PEMODELAN REMAJA PUTUS SEKOLAH USIA SMA DI PROVINSI JAWA TIMUR DENGAN MENGGUNAKAN METODE REGRESI SPASIAL

Transkripsi

1 PEMODELAN REMAJA PUUS SEKOLAH USIA SMA DI PROVINSI JAWA IMUR DENGAN MENGGUNAKAN MEODE REGRESI SPASIAL Liska Septiaa (), Sri Pigit Wuladari (), () Mahasiswa Statistika FMIPA () Dose Statistika IS ABSRAK Pedidika dikataka sebagai katalisator faktor utama pegem-baga SDM, amu disisi lai bayak remaja yag putus sekolah pada saat SMA. Berdasarka data Suseas tahu 009 diketahui bahwa remaja putus sekolah usia SMA sebesar 40,89% dari total usia SMA sekitar 6-8 tahu. Pada peelitia ii megaalisis megeai faktor-faktor yag berpegaruh terhadap remaja putus sekolah usia SMA. Diduga ada efek depedesi spasial dalam kasus ii, peyelesaia efek depedesi spasial adalah meguaka regresi dega pedekata area. Regresi spasial dega pedekata area meliputi Spatial Autoregressive Model (SAR), Spatial Error Model (SEM), Spatial Autoregressive Movig Average (SARMA). Hasil statistik deskriptif, diketahui rata-rata siswa putus sekolah sebesar 9,9% dega rasio berjeis kelami perempua terhadap laki-laki, da persetase keluarga miski sebesar,47 da 5,96%. Berdasarka model spasial Spatial Autoregressive Model (SAR) didapatka variabel prediktor yag sigifika pada α=0% adalah variabel keluarga miski da letak rumah dipedesaa dega ilai R=44,5%. Sedagka dega model spasial Spatial Error Model (SEM) didapatka variabel predictor yag sigifika pada α=5% adalah letak rumah dipedesaa dega ilai R= 4,38%. Kata kuci : Putus Sekolah, SAR, SEM. PENDAHULUAN Salah satu parameter keberhasila pedidika adalah meutaska Agka Partisipasi Kasar (APK) da Agka Partisipasi Muri (APM) mutu pedidika utuk mecapai 95% (Rasiyo, 008). Pedidika di Jawa imur belum maksimal berdasarka jejag pedidika formal khususya pada jejag pedidika SMA. Hal ii dapat dilihat dari APK da APM hasil Survei Sosial Ekoomi Nasioal (Suseas, 008). APK Jawa imur utuk usia SMA sebesar 7,8% da APM sebesar 57,05%, dapat dikataka persetase APK da APM usia SMA di Jawa imur masih redah karea belum mecapai 95%. Besar kecilya persetase ilai APK da APM sagat erat hubugaya dega putus sekolah. Berdasarka data Suseas tahu 009 diketahui bahwa remaja putus sekolah usia SMA sekitar 40,89% dari total usia SMA yaki usia 6-8 tahu. Berdasarka peelitia tetag aak putus sekolah di Kecamata Jagka Kabupate Bireue Provisi Aceh utara secara umum masalah utamaya adalah kodisi ekoomi keluarga (Grahacedikia,009). Hasil peelitia di Kecamata Selagit, kabupate Musi Rawas, Provisi Sumatera Selata meyimpulka dari beberapa faktor, permasalaha geografis sagat domia mejadi peyebab aak putus sekolah (Alifiato,008). Melihat hasil peelitia (Choiriyah,009) di Surabaya Utara, salah satu faktor tejadiya putus sekolah adalah jeis kelami. Sedagka peelitia agka putus sekolah di Sumatra Barat diketahui bahwa faktor terpetig yag mempegaruhi agka putus sekolah dijumpai pada rumah tagga yag jauh dari fasilitas publik, rumah tagga yag tidak memiliki fasilitas lampu listrik (Elfidri,00). Dari beberapa peelitia sebelumya, maka peelitia ii diambil beberapa faktor remaja putus sekolah usia SMA berdasarka data Suseas ada lima yaitu jeis kelami, jumlah saudara di dalam aggota rumah tagga, letak rumah di pedesaa, persetase keluarga miski di tiap kabupate serta pedidika kepala rumah tagga. Perlu dipertimbagka juga bahwa putus sekolah di suatu wilayah dipegaruhi oleh keadaa jarak atara wilayah yag satu dega yag lai, kemugkia letak sekolah yag lebih dekat dega tempat tiggal berada di luar wilayah kabupate/kota. rasportasi saat ii memugkika seseorag utuk mecari sekolah yag lebih baik mutuya di luar wilayah tempat tiggalya.

2 Kemudaha trasportasi da fasilitas laiya memugkika seseorag utuk berpidah ketempat wilayah yag satu dega wilayah yag lai, khususya wilayah Jawa imur yag memiliki kedekata wilayah atara kabupate/kota yag satu dega yag lai. Dega alasa tersebut adaya depedesi spasial karea letak wilayah atara yag satu dega yag lai berdekata da memiliki karakteristik yag sama. Merujuk iformasi yag telah didapat, peelitia ii dilakuka utuk megetahui faktorfaktor yag mempegaruhi remaja putus sekolah usia SMA di Jawa imur da pemetaa remaja putus sekolah SMA di kabupate/kota di Jawa imur. Utuk megetahui faktor-faktor yag berpegaruh adalah dega megguaka metode regresi tapa melihat efek spasial di tiap kabupate/kota di jawa timur. Pemetaa yag dilakuka utuk melihat betuk efek spasial yag dilihat secara visual. Pegujia efek spasial dilakuka dega uji heterogeitas da depedesi spasial. Berdasarka pejelasa diatas peelitia ii dilakuka megguaka peyelesaia regresi spasial area dega metode Spatial Autoregressive Model (SAR) utuk megetahui faktor-faktor yag mempegaruhi remaja purtus sekolah usia SMA di provisi Jawa imur.. INJAUAN PUSAKA. Aalisis Regresi Bergada Aalisis regresi merupaka aalisis utuk medapatka hubuga da model matematis atara variabel depede (Y) da satu atau lebih variabel idepede (X). Meurut (Draper da Smith,99) Hubuga atara satu variabel depede dega satu atau lebih variabel idepede dapat diyataka dalam model regresi liier. Secara umum hubuga tersebut dapat diyataka sebagai berikut Y 0 X...pX p, dimaa Y variabel depede, sedagka p adalah parameter yag tidak diketahui, da adalah error regresi. Jika dilakuka pegamata sebayak, maka model pegamata ke-i adalah Y i X i p X ip,,... Kalau disederhaaka mejadi Y Xβ ε, dimaa Y adalah vector berukura x, X matriks berukura x k, vektor berukura kx, da ε vektor berukura x. Matriks X mempuyai rak kolom peuh yaitu k, dimaa k = p+. Dalam model regresi bergada ada asumsi ormalitas yaitu ε IIDN(0, I). Metode peaksira parameter model pada persamaa adalah dega metode least square (Drapper ad Smith, 99). Betuk peaksir least square dari parameter tersebut adalah : ˆ X X X y (.) dega ˆ : vektor dari parameter yag ditaksir (p+) x X : matriks variabel bebas berukura x (p+) Y : vektor observasi dari variabel respo berukura ( x ) k : bayakya variabel bebas (k =,,., p) Pegujia kesesuaia model secara seretak dilakuka dega hipotesis sebagai berikut : H : p H : Palig sedikit ada satu k 0 Statistik uji dalam pegujia tersebut adalah MSR F hit = (.3) MSE dega keputusa model regresi sesuai utuk data yag diguaka jika F hit > F dimaa v = p ; v, v da v = (-p-). Setelah dilakuka pegujia secara seretak, maka lagkah selajutya adalah melakuka uji sigifikasi secara parsial, utuk megetahui variabel maa saja yag secara statistik sigifika mempegaruhi variabel respo. Betuk rumusa hipotesisya adalah sebagai berikut : H 0 : k 0 H : k 0 dega k =,,., p Dega taraf sigifikasi 0, 05 Statistik uji yag diguaka dalam pegujia secara parsial adalah ˆ k thit ~ tk SE ˆ, k (.4) dega keputusa tolak H 0 jika t hit. t df ; / dimaa df = --k ( adalah jumlah pegamata da k adalah jumlah variabel bebas).. Regresi Spasial Hukum pertama tetag geografi dikemukaka oleh obler (979), meyataka bahwa segala sesuatu salig berhubuga satu dega yag laiya, tetapi sesuatu yag dekat lebih mempuyai pegaruh daripada sesuatu yag jauh (Aseli, 988). Hukum tersebut merupaka dasar pegkajia permasalaha berdasarka efek lokasi atau metode spasial. Dalam permodela, apabila model regresi klasik diguaka sebagai alat aalisis pada data spasial, maka dapat meyebabka kesimpula yag kurag tepat

3 karea asumsi error salig bebas da asumsi homogeitas tidak terpeuhi. Pegujia efek spasial dilakuka dega uji heterogeitas da depedesi spasial. Peyelesaia jika ada efek heterogeitas adalah dega meguaka pedekata titik. Regresi spasial titik atara lai Geographically Weighted Regressio (GWR),Geographically Weighted Poisso Regressio (GWPR), Geographically Weighted Logistic Regressio (GWLR). Peyelesaia jika ada efek depedesi spasial adalah dega meguaka pedekata area. Regresi spasial dega pedekata area meliputi Spatial Autoregressive Model (SAR), Spatial Error Model (SEM), Spatial Autoregressive Movig Average (SARMA) Spatial Durbi Model (SDM), Coditioal Autoregressive Models (CAR)..3 Pemodela Spasial Model umum regresi spasial diyataka pada persamaa (.5) da (.6) (LeSage, 999; da Aseli 988). y W y Xβ u (.5) u W u ε (.6) ε ~ N (0, I) dega y : Vektor variabel depede, ukura x X : Matrik variabel idepede, berukura x (k+) β : Vektor parameter koefisie regresi, berukura (k+) x : Parameter koefisie spasial lag variabel depede : Parameter koefisie spasial lag pada error u : vektor error pada persamaa (,5), berukura x ε : vektor error pada persamaa (.6), berukura x, yag berdistribusi ormal dega mea ol da varias I W, W : matrik pembobot, berukura x I : matrik idetitas, berukura x : bayakya amata/lokasi (i =,,.., ) k : bayakya variabel idepede (k =,, 3,, l) Error regresi (u) yag diasumsika memiliki efek lokasi radom da mempuyai autokorelasi secara spasial. W da W merupaka pembobot yag meujukka hubuga cotiguity atau fugsi jarak atar lokasi da diagoalya berilai ol. Pada persamaa (.5), ketika X = 0 da W 0 aka mejadi spasial autoregressive order pertama seperti pada persamaa(.8). 3 ε ~ N(0, I) W u meujukka spasial struktur W pada spatially depedet error (ε ). 3) Jika persamaa (.6) ilai W, W 0, 0, atau 0 maka disebut Spatial Autoregressive Movig Average (SARMA) dega persamaa sama seperti pada persamaa (.5)..3 Spatial Autoregressive Model (SAR) Spatial Autoregressive Model (SAR) disebut juga Spatial Lag Model (SLM) adalah salah satu model spasial dega pedekata area dega memperhitugka pegaruh spasial lag pada variabel depede saja. Model ii diamaka Mixed Regressive - Autoregressive karea megkombiasika regresi biasa dega model regresi spasial lag pada variabel depede (Aseli,988). Persamaa (.8) tersebut mejelaska variasi dalam y sebagai kombiasi liier dari uit yag berdekata tapa variabel idepede. y ~ N I W Xβ I W I I W (.0) y W y ε (.7) ε ~ N(0, I) Persamaa (.8) tersebut meujukka variasi pada y sebagai kombiasi liear variasi atar lokasi yag berdekata dega tapa variabel idepede. ) Pada persamaa (.5) jika ilai W 0 atau 0 maka aka majadi model regresi spasial Mixed Regressive-Autoregressive atau Spatial Autoregressive Model (SAR) seperti pada persamaa (.8). y W y Xβ ε (.8) ε ~ N(0, I) Model persamaa (.8) megasumsika bahwa proses autoregressive haya pada variabel depede. ) Jika persamaa (.5) ilai W 0 atau 0 maka aka majadi model Spatial Error Model (SEM) seperti pada persamaa (.9). y Xβ W u ε (.9),.4 Spatial Error Model (SEM) Uji Residual Spatial error model berbasis Maximum Likelihood estimatio dilakuka utuk megetahui SEM. Aseli (988) memaparka bahwa tes utuk meguji Residual spatial autocorrelatio ada 3 metode yaitu: Wald, Likelihood Ratio est (LR), da Lagrage Multiplier (LM). LR merupaka metode yag serig dipakai utuk iferesi dari SEM. Hipotesis yag dikemukaka ialah

4 H 0 : (tidak ada depedesi error spasial) H : 0 (ada depedesi error spasial) Arbia (006) megemukaka iferesi dari LR sebagai berikut. Sebagaimaa persamaa LR lσ l (I B) (I B) (y σ Xβ) (I B) (I B) ( y Xβ) l ( y Xβ) ( y Xβ) (.) dega B = λw dimaa λ = koefisie eror spasial yag berilai < da W merupaka matriks pembobot spasial H 0 ditolak jika statistik uji LR > p 0 p,.5 Estimasi Parameter Estimasi parameterβ diperoleh dega memaksimumka fugsi l likelihood persamaa (.7), yaitu dega medifferesialka persamaa tersebut terhadap β Sehigga didapatka estimasi parameterya adalah β ˆ X X X ( I W ) y (.) Pegujia hipotesis utuk sigifikasi parameter pada permodela spasial (Aseli, 988) diataraya Lagrage Multiplier, Wald test, da Likelihood Ratio est. Peelitia ii diguaka Wald test adalah sebagai berikut Hipotesis : H 0 :,, β... βk 0 H : 0 Statistik uji : ˆ p Wald var( ˆ ) Dega ˆp : estimasi parameter ke-p var( ˆ p ): varias estimasi parameter ke-p H 0 ditolak jika statistik uji Wald >,.6 Matriks Pembobot Pembobot yag dipakai adalah dega megguaka persigguga sisi sudut (Quee Cotiguity) adalah lokasi yag bersisia atau titik sudutya bertemu dega lokasi yag mejadi perhatia diberi pembobota w ij =, sedagka utuk lokasi laiya adalah w ij = 0. Berikut ii merupaka gambar peta Sumber: LeSage (999) Gambar. Persigguga wilayah p I Apabiladpada Gambar. diguaka metode Quee cotiguity maka diperoleh susua matriksberukura 5 5, sebagai berikut: W Quee i j dimaa baris da kolom meyataka regio yag ada pada peta. Karea matriks pembobot/peimbag spasial merupaka matriks simetris, da dega kaidah bahwa diagoal utama selalu ol. Matriks dilakuka stadarisasi utuk medapatka jumlah baris yag uit, yaitu jumlah baris sama dega satu, sehigga matriks mejadi sebagai berikut:.7 Uji Efek Spasial Efek spasial yaitu spatial depedece da spatial heterogeeity pada data, diguaka beberapa metode pegujia. Pegujia adaya spatial depedece memakai metode Mora s I da Lagrage Multiplier (LM). Utuk pegujia adaya spatial heterogeeity megguaka metode Breusch-Paga est..7. Spatial Depedece Spatial depedece mucul berdasarka hukum obler I (979) yaitu segala sesuatu salig berhubuga dega hal yag lai tetapi sesuatu yag lebih dekat mempuyai pegaruh yag besar. Aseli (988) meyataka bahawa uji utuk megetahui spatial depedece di dalam error suatu model adalah dega megguaka statistik Mora s I. Hipotesis yag diguaka adalah : H 0 : I = 0 (tidak ada autokorelasi atar lokasi) H 0 : I 0 (ada autokorelasi atar lokasi) Statistik uji disajika pada persamaa : dimaa W Quee Zhitug ij i j o i ,5 0 0, ,3 0 0,3 0, ,5 0 0, ,5 0,5 0 i I-E(I) var(i) w ( x x)( x x) S ( x x) S o S (.3) i ( wio woi) i [( 3 3) S S S ] o var(i) S ( )( )( 3) S ( wij wji o i j w io w ij w oi w ji E Io j j 4 w ij j )

5 Wx Keteraga: x i : data ke i (i =,,, ) x j : data ke j (j =,,, ) : rata-rata data var (I) : varias Mora s I E(I) : expected value Mora s I Pegambila keputusa adalah H 0 ditolak jika Z hitug > Z α/. Nilai dari ideks I adalah atara - da. Apabila I > I o maka data memiliki autokorelasi positif, jika I < I o maka data memiliki autokorelasi egatif. Pola pegelompoka da peyebara atar lokasi dapat juga disajika dega Mora s Scatterplot. Mora s Scatterplot meujukka hubuga atara ilai amata pada suatu lokasi (distadarisasi) dega rata-rata ilai amata dari lokasi-lokasi yag bertetaggaa dega lokasi yag bersagkuta (Lee da Wog, 00) Kuadra II Kuadra III -0.5 Gambar. Mora s Scatterplot Scatterplot tersebut terdiri atas empat kuadra, yaitu kuadra I, II, III, da IV. Lokasilokasi yag bayak berada di kuadra I da III cederug memiliki autokorelasi positif, sedagka lokasi-lokasi yag bayak berada di kuadra II da IV cederug memiliki autokorelasi egatif. Berdasarka Gambar. dapat dijelaska dari masig-masig kuadra (Perobelli da Haddad, 003). - Kuadra I (High-High), meujukka lokasi yag mempuyai ilai amata tiggi dikeliligi oleh lokasi yag mempuyai ilai amata tiggi. - Kuadra II (Low-High), meujukka lokasi yag mempuyai ilai amata redah dikeliligi oleh lokasi yag mempuyai ilai amata tiggi. - Kuadra III (Low-Low), meujukka lokasi yag mempuyai ilai amata redah dikeliligi oleh lokasi yag mempuyai ilai amata redah. - Kuadra IV (High-Low), meujukka lokasi x Kuadra I Kuadra IV yag mempuyai ilai amata tiggi dikeliligi oleh lokasi yag mempuyai ilai amata redah. Pada LM test diperoleh berdasar pada asumsi model di bawah H 0. erdapat tiga hipotesis yag aka diguaka, yaitu: (i) H 0 : ρ = 0 dega H : ρ 0 (utuk model SAR) (ii) H 0 : λ = 0 dega H : λ 0 (utuk model SEM) (iii) H 0 : ρ, λ = 0 dega H : ρ, λ 0 (utuk model SARMA) Statistik uji yag diguaka adalah: LM E ( D R R R R y y LM X dega m = jumlah parameter spasial (SAR =, SEM =, SARMA = ) R y e W y / R y e W y / M X ( X X ) X tr W W W iw ij i j j E ( W X ) M( W X ) E ( D ) ( ) e adalah least square residual utuk observasi. Jika matriks peimbag spasial W = W = W maka = = = = tr{(w + W) W}. Keputusa tolak H 0 jika ilai LM > X (k)..7. Spatial Heterogeity Spatial heterogeity meujukka adaya keragama atar lokasi. Jadi setiap lokasi mempuyai struktur da parameter hubuga yag berbeda. Heterogeitas data secara spasial dapat diuji dega megguaka statistik uji Breusch- Paga test (BP test) yag mempuyai hipotesis: H 0 : σ = σ =... = σ = σ (kesamaa varias/homokedastisitas) H : miimal ada satu σ i σ (heterokedastisitas) Nilai BP test adalah BP = (/)f Z (Z Z) - Z f ~ χ (k) dega eleme vektor f adalah f i = dimaa e i : merupaka least square residual utuk observasi ke-i Z : merupaka matrik berukura x (k+) yag berisi vektor yag sudah diormal-stadarka (z) utuk setiap observasi. olak H 0 bila BP > χ (k)..8 Parameter Pedidika Pedidika dapat dikataka sebagai katalisator faktor utama dalam pegembaga e e

6 SDM, dega aggapa semaki tiggi pedidika seseorag maka semaki tiggi pula kesadara dalam berbagai aspek. Salah satu parameter keberhasila pedidika adalah meutaska APK (Agka Partisipasi Kasar) da APM (Agka Partisipasi Muri) mutu pedidika utuk mecapai 95%. APK adalah rasio jumlah siswa, berapapu usiaya, yag sedag sekolah di tigkat pedidika tertetu terhadap jumlah peduduk kelompok usia yag berkaita dega jejag pedidika tertetu. APK dapat di hitug dega membagi jumlah peduduk yag sedag bersekolah (atau jumlah siswa), tapa memperhitugka umur, pada jejag pedidika tertetu dega jumlah peduduk kelompok usia yag berkaita dega jejag pedidika tersebut. APM adalah persetase siswa dega usia yag berkaita dega jejag pedidikaya dari jumlah peduduk di usia yag sama. APM di suatu jejag pedidika didapat dega membagi jumlah siswa atau peduduk usia sekolah yag sedag bersekolah dega jumlah peduduk kelompok usia yag berkaita dega jejag sekolah. APK da APM erat kaitaya dega remaja putus sekolah di setiap jejag pedidika, karea didalam perhituga APK da APM dihitug dari jumlah siswa yag sekolah di jejag pedidika. Jika jumlah siswa yag bersekolah lebih redah daripada jumlah usia sekolah di setiap jejag pedidika, maka ilai APK da APM mejadi redah. Semaki bayak siswa di jejag pedidika yag putus sekolah maka semaki sedikit ilai persetase APK da APM..9 Pegertia Putus Sekolah Putus sekolah adalah mereka yag perah duduk pada salah satu tigkat pedidika aka tetapi pada saat survei berlagsug mereka tidak terdaftar pada salah satu pedidika formal yag disebabka oleh berbagai faktor. Berdasarka peelitia sebelumya masig-masig wilayah terdapat perbedaa megeai faktor maa yag palig domia. Hal ii tergatug dari kodisi wilayah da peduduk di wilayah tersebut. Berdasarka peelitia tetag aak putus sekolah di Kecamata Jagka, Kabupate Bireue, Aceh Utara (Grahacedikia, 009) ditemuka peyebab aak putus sekolah adalah dari faktor demografi, geografis, sosial budaya, da ekoomi. Secara umum masalah utamaya adalah kodisi ekoomi keluarga yag kurag medukug da sebagia lagi adalah faktor keluarga. Hasil peelitia di Kecamata Selagit, Kabupate Musi Rawas, Provisi Sumatera Selata ditemuka peyebab aak putus sekolah dari faktor sosial budaya atara lai malas, akal, takut dega guru, tidak aik kelas, masalah keluarga. 6 Dari faktor geografis atara lai jala rusak da jarak sekolah yag jauh dari rumah. Faktor ekoomi idikatorya atara lai tidak ada biaya da bekerja. Dari ketiga faktor tersebut permasalaha geografis sagat domia mejadi peyebab aak putus sekolah (Alifiato, 008). Berdasarka peelitia agka putus sekolah di Sumatra Barat (Elfidri,00) diketahui bahwa faktor terpetig terpetig yag mempegaruhi agka putus sekolah dijumpai pada rumah tagga yag jauh dari fasilitas publik, rumah tagga yag tidak memiliki fasilitas lampu listrik, orag tua mereka juga tidak sekolah atau maksimum haya tamat sekolah dasar. Faktor-aktor lai yag meyebabka aak putus sekolah yaitu jeis kelami, jumlah saudara da rata-rata pegeluara perbula. Jeis kelami erat kaitaya dega putus sekolah, diduga agka putus sekolah aak perempua jauh lebih besar dibadigka dega aak laki-laki. 3 MEODOLOGI PENELIIAN 3. Sumber Data Data yag diguaka pada peelitia ii adalah data sekuder yag didapatka dari Bada Pusat Statistik (BPS) berupa data (Survei Sosial Ekoomi Nasioal) Suseas da data Dias Pedidika Provisi Jawa imur pada tahu 009. Data ii mecakup persetase remaja putus sekolah usia SMA da faktor-faktor yag mempegaruhiya di provisi Jawa imur yag mecakup 38 kabupate/kota. 3. Variabel Peelitia Variabel yag diguaka dalam peelitia ii adalah 6 variabe yag terdiri dari variabel respo da 5 variabel prediktor dega ricia sebagai berikut : a. Variabel respo (Y) yaitu presetase remaja putus sekolah usia SMA tiap kabupate/kota di Jawa timur. Dimaksud usia SMA adalah usia 6-8 tahu, oleh karea itu pegambila data haya dibatasi remaja putus sekolah usia 6-8 tahu. b. Variabel prediktor (X) yaitu faktor-faktor yag meyebabka remaja putus sekolah usia SMA di Provisi Jawa imur pada abel Lagkah Aalisis Adapu lagkah aalisis yag dilakuka dalam peelitia ii adalah : a. Melakuka eksplorasi data peta tematik utuk megetahui pola peyebara da depedesi pada masig- masig variabel serta scatterplot utuk megetahui pola hubuga variabel X da Y b. Melakuka pemodela regresi dega metode Ordiary Least Square (OLS) yag meliputi estimasi parameter, estimasi sig-

7 ifikasi model, uji asumsi residual (idetik, idepede, da berdistribusi ormal). c. Uji depedesi da heterogeitas spasial atau korelasi. d. Idetifikasi tetagkeberadaa efek spasial dega megguaka uji Lagrage Multiplier (LM). Pegujia LM dilakuka utuk megetahui model apa yag sesuai dega prosedur. e. Melakuka pemodela Spatial Autoregressive Model (SAR) f. Melakuka pemodela Spatial Error Model (SEM). abel 3. Variabel Prediktor Keteraga Defiisi perhituga variabel X Jeis kelami Dihitug dari rasio atara perempua di badig laki-laki di setiap kabupate/kota Variabel X X 3 X 4 X 5 Persetase bayakya aggota rumah tagga yag >4 Persetase keluarga kemiskia Persetase letak rumah di pedesaa Rasio pedidika kepala rumah tagga Dihitug dari jumlah rumah tagga AR > 4 di jumlah rumah tagga di setiap kabupate/kota di Jawa imur Persetase keluarga kemiskia tiap kabupate/kota di Jawa imur Persetase bayakya letak rumah yag ada di pedesaa di setiap kabupate/kota di Jawa imur Dihitug dari bayakyakepala rumahtagga yag berpedidika maksimal SD (Sekolah dasar) dibadigka dega yag jumlah kepala rumah tagga berpedidika miimal SMP (Sekolah Meegah Pertama) 4 ANALISIS DAN PEMBAHASAN Pada bab ii aka dilakuka pembahasa dega megguaka aalisis Spatial Autoregressive Model (SAR) utuk megetahui agka remaja putus sekolah usia SMA di Jawa imur. Sebelum membahas pemodela terhadap remaja putus sekolah usia SMA di Jawa imur dega megguaka GWR, terlebih dahulu diuraika megeai statistik deskriptif. 4. Statistik Deskriptif Remaja Putus Sekolah Usia SMA di Jawa imur Statisti deskripti berupa pemetaa remaja putus sekolah usia SMA di Jawa imur dapat dilihat pada gambar 4. adalah peta prosetase bayakya putus sekolah usia SMA yag putus sekolah mulai dari SD (Sekolah Dasar). 7 Gambar 4. Peta Remaja Putus Sekolah Usia SMA Gambar 4. merupaka peta tematik tersebut mejelaska tetag agka putus sekolah remaja usia SMA utuk setiap kabupate di Provisi Jawa imur. erlihat dari gambar, ada beberapa daerah yag memiliki agka putus sekolah remaja usia SMA dega kelompok persetase tiggi (ditadai dega wara biru tua) dega persetase atara 7,64% sampai 38,89%, yaitu Kabupate Malag, Kabupate Mojokerto, Kabupate Kediri, Kabupate reggalek, da Kabupate Pacita dega kode 07, 6, 06, 03 da 0. Berdasarka letak geografis kelima kabupate tersebut yag memiliki agka putus sekolah dega persetase tiggi, letak kelima kabupate tersebut cederug berdekata. Semaki muda yag ditadai dega wara kuig wara dari peta tematik Gambar 4.3, meujukka bahwa kelompok persetase agka putus sekolah di daerah redah yaitu atara 5,49% sampai 9,9%. Utuk daerah yag memiliki ilai kelompok presetase redah adalah kabupate Pamekasa, kabupate Sampag, kabupate Bagkala, kabupate Situbodo, kabupate Proboliggo, kabupate Sidoarjo da kota Kediri dega kode 8, 7, 6,, 3, 5 da7. Selai megguaka peta tematik, utuk melihat gambara secara umum tetag faktor-faktor yag mempegaruhi siswa putus sekolah remaja usia SMA di Provisi Jawa imur dapat ditujukka pada abel 4.. abel 4.. Statistik Deskritif Variabel Jumlah Mea Mi Media Maks Y 38 9,9 5,49 9,5 38,89 X 38,47 0,35,46 5 X 38 4,88 5,6 44,44 66,67 X ,96 4,8 5,7 3,94 X , ,46 9,35 X 5 38,58 0,36,96 7,03 Berdasarka abel 4. dapat diketahui bahwa rata-rata siswa putus sekolah usia SMA di Provisi Jawa imur adalah sebesar 9,9%. Rata-rata remaja yag putus sekolah usia SMA di Provisi Jawa imur utuk rasio perempua terhadap lakilaki yag putus sekolah adalah sebesar,47. Kemudia utuk persetase remaja putus sekolah usia SMA yag memiliki aggota rumah tagga

8 lebih dari empat orag adalah sebesar 4,88%, yag berarti bahwa rata-tara remaja putus sekolah memiliki saudara yag cukup bayak. Semaki bayakya aggota keluarga maka beba yag aka ditaggug oleh kepala rumah tagga juga aka semaki besar. Jika dilihat dari status keluarga utuk remaja yag putus sekolah usia SMA, rata-rata persetase status keluarga miski utuk remaja tersebut adalah sebesar 5,96%. Ratarata remaja yag putus sekolah usia SMA adalah yag tiggal di pedesaa, yaitu dega presetase sebesar 55,3%. Sedagka faktor lai yag juga mempegaruhi remaja putus sekolah usia SMA adalah karea faktor dari pedidika kepala rumah tagga. Bagi remaja yag memiliki kepala rumah tagga yag maksimal lulusa SD sebesar,58 kaliya kepala rumah tagga yag lulusa miimal sekolah SMP. Hal ii berarti bahwa semaki redah lulusa kepala rumah tagga maka kesadara utuk meyekolahka aggota keluargaya juga semaki redah. 4. Model Regresi Sederhaa Khasus koliieritas pada model regresi meyebabka parameter regresi yag dihasilka aka memiliki error yag sagat besar. Beberapa kriteria yag dapat diguaka utuk megetahui adaya koliearitas atara variabel prediktor adalah dega megguaka koefisie korelasi (pearso correlatio) da ilai variace iflatio factors (VIF). Pada peulisa ii haya aka megguaka kriteria kedua yaitu ilai VIF. Berikut ii adalah ilai variace iflatio factors (VIF) utuk masig-masig variabel prediktor yag mempegaruhi agka putus sekolah remaja usia SMA di Provisi Jawa imur. abel 4.. Nilai VIF Variabel Prediktor Variabel Prediktor Nilai VIF X,3 X,4 X 3,8 X 4 5,4 X 5 4,3 Pada tabel tersebut ilai setiap variabel prediktorya memiliki ilai kurag dari 0, hal ii meujukka bahwa tidak terjadi kasus multikoliearitas Apakah kelima variabel prediktor secara statistik berpegaruh terhadap agka putus sekolah remaja usia SMA di Provisi Jawa imur, maka aka dilakuka pemodela dega megguaka regresi terhadap variabel-variabel tersebut. Berikut ii adalah model regresi liear yag dapat dilihat pada tabel 4.3 dega ilai R square sebesar 0,8% yag artiya model tersebut mampu meeragka 0,8% dari keragama total. 8 Berdasarka ilai R square model tersebut mampu meeragka 0,8% dari keragama total maka dapat dikataka kurag mewakili data da dapat dicoba dega megguaka model Regresi Spasial, agar dapat dilihat kemugkia model yag lebih baik dega ilai SSE lebih redah da ilai R square lebih tiggi. abel 4.3. Estimasi Parameter Model Regresi Parsial Predictor Coef SE Coef P Costat 8,0 6,8,94 0,006 X 0,,644 0,07 0,947 X 0,048 0,0966 0,48 0,63 X3 0,609 0,30 -** 0,054 X4,038 9,39,6* 0,03 X5 -,3,8-0,7 0,476 Nilai R square 0,8% ** (3;0,950) =.0395 * (3;0,975) =.6955 Berdasarka tabel 4.3 dapat ditujukka hasil pegujia parsia sigifikasi megguaka α (0,05) bahwa terdapat dua variabel bebas yaitux 3 da X 4 yag secara sigifika berpegaruh terhadap remaja putus sekolah usia SMA karea memiliki ilai hitug > (3;0,975) (,0395) atau ilai P_Vaue < α (0,05). NIlai R square sebesar 0,8% yag artiya model haya mewakili data sebesar 0,8%. abel 4.4. Estimasi Parameter Model Regresi Seretak Source DF SS MS F P Regressio 5 480,5 96,0,68* 0,68 Residual Error 3 830,84 57, otal 37 3,35 Durbi-Watso statistic =,686 *F (0,95,3) =.55 **du=,79 da dl=,04 Pegujia kesesuaia model secara seretak dilakuka dega melihat ilai F hit dega ilai F (0,95,3), keputusa model regresi sesuai utuk data yag diguaka jika F hit >F (0,95,3) da hasilya dapat dilihat pada abel 4.4. Pada abel 4.4 didapatka bahwa hasil pegujia seretak didapatka ilai F hit =,68 yag artiya gagal tolak H 0 karea ilai F hit < F (0,95,3) maka keputusaya adalah variabel prediktor secara seretak tidak sigifika terhadap variabel respo. Selajutya dilakuka pegujia asumsi residual. Beberapa pegujia utuk pegujia asumsi residual yaitu dega meguji homogeitas residual atau melihat varias dari residual dega megguaka uji Glejser, uji autokolerasi residual dega melihat plot ACF atau ilai Durbi Wastho, da Uji Normal residualya. Asumsiasumsi tersebut yag harus dipeuhi dalam pemodela regresi. Uji Glejer dilakuka dega meregresika variabel prediktor dega absolut residual. Hasil regresi tersebut diuji dega megguaka ilai

9 α=0,05 meghasilka ilai yag sigifika artiya residual variasya sama atau dapat dikataka tidak ada kasus heterogeitas, hasil pegujia uji Glejer dapat dilihat pada Lampira 4. Hasil pegujia autokolerasi pada residual dapat dilihat pada plot Autocorrelatio Fuctio (ACF) tidak ada lag yag keluar yag dapat dilihat pada Lampira 5. Berdasarka plot ACF dapat diputuska tidak terjadi autokolerasi. Utuk meyakika apakah bear tidak terjadi autokolerasi maka dilakuka pegujia Durbi Wastho. Berdasarka hasil pegujia tersebut didapatka ilai Durbi Wastho berada atara dl<d<du dega ilai sebesar,686 maka dapat dikataka pegujia tidak meyakika terdapat autokolerasi atau tidak. Pegujia ormal residual dilakuka utuk melihat apakah residual memeuhi asumsi ormal. Berdasarka hasil pegujia ormal residual yag dapat dilihat di Lampira 5 didapatka ilai P- value> 0,50. Berdasarka hasil tersebut maka dapat diputuska residual berdistribusi ormal. 4.3 Pegujia Efek Spasial Pegujia efek spasial dilakuka utuk melihat apakah ada pegaruh spasial. Pegujia Spatial depedece megguaka statistik Mora s I. Nilai Mora s I dapat dilihat pada Lampira 9. Berdasarka hasil pegujia spatial depedece di dapatka ilai Mora s I > I 0, hal ii meujukka autokolerasi positif atau pola data yag megelompok da memiliki kesamaa karakteristik pada wilayah yag berdekata, maka dikataka ada efek spatial depedece pada variabel respo(y). Jika digambarka maka betuk peyebara Mora s Scatterplot dapat dilihat pada Gambar 4. Mora s Scatterplot Gambar 4., pada gambar terrsebut meujukka pola megelompok pada kuadra I da III yag berarti kabupate/kota yag memiliki agka putus 9 sekolah SMA tiggi megelompok dega kabupate/kota yag memiliki agka putus sekolah SMA tiggi pula yaitu Kab.Malag, Kab.Mojokerto da Kab.reggalek. Begitu juga kabupate/kota yag memiliki agka putus sekolah putus sekolah SMA redah megelompok dega kabupate/kota yag memiliki agka putus sekolah SMA redah pula yaitu Kab.Sampag, Kab.bagkala, Kab. Pamekasa. 4.4 Lagrage Multiplier (LM) test Pemiliha model spasial dilakuka dega LM test sebagai idetivikasi awal. Lagrage Multiplier diguaka utuk medeteksi depedesi spasial dega lebih spesifik yaitu depedesi dalam lag, error, atau keduaya (lag da error). Hasil pegujia LM test pada abel 4.5. abel 4.5 Hasil Diakostik Depedesi Spasial Uji Depedesi Spasial Nilai P-value Mora s I (error) 3,066 0,005* Lagrage Multiplier (lag) 9,369 0,00* Lagrage Multiplier (error) 5,945 0,049* Lagrage Multiplier (SARMA),94 0,005* Ket: * Sigifika α=0.05 Berdasarka abel 4.5 dapat dilihat ilai p- value dari Mora s I sebesar 0,005 (tolak H 0 ) Artiya ada depedesi spasial dalam error regresi. Uji Lagrage Multiplier (lag) bertujua utuk megidetifikasi adaya keterkaita atar kabupate/kota. Berdasarka pada abel 4.5 dapat diketahui bahwa ilai P-value LM lag sebesar 0,00 (kurag dari α = 5% ). Kesimimpulka bahwa tolak Ho. Hal ii berarti bahwa terdapat depedesi spasial lag sehigga perlu dilajutka ke pembuata Spatial Autoregressive Model, serta dapat diketahui bahwa ilai P-value LM error adalah 0,04 (kurag dario α = 5% ). Kesimimpulka bahwa gagal tolak Ho, artiya terdapat depedesi spasial error sehigga dapat dilajutka dalam pembuata Spatial Error Model. Lagrage Multiplier SARMA dapat diguaka utuk megidetifikasi adaya feomea gabuga, yaitu megidetifikasi adaya depedesi lag da depedesi error, atar kabupate/kota. Berdasarka pada abel 4.5 dapat diketahui bahwa ilai P-value LM error adalah 0,05 (kurag dario α = 5% ). Kesimimpulka bahwa gagal tolak Ho, artiya terdapat depedesi spasial lag da error sehigga dapat dilakuak pembetuka model campura. 4.5 Model Spasial Berdasarka Lagrage Multiplier terdapat depedesi spasial lag dsa error sehigga perlu dilajutka ke pembuata Model Spatial Autoregressive Model (SAR) da Spatial Error Model (SEM).

10 4.5. Spatial Autoregressive Model (SAR) Berdasarka uji depedesi terdapat depedesi spasial lag sehigga perlu dilajutka ke model Spatial Autoregressive Model. Berdasarka abel 4.6 dapat dilihat bahwa ilai R =44,5% berarti bahwa model tersebut mampu mejelaska variasi dari remaja putus sekolah sebesar 44,5% da sisaya 55,85% dijelaska oleh variabel lai di luar model. P_value sigifika pada α=0% adalah variabel X3 ( persetase keluarga miski) da X4 ( persetase letak rumah di pedesaa abel 4.6 Estimasi Parameter SAR Variabel Coeff Z P-value ρ 0,480 3,3766 0,0007* Itercept 4,503 0,848 0,4094 X -0,089-0,050 0,9879 X 0,0687 0,896 0,370 X3 0,4083 -,6603 0,0968** X4 0,864,5553 0,006* X5-0,8865-0,69 0,533 Ket: R = 44,5% *Sigifika α=5% **, Sigifika α=0% Model SAR adalah sebagai berikut y 0, 48 w y 0, 408X 0,86 X i ij j 3i 4i i j, ij Model SAR di iterpretasika, bahwa apabila faktor lai diaggap kosta, jika persetase keluarga miski di suatu kabupate/kota aik sebesar satua maka bisa meambah remaja putus sekolah usia SMA sebesar 0,408 da letak rumah berada di pedesaa yag jauh dari fasilitas umum bertambah satu satua maka aka meambah ilai persetase remaja putus sekolah usia SMA sebesar Berikut ii merupaka cotoh model SAR yag diamati adalah Kab.Pacita: y 0, 4y 0, 4y 0, 408X 0,86X Model pada Kab.Pacita, dapat di iterpretasika, bahwa apabila faktor lai diaggap kosta, jika persetase keluarga miski di suatu kabupate/kota aik sebesar satua maka bisa meambah persetase remaja putus sekolah usia SMA di Kab.Pacita sebesar 0,408 serta letak rumah berada di pedesaa yag jauh dari fasilitas umum bertambah satu satua maka aka meambah ilai persetase remaja putus sekolah usia SMA di Kab.Pacita sebesar 0.86, utuk y da y 3 merupaka kabupate yag dekat dega pacita yaitu y adalah Kab.Poorogo yag merupaka kabupate dega kode 0, sedagka y 3 adalah Kab.reggalek yag merupaka kabupate dega kode 03 dega masig-masig pegaruh kedekata daerah tersebut sebesar 0, Spatial Error Model (SEM) Berdasarka uji depedesi terdapat depedesi spasial lag sehigga perlu dilajutka ke model Spatial Error Model. Berikut ii merupaka hasil output dari pemodela SEM dega masig-masig ilai parameter Berdasarka abel 4.7 dapat dilihat bahwa ilaiilai R =4,38% berarti bahwa model tersebut mampu mejelaska variasi dari remaja putus sekolah sebesar 4,38% da sisaya 57,6% dijelaska oleh variabel lai di luar model. P_value yag sigifika pada α=0% da variabel yag sigifika adalah variabel X4 ( persetase letak rumah di pedesaa. abel 4.7 Estimasi Parameter SEM Variabel Coeff Z P-value λ 0,544 3,5964 0,0003* Itercept 3,576,46 0,038* X 0,430 0,05 0,9040 X 0,0480 0,646 0,504 X3 0,354 -,098 0,70 X4 0,48,08 0,0374* X5 9,9e-005 7,e-005 0,9999 R = 4,38% *Sigifika α=5% Model SEM adalah sebagai berikut y 3,576 0,48 X u i 4i i u 0,54 w u i ij j i j, ij u 0,57u 0,57u 3 Model SEM dapat di iterpretasika, bahwa apabila faktor lai diaggap kosta, jika persetase keluarga miski di suatu kabupate/kota aik sebesar satua maka bisa meambah remaja putus sekolah usia SMA sebesar 0,48 da error spasial berkolerasi atar daerah. Berikut ii merupaka cotoh model SEM dega kabupate yag di amati adalah Kab.Pacita: y 3,576 0,48 X u 4 Model SEM pada kabupate pacita, dapat di iterpretasika, bahwa apabila faktor lai diaggap kosta, jika letak rumah berada di pedesaa yag jauh dari fasilitas umum bertambah satu satua maka aka meambah ilai persetase remaja putus sekolah usia SMA di Kab.Pacita sebesar 0,48 utuk u da u 3 merupaka kabupate yag dekat dega pacita yaitu u adalah Kab.Poorogo yag merupaka kabupate dega kode 0, sedagka u 3 adalah Kab.reggalek yag merupaka kabupate dega kode 03 dega kedua ilai error dari kedua kabupate tersebut berpegaruh terhadap model di Kab.Pacita adalah sebesar 0,57. 0

11 Gambar 4.9 Putus sekolah SMA, Keluarga Miski, Letak Rumah di Pedesa 4.6 Faktor- faktor yag Mempegaruhi Putus Sekolah SMA Setelah melihat parameter yag sigifika pada model SAR maka didapatkadua variabel sigifika yag berpegaruh terhadap variabel remaja putus sekolah usia SMA di Provisi Jawa imur. Variabel predictor yag sigifika adalah keluarga miski (X3) da persetase letak rumah dipedesaa (X4) yag digambarka pada Gambar 4.7. Berdasarka gambar tersebut dapat dilihat persebara wilayah atara kedua variabel respo yaitu X3 da X4 dega variabel respo yaitu remaja putus sekolah Usia SMA. Persebara yag di gambarka pada peta memuat iformasi bahwa variabel keluarga miski, persetase letak rumah di pedesaa, putus sekolah SMA serta lokasi kabupate/kotaya dalam satu kuadra yag mempuyai retag ilai yag sama. Degradasi wara daerah meujukka besara agka putus sekolah SMA. Wara biru meujukka agka putus sekolah SMA sagat redah, wara biru kehijaua berarti agka putus sekolah SMA redah yaitu sebesar 5,49%, wara hijau berarti agka putus sekolah SMA termasuk kategori sedag, sedagka wara semaki merah meujukka agka putus sekolah SMA semaki tiggi dega persetase sebesar 38,89%, agka persetase tersebut dapat dilihat dibawah wara yag terletak di atas peta. Gambar 4.9 terdiri dari sembila 9 kuadra, dimaa tiga kuadra diataraya tidak memiliki wara di daerah kabupate/kota kuadra tersebut yaitu kuadra 6,8 da 9. Ketiga daerah tersebut dapat diartika dega kodisi daerah yag persetase keluarga miski miimal 3,86 % da persetase letak keluarga yag memiliki rumah di pedesaa miimal 30,78% tidak memiliki keterkaita tehadap remaja putus sekolah usia SMA. Kuadra 7 berisi dua kabupate/kota yaitu Kota Surabaya da Kab.Sidoarjo. Kedua kabupate/kota tersebut memiliki persetase keluarga miski da letak rumah dipedesaa yag termasuk dalam kategori redah. Kedua kabupate/kota tersebut memiliki retag persetase putus sekolah yag relatif redah. Kuadra memiliki kabupate/kota yag palig bayak dibadigka dega kuadra yag lai. Kab.Pacita da Kab.reggalek memiliki agka putus sekolah yag palig tiggi dalam kuadra ii dikareaka mamiliki wara merah. Dalam kuadra ii dapat dikataka memiliki retag persetase letak rumah dipedesaa tiggi yaitu sekitar 6,56% sampai 9,34% da retag persetase keluarga miski yag sedag yaitu sekitar 3,85% sampai,89%. 5. KESIMPULAN DAN SARAN 5. Kesimpula 5. Kesimpula Berdasarka hasil aalisa da pembahasa diambil beberapa kesimpula tetag agka putus sekolah remaja usia SMA di Provisi Jawa imur, yaitu :. Berdasarka peta tematik tetag agka putus sekolah remaja usia SMA utuk setiap kabupate di Provisi Jawa imur, yag memiliki agka putus sekolah dega persetase tiggi, yaitu utuk kabupate Malag, kabupate Mojokerto,

12 kabupate Kediri, kabupate reggalek, da kabupate Pacita. Sedagka yag memiliki presetase redah adalah daerah kabupate Pamekasa, kabupate Sampag, kabupate Bagkala, kabupate Situbodo, kabupate Proboliggo, kabupate Sidoarjo da kota Kediri. Serta utuk hasil statistik deskriptif, terlihat bahwa rata-rata siswa putus sekolah sebesar 9,9%. Dega rata-rata siswa yag putus sekolah yag berjeis kelami perempua, da status ekoomi miski sebesar,47 da 5,96%.. Berdasarka hasil aalisis didapatka depedesi dalam lag da error, maka dilakuka pemodela Spatial Autoregressive Model (SAR) da Spatial Error Model (SEM). Model SAR didapatka variabel predictor yag sigifika pada α=0% adalah variabel keluarga miski (X3) da letak rumah dipedesaa (X4) dega ilai R =44,5%. Model SAR yag didapatka adalah sebagai berikut. y 0, 48 w y 0, 408X 0,86 X i ij j 3i 4i i j, ij Sedagka dega model spasial SEM didapatka variabel predictor yag sigifika pada α=5% adalah letak rumah dipedesaa (X4) dega ilai R = 4,38%, dega model SEM yag didapat adalah sebagai berikut y 3,576 0,48 X u i 4i i u 0,54 w u i ij j i j, ij 5. Sara Beberapa sara yag dapat diberika dalam peelitia ii adalah sebagai berikut:. Faktor-faktor sebagai variabel prediktor yag mempegaruhi agka putus sekolah remaja usia SMA di Provisi Jawa imur sebaikya ditambah megigat ilai R -ya redah, kemugkia beberapa variabel yag di tambahka utuk peelitia selajutya adalah aggara pedidika per APBD, teaga SMA per jumlah siswa SMA, fasilitas fisik pedidika SMA per jumlah siswa SMA.. Megguaka selai jeis persigguga sisi sudut (Quee Cotiguity). Dalam memilih persigguga jeis sudut perlu diperhatika utuk melihat kodisi daerah, kususya daerah Jawa imur yag memiliki kemudaha akses trasportasi utuk berpidah dari daerah yag satu dega daerah lai, selai itu Jawa imur memiliki kedekata wilayah yag dapat dijagkau dega mudah tapa melihat kedekata sudut atar wilayah, seperti Kota.Surabaya da Kab.Bagkala yag memiliki jembata sebagai kemudaha pedudukya utuk beridah dari Kota.Surabaya ke Kab. 3. Sebaikya dalam peelitia selajutya dapat megguaka pemodela spasial Spatial Autoregressive Movig Average (SARMA), karea dalam peelitia ii diketahui bahwa dalam LM didapatka depedesi dalam ( lag, error) 6. DAFAR PUSAKA Alifiato, A Kuliah Kerja Nyata Wajib Belajar 9 ahu. <URL: spot.com/> Aseli, L. (988). Spatial Ecoometrics : Methods ad Models, Kluwer Academic Publishers, Netherlads. Bada Pusat Statistik Provisi Jawa imur Hasil Survei Sosial Ekoomi Nasioal ahu 008 di Provisi Jawa imur. BPS Jawa imur. Surabaya. Bitter, C., G. Mullia ad S. Dall erba Icorporatig Spatial Variatio i Housig Atribute Prices. A Comparitio Of Geographically Weighted Regressio Ad he Spatial Expatio Method. mpra.ub.uimueche.de/379/0/mpra paper 379.pdf. Diakses pada 3Maret 0. Choriyah, N.I Karakteristik Siswa Putus Sekolah igkat SD da SMP di Kawasa Surabaya Utara. [ugas Akhir]. Surabaya: Program Sarjaa Jurusa Statistika IS. Draper, Norma da Harry, Smith.99. Aalisis Regresi erapa. Jakarta: P. Gramedia Pustaka Umum. Elfidri. 00. Strategi Sukses Membagu Daerah. Gorga Media. Jakarta. Grahacedikia Aak Putus Sekolah da Cara Pembiaa-ya. <URL: sekolah/referesi Peelitia Skripsi-esis>. LeSage, J.P. (999), he heory ad Practice of Spatial Ecoometrics,

13 Mughal, Waris Hameed Huma Capital Ivestmet ad Poverty Reductio Strategy i Pakista. Asia Pacific Press. Rasiyo Pemerataa Pedidika Belum ercapai. Diuduh dari alamat ataa%0pedidika%0blm.pdf pada pada Selasa, 5 Februari 0, am. Sulistiyati Pedidika, Kemiskia, da Pertumbuha Ekoomi. Malag. Walpole, E. Roald Pegatar Statistika. Edisi ketiga. Peerbit : P. Gramedia Pustaka Utama. Jakarta. 3