MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA (TPT) PROVINSI JAWA BARAT DENGAN REGRESI TERBOBOTI GEOGRAFIS (RTG)

Transkripsi

1 MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA (TPT) PROVINSI JAWA BARAT DENGAN REGRESI TERBOBOTI GEOGRAFIS (RTG) OKTAVIANI PRIHATININGSIH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012

2 ABSTRAK OKTAVIANI PRIHATININGSIH. Menentukan Faktor-Faktor yang Mempengaruh Tngkat Pengangguran Terbuka (TPT) Provns Jawa Barat dengan Regres Terbobot Geografs (RTG). Dbmbng oleh BUDI SUSETYO dan MUHAMMAD NUR AIDI. Tngkat Pengangguran Terbuka (TPT) merupakan propors jumlah penduduk yang sedang aktf mencar kerja terhadap jumlah penduduk angkatan kerja. Data pengangguran yang bersfat mengelompok menyebabkan keragaman karakterstk antar ttk pengamatan. Hal n dduga karena adanya pengaruh aspek spasal atau faktor lokas. Konds n menyebabkan data antar pengamatan sult untuk memenuh asums regres klask sepert kehomogenan ragam ssaan. Salah satu metode yang dgunakan untuk mengatas permasalahan keheterogenan ragam ssaan akbat adanya faktor lokas pengamatan yatu Regres Terbobot Geografs (RTG). Hasl analss dengan menggunakan fungs pembobot kernel normal (Gaussan) menunjukkan bahwa model RTG lebh bak darpada model regres klask dalam menjelaskan hubungan antara TPT dan peubah penjelasnya. Hal n dbuktkan dengan nla R 2 terkoreks model RTG (92.80%) yang lebh besar dar model regres klask (52.8%). Selan tu, nla jumlah kuadrat galat dan nla AIC model RTG lebh kecl dar model regres klask. Peubah penjelas yang berpengaruh terhadap TPT secara keseluruhan yatu peubah kepadatan penduduk (x 1 ), persentase penduduk mskn (x 2 ), upah mnmum Kabupaten/Kota (x 7 ) dan persentase unt usaha ndustr besar per jumlah penduduk usa kerja (x 10 ). Dengan uj parsal parameter model RTG, dperoleh hasl bahwa dar 26 Kabupaten/Kota terdapat delapan kelompok Kabupaten/Kota dengan pola peubah penjelas yang sama dalam pengaruhnya terhadap TPT. Kata Kunc : Regres Terbobot Geografs (RTG), Kernel normal (Gaussan)

3 MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA (TPT) PROVINSI JAWA BARAT DENGAN REGRESI TERBOBOTI GEOGRAFIS (RTG) OKTAVIANI PRIHATININGSIH Skrps Sebaga salah satu syarat untuk memperoleh gelar Sarjana Statstka pada Departemen Statstka DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012

4 v Judul Nama NRP : Menentukan Faktor-Faktor yang Mempengaruh Tngkat Pengangguran Terbuka (TPT) Provns Jawa Barat dengan Regres Terbobot Geografs (RTG) : Oktavan Prhatnngsh : G Menyetuju, Pembmbng I, Pembmbng II, Dr. Ir. Bud Susetyo, MS NIP Dr. Ir. M. Nur Ad, MS NIP Mengetahu, Ketua Departemen Statstka Fakultas Matematka dan Ilmu Pengetahuan Alam Insttut Pertanan Bogor Dr. Ir. Har Wjayanto, M.S NIP Tanggal Lulus :

5 v PRAKATA Puj syukur penuls panjatkan kehadrat Allah SWT, rabb semesta alam atas rahmat dan karuna Nya sehngga penuls dapat menyelesakan karya lmah n dengan judul Menentukan Faktor-Faktor yang Mempengaruh Tngkat Pengangguran Terbuka (TPT) Provns Jawa Barat dengan Regres Terbobot Geografs (RTG). Penuls menyadar sepenuhnya bahwa begtu banyak phak yang telah turut membantu dalam penyelesaan karya lmah n. Melalu kesempatan n, dengan segala kerendahan hat, penuls ngn mengucapkan terma kash yang sebesar-besarnya kepada: 1. Bapak Dr. Ir. Bud Susetyo, MS dan Bapak Dr.Ir. Muhammad Nur Ad, MS selaku dosen pembmbng yang telah memberkan bmbngan, saran, dan masukan kepada penuls. 2. Bapak Agus M. Soleh, MT selaku penguj luar pada sdang skrps penuls. 3. Ibu, Bapak, adkku Bambang, tante Lls yang selalu memberkan dukungan dan kash sayangnya selama n. 4. Seluruh dosen Departemen Statstka yang telah memberkan lmu dan nashat yang bermanfaat bag penuls. 5. Bu Markonah dan Bu Tr yang selalu membantu dalam admnstras penuls selama perkulahan. 6. Ka Rendrat, Mbak Lona, Mbak Ana, Ddn, Am dan Ka Rzk yang banyak membantu penuls dan member masukan yang sangat bermanfaat. 7. Sartka Lestar dan Um Nur Chasanah yang selalu member semangat dan menjaga kekompakan selama masa bmbngan dalam pembuatan karya lmah. 8. Rath, Vta, Betha dan Arma atas segala dukungan dan kebersamaannya. 9. Teman-teman Statstka 45, Statstka 44 dan Statstka Semua phak yang telah membantu penuls dan selalu memberkan dukungan dan motvas. Penuls menyadar bahwa mash banyak terdapat kesalahan dalam penyusunan karya lmah n, oleh sebab tu krtk dan saran yang membangun sangat penuls harapkan guna perbakan d kemudan har. Semoga karya lmah n bermanfaat bag semua yang membacanya. Bogor, Oktober 2012 Oktavan Prhatnngsh

6 v RIWAYAT HIDUP Penuls dlahrkan d Jakarta 18 Oktober 1989 dar pasangan Bapak Prjana dan Ibu Eka Kurnash. Penuls merupakan anak pertama dar dua bersaudara. Pada tahun 2002 penuls lulus dar SDN Grogol Utara 11 PT Jakarta, d tahun 2005 penuls lulus dar SMPN 16 Jakarta. Kemudan penuls melanjutkan studnya d SMAN 29 Jakarta dan lulus tahun Pada tahun yang sama penuls dterma d Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Insttut Pertanan Bogor melalu jalur Undangan Seleks Masuk IPB (USMI). Selama mengkut perkulahan penuls aktf dalam berbaga kegatan organsas, dantaranya yatu sebaga anggota Dvs Lead Offcer Semnar Nasonal Statstka Ra ke-6 tahun 2010, anggota Departemen Analss Data Hmpunan Keprofesan Gamma Sgma Beta (GSB) perode tahun Selan tu penuls juga bergabung dalam Koms Dspln Masa Perkenalan Fakultas dan Welcome Ceremony Statstc (WCS) tahun 2011 serta anggota Dvs Sponsorshp Pesta Sans Nasonal tahun Pada bulan Februar hngga Maret 2012 penuls berkesempatan mengkut kegatan praktk lapang d PT Fortune Indonesa Tbk. dan bergabung dalam Dvs Inovaton and Bussness Development (IBD).

7 v DAFTAR ISI Halaman DAFTAR TABEL... v DAFTAR GAMBAR... v DAFTAR LAMPIRAN... v PENDAHULUAN... 1 Latar Belakang... 1 Tujuan... 1 TINJAUAN PUSTAKA... 1 Tngkat Pengangguran Terbuka... 1 Uj Keragaman Spasal... 1 Regres Terbobot Geografs (RTG)... 2 Pengujan Paramater Model RTG... 2 Pemlhan Model Terbak... 2 Anova Model RTG... 2 Akake Informaton Crteron (AIC)... 3 METODOLOGI... 3 Bahan... 3 Metode... 3 HASIL DAN PEMBAHASAN... 4 Model Regres Klask... 4 Model RTG... 5 KESIMPULAN... 7 DAFTAR PUSTAKA... 7 LAMPIRAN... 9

8 v DAFTAR TABEL Halaman 1. Penduga parameter regres klask dengan semua peubah penjelas Penduga parameter regres klask dengan peubah penjelas berpengaruh Rngkasan penduga parameter model RTG Anova uj F model RTG Perbandngan nla JKG, AIC dan R DAFTAR GAMBAR 1. Dagram pencar uj kenormalan ssaan Kolmogorov-Smrnov Plot ssaan dengan urutan ssaan pada model regres klask Plot ssaan dengan y duga pada model regres klask Grafk lebar jendela optmum Dagram pencar y amatan dan y duga model RTG dan model regres klask Dagram pencar ssaan model RTG dan model regres klask Peta keragaman spasal peubah bebas yang sgnfkan terhadap data TPT setap kabupaten/kota d Provns Jawa Barat tahun DAFTAR LAMPIRAN 1. Penduga parameter RTG dan peubah penjelas yang berpengaruh... 10

9 1 PENDAHULUAN Latar Belakang Tenaga kerja adalah modal pentng bag bergeraknya roda pembangunan d suatu negara. Internatonal Labour Organzaton (ILO) merupakan organsas duna yang berkontrbus menyedakan konsep dan statstk ketenagakerjaan duna. Salah satu target ILO yatu mengurang angka pengangguran d setap negara. D Indonesa ndkator yang basa dgunakan untuk mengukur angka pengangguran mengkut konsep ketenagakerjaan yang dgunakan ILO yatu Tngkat Pengangguran Terbuka (TPT) (BPS 2007). Tnggnya angka TPT sangat mungkn berhubungan dengan beberapa peubah yang mempengaruhnya. Untuk mencar hubungan antara TPT dengan peubah penjelasnya dgunakan analss statstka yatu regres klask. Pada regres klask penduga parameter yang dhaslkan berlaku global dan juga harus memenuh beberapa asums klask yatu ssaan menyebar normal, antar ssaan salng bebas, ragam ssaan homogen, dan tdak ada multkolneartas (Draper dan Smth 1992). Data pengangguran yang bersfat mengelompok menyebabkan keragaman karakterstk antar ttk pengamatan. Hal n dduga karena adanya pengaruh aspek spasal atau faktor lokas. Konds n menyebabkan data antar pengamatan sult untuk memenuh asums regres klask sepert kehomogenan ragam ssaan. Oleh karena tu dperlukan suatu permodelan yang memperhatkan faktor lokas pengamatan. Regres Terbobot Geografs (RTG) merupakan salah satu metode yang dgunakan untuk mengatas permasalahan keheterogenan ragam ssaan akbat adanya faktor lokas pengamatan (Saefuddn et al. 2011). Model RTG merupakan pengembangan dar model regres klask. Pada model RTG nla-nla penduga yang dhaslkan bersfat lokasonal sehngga setap lokas pengamatan mempunya nla koefsen regres yang berbeda-beda. Pendugaan parameter dlakukan dengan penambahan pembobot lokas. Pemlhan fungs pembobot adalah salah satu penentu hasl analss model RTG (Fotherngham et al. 2002). Pada peneltan n fungs pembobot yang dgunakan adalah fungs kernel normal Gaussan. Tujuan Tujuan dalam peneltan n adalah menerapkan Regres Terbobot Geografs untuk menentukan model TPT dan peubahpeubah yang mempengaruh TPT untuk setap Kabupaten/Kota d Provns Jawa Barat. TINJAUAN PUSTAKA Tngkat Pengangguran Terbuka Tngkat Pengangguran Terbuka (TPT) dukur sebaga propors jumlah penduduk yang sedang aktf mencar kerja terhadap jumlah penduduk angkatan kerja. TPT memberkan ndkas tentang penduduk usa kerja (15 tahun ke atas) yang termasuk dalam kelompok pengangguran. TPT dapat drumuskan sebaga berkut (BPS 2007): TPT = (Pencar Kerja / Angkatan Kerja) x 100 % ILO mendefnskan beberapa peubah yang berpengaruh terhadap TPT dantaranya yatu kependudukan, penddkan, upah tenaga kerja, PDRB, banyaknya pekerja d sektor formal dan nformal, nfrastruktur, serta sarana dan prasarana yang terseda d suatu wlayah. Indkator TPT n berguna sebaga acuan pemerntah untuk dbukanya lapangan kerja baru (BPS 2007). Uj Keragaman Spasal Data yang dhubungkan dengan lokas pengamatan dmana data tersebut damat dsebut dengan data spasal (Yasn 2011). Keheterogenan ragam spasal atau keragaman spasal dsebabkan karena adanya perbedaan karakterstk antar ttk lokas pengamatan. Menurut Anseln 2009 dentfkas adanya keragaman spasal dapat dlakukan dengan uj Breusch-Pagan. Hpotess yang dgunakan dalam uj Breusch-Pagan: H 0 : Keragaman antar wlayah sama H 1 : Terdapat keragaman antar wlayah Statstk uj : BP dmana: 1 2 n 1 x f = uˆ 1; uˆ ˆ dan 2 ˆ n 2 uˆ 1 f T n 1 ( y x x T ˆ' x n 1 Tolak H 0 jka BP >χ 2 (k-1) atau nla-p<α, dengan k adalah banyaknya parameter regres (Arba 2006). ) x f

10 2 Regres Terbobot Geografs (RTG) Regres Terbobot Geografs (RTG) atau Geographcally Weghted Regresson (GWR) adalah model regres lner lokal yang menghaslkan penduga parameter model yang bersfat lokal (Fotherngham et al.2002). Karena model RTG bersfat lokasonal maka nla koefsen regres untuk setap lokas pengamatan berbeda-beda. Mengngat model RTG merupakan pengembangan dar model regres klask, model RTG dapat dtulskan sebaga berkut: dmana: y x k y β 0 (u,v ) p 0 u, v ) k ( u, v ) k k 1 ( x : nla observas peubah respon ke-, = 1, 2,..., n, n = banyaknya lokas yang damat : nla observas peubah penjelas k pada pengamatan ke- : nla ntercept model regres RTG β k : vektor koefsen regres (u,v ) : menyatakan ttk koordnat (longtude, lattude) lokas ke- ε : error yang menyebar normal (0,ζ 2 ) Pendugaan parameter dlakukan dengan penambahan pembobot lokas. Pembobotan dlakukan berdasarkan nla kedekatan dengan pusat pengamatan. Jarak yang lebh dekat dengan pusat pengamatan nla pembobotnya mendekat 1. Nla pembobot semakn mendekat 0 untuk jarak yang semakn jauh dengan pusat pengamatan. Sebaga contoh, lokas ke- merupakan pusat pengamatan, maka dasumskan pengamatan yang dekat dengan lokas ke- akan memberkan pengaruh pada dugaan parameter model RTG lebh besar darpada pengamatan yang letaknya jauh dar lokas ke- (Leung et al. 2000). Penduga parameter pada RTG dapat dtulskan sebaga berkut : ˆ ' 1 ' ( u, v ) ( X w( u, v ) X) X w( u, v ) y dmana w(u,v ) adalah matrks pembobot berukuran nxn. Elemen dagonalnya merupakan pembobot lokas ke- yang nlanya dtentukan oleh jarak antar lokas pengamatan, sedangkan elemen selan dagonalnya bernla nol (Leung et al. 2000). Pada peneltan n fungs pembobot yang dgunakan yatu fungs penghalus atau fungs kernel normal Gaussan. Fungs pembobot kernel normal Gaussan dapat dtulskan sebaga berkut : 1 d j w( u, v ) exp 2 b 2 dengan d j adalah jarak eucld dar lokas ke- ke lokas ke-j, b (bandwdth) adalah lebar jendela, yatu radus suatu lngkaran dmana ttk yang berada dalam radus lngkaran danggap mash memberkan pengaruh dalam membentuk parameter model lokas ke-. Salah satu cara untuk mendapatkan nla lebar jendela optmum dengan menggunakan valdas slang (Cross Valdaton). Rumus koefsen secara matemats ddefnskan sebaga berkut: dengan yˆ ( b) adalah nla penduga y dmana pengamatan lokas ke- dhlangkan dar proses pendugaan. Nla lebar jendela optmum dperoleh dar hasl teras dengan melhat nla CV mnmum (Fotherngham et al. 2002). Pengujan Parameter Model RTG Pengujan parameter model pada setap lokas dlakukan dengan menguj parameter secara parsal. Hpotessnya dapat dtulskan sebaga berkut : H 0 : ( u, v ) 0 k CV n 2 y ˆ y ( b) 1 H 1 : k ( u, v ) 0, k 1,2,..., p Statstk uj t yang dgunakan dapat ddefnskan sebaga berkut: ˆ k ( u, v ) t k ( u, v ) Se( ˆ ( u, v )) dmana ' 2 Se( ˆ k ( u, v )) CC Se( ˆ k ( u, v )), adalah akar dar elemen dagonal ke-k matrks C C dkalkan nla KTG model RTG, C =(X w(u,v )X) -1 X w(u,v ). Tolak H 0 jka nla t k (u,v ) > t (v;α/2), dmana v adalah derajat bebas (n-k-1), k adalah banyaknya peubah penjelas yang dgunakan (Nakaya et al. 2005). Pemlhan Model Terbak Anova Model RTG Uj yang dlakukan untuk melhat adanya perbedaan sgnfkan antara model RTG dan model regres klask adalah uj F menurut Brunsdon et al. pada Saefuddn et al Hpotess yang dgunakan sebaga berkut: H 0 : Tdak ada perbedaan sgnfkan antara model regres klask dan model RTG H 1 : Ada perbedaan sgnfkan antara model regres klask dan model RTG k

11 3 Statstk uj yang dgunakan dapat d tulskan sebaga berkut : RTG mprovement = JKG regres klask - JKG RTG ( RTG F JKG mprovement RTG / / v ) dengan RTG mprovement adalah jumlah kuadrat galat model regres klask dkurang dengan jumlah kuadrat galat model RTG, δ = tr[(i- S) (I-S)], =1,2, v 1 = n-p-1- δ, S merupakan matrks proyeks dmana yˆ Sy. Tolak H 0 jka nla F > F tabel dengan derajat pemblang v 2 1 /v 2 dan derajat penyebut δ 2 1 / δ 2, v 2 = n-p-1-2δ +δ 2 (Saefuddn et al. 2011). Akake Informaton Crteron (AIC) Pemlhan model terbak antara model RTG dan model regres klask dapat dlakukan dengan melhat nla jumlah kuadrat galat yang terkecl, nla R 2 yang terbesar dan nla Akake Informaton Crteron (AIC) terkecl (Fotherngham et al. 2002). Pemlhan model terbak dengan menggunakan nla Akake Informaton Crteron (AIC) terkecl dapat dtulskan sebaga berkut (Fotherngham et al. 2002) : AIC 2nlog ( ˆ) nlog (2 ) n tr( S) e dengan ˆ adalah nla penduga standar devas dar error hasl pendugaan maksmum lkelhood, yatu 2 RSS ˆ, dan tr(s) adalah n teras dar matrks proyeks dmana yˆ Sy. METODOLOGI Bahan Data yang dgunakan dalam peneltan n adalah data sekunder yang dperoleh dar publkas Badan Pusat Statstk yatu Jawa Barat Dalam Angka, Produk Domestk Regonal Bruto Kabupaten/Kota d Indonesa dan Keadaan Angkatan Kerja d Indonesa. Data pengamatan yang dgunakan adalah data pada setap Kabupaten/Kota d Provns Jawa Barat pada tahun 2009 yang terdr dar 26 Kabupaten/Kota. Berkut peubah-peubah yang dgunakan dalam analss : a. Peubah respon : Y : persentase TPT (%) b. Peubah penjelas terdr dar : x 1 : Kepadatan penduduk (jwa/km 2 ) x 2 : Persentase penduduk mskn (%) x 3 : Persentase penduduk usa kerja dengan penddkan terakhr SMP (%) x 4 : PDRB per Kabupaten/Kota (Mlyar) x 5 : Persentase penduduk usa kerja bekerja d sektor pertanan (%) e 1 1 x 6 : Persentase penduduk usa kerja bekerja d sektor nformal (%) x 7 : Upah mnmum Kabupaten/Kota (Ratus rbu rupah) x 8 : Panjang jalan Kabupaten/Kota dengan konds rusak (km) x 9 : Persentase unt usaha ndustr kecl menengah per jumlah penduduk usa kerja (%) x 10 : Persentase unt usaha ndustr besar per jumlah penduduk usa kerja (%) Ttk pengamatan yang dplh yatu ttk pusat pemerntahan d setap Kabupaten/Kota. Untuk tu dperlukan data koordnat longtude (bujur) dan lattude (lntang) dengan menggunakan perangkat lunak ArcGs vers 9.3. Perangkat lunak ArcGs vers 9.3 juga dperlukan dalam pembuatan peta keragaman spasal. Sedangkan untuk proses analss data menggunakan perangkat lunak R vers dan Mntab vers 16. Metode Peneltan n dlakukan melalu beberapa tahapan sebaga berkut: 1. Menentukan peubah penjelas yang dgunakan. 2. Menduga parameter model regres klask dengan metode kuadrat terkecl dan melakukan uj parsal parameter. 3. Melakukan pemerksaan asums regres klask. Asums kenormalan ssaan dengan uj Kolmogorov-Smrnov, jka nla-p > α maka terma H 0 yang artnya ssaan menyebar normal. Pemerksaan asums multkolneartas dengan melhat nla Varance Inflaton Factors (VIF), jka nla VIF < 10 maka tdak ada multkolneartas antar peubah penjelas (Gujarat 2004). Pemerksaan asums kebebasan ssaan dan kehomogenan ssaan dlakukan secara eksploratf. 4. Melakukan uj keragaman spasal dengan menggunakan uj Breusch-Pagan untuk melhat keragaman spasal pada data. 5. Menghtung matrks pembobot w(u,v ) untuk = 1, 2,..., 26 dengan terlebh dulu menentukan bandwdth optmum menggunakan teknk Cross Valdaton (CV) untuk fungs kernel normal Gaussan. 6. Menduga parameter model RTG dengan metode kuadrat terkecl terbobot dan melakukan uj parsal parameter untuk setap Kabupaten/Kota. 7. Melhat model terbak antara model regres klask dan model RTG dengan uj F, melhat nla R 2, jumlah kuadrat galat dan AIC masng-masng model.

12 4 8. Mendeskrpskan peta keragaman spasal untuk TPT d Provns Jawa Barat. HASIL DAN PEMBAHASAN Model Regres Klask Sebelum menggunakan model RTG untuk menganalss data dgunakan terlebh dahulu model regres klask. Model regres klask dgunakan untuk mengetahu peubah penjelas mana saja yang berpengaruh sgnfkan terhadap TPT d Provns Jawa Barat tanpa melbatkan faktor lokas pengamatan. Hasl dugaan parameter dengan menggunakan model regres klask dapat dlhat pada Tabel 1. Tabel 1 Penduga parameter model regres klask dengan semua peubah penjelas Peubah Koefsen Galat Baku nla-p Konstanta x * x ** x x x x x * x x x * Keterangan : *) nyata pada α= 5%, **) nyata pada α=10% Dar Tabel 1 dapat dlhat peubah penjelas yang berpengaruh terhadap TPT adalah peubah penjelas x 1, x 7, x 10 pada taraf nyata 5% serta x 2 pada taraf nyata 10% dan menghaslkan R 2 terkoreks sebesar 51.8%. Setelah melhat peubah penjelas mana saja yang berpengaruh terhadap TPT dlakukan lag analss regres klask dengan hanya menggunakan peubah penjelas yang berpengaruh. Tabel 2 Penduga parameter model regres klask dengan peubah penjelas berpengaruh Peubah Koefsen Galat Baku nla-p Konstanta VIF x * 1.54 x ** 1.91 x * 1.60 x * 1.12 Keterangan : *) nyata pada α= 5%, **) nyata pada α=10% Uj F menghaslkan nla-p sebesar 0.00 maka tolak H 0 pada taraf nyata 5% yang artnya model regres dengan empat peubah penjelas tersebut memlk pengaruh yang nyata terhadap TPT. Pada Tabel 2 dapat dlhat peubah penjelas yang secara keseluruhan berpengaruh terhadap TPT adalah peubah penjelas x 1, x 7, x 10 pada taraf nyata 5% serta x 2 pada taraf nyata 10% dan menghaslkan R 2 terkoreks sebesar 52.8%. Uj asums kenormalan ssaan dengan menggunakan uj Kolmogorov-Smrnov menghaslkan nla-p lebh besar dar taraf nyata 5% yang berart terma H 0 yatu ssaan menyebar normal. Dagram pencar uj kenormalan ssaan dengan menggunakan uj Kolmogorov-Smrnov dapat dlhat pada Gambar 1. nla-p= >0.15 Gambar 1 Dagram pencar uj kenormalan ssaan Kolmogorov-Smrnov Untuk mengetahu adanya multkolneartas antar peubah penjelas dapat dlakukan dengan melhat nla Varance Inflaton Factors (VIF) yang nlanya lebh besar dar 10. Pada Tabel 2 dapat dlhat bahwa nla VIF semua peubah penjelas kurang dar 10 yang artnya tdak ada multkolneartas antar peubah penjelas. Gambar 2 Plot ssaan dengan urutan ssaan pada model regres klask Untuk memerksa asums kebebasan ssaan dlakukan secara eksploratf dengan melhat plot antara ssaan dengan urutan ssaan pada Gambar 2. Plot ssaan dengan urutan ssaan tdak menunjukkan pola tertentu yang artnya antar ssaan salng bebas. Pemerksaan asums kehomogenan ragam ssaan juga

13 5 dlakukan secara eksploratf yatu dengan melhat plot tebaran ssaan dengan y duga pada Gambar 3. Dar plot ssaan dengan y duga dapat dndkaskan terdapat pelanggaran asums kehomogenan ragam ssaan. Hal tu dapat dlhat dar lebar pta tebaran yang tdak sama. Gambar 3 Plot ssaan dengan y duga pada model regres klask Dengan tdak terpenuhnya asums kehomogenan ragam ssaan dduga terdapat efek spasal pada data d setap Kabupaten/Kota. Identfkas adanya keragaman spasal dlakukan dengan menggunakan uj Breusch-Pagan. Nla-p yang dhaslkan sebesar lebh kecl dar taraf nyata 5% maka tolak H 0 yang artnya terdapat keragaman spasal antar Kabupaten/Kota. Model RTG Langkah pertama dalam analss model RTG yatu mencar nla bandwdth (lebar jendela) optmum yang dgunakan untuk menentukan matrks pembobot. Nla lebar jendela optmum dperoleh dar hasl teras dengan melhat nla CV mnmum. Sebaga contoh, dagonal matrks pembobot untuk Kabupaten Bogor dengan menggunakan jarak eucldan dapat dtulskan sebaga berkut : w(u,v ) = {1.000; 0.321; 0.133; 0.015; 0.001; 0.000; 0.000; 0.000; 0.000; 0.000; 0.000; 0.000; 0.019; 0.158; 0.159; 0.359; 0.109; 0.992; 0.491; 0.024; 0.000; 0.601; 0.885; 0.052; 0.000; 0.000} Karena model RTG menduga parameter setap lokas maka setap Kabupaten/Kota masng-masng memlk matrks pembobot sehngga model yang dhaslkan sebanyak lokas pengamatan yatu sebanyak 26 model TPT. Rngkasan penduga parameter pada tap lokas dapat dlhat pada Tabel 3. Untuk keseluruhan model TPT serta hasl uj parsal parameter untuk setap Kabupaten/Kota dapat dlhat pada Lampran 1. Tabel 3 Rngkasan penduga parameter model RTG Peubah Mn Medan Maks b b b b b Pada Tabel 4 dapat dlhat anova uj F untuk model RTG. Nla uj F sebesar 4.22 sedangkan nla F tabel pada taraf nyata 5% yatu 2.97, sehngga tolak H0 yang berart terdapat perbedaan yang sgnfkan antara model regres klask dengan model RTG. Tabel 4 Anova uj F model RTG db JK KT F ht RTG mprovement RTG ssaan Gambar 4 Grafk lebar jendela optmum Pada Gambar 4 dapat dlhat nla CV yang mnmum menghaslkan nla lebar jendela optmum sebesar km. Sehngga fungs pembobot dengan kernel normal Gaussan menjad : 2 1 d j wj( u, v ) exp y duga y amatan Lnear (MKT) Lnear (RTG) Gambar 5 Dagram pencar y amatan dan y duga model RTG dan model regres klask

14 6 Pada Gambar 5 dapat dlhat dagram pencar antara nla y amatan dan y duga dengan menggunakan model regres klask dan model RTG. Model regres klask dgambarkan dengan gars putus-putus sedangkan model RTG dgambarkan dengan gars lurus, terlhat bahwa terdapat perbedaan antara model regres klask dan model RTG. Karena uj F dan dagram pencar antara nla y amatan dan y duga dengan menggunakan model regres klask dan model RTG menunjukkan adanya perbedaan, maka dlakukan pemlhan model terbak antara kedua model tersebut dengan melhat nla jumlah kuadrat galat, nla AIC dan serta R 2 yang dhaslkan pada setap model. Berdasarkan Tabel 5 dapat dlhat bahwa nla jumlah kuadrat galat dan nla AIC pada model RTG lebh kecl dar nla jumlah kuadrat galat dan nla AIC pada model regres klask serta nla R 2 model RTG yang lebh besar dar nla R 2 model regres klask. Secara keseluruhan dapat dsmpulkan bahwa model RTG lebh bak darpada model regres klask. Tabel 5 Perbandngan nla JKG, AIC, dan R 2 Model JKG AIC R 2 Model RTG % Model Regres Klask % Dapat dlhat dagram pencar ssaan model regres klask dan model RTG pada Gambar 6. Nla ssaan untuk setap Kabupaten/Kota d Provns Jawa Barat pada model RTG relatf lebh kecl darpada model regres klask. Hal tu menunjukkan model RTG lebh bak darpada model regres klask dalam menggambarkan keragaman spasal dan menjelaskan hubungan TPT dengan peubah penjelasnya. S s a a n Pengamatan MKT RTG Gambar 6 Dagram pencar ssaan model RTG dengan model regres klask Sepert yang sudah djelaskan sebelumnya bahwa model RTG bersfat lokal d setap ttk atau lokas dmana data tersebut damat dan tdak berlaku untuk wlayah lan. Oleh karena tu dperlukan uj parsal parameter untuk tap lokas pengamatan. Dengan taraf nyata 5% dan derajat bebas 21 dperoleh nla t pada tabel sebesar Pada Lampran 1 dapat dlhat hasl uj parsal parameter pada model RTG serta peubah penjelas mana saja yang secara lokal berpengaruh terhadap TPT d setap Kabupaten/Kota. Peubah penjelas yang berpengaruh d setap Kabupaten/Kota dapat dlhat pada peta keragaman spasal pada Gambar 7. Dar 26 Kabupaten/Kota terdapat delapan kelompok Kabupaten/Kota dengan pola peubah penjelas yang sama dalam pengaruhnya terhadap TPT. Pada kelompok pertama peubah penjelas yang berpengaruh d Kabupaten Cams dan Kota Banjar yang dtunjukkan dengan warna kunng adalah peubah penjelas kepadatan penduduk. Kelompok kedua dengan peubah penjelas yang berpengaruh adalah upah mnmum Kabupaten/Kota yatu Kabupaten Garut, Kabupaten Taskmalaya dan Kota Taskmalaya yang dtunjukkan dengan warna cokelat pada peta. Kelompok ketga peubah penjelas yang berpengaruh d Kabupaten Crebon dan Kota Crebon yang dtunjukkan dengan warna merah muda adalah peubah penjelas kepadatan penduduk dan presentase penduduk mskn. Pada kelompok empat yang dtunjukkan dengan warna bru tua yatu Kabupaten Kunngan, Kabupaten Sumedang dan Kota Bandung peubah penjelas yang berpengaruh adalah kepadatan penduduk dan upah mnmum Kabupaten/Kota. Pada kelompok lma, Kabupaten Majalengka, Kabupaten Subang dan Kota Cmah peubah penjelas yang berpengaruh yatu kepadatan penduduk, presentase penduduk mskn dan upah mnmum Kabupaten/Kota yang dtunjukkan dengan warna abu-abu pada peta. Kelompok enam peubah penjelas yang berpengaruh yatu kepadatan penduduk, presentase penduduk mskn, dan presentase unt usaha ndustr besar dtunjukkan dengan warna hjau yatu Kabupaten Bogor, Kabupaten Sukabum, Kabupaten Canjur, Kota Bogor dan Kota Sukabum. Kelompok tujuh yang hanya terdr dar Kabupaten Bandung peubah penjelas yang berpengaruh yatu kepadatan penduduk, upah mnmum Kabupaten/Kota, dan presentase unt usaha ndustr besar yang dtunjukkan dengan warna bru muda pada peta. Untuk wlayah dengan warna ungu yatu kelompok delapan yang terdr dar Kabupaten Indramayu, Kabupaten Purwakarta, Kabupaten

15 7 Bandung Barat, Kabupaten Karawang, Kabupaten Bekas, Kota Bekas dan Kota Depok semua peubah penjelas berpengaruh terhadap TPT. Setap Kabupaten/Kota mempunya nla koefsen model yang berbeda, ada yang berpengaruh postf dan berpengaruh negatf. Peubah penjelas tersebut secara bersama-sama mempengaruh TPT d wlayah dengan warna yang sama. Model lokal dengan peubah penjelas yang berpengaruh d setap lokas pengamatan dapat membantu optmalnya program-program pemerntah daerah dem mengurang angka pengangguran dengan permasalahan berbeda yang ada d tap daerah. Gambar 7 Peta keragaman spasal peubah penjelas yang sgnfkan terhadap data TPT setap Kabupaten/Kota d Provns Jawa Barat tahun 2009 KESIMPULAN Pada data Tngkat Pengangguran Terbuka (TPT) Provns Jawa Barat tahun 2009 terdapat keragaman spasal. Uj F model RTG dengan taraf nyata 5% menympulkan bahwa model RTG berbeda nyata dengan model regres klask dalam menjelaskan hubungan antara TPT dengan peubah penjelasnya. Selan tu dlhat dar nla jumlah kuadrat galat, AIC dan R 2 dapat dsmpulkan model RTG lebh bak darpada model regres klask. Secara keseluruhan peubah penjelas yang berpengaruh terhadap TPT yatu kepadatan penduduk, persentase penduduk mskn, upah mnmum Kabupaten/Kota dan persentase unt usaha ndustr besar per jumlah penduduk usa kerja. Dar 26 Kabupaten/Kota terdapat delapan kelompok Kabupaten/Kota dengan pola peubah penjelas yang sama dalam pengaruhnya terhadap TPT. DAFTAR PUSTAKA Anseln L Spatal Regresson. Fotherngham AS, Rogerson PA, edtor, Handbook of Spatal Analyss. London: Sage Publcatons. Arba G Spatal Econometrcs: Statstcal Foundaton and Applcaton to Regonal Convergence. Berln: Sprnger. BPS Analss Perkembangan Statstk Ketenagakerjaan (Laporan Sosal Indonesa 2007). Jakarta: Badan Pusat Statstk. BPS Perkembangan Beberapa Indkator Utama Sosal-Ekonom Indonesa. Jakarta: Badan Pusat Statstk. Draper NR, Smth H Analss Regres Terapan. Sumantr B., penerjemah. Jakarta: PT Grameda Pustaka Utama. Terjemahan dar: Appled Regresson Analyss. Fotherngham AS, Brunsdon C, Chartlon M Geographcally Weghted

16 8 Regresson, the Analyss of Spatally Varyng Relatonshps. John Wley & Sons, LTD: England. ISBN Gujarat DN Basc Econometrcs Fourth Edton. New York : The McGraw Hll Companes. Leung Y, Me CL, Zhang WX. 2000a, Statstc Tests for Spatal Non-Statonarty Based on the Geographcally Weghted Regresson Model, Envronment and Plannng A, Nakaya T, Fotherngham AS, Brunsdon C, Charlton M Geographcally Weghted Posson Regresson for Dsease Assocaton Mappng. Statstcs n Medcne, Volume 24 Issue 17, pages Saefuddn A, Nur And S, Noer Azam A On Comparsson between Ordnary Lnear Regresson and Geographcally Weghted Regresson: Wth Applcaton to Indonesan Poverty Data. European Journal of Scentfc Research. Euro Journals Publshng, Inc. Yasn H Model Mxed Geographcally Weghted Regresson (Stud Kasus: Persentase Rumah Tangga Mskn d Kabupaten Mojokerto Tahun 2008) [Tess] Jurusan Statstka. Fakultas Matematka dan Ilmu Pengetahuan. Insttut Teknolog Sepuluh November.

17 LAMPIRAN

18 1 Lampran 1 Penduga parameter RTG dan peubah penjelas yang berpengaruh No. Kab/Kota b 0 b 1 b 2 b 7 b 10 Ssaan R 2 t ht b 0 t ht b 1 t ht b 2 t ht b 7 t ht b 10 t tabel (21;0.025) = Kab. Bogor x 1, x 2, x 10 2 Kab. Sukabum x 1, x 2, x 10 3 Kab. Canjur x 1, x 2, x 10 4 Kab. Bandung x 1, x 7, x 10 5 Kab. Garut x 7 6 Kab. Taskmalaya x 7 7 Kab. Cams x 1 8 Kab. Kunngan x 1, x 7 9 Kab. Crebon x 1, x 2 10 Kab. Majalengka x 1, x 2, x 7 11 Kab. Sumedang x 1, x 7 12 Kab. Indramayu x 1, x 2, x 7, x Kab. Subang x 1, x 2, x 7 14 Kab. Purwakarta x 1, x 2, x 7, x Kab. Karawang x 1, x 2, x 7, x Kab. Bekas x 1, x 2, x 7, x Kab. Bandung Barat x 1, x 2, x 7, x Kota Bogor x 1,x 2,x Kota Sukabum x 1,x 2,x Kota Bandung x 1, x 7 21 Kota Crebon x 1, x 2 22 Kota Bekas x 1, x 2, x 7, x Kota Depok x 1, x 2, x 7, x Kota Cmah x 1, x 2, x 7 25 Kota Taskmalaya x 7 26 Kota Banjar x 1 10

19

20 1

21 1

22 1

23