Analisis Pola Hubungan Persentase Penduduk Miskin dengan Faktor Lingkungan, Ekonomi, dan Sosial di Indonesia Menggunakan Regresi Spasial

Transkripsi

1 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prit) D-235 Aalisis Pola Hubuga Persetase Peduduk Miski dega Faktor Ligkuga, Ekoomi, da Sosial di Idoesia Megguaka Regresi Spasial Voesa Devi Laswiia da Mutiah Salamah Chamid Jurusa Statistika, Fakultas MIPA, Istitut Tekologi Sepuluh Nopember (ITS) Jl. Arief Rahma Hakim, Surabaya Idoesia voesadevi@gmail.com, (2) mutiah_s@statistika.its.ac.id Abstrak Regresi spasial merupaka aalisis utuk megevaluasi hubuga atara variabel depede dega satu atau lebih variabel idepede dega memperhatika keterkaita efek lokasi. Regresi spasial diilai dapat mewakili permasaaha yag ada yaitu perbedaa karakteristik wilayah berhubuga dega persetase peduduk miski di Idoesia. Hal ii dapat dikaitka dega teori pembagua berkelajuta dimaa kemiskia merupaka salah satu idikator di bidag sosial. Selai bidag sosial, pembagua berkelajuta juga megacu pada dua pilar yag lai yaitu bidag ekoomi da ligkuga. Metode regresi spasial yag diguaka meliputi Spatial Autoegressive Model, Spatial Error Model, da Spatial Durbi Model. Hasil pemodela dega megguaka Spatial Autoregressive Model meghasilka model terbaik yaitu y i = 55, , 302 w ij y j + 0, 174X 1i 0, 813X 2i 0, 707X 3i + 0, X 4i + 0, 215X 5i Model ii meghasilka R 2 sebesar 62,2%. Dimaa IKLH (X1) merupaka faktor ligkuga, IPM (X2) da kepadata peduduk (X4) merupaka faktor sosial, da laju pertumbuha ekoomi (X3) da tigkat pegaggura terbuka (X5) adalah faktor ekoomi. Kata Kuci Persetase peduduk miski, Spatial Autoregressive Model, Spatial Error Model, Spatial Durbi Model. S I. PENDAHULUAN alah satu idikator utama keberhasila pembagua asioal adalah laju peurua jumlah peduduk miski. Peduduk Idoesia lebih dari 110 juta jiwa masih hidup dalam kemiskia dega peghasila kurag dari US$ 2 per hari, bahka sebagia besar peduduk miski di Asia Teggara bertempat tiggal di Idoesia [1]. Bayak faktor yag meyebabka besarya agka kemiskia di Idoesia. Hal ii dapat dikaitka dega teori pembagua berkelajuta dimaa kemiskia merupaka salah satu idikator di bidag sosial. Selai bidag sosial, pembagua berkelajuta juga megacu pada dua pilar yag lai yaitu bidag ekoomi da ligkuga. Dari tiga pilar pembagua berkelajuta idikator ligkuga yag megalami tekaa yag berat sebagai akibat dari tekaa ekoomi da sosial. Meski ada beberapa kemajua di bidag pegelolaa ligkuga hidup dega upaya-upaya koservasi, seperti pecadaga wilayah koservasi, peaama poho, pegembaga ekoomi hijau da berbagai upaya peyelamata ligkuga laiya, tekaa terhadap ligkuga hidup masih dirasaka besar selama beberapa tahu ke belakag. Selama ii utuk megukur aspek pembagua ekoomi diguaka pegukura kovesioal seperti pertumbuha PDB (Gross Domestic Product atau Produk Domestik Bruto) semetara utuk megukur aspek sosial diguaka ideks pembagua mausia atau IPM. Bayak kelemaha yag diguaka dalam megguaka PDB sebagai idikator pembagua. PDB sama sekali tidak meghitug deplesi da degradasi dari sumber daya alam da ligkuga sehigga pertumbuha ekoomi serig dibayar dega kerusaka ligkuga. Oleh karea itu, dalam peelitia ii aka dicari pola hubuga atara faktor ligkuga, ekoomi, da sosial dega persetase peduduk miski di masig-masig provisi seluruh Idoesia. Model regresi yag diguaka adalah regresi spasial dimaa model ii diracag utuk meggabugka ketergatuga atara pegamata (daerah atau titik dalam ruag) yag berada dalam jarak geografis terdekat. Metode regresi spasial merupaka pegembaga dari model regresi liier yag megidetifikasi kohort (tetagga terdekat) da memugkika adaya ketergatuga atar daerah/pegamata [2]. Regresi spasial yag diguaka meliputi Spatial Autoregressive Model, Spatial Error Model, da Spatial Durbi Model. Peelitia sebelumya meujukka bahwa kasus kemiskia dapat ditijau dari segi geografisya yag memag terdapat hubuga atar lokasi. II. Natural Breaks TINJAUAN PUSTAKA Natural breaks merupaka metode default dari software ArcView yag dapat megidetifikasi dega cara mecari kelompok-kelompok atau pola-pola yag terdapat di dalam data yag bersagkuta. Nilai-ilai atribut usur-usur peta diurutka mulai dari yag palig kecil higga palig besar. Kemudia ilai-ilai atribut ii dibagi mejadi kelas-kelas baru (sebagai cotoh adalah kelas low, medium, da high ) yag batasyabatasya cukup lebar [3]. Natural breaks dapat membetuk kelompok berjumlah 1 kelompok higga 64 kelompok.

2 D-236 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prit) Aalisis Regresi Liier Aalisis regresi merupaka aalisis utuk medapatka hubuga da model matematis atara variabel depede (Y) da satu atau lebih variabel idepede (X) [4]. Metode yag dapat diguaka utuk megestimasi parameter model regresi liier salah satuya dega metode kuadrat terkecil (ordiary least square/ols) [5]. Secara umum hubuga tersebut dapat diyataka sebagai berikut: p Y i = β 0 + β k X ik + ε i k=1 Y adalah variabel depede, β k = koefisie regresi, X k adalah variabel idepede atau variabel bebas, ε i adalah ilai error regresi dega ε ~ IIDN (0, σ 2 I) Peaksir (estimator) OLS utuk β [5] sebagai berikut. (1) β = (X T X) 1 X T Y (2) β adalah vektor dari parameter yag diestimasi berukura, X adalah matriks variabel prediktor berukura, Y adalah vektor observasi dari variabel respo berukura. Kemudia setelah medapatka model, dilakuka uji sigifkasi parameter secara seretak da parsial. Pegujia Aspek Data Spasial Uji efek spasial dapat dilakuka dega dua cara yaitu spatial depedece da spatial heterogeeity. Uji depedesi spasial dilakuka dega uji Mora s I da uji Lagrage Multiplier dega hipotesis H 0 :tidak ada depedesi spasial (I=0 utuk uji Moras I da ρ = 0 utuk uji LM) dega H 1 :ada depedesi spasial (I 0 utuk uji Mora s I da ρ 0 utuk uji LM). Statistik uji utuk uji Mora s I adalah I = i=1 j=1 w ij (y i y )(y j y ) S 0 i=1(y i y ) 2 E(I) = I 0 = 1 (4) 1 Idetifikasi pola megguaka kriteria ilai ideks I, yaitu jika I > I 0 maka memiliki pola megelompok (cluster), I < I 0 memiliki pola meyebar. Jika I = I 0 maka memiliki pola meyebar tidak merata (tidak ada autokorelasi), da I I 0 berarti terjadi autokorelasi positif saat I positif da sebalikya terjadi autokorelasi egatif saat I egatif. Statistik utuk uji LM adalah: LM lag = LM error = ( e 2 Wy σ 2 ) (WXβ) MWXβ σ 2 +tr[(w +W)W] 2 (e We σ 2 ) tr[(w +W)W] Pegambila keputusa adalah H 0 ditolak jika 2 LM lag /LM error >χ (α,1) atau p-value<α (0,05) yag berarti terjadi depedesi spasial lag pada variabel depede atau error regresi. Pegujia adaya heterogeitas spasial dapat dilakuka dega megguaka uji Breusch-Paga dimaa H 0 : karakteristik di suatu lokasi homoge dega H 1 :karakteristik di suatu lokasi heteroge. Statistik ujiya yaitu BP = ( 1 2 )ft Z(Z T Z) 1 Z T f (7) (3) (5) (6) Spatial Autoregressive Model Pemodela spasial sagat erat dega proses autoregressive, ditujukka dega adaya hubuga ketergatuga atar sekumpula pegamata atau lokasi. Hubuga tersebut juga dapat diyataka dega ilai suatu lokasi bergatug pada ilai lokasi lai yag berdekata (eighborig). Prisip SAR sesuai dega orde pertama model autoregressive dari time series. y i = β 0 + ρ w ij y j + X i β + ε i (8) Spatial Error Model Spatial Error Model merupaka model spasial error dimaa pada error terdapat korelasi spasial [6]. Model spasial error terbetuk apabila W 1 = 0 da ρ = 0, sehigga model ii megasumsika bahwa proses autoregressive haya pada error model. Model umum SEM ditujuka dega persamaa berikut: y i = β 0 + λ w ij ξ j + X i β + ε i (9) Dimaa λ w ij ξ j meujukka spasial struktur λw pada spatially depedet error (ε). Kelebiha dari model SEM adalah memberika model yag lebih baik utuk pegamata yag salig berhubuga. Spatial Durbi Model Spatial Durbi Model (SDM) merupaka perluasa dari metode SAR yag mempuyai ciri khas adaya peambaha spasial lag pada variabel idepede. Vektor parameter koefisie spasial lag varoabel prediktor diyataka dalam β 2. Model SDM diyataka pada persamaa yaitu: y i = β 0 + ρ w ij y j + Xβ 1 + β 2 w ij X j Estimasi Parameter + ε i (10) Estimasi paramater utuk model SAR, SEM da SDM dapat dilakuka dega metode Maximum Likelihood Estimatio (MLE). Estimasi paramater β diperoleh dega memaksimumka fugsi l likelihood dega meuruka persamaa terhadap β sehigga didapatka estimasi paramater sebagai berikut: Utuk SAR: β = (X T X) 1 X T (I ρw 1 )y (11) sedagka fugsi logaritma atural utuk megestimasi ρ adalah: f(ρ) = c 2 l{[e o ρe d ] T [e 0 ρe d ]} +l I ρw 1 (12) Dega c = 2 l(2π) 2 l() 1 2 e 0 = y Xδ 0 da e d = W 1 y Xδ d Utuk SEM: β = ((X λ WX) (X λ WX)) 1 (X λ WX) (X λ Wy) (13) Utuk meduga parameter λ diperluka suatu iterasi umerik utuk medapatka pedugaaya yag memaksimalka fugsi log likelihood [7]. Utuk SDM: β = (Z T Z) 1 Z T (I ρw)y (14)

3 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prit) D-237 Matriks Pembobot Matriks pembobot spasial yag diguaka dalam peelitia ii adalah Quee cotiguity (persigguga sisi-sudut). Metode Quee cotiguity medefiisika bahwa lokasi yag bersisia atau titik sudutya bertemu dega lokasi yag mejadi perhatia diberi pembobota w ij = 1, sedagka utuk lokasi laiya adalah w ij = 0 [8]. Kemiskia Pegertia kemiskia dalam arti luas adalah keterbatasa yag disadag oleh seseorag, sebuah keluarga, sebuah komuitas, atau bahka sebuah egara yag meyebabka ketidakyamaa dalam kehidupa, teracamya peegagaka hak da keadila, teracamya posisi tawar (bargaiig) dalam pergaula duia, hilagya geerasi, serta suamya masa depa bagsa da egara. Negara-egara maju lebih meekaka pada kualitas hidup yag diyataka dega perubaha ligkuga hidup melihat bahwa laju pertumbuha idustri tidak meguragi bahka justru meambah tigkat polusi udara da air, mempercepat peyusuta sumber daya alam, da meguragi kualitas ligkuga. III. Sumber data METODOLOGI PENELITIAN Peelitia ii aka megguaka data sekuder dari Bada Pembagua Nasioal (BAPPENAS) da Bada Pusat Statistik (BPS). Data sekuder yag aka diguaka megacu pada tahu 2013 dega uit observasi sebayak provisi di Idoesia. Variabel Peelitia Uit peelitia provisi di Idoesia tahu Berikut merupaka variabel yag aka diguaka. TABEL 1. VARIABEL PENELITIAN Variabel Keteraga Satua Y Persetase Peduduk Miski Persetase X1 Ideks Kualitas Ligkuga Hidup Persetase X2 Ideks Pembagua Mausia Persetase X3 Laju Pertumbuha PDRB Persetase X4 Kepadata Peduduk Jiwa/km 2 X5 Tigkat Pegaggura Terbuka Persetase Lagkah Aalisis Metode Aalisis data yag diperguaka dalam peelitia ii adalah: 1. Melakuka eksplorasi data yag meliputi deksripsi data, deteksi da megatasi kasus multikoliieritas peta tematik utuk megetahui pola peyebara da depedesi pada masig-masig variabel serta korelasi utuk megetahui pola hubuga variabel X da Y. 2. Melakuka pemodela regresi liier sederhaa dega metode Ordiary Least Square (OLS) yag meliputi estimasi parameter, estimasi sigifikasi model, uji asumsi residual. 3. Meetuka pembobot spasial. 4. Uji depedesi da heterogeitas spasial pada data persetase peduduk miski masig-masig provisi. 5. Meregresika variabel Y (persetase peduduk miski) dega variabel prediktor beserta bobot W dega metode regresi spasial. 6. Pemiliha model terbaik dega memilih model R 2 tertiggi. 7. Megitepretasika da meyimpulka hasil yag diperoleh. IV. ANALISIS DAN PEMBAHASAN Karakteristik Persetase Peduduk Miski da Faktor Ligkuga, Ekoomi, da Sosial Tahu 2013 provisi yag memiliki persetase peduduk miski tertiggi adalah Provisi Papua, Provisi Papua Barat dega masig-masig ilai yaitu 31,53% da 27,14%. Agka ii bahka lebih tiggi daripada rata-rata persetase Idoesia. Sedagka, beberapa provisi dega persetase peduduk miski palig redah adalah Provisi DKI Jakarta, Provisi Bali, Provisi Bagka Belitug dega masig-masig ilai yaitu 3,72%, 4,49%, da 5,25%. Provisi DKI Jakarta memiliki peduduk miski palig redah se-idoesia hal ii dikareaka programprogram yag dilakuka pemeritah Provisi DKI Jakarta utuk memeragi kemiskia sagat berhasil, di Provisi Bali persetase peduduk miski cukup redah karea Bali adalah daerah wisata yag sagat populer di kalaga wisatawa macaegara yag membuat pemasuka juga tiggi sehigga hal ii membuat masyarakat Bali hidup sejahtera. Gambar 1. Persebara Persetase Peduduk Miski Idoesia 2013 Dapat dilihat bahwa semaki ke timur, persetase peduduk miski di Idoesia semaki tiggi. Dimaa, provisi dega persetase peduduk miski yag redah sebagia besar berada di wilayah Idoesia barat sedagka provisi dega persetase peduduk yag tiggi berada di Idoesia bagia timur. Sudah dijelaska sebelumya bahwa redahya persetase peduduk miski di bagia barat Idoesia diakibatka oleh aktivitas ekoomi yag cukup tiggi tetapi sagat berkebalika di wilayah timur Idoesia. TABEL 2. KARAKTERISTIK FAKTOR-FAKTOR YANG DIDUGA MEMPENGARUHI PERSENTASE PENDUDUK MISKIN Variabel Rata-Rata St. Dev Miimum Maksimum X1 63,9 10,71 35,66 83,45 X2 67,455 4,269 56,25 78,08 X3 6,114 1,479 2,49 9,55 X X5 5,343 2,218 1,83 10,12 Provisi dega kualitas ligkuga hidup (X 1 ) terburuk adalah Provisi DKI Jakarta sedagka provisi dega kualitas ligkuga hidup palig baik adalah Provisi Papua Barat. Provisi dega ilai IPM (X 2 ) palig tiggi adalah Provisi DKI Jakarta sedagka provisi dega ilai IPM palig redah adalah Provisi Papua. Provisi dega laju pertumbuha ekoomi (X 3 ) tertiggi adalah Sulawesi Tegah, da provisi yag megalami laju pertumbuha ekoomi palig redah

4 D-238 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prit) adalah Provisi Riau. Pulau Jawa juga merupaka pulau dega jumlah peduduk terpadat di duia yaitu dega 124 juta jiwa dalam wilayah km 2. DKI Jakarta merupaka provisi dega kepadata peduduk (X 4 ) palig tiggi higga mecapai jiwa/km 2. Provisi dega tigkat pegaggura terbuka (X 5 ) palig tiggi adalah Provisi Nagroe Aceh Darussalam sedagka provisi dega ilai tigkat pegaggura terbuka palig redah adalah Provisi Bali. Korelasi Atar Variabel Aalisis korelasi bertujua utuk melihat tigkat keerata hubuga liier atara dua buah variabel. Berikut ii adalah koefisie korelasi atar variabel: X1 0,555 TABEL 3. KORELASI ANTAR VARIABEL Y X1 X2 X3 X4 X2-0,671-0,638 X3 0,144 0,260-0,294 X4-0,256-0,555 0,498-0,000 X5-0,113-0,264 0,351-0,372 0,295 Dapat diketahui bahwa seluruh variabel idepede memiliki hubuga dega variabel persetase peduduk miski. Variabel IKLH (X 1 ) memiliki hubuga positif dega variabel Y dimaa jika terjadi peambaha IKLH aka diikuti dega peambaha persetase peduduk miski. Variabel IPM (X 2 ) memiliki hubuga egatif dega variabel Y dimaa jika terjadi peambaha IPM aka diikuti dega peurua persetase peduduk miski. Variabel laju pertumbuha ekoomi (X 3 ) memiliki hubuga positif dega variabel Y dimaa jika terjadi peambaha laju pertumbuha ekoomi aka diikuti dega peambaha persetase miski. Variabel kepadata peduduk (X 4 ) memiliki hubuga egatif dega variabel Y dimaa jika terjadi peambaha kepadata peduduk diikuti dega peurua persetase peduduk miski. Variabel tigkat pegaggura terbuka (X 5 ) memiliki hubuga egatif dega variabel Y dimaa jika terjadi peambaha tigkat pegaggura terbuka diikuti dega peurua persetase peduduk miski. Utuk lebih jelas dapat dilihat pada pola berikut ii. Gambar 2. Pola Hubuga Variabel X da Y Aalisis Regresi Liier Bergada Pada regresi liier bergada juga dapat melakuka aalisis multikoliieritas utuk megetahui ada tidakya hubuga atar variabel prediktor da megetahui asumsi yag dilaggar sehigga diperoleh dugaa adaya depedesi spasial. Dega aalisis regresi liier bergada didapatka model y = 65,28 + 0,1902X 1 0,9612X 2 0,379X 3 + 0,000509X 4 + 0,2919X 5. VIF yag didapatka tiap variabel besarya dibawah 10 sehigga dapat disimpulka tidak terjadi kasus multikoliieritas. Kemudia, hasil uji sigifikasi parameter didapatka variabel yag sigiifika adalah variabel IPM (X 2 ). Model ii meghasilka R 2 sebesar 52,2%. Asumsi residual yag terlaggar adalah asumsi idetik da idepede sehigga dapat diduga terjadi depedesi spasial pada data persetase peduduk miski di Idoesia. Uji Aspek Data Spasial Pegujia aspek data spasial meliputi dua hal, yaitu uji depedesi spasial da uji heterogeitas spasial. 1) Uji Depedesi Spasial Pegujia depedesi spasial dilakuka utuk melihat apakah pegamata di suatu lokasi berpegaruh terhadap pegamata di lokasi lai yag letakya berdekata. Pegujia depedesi spasial dilakuka dega uji Mora s I da Lagrage Multiplier. Mora s I dilakuka utuk megetahui depedesi spasial atau autokorelasi pada masig-masig variabel sedagka Lagrage Multiplier diguaka utuk megetahui depedesi pada lag atau error. Berikut merupaka hipotesis uji depedesi spasial. TABEL 4. PENGUJIAN DEPENDENSI SPASIAL DENGAN MORAN S I Variabel Mora s I Y 0,5846 X1 0,6241 X2 0,2988 X3 0,2641 X4 0,1019 X5 0,2935 Semua variabel memiliki ilai Mora s I lebih besar dari I 0 =-0,03125 yag meujukka bahwa terdapat autokorelasi positif atau pola yag megelompok da memiliki kesamaa karakteristik pada lokasi yag berdekata. Berikut ii merupaka hasil uji Lagrage Multiplier : TABEL 5. PENGUJIAN DEPENDENSI SPASIAL DENGAN LM TEST Pegujia P-value Keputusa Lagrage Multiplier (lag) 0, Tolak H0 Lagrage Muliplier (error) 0, Tolak H0 Utuk uji Lagrage Multiplier pada lag yag meghasilka ilai probabilitas yag lebih kecil dari taraf sigifikasi (α=0,05). Sehigga H 0 ditolak artiya terdapat depedesi lag sehigga perlu dilajutka ke pembuata model dega megguaka Spatial Autoregressive (SAR) Model. Nilai probabilitas dari Lagrage Multiplier pada error lebih kecil dari taraf sigifikasi (α=0,05) sehigga H 0 ditolak yag berarti terdapat depedesi spasial dalam error sehigga pada kasus ii perlu dilajutka pada pembuata model regresi dega megguaka Spatial Error Model (SEM). Berdasarka uraia di atas, telah diketahui bahwa pada kasus kemiskia di Idoesia terdapat pegaruh spasial. Hal ii megidetifikasika bahwa pemodela dega regresi liier bergada kurag akurat karea masih megabaika usur spasial dalam data. Maka pemodela yag sesuai yaitu dega megguaka regresi spasial. 2) Uji Heterogeitas Spasial Adaya heterogeitas spasial dapat meghasilka parameter regresi yag berbeda di setiap lokasi pegamata. Heterogeitas spasial dapat diuji dega megguaka statistik uji Breusch-Paga. P-value statistik uji Breusch-Paga sebesar 0,03 kurag dari α=0,05 yag artiya varias di tiap lokasi berbeda

5 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prit) D-239 (heteroge). Dalam segi heterogeitas, peelitia ii dapat diselesaika dega metode regresi spasial area. Selajutya aka dibuat model regresi megguaka SAR, SEM, da SDM. Spatial Autoregressive Model Berdasarka hasil uji Lagrage Multiplier pada lag, pada kasus ii perlu dilakuka peaksira parameter utuk SAR dimaa hasil peaksira parameterya adalah sebagai berikut. TABEL 6. ESTIMASI PARAMETER SAR Variabel Koefisie P-value ρ 0,302 0,001 β0 55,86 0,002 β1 0,174 0,05 β2-0,813 0,000 β3-0,707 0,177 β4 0, ,216 β5 0,215 0,537 Dari tabel di atas dapat terbetuk model spasial lag (Spatial Autoregressive Model) sebagai berikut: y i = 55,86 + 0,302 w ij y j + 0,174X 1i 0,813X 2i 0,707X 3i + 0,000417X 4i + 0,215X 5i Selajutya, dilakuka aalisis megguaka metode Spatial Error Model (SEM). Spatial Error Model Berdasarka hasil uji Lagrage Multiplier pada error, pada kasus ii perlu dilakuka peaksira parameter utuk SEM dimaa hasil peaksira parameterya adalah sebagai berikut. TABEL 7. ESTIMASI PARAMETER SEM Variabel Koefisie P-value ρ 0,616 0,00000 β0 45,77 0,004 β1 0,228 0,02 β2-0,661 0,001 β3-0,809 0,098 β4 0, ,192 β5 0,0698 0,85 Model spasial error (Spatial Error Model) sebagai berikut: y i = 45,77 + 0,616 w ij ξ j + 0,228X 1i 0,661X 2i 0,809X 3i + 0,000355X 4i + 0,0698X 5i Selajutya, dilakuka aalisis megguaka metode Spatial Durbi Model (SDM). Spatial Durbi Model Lagkah pertama adalah meregresika variabel depede da seluruh variabel idepede, utuk medapatka model terbaik dilakuka reduksi variabel yag meghasilka p-value tertiggi. Pada model SDM variabel yag sigifika adalah IPM (X 2 ). Koefisie parameter lag X 2 yag dihasilka dega metode SDM meujukka koefisie depedesi spasial lag atau besarya pegaruh kedekata daerah pada variabel X 2. Lagkah selajutya, adalah meregresika variabel depede dega variabel idepede yag sigifika utuk meghasilka model yag terbaik. TABEL 8. ESTIMASI PARAMETER SIGNIFIKAN SDM Variabel Koefisie p-value ρ 0, , β0 60,11 0, β21-0,724 0,00003 β22-0,0675 0,03115 Model spasial durbi (Spatial Durbi Model) sebagai berikut: y i = 60,11 + 0,461 w ij y j 0,724X 2i 0,0675 w ij X 2j + ε i Pemiliha Model Terbaik Setelah melakuka estimasi parameter pada masigmasig model, model dega R 2 palig besar adalah SEM yag meghasilka R 2 sebesar 71,2%, tetapi SEM sulit diiterpretasika kemudia selisih atara R 2 SEM dega SAR tidak terlalu jauh jadi dipilih SAR sebagai model terbaik. j=1 TABEL 9. R 2 MASING-MASING MODEL Model R 2 Spatial Autoregressive Model 64,6% Spatial Error Model 71,2% Spatial Durbi Model 57,62% y i = 55,86 + 0,302 w ij y j + 0,174X 1i 0,813X 2i 0,707X 3i + 0,000417X 4i + 0,215X 5i Dilihat dari korelasi atar variabel idepede tidak terjadi multikoliieritas jadi seluruh variabel idepede dapat dimasukka ke dalam model, selai itu seluruh variabel idepede memiliki hubuga dega variabel depede. Secara umum, model SAR dapat diiterpretasika, bahwa apabila faktor lai diaggap kosta maka ketika ideks kualitas ligkuga hidup (X 1 ) aik sebesar satu perse maka persetase peduduk miski di Idoesia aka bertambah sebesar 0,129 perse. Kemudia, jika ideks pembagua mausia (X 2 ) aik sebesar satu satua maka persetase peduduk miski di Idoesia aka turu sebesar 0,708 perse. Jika laju pertumbuha ekoomi (X 3 ) bertambah satu perse maka persetase peduduk miski turu sebesar 0,675 perse. Jika kepadata peduduk (X 4 ) bertambah satu perse maka persetase peduduk miski bertambah sebesar 0, perse. Jika tigkat pegaggura terbuka (X 5 ) bertambah satu perse maka persetase peduduk miski bertambah sebesar 0,215 perse. Nilai R 2 meujukka model tersebut mampu mejelaska variasi dari persetase peduduk miski sebesar 64,6% da sisaya 35,4% dijelaska oleh variabel lai di luar model. Dega ilai R 2 sebesar 64,6% model ii dapat dikataka cukup baik utuk mejelaska variasi dari persetase peduduk miski di Idoesia. Hubuga atara persetase peduduk miski dega IKLH adalah hubuga yag positif dimaa keaika IKLH juga diikuti oleh aikya persetase peduduk miski. Hal ii terjadi karea masyarakat miski meggatugka hidupya pada ligkuga, da kuragya tekologi di sekitar masyarakat miski juga mejadi salah satu pemicuya. Performace suatu egara tidak haya dilihat dari aspek ekoomi (termasuk sosial) saja tapi perlu dilihat dari aspek laiya yaitu ligkuga. Negara yag masuk dalam kategori performace baik yaitu yag memiliki aspek ekoomi

6 D-240 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Prit) sosial tiggi da aspek ligkuga tiggi secara bersamaa haya sedikit. Sesuai dega program pemeritah, masalah ii yag mejadi sorota utama karea di daerah ekoomi da sosial kurag tetapi memiliki kodisi ligkuga yag baik tetapi sebalikya daerah dega ekoomi da sosial yag baik tetapi memiliki kodisi ligkuga yag sagat buruk [9]. Jika dilihat p-valueya variabel IPM merupaka variabel yag berpegaruh palig sigifika. Hubuga atara persetase peduduk miski dega IPM adalah berhubuga terbalik dimaa jika semaki baik ilai IPM maka agka persetase peduduk miski semaki turu begitu pua sebalikya. Hal ii sesuai dega keadaa yata da sesuai dega teori yag ada. IPM adalah salah satu tolok ukur pembagua suatu wilayah yag berkorelasi egatif terhadap kodisi kemiskia di wilayah tersebut, karea diharapka suatu daerah yag memiliki ilai IPM tiggi, idealya kualitas hidup masyarakat yag tiggi atau dapat dikataka pula bahwa jika ilai IPM tiggi maka seharusya kemiskia redah. Kualitas sumberdaya mausia juga dapat mejadi faktor peyebab terjadiya peduduk miski. Kualitas sumber daya mausia dapat dilihat dari Ideks Pembagua Mausia (IPM). Redahya IPM aka berakibat pada redahya produktivitas kerja peduduk. Produktivitas kerja yag redah berakibat pada redahya peroleha pedapata. Sehigga dega redahya pedapata meyebabka tiggiya jumlah peduduk miski [10]. Hubuga atara persetase peduduk miski dega laju pertumbuha ekoomi adalah egatif. Hal ii sesuai dega peelitia [11], pada peelitia tersebut megidikasika bahwa laju pertumbuha ekoomi yag lebih tiggi dapat meguragi kemiskia dega lebih cepat da tepat. Semaki tiggi laju petumbuha ekoomi suatu provisi meadaka kesejahteraa masyarakatya bertambah sehigga persetase kemiskia dapat berkurag. V. KESIMPULAN DAN SARAN Kesimpula Berdasarka hasil aalisis da pembahasa yag dijelaska sebelumya, dapat diambil beberapa kesimpula sebagai berikut. 1. Setiap variabel meujukka adaya keragama pembagua provisi di Idoesia, keragama tertiggi terjadi pada variabel kepadata peduduk. Pada variabel persetase peduduk miski terjadi hubuga atar lokasi dimaa provisi dega letak geografis yag semaki ke timur memiliki persetase peduduk miski yag semaki tiggi. 2. Setelah melakuka pemodela dega megguaka Spatial Autoregressive Model, Spatial Error Model, da Spatial Durbi Model didapatka model terbaik dega melihat model yag memiliki R 2 tertiggi yaitu Spatial Autoregressive model. R 2 yag dihasilka sebesar 62,2% da model yag dihasilka adalah y i = 55,86 + 0,302 w ij y j + 0,174X 1i 0,813X 2i 0,707X 3i + 0,000417X 4i + 0,215X 5i Variabel yag berpegaruh yaitu Ideks Kualitas Ligkuga Hidup (X 1 ) yag merupaka faktor ligkuga, Ideks Pembagua Mausia (X 2 ), kepadata peduduk (X 4 ) yag merupaka faktor sosial, da laju pertumbuha ekoomi (X 3 ), tigkat pegaggura terbuka (X 5 ) yag merupaka faktor ekoomi. Jika dilihat dari koefisie regresi, variabel X 2 merupaka variabel yag memiliki pegaruh terhadap variabel persetase peduduk miski palig tiggi. Sara Pada peelitia selajutya disaraka utuk memasukka variabel prediktor yag sigiifka dari hasil peelitia ii. Variabel-variabel pembetuk IKLH juga dapat dimasukka sehigga aspek ligkuga bertambah. Sara utuk pemeritah di masig-masig provisi tetap memperhatika aspek ligkuga dalam pembagua, dega memperketat peratura berkaita dega AMDAL (Aalisis Dampak Ligkuga), sehigga kesejahteraa masyarakat aka tetap terjami dega mejaga keseimbaga ligkuga. IPM merupaka variabel yag berpegaruh secara sigfika, selajutya diharapka dega peigkata IPM dapat meguragi jumlah peduduk miski di Idoesia. DAFTAR PUSTAKA [1] UNDP. (2007). Uited Natios Developmet Programme: Idoesia. Retrieved 24 May 2007, 2007, from [2] Aseli l. & J. Le gallo.(2006). Iterpolatio of air quality measures i hedoic house price models: spatial aspects.spatial Ecoomic Aalysis, 1, [3] Prahasta, Eddy. (2004). Sistem Iformasi Geografis: Tutorial ArcView.Badug. Peerbit Iformatika. [4] Draper, N. R., & Smith, H. (1992). Aalisis Regresi Terapa. Jakarta: PT. Gramedia Pustaka Utama. [5] Kuter, M.H., Nachtsheim, C.J., & Neter, J. (2004). Applied Liear Regressio Models. Fourth Editio.New York: McGraw- Hill Compaies, Ic. [6] Aseli L.(1988).Spatial Ecoometrics: Methods ad Models. Dordrecht: Kluwer Academic Publishers. [7] Arisati, Restu. Model Regresi Spasial Utuk Deteksi Faktor- Faktor Kemiskia di Provisi Jawa Timur. (Olie: 1rar.pdf?sequece=1). Diakses taggal 06 Maret [8] Chamid, M.S, Pertiwi, D.L, & Sutiko. (2012). Spatial Durbi Model utuk megidetifikasi faktor-faktor yag mempegaruhi kematia ibu di Jawa Timur. Jural Sais da Sei ITS, 1(1), [9] Fauzi, A., & Oxtaviaus A. (2014). The measuremet of suistaiable developmet i Idoesia. Jural Ekoomi Pembagua. 15 (1), [10] Sukmaraga, P. (2011). Aalisis Pegaruh Ideks Pembagua Mausia, PDRB Per Kapita, da Jumlah Pegaggua Terhadap Jumlah Peduduk Miski di Provisi Jawa Tegah. Tugas Akhir, Fakultas Ekoomi Uiversitas Dipoegoro. [11] Wirawa I, M, T & Arka, S. (2015). Aalisis pegaruh pedidika, PDRB per kapita da tigkat pegaggura jumlah peduduk miski Provisi Bali. Jural Ekoomi Pembagua Uiversitas Udayaa, 4,