PENERAPAN REGRESI LOGISTIK DAN REGRESI SPASIAL PADA PENETAPAN KEBIJAKAN ANGGARAN PENDIDIKAN
|
|
- Doddy Lie
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN REGRESI LOGISTIK DAN REGRESI SPASIAL PADA PENETAPAN KEBIJAKAN ANGGARAN PENDIDIKAN (Studi Kasus: Alokasi Anggaran Pendidikan Kabupaten/Kota untuk Wilayah Indonesia Bagian Timur Tahun 2013) BUDI PRASETYO UTOMO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015
2
3 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa skripsi berjudul Penerapan Regresi Logistik dan Regresi Spasial pada Penetapan Kebijakan Anggaran Pendidikan (Studi Kasus: Alokasi Anggaran Pendidikan Kabupaten/Kota untuk Wilayah Indonesia Bagian Timur Tahun 2013) adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Februari 2015 Budi Prasetyo Utomo NIM G
4 ABSTRAK BUDI PRASETYO UTOMO. Penerapan Regresi Logistik dan Regresi Spasial pada Penetapan Kebijakan Anggaran Pendidikan. Dibimbing oleh I MADE SUMERTAJAYA dan CICI SUHAENI. Putusan Mahkamah Konstitusi Nomor 13/PUU-VI I 2008, pemerintah harus menyediakan anggaran pendidikan sekurang-kurangnya 20% dari APBN dan APBD untuk memenuhi kebutuhan penyelenggaraan pendidikan nasional. Akan tetapi, pada kenyataannya masih terdapat beberapa daerah yang belum mengalokasikan anggaran pendidikan sekurang-kurangnya 20%. Peubah alokasi anggaran pendidikan dibedakan menjadi dua. Pertama, alokasi anggaran pendidikan yang belum dan sudah memenuhi kebijakan anggaran pendidikan minimal 20% dari APBD. Kedua, besarnya persentase alokasi anggaran pendidikan dari total APBD. Regresi logistik digunakan untuk melihat pengaruh karakteristik daerah terhadap pemenuhan kebijakan anggaran pendidikan sesuai dengan putusan Mahkamah Konstitusi. Beberapa karakteristik yang dikaji meliputi: jumlah penduduk berdasarkan jenjang pendidikan, dana bagi hasil, dana alokasi khusus, dana alokasi umum, tingkat kemiskinan, dan angka partisipasi sekolah. Berbeda dengan Regresi Logistik, Regresi spasial digunakan untuk melihat pengaruh spasial dari peubah-peubah yang digunakan. Dari analisis Regresi Logistik, diperoleh tiga peubah yang mempengaruhi penetapan kebijakan anggaran pendidikan. Ketiga peubah tersebut yaitu dana alokasi umum, dana alokasi khusus, dan luas wilayah. Sementara pada analisis regresi spasial, diperoleh lima peubah yang mempengaruhi besarnya persentase alokasi anggaran pendidikan. Kelima peubah tersebut meliputi: dana bagi hasil, dana alokasi umum, dana alokasi khusus, jumlah penduduk yang tamat perguruan tinggi, dan angka partisipasi sekolah usia Kata kunci : anggaran pendidikan, regresi logistik, regresi spasial. ABSTRACT BUDI PRSETYO UTOMO. Application of Logistic Regression and Spatial Regression on the Establishment of Education Budget Policy. Supervised by I MADE SUMERTAJAYA and CICI SUHAENI. Constitutional Court Decision No. 13 / PUU-VI I in 2008, the government must provide education budget at least 20% from national budget and regional budget. However, in reality there are some areas that have not been allocated a budget of education at least 20%. Variables education budget is divided into two. First, education budget which have surpass 20% and education budget which below 20% of regiomal budget. Second, the percentage of education budget allocation from total regional budget. Logistic regression is used to observe the effect of the regional characteristics to fulfillment of the education budget policy in accordance with the decision of the Constitutional Court. Some of the characteristics examined include: population based of education, revenue-sharing, special allocation fund, the general allocation fund, poverty, and enrollment. Unlike the
5 Logistic Regression, spatial regression is used to see the effect of the spatial variables used. From the analysis of logistic regression, there are three variables that affect the determination of the education budget policy. The third variable is the general allocation fund, a special allocation fund, and area. While the spatial regression analysis, obtained five variables that affect the percentage of the education budget allocation. These five variables include: revenue-sharing, general allocation fund, a special allocation fund, the number of people who graduated from college, and enrollment at age Keywords: education budget, logistic regression, spatial regression.
6
7 PENERAPAN REGRESI LOGISTIK DAN REGRESI SPASIAL PADA PENETAPAN KEBIJAKAN ANGGARAN PENDIDIKAN (Studi Kasus: Alokasi Anggaran Pendidikan Kabupaten/Kota untuk Wilayah Indonesia Bagian Timur Tahun 2013) BUDI PRASETYO UTOMO Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015
8
9
10 PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia- Nya sehingga penulis dapat menyelesaikan karya ilimiah yang berjudul Penerapan Regresi Logistik dan Regresi Spasial pada Penetapan Kebijakan Anggaran Pendidikan. Karya ilmiah ini merupakan salah satu syarat untuk mendapatkan gelar Sarjana Statistika pada Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Penulis mengucapkan terima kasih kepada semua pihak yang telah membantu dalam menyelesaikan karya ilmiah ini, antara lain: 1. Bapak Dr Ir I Made Sumertaya, Msi dan Ibu Cici Suhaeni, SSi, Msi selaku pembimbing yang telah memberikan arahan selama penulisan karya ilmiah ini. 2. Dosen pengajar Departemen Statistika atas ilmu yang telah diberikan. 3. Bapak Makali Hadiwiyono dan Ibu Komsinah selaku orang tua penulis, serta Mas Waluyo dan Mas Eko Mulyono selaku saudara kandung penulis atas doa, kasih sayang, dan dukungan kepada penulis. 4. Staf Tata Usaha Departemen Statistika atas kesabaran dan segala bantuannya. 5. Benny, Dony, Najih, Abrar, Aulia, Alul, Oki, Odik, Oldga, Dimas, atas semangat dan kebersamaannya. 6. Keluarga Statistika 47 atas motivasi dan dukungannya. 7. Keluarga Mahasiswa Purworejo di IPB atas dukungan dan kebersamaannya. Semoga karya ilmiah ini dapat bermanfaat bagi semua pihak. Penulis mohon maaf atas segala kekurangan dan kesalahan yang terdapat dalam pembuatan karya ilmiah ini. Bogor, Februari 2015 Budi Prasetyo Utomo
11 DAFTAR ISI DAFTAR TABEL x DAFTAR GAMBAR x DAFTAR LAMPIRAN x PENDAHULUAN 1 Latar Belakang 1 Tujuan 2 TINJAUAN PUSTAKA 2 Anggaran Pendidikan 2 Regresi Logistik 2 Analisis Spasial 4 METODOLOGI 6 Sumber Data 6 Metode 6 HASIL DAN PEMBAHASAN 8 Eksplorasi Data 8 Model Regresi Logistik 10 Pemodelan Regresi Linier Berganda 12 Pemodelan Regresi Spasial 13 SIMPULAN DAN SARAN 16 Simpulan 16 Saran 16 DAFTAR PUSTAKA 17 LAMPIRAN 18 RIWAYAT HIDUP 23
12 DAFTAR TABEL 1 Tabel klasifikasi 3 2 Nilai statistik persentase anggaran pendidikan 8 3 Jumlah total anggaran pendidikan dan APBD kabupaten/kota 10 4 Model regresi logistik 10 5 Ketepatan klasifikasi model 11 6 Estimasi parameter regresi menggunakan MKT 12 7 Uji Pengganda Lagrange 13 8 Estimasi parameter regresi spasial 14 DAFTAR GAMBAR 1 Penggunaan APBD menurut fungsi di Indonesia Bagian Timur 8 2 Sebaran penerapan kebijakan anggaran pendidikan 9 3 Plot sisaan terhadap Y 2 15 DAFTAR LAMPIRAN 1 Peubah-peubah yang digunakan 18 2 Korelasi antara peubah 19 3 Penggunaan APBD menurut fungsi tahun Tabel uji serentak parameter model regresi logistik 21 5 Tabel backward elimination parameter model regresi logistik 21
13 PENDAHULUAN Latar Belakang Setiap warga negara mempunyai hak yang sama untuk memperoleh pendidikan yang bermutu, bahkan warga negara yang memiliki kelainan fisik, emosional, mental, intelektual, dan sosial pun berhak memperoleh pendidikan khusus. Demikian pula warga negara di daerah terpencil atau terbelakang serta masyarakat adat yang terpencil juga berhak memperoleh pendidikan layanan khusus. Sesuai dengan putusan Mahkamah Konstitusi Nomor 13/PUU-VI I 2008 dan UU Nomor 20/2003 tentang sistem pendidikan nasional menyebutkan bahwa pemerintah harus menyediakan anggaran pendidikan sekurang-kurangnya 20% dari APBN dan APBD untuk memenuhi kebutuhan penyelenggaraan pendidikan nasional. Mengingat pendidikan merupakan suatu yang penting dan mendasar dalam membangun dan mengembangkan sebuah negara, kenaikan jumlah alokasi anggaran pendidikan diharapkan mampu menghasilkan sumberdaya manusia yang berkualitas. Meskipun pemerintah telah menetapkan kebijakan minimal anggaran 20% dari tahun 2003, tetapi berdasarkan data Direktorat Jenderal Perimbangan Keuangan Daerah tahun 2013 masih terdapat beberapa daerah yang belum mengalokasikan anggaran pendidikan sekurangkurangnya 20% dari APBD dan APBN khususnya di Indonesia bagian timur seperti Nusa Tenggara Barat, Nusa Tenggara Timur, Maluku, Maluku Utara, Papua, dan Papua Barat. Hal ini menyebabkan pendidikan di Indonesia bagian timur masih jauh tertinggal dibandingkan dengan Indonesia bagian barat seperti pulau Jawa dan Sumatera. Faktor-faktor seperti Dana Alokasi Khusus (DAK), Dana Alokasi Umum (DAU), jumlah penduduk berdasarkan jenjang pendidikan, kemiskinan, jumlah sekolah, dan luas daerah diduga berpengaruh terhadap pemenuhan anggaran pendidikan di suatu daerah. Hubungan faktor-faktor tersebut terhadap besarnya anggaran pendidikan yang diterapakan pada suatu daerah salah satunya dapat diketahui menggunakan regresi logistik. Regresi logistik merupakan suatu metode analisis statistika yang mendeskripsikan hubungan antara peubah respon yang memiliki dua kategori atau lebih dengan satu atau lebih peubah penjelas. Selain faktor-faktor di atas, kedekatan suatu daerah dengan daerah lain juga memungkinkan terjadinya pengaruh dalam pemenuhan anggaran pendidikan. Hal ini menyebabkan perlunya analisis lebih jauh mengenai pengaruh pemenuhan anggaran pendidikan dari aspek spasial. Analisis tersebut dilakukan dengan regresi spasial. Regresi spasial merupakan analisis dalam statistika yang digunakan untuk mengevalusi hubungan antara satu peubah dengan beberapa peubah lain dengan memperhatikan pengaruh spasial. Melalui analisis regresi logistik dan regresi spasial dapat diperoleh informasi mengenai pemetaan hubungan karakteristik daerah terhadap pemenuhan kebijakan anggaran pendidikan. Informasi ini dapat menjadi pertimbangan bagi pemerintah dalam melakukan pencapaian pemerataan kebijakan anggaran pendidikan di semua kabupaten/kota. Pemerataan pendidikan sangat penting
14 2 karena pendidikan merupakan investasi untuk menghasilkan SDM yang berkualitas di masa yang akan datang. Tujuan Tujuan yang ingin dicapai dalam penelitian ini yaitu: 1. Melihat pengaruh karakteristik daerah dalam pemenuhan kebijakan anggaran pendidikan. 2. Mengidentifikasi efek spasial pada penetapan besarnya persentase anggaran pendidikan. TINJAUAN PUSTAKA Anggaran Pendidikan Anggaran pendidikan merupakan pernyataan sistem yang berkaitan dengan program pendidikan, yaitu penerimaan dan pengeluaran yang direncanakan dalam suatu periode kebijakan keuangan, serta didukung dengan data yang mencerminkan kebutuhan, tujuan proses pendidikan dan hasil sekolah yang direncanakan (Armida 2012). Anggaran pendidikan juga merupakan salah satu komponen yang sangat penting dalam penyelenggaraan pendidikan. Anggaran dalam pengertian ini memiliki cakupan yang luas, yakni semua jenis penyelenggaraan yang berkenaan dengan semua jenis penyelenggaraan pendidikan, baik dalam bentuk uang, barang, dan tenaga yang dapat diuangkan (Arifi 2008). Sumber-sumber pembiayaan pendidikan secara makro telah diatur dalam pasal 31 UUD 1945 yang mengamanatkan pemerintah pusat dan daerah bertanggung jawab menyediakan anggaran pendidikan dan Undang-Undang Sistem Pendidikan Nasional (UUSPN Tahun 2003) pasal 49 ayat (1) yang menyatakan bahwa: "Dana pendidikan selain gaji pendidik dan biaya pendidikan kedinasan dialokasikan minimal 20% dari Anggaran Pendapatan dan Belanja Negara (APBN) pada sektor pendidikan dan minimal 20% dari Anggaran Pendapatan dan Belanja Daerah (APBD)". Regresi Logistik Regresi logistik merupakan suatu alat dalam statistika yang digunakan untuk melihat hubungan antara satu atau beberapa peubah penjelas dengan satu peubah respon yang berupa data kualitatif (Chatterjee & Hadi 2006). Secara umum, model regresi logistik dengan p peubah penjelas yang dinotasikan dalam vektor adalah ( ) ( ) ; dengan Fungsi diatas masih berbentuk non linear sehingga untuk menjadikan linier perlu dilakukan transformasi logit sebagai berikut (Agresti 1990) :
15 [ ] [ ] ; dengan Pendugaan parameter dalam model regresi logistik dilakukan dengan menggunakan metode kemungkinan maksimum (Hosmer & Lemeshow 2000). Fungsi kemungkinan maksimum pada regresi logistik biner adalah [ [ ] ] dengan : i = 1,2,...,n = respon pengamatan ke-i = peluang kejadian ke-i saat Y=1 Pengujian parameter pada model regresi logistik dilakukan untuk melihat signifikasi atau peranan dari peubah penjelas. Statistik uji G digunakan untuk melihat peranan peubah penjelas secara serentak atau keseluruhan. Statistik uji G yaitu uji rasio kemungkinan maksimum (likelihood ratio test) dengan rumus umum: [ ] dengan : L 0 = nilai kemungkinan tanpa peubah penjelas L 1 = nilai kemungkinan dengan peubah penjelas hipotesis yang digunakan yaitu: H 0 : β 1 =...=β p =0 H 1 : minimal ada satu i dimana β i 0 (i=1,2,...,p). Statistik uji G ini mengikuti sebaran chi-square ( ) dengan derajat bebas p. Kaidah keputasan yang diambil yaitu apabila nilai G > maka hipotesis nol ditolak. Jika H 0 ditolak maka dilakukan uji Wald. Uji Wald digunakan untuk menentukan peranan peubah bebas secara parsial. Statistik uji Wald didefinisikan sebagai berikut: [ ] dengan : = nilai dugaan dari koefisien peubah penjelas = merupakan simpangan baku dari dugaan parameternya Hipotesis yang digunakan yaitu : H 0 : β i =0 vs H 1 : β i 0 (i=1,2,...p). Nilai uji Wald mengikuti sebaran normal baku. Kaidah keputasan yang diambil yaitu apabila nilai Wald > maka hipotesis nol ditolak. Salah satu ukuran kebaikan model adalah jika memiliki peluang salah klasifikasi yang minimal (Hosmer & Lemeshow 2000). Ketepatan prediksi dari model dapat diketahui menggunakan tabel ketepatan klasifikasi. Ketepatan klasifikasi dibedakan menjadi dua yaitu spesifitas dan sensitivitas. Spesifitas merupakan proporsi yang mengukur seberapa baik model menglasifikasikan kejadian gagal (0). Sedangkan, sensitivitas merupakan proporsi yang mengukur seberapa baik model menglasifikasikan kejadian sukses (1). Tabel 1 Ketapatan klasifikasi 3 Aktual gagal (0) Prediksi gagal (0) sukses (1) Benar (-) Spesifisitas Salah (+)
16 4 sukses (1) Salah (-) Benar (+) Sensitivitas Interpretasi koefisien pada model regresi logistik dilakukan dengan nilai rasio odds. Rasio odds pada model regresi logistik didefinisikan sebagai berikut: dimana β merupakan nilai koefisien dari model regresi. Interpretasi dari rasio odds untuk peubah penjelas yang berskala nominal, X=1 memiliki kecenderungan untuk y=1 sebesar Ψ kali dibandingkan peubah X=0. Sedangkan untuk peubah penjelas yang berskala numerik, interpretasinya berupa setiap kenaikan satu satuan pada peubah X maka kecenderungan untuk terjadinya y=1 akan naik sebesar Ψ kali. Analisis Spasial Data spasial adalah data yang berkaitan dengan lokasi berdasarkan geografi yang terdiri dari lintang-bujur dan wilayah (Faiz 2013). LeSage (1997) mengembangkan model spasial dependensi umum menggunakan data cross section sebagai berikut: y = ρwy + βx + u u = λwu + ε ε dengan y adalah vektor peubah respon (n 1), ρ adalah koefisien lag spasial, W adalah matriks pembobot (n n), X adalah matriks peubah penjelas (n k), β adalah vektor koefisien regresi (n 1), u adalah vektor sisaan yang diasumsikan mengandung autokorelasi (n 1), λ adalah koefisien sisaan spasial, dan adalah vektor sisaan yang bebas autokorelasi (n 1). Jika ρ 0 dan λ = 0 maka model ini akan menjadi Spatial Autoregressive Model (SAR). SAR adalah salah satu model spasial dengan memperhitungkan pengaruh lag spasial pada peubah respon saja (Anselin 1999). Jika ρ = 0 dan λ 0 maka model ini akan menjadi Spatial Error Model (SEM). SEM adalah salah satu model spasial dimana ketergantungan spasial disebabkan oleh sisaan. Hal ini berarti sisaan masih dapat menjelaskan komponen sistematis spasial. Matriks pembobot adalah suatu matriks yang merangkum hubungan spasial dalam data. Pembentukan matriks pembobot dalam regresi spasial dapat dilakukan dengan berbagai cara, salah satunya yaitu dengan persinggungan queen contiguity. Matriks pembobot dengan persinggungan queen contiguity merupakan salah satu pembobotan yang dilakukan ketika wilayah yang bersentuhan dengan batas suatu wilayah ke-i, baik sudut maupun sisi. Adapun formulanya sebagai berikut: dengan W ij adalah elemen matriks pembobot pada baris ke-i dan kolom ke-j. Sebelum mengidentifikasi efek spasial, uji autokorelasi spasial perlu dilakukan terlebih dahulu untuk mendeteksi ada tidaknya autokorelasi spasial. Menurut Cressie (1993), pendeteksian autokorelasi spasial dapat dilakukan dengan statistik uji Indeks Moran. Hipotesis untuk menguji ada atau tidaknya autokorelasi spasial sebagai berikut:
17 H 0 : I = 0 (tidak ada autokorelasi) vs H 1 : I 0 (ada autokorelasi), dengan statistik uji: dimana ε adalah vektor sisaan diperoleh dari selisih antara y dan E(y) yang diperoleh dengan menggunakan pendugaan parameter MKT, W ij adalah elemen dari matriks pembobot, dan n adalah banyaknya wilayah. Statistik Indeks Moran mengikuti sebaran normal baku. Jika Z hitung lebih besar dari Z α/2 maka tolak H 0 sehingga dapat disimpulkan sisaan mengandung autokorelasi spasial. Menurut Ramadhan (2013) jika unit pengamatan pada peubah respon saling berhubungan, atau sisaan antar lokasi saling berhubungan, maka model regresi spasial dapat dibentuk. Pengujian hipotesis terhadap pengaruh spasial dilakukan dengan statistik uji Pengganda Lagrange atau Lagrange Multiplier (LM). Apabila tahap ini diabaikan akan menghasilkan penduga yang bersifat tidak efisien dan kesimpulan yang dihasilkan tidak tepat. Pengujian hipotesis Pengganda Lagrange untuk model SAR yaitu: H 0 : ρ = 0 (tidak ada ketergantungan spasial pada lag) H 1 : ρ 0 (ada ketergantungan spasial pada lag) Statistik uji untuk model SAR tersebut yaitu: [ ] [ [ ] ] dengan adalah vektor sisaan dari model regresi klasik berukuran (n 1), n adalah banyaknya pengamatan, W adalah matriks pembobot spasial berukuran (n n), dan tr adalah operasi teras matriks. Pengujian hipotesis Pengganda Lagrange untuk model SEM yaitu: H 0 : λ = 0 (tidak ada ketergantungan spasial pada sisaan) H 1 : λ 0 (ada ketergantungan spasial pada sisaan) Statistik uji untuk model SEM tersebut yaitu: [ ] 5 dengan adalah vektor sisaan dari model regresi klasik berukuran (n 1), n adalah banyaknya pengamatan, W adalah matriks pembobot spasial berukuran (n n), dan tr adalah operasi teras matriks. H 0 akan ditolak jika nilai LM > atau p-value < α. Hali ini menyatakan terdapat pengaruh spasial pada taraf nyata sama dengan α. Kedua uji LM perlu dilakukan untuk mengetahui keberadaan pengaruh spasial. Apabila kedua uji spasial menunjukan penolakan H 0 maka terdapat pengaruh spatial autoregressive dan spatial error sehingga model regresi spasial yang terbentuk adalah model regresi umum spasial.
18 6 METODOLOGI Sumber Data Data yang digunakan pada penilitian ini adalah data sekunder yang berasal dari data publikasi di website Direktorat Jendral Perimbangan Keuangan Daerah dan Badan Pusat Statistik tahun Dari data tersebut, yang menjadi pengamatan adalah kabupaten/kota dari Provinsi Nusa Tenggara Barat, Nusa Tenggara Timur, Maluku, Maluku Utara, Papua, dan Papua Barat yang berjumlah 164. Peubah respon pada penelitian ini dibedakan menjadi dua. Pertama, alokasi anggaran pendidikan yang belum dan sudah memenuhi kebijakan anggaran pendidikan minimal 20% dari APBD. Kedua, besarnya persentase alokasi anggaran pendidikan dari total APBD. Sedangkan peubah penjelas pada penelitian ini berupa jumlah penduduk berdasarkan jenjang pendidikan, luas daerah, dana bagi hasil, dana alokasi umum, dana alokasi khusus, kemiskinan, angka partisipasi sekolah, angka partisipasi kasar, dan angka partisipasi murni (Lampiran 1). Metode Analisis pada penelitian ini dilakukan dengan menggunakan software Microsoft Office Excel 2013 dan R Tahapan analisis yang digunakan pada penelitian ini adalah sebagai berikut: Tahap I: Melakukan eksplorasi data menggunakan analisis deskriptif untuk mengidentifikasi daerah yang menerapkan anggaran pendidikan di atas atau di bawah 20% dari APBD. Tahap II: Membentuk model regresi logistik biner dari peubah respon kebijakan anggaran pendidikan (Y) dan peubah penjelas X dengan rumus (Agresti 1990): Langkah-langkah yang digunakan pada pembentukan model regresi logistik meliputi: 1. Melakukan pendeteksian multikolinieritas dengan cara melihat nilai korelasi antar peubah. 2. Melakukan pengujian terhadap koefisien model regresi logistik biner yang terbentuk secara simultan dengan Uji G dengan rumus (Chatterjee & Hadi 2006): [ ] H 0 ditolak apabila G > maka minimal terdapat satu peubah penjelas yang berpengaruh terhadap respon. 3. Jika H 0 ditolak, selanjutnya dilakukan pengujian koefisien model secara parsial menggunakan uji Wald dengan rumus (Hosmer & Lemeshow 2000):
19 [ ] H 0 ditolak apabila Wald > maka koefisien model berpengaruh terhadap respon. 4. Mereduksi peubah-peubah penjelas yang tidak nyata terhadap peubah respon dengan menggunkan backward elimination dengan kriteria pereduksian apabila memiliki nilai p > 0, Menghitung nilai ketepatan klasifikasi dari model reduksi yang diperoleh. 6. Melakukan interpretasi terhadap model baru yang terbentuk. Tahap III: Membentuk model umum regresi spasial dengan langkah-langkah sebagai berikut: 1. Melakukan pendeteksian multikolinieritas dengan cara melihat nilai korelasi antar peubah. 2. Membentuk model regresi berganda dengan peubah respon besarnya persentase anggaran pendidikan (Y 2 ) dan semua peubah penjelas (Lampiran 1). 3. Melakukan pendugaan dan pengujian parameter pada model regresi yang terbentuk. 4. Melakukan uji asumsi sisaan dari model regresi berganda. 5. Menentukan matriks pembobot dengan menggunakan metode queen contiguity dengan rumus (LeSage 1997): 6. Menguji autokorelasi spasial dengan menggunakan Indeks Moran dengan rumus (Cressie 1993): 7 Tolak H 0 jika Z hitung > Z α/2 maka sisaan mengandung autokorelasi spasial. 7. Menguji ketergantungan spasial untuk mengetahui pengaruh lag spasial dan sisaan spasial menggunakan uji Langrange Multiplier (LM). 8. Memodelkan regresi spasial dengan rumus (LeSage 1997): y = ρwy + βx + u; u = λwu + ε; ε 9. Melakukan uji asumsi pada model yang terbentuk. Tahap IV: Melakukan interpretasi dan menarik kesimpulan.
20 8 HASIL DAN PEMBAHASAN Eksplorasi Data Pengalokasian Anggaran Pembelanjaan Daerah (APBD) untuk 164 kabupaten/kota di wilayah Indonesia Bagian Timur menurut fungsinya terbagi menjadi sembilan bagian. Gambar 1 memperlihatkan bahwa pengalokasian APBD terbesar digunakan untuk pelayanan umum dan anggaran pendidikan. Aloksi anggaran pendidikan mencapai 29% dari total APBD. Pendidikan 29% Perlindungan Sosial 2% Pelayanan Umum 30% Pariwisata dan Budaya Kesehatan 1% 10% Perumahan dan Fasilitas Umum 14% Gambar 1 Penggunaan APBD menurut fungsi di Indonesia Bagian Timur Secara rata-rata pengalokasian anggaran pendidikan di Indonesia Bagian Timur sudah sesuai dengan UU Sistem Pendidikan. Akan tetapi, rata-rata persentase anggaran pendidikan di Indonesia Bagian Timur ini memiliki simpangan baku yang cukup besar yaitu 11,27%. Hal ini mengindikasikan bahwa pemenuhan anggaran pendidikan tidak menyebar secara merata. Dari Tabel 2, terlihat bahwa masih terdapat kabupaten/kota yang menerapkan persentase anggaran pendidikan cukup rendah yaitu sebesar 6,32%. Akan tetapi, terdapat juga kabupaten/kota yang menerapkan persentase anggaran pendidikan cukup tinggi yaitu sebesar 55,45%. Tabel 2 Nilai statistika deskriptif persentase anggaran pendidikan Statistik Persentase Anggaran Pendidikan Rataan 28,36 Simpangan Baku Rataan 11,27 Koef. Keragaman 1,27 Maksimum 55,45 Median 29,73 Minimum 6,32 Ketertiban dan Ketentraman 1% Ekonomi 11% Lingkungan Hidup 2%
21 9 Penyebaran pemenuhan kebijakan anggaran pendidikan minimal 20% pada tiap provinsi pun cukup bervariasi. Sebaran pemenuhan kebijakan anggaran pendidikan tersebut tersaji pada Gambar 2. Dari Gambar 2, terlihat masih terdapat beberapa provinsi yang belum menerapkan kebijakan anggaran pendidikan minimal 20%. Provinsi tersebut meliputi: Papua Barat, Papua, Maluku, Maluku Utara, Sulawesi Barat, dan Sulawesi Tenggara. Jumlah kabupaten/kota yang belum menerapkan kebijakan anggaran pendidikan minimal 20% dari APBD ada sebanyak 43. Dari 43 kabupaten/kota yang belum menerapkan kebijakan anggaran pendidikan minimal 20%, paling banyak terdapat pada provinsi Papua dengan jumlah 24 kabupaten/kota. Akan tetapi, terdapat juga beberapa provinsi yang sudah menerapkan kebijakan anggaran pendidikan sesuai UU sistem pendidikan. Provinsi tersebut meliputi: Nusa Tenggara Timur, Nusa Tenggara Barat, Gorontalo, Sulawesi Selatan, Sulawesi Tengah, dan Sulawesi Utara. Papua Maluku Nusa Tenggara Barat Sulawesi Barat Sulawesi Selatan Sulawesi Utara Jumlah Kabupaten/Kota Persentase Anggaran Pendidikan Persentase Anggaran Pendidikan Gambar 2 Sebaran penerapan kebijakan anggaran pendidikan. Besarnya jumlah total Anggaran Pembelanjaan Daerah (APBD) pada suatu daerah tidak serta merta mempengaruhi pemenuhan kebijakan anggaran pendidikan. Hal ini dapat dilihat dari Provinsi Gorontalo dan Provinsi Papua pada Tabel 3. Meskipun Provinsi Gorontalo memiliki total APBD yang cukup sedikit yaitu sebesar 3,5 triliun, akan tetapi provinsi ini sudah menerapkan kebijakan anggaran pendidikan minimal 20% secara penuh. Hal ini bertolak belakang dengan Provinsi Papua. Meskipun Provinsi Papua memiliki jumlah total APBD yang terbesar yaitu 24,08 triliun, tetapi Provinsi Papua menerapkan persentase anggaran pendidikan yang paling sedikit yaitu sebesar 15%.
22 10 Tabel 3 Jumlah total anggaran pendidikan dan APBD kabupaten/kota. Nama Provinsi APBD (juta rupiah) Anggaran Pendidikan (juta rupiah) Persentase Anggaran Pendidikan (%) Sulawesi Utara ,89 Sulawesi Tengah ,92 Sulawesi Selatan ,25 Sulawesi Tenggara ,46 Sulawesi Barat ,45 Gorontalo ,22 Nusa Tenggara Barat ,23 Nusa Tenggara Timur ,02 Maluku ,95 Maluku Utara ,41 Papua ,14 Papua Barat ,67 Model Regresi Logistik Salah satu asumsi yang harus dipenuhi dalam model regresi yaitu tidak adanya multikolinieritas antar peubah. Penanganan multikolinieritas pada penelitian ini dilakukan dengan memilih salah satu peubah penjelas yang memiliki korelasi kuat dengan peubah lainnya. Nilai korelasi antar peubah penjelas disajikan pada Lampiran 2. Dari nilai korelasi tersebut, penulis menggunakan sepuluh peubah penjelas dalam pembentukan model. Pembentukan model regresi logistik digunakan untuk melihat kecenderungan karakteristik suatu daerah dalam pemenuhan kebijakan anggaran pendidikan. Hasil pemodelan menggunakan model regresi logistik dengan sepuluh peubah penjelas didapatkan nilai rasio likelihood G sebesar 94,21 dengan nilai p <0,0001 sehingga H 0 ditolak dengan arti minimal ada salah satu peubah penjelas yang berpengaruh secara signifikan terhadap peubah respon pada taraf nyata 5%. Pengujian parsial menggunakan uji Wald diperoleh tiga peubah penjelas yang berpengaruh secara signifikan pada taraf nyata 5% (Lampiran 5). Ketiga peubah tersebut adalah dana alokasi umum, dana lokasi khusus, dan luas wilayah. Pemodelan regresi logistik dengan peubah yang signifikan terhadap taraf nyata 5% disajikan pada Tabel 4. Tabel 4 Model Regresi Logistik Prediktor B S.E. Wald db Nilai p Rasio odds X 2 0,019 0,004 18, ,000 1,020 X 3-0,077 0,016 23, ,000 0,926 X 21-0,499 0,102 23, ,000 0,607 Konstanta 0,404 1,289 0, ,754 1,497
23 Model regresi logistik yang terbentuk tersebut perlu dinilai kelayakannya. Salah satu penilaian kelayakan pada model regresi logistik yaitu dengan melihat ketepatan klasifikasinya. Hasil ketepatan klasifikasi pada model regresi menunjukkan bahwa nilai spesifisitasnya sebesar 65,1%. Hal ini berarti dari 43 kabupaten/kota yang belum menerapkan kebijakan anggaran pendidikan, sebanyak 28 kabupaten/kota diklasifikasikan dengan benar bahwa kabupaten/kota tersebut memang belum menerapkan kebijakan anggaran pendidikan. Nilai sensitivitas pada model tersebut yaitu sebesar 94,2%. Hal ini berarti bahwa dari 121 kabupaten/kota yang sudah menerapkan kebijakan anggaran pendidikan, sebanyak 114 kabupaten/kota diklasifikasikan dengan benar bahwa kabupaten/kota tersebut memang sudah menerapkan kebijakan anggaran pendidikan. Presentase ketepatan penglasifikasian secara keseluruhan sebesar 86,6% (Tabel 5). Hal ini menunjukkan bahwa model tersebut sudah cukup layak untuk digunakan. Tabel 5 Ketepatan klasifikasi model Aktual Prediksi Persentase <20 Ketepatan % 20% <20% ,1 20% ,2 Persentase Ketepatan Total 86,6 Interpretasi parameter peubah penjelas pada model regresi logistik dapat dilihat dari nilai dugaan rasio odds. Peubah dana alokasi khusus memiliki koefisien negatif dan memiliki nilai rasio odds sebesar 0,926. Hal ini menunjukkan dengan bertambahnya dana alokasi khusus sebesar satu miliar maka kecenderungan kabupaten/kota tersebut untuk menetapkan anggaran pendidikan diatas 20% yaitu sebesar 0,926 kali dibandingkan kabupaten/kota tersebut tidak mendapatkan tambahan dana alokasi khusus. Artinya, dengan kenaikan dana alokasi khusus justru akan menyebabkan kecenderungan kabupaten/kota untuk menganggarkan pendidikan minimal 20% akan semakin berkurang. Dana alokasi khusus merupakan dana alokasi dari APBN yang diberikan kepada provinsi/kabupaten/kota tertentu dengan tujuan untuk membiayai suatu kegiatan khusus pada suatu daerah sesuai dengan prioritas nasional. Berdasarkan arah kegiatannya DAK dibagi menjadi delapan bagian yaitu: pendidikan, kesehatan, keluarga berencana, infrastruktur irigasi, infrastruktur jalan, infrastruktur sanitasi, pertanian, dan kelautan. Hal ini mengindikasikan bahwa penggunaan DAK pada wilayah Indonesia Bagian Timur tidak diprioritaskan untuk pendidikan melainkan untuk kegiatan lain seperti pembangunan infrastruktur, kesehatan, pertanian atau kelautan. Oleh sebab itu, dengan kenaikan DAK justru menyebabkan kecenderungan kabupaten/kota untuk menganggarkan pendidikan minimal 20% semakin berkurang. Hal berbeda terjadi pada peubah dana alokasi umum yang memiliki koefisien positif dengan dugaan nilai rasio odds sebesar 1,02. Hal ini menunjukkan dengan bertambahnya dana alokasi umum sebesar satu miliar maka kecenderungan suatu kabupaten/kota untuk menetapkan anggaran pendidikan 11
24 12 diatas 20% yaitu sebesar 1,02 kali dibandingkan kabupaten/kota tersebut tidak mendapatkan tambahan dana alokasi umum. Artinya, dengan kenaikan dana alokasi umum maka kecenderungan suatu kabupten/kota untuk menganggarkan pendidikan minimal 20% juga akan meningkat. Dana alokasi umum sendiri merupakan dana alokasi dari APBN yang dialokasikan kepada daerah dengan tujuan untuk mendanai kebutuhan daerah dalam rangka pelaksanaan desentralisasi. Dana alokasi umum ini meliputi gaji PNS dan celah fiskal. Dugaan nilai rasio odds pada peubah luas wilayah sebesar 0,607 yang berarti dengan semakin besarnya luas wilayah maka kecenderungan kabupaten/kota tersebut untuk menetapkan anggaran pendidikan di atas 20% dari APBD semakin berkurang. Artinya, suatu kabupaten/kota yang luas wilayahnya lebih besar akan memiliki kecenderungan mengalokasikan anggaran pendidikan kurang dari 20%. Begitu juga sebaliknya, kabupaten/kota yang luas wilayahnya lebih kecil justru akan mengalokasikan anggaran pendidikan lebih dari 20%. Oleh karena itu, pemerataan kebijakan anggaran pendidikan dapat dilakukan dengan pemekaran pada suatu wilayah yang memiliki luas yang cukup besar sehingga efektivitas pengelolaan daerah tersebut dapat dilakukan secara maksimal. Pemodelan Regresi Linier Berganda Pemodelan regresi linier berganda pada penerapan besarnya persentase anggaran pendidikan dengan sepuluh peubah penjelas (Lampiran 2) menghasilkan lima peubah penjelas yang berpengaruh nyata pada taraf 5%. Kelima peubah tersebut meliputi: Dana Bagi Hasil (DBH), Dana Alokasi Umum (DAU), Dana Alokasi Khusus (DAK), Angka Partisiasi Sekolah (APS) usia tahun, dan Luas Wilayah. Tabel 6 Estimasi parameter regresi menggunakan MKT Peubah Koefisien Sisaan Baku Nilai-p Konstanta 6,47x10-2 6,54x10-2 0,32466 X 1-5,92x10-7 1,40x10-7 0,00003* X 2 4,11x10-7 7,06x10-8 0,00000* X 3-1,54x10-6 3,29x10-7 0,00000* X 8-1,43x10-6 7,28x10-7 0,05163 X 9 1,36x10-4 2,72x10-4 0,61869 X 10 1,67x10-3 1,29x10-3 0,19783 X 11 3,69x10-4 1,41x10-3 0,79415 X 12-8,23x10-4 9,51x10-4 0,38835 X 13 2,30x10-3 8,63x10-4 0,00866* X 21-1,20x10-6 4,83x10-7 0,01411* *) nyata pada α = 5% Model persamaan regresi linier berganda yang terbentuk dengan menggunakan Metode Kuadrat Terkecil (MKT) yaitu:
25 13 Model persamaan regresi tersebut memiliki nilai R-Square sebesar 39,49% yang berarti model tersebut dapat menjelaskan keragaman persentase penerapan anggaran pendidikan sebesar 39,49%, sedangkan sisanya sebesar 60,51% dijelaskan oleh peubah lain diluar model. Pengujian asumsi pada model tersebut perlu dilakukan untuk mendapatkan penduga parameter regresi yang tak bias dan terbaik. Pengujian asumsi kenormalan sisaan menggunakan uji Kolmogorov-Smirnov didapatkan nilai-p > 0,15 yang berarti tidak tolak H 0 pada taraf nyata 5%. Hal ini berarti tidak terjadi pelanggaran asumsi atau sisaan menyebar normal. Pengujian asumsi kehomogenan ragam sisaan menggunakan uji Breush-Pagan didapatkan nilai-p 0,0009 atau nilai-p < 0,05. Hal ini menujukan bahwa tolak H 0 yang berarti terjadi pelanggaran asumsi yaitu ragam sisaan tidak homogen. Terjadinya pelanggaran asumsi pada persamaan regresi dengan menggunakan Metode Kuadrat Terkecil (MKT) menyebabkan penduga parameter regresi yang diperoleh menjadi bias. Penanganan pelanggaran asumsi tersebut dilakukan dengan analisis regresi spasial. Pemodelan Regresi Spasial Keheterogenan ragam sisaan pada model regresi menggunakan MKT kemungkinan disebabkan oleh ketergantungan spasial antar daerah. Pengujian Indeks Moran dilakukan untuk mengetahui adanya pengaruh spasial antara daerah satu dengan daerah lainnya yang bertetangga. Hasil uji Indeks Moran pada penerapan anggaran pendidikan diperoleh nilai Indeks Moran I = 0,601 dengan nilai-p sebesar 2,2x10-16 atau nilai-p < 0,05. Hal ini menunjukkan bahwa terdapat ketergantungan spasial pada sisaan MKT sehingga perlu dilakukan uji pengganda Lagrange. Uji Pengganda Lagrange digunakan untuk mengetahui model regresi spasial yang akan digunakan. Hasil uji Pengganda Lagrange dapat dilihat pada Tabel 7. Nilai uji Pengganda Lagrange pada model SEM diperoleh nilai sebesar 26,62 dan nilai-p sebesar 2,48x10-7. Hal ini menunjukkan bahwa tolak H 0 yang berarti terdapat sisaan spasial. Nilai uji Pengganda Lagrange pada model lag spasial diperoleh nilai sebesar 56,79 dan nilai-p sebesar 4,85x10-14 yang menunjukkan bahwa tolak H 0 pada taraf nyata 5%. Hal ini berarti terdapat lag spasial. Uji Pengganda Lagrange pada kedua model tersebut signifikan pada taraf nyata 5% sehingga model yang terbentuk yaitu model regresi umum spasial. Tabel 7 Uji Pengganda Lagrange Model Parameter Nilai-p SEM 26,6154 2,48x10-7 SAR 56,7886 4,85x10-14 Pemodelan menggunakan model umum regresi spasial diperoleh lima peubah penjelas yang berpengaruh signifikan pada taraf nyata 5%. Model tersebut memiliki nilai R-square sebesar 70,9% yang menunjukkan bahwa model tersebut
26 14 dapat menjelaskan keragaman penerapan anggaran pendidikan sebesar 70,9%, sedangkan sisanya sebesar 29,1% dijelaskan oleh peubah lain diluar model tersebut. Signifikasi parameter regresi menggunakan model umum regresi spasial disajikan pada Tabel 8. Berdasarkan Tabel 8, terlihat bahwa nilai-p pada lag spasial WY(ρ) sebesar 2x Hal ini menunjukkan bahwa lag spasial berpengaruh nyata pada taraf nyata 5% yang berarti ada pengaruh autoregressive pada penetapan besarnya persentase anggaran pendidikan. Nilai-p pada sisaan spasial juga menujukkan kurang dari 0,05 yang mengindikasikan bahwa sisaan spasial berpengarauh nyata terhadap penerapan besarnya persentase anggaran pendidikan. Begitu juga dengan kelima peubah lainnya yaitu dana bagi hasil, dana alokasi umum, dana alokasi khusus, jumlah penduduk yang tamat perguruan tinggi, dan angka partisipasi sekolah usia juga berpengaruh nyata terhadap penerapan besarnya persentase anggaran pendidikan pada taraf nyata 5%. Tabel 8 Estimasi parameter regresi spasial Peubah Koefisien Sisaan Baku Nilai-p Konstanta 0,117 0,0477 0,01548* WY(ρ) 0,937 0,0722 0,00000* X 1-2,37x10-7 1,02x10-7 0,02158* X 2 2,50x10-7 5,17x10-8 0,00000* X 3-6,26x10-7 2,38x10-7 0,00953* X 8-1,30x10-6 5,07x10-7 0,01113* X 9 9,92x10-5 1,90x10-4 0,60196 X 10 4,29x10-4 8,99x10-4 0,63392 X 11 4,72x10-4 9,79x10-4 0,63011 X 12-3,88x10-4 6,59x10-4 0,55678 X 13 1,55x10-3 6,00x10-4 0,01057* X 21-4,69x10-7 3,41x10-7 0,17105 WU(λ) -1,08 0,167 0,00000* *) nyata pada taraf α=5% Pengujian asumsi pada model regresi umum spasial perlu dilakukan untuk mendapatkan penduga parameter regresi yang tak bias dan terbaik. Pengujian asumsi kehomogenan ragam sisaan menggunakan uji Breush-Pagan didapatkan nilai BP sebesar 6,25 dan nilai-p sebesar 0,903 atau nilai-p > 0,05. Hal ini menujukan bahwa tidak tolak H 0 yang berarti bahwa asumsi kehomogenan sisaan terpenuhi. Dalam kasus ini, model umum regresi spasial mampu mengatasi masalah keheterogenan sisaan yang terjadi pada model regresi klasik. Pengujian asumsi kenormalan sisaan menggunakan uji Kolmogorov-Smirnov didapatkan nilai-p > 0,15 yang berarti tidak tolak H 0 pada taraf nyata 5%.Hal ini mengindikasikan bahwa sisaan menyebar normal. Asumsi antar sisaan saling bebas dapat dilihat dari plot sisaan terhadap peubah respon (Gambar 3). Berdasarkan plot tersebut terlihat bahwa antar sisaan tidak membentuk pola tertentu sehingga dapat dikatakan antar sisaan saling bebas.
27 Frequency Residual Percent Residual 15 Residual Plots for Y 99, Normal Probability Plot 0,2 0,1 Versus Fits 50 0, ,1-0,2-0,1 0,0 Residual 0,1 0,2-0,1-0,2 0,1 0,2 0,3 Fitted Value 0,4 0, Histogram 0,2 0,1 Versus Order 12 0,0 6-0,1 0-0,12-0,06 0,00 Residual 0,06 0,12-0, Observation Order Gambar 3 Plot sisaan terhadap Y 2 Pemilihan model terbaik dilakukan dengan melihat nilai Akaike Information Criterion (AIC) pada masing-masing model yang telah terbentuk. Suatu model dikatakan lebih baik apabila memiliki nilai AIC yang lebih kecil. Pada model regresi linier berganda menggunakan MKT diperoleh nilai AIC sebesar -309,9 sedangkan pada model regresi umum spasial diperoleh nilai AIC sebesar -428,9. Nilai AIC pada model regresi umum spasial lebih kecil dari pada model regresi MKT, sehingga model yang dipilih dalam penerapan anggaran pendidikan adalah model regresi umum spasial. Peubah penjelas yang berpengaruh signifikan pada taraf nyata 5% pada analisis regresi spasial sedikit berbeda dengan analisis regresi klasik MKT. Peubah jumlah penduduk yang tamat perguruan tinggi pada model regresi klasik tidak signifikan, tetapi setelah dievaluasi dengan model regresi umum spasial menjadi signifikan. Hal ini berkebalikan dengan peubah luas wilayah. Peubah luas wilayah pada model regresi klasik signifikan, akan tetapi setelah dievaluasi menggunakan model regresi umum spasial menjadai tidak signifikan. Dalam kasus ini, model regresi umum spasial masih lebih baik untuk digunakan dibandingkan dengan MKT karena memiliki nilai AIC yang lebih kecil dan R- square yang lebih besar. Model regresi yang digunakan dalam penerapan besarnya persentase anggaran pendidikan yaitu model regresi umum spasial dengan menggunakan lima peubah penjelas. Model regresi umum spasial tersebut yaitu: Model tersebut merupakan model dengan peubah-peubah penjelas yang signifikan pada taraf nyata 5% yang meliputi: Dana Bagi Hasil (DBH), Dana Alokasi Umum (DAU), Dana Alokasi Khusus (DAK), jumlah penduduk yang tamat perguruan tinggi, dan APS usia tahun. Meskipun peubah respon yang digunakan pada model regresi umum spasial berbeda dengan regresi logistik, akan tetapi kedua model tersebut memiliki tanda koefisien yang sama pada peubah dana alokasi
28 16 umum dan dana alokasi khusus. Koefisien pada dana alokasi umum bertanda positif sedangkan pada dana alokasi khusus bertanda negatif. Hal ini berarti bahwa kedua peubah tersebut memberikan peranan yang sama pada model regresi umum spasial maupun regresi logistik. Interpretasi dari model yang terbentuk dapat dilihat dari nilai koefisien penduga parameter model. Koefisien lag spasial (WY 2 ) yang nyata menunjukkan bahwa ada pengaruh wilayah terhadap wilayah lain yang berdekatan. Hal ini berarti jika suatu wilayah yang dikelilingi wilayah lain sebanyak n, maka pengaruh dari wilayah yang mengelilinginya dapat diukur sebesar 0,99 dikali ratarata besarnya persentase anggaran pendidikan wilayah yang mengelilinginya. Koefsien dana bagi hasil (X 1 ) sebesar -2,2x10-7 berarti setiap kenaikan dana bagi hasil satu juta rupiah maka besarnya persentase anggaran pendidikan akan berkurang sebesar 2,2x10-7 kali dengan asumsi peubah lain dianggap konstan. Begitu pula koefisien pada dana alokasi khusus dan jumlah penduduk yang tamat perguruan tinggi. Hal berbeda terjadi pada dana alokasi umum (X 2 ) dan angka partisipasi sekolah usia (X 13 ) yang memiliki koefisien positif. Koefisien pada dana alokasi umum (X 2 ) yaitu sebesar 2,3x10-7 yang berarti setiap kenaikan dana alokasi umum sebesar satu juta rupiah maka besarnya persentase anggaran pendidikan akan naik sebesar 2,3x10-7 kali dengan asumsi peubah lain dianggap konstan. Sedangkan koefisien spatial error (λ) sebesar -1,12 menunjukkan bahwa jika suatu wilayah yang dikelilingi wilayah lain sebanyak n, maka pengaruh dari wilayah yang mengelilinginya dapat diukur sebesar -1,12 dikali besarnya sisaan disekitarnya. SIMPULAN DAN SARAN Simpulan Regresi logistik mampu menghasilkan pendugaan parameter yang cukup baik pada pemenuhan kebijakan anggaran pendidikan minimal 20% dari APBD. Karakteristik daerah yang berpengaruh terhadap pemenuhan kebijakan anggaran pendidikan meliputi: dana alokasi umum, dana alokasi khusus, dan luas wilayah. Model regresi umum spasial menghasilkan pendugaan parameter yang lebih baik dibandingkan model regresi klasik. Model regresi umum spasial mampu mengatasi pelanggaran asumsi kehomogenan ragam sisaan pada model regresi klasik. Peubah yang berpengaruh terhadap penetapan besarnya persentase anggaran pendidikan meliputi: dana bagi hasil, dana alokasi umum, dana alokasi khusus, jumlah penduduk yang tamat perguruan tinggi, dan angka partisipasi sekolah umur Saran Ketergantuangan spasial pada penerapan persentase anggaran pendidikan dapat dicobakan menggunakan Model Geographically Weighted Logistic Regression (GWLR). Penambahan peubah penjelas lain juga diperlukan untuk
29 membuat model yang lebih baik. Selaian AIC, penentuan model terbaik dapat dilihat menggunakan BIC, MAPE, dan MSE. 17 DAFTAR PUSTAKA Agresti A Categorical Data Analysis. New Jersey : John Wiley and Sons. Anselin L Spatial Econometrics. Dallas: University of Texas. Arifi A Anggaran Pendidikan dan Mutu Pendidikan (Respon Kebijakan Anggaran Pendidikan 20% dari APBN Bagi Upaya Peningkatan Mutu Pendidikan Madrasah). Jurnal Pendidikan Agama Islam, 5(1), hal Armida Sistem Penganggaran Pendidikan dan Efektivitas Penggunaan Biaya Pendidikan serta Dampaknya Terhadap Peningkatan Mutu Pendidikan Madrasah Aliyah di Kota Jambi. Jurnal Penelitian Pendidikan, 13(2) hal. 5 Chatterjee S, Hadi AS Regression Analysis by Example. Ed ke-4. New Jersey: John Wiley & Sons. Cressie, Noel AC Statistics For Spatial Data.New York : John Wiley and Sons, INC. Faiz N, Rahmawati R, Safitri D Analisis Spasial Penyebaran Penyakit Demam Berdarah Dengeu dengan Indeks Moran dan Geary s C. Jurnal Gaussian, 2(1), hal Hosmer DW, Lemeshow S Applied Logistic Regression, 2 nd edition. New Jersey : John Wiley and Sons. LeSage JP Regression Analysis of Spatial Data. Toeldo: University of Toeldo. Ramadhan R, Pramoedyo H, Mitakda M B Pemodelan Spatial Autoregressive With Autoregressive Disturbances Dengan Prosedur Generalized Spatial Two Stage Least Square (GS2SLS), Student Journal:Universitas Brawijaya, Malang.
30 18 LAMPIRAN Lampiran 1 Peubah-peubah yang digunakan Peubah Kategori Keterangan Y 1 Anggaran 0 dibawah 20% dari APBD dan APBN Pendidikan diatas 20% dari APBD dan APBN 1 (digunakan untuk regresi logistik) Y 2 Anggaran Pendidikan numerik Persentase anggaran pendidikan (digunakan untuk regresi klasik dan regresi spasial) X 1 DBH numerik Dana Bagi Hasil (juta rupiah) X 2 DAU numerik Dana Alokasi Umum (juta rupiah) X 3 DAK numerik Dana Alokasi Khusus (juta rupiah) X 4 Tidak Sekolah numerik Jumlah penduduk yang tidak sekolah X 5 SD numerik Jumlah penduduk dengan pendidikan terakhir SD X 6 SMP numerik Jumlah penduduk dengan pendidikan terakhir SMP X 7 SMA numerik Jumlah penduduk dengan pendidikan terakhir SMA X 8 Perguruan numerik Jumlah penduduk dengan pendidikan terakhir Tinggi Perguruan Tinggi X 9 Kemiskinan numerik Jumlah penduduk miskin X 10 APS 7-12 numerik Angka Partisipasi Sekolah usia 7-12 tahun X 11 APS numerik Angka Partisipasi Sekolah usia tahun X 12 APS numerik Angka Partisipasi Sekolah usia tahun X 13 APS numerik Angka Partisipasi Sekolah usia tahun X 14 APK 7-12 numerik Angka Partisipasi Kasar usia 7-12 tahun X 15 APK numerik Angka Partisipasi Kasar usia tahun X 16 APK numerik Angka Partisipasi Kasar usia tahun X 17 APK numerik Angka Partisipasi Kasar usia tahun X 18 APM SD numerik Angka Partisipasi Murni SD X 19 APM SMP numerik Angka Partisipasi Murni SMP X 20 APM SMA numerik Angka Partisipasi Murni SMA X 21 Luas Daerah numerik Luas wilayah tiap kabupaten/kota (hektar)
31 Lampiran 2 Korelasi antara peubah X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 X 11 X 12 X 13 X 14 X 15 X 16 X 17 X 18 X 19 X 20 X 21 X X X X X X X X X X X X X X X X X X X X X
32 20 Lampiran 3 Penggunaan APBD menurut fungsi tahun 2013 Provinsi Pelayanan Umum Ketertiban dan Ketentraman Ekonomi Lingkunga n Hidup Perumahan dan Fasilitas Umum Kesehatan Pariwisat a dan Budaya Pendidikan Perlindunga n Sosial Total Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Sulawesi Barat Gorontalo Nusa Tenggara Barat Nusa Tenggara Timur Maluku Maluku Utara Papua Papua Barat Total
33 21 Lampiran 4 Tabel uji serentak parameter model regresi logistik Tahap Khi kuadrat db Nilai p Tahap 94, ,000 Blok 94, ,000 Model 94, ,000 Lampiran 5 Tabel backward elemination parameter model regresi logistik Tahap Peubah B S.E. Wald db Nilai-p Exp(B) 1 X 1-0,002 0,01 0, ,835 0,998 X 2 0,021 0,005 16, ,021 X 3-0,077 0,018 19, ,926 X 8-0,049 0,086 0, ,573 0,952 X 9 0,015 0,014 1, ,293 1,015 X 10 0,051 0,048 1, ,294 1,052 X 11-0,051 0,055 0, ,354 0,95 X 12 0,029 0,035 0, ,409 1,03 X 13-0,011 0,043 0, ,799 0,989 X 21-0,518 0,117 19, ,596 Konstanta -2,114 2,38 0, ,374 0,121 2 X 2 0,021 0,005 16, ,021 X 3-0,078 0,017 19, ,925 X 8-0,049 0,086 0, ,574 0,953 X 9 0,015 0,014 1, ,28 1,016 X 10 0,051 0,048 1, ,287 1,053 X 11-0,052 0,055 0, ,346 0,95 X 12 0,029 0,035 0, ,413 1,029 X 13-0,012 0,042 0, ,782 0,988 X 21-0,527 0,11 22, ,591 Konstanta -2,148 2,373 0, ,366 0,117 3 X 2 0,021 0,005 16, ,021 X 3-0,077 0,017 20, ,926 X 8-0,056 0,082 0, ,497 0,946 X 9 0,016 0,014 1, ,273 1,016 X 10 0,054 0,048 1,26 1 0,262 1,055 X 11-0,054 0,055 0, ,324 0,948 X 12 0,027 0,034 0, ,438 1,027 X 21-0,522 0,109 23, ,593 Konstanta -2,174 2,364 0, ,358 0,114 4 X 2 0,02 0,005 18, ,02 X 3-0,074 0,016 20, ,929 X 9 0,01 0,012 0, ,378 1,01 X 10 0,046 0,046 0, ,319 1,047 X 11-0,05 0,054 0, ,354 0,951
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 terperinciPENERAPAN 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 terperinciBAB 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 terperincipendekatan 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 terperinciMODEL 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 terperinciMaslim Rajab Syafrizal 1, Setiawan 2, Sutikno 3
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
Lebih terperinciPemodelan 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 terperinciBAB III METODE PENELITIAN. mengambil objek di seluruh provinsi di Indonesia, yang berjumlah 33 provinsi
BAB III METODE PENELITIAN A. Objek Penelitian Untuk mendapatkan data yang diperlukan dalam penelitian ini, penulis mengambil objek di seluruh provinsi di Indonesia, yang berjumlah 33 provinsi di 5 pulau
Lebih terperinciANALISIS 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 terperinciPemodelan 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 terperinciPEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION
PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION SKRIPSI Disusun Oleh : DEPY VERONICA 24010212140035 DEPARTEMEN STATISTIKA
Lebih terperinciPENERAPAN 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 oleh ERLIYANA DEVITASARI M0111029 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPENERAPAN REGRESI SPASIAL PADA PEMODELAN KASUS KETERGANTUNGAN SPASIAL (Studi Kasus: Indeks Pembangunan Manusia di Indonesia Tahun 2010)
PENERAPAN REGRESI SPASIAL PADA PEMODELAN KASUS KETERGANTUNGAN SPASIAL (Studi Kasus: Indeks Pembangunan Manusia di Indonesia Tahun 2010) WIDYA MARICELLA PANJAITAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciANALISIS 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 terperinciBAB 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 terperinciBAB 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 terperinciPEMODELAN 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 terperinciMETODE PENELITIAN. wilayah Kecamatan Karawang Timur dijadikan sebagai kawasan pemukiman dan
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini merupakan studi kasus yang dilakukan di Kecamatan Karawang Timur, Kabupaten Karawang. Pemilihan lokasi tersebut didasarkan atas wilayah
Lebih terperinciPEMBENTUKAN 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 terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciPENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA
PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciSKRIPSI 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 terperinciBAB 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 terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciMODEL 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 terperinciPENDEKATAN 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 terperinciBAB III METODE PENELITIAN. Penelitian ini bersifat deskriptif kuantitatif dan menggunakan data sekunder.
BAB III METODE PENELITIAN A. Desain Penelitian Penelitian ini bersifat deskriptif kuantitatif dan menggunakan data sekunder. Dalam penelitian ini, data diambil dari laporan terbitan BPS nasional periode
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menurut Kamus Besar Bahasa Indonesia, Kesejahteraan adalah hal atau keadaan sejahtera, keamanan, keselamatan, ketentraman. Dalam istilah umum, sejahtera menunjuk ke
Lebih terperinciANALISIS 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilakukan pada pemerintah Provinsi Jawa Timur. Provinsi Jawa Timur yang terdiri dari 29 Kabupaten dan 9 Kota, akan tetapi ada penelitian
Lebih terperinciIII. 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 terperinciBAB III METODE PENELITIAN. Populasi dalam penelitian ini adalah seluruh Pemerintahan Kota/Kabupaten
36 BAB III METODE PENELITIAN 3.1. Populasi dan Sampel Penelitian Populasi dalam penelitian ini adalah seluruh Pemerintahan Kota/Kabupaten di Provinsi Lampung berjumlah 14 kabupaten dan kota. Sampel yang
Lebih terperinciPENDEKATAN 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 terperinciBAB 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 terperinciAPLIKASI 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 terperinciANALISIS 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 terperinciModel Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur M.Fariz Fadillah Mardianto,
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciBAB 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 terperinciPEMODELAN 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini merupakan penelitian kuantitatif yaitu penelitian yang menekankan pada pengujian teori-teori melalui pengukuran variabelvariabel penelitian
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Objek/Subjek Penelitian Objek penelitian data ini adalah Pemerintah Daerah pada 35 Kabupaten/Kota di Provinsi Jawa Tengah. Subjek penelitiannya, yaitu data PAD, DAU, DAK, dan
Lebih terperinciSKRIPSI 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 terperinciBAB III METODE PENELITIAN. metode analisis data serta pengujian hipotesis.
BAB III METODE PENELITIAN Pada bab 3 ini akan dijelaskan mengenai metode penelitian yang meliputi populasi dan sampel penelitian, data dan sumber data, variabel operasional, metode analisis data serta
Lebih terperinciABSTRAK. 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 terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Pada hasil pengumpulan data sekunder mengenai Pendapatan Asli Daerah (PAD), Dana Alokasi Umum (DAU), Dana Alokasi Khusus ( DAK ), Pertumbuhan
Lebih terperinciAPLIKASI 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 terperinciPEMODELAN 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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pendidikan mempunyai peranan yang sangat penting dalam membangun sebuah negara. Pembukaan Undang-Undang Dasar 1945 menyatakan bahwa salah satu tujuan Negara Republik
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Ruang Lingkup Penelitian Penelitian ini dilakukan untuk melakukan pengujian terhadap 6 (enam) buah hipotesis yaitu hubungan pendapatan asli daerah, dana alokasi umum, dana
Lebih terperinciTeknik 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 terperinci2.11. 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 terperinciPemodelan 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 terperinciBAB III METODE PENELITIAN. Dalam penelitian ini, penulis akan melaksanakan langkah-langkah sebagai
BAB III METODE PENELITIAN A. Langkah Penelitian Dalam penelitian ini, penulis akan melaksanakan langkah-langkah sebagai berikut: 1. Merumuskan spesifikasi model Langkah ini meliputi: a. Penentuan variabel,
Lebih terperinciPENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)
PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) SKRIPSI Disusun Oleh : SINDY SAPUTRI 24010210141007 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciSKRIPSI 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 terperinciDosen Pembimbing : Dr. Purhadi, M.Sc
Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980
Lebih terperinciMAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY
MAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY KELOMPOK : Karlina Siti Faresha 135020200111071 Rezky Ridhowati 135020200111074 Pahriyatul Ummah 135020201111002 JURUSAN MANAJEMEN FAKULTAS EKONOMI
Lebih terperinciBAB IV METODE PENELITIAN. dilakukan secara sengaja (purposive) melihat bahwa propinsi Jawa Barat
4.1. Waktu dan Tempat Penelitian BAB IV METODE PENELITIAN Penelitian dilakukan dalam lingkup wilayah Jawa Barat. Pemilihan lokasi dilakukan secara sengaja (purposive) melihat bahwa propinsi Jawa Barat
Lebih terperinciABSTRAK. Kata kunci: DBD, Efek Spasial, Spatial Autoregressive (SAR).
Judul Nama Pembimbing : Pemodelan Penyebaran Kasus Demam Berdarah Dengue (DBD) di Kota Denpasar dengan Metode Spatial Autoregressive (SAR) : Ni Made Surya Jayanti : 1. I Wayan Sumarjaya, S.Si., M.Stats.
Lebih terperinciPEMODELAN 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 terperinciBAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Investasi Menurut Fahmi dan Hadi (2009) investasi merupakan suatu bentuk pengelolaan dana guna memberikan keuntungan dengan cara menempatkan dana tersebut pada alokasi
Lebih terperinciBAB III METODE PENELITIAN. Bangli, Kabupaten Karangasem, dan Kabupaten Buleleng.
BAB III METODE PENELITIAN A. Lokasi Penelitian Dalam penelitian ini, penulis menggunakan lokasi penelitian wilayah Provinsi Bali yang merupakan salah satu provinsi yang ada di Indonesia. Luas Provinsi
Lebih terperinciBAB I PENDAHULUAN. masyarakat setempat sesuai dengan peraturan peundang-undangan. Hal tersebut
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Otonomi daerah merupakan hak, wewenang, dan kewajiban daerah otonom untuk mengatur dan mengurus sendiri urusan pemerintah dan kepentingan masyarakat setempat
Lebih terperinciBAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
Lebih terperinciBAB III METODELOGI PENELITIAN
BAB III METODELOGI PENELITIAN A. Waktu Dan Tempat Penelitian Penelitian ini akan dilakukan pada Kabupaten/Kota Provinsi Banten, waktu pengumpulan data akan dilakukan pada Januari 2017 sampai Februari 2017.
Lebih terperinciBAB I PENDAHULUAN. Model regresi adalah persamaan matematik yang dapat meramalkan nilai-nilai
BAB I PENDAHULUAN A. Latar Belakang Model regresi adalah persamaan matematik yang dapat meramalkan nilai-nilai suatu variabel tak bebas dari nilai-nilai variabel bebas (Walpole, 1982: 340). Pada regresi
Lebih terperinciLOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si
LOGO Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si PENDAHULUAN 1 2 3 4 Latar Belakang Tujuan Manfaat Batasan Masalah Latar Belakang Kesempatan memperoleh pendidikan merupakan prioritas utama
Lebih terperinciGEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH
GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH SKRIPSI Disusun Oleh : NURMALITA SARI 240102120008 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciPEMODELAN 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 terperinciBAB III METODE PENELITIAN A. WAKTU DAN TEMPAT PENELITIAN Kinerja pemerintah provinsi Banten telah gagal menyusul penilaian Opini Tidak Memberikan Pendapat yang diperoleh pemerintah provinsi Banten sehingga
Lebih terperinciIII. METODE PENELITIAN
21 III. METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Desa Babakan Kecamatan Dramaga Kabupaten Bogor. Pemilihan tersebut dengan pertimbangan bahwa wilayah tersebut merupakan
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciDEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG
ANALISIS FAKTOR-FAKTOR PRODUKSI PERIKANAN TANGKAP PERAIRAN UMUM DARATAN DI JAWA TENGAH MENGGUNAKAN REGRESI BERGANDA DAN MODEL DURBIN SPASIAL SKRIPSI Disusun Oleh : PUJI RETNOWATI 24010212130049 DEPARTEMEN
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi Produk Domestik Bruto Usaha Mikro Kecil dan Menengah (UMKM) di Indonesia Tahun
Lebih terperinciPEMODELAN 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 terperinciIDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK
IDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK Tina Aris Perhati 1, Indahwati 2, Budi Susetyo 3 1 Dept. of Statistics, Bogor Agricultural University (IPB), Indonesia,
Lebih terperinciBAB 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 terperinciANALISIS 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 terperinciDiajukan oleh : F.X. Riza Febri Kurniawan NIM: F
PENGARUH KEMANDIRIAN DAERAH, DANA PERIMBANGAN, DAN KARAKTERISTIK DAERAH TERHADAP PERTUMBUHAN EKONOMI DENGAN ALOKASI BELANJA MODAL SEBAGAI VARIABEL INTERVENING SKRIPSI Diajukan Untuk Memenuhi Persyaratan
Lebih terperinciModel Regresi Binary Logit (Aplikasi Model dengan Program SPSS)
Model Regresi Binary Logit (Aplikasi Model dengan Program SPSS) Author: Junaidi Junaidi 1. Pengantar Salah satu persyaratan dalam mengestimasi persamaan regresi dengan metode OLS (Ordinary Least Square)
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB III METODE PENELITIAN. September). Data yang dikumpulkan berupa data jasa pelayanan pelabuhan, yaitu
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini berasal dari data sekunder dengan jenis data bulanan mulai tahun 2004 sampai dengan tahun 2011 (bulan September).
Lebih terperinciIII. METODE PENELITIAN. Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah
63 III. METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah Minimum Provinsi (UMP) dan Belanja Barang dan Jasa (BBJ) terhadap pembangunan
Lebih terperinciSKRIPSI O L E H : BENNYLY PANGIHUTAN JOULI SIMBOLON
SKRIPSI PENGARUH RASIO EFEKTIVITAS PENDAPATAN ASLI DAERAH (PAD), DANA BAGI HASIL (DBH), DANA ALOKASI UMUM (DAU), DAN DANA ALOKASI KHUSUS (DAK) TERHADAP TINGKAT KEMANDIRIAN PEMERINTAHAN KABUPATEN/KOTA DI
Lebih terperinciBINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA
BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA Moh. Yamin Darsyah 1 Arianto Wijaya 2 1,2 Program Studi S1 Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciIII. METODE PENELITIAN. series dan (2) cross section. Data time series yang digunakan adalah data tahunan
29 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder berupa data panel, yaitu data yang terdiri dari dua bagian : (1)
Lebih terperinciBAB III METODE PENELITIAN. A. Desain Penelitian. yang telah disediakan dan dipublikasi oleh pihak lain. Penelitian ini merupakan
BAB III METODE PENELITIAN A. Desain Penelitian Penelitian ini merupakan penelitian yang menggunakan data sekunder yang telah disediakan dan dipublikasi oleh pihak lain. Penelitian ini merupakan pengujian
Lebih terperinciBAB III METODE PENELITIAN
77 BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan pada tahun 2015, penelitian ini menggunakan data sekunder untuk pengumpulan data. Tempat penelitian ini dilaksanakan
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciBAB 3 METODE PENELITIAN. Penelitian ini bertujuan untuk mengetahui pengaruh dari Pajak Daerah, Retribusi
BAB 3 METODE PENELITIAN 3.1 Objek Penelitian Penelitian ini bertujuan untuk mengetahui pengaruh dari Pajak Daerah, Retribusi Daerah serta Dana Alokasi Umum terhadap Belanja Daerah Pemerintah Kabupaten
Lebih terperinciBAB 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 terperinciDisusun: 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 terperinciANALISIS REGRESI SPASIAL STANDAR NASIONAL PENDIDIKAN (SNP) TERHADAP UJIAN NASIONAL (UN) DI MADRASAH ALIYAH NEGERI (MAN) PULAU JAWA TAHUN
ANALISIS REGRESI SPASIAL STANDAR NASIONAL PENDIDIKAN (SNP) TERHADAP UJIAN NASIONAL (UN) DI MADRASAH ALIYAH NEGERI (MAN) PULAU JAWA TAHUN 2012-2013 AMAN ABADI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
Lebih terperinci(Geographically Weighted Binary Logistic Regression with Fixed Bi-Square Weight)
Penerapan Regresi Logistik Biner Terboboti Geografi dengan Pembobot Fixed Bi-Square Tuti Purwaningsih Universitas Islam Indonesia Jl Kaliurang KM 14.5, Yogyakarta tuti.purwaningsih@uii.ac.id ABSTRACT Geographically
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Gambaran Umum Provinsi Jawa Timur Penelitian ini dilakukan mulai bulan September 2012 di Jakarta terhadap Laporan Keuangan Daerah Provinsi Jawa Timur untuk periode tahun
Lebih terperinci