar di bawah ini.
6. Setelah itu dilanjutkan dengan mencari data Yk+Yk-1. Dimana
untuk baris pertama nilainya sama dengan nilai % kumulatif
pengeluaran (Yk). Sedangkan untuk nilai pada baris 2 yaitu
menggunakan rumus (nilai % kumulatif pada data di bawah +
nilai % kumulatif pada data yang akan dihitung). Untuk lebih
jelasnya bisa dilihat pada gambar di bawah ini.

7. Selanjutnya untuk menentukan nilai dari koefisien gini mana

ditambahkan tabel untuk menghitung (Xk-Xk-1)*(Yk+Yk-1).
Untuk lebih jelasnya dapat dilihat pada gambar di bawah ini.
8. Langkah selanjutnya menghitung koefisien gini dengan rumus 1-
(total jumlah (XkXk-1)*(Yk+Yk-1)

9. Kemudian untuk melanjutkan ke kurva Lorenz yaitu dengan

penambahan satu tabel data untuk menghitung % jumlah
kumulatif pengeluaran. Dimana pada kolom baris pertama
nilanya sama dengan % kumulatif pengeluaran (Yk). Untuk
baris selanjutnya dengan rumus (% kumulatif pengeluaran +
% jumlah kumulatif pengeluaran pada baris sebelumnya).
Untuk lebih jelasnya dapat dilihat pada gambar di bawah ini.
➢ Kurva Lorenz
1. Langkah pertama pilih insert lalu tekan scatter dan pilih
grafik nomor 3

2. Setelah memilih grafik nomor 3 langkah selanjutnya yaitu

klik select data

3. Kemudian add data dan isi series name dengan nama

Equality dan series X dengan nilai % kumulatif
penduduk (Xk) dengan cara memblok semua nilai dan
series Y dengan data yang sama yaitu % kumulatif
penduduk (Xk) dengan cara memblok semua nilai.
Kemudian tekan OK.
4. Selanjutnya tekan add data lagi dan isi series name
dengan nama Lorenz dan series X dengan % kumulatif
penduduk (Xk) dan series Y dengan data data %
jumlah kumulatif pengeluaran. Untuk lebih jelasnya
dapat dilihat pada gambar di bawah ini
 5. Langkah terakhir yaitu klik Oke dan muncullah kurva
lorenz

2.3.4 Interpretasi Hasil Analisis

1,2

0,8

0,6

0,4

0,2

0
0 0,2 0,4 0,6 0,8 1 1,2

Equality Lorenz

Dari Hasil analisis rata-rata pengeluaran rumah tangga antar

kabupaten/kota di Provinsi Papua maka bisa diinterpretasikan dengan melihat dari
grafik kurva lorenz di atas bahwa garis lorenz relatif mendekati garis equality.
Selain itu, untuk nilai koefisien gini yaitu 0.916373028
2.4 MORANSI
2.4.1 Dasar Teori
Moran’s merupakan suatu analisis yang berasal dari hasil pengembangan
dari analisis korelasi pearson pada data univariate serias indeks moran
(Moran’s),dalam kasus autokorelasi spasial global dan mengkuantifikasi
kesamaan variable hasil antar wilayah area yang didefisnisikan sebagai spasial
terkait,permulaan dari keacakan spasial mengindikasikan pola spasial
berkelompok atau membentuk tren terhadap ruang(Pfeifer dkk 2008),analisis
metode moran’s ini merupakan metode yang paling sering digunakan secara
global,korelasi pearson(𝜌) antara varible predikator dan variable respon dengan
banyak data n dapat dirumuskan sebagai berikut :

X dan Y pada persamaan korelasi pearson tersebut merupakan rata-rata sampel

darivariabel prediktor dan respon. Nilai digunakan untuk mengukur apakah
variabel prediktor danrespon saling berkorelasi. Menurut Kosfeld, perhitungan
autokorelasi spasial dengan metode Indeks Moran dapat dilakukan dengan dua
cara yaitu:
1. Indeks Moran dengan matriks pembobot spasial tak terstandarisasi

2. Indeks Moran dengan matriks pembobot spasial terstandarisasi

Dengan:
I :Indeks moran
A :Banyaknya Lokasi Kejadian
Xi :Nilai Pada lokasi i
 Xj :Nilai pada lokasi j
:Rata-rata dari jumlah varible atau nilai
w*ij:elemen dan pembobot tak terstandarisasi antara daerah I dan
j
wij :elemen pada pembobot terstandarisasi antara daerah j dan i
Nilai yang dihasilkan dalam perhitungan indeks moran berkisar antara -1
sampai 1.atau dengan kata lain Rentang nilai dari Indeks Moran’s dalam kasus
matriks pembobot spasial terstandarisasi adalah -1 ≤ I ≤ 1. Nilai -1 ≤ I < 0
menunjukkan adanya autokorelasi spasial negatif, sedangkan nilai 0 < I ≤ 1
menunjukkan adanya autokorelasi spasial positif, nilai Indeks Moran’s bernilai
nol mengindikasikan tidak berkelompok. Nilai Indeks Moran tidak menjamin
ketepatan pengukuran jika matriks pembobot yang digunakan adalah pembobot
tak terstandarisasi. Untuk mengidentifikasi adanya autokorelasi spasial atau tidak,
dilakukan uji signifikansi Indeks Moran.
I. Hipotesis yang digunakan adalah:
H0 : I = 0 (tidak ada autokorelasi antar lokasi)
H1 : I = 0 (ada autokorelasi antar lokasi)
II. Tingkat signifikansi α
III. Statistik uji :

Dengan :
 • Kriteria uji Wij
Tolak H0 pada taraf signifikansi α jika |(𝐼)| > 𝑍1−𝛼 dengan 𝑍1−𝛼
adalah (1-α) kuantil dari l standar. Nilai dari indeks I adalah antara -1 dan
1. Apabila I > Io, data memiliki autokorelasi positif. Jika I < Io, data
memiliki autokorelasi negatif.
Moran’s scatterplot
Moran’s scatterplot digunkan untuk melihat kecenderungan umum
pengelompokan serta karakteristik setiap wilayah,yang dimana moran’s
scatterplot yang merupakan reprentasi visual dalam bentuk grafik empat kuadran
bagi setiap unit analisis yang dihitung.atau dapat juga diartikan Moran Scatterplot
merupakan alat yang digunakan untuk melihat hubungan antara nilai pengamatan
yang terstandarisasi dengan nilai rata-rata tetangga yang sudah terstandarisasi.
Jika digabungkan dengan garis regresi maka hal ini dapat digunakan untuk
mengetahui derajat kecocokan dan mengidentifikasi adanya outlier. Moran
Scatterplot dapat digunakan untuk mengidentifikasi keseimbangan atau pengaruh
spasial Tipe-tipe hubungan spasial dapat dilihat dari Gambar berikut ini.

Moran’s scatterplot sendiri terdiri dari empat kuadran (Perobelli dan haddad
2003), Yaitu sebagai berikut:
• Kuadran 1(High-High),Menunjukan lokasi yang menpunyai nilai amatan
tinggi dikelilingai oleh lokasi yang mempunyai nilai amatan tinggi
• Kuadran II (Low-High), Menunjukan lokasi yang mempunyai nilai amatan
rendah dikelilingi oleh lokasi yang mempunyai nilai amatan tinggi
• Kuadran III (Low-Low), Menunjukan lokasi yang mempunyai nilai
amatan rendah dikelilingi oleh lokasi yang mempunyai nilai amatan
rendah
• Kuadran IV (High-Low), Menunjukan lokasi yang mempunyai nilai
amatan tinggi dikelilingi oleh lokasi yang mempunyai nilai amatan rendah
 Moran’s Scatterplot menunjukan hubungan antara nilai amatan pada suatu
lokasi yang distandarisasi dengan rata-rata nilai amatan pada lokasi yang
bertetanggan dengan lokasi yang bersangkutan. Moran’s Scatterplot berupa
diagram scatterplot yang terdiri dari empat kuadran. Setiap kuadran menunjukan
pola hubungan spasial antar lokasi yaitu Low-Low (LL), LowHigh (LH), High-
Low (HL), dan High-High (HH). LL menunjukan bahwa lokasi yang mempunyai
nilai amatan rendah dikelilingi oleh lokasi yang mempunyai nilai amatan
tinggi.LH menunjukan bahwa lokasi yang mempunyai nilai amatan rendah
dikelilingi oleh lokasi yang mempunyai nilai amatan tinggi. HL menunjukkan
lokasi yang mmepunyai nilai amatan tinggi dikelilingi oleh lokasi yang
mempunyai nilai amatan rendah. Dan HH menunjukkan lokasi yang mempunyai
nilai amatan tinggi dikelilingi oleh lokasi yang mepunyai nilai amatan tinggi.
2.4.2 Studi Kasus
2.4.3 Langkah Kerja
A. Data
No Kabupaten/Kota PDRB Perkapita 2020
1 Asmat 15483333
2 Biak Numfor 20776794
3 Boven Digoel 43735036
4 Deiyai 11024370
5 Dogiyai 8777741
6 Intan Jaya 14939718
7 Jayapura 73818839
8 Jayawijaya 20374470
9 Keerom 34030276
10 Kepulauan Yapen 26648276
11 Kota Jayapura 69504336
12 Lanny Jaya 6425330
13 Membramo Raya 40009375
14 Membramo Tengah 15328038
15 Mappi 17008079
16 Merauke 43972730
17 Mimika 41076838
18 Nabire 37822311
19 Nduga 7922969
20 Paniai 9908304
21 Pegunungan Bintang 18175221
 No Kabupaten/Kota PDRB Perkapita 2020
22 Puncak 7154790
23 Puncak Jaya 7218253
24 Sarmi 43808214
25 Supiori 36188996
26 Tolikara 7500925
27 Waropen 45507562
28 Yahukimo 7851904
29 Yalimo 11985087

B. Langkah-langkah Pengerjaan
Berikut merupakan langkah – langkah menggunakan Indeks
Moran’s pada aplikasi Geoda.
1. Buka Software Geoda. Software ini digunakan untuk menganalisa
data spasial, geovisualisasi, autokorelasi spasial, dan pemodelan
spasial.

2. Kemudian, pilih peta yang ingin dianalisa (disini memakai Peta

Provinsi Papua karena berkaitan dengan studi kasus yang diambil).
Pastikan SHP yang kalian masukan pada add fieldnya sudah berisi
tabel nama kabupaten/kota dan data PDRB provinsi yang akan
kalian analisis. Kemudian pertama klik bagian yang telah diberi
lingkaran merah seperti pada gambar dibawah ini. Kemudian klik
shp ESRI Shapefile dan kemudian pilih shpnya sesuai dengan studi
lokasi yang mau dimasukan.
3. Setelah memasukkan SHP, tampilan software akan berubah seperti
gambar di bawah. Selanjut klik Toolbar Table, yang lebih jelasnya
dapat dilihat pada lingkaran berwarna merah

4. Maka, akan muncul table yang dimana memuat kode, nama

kabupaten/kota dan PDRB yang berada di Provinsi Papua, untuk
tabel lainnya bisa dihapus dengan cara : klik kanan pada judul tabel
kemudian pilih delete tabel.

5. Selanjutnya pilih weights manager pada toolbar. Lebih jelasnya

dapat dilihat pada gambar berikut.
6. Lalu akan muncul tampilan dari weights manager. Setelah itu, pilih
create.

7. Setelah pilih create, akan muncul tampilan Weights File Creation.

Kemudian Pilih add variabel untuk menambahkan ID pada
variabel.

8. Kemudian, ketik nama baru pada ID Variabel, lalu klik add

variable.
9. Setelah itu, akan muncul nama ID Variabel baru yang tadi sudah
dibuat. Selanjutnya pilih create. Nanti akan muncul tampilan kotak
untuk menyimpan output. Selanjutnya, ketikkan nama file, pilih
tempat di mana data akan disimpan, lalu klik save.

10. Setelah di save, tampilan weights manager akan berubah seperti

gambar di bawah ini.
11. Kemudian pada bagian toolbar “space”, pilih Univariate Local
Moran’s I.

12. Nanti akan muncul kotak Variabel Settings. Pilih data yang akan
dianalisis, yaitu “Hasil Produksi Pertanian”. Lalu tekan OK.

13. Akan muncul kotak What windows to open?. Karena ingin

memunculkan peta signifikansi, peta kluster, dan Moran Scatter
Plot, maka centang ketiga pilihan tersebut, lalu “OK”.
 14. Akhirnya, muncul output yang diinginkan, dan dapat dilakukan
interpretasi.
2.4.4 Interpretasi Hasil Analisis
1. Peta Kluster LISA

Berdasarkan peta kluster LISA di atas, Lany Jaya dan Jayawijaya

berada di kluster Low-Low (LL). Hal ini menunjukkan Lany Jaya dan
Jayawijaya tidak memiliki hubungan positif dengan kabupaten sekitarnya,
ketika hasil PDRB Perkapita rendah, tidak akan berdampak juga pada di
Kabupaten Sekitarnya. Sedangkan sebanyak 27 kabupaten lainnya tidak
signifikan.
2. Peta Signifikansi LISA

Berdasarkan peta signifikansi LISA menunjukkan bahwa, terdapat 5

Kabupaten/kota yang memiliki nilai signifikansi, yaitu Lany Jaya, Jayawijaya,
Keerom, Kota Jayapura, dan Mimika. Keerom dan Mimika memiliki nilai
signifikansi 0,001 dan Lanny Jaya, Jayawijaya dan Kota Jayapura dengan
signifikansi 0.05. Sedangkan terdapat 24 kabupaten/kota yang tidak
signifikansi.
3. Moran’s I Scatter Plot

Gambar di atas merupakan Moran’s I Scatter Plot dari hasil analisis

yang telah dilakukan. Yang dimana dengan Diagram Moran’s I Scatter Plot
ini, bisa diketahui hubungan antara nilai amatan pada suatu lokasi yang
distandarisasi dengan rata-rata nilai amatan pada lokasi yang bertetanggan
dengan lokasi yang bersangkutan.