SITI NURILLAH
(G1D013045)
P R O G R A M S T U D I M AT E M AT I K A
F A K U LTA S M AT E M AT I K A D A N I L M U P E N G E TA H U A N A L A M
U N I V E R S I TA S M ATA R A M
2017
1
PENDAHULUAN
2
LATAR BELAKANG
3
PENELITIAN SEBELUMNYA
Geographically Weighted Panel Regression
Rahayu, 2017 Untuk Pemodelan Persentase Penduduk
Miskin Di Provinsi Jawa Tengah
4
RUMUSAN MASALAH
5
TUJUAN PENELITIAN
6
MANFAAT PENELITIAN
7
BATASAN MASALAH
8
TINJAUAN PUSTAKA
9
ANALISIS REGRESI
Konstanta Jumlah Variabel Prediktor
Variabel Respon
Parameter regresi
p
Yi 0 k 1
k X ik i ; i 1,2,...., n
10
PENGUJIAN ASPEK SPASIAL
DEPENDENSI SPASIAL
(UJI MORAN’S I)
PENGUJIAN
ASPEK SPASIAL
HETEROGENITAS SPASIAL
(UJI BREUSCH PAGAN)
11
GEOGRAPHICALLY WEIGHTED REGRESSION
(GWR)
Pembobot Spasial
p
Yi 0 (ui , vi ) k (ui , vi ) X ik i ; i 1,2,, n
k 1
12
• PEMODELAN GWR
Jarak Euclidean
Bandwidth optimum
13
• PENGUJIAN MODEL GWR
PENGUJIAN MODEL
UJI F UJI t
14
• PENGUJIAN ASUMSI ERROR
ASUMSI MULTIKOLINEARITAS
VIF (Variance Inflation
Faktor)
15
PEMILIHAN MODEL TERBAIK
KOEFISIEN DETERMINASI
(R2) Lebih BESAR
16
METODE
PENELITIAN
17
ALAT PENELITIAN VARIABEL PENELITIAN
√ ArcView 3.3 Variabel Indikator
√ Geoda Y Jumlah Penduduk Miskin
√ GWR 4.0 X1 Angka Beban Tanggungan
√ Minitab X2 Pertumbuhan Penduduk
√
Badan Pembangunan Daerah X4 Angka Partisipasi Kasar SMA
√
Badan Pusat Statistika (BPS) X6 Rasio Fasilitas Pendidikan per 100 Penduduk
Provinsi NTB X7 Rasio Fasilitas Perekonomian per 100 Penduduk
Data Berskala
Persentase18 (%)
LANGKAH-LANGKAH PENELITIAN
Menguji
Merumuskan Mengumpulkan
Studi Literatur Kenormalan
Masalah Data
Variabel Respon
Interpretasi
Menguji Menarik
Hasil Model
Asumsi Error Kesimpulan
GWR 19
HASIL DAN
PEMBAHASAN
20
DESKRIPSI VARIABEL PENELITIAN
21
• JUMLAH PENDUDUK MISKIN PER KECAMATAN DI PULAU LOMBOK
22
• ANGKA BEBAN TANGGUNGAN PER • PERTUMBUHAN PENDUDUK PER
KECAMATAN DI PULAU LOMBOK KECAMATAN DI PULAU LOMBOK
23
• JUMLAH KELUARGA PENGGUNA LISTRIK • RASIO FASILITAS PENDIDIKAN/ 100 PENDUDUK PER
PLN PER KECAMATAN DI PULAU LOMBOK KECAMATAN DI PULAU LOMBOK
24
PENGUJIAN KENORMALAN VARIABEL RESPON
Probability Plot of Y
Normal
99
Mean 27.78
StDev 8.631
95 N 53
KS 0.078
90
P-Value >0.150
80
70
Berdistribusi
Normal
Percent
60
50
40
30
20
10
1
10 20 30 40 50 60
Y
25
• PENGUJIAN ASUMSI MULTIKOLINEARITAS
Variabel VIF
X1 1.559
X2 1.410
X3 1.345
X4 1.390
X5 1.562
X6 1.140
X7 1.295
26
PENGUJIAN ASPEK SPASIAL
Nilai p-value
DEPENDENSI SPASIAL
Moran’s I test 2.5540 0.0106
27
MENENTUKAN JARAK EUCLIDEAN
• Letak Geografis Kecamatan di Lombok Barat (Desimal-Derajat)
Kecamatan Latitude(Garis Langitude (Garis
Lintang) Bujur) d12 u1 u 2 2 v1 v2 2
Batu Layar 8.497592 116.0771
8.497592 8.695564 2 116.0771 116.1244 2
Gerung 8.695564 116.1244
0.19797 2 0.04736 2
Gunungsari 8.494111 116.124
0.039193 0.002243
Kediri 8.648575 116.1417 0.2035
Kuripan 8.666192 116.1652
Labuapi 8.63025 116.1183
Lembar 8.755358 116.0999
Lingsar 8.531039 116.1952
Narmada 8.523097 116.2657
Sekotong 8.818556 115.9711 28
MENENTUKAN JARAK EUCLIDEAN
• Letak Geografis Kecamatan di Lombok Barat (Menit-Detik)
d12 u1 u2 2 v1 v2 2
Kecamatan Latitude(Garis Lintang) Langitude (Garis Bujur)
Batu Layar 29.856 4.625 d12 29.856 41.734 2 4.625 7.466 2
Gerung 41.734 7.466
d12 11.878 2 2.8412
Gunungsari 29.647 7.442
d12 141.0948 8.0731
Kediri 38.915 8.502
d12 12.213
Kuripan 39.972 9.911
Labuapi 37.815 7.099
Lembar 45.322 5.993
Lingsar 31.862 11.714
Narmada 31.386 15.942
Sekotong 49.113 -1.734
29
• BANDWIDTH OPTIMUM
2
d ij 2
W12 1
b untuk d ij b
2
12.2130 2
1
16.726
0.2179
30
• PE MB OB OT SPASI AL No
1
Kecamatan d ij W ij No
28
Kecamatan
Montong
d ij W ij
32
• PENGUJIAN MODEL GWR
Pendugaan
Parameter
(Estimasi)
t hitung Keputusan Kesimpulan
Mean
StDev
-0.1731
2.789
95 N 53
KS 0.086
90
P-Value >0.150
80
70
Percent
60
ASUMSI TERPENUHI 50
40
KENORMALAN 30
20
10
1
-7.5 -5.0 -2.5 0.0 2.5 5.0
RES_GWR
TERPENUHI
ASUMSI IDENTIK p valuesebesar 0.999 Autocorrelation Function for RES_GWR
(with 5% significance limits for the autocorrelations)
1.0
0.8
0.6
0.4
Autocorrelation
0.2
ASUMSI 0.0
TERPENUHI -0.2
INDEPENDENSI -0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45 50
Lag 34
• HASIL MODEL GWR DI PULAU LOMBOK
Variabel signifikan Kecamatan
X1 Pringgabaya, Suela, Wanasaba
X2 Labuhan Haji, Suralaga
Batu Layar, Gunung Sari, Labu Api, Lingsar, Pemenang,
X3 Ampenan, Cakranegara, Mataram, Sandubaya, Sekarbela,
Selaparang
Gerung, Kuripan, Lembar, Batukliang, Jonggat, Kopang,
Praya, Praya Barat, Praya Barat Daya, Praya Tengah, Pujut,
X4 Aikmel, Jerowaru, Keruak, Masbagik, Montong Gading,
Pringgasela, Sakra, Sakra Barat, Sakra Timur, Selong, Sikur,
Sukamulia, Terara
X5 Sambelia
X1 , X 3 Gangga, Tanjung
X1, X 4 Bayan
X3, X 4 Kediri, Narmada, Pringgarata
X 4, X7 Sekotong, Janapria, Praya Timur
X1, X 3 , X 4 Batukliang Utara
X1 , X 6 , X 7 Sembalun
X1, X 2 , X 3 , X 5 , X 7 Kayangan
35
PEMILIHAN MODEL TERBAIK
Model R2 AIC
Regresi Linear 52.844 356.031
GWR 71.458 316.933
36
KESIMPULAN
1. Model GWR jumlah penduduk miskin adalah:
1. Kecamatan Batu Layar
Yˆ 23.061 0.172 X1 0.894 X 2 4.252 X 3 1.239 X 4 0.504 X 5 1.139 X 6 0.794 X 7
2. Kecamatan Gerung
Yˆ 25.495 0.898 X 0.897 X 1.769 X 3.183X 0.946 X 0.661X 1.091X
1 2 3 4 5 6 7
3. Kecamatan Gunung Sari
Yˆ 23.976 0.525 X1 0.820 X 2 3.962 X 3 1.449 X 4 0.606 X 5 0.815 X 6 0.640 X 7
4. Kecamatan Kediri
Yˆ 24.561 0.523X1 0.818 X 2 2.703X 3 2.364 X 4 0.720 X 5 0.454 X 6 1.004 X 7
5. Kecamatan Kuripan
ˆ 25.092 0.537 X 0.528 X 2.182 X 2.571X 0.655 X 0.509 X 0.580 X
Y
6. Kecamatan Labuapi 1 2 3 4 5 6 7
40
KESIMPULAN
41
SARAN
42
REFERENSI
• Agustina, M. F., Wasono, R., dan Darsyah, M. Y., 2015, Pemodelan Geographically Weighted Regression (GWR) pada Tingkat Kemiskinan di Provinsi Jawa Tengah, Jurnal Statistika Vol 3, No 2.
• Anonim, 2015, Jumlah Penduduk Miskin Maret 2015 Mencapai 823,89 Ribu Orang, Berita Resmi Statistik, No. 64/09/52/TH/.IX, hal 1, 15 September.
• _______, 2016, Jumlah Penduduk Miskin di NTB Mengalami Penurunan, NTB di Urutan Delapan, Headline Radar Lombok, 5 Januari.
• Apriani, L. dan Leksono, B. E., 2016, Pengembangan Model Nilai Tanah dengan Geographically Weighted Regression (GWR) dalam Pengujian Kualitas Nilai Tanah pada Lingkungan Terpengaruh Keberadaan
Transportasi Darat dan Udara (Studi Kasus: Kelurahan Campaka, Kecamatan Andir, Kota Bandung), Jurnal Pendidikan Geografi ITB Vol 16, No 2.
• Arfan, N. dan Budiantara, I. N., 2014, Pendekatan Spline untuk Estimasi Kurva Regresi Nonparametrik (Studi Kasus pada data Angka Kematian Maternal di Jawa Timur), Jurnal Sains dan Seni Pomits ITS Vol.3, No.1,
2337-3520 (2301-928XPrint).
• Aulele, S. N. dan Lesnussa, Y. A., 2013, Pendekatan Model Geographically Weighted Regression untuk Menganalisis Jumlah Penduduk Miskin: Upaya Penurunan Jumlah Penduduk Miskin di Provinsi Maluku, Prosiding
FMIPA Universitas Pattimura, ISBN:978-602-97522-0-5.
• Bustaman, U., Sofa, W., Larasati, D., Sari, A., Yuniarti, Hidayah, Z., Oktaviana, S., Andriani, dan Saryono, 2013, Pengembangan Model Sosial Ekonomi: Penggunaan Metode Geographically Weighted Regression (GWR)
Untuk Analisis Data Sosial Dan Ekonomi, Badan Pusat Statistika, Jakarta.
• Chang, K., 2008, Introduction to Geographic Information Systems Fourth Edition, MacGraw-Hill Companies, New York.
• Damayanti, Y. dan Ratnasari, V., 2013, Pemodelan Penduduk Miskin di Jawa Timur menggunakan Metode Geographically Weighted Regression (GWR), Jurnal Sains dan Seni Pomits ITS Vol.2, No.2, 2337-3520
(2301-928X Print).
• Draper, N. dan Smith, H., 1998, Analisis Terapan Terjemahan, Edisi Kedua, Gramedia Pustaka Utama.
• Fimansyah, B., 2011, Pemodelan dan Pemetaan Angka Buta Huruf Provinsi Jawa Timur dengan Pendekatan Regresi Spasial, Tesis SS091324 ITS.
• Fotheringham, A. S., Brunsdon, C., dan Charlton, M., 2002, Geographically Weighted Regression, John Wiley & Sons Ltd, England.
• Hanum, D. dan Purhadi, 2013, Faktor-faktor yang Mempengaruhi Morbiditas Penduduk Jawa Timur dengan Multivariate Geographically Weighted Regression (MGWR), Jurnal Sains dan Seni Pomits ITS Vol.2, No.2,
ISSN:2337-3520 (2301-928XPrint).
• Hidayah, R. N., Wulandari, S. P., dan Pramono, S., 2014., Pemodelan Proporsi Kasus Penyakit Infeksi Pernapasan Akut (ISPA) bagian Atas pada Balita di Kabupaten Gresik dengan Geographically Weighted
Regression, Jurnal Sains dan Seni Pomits ITS Vol.3, No.2, ISSN:2337-3520 (2301-918X Print).
• Khosim, A. dan Lubis, A., 2012, Geografi untuk SMA/MA Kelas XII, Grasindo, Jakarta.
• Mimbar, L., 2015, Peran Badan Pemberdayaan Masyarakat dan Pemerintah Desa (BPMPD) dalam Penanggulangan Kemiskinan di Nusa Tenggara Barat, Jurnal Transformasi P2M IAIN Mataram Vol 11, No 1, Hal 2.
• Nurcahayani, H. dan Purhadi, 2013, Pemodelan Spasial Kemiskinan dengan Mixed Geographically Weighted Poisson Regression dan Flexibly Shaped Spatial Scan Statistic (Studi Kasus: Jumlah Rumah Tangga Sangat
Miskin di Kabupaten Kulonprogo), Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UNY, ISBN:978-979-16353-9-4.
• Nursyamsi, M dan Raharjo, B., 2017, Upaya NTB dalam Penanggulangan Kemiskinan, Pandega/ Republika, hal 1, 13 Januari 2017.
43
REFERENSI
• Permana, M. T., Yasin, H., dan Rusgiyono, A., 2013, Analisis Faktor-Faktor Tingkat Kemiskinan di Kabupaten Wonosobo dengan Pendekatan Geographically Weighted
Regression, Jurnal Gaussian Vol 2, No 1, 59-68.
• Putri, A. dan Salamah, M., 2013, Pemodelan Kasus Gizi Buruk Kabupaten Bojonegoro dengan Geographically Weighted Regression, Jurnal Sains dan Seni Pomits ITS
Vol.2, No.1, 2337-3520 (2301-928XPrint).
• Rahayu, N. S., 2017, Geographically Weighted Panel Regression untuk Pemodelan Persentase Penduduk Miskin di Provinsi Jawa Tengah, Tesis SS142501 ITS.
• Rahmawati, R. dan Djuraidah, A., 2010, Regresi Terboboti Geografis dengan Pembobot Kernel Kuadrat untuk data Kemiskinan Di Kabupaten Jember, Jurnal Sains
UNDIP Vol.15, No.2, ISSN:0853-8115.
• Ramadan, A. dan Bekti, R. D., 2017, Analisis Indeks Pembangunan Manusia di Kabupaten dan Kota Provinsi Jawa Tengah Tahun 2014 Menggunakan Metode
Geographically Weighted Regression, Jurnal Statistika Industri dan Komputasi Vol.2, No.2, E-ISSN:2527-9378.
• Risdiana, F. Y., 2017, Analisis Pendapatan Nasional Negara-Negara ASEAN dengan Estimasi Simultan Spasial Menggunakan Generalized Method Of Moment, Tesis
SS142501 ITS.
• Rosadi, D., 2010, Analisis Ekonometrika & Runtun Waktu Terapan dengan R, Andi Yogyakarta, Yogyakarta.
• Sa’diyah, Y. H. dan Arianti, F., 2012, Analisis Kemiskinan Rumah Tangga melalui Faktor-Faktor yang Mempengaruhi di Kecamatan Tugu Kota Semarang, Jurnal Of
Economics Diponegoror Vol 1, No 1, 1-11.
• Sari, A. dan Winahju, W., 2016, Pemodelan Faktor-Faktor yang Mempengruhi Produksi Padi di Jawa Timur, Jurnal Sains dan Seni Pomits ITS Vol.5, No.2, 2337-3520
(2301-928X Print).
• Simamora, P. dan Ratnasari, V., 2014, Pemodelan Presentase Kriminalitas dan Faktor-faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically
Weighted Regression (GWR), Jurnal Sains dan Seni Pomits ITS Vol.3, No.1, 2337-3520 (2301-928X Print).
• Sinaga, K. dan Pestari, 2015, Pemodelan data Kemiskinan Di Provinsi Sumatera Utara dengan Metode Geographically Weighted Regression, Prosiding Seminar Nasional
Matematika dan Pendidikan Matematika UMS, ISBN:978.602.361.002.0.
• Suryawati, C., 2005, Memahami Kemiskinan Secara Multidimensional, Jurnal Kesehatan Masyarakat dan Ilmu Kesehatan Masyarakat UNDIP Vol 8, No 3, 122-123.
• Suyono, 2015, Analisis Regresi Untuk Penelitian, Deepublish, Yogyakarta.
• Vebiriyana, M., Darsyah, M., dan Nur. I. Manfaati., 2015, Pemodelan Geographically Weighted Regression dengan Fungsi Kernel Bisquare terhadap Faktor-Faktor yang
Mempengaruhi Tingkat Kemiskinan di Kabupaten Demak, Jurnal Statistika UMS Vol 3, No 1.
44
SEKIAN DAN TERIMA KASIAH
45