Maslim Rajab Syafrizal 1, Setiawan 2, Sutikno 3

Ukuran: px
Mulai penontonan dengan halaman:

Download "Maslim Rajab Syafrizal 1, Setiawan 2, Sutikno 3"

Transkripsi

1 PROSEDUR GENERALIZED SPATIAL TWO STAGE LEAST SQUARES UNTUK MENGESTIMASI MODEL SPATIAL AUTOREGRESSIVE WITH AUTOREGRESSIVE DISTURBANCES Studi Kasus Pemodelan Pertumbuhan Ekonomi di Provinsi Jawa Timur Maslim Rajab Syafrizal 1, Setiawan 2, Sutikno 3 1 Mahasiswa Pascasarjana Jurusan Statistika, FMIPA-ITS, Surabaya 2, 3 Jurusan Statistika, FMIPA-ITS, Surabaya 1 maslimrajab@gmail.com, 2 setiawan@statistika.its.ac.id, 3 sutikno@statistika.its.ac.id Abstract In spatial autoregressive model with autoregressive disturbances, the spatially lagged dependent variable is typically correlated with the disturbances term. The ordinary least squares estimator is typically not consistent in such situations. Generalized spatial two stage least squares procedure can be used to estimate spatial autoregressive model with autoregressive disturbances. This procedure produces consistent estimator. The purpose of this research is to create a spatial model of economic growth in East Java and implement GS2SLS for estimating the parameters. Spatial weights matrix used is rook contiguity, queen contiguity and customized based on country as a center of economic growth. Rook and queen contiguity produces the same matrix. Lagrange Multiplier test results show that spatially autoregressive model (SAR) is an appropriate model for modeling the economic growth of East Java. SAR model with customized weight produces R 2 =91.82% with significant variables are labor force participation (TPAK), unemployment rate (TPT) and the general fund (DAU). While the SAR model with rook/queen contiguity produces R 2 =76.17% with significant variables are general allocation fund (DAU) and capital government expenditure. Keywords: economic growth, GS2SLS,, rook contiguity, SAR Abstrak Pada model spatial autoregressive with autoregressive disturbances variabel respon yang mengandung spasial lag saling berhubungan dengan residualnya. Hal ini berakibat OLS menghasilkan penduga yang tidak konsisten. Prosedur generalized spatial two stage least squares (GS2SLS) dapat digunakan untuk menduga parameter model spatial autoregressive with autoregressive disturbances. Prosedur ini akan menghasilkan penduga parameter yang konsisten. Penelitian ini bertujuan untuk membangun model spasial pertumbuhan ekonomi di Provinsi Jawa Timur dan menerapkan prosedur GS2SLS untuk menduga parameter model. Matriks penimbang spasial yang digunakan dalam penelitian ini adalah rook contiguity, queen contiguity dan customized yang didasarkan pada kabupaten/kota yang dijadikan sebagai pusat pertumbuhan ekonomi. Rook dan queen contiguity menghasilkan matriks yang sama. Hasil uji Lagrange Multiplier menunjukkan bahwa model spasial autoregressive (SAR) adalah model yang sesuai untuk memodelkan pertumbuhan ekonomi Jawa Timur. Model SAR dengan penimbang customized memodelkan pertumbuhan ekonomi Jawa Timur dengan koefisien determinasi sebesar 91,82% dengan variabel yang signifikan meliputi Tingkat Partisipasi Angkatan Kerja (TPAK), Tingkat Pengangguran Terbuka (TPT) dan Dana Alokasi Umum (DAU). Sedangkan model SAR dengan penimbang rook/queen menghasilkan R 2 sebesar 76,17% dengan variabel yang signifikan meliputi 1

2 Dana Alokasi Umum (DAU) dan belanja modal pemerintah. Kata kunci : GS2SLS, pertumbuhan ekonomi, rook contiguity, SAR 1. Pendahuluan Pada umumnya, pembangunan nasional maupun daerah lebih ditekankan pada pembangunan di bidang ekonomi yang pada pada hakekatnya dilaksanakan untuk meningkatkan taraf hidup, kesejahteraan dan kemakmuran bagi masyarakat. Pemahaman yang spesifik mengenai karakteristik dan potensi daerah menjadi sangat penting dalam mengimplementasikan pembangunan ekonomi baik pada tingkat nasional maupun daerah. Karakteristik dan potensi yang berbeda-beda antar daerah menjadi salah satu faktor yang harus diperhatikan dalam pelaksanaan pembangunan ekonomi. Setiap daerah dituntut harus mampu mengidentifikasi karakteristik dan potensi yang ada secara cermat agar tujuan pembangunan ekonomi dapat tercapai dan tepat sasaran. Model yang melibatkan beberapa persamaan yang saling terkait dapat dibangun dengan ekonometrika. Model ini bertujuan untuk menguji kebenaran teorema-teorema ekonomi berupa hubungan antarvariabel ekonomi secara kuantitatif. Penelitian ekonometrika terdahulu seringkali tidak menyertakan pengaruh kewilayahan dalam modelnya. Padahal keterkaitan antar wilayah dalam fenomena ekonomi merupakan hal yang sudah lazim terjadi. Model ekonometrika yang melibatkan pengaruh keterkaitan wilayah dinamakan model ekonometrika spasial. Ekonometrika spasial digunakan untuk menganalisis keberadaan spatial effect yang meliputi spatial dependence dan spatial heterogeneity yang sebenarnya merupakan fenomena yang terjadi pada data spasial. Fenomena ini tidak dapat digambarkan oleh metode ekonometrika lainnya. Interaksi variabel-variabel penjelas dan variabel respon di suatu daerah dan variabel-variabel penjelas dan variabel respon di daerah lain akan diuji pada analisis spasial. Spatial dependence terjadi akibat adanya dependensi dalam data cross-section. Sedangkan spatial heterogeneity terjadi akibat adanya perbedaan antara satu region dengan region lainnya (efek region random). Menguji keberadaan efek region random dalam model regresi sangat penting karena mengabaikan kedua hal tersebut akan menyebabkan estimasi menjadi tidak efisien dan kesimpulan yang diperoleh menjadi tidak tepat [1]. Salah satu ciri khas yang terdapat pada model regresi spasial adalah adanya saling ketergantungan antar wilayah yang menyebabkan estimasi model menjadi lebih kompleks. Jika unit observasi pada variabel respon saling berhubungan antarlokasi maka dikatakan terdapat spasial lag pada model. Suatu model regresi spasial yang mengandung spatial lag biasa disebut juga dengan model spasial autoregressive (SAR) atau model spasial lag. Jika error antar lokasi saling berhubungan satu sama lain, maka model regresi spasial yang terbentuk disebut model spasial error (SEM). Pada model spatial autoregressive with autoregressive disturbances, variabel respon yang mengandung spatial lag saling berkorelasi dengan residual-nya. Kondisi ini mengakibatkan estimasi parameter dengan ordinary least square (OLS) menghasilkan penduga yang tidak konsisten. Estimasi parameter dengan menggunakan prosedur generalized spatial two stage least square (GS2SLS) dapat digunakan untuk mengestimasi model regresi spasial yang mengandung spasial lag sekaligus spasial error. Estimasi dengan prosedur ini akan menghasilkan estimator yang konsisten [2]. Suatu analisis pemodelan regresi spasial untuk mengetahui faktor-faktor yang mempengaruhi pertumbuhan ekonomi dengan mempertimbangkan karakteristik wilayah adalah sangat penting. Ada kecenderungan pengamatan di wilayah tertentu dipengaruhi oleh pengamatan di lokasi lain. Diharapkan model regresi spasial yang dibangun mampu menghasilkan model pertumbuhan ekonomi yang lebih informatif yaitu suatu model yang mengandung interaksi spasial (interaksi wilayah). Penelitian ini bertujuan untuk membuat model pertumbuhan ekonomi di 2

3 Provinsi Jawa Timur dengan pendekatan regresi spasial. Parameter model akan diestimasi dengan menggunakan prosedur GS2SLS. 2. Metode Model Regresi Spasial Anselin (1988) mengembangkan model spasial dengan menggunakan data cross section. Spesifikasi model regresi spasial umum yang dikembangkan oleh Anselin adalah sebagai berikut [1]: (2) dimana Pada model ini, merupakan vektor variabel respon yang berukuran 1 dan adalah matriks variabel penjelas yang berukuran 1, adalah matrik parameter yang berukuran ( 11, adalah koefisien spasial autoregressive, merupakan koefisien spasial error. Sedangkan dan adalah matrik penimbang berukuran yang menunjukkan keterkaitan variabel respon dan error antar wilayah. Model spasial yang dapat dikembangkan dari model regresi spasial umum adalah Jika, 0 dan 0, Regresi linier. Jika, 0 dan 0, SAR:. Jika, 0 dan 0, SEM:. Jika, 0 dan 0, spatial autoregressive with autoregressive disturbances Identifikasi Efek Spasial Menguji keberadaan efek region random untuk membangun model regresi spasial sangat penting. Jika diabaikan maka akan mengakibatkan penduga parameter yang diperoleh menjadi tidak efisien sehingga kesimpulan yang dihasilkan menjadi tidak tepat [1]. Uji identifikasi efek spasial dilakukan melalui uji Lagrange Multiplier. Adapun hipotesis yang diajukan adalah: (i). model spasial autoregressive, H : λ 0 hipotesis alternatifnya H : λ 0 dengan statistik uji LM R D T. (ii). Model spasial error, :0 lawan H : ρ 0 dengan statistik uji 1/T R. dimana : / / vektor residual Keputusan : Tolak jika LM >, yang berarti terdapat efek spasial pada model. Dari uji LM ini, bisa diketahui model regresi spasial mana yang dapat dibangun. Jika kedua hipotesis di atas ditolak keduanya, maka model yang akan terbentuk adalah model spatial autoregressive with autoregressive disturbances. Estimasi Parameter dengan Generalized Spatial Two-Stage Least Squares Ada 3 tahapan dalam melakukan estimasi parameter dengan generalized spatial two stage least squares (GS2SLS), Yaitu [2]: i) Tahap 1 : Estimasi parameter model spasial autoregressive Pada model regresi spasial umum, elemen spasial autoregressive yaitu vektor saling berhubungan dengan residual ( ). Hal ini berakibat tidak dapat diduga secara konsisten dengan OLS karena 0. Sehingga diduga dengan metode 2SLS. 3

4 dimana,, dan Estimasi dengan metode 2SLS membutuhkan variabel instrumen. variabel instrumen yang digunakan berupa gabungan antara dan atau,. Pada tahap ini dihasilkan model taksiran spasial autoregressive :. Dari model ini, dapat dihitung nilai residual tiap pengamatan yang hasilnya akan digunakan untuk memperoleh penduga parameter spasial error pada tahap kedua. ii) Tahap 2 : Estimasi Parameter Parameter akan diduga dengan menggunakan generalized moment method (GMM). Dari model yang diperoleh pada tahap 1, akan diperoleh nilai residual yang dinotasikan dengan. Nilai ini akan digunakan sebagai vektor pengamatan untuk variabel random u pada model spasial error. Dari persamaan (1) diperoleh, misalkan maka : (5) Jika kedua ruas pada persamaan (5) dikalikan dengan M, maka: (6) dimana dan. Dengan melakukan manipulasi persamaan (5) dan persamaan (6) yaitu dengan mengkuadratkan masing-masing persamaan (5) dan persamaan (6), kemudian mengalikan persamaan (5) dengan (6) dan membagi setiap persamaan dengan n, maka diperoleh tiga persamaan hasil manipulasi sebagai berikut : 2 2 (7) Persamaan (7) dapat dibentuk menjadi persamaan momen sebagai berikut: 2 2 E = 0 (8) dimana: 0 sehingga diperoleh: 2 2 E 0 (9) Persamaan (9) dapat disajikan dalam bentuk matriks sebagai berikut: E (10) 0 4

5 merupakan vektor yang berisi parameter spasial error, dimana. Nilai parameter dapat diduga dengan: (11) Nilai penduga parameter spasial error ini akan digunakan untuk melakukan transformasi Cochran Orcutt pada tahap ketiga. Transformasi dilakukan untuk memperoleh, dan ; yang untuk estimasi model akhir. Adapun transformasi Cochran Orcutt yang digunakan adalah sebagai berikut: ; ; ; ; ; iii) Tahap 3 : Estimasi Model Akhir Tahapan terakhir pada prosedur GS2SLS adalah pendugaan model akhir. Estimasi dilakukan dengan menggunakan metode 2SLS. Pada tahap ini variabel yang digunakan adalah variabel hasil transformasi Cochran orcutt. merupakan penduga generalized spatial two stage least square atau penduga GS2SLS, yang diperoleh melalui formula dimana, ;, merupakan variabel instrumen yaitu,. Setelah diperoleh, maka model spatial autoregressive with autoregressive disturbances dapat dibentuk dengan mengembalikan variabel transformasi ke bentuk semula. Matriks Penimbang Spasial Matriks penimbang spasial (W) biasanya ditentukan berdasarkan informasi atau kedekatan antara satu wilayah dengan wilayah lain (neighborhood). Pada penelitian ini matriks dan yang digunakan sama. Ada beberapa metode untuk mengukur kedekatan dengan menggunakan asas persinggungan (contiguity) diantaranya Linear contiguity (persinggungan tepi), Rook contiguity (persinggungan sisi), Bishop contiguity (Persinggungan sudut), dan Queen contiguity (Persinggungan sisi sudut) [3]. Dalam penelitian ini digunakan metode rook contiguity, queen contiguity dan customized. Matriks penimbang customized merupakan matriks penimbang dengan kabupaten/kota sebagai pusat pertumbuhan ekonomi di Jawa Timur. Kabupaten/kota yang bertetangga langsung dengan kabupaten/kota pusat pertumbuhan ekonomi akan diberi kode 1. Sedangkan kabupaten/kota yang tidak bertetangga langsung akan diberi kode 0. Kabupaten/kota yang dijadikan pusat pertumbuhan ekonomi meliputi: Kota Surabaya, Kota Malang, Kota Kediri, Kota Madiun, Kota Probolinggo, Kabupaten Jember, Kabupaten Bojonegoro, dan Kabupaten Sumenep [4]. 5

6 Gambar 1. Peta kabupaten/kota dengan matrik penimbang customized Gambar 1 merupakan peta kabupaten/kota dengan matrik penimbang customized. daerah yang berwarna hijau merupakan kabupaten/kota yang menjadi pusat pertumbuhan ekonomi. Sedangkan wilayah yang berwarna biru merupakan kabupaten/kota yang bertetangga langsung dengan kabupaten/kota pusat pertumbuhan ekonomi. Penelitian ini menggunakan Pendapatan Domestik Regional Bruto (PDRB) atas dasar harga konstan sebagai variabel respon. Sedangkan variabel penjelas yang digunakan adalah kepadatan penduduk, Tingkat Partisipasi Angkatan Kerja (TPAK), Tingkat Pengangguran Terbuka (TPT) Angka Buta huruf (ABH), Pendapatan Asli Daerah (PAD), Dana Alokasi Umum (DAU), dan belanja modal pemerintah. 3. Hasil Uji LM autoregressive menghasilkan Nilai statistik uji LM autoregressive untuk penimbang rook/queen contiguity dan customized masing-masing sebesar 24,4557 dan 12,5177 dengan nilai p- value untuk kedua model sebesar 0,0000 dan 0,0004. Karena nilai p-value labih kecil dari α yang telah ditetapkan (5%), maka keputusannya adalah menolak H yang berarti ada keterkaitan antar wilayah atau terdapat efek spasial autoregressive. Dari hasil uji LM error diperoleh nilai statistik uji untuk penimbang rook contiguity/queen contiguity sebesar 0,1304 dan penimbang customized sebesar 0,3544 dengan nilai p-value masing-masing sebesar 0,718 dan 0,5516. Karena nilai p-value labih besar dari α yang telah ditetapkan (5%) maka keputusannya adalah gagal menolak H yang berarti tidak ada keterkaitan error antar wilayah atau dengan kata lain tidak ada efek spasial error pada model. Hasil selengkapnya dapat dilihat pada Tabel 1. Tabel 1 Hasil uji Lagrange Multiplier untuk model SAR penimbang rook contiguity/queen contiguity dan customized Matriks Penimbang Jenis Statistik Uji Nilai P-value Rook/Queen LM autoregressive 24,4557 0,0000 LM error 0,1304 0,7180 Customized LM autoregressive 12,5177 0,0004 LM error 0,3544 0,5516 6

7 Berdasarkan hasil uji LM maka model regresi spasial yang dapat diterapkan untuk pemodelan pertumbuhan ekonomi di Jawa Timur adalah model spasial autoregressive (SAR). Pengolahan untuk mendapatkan model regresi spasial dilakukan dengan menggunakan program aplikasi GS2SLS. Tabel 2 merupakan estimasi parameter model regresi spasial SAR dengan matriks penimbang rook/queen dan customized. Dari Tabel 2 terlihat bahwa dengan tingkat kepercayaan (α = 0,05), variabel penjelas DAU X dan belanja modal X signifikan pada model SAR penimbang rook/queen. Sedangkan pada model SAR penimbang customized variabel yang signifikan meliputi TPAK X, TPT X, DAU X. Tabel 2 Estimasi parameter model SAR berdasarkan matriks penimbang rook contiguity/queen contiguity dan customized Variabel Penjelas Rook contiguity Customized contiguity Koefisien P-value Koefisien P-value Konstanta 0,0009 0,4999 0,0123 0,4987 Kepadatan Pddk 0,0000 0,5836 0,0001 0,3197 TPAK -0,0169 0,6746 0,1508 0,0013* TPT 0,0800 0,2289 0,3116 0,0120* ABH -0,0017 0,5311 0,0240 0,1925 PAD -0,0012 0,7293-0,0011 0,6833 DAU 0,0043 0,0000* 0,0043 0,0000* Belanja Modal 0,0019 0,0475* 0,0015 0,1374 Lambda 0,8601 0,0087 0,0354 0,0350 Keterangan: *) signifikan pada α = 0,05 Model SAR yang terbentuk berdasarkan matriks penimbang dapat disajikan sebagai berikut: Model SAR penimbang rook/queen: y 0,0009 0,8601 ; y 0,0043X 0,0019X (4.2) i 1, 2,,38 R 76,17% Model SAR penimbang Customized: y 0,0123 0,0354 i 1,2,,38 R 91,82% ; y 0,1508X 0,3116X 0,0043X (4.3) Model spatial autoregressive with autoregressive disturbance customized 0,0110 0,0382 ; 0,0054 ; 0,0001 0, ,2963 0,0292 0,0013 0,0042 0,0014 7

8 0,0002 ; 0,0215 ; 0,0421 ; 0,0042 ; 0,0002 ; 0,0006 ; 0,0002 ; (4.5) i 1, 2,,38 R 86,86% Keterangan variabel-variabel pada model: : merupakan variabel penjelas ke-k di kabupaten/kota ke-i. : merupakan penjumlahan PDRB terboboti dari kabupaten/kota ke- j yang terletak di sekitar kabupaten/kota ke-i. : merupakan penjumlahan variabel penjelas ke-k terboboti kabupaten/kota ke- j yang terletak di sekitar kabupaten/kota ke- i. : merupakan penjumlahan PDRB terboboti 2 kali dari kabupaten/kota ke- j yang terletak di sekitar kabupaten/kota ke-i. Model spatial autoregressive with autoregressive disturbances merupakan model gabungan antara model SAR dan SEM. Model ini terbentuk apabila variabel respon antar wilayah dan error antar wilayah terjadi secara bersama. Hasil pengolahan menunjukkan tidak ada variabel yang signifikan pada model. Model ini menghasilkan nilai koefisien deteminasi sebesar 86,86%. Interpretasi Model Model SAR dengan matriks penimbang rook/queen menghasilkan nilai koefisien determinasi sebesar 76,17% dengan variabel penjelas yang signifikan meliputi DAU ( dan belanja modal (. Kedua variabel ini berpengaruh positif terhadap pertumbuhan ekonomi. Sejalan dengan penelitian yang dilakukan oleh Yunan (2009) bahwa pengeluaran pemerintah dalam hal ini belanja modal pemerintah mempunyai pengaruh yang cukup signifikan dalam meningkatkan pertumbuhan ekonomi [5]. Hal ini berarti pertumbuhan ekonomi akan meningkat seiring dengan meningkatnya DAU dan belanja modal pemerintah. Belanja modal pemerintah merupakan suatu investasi pembangunan yang dilakukan oleh pemerintah. Investasi ini tidak berpengaruh secara langsung terhadap peningkatan perekonomian masyarakat, tetapi memberikan sarana dan prasarana bagi kelancaran investasi oleh pihak swasta. Investasi pihak swasta inilah yang akan berpengaruh secara langsung terhadap perekonomian masyarakat. DAU merupakan dana yang dialokasikan oleh pemerintah pusat kepada pemerintah daerah yang bermanfaat untuk mengurangi ketimpangan keuangan antar daerah karena sumberdaya yang tidak merata antar daerah. DAU diharapkan dapat digunakan secara efektif dan efisien untuk meningkatan pelayanan kepada masyarakat sehingga dapat mempercepat pembangunan dan pemerataan hasil pembangunan. Hasil penelitian ini menunjukkan bahwa DAU ( merupakan variabel penjelas yang signifikan dan berpengaruh positif pada pertumbuhan ekonomi baik pada model SAR dengan matriks penimbang rook/queen maupun customized. Pada kedua model SAR, koefisien regresi DAU yang dihasilkan adalah sebesar 0,0043. hal ini menunjukkan bahwa setiap kenaikan DAU sebesar 1 miliar rupiah maka PDRB akan meningkat sebesar exp(0,0043) yaitu 1,0043 miliar rupiah. Model SAR dengan matriks penimbang customized menghasilkan koefisien determinasi sebesar 91,82% dengan variabel-variabel penjelas yang signifikan, meliputi TPAK (, TPT (, dan DAU (. Ketiga variabel ini mempengaruhi pertumbuhan ekonomi Jawa timur secara positif. Sejalan dengan penelitian yang dilakukan oleh Sitompul (2007) bahwa jumlah tenaga kerja berpengaruh positif terhadap pertumbuhan ekonomi karena tenaga kerja merupakan faktor produksi yang menggerakkan perekonomian. Selain itu tenaga kerja juga berkontribusi terhadap penerimaan 8

9 daerah baik dari sektor pajak atau perannya sebagai konsumen [6]. Teori ekonomi menunjukkan bahwa semakin rendah tingkat pengangguran maka semakin tinggi pertumbuhan ekonomi. Hal ini berkaitan dengan kontribusi penduduk yang bekerja dalam menghasilkan barang dan jasa sementara pengangguran tidak berkontribusi. hasil penelitian ini tidak sejalan dengan teori pertumbuhan ekonomi yang ada. Terlihat bahwa terjadi perubahan arah hubungan antara korelasi TPAK PDRB (Tabel4.2) dengan koefisien regresi spasial model SAR penimbang customized untuk variabel TPAK. Hal ini diduga karena ada pengaruh multikolinieritas pada data. 5. Kesimpulan Hasil pengujian dependensi spasial dengan menggunakan uji Lagrange Multiplier menunjukkan bahwa model yang sesuai untuk menggambarkan pertumbuhan ekonomi Jawa Timur adalah model spasial autoregressive (SAR). Pada model SAR rook/queen contiguity, Dana Alokasi Umum (DAU), dan belanja modal merupakan variabel yang signifikan dan berpengaruh secara positif terhadap pertumbuhan ekonomi di Jawa Timur. Sementara itu, pada model SAR dengan penimbang customized, variabel yang signifikan adalah Tingkat Partisipasi Angkatan Kerja (TPAK), Tingkat Pengangguran Terbuka (TPT) dan Dana Alokasi Umum (DAU). Ketiga variabel ini berpengaruh secara positif terhadap pertumbuhan ekonomi di Jawa Timur. Model SAR dengan penimbang rook/queen contiguity menghasilkan R 2 sebesar 76,17%. Sedangkan model SAR dengan penimbang customized menghasilkan koefisien determinasi (R 2) sebesar 91,82%. Daftar Pustaka [1] Anselin, L. (1988). Spatial Econometrics: Method and Model. Kluwer Academic Publisher. [2] Kelejian, H. H., & Prucha, I. R. (1998). A Generalized Spatial Two Stage Least Squares Procedure for Estimating a Spatial Autoregressive Model with Autoregressive Disturbance. Journal of Real Estate Finance and Economics, Vol. 17:1, [3] Draper, N., & Smith, H. (1998). Applied Regression Analysis. New york: John Wiley & Son Inc. [4] LeSage, J. P. (1999). The Theory and Practice of Spatial Econometrics. Diunduh tanggal 06 Agustus [5] Arifin, Z. (2008). Penetapan Kawasan Andalan dan Leading Sector sebagai Pusat Pertumbuhan pada Empat Koridor di Propinsi Jawa Timur. Malang: Universitas Muhammadiyah Malang [6] Yunan. (2009). Analisis Faktor-Faktor yang Mempengaruhi Pertumbuhan Ekonomi Indonesia. Tesis: Pasca Sarjana Universitas Sumatera Utara. [7] Sitompul, N. (2007). Analisis Pengaruh Investasi dan tenaga Kerja Terhadap PDRB Sumatera Utara. Tesis: Pasca Sarjana Universitas Sumatera Utara. 9

Disusun: Maslim Rajab Syafrizal NRP Dosen Pembimbing: Dr. Ir. Setiawan, M.Si Dr. Sutikno, S.Si, M.Si. 1/24/2012 Seminar Hasil

Disusun: Maslim Rajab Syafrizal NRP Dosen Pembimbing: Dr. Ir. Setiawan, M.Si Dr. Sutikno, S.Si, M.Si. 1/24/2012 Seminar Hasil 1/24/2012 Seminar Hasil 1 PROSEDUR GENERALIZED SPATIAL TWO STAGE LEAST SQUARES UNTUK MENGESTIMASI MODEL SPATIAL AUTOREGRESSIVE WITH AUTOREGRESSIVE DISTURBANCES STUDI KASUS PEMODELAN PERTUMBUHAN EKONOMI

Lebih terperinci

ESTIMASI MODEL SIMULTAN SPASIAL PERTUMBUHAN EKONOMI JAWA TIMUR

ESTIMASI MODEL SIMULTAN SPASIAL PERTUMBUHAN EKONOMI JAWA TIMUR ESTIMASI MODEL SIMULTAN SPASIAL PERTUMBUHAN EKONOMI JAWA TIMUR Firda Fadri Manajemen Informatika, Sekolah Tinggi Teknologi Walisongo Gempol Email: firda.fadri@gmail.com ABSTRAK Model ekonometri spasial

Lebih terperinci

PEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL. Bertoto Eka Firmansyah 1 dan Sutikno 2

PEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL. Bertoto Eka Firmansyah 1 dan Sutikno 2 PEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL Bertoto Eka Firmansyah dan Sutikno Mahasiswa Jurusan Statistika, ITS, Surabaya Dosen Pembimbing, Jurusan Statistika,

Lebih terperinci

SPATIAL AUTOREGRESSIVE MODEL DAN MATRIKS PEMBOBOT SPASIAL ROOK CONTIGUITY UNTUK PEMODELAN GINI RATIO DI INDONESIA TAHUN 2014.

SPATIAL AUTOREGRESSIVE MODEL DAN MATRIKS PEMBOBOT SPASIAL ROOK CONTIGUITY UNTUK PEMODELAN GINI RATIO DI INDONESIA TAHUN 2014. Spatial Autoregressive Model... (Lailatul Syaadah) 1 SPATIAL AUTOREGRESSIVE MODEL DAN MATRIKS PEMBOBOT SPASIAL ROOK CONTIGUITY UNTUK PEMODELAN GINI RATIO DI INDONESIA TAHUN 214 Jurnal Diajukan kepada Fakultas

Lebih terperinci

Pemodelan Angka Putus Sekolah Usia Wajib Belajar Menggunakan Metode Regresi Spasial di Jawa Timur

Pemodelan Angka Putus Sekolah Usia Wajib Belajar Menggunakan Metode Regresi Spasial di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 2337-3520 (230-928X Print) D-7 Pemodelan Angka Putus Sekolah Usia Wajib Belajar Menggunakan Metode Regresi Spasial di Jawa Timur Bagus Naufal Fitroni, dan

Lebih terperinci

ESTIMASI PARAMETER SISTEM MODEL PERSAMAAN SIMULTAN PADA DATA PANEL DINAMIS DENGAN GMM ARELLANO DAN BOND

ESTIMASI PARAMETER SISTEM MODEL PERSAMAAN SIMULTAN PADA DATA PANEL DINAMIS DENGAN GMM ARELLANO DAN BOND ISBN : 9786023610020 ESTIMASI PARAMETER SISTEM MODEL PERSAMAAN SIMULTAN PADA DATA PANEL DINAMIS DENGAN GMM ARELLANO DAN BOND Arya Fendha Ibnu Shina 1, Setiawan 2 Mahasiswa Jurusan Statistika Institut Teknologi

Lebih terperinci

PEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH

PEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH PEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH 1 Diana Wahyu Safitri, 2 Moh Yamin Darsyah, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika FMIPA Universitas

Lebih terperinci

SPATIAL AUTOREGRESSIVE MODEL DAN SPATIAL ERROR MODEL PADA PERTUMBUHAN EKONOMI SEKTOR INDUSTRI PENGOLAHAN DI EKS KARESIDENAN SURAKARTA

SPATIAL AUTOREGRESSIVE MODEL DAN SPATIAL ERROR MODEL PADA PERTUMBUHAN EKONOMI SEKTOR INDUSTRI PENGOLAHAN DI EKS KARESIDENAN SURAKARTA SPATIAL AUTOREGRESSIVE MODEL DAN SPATIAL ERROR MODEL PADA PERTUMBUHAN EKONOMI SEKTOR INDUSTRI PENGOLAHAN DI EKS KARESIDENAN SURAKARTA oleh WINDY RIZKI ADITA M0112091 SKRIPSI ditulis dan diajukan untuk

Lebih terperinci

Pemodelan Faktor-faktor yang Mempengaruhi Tingkat Pengangguran Terbuka di Provinsi Jawa Timur Tahun 2015 Menggunakan Regresi Spasial

Pemodelan Faktor-faktor yang Mempengaruhi Tingkat Pengangguran Terbuka di Provinsi Jawa Timur Tahun 2015 Menggunakan Regresi Spasial JURNAL SAINS DAN SENI ITS Vol 6, No, (017) ISSN: 337-350 (301-98X Print) D-10 Pemodelan Faktor-faktor yang Mempengaruhi Tingkat Pengangguran Terbuka di Provinsi Jawa Timur Tahun 015 Menggunakan Regresi

Lebih terperinci

PEMBENTUKAN MODEL DATA PANEL FIXED EFFECT MENGGUNAKAN GUI MATLAB

PEMBENTUKAN MODEL DATA PANEL FIXED EFFECT MENGGUNAKAN GUI MATLAB PEMBENTUKAN MODEL SPASIAL DATA PANEL FIXED EFFECT MENGGUNAKAN GUI MATLAB (Studi Kasus : Kemiskinan di Jawa Tengah) SKRIPSI Disusun Oleh : IRAWATI TAMARA NIM. 24010212120002 JURUSAN STATISTIKA FAKULTAS

Lebih terperinci

PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) PROVINSI JAWA TENGAH DENGAN PENDEKATAN SPASIAL AUTOREGRESSIVE MODEL PANEL DATA

PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) PROVINSI JAWA TENGAH DENGAN PENDEKATAN SPASIAL AUTOREGRESSIVE MODEL PANEL DATA PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) PROVINSI JAWA TENGAH DENGAN PENDEKATAN SPASIAL AUTOREGRESSIVE MODEL PANEL DATA Ulfatun Khasanah 1, Abdul Karim 2,, Indah Manfaati Nur 3 1 Mahasiswa Statistika,,

Lebih terperinci

MODEL REGRESI SPASIAL UNTUK ANAK TIDAK BERSEKOLAH USIA KURANG 15 TAHUN DI KOTA MEDAN

MODEL REGRESI SPASIAL UNTUK ANAK TIDAK BERSEKOLAH USIA KURANG 15 TAHUN DI KOTA MEDAN Saintia Matematika Vol. 1, No. 1 (2013), pp. 87 99. MODEL REGRESI SPASIAL UNTUK ANAK TIDAK BERSEKOLAH USIA KURANG 15 TAHUN DI KOTA MEDAN Musfika Rati, Esther Nababan, Sutarman Abstrak. Penelitian ini dilakukan

Lebih terperinci

PENDEKATAN EKONOMETRIKA PANEL SPASIAL UNTUK PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO DI KALIMANTAN BARAT

PENDEKATAN EKONOMETRIKA PANEL SPASIAL UNTUK PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO DI KALIMANTAN BARAT Buletin Ilmiah Math. Stat. Dan Terapannya (Bimaster) Volume 07, No. (08), hal 8. PENDEKATAN EKONOMETRIKA PANEL SPASIAL UNTUK PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO DI KALIMANTAN BARAT Ridho Pratama,

Lebih terperinci

PENERAPAN MODEL SPASIAL DURBIN PADA ANGKA PARTISIPASI MURNI JENJANG SMA SEDERAJAT DI PROVINSI JAWA TENGAH

PENERAPAN MODEL SPASIAL DURBIN PADA ANGKA PARTISIPASI MURNI JENJANG SMA SEDERAJAT DI PROVINSI JAWA TENGAH PENERAPAN MODEL SPASIAL DURBIN PADA ANGKA PARTISIPASI MURNI JENJANG SMA SEDERAJAT DI PROVINSI JAWA TENGAH Erliyana Devitasari, Sri Sulistijowati Handayani, dan Respatiwulan Program Studi Matematika FMIPA

Lebih terperinci

PEMODELAN KEMISKINAN DI PROVINSI JAWA TIMUR DENGAN METODE SEEMINGLY UNRELATED REGRESSION (SUR) SPASIAL

PEMODELAN KEMISKINAN DI PROVINSI JAWA TIMUR DENGAN METODE SEEMINGLY UNRELATED REGRESSION (SUR) SPASIAL PEMODELAN KEMISKINAN DI PROVINSI JAWA TIMUR DENGAN METODE SEEMINGLY UNRELATED REGRESSION (SUR) SPASIAL Dibyo Adi Wiboao 1), Setiawan 2), dan Vita Ratnasari 3) 1) Program Studi Magister Statistika, Institut

Lebih terperinci

PENERAPAN METODE TWO STAGE LEAST SQUARES PADA MODEL PERSAMAAN SIMULTAN DALAM MERAMALKAN PDRB

PENERAPAN METODE TWO STAGE LEAST SQUARES PADA MODEL PERSAMAAN SIMULTAN DALAM MERAMALKAN PDRB BIAStatistics (2016) Vol. 10, No. 1, hal. 52-58 PENERAPAN METODE TWO STAGE LEAST SQUARES PADA MODEL PERSAMAAN SIMULTAN DALAM MERAMALKAN PDRB Soemartini Statistika FMIPA UNPAD Email: tine_soemartini@yahoo.com

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI UPAH MINIMUM KABUPATEN/KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN MODEL SPATIAL AUTOREGRESSIVE (SAR)

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI UPAH MINIMUM KABUPATEN/KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN MODEL SPATIAL AUTOREGRESSIVE (SAR) ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI UPAH MINIMUM KABUPATEN/KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN MODEL SPATIAL AUTOREGRESSIVE (SAR) SKRIPSI Disusun Oleh: RAHMAH MERDEKAWATY 24010212140062 DEPARTEMEN

Lebih terperinci

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Kriminalitas di Jawa Timur dengan Analisis Regresi Spasial

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Kriminalitas di Jawa Timur dengan Analisis Regresi Spasial JURNAL SAINS DAN SENI ITS Vol. 4 No. (25) 2337-352 (23-928X Print) D-73 Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Kriminalitas di Jawa Timur dengan Analisis Regresi Spasial Fitri Maria Dona dan

Lebih terperinci

2.11. Penduduk Yang Bekerja di Sektor Pertanian Pengangguran... 40

2.11. Penduduk Yang Bekerja di Sektor Pertanian Pengangguran... 40 2.11. Penduduk Yang Bekerja di Sektor Pertanian... 38 2.12. Pengangguran... 40 BAB III DASAR TEORI... 42 3.1. Analisis Regresi Linier Berganda... 42 3.2. Penaksiran Koefisien Regresi Menggunakan Matriks...

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Berganda Analisis regresi merupakan analisis untuk mendapatkan hubungan dan model matematis antara variabel dependen (Y) dan satu atau lebih variabel independen

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN 5.1. Gambaran Persebaran Penduduk Miskin Provinsi Jawa Tengah merupakan salah satu provinsi di Indonesia yang memiliki kabupaten atau kota sejumlah 35 kabupaten dan kota (BPS,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Kemiskinan merupakan masalah dalam pembangunan yang bersifat multidimensi. Kemiskinan merupakan persoalan kompleks yang terkait dengan berbagai dimensi yakni sosial,

Lebih terperinci

BAB III METODE PENELITIAN. Daerah) di seluruh wilayah Kabupaten/Kota Eks-Karesidenan Pekalongan

BAB III METODE PENELITIAN. Daerah) di seluruh wilayah Kabupaten/Kota Eks-Karesidenan Pekalongan BAB III METODE PENELITIAN A. Obejek Penelitian Obyek kajian pada penelitian ini adalah realisasi PAD (Pendapatan Asli Daerah) di seluruh wilayah Kabupaten/Kota Eks-Karesidenan Pekalongan yang terdiri dari

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB LANDASAN TEORI. Metode Kuadrat Terkecil Persamaan regresi linier yang biasa didefinisikan dengan menggunakan metode pendugaan parameter Ordinary Least Square (OLS), secara umum dapat dituliskan :

Lebih terperinci

PEMBENTUKAN MODEL SPASIAL DATA PANEL FIXED EFFECT MENGGUNAKAN GUI MATLAB (Studi Kasus : Kemiskinan di Jawa Tengah)

PEMBENTUKAN MODEL SPASIAL DATA PANEL FIXED EFFECT MENGGUNAKAN GUI MATLAB (Studi Kasus : Kemiskinan di Jawa Tengah) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 417-426 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMBENTUKAN MODEL SPASIAL DATA PANEL FIXED EFFECT MENGGUNAKAN

Lebih terperinci

SKRIPSI PENGARUH ANGKATAN KERJA YANG BEKERJA DAN LEMBAGA PELATIHAN KERJA TERHADAP PDRB KABUPATEN/KOTA DI JAWA TIMUR MENGGUNAKAN REGRESI SPASIAL

SKRIPSI PENGARUH ANGKATAN KERJA YANG BEKERJA DAN LEMBAGA PELATIHAN KERJA TERHADAP PDRB KABUPATEN/KOTA DI JAWA TIMUR MENGGUNAKAN REGRESI SPASIAL SKRIPSI PENGARUH ANGKATAN KERJA YANG BEKERJA DAN LEMBAGA PELATIHAN KERJA TERHADAP PDRB KABUPATEN/KOTA DI JAWA TIMUR MENGGUNAKAN REGRESI SPASIAL Disusun Oleh : CLAYREN NATHANNIEL 5303012017 JURUSAN TEKNIK

Lebih terperinci

PEMODELAN FAKTOR FAKTOR YANG MEMPENGARUHI BALITA GIZI BURUK DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL

PEMODELAN FAKTOR FAKTOR YANG MEMPENGARUHI BALITA GIZI BURUK DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL PEMODELAN FAKTOR FAKTOR YANG MEMPENGARUHI BALITA GIZI BURUK DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL Inayati Nur Fatmah 1, Drs. Hery Tri Sutanto, M.Si 2, 1,2 Jurusan Matematika, Fakultas Matematika

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini bersumber dari data sekunder mulai dari tahun 2005 sampai dengan tahun 2010. Data tersebut didapat dari beberapa

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERTUMBUHAN EKONOMI DI JAWA BARAT TAHUN Oleh: Lastri Apriani Nurjannah

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERTUMBUHAN EKONOMI DI JAWA BARAT TAHUN Oleh: Lastri Apriani Nurjannah ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERTUMBUHAN EKONOMI DI JAWA BARAT TAHUN 2001 2015 Oleh: Lastri Apriani Nurjannah 133401016 Jurusan Ekonomi Pembangunan Fakultas Ekonomi Universitas Siliwangi (Jl.

Lebih terperinci

Estimasi Parameter pada Regresi Spatial Error Model (SEM) yang Memuat Outlier menggunakan Iterative Z Algorithm

Estimasi Parameter pada Regresi Spatial Error Model (SEM) yang Memuat Outlier menggunakan Iterative Z Algorithm PRISMA 1 (2018) https://journal.unnes.ac.id/sju/index.php/prisma/ Estimasi Parameter pada Regresi Spatial Error Model (SEM) yang Memuat Outlier menggunakan Iterative Z Algorithm Yulia Sari, Nur Karomah

Lebih terperinci

BAB 3 METODE PENELITIAN. Wilayah dan pengumpulan data yang diambil adalah di Kabupaten Bekasi

BAB 3 METODE PENELITIAN. Wilayah dan pengumpulan data yang diambil adalah di Kabupaten Bekasi BAB 3 METODE PENELITIAN 3.1 Wilayah dan Pengumpulan Data Wilayah dan pengumpulan data yang diambil adalah di Kabupaten Bekasi yang terdiri dari 23 Kecamatan. Lokasi masing-masing kecamatan dapat dilihat

Lebih terperinci

BAB III PEMBAHASAN. Pada pembahasan kali ini akan diuraikan langkah-langkah dalam melakukan

BAB III PEMBAHASAN. Pada pembahasan kali ini akan diuraikan langkah-langkah dalam melakukan BAB III PEMBAHASAN Pada pembahasan kali ini akan diuraikan langkah-langkah dalam melakukan pemodelan menggunakan Spatial Autoregressive Model dan Matriks pembobot spasial Rook Contiguity. Langkah-langkah

Lebih terperinci

APLIKASI MODEL REGRESI SPASIAL UNTUK PEMODELAN ANGKA PARTISIPASI MURNI JENJANG PENDIDIKAN SMA SEDERAJAT DI PROVINSI JAWA TENGAH

APLIKASI MODEL REGRESI SPASIAL UNTUK PEMODELAN ANGKA PARTISIPASI MURNI JENJANG PENDIDIKAN SMA SEDERAJAT DI PROVINSI JAWA TENGAH JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman 375-384 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian APLIKASI MODEL REGRESI SPASIAL UNTUK PEMODELAN ANGKA PARTISIPASI MURNI JENJANG

Lebih terperinci

BAB III LANDASAN TEORI

BAB III LANDASAN TEORI BAB III LANDASAN TEORI 3.1. Analisis Regresi Linier Berganda Regresi linier adalah suatu metode yang digunakan untuk menyatakan pola hubungan antara variabel respo dengan variabel prediktor. Bila variabel

Lebih terperinci

PEMODELAN INDEKS PEMBANGUNAN MANUSIA MENGGUNAKAN SPATIAL PANEL FIXED EFFECT (Studi Kasus: Indeks Pembangunan Manusia Propinsi Jawa Tengah )

PEMODELAN INDEKS PEMBANGUNAN MANUSIA MENGGUNAKAN SPATIAL PANEL FIXED EFFECT (Studi Kasus: Indeks Pembangunan Manusia Propinsi Jawa Tengah ) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 173-182 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN INDEKS PEMBANGUNAN MANUSIA MENGGUNAKAN SPATIAL PANEL

Lebih terperinci

Metode Cochrane-Orcutt untuk Mengatasi Autokorelasi pada Regresi Ordinary Least Squares

Metode Cochrane-Orcutt untuk Mengatasi Autokorelasi pada Regresi Ordinary Least Squares Metode Cochrane-Orcutt untuk Mengatasi Autokorelasi pada Regresi Ordinary Least Squares The Cochrane-Orcutt Method for Solution of Autocorrelation in Ordinary Least Squares Regression M. Fathurahman Program

Lebih terperinci

BAB III METODELOGI PENELTIAN. Riau, DKI Jakarta, Jawa Barat, Jawa Tengah, DI. Yogyakarta, Jawa Timur,

BAB III METODELOGI PENELTIAN. Riau, DKI Jakarta, Jawa Barat, Jawa Tengah, DI. Yogyakarta, Jawa Timur, BAB III METODELOGI PENELTIAN A. Obyek/Subyek Penelitian Obyek dalam penelitian ini meliputi seluruh wilayah atau 33 provinsi yang ada di Indonesia, meliputi : Aceh, Sumatera Utara, Sumatera Barat, Riau,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Lokasi Penelitian Dalam penelitian ini penulis mengambil lokasi penelitian pada Kabupaten/Kota di Provinsi Jawa Timur dimana peneliti mengambil di daerah tersebut karena peneliti

Lebih terperinci

MODEL SPASIAL DURBIN EROR UNTUK INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH

MODEL SPASIAL DURBIN EROR UNTUK INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH MODEL SPASIAL DURBIN EROR UNTUK INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH Albertus Revoliko Septiawan, Sri Sulistijowati Handajani, dan Titin Sri Martini Program Studi Matematika Fakultas Matematika

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA TENGAH MENGGUNAKAN MODEL GALAT SPASIAL ABSTRACT

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA TENGAH MENGGUNAKAN MODEL GALAT SPASIAL ABSTRACT ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 781-790 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA

Lebih terperinci

BAB VI PENUTUP Kesimpulan

BAB VI PENUTUP Kesimpulan BAB VI PENUTUP 6.1. Kesimpulan 1. Berdasarkan pemodelan yang dilakukan dengan menggunakan Ordinary Least Square (OLS) dan regresi spasial diperoleh bahwa asumsi klasik telah terpenuhi. Berdasarkan uji

Lebih terperinci

BAB 3 METODE PENELITIAN. 3.1 Desain Penelitian Penelitian ini menggunakan pendekatan penelitian kuantitatif dengan menggunakan data panel (pool data).

BAB 3 METODE PENELITIAN. 3.1 Desain Penelitian Penelitian ini menggunakan pendekatan penelitian kuantitatif dengan menggunakan data panel (pool data). 31 BAB 3 METODE PENELITIAN 3.1 Desain Penelitian Penelitian ini menggunakan pendekatan penelitian kuantitatif dengan menggunakan data panel (pool data). 3.2 Metode Analisis Data 3.2.1 Analisis Weighted

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI GIZI BURUK BALITA DI JAWA TENGAH DENGAN METODE SPATIAL DURBIN MODEL SKRIPSI

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI GIZI BURUK BALITA DI JAWA TENGAH DENGAN METODE SPATIAL DURBIN MODEL SKRIPSI ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI GIZI BURUK BALITA DI JAWA TENGAH DENGAN METODE SPATIAL DURBIN MODEL SKRIPSI Oleh: Ikha Rizky Ramadani J2E 009 020 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA

Lebih terperinci

ABSTRAK. Mariana, Dosen Pendidikan Matematika Fakultas Tarbiyah dan Keguruan, IAIN Ambon ,

ABSTRAK. Mariana, Dosen Pendidikan Matematika Fakultas Tarbiyah dan Keguruan, IAIN Ambon , ABSTRAK PENDEKATAN REGRESI SPASIAL DALAM PEMODELAN TINGKAT PENGANGGURAN TERBUKA (Spatial Regression Approach in Modeling of Open Unemployment Rate) Mariana, Dosen Pendidikan Matematika Fakultas Tarbiyah

Lebih terperinci

BAB I PENDAHULUAN. salah satunya bidang ekonomi. pertumbuhan ekonomi menjadi salah satu

BAB I PENDAHULUAN. salah satunya bidang ekonomi. pertumbuhan ekonomi menjadi salah satu BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan di Indonesia telah mengalami kemajuan di berbagai bidang salah satunya bidang ekonomi. pertumbuhan ekonomi menjadi salah satu indikator kondisi perekonomian

Lebih terperinci

PEMODELAN LAJU INFLASI DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI DATA PANEL

PEMODELAN LAJU INFLASI DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI DATA PANEL PEMODELAN LAJU INFLASI DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI DATA PANEL SKRIPSI Disusun oleh : DODY APRILIAWAN J2E 009 045 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO

Lebih terperinci

OPTIMALISASI MATRIK BOBOT SPASIAL BERDASARKAN K-NEAREST NEIGHBOR DALAM SPASIAL LAG MODEL

OPTIMALISASI MATRIK BOBOT SPASIAL BERDASARKAN K-NEAREST NEIGHBOR DALAM SPASIAL LAG MODEL M-9 OPTIMALISASI MATRIK BOBOT SPASIAL BERDASARKAN K-NEAREST NEIGHBOR DALAM SPASIAL LAG MODEL I Gede Nyoman Mindra Jaya 1), Bertho Tantular 2), Zulhanif 3) 1,2,3) Departemen Statistika FMIPA UNPAD jay.komang@gmail.com,

Lebih terperinci

BAB III METODE PENELITIAN. B. Jenis Penelitian Penelitian ini menggunakan jenis penelitian deskriptif dengan

BAB III METODE PENELITIAN. B. Jenis Penelitian Penelitian ini menggunakan jenis penelitian deskriptif dengan A. Lokasi Penelitian BAB III METODE PENELITIAN Lokasi penelitian adalah di Kawasan SWP Gerbangkertosusila Plus yang terdiri dari 12 Kabupaten/Kota yaitu: Kota Surabaya, Kabupaten Sidoarjo, Kabupaten Gresik,

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Jenis dan Pendekatan Penelitian Penelitian ini menggunakan pendekatan kuantitatif. Menurut Efferin, Darmadji dan Tan (2008:47) pendekatan kuantitatif disebut juga pendekatan

Lebih terperinci

APLIKASI MODEL SPATIAL AUTOREGRESSIVE UNTUK PEMODELAN ANGKA PARTISIPASI MURNI JENJANG PENDIDIKAN SMA SEDERAJAT DI PROVINSI JAWA TENGAH TAHUN 2011

APLIKASI MODEL SPATIAL AUTOREGRESSIVE UNTUK PEMODELAN ANGKA PARTISIPASI MURNI JENJANG PENDIDIKAN SMA SEDERAJAT DI PROVINSI JAWA TENGAH TAHUN 2011 APLIKASI MODEL SPATIAL AUTOREGRESSIVE UNTUK PEMODELAN ANGKA PARTISIPASI MURNI JENJANG PENDIDIKAN SMA SEDERAJAT DI PROVINSI JAWA TENGAH TAHUN 2011 Restu Dewi Kusumo Astuti 1, Hasbi Yasin 2, Sugito 3 1 Mahasiswa

Lebih terperinci

PEMODELAN DATA KEMISKINAN PROVINSI KALIMANTAN TIMUR DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN FUNGSI PEMBOBOT KERNEL BISQUARE

PEMODELAN DATA KEMISKINAN PROVINSI KALIMANTAN TIMUR DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN FUNGSI PEMBOBOT KERNEL BISQUARE Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 17 3 September 17, Samarinda, Indonesia ISBN: 978-6-531--3 PEMODELAN DATA KEMISKINAN PROVINSI KALIMANTAN TIMUR DENGAN METODE GEOGRAPHICALLY

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN 5.1 Hubungan Antara Penerimaan DAU dengan Pertumbuhan PDRB Dalam melihat hubungan antara PDRB dengan peubah-peubah yang mempengaruhinya (C, I, DAU, DBH, PAD, Suku Bunga dan NX)

Lebih terperinci

PEMODELAN PERSENTASE PENDUDUK MISKIN DI JAWA TIMUR DENGAN PENDEKATAN EKONOMETRIKA PANEL SPASIAL

PEMODELAN PERSENTASE PENDUDUK MISKIN DI JAWA TIMUR DENGAN PENDEKATAN EKONOMETRIKA PANEL SPASIAL PEMODELAN PERSENTASE PENDUDUK MISKIN DI JAWA TIMUR DENGAN PENDEKATAN EKONOMETRIKA PANEL SPASIAL Alifta Kurnia Setiawati (1308100061) Pembimbing : Dr. Ir. Setiawan, MS 1 AGENDA 1 3 4 5 Pendahuluan Tinjauan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. 1. Apakah investasi mempengaruhi kesempatan kerja pada sektor Industri alat

BAB III METODOLOGI PENELITIAN. 1. Apakah investasi mempengaruhi kesempatan kerja pada sektor Industri alat 43 BAB III METODOLOGI PENELITIAN A. Tujuan Penelitian Berdasarkan masalah-masalah yang telah peneliti rumuskan, maka tujuan penelitian ini adalah untuk mengetahui: 1. Apakah investasi mempengaruhi kesempatan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan statistik sebagai alat bantu untuk mengambil keputusan yang lebih baik telah mempengaruhi hampir seluruh aspek kehidupan. Setiap orang, baik sadar maupun

Lebih terperinci

Pemodelan Kasus Tindak Pidana di Kota Surabaya dengan Pendekatan Regresi Spasial

Pemodelan Kasus Tindak Pidana di Kota Surabaya dengan Pendekatan Regresi Spasial JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-135 Pemodelan Kasus Tindak Pidana di Kota Surabaya dengan Pendekatan Regresi Spasial Defi Mustika Sari, Dwi Endah Kusrini,

Lebih terperinci

PEMODELAN DATA PANEL SPASIAL DENGAN DIMENSI RUANG DAN WAKTU (Spatial Panel Data Modeling with Space and Time Dimensions)

PEMODELAN DATA PANEL SPASIAL DENGAN DIMENSI RUANG DAN WAKTU (Spatial Panel Data Modeling with Space and Time Dimensions) Forum Statistika dan Komputasi : Indonesian Journal of Statistics ISSN : 05-5 Vol. No., April 0, p: 6-4 available online at: journal.ipb.ac.id/index.php/statistika PEMODELAN DATA PANEL SPASIAL DENGAN DIMENSI

Lebih terperinci

Pemodelan Pneumonia pada Balita di Surabaya Menggunakan Spatial Autoregressive Models

Pemodelan Pneumonia pada Balita di Surabaya Menggunakan Spatial Autoregressive Models JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-89 Pemodelan Pneumonia pada Balita di Surabaya Menggunakan Spatial Autoregressive Models Ilhamna Aulia, Mutiah Salamah

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian yang digunakan adalah jenis penelitian kuantitatif.

BAB III METODE PENELITIAN. Jenis penelitian yang digunakan adalah jenis penelitian kuantitatif. BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan adalah jenis penelitian kuantitatif. Menurut Sugiyono (2003), penelitian kuantitatif adalah penelitian dengan memperoleh data

Lebih terperinci

BAB III METODE PENELITIAN. Statistik). Data yang diambil pada periode , yang dimana di dalamnya

BAB III METODE PENELITIAN. Statistik). Data yang diambil pada periode , yang dimana di dalamnya BAB III METODE PENELITIAN 3.1. Metode Penelitian 3.1.1. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder sendiri artinya adalah data yang tidak dikumpulkan

Lebih terperinci

pendekatan dalam penelitian ini dinilai cukup beralasan.

pendekatan dalam penelitian ini dinilai cukup beralasan. Tabel Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X, X dan X sebagai C -. 00 X -5 0.50 X.05 00 X 00 R 0.6 Adjusted R 0.6 Hasil pendugaan model data panel dengan Y sebagai peubah

Lebih terperinci

MODEL SPASIAL DURBIN DENGAN EFEK TETAP UNTUK TINGKAT PENGANGGURAN TERBUKA DI PROVINSI KEPULAUAN BANGKA BELITUNG

MODEL SPASIAL DURBIN DENGAN EFEK TETAP UNTUK TINGKAT PENGANGGURAN TERBUKA DI PROVINSI KEPULAUAN BANGKA BELITUNG MODEL SPASIAL DURBIN DENGAN EFEK TETAP UNTUK TINGKAT PENGANGGURAN TERBUKA DI PROVINSI KEPULAUAN BANGKA BELITUNG Ridho Ilahi 1, M. Syamsuddin 2, Yusep Suparman 3 1 Mahasiswa Magister Statistika Terapan

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Kemiskinan Kabupaten/Kota di Jawa Timur Menggunakan Regresi Data Panel

Pemodelan Faktor-Faktor yang Mempengaruhi Kemiskinan Kabupaten/Kota di Jawa Timur Menggunakan Regresi Data Panel JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (016) 337-350 (301-98X Print) D-45 Pemodelan Faktor-Faktor yang Mempengaruhi Kemiskinan Kabupaten/Kota di Jawa Timur Menggunakan Regresi Data Panel Nur Fajriyah

Lebih terperinci

SKRIPSI PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO SEKTOR INDUSTRI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SPASIAL

SKRIPSI PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO SEKTOR INDUSTRI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SPASIAL SKRIPSI PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO SEKTOR INDUSTRI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SPASIAL Disusun Oleh : Loviana 5303012012 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS

Lebih terperinci

BAB III METODE PENELITAN. Lokasi pada penelitian ini adalah Kabupaten/Kota Provinsi Jawa Timur.

BAB III METODE PENELITAN. Lokasi pada penelitian ini adalah Kabupaten/Kota Provinsi Jawa Timur. BAB III METODE PENELITAN A. Lokasi Penelitian Lokasi pada penelitian ini adalah Kabupaten/Kota Provinsi Jawa Timur. Pemilihan lokasi ini salah satunya karena Provinsi Jawa Timur menepati urutan pertama

Lebih terperinci

PENERAPAN GENERALIZED SPATIAL THREE STAGE LEAST SQUARE (GS3SLS) PADA PERSAMAAN SIMULTAN SPASIAL UNTUK PEMODELAN PERTUMBUHAN EKONOMI JAWA TIMUR

PENERAPAN GENERALIZED SPATIAL THREE STAGE LEAST SQUARE (GS3SLS) PADA PERSAMAAN SIMULTAN SPASIAL UNTUK PEMODELAN PERTUMBUHAN EKONOMI JAWA TIMUR TESIS SS142501 PENERAPAN GENERALIZED SPATIAL THREE STAGE LEAST SQUARE (GS3SLS) PADA PERSAMAAN SIMULTAN SPASIAL UNTUK PEMODELAN PERTUMBUHAN EKONOMI JAWA TIMUR EFRILLA RITA UTAMI NRP. 1315201705 DOSEN PEMBIMBING

Lebih terperinci

BAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009

BAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009 17 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Produk Domestik Bruto (PDB) merupakan ukuran yang sangat bermanfaat atas kegiatan dan kesejahteraan perekonomian suatu negara. Menurut teori ekonomi makro, PDB merupakan

Lebih terperinci

ANALISIS BELANJA MODAL DAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA (Studi Empiris pada Kabupaten dan Kota di Provinsi Jawa Tengah Tahun )

ANALISIS BELANJA MODAL DAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA (Studi Empiris pada Kabupaten dan Kota di Provinsi Jawa Tengah Tahun ) ANALISIS BELANJA MODAL DAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA (Studi Empiris pada Kabupaten dan Kota di Provinsi Jawa Tengah Tahun 2011-2013) Disusun sebagai salah satu syarat menyelesaikan Program Studi

Lebih terperinci

III METODE PENELITIAN. Didalam penelitian ini penulis menggunakan metode deskriptif kuantitatif

III METODE PENELITIAN. Didalam penelitian ini penulis menggunakan metode deskriptif kuantitatif III METODE PENELITIAN A. Jenis dan Sumber Data Didalam penelitian ini penulis menggunakan metode deskriptif kuantitatif yaitu menjelaskan kedudukan variabel-variabel penelitian yang diteliti serta pengaruh

Lebih terperinci

PENERAPAN GENERALIZED METHOD OF MOMENT (GMM) PADA PERSAMAAN SIMULTAN DURBIN SPASIAL UNTUK MEMODELKAN KINERJA EKONOMI JAWA TIMUR

PENERAPAN GENERALIZED METHOD OF MOMENT (GMM) PADA PERSAMAAN SIMULTAN DURBIN SPASIAL UNTUK MEMODELKAN KINERJA EKONOMI JAWA TIMUR TESIS- SS14 2501 PENERAPAN GENERALIZED METHOD OF MOMENT (GMM) PADA PERSAMAAN SIMULTAN DURBIN SPASIAL UNTUK MEMODELKAN KINERJA EKONOMI JAWA TIMUR LEMAN JAYA NRP. 1315 201 706 DOSEN PEMBIMBING: Dr. Ir. Setiawan,

Lebih terperinci

BAB I PENDAHULUAN. dengan menurunnya kinerja perekonomian. Oleh karena itu pertumbuhan ekonomi

BAB I PENDAHULUAN. dengan menurunnya kinerja perekonomian. Oleh karena itu pertumbuhan ekonomi BAB I PENDAHULUAN 1.1 Latar Belakang Pertumbuhan ekonomi adalah salah satu indikator kondisi perekonomian suatu negara. Kondisi perekonomian negara dapat diukur melelaui perubahan nilai produk nasional

Lebih terperinci

PERAMALAN TINGKAT PARTISIPASI ANGKATAN KERJA PEREMPUAN DAN FAKTOR-FAKTOR YANG MEMPENGARUHI DI JAWA BARAT

PERAMALAN TINGKAT PARTISIPASI ANGKATAN KERJA PEREMPUAN DAN FAKTOR-FAKTOR YANG MEMPENGARUHI DI JAWA BARAT Jurnal Ilmiah UMMI, Volume X1, No. 03 Desember 2017 37 PERAMALAN TINGKAT PARTISIPASI ANGKATAN KERJA PEREMPUAN DAN FAKTOR-FAKTOR YANG MEMPENGARUHI DI JAWA BARAT Agustina Fakultas Ekonomi Universitas Swadaya

Lebih terperinci

BAB V ANALISIS DATA DAN PEMBAHASAN. 1. Analisis Model Regresi dengan Variabel Dependen PAD. a. Pemilihan Metode Estimasi untuk Variabel Dependen PAD

BAB V ANALISIS DATA DAN PEMBAHASAN. 1. Analisis Model Regresi dengan Variabel Dependen PAD. a. Pemilihan Metode Estimasi untuk Variabel Dependen PAD BAB V ANALISIS DATA DAN PEMBAHASAN A. Analisis Data 1. Analisis Model Regresi dengan Variabel Dependen PAD a. Pemilihan Metode Estimasi untuk Variabel Dependen PAD Cross-section F Pemilihan model estimasi

Lebih terperinci

PEMODELAN KRIMINALITAS DENGAN PENDEKATAN REGRESI SPASIAL DI PROVINSI SULAWESI SELATAN

PEMODELAN KRIMINALITAS DENGAN PENDEKATAN REGRESI SPASIAL DI PROVINSI SULAWESI SELATAN PEMODELAN KRIMINALITAS DENGAN PENDEKATAN REGRESI SPASIAL DI PROVINSI SULAWESI SELATAN Ansari Saleh Ahmar 1, Adiatma 2 1,2 Dosen Program Studi Statistika, Universitas Negeri Makassar Email : ansarisaleh@unm.ac.id

Lebih terperinci

BAB III METODOLOGI PENELITIAN A. Lokasi/Objek Penelitian Penelitian ini dilaksanakan di Provinsi Jawa Timur. Pemilihan Provinsi

BAB III METODOLOGI PENELITIAN A. Lokasi/Objek Penelitian Penelitian ini dilaksanakan di Provinsi Jawa Timur. Pemilihan Provinsi BAB III METODOLOGI PENELITIAN A. Lokasi/Objek Penelitian Penelitian ini dilaksanakan di Provinsi Jawa Timur. Pemilihan Provinsi Jawa Timur ini didasarkan pada pertimbangan bahwa Jawa Timur merupakan provinsi

Lebih terperinci

III. METODE PENELITIAN. Data yang digunakan dalam penelitian ini merupakan data kuantitatif dengan

III. METODE PENELITIAN. Data yang digunakan dalam penelitian ini merupakan data kuantitatif dengan 40 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini merupakan data kuantitatif dengan rentang waktu dari tahun 2001 2012. Tipe data yang digunakan adalah data runtut

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Pemodelan Spasial Pemodelan spasial adalah pemodelan yang berhubungan dengan pendekatan titik dan area. Tahapan untuk melakukan pemodelan spasial adalah regresi linier berganda;

Lebih terperinci

PEMODELAN KASUS TINDAK PIDANA DI KOTA SURABAYA DENGAN PENDEKATAN REGRESI SPASIAL 1 Defi Mustika Sari, 2 Dwi Endah Kusrini dan 3 Suhartono

PEMODELAN KASUS TINDAK PIDANA DI KOTA SURABAYA DENGAN PENDEKATAN REGRESI SPASIAL 1 Defi Mustika Sari, 2 Dwi Endah Kusrini dan 3 Suhartono 1 PEMODELAN KASUS TINDAK PIDANA DI KOTA SURABAYA DENGAN PENDEKATAN REGRESI SPASIAL 1 Defi Mustika Sari, 2 Dwi Endah Kusrini dan 3 Suhartono Jurusan Statistika, Fakultas MIPA, Institut Teknologi Sepuluh

Lebih terperinci

PENDEKATAN REGRESI SPASIAL DALAM PEMODELAN TINGKAT PENGANGGURAN TERBUKA MARIANA

PENDEKATAN REGRESI SPASIAL DALAM PEMODELAN TINGKAT PENGANGGURAN TERBUKA MARIANA PENDEKATAN REGRESI SPASIAL DALAM PEMODELAN TINGKAT PENGANGGURAN TERBUKA MARIANA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2012 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan

Lebih terperinci

V. HASIL DAN PEMBAHASAN. Regional Bruto tiap provinsi dan dari segi demografi adalah jumlah penduduk dari

V. HASIL DAN PEMBAHASAN. Regional Bruto tiap provinsi dan dari segi demografi adalah jumlah penduduk dari 54 V. HASIL DAN PEMBAHASAN Dalam bab ini akan dibahas hasil dari estimasi faktor-faktor yang memengaruhi migrasi ke Provinsi DKI Jakarta sebagai bagian dari investasi sumber daya manusia. Adapun variabel

Lebih terperinci

ANALISIS FAKTOR PENANAMAN MODAL DALAM NEGERI, EKSPOR, DAN KONSUMSI PEMERINTAH TERHADAP PDRB KALIMANTAN BARAT DENGAN MODEL DATA PANEL INTISARI

ANALISIS FAKTOR PENANAMAN MODAL DALAM NEGERI, EKSPOR, DAN KONSUMSI PEMERINTAH TERHADAP PDRB KALIMANTAN BARAT DENGAN MODEL DATA PANEL INTISARI Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume xx, No. x (tahun), hal xx xx. ANALISIS FAKTOR PENANAMAN MODAL DALAM NEGERI, EKSPOR, DAN KONSUMSI PEMERINTAH TERHADAP PDRB KALIMANTAN BARAT DENGAN

Lebih terperinci

PERBANDINGAN REGRESI METODE ROBUST DENGAN METODE OLS STUDY KASUS PENGARUH INFLASI DAN PDRB TERHADAP PENGANGGURAN TERBUKA DI PROVINSI JAWA TEGAH

PERBANDINGAN REGRESI METODE ROBUST DENGAN METODE OLS STUDY KASUS PENGARUH INFLASI DAN PDRB TERHADAP PENGANGGURAN TERBUKA DI PROVINSI JAWA TEGAH PERBANDINGAN REGRESI METODE ROBUST DENGAN METODE STUDY KASUS PENGARUH INFLASI DAN PDRB TERHADAP PENGANGGURAN TERBUKA DI PROVINSI JAWA TEGAH Rofiqoh Istiqomah (1), Abdul Karim (2) 1, email: Rofiqohistiq15@gmail.com

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA TENGAH MENGGUNAKAN MODEL GALAT SPASIAL

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA TENGAH MENGGUNAKAN MODEL GALAT SPASIAL ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA TENGAH MENGGUNAKAN MODEL GALAT SPASIAL SKRIPSI Oleh: OCTAFINNANDA UMMU FAIRUZDHIYA 24010210130057 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA

Lebih terperinci

BAB III. Metode Penelitian

BAB III. Metode Penelitian 34 BAB III Metode Penelitian 3.1 Jenis dan Cara Pengumpulan Data Jenis penelitian ini menggunakan data yang bersifat kuantitatif. Data kuantitatif yaitu data yang berwujud dalam kumpulan angka-angka. Sedangkan

Lebih terperinci

BAB I PENDAHULUAN. Pembangunan nasional identik dengan pembangunan daerah karena

BAB I PENDAHULUAN. Pembangunan nasional identik dengan pembangunan daerah karena BAB I PENDAHULUAN A. Latar Belakang Pembangunan nasional identik dengan pembangunan daerah karena pembangunan nasional pada dasarnya dilaksanakan di daerah. Dalam beberapa tahun ini, di dalam melaksanakan

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Produk Domestik Bruto (PDB) merupakan salah satu indikator perekonomian yang dianggap sebagai ukuran yang baik untuk menilai perekonomian suatu negara. Pada dasarnya,

Lebih terperinci

JURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER. Ayunanda Melliana Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.

JURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER. Ayunanda Melliana Dosen Pembimbing : Dr. Dra. Ismaini Zain, M. JURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER Seminar hasil TUGAS AKHIR Ayunanda Melliana 1309100104 Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.Si PENDAHULUAN Latar Belakang Rumusan Masalah

Lebih terperinci

METODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian

METODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian III. METODE PENELITIAN A. Ruang Lingkup Penelitian Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian deskriptif. Definisi dari penelitian deskriptif adalah penelitian yang menggambarkan

Lebih terperinci

BAB III METODE PENELITIAN. tahun mencakup wilayah kabupaten dan kota di Provinsi Jawa Timur.

BAB III METODE PENELITIAN. tahun mencakup wilayah kabupaten dan kota di Provinsi Jawa Timur. BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder periode tahun 2001-2010 mencakup wilayah kabupaten dan kota di Provinsi Jawa Timur. Kabupaten

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Lokasi Penelitian Lokasi penelitian di Pulau Jawa Provinsi Jawa Timur yang terdiri dari 29 kabupaten dan 9 kota di antaranya dari Kab Pacitan, Kab Ponorogo, Kab Trenggalek,

Lebih terperinci

Kata kunci : LISA, Moran I, Spatial Autocorrelation. Abstract

Kata kunci : LISA, Moran I, Spatial Autocorrelation. Abstract Jurnal Edukasi, Volume 1 No.2, Oktober 2015 ISSN. 2443-0455 ANALISIS SPASIAL AUTOKORELASI PADA DATA PERSENTASE WANITA PERNAH KAWIN DAN TIDAK PERNAH MENGGUNAKAN ALAT / CARA KB DI PROVINSI LAMPUNG Risdiana

Lebih terperinci

BAB I PENGANTAR. 1.1 Latar Belakang. masyarakat, dan institusi-institusi nasional, di samping tetap mengejar akselerasi

BAB I PENGANTAR. 1.1 Latar Belakang. masyarakat, dan institusi-institusi nasional, di samping tetap mengejar akselerasi BAB I PENGANTAR 1.1 Latar Belakang Pembangunan harus dipandang sebagai suatu proses multidimensional yang mencakup berbagai perubahan mendasar atas struktur sosial, sikap-sikap masyarakat, dan institusi-institusi

Lebih terperinci

PERBANDINGAN MODEL PERTUMBUHAN EKONOMI DI JAWA TENGAH DENGAN METODE REGRESI LINIER BERGANDA DAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION SKRIPSI

PERBANDINGAN MODEL PERTUMBUHAN EKONOMI DI JAWA TENGAH DENGAN METODE REGRESI LINIER BERGANDA DAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION SKRIPSI PERBANDINGAN MODEL PERTUMBUHAN EKONOMI DI JAWA TENGAH DENGAN METODE REGRESI LINIER BERGANDA DAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION SKRIPSI Oleh: KELIK ISBIYANTORO J2E 008 029 JURUSAN STATISTIKA

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator

Lebih terperinci

ANALISIS PENYERAPAN.TENAGA.KERJA SEKTOR KONSTRUKSI DI KABUPATEN/KOTA.PROVINSI JAWA.TIMUR TAHUN

ANALISIS PENYERAPAN.TENAGA.KERJA SEKTOR KONSTRUKSI DI KABUPATEN/KOTA.PROVINSI JAWA.TIMUR TAHUN ANALISIS PENYERAPAN.TENAGA.KERJA SEKTOR KONSTRUKSI DI KABUPATEN/KOTA.PROVINSI JAWA.TIMUR TAHUN 2011-2015 Achmad Naufal Fachreza PT. Bank BTPN Syariah Ponorogo naufalfachreza@gmail.com Abstract The purpose

Lebih terperinci

SKRIPSI JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG

SKRIPSI JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG APLIKASI MODEL REGRESI SPASIAL UNTUK PEMODELAN ANGKA PARTISIPASI MURNI JENJANG PENDIDIKAN SMA SEDERAJAT DI PROVINSI JAWA TENGAH SKRIPSI Oleh: Restu Dewi Kusumo Astuti NIM : J2E009002 JURUSAN STATISTIKA

Lebih terperinci

III. METODE PENELITIAN. yaitu infrastruktur listrik, infrastruktur jalan, infrastruktur air, dan tenaga kerja.

III. METODE PENELITIAN. yaitu infrastruktur listrik, infrastruktur jalan, infrastruktur air, dan tenaga kerja. III. METODE PENELITIAN A. Ruang Lingkup Penelitian Dalam penelitian ini menggunakan variabel terikat yaitu PDRB, dan variabel bebas yaitu infrastruktur listrik, infrastruktur jalan, infrastruktur air,

Lebih terperinci

PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK

PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK PERBANDINGAN HASIL ESTIMASI PARAMETER GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DENGAN VARIABEL EKSOGEN BERTIPE METRIK Reza Mubarak ) dan Suhartono ) ) Program Pasca Sarjana Jurusan Statistika, Institut

Lebih terperinci

Teknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial

Teknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Teknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial Sulistiyaningsih 1, Dewi Retno Sari Saputro 2, Purnami Widyaningsih

Lebih terperinci