ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION

Transkripsi

1 E-ISSN Jurnal Statsta Industr dan Komputas Volume, No., Januar 017, pp ANALISIS INDEKS PEMBANGUNAN MANUSIA DI KABUPATEN DAN KOTA PROVINSI JAWA TENGAH TAHUN 014 MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (Stud Kasus Pada Data Indes Pembangunan Manusa tahun 014 d Provns Jawa Tengah) Arp Ramadan 1, Rohana Dw Bet 1, Jurusan Statsta, FST, Insttut Sans & Tenolog AKPRIND Yogyaarta Emal : arpramadan@gmal.com ABSTRACT. Human Development Index (HDI) n Indonesa s very mportant because t covers three sectors of human development nclude educaton ndex, health ndex and economc ndex. HDI shows a success measure of human development n a regon. Many factors that nfluence the success of HDI. Therefore, ths study ams to determne the varables that nfluence HDI. The data used s secondary data, the dstrct mnmum wage, unemployment rato, the rato of labor force, the percentage of poor populaton, the rato of physcans, regonal gross domestc product at constant prces n 010, the rato of health centers, the percentage of lteracy rate and densty of the populaton n 35 regences/ctes Central Java Provnce The method used s Geographcally Weghted Regresson (GWR) model.before modelng GWR there s a condton that must be fulflled that the model must has spatal effect. Testng of spatal effect can be done wth heteroscedastcty test, moran s I and Breusch Pagan test. Based on Moran I test there s a spatal effect n HDI. GWR method shows that unemployment rato, the rato of physcans, regonal gross domestc product at constant prces n 010, the rato of health centers and populaton densty nfluence the HDI n Central Java provnce at α = 5%. Key words : HDI, Geographcally Weghted Regresson (GWR) ABSTRAK. Indes Pembangunan Manusa (IPM) d Indonesa sangat pentng arena mencaup tga bdang pembangunan manusa yang melput ndes penddan, ndes esehatan, dan ndes eonom. IPM menunjuan uuran eberhaslan suatu wlayah dalam pembangunan manusa. Banya fator yang menduung atau mempengaruh eberhaslan IPM tesebut. Oleh arena tu peneltan n bertujuan untu mengetahu varabel yang berpengaruh terhadap IPM. Data yang dgunaan adalah data seunder yatu upah mnmum abupaten, raso pengangguran, raso angatan erja, persentase pendudu msn, raso doter, produ domest regonal bruto atas dasar harga onstan 010, raso pusesmas, persentase anga mele huruf dan epadatan pendudu d 35 Kabupaten/Kota Provns Jawa Tengah tahun Metode yang dgunaan adalah pemodelan Geographcally Weghted Regresson (GWR). Sebelum melauan pemodelan GWR ada syarat yang harus terpenuh yatu model harus meml efe loas. Pengujan efe loas dapat dlauan dengan uj heterosedaststas, moran s I dan Breusch Pagan. Hasl analss Moran s I menunjuan bahwa ada efe spasal dalam IPM. Metode GWR memberan hasl bahwa raso pengangguran, raso doter, produ domest regonal bruto atas dasar harga onstan 010, raso pusesmas dan epadatan pendudu berpengaruh terhadap IPM d Provns Jawa Tengah pada α = 5%. Kata unc : IPM, Geographcally Weghted Regresson (GWR) 1. Pendahuluan Manusa adalah eayaan bangsa yang sesungguhnya. Indes Pembangunan Manusa (IPM) menempatan manusa sebaga tujuan ahr dar pembangunan dan buan alat dar pembangunan, tujuan utama pembangunan adalah mencptaan lngungan yang memungnan rayat menmat umur panjang, sehat dan menjalanan ehdupan yang produtf. 59

2 60 Arp Ramadan 1, Rohana Dw Bet IPM dperenalan oleh Unted Naton Development Progamme (UNDP) pada tahun 1990 dan dpublasan secara berala dalam laporan tahunan Human Development Report (HDR). IPM menguur capaan pembangunan manusa berbass sejumlah omponen dasar ualtas hdup. Sebaga uuran ualtas hdup, IPM dbangun melalu pendeatan tga dmens dasar. Dmens tersebut mencaup umur panjang dan hdup sehat (a long and healthy lfe), pengetahuan (nowledge) dan standar ehdupan yang laya (decent standart of lvng). Ketga dmens tersebut meml pengertan sangat luas arena terat banya fator. Untu menguur dmens esehatan, dgunaan anga harapan hdup (AHH) watu lahr. Selanjutnya untu menguur dmens pengetahuan dgunaan gabungan ndator rata-rata lama seolah (RLS) dan anga harapan lama seolah (HLS). Adapun untu menguur dmens hdup laya dgunaan ndator emampuan daya bel masyaraat terhadap sejumlah ebutuhan poo yang dlhat dar rata-rata besarnya pengeluaran per apta sebaga pendeatan pendapatan yang mewal capaan pembangunan untu hdup laya. Provns Jawa Tengah secara admnstratf terbag menjad 9 abupaten dan 6 ota, dengan banyanya jumlah abupaten/ota tentunya aan memberan gambaran mengena pembangunan manusa yang bervaras. Perembangan IPM d Provns Jawa Tengah terus mengalam penngatan dar tahun 010 sampa tahun 013, dmana pada tahun 010 sebesar 66,08 dan terus menngat setap tahunnya sampa menjad 68,78 pada tahun 014. Peneltan n menggunaan analss data spasal. Analss data spasal merupaan analss yang berhubungan dengan efe loas. Salah satu analss spasal adalah menggunaan metode Geographcally Weghted Regresson (GWR). Metode GWR adalah suatu ten yang membawa eranga dar model regres sederhana menjad model regres yang terbobot. Informas geospasal atau peta dapat memberan nformas yang dapat dmanfaatan untu menduung setor publ dalam melasanaan proses perencanaan, pelasanaan dan evaluas pembangunan. Sehngga dalam peneltan n IPM dan fator-fator yang mempengaruhnya juga dsajan dalam bentu pemetaan. Pemetaan tersebut aan memberan nformas tentang penyebaran IPM d Provns Jawa Tengah dan fator yang mempengaruhnya.. Metode Pada peneltan n dgunaan varabel peneltan yatu ndes pembangunan manusa, upah mnmum abupaten, raso pengangguran, raso angatan erja, pendudu msn, raso doter, produ domest regonal bruto atas harga onstan 010, raso pusesmas, persentase anga mele huruf, dan epadatan pendudu. Data berupa data seunder yang dambl dar Badan Pusat Statst Provns Jateng. Adapun metode yang dgunaan dalam peneltan n adalah: Estmas Parameter dengan Metode Ordnary Least Square (OLS) Estmas parameter regres berganda dengan metode OLS merupaan langah awal untu melhat hubungan antara varabel gz buru balta dengan fator-fator yang mempengaruhnya. Bentu umum persamaan regres berganda dengan metode OLS adalah[4]: Y = β 0 + β 1 X 1 + β X + + β X + ε (1) Uj Asums Klas Uj asums las dalam metode OLS harus dpenuh agar estmas parameter yang dperoleh bersfat BLUE (Best Lner Unbased Estmator). Uj n melput uj normaltas, uj multolneartas, uj heterosedaststas dan uj autoorelas. Pengujan Efe Spasal Pengujan efe spasal dlauan untu mengetahu apaah terdapat efe loas pada model yang dtelt. Pengujan n menggunaan Moran s I dan Breusch Pagan.

3 Penggunaan Metode Geographcally Weghted Regeresson Untu Menganalss 61 Metode Geographcally Weghted Regresson (GWR) Model GWR adalah suatu model regres yang dubah menjad model regres yang terbobot. Setap nla parameter aan dhtung pada setap tt loas geografs sehngga setap tt loas geografs mempunya nla parameter regres yang berbeda-beda. Hal n aan memberan varas pada nla parameter regres d suatu umpulan wlayah geografs. Ja nla parameter regres onstan pada tap-tap wlayah geografs, maa model GWR adalah model global. Artnya taptap wlayah geografs mempunya model yang sama. Model umum untu model GWR adalah p y 0 u, v u, v x () 1 Keterangan: y = varabel dependen pada loas e- ( = 1,,..., n) x = varabel ndependen e- pada loas e- ( = 1,,..., n) (u,v ) = oordnat longtude lattude dar tt e- pada suatu loas geografs. (u,v ) = oefsen regres e- pada masng-masng loas = error yang dasumsan dent, ndependen, dan berdstrbus Normal dengan mean nol dan varans onstan Model GWR d persamaan dapat dtransformasan e dalam bentu matrs sepert d bawah n : Y ( X )1 (3) Pada model GWR dasumsan bahwa data observas yang deat dengan tt e- mempunya pengaruh yang besar pada estmas dar β ( u, v ) darpada data yang berada jauh dar tt e-. Menurut Fotherngham, Brunsdon dan Charlton (00), loal parameter β ( u, v ) destmas menggunaan Weghted Least Squared (WLS). Pada GWR sebuah observas dbobot dengan nla yang berhubungan dengan tt e-. Bobot w j, untu j = 1,,..., n, pada tap loas ( u, v ) dperoleh sebaga fungs yang ontnu dar jara antara tt e- dan tt data lannya. Uj sgnfans dapat dlauan dengan hpotess sebaga berut: ( u, v ) 0 H 0 H 1 ( u, v ) 0; 1,,...,p Statst uj: βˆ ( u, v ) Tht se(βˆ ( u, v )) (4) Pengamblan eputusan adalah H 0 dtola ja nla T t dmana: ht T (I L) (I L) T ( I L) (I L 1 tr tr ) I T T 1 T x 1 [X W( u1, v1 )X] X W( u1, v1 ) T T 1 T x [X W( u, v)x] X W( u, v) L T T 1 T xn [X W( un, vn)x] X W( un, vn) / ; 1 Pembobot Pada GWR Fungs pembobot merupaan salah satu penentu hasl dar analss spasal. Fungs pembobot yang dgunaan untu membangun model spasal dalam peneltan n adalah fungs pembobot

4 6 Arp Ramadan 1, Rohana Dw Bet ernel gaussan dan ernel b square. Fungs pembobot tersebut dplh arena eduanya melbatan unsur jara antar loas amatan yang nlanya ontnu dalam membangun matrs pembobot, sehngga setap loas aan mendapat bobot sesua dengan jara loas tersebut dengan loas amatan. 3. Hasl dan Pembahasan Peneltan n aan menganalss dan membahas aplas metode GWR untu menganals ndes pembangunan manusa tahun 014 d Jawa Tengah dan fator-fator yang mempengaruhnya. Pengujan Efe Spasal Pengujan n dlauan untu melhat apaah pada model yang dtelt terdapat efe spasal atau tda. Ja terdapat efe spasal maa perlu dlanjutan dengan metode spasal yatu metode GWR. Pada pengujan n dlauan dengan dua metode yatu dengan dependens spasal (Moran s I) dan Heterogentas Spatal (Breusch-Pagan). Dependens Spasal Uj dependens spasal melalu uj Moran s I bertujuan untu melhat efe spasal pada setap varabel dengan melhat nla p-value dan membandngan nlanya dengan α, ja nla p-value < α maa terdapat efe spasal pada varabel tersebut. Tabel 1. Uj Moran s I Varabel Moran I P-value Y 0,303 0,004 X1 0,338 0,001 X 0,41 0,000 X3 0,456 0,000 X4 0,39 0,00 X5 0,150 0,090 X6 0,03 0,541 X7-0,03 0,957 X8 0,188 0,061 X9-0,01 0,867 Heterogentas Spasal Uj Breusch Pagan dapat dlauan dengan hpotess sebaga berut : H 0 : tda terdapat heterogentas spasal H 1 : terdapat heterogentas spasal Pengamblan eputusan H 0 dtola ja BP > χ 0,05;9 Tabel. Breusch-Pagan Keterangan Nla BP 8,856 P - Value 0,451 Dar Tabel dapat dlhat bahwa BP = 8,856 yang lebh ecl dar χ 0,05;9 = 16,9 maa tda terdapat heterogentas spasal pada model. Setelah dlhat dar uj dependens spasal detahu bahwa terdapat efe spasal pada model dan perlu dlauan pemodelan spasal. Salah satu model spasal yang dapat dlauan apabla terdapat efe spasal pada model adalah GWR.

5 Penggunaan Metode Geographcally Weghted Regeresson Untu Menganalss 63 Model Geographcally Weghted Regresson Langah-langah dalam pemodelan GWR adalah menentuan bandwdth optmum, pembobot dan penasran parameter GWR. Dar model GWR n aan ddapatan fator-fator yang berpengaruh secara loal terhadap IPM. Penentuan Bandwdth Optmum Fungs dar bandwdth adalah untu menentuan bobot dar suatu loas terhadap loas lan yang dgunaan sebaga pusat. Sebaga contoh Kota Salatga yang meml IPM tertngg meml nla bandwdth sebesar 1, Hal n menunjuan daerah setar Kota Salatga dalam radus 1,60894 o aan danggap meml pengaruh loas dar Kota Salatga. Seman deat wlayah dengan daerah pusat, aan seman besar pula pengaruh yang dberan. Penentuan Pembobot Setelah mendapatan nla bandwdth, langah selanjutnya adalah mencar nla pembobot untu daerah setarnya. Mengut contoh sebelumnya dengan pusat d Kota Salatga, maa daerah yang berada dalam radus bandwdth 1,60894 o aan dber bobot yang mengut fungs ernel b-square. Apabla d luar radus aan danggap berpengaruh sangat ecl dan aan dber bobot nol. Persamaan untu mendapatan pembobot d Kota Salatga adalah w (u, v ) j [1 (d /1,60894) ] 0 j, ja d, ja d j j 1, ,60894 Hasl perhtungan bobot untu daerah Kota Salatga sebaga pusat tersaj dalam tabel 3. Tabel 3. Pembobot Kota Salatga NO KAB/KOTA d j W NO KAB/KOTA d j W 1 Kabupaten Wonosobo 0, ,98 18 Kota Semarang 0, ,00 Kabupaten Wonogr 0, ,94 19 Kota Pealongan 0, ,89 3 Kabupaten Temanggung 0, ,00 0 Kota Magelang 0, ,00 4 Kabupaten Tegal 1, ,48 1 Kabupaten Klaten 0, ,00 5 Kabupaten Suoharjo 0, ,99 Kabupaten Kendal 0, ,99 6 Kabupaten Sragen 0, ,99 3 Kabupaten Kebumen 0, ,89 7 Kabupaten Semarang 0, ,00 4 Kabupaten Karanganyar 0, ,98 8 Kabupaten Rembang 1, ,77 5 Kabupaten Jepara 0, ,94 9 Kabupaten Purworejo 0, ,97 6 Kabupaten Grobogan 0, ,99 10 Kabupaten Purbalngga 1, ,80 7 Kabupaten Dema 0, ,99 11 Kabupaten Pemalang 1, ,75 8 Kabupaten Clacap 1, Kabupaten Pealongan 0, ,89 9 Kabupaten Brebes 1, ,07 13 Kabupaten Pat 0, ,94 30 Kabupaten Boyolal 0, ,00 14 Kabupaten Magelang 0, ,00 31 Kabupaten Blora 0, ,89 15 Kabupaten Kudus 0, ,98 3 Kabupaten Batang 0, ,96 16 Kota Tegal 1, ,35 33 Kabupaten Banyumas 1, ,55 17 Kota Suraarta 0, ,00 34 Kabupaten Banjarnegara 0, ,93 Penasran Parameter Geographcally Weghted Regresson Setap loas meml model yang berbeda-beda. Sebaga contoh model yang terbentu untu Kota Salatga adalah y Salatga = 98,51 + 0,10X 1 0,08X 0,14X 3 0,0X 4 + 0,06X 5 + 0,08X 6 0,19X 7 0,1X 8 + 0,1X 9 (6) Dar persamaan datas dapat dlhat bahwa nla oefsen regres untu UMK sebesar 0,10 yang menunjuan bahwa ja UMK na Rp ,- maa IPM aan na sebesar 0,10. Koefsen regres untu raso pengangguran sebesar -0,08 yang menunjuan bahwa ja raso pengangguran turun sebesar 0,001 maa IPM aan na sebesar 0,08. Koefsen regres untu raso angatan erja sebesar -0,14 yang menunjuan bahwa ja raso angatan erja turun 0,01 maa IPM aan na sebesar 0,14. Dapat dlhat juga bahwa nla oefsen regres untu persentase pendudu msn sebesar - 0,0 yang menunjuan bahwa ja persentase pendudu msn turun sebesar 1% maa IPM aan (5)

6 64 Arp Ramadan 1, Rohana Dw Bet na sebesar 0,0. Koefsen regres untu raso doter sebesar 0,06 yang menunjuan bahwa ja raso doter na sebesar 0, maa IPM aan na sebesar 0,06. Koefsen regres untu PDRB ADHK 010 sebesar 0,08 yang menunjuan bahwa ja PDRB ADHK 010 na Rp ,- maa IPM aan na sebesar 0,08. Nla oefsen regres untu raso pusesmas sebesar -0,19 yang menunjuan bahwa ja raso pusesmas turun 0, maa IPM aan na sebesar 0,19. Koefsen regres untu persentase AMH sebesar -0,1 yang menunjuan bahwa ja persentase AMH turun sebesar 1% maa IPM aan na sebesar 0,1. oefsen regres untu epadatan pendudu sebesar 0,1 yang menunjuan bahwa ja epadatan pendudu na 1 maa IPM aan na sebesar 0,1. Koefsen determnas (R ) d Kota Salatga benla 0,88 atau 88%. Hal n menunjuan bahwa varas varabel ndependen yang dgunaan dalam model mampu menjelasan sebesar 88% varabel IPM dan untu ssanya sebesar 1% dpengaruh atau djelasan oleh varabel lan yang belum dmasuan dalam model peneltan n. Pada tabel 4 terlhat juga nla R yang menunjuan seberapa besar varan yang mampu djelasan oleh fator-fator ndependen terhadap nla IPM. Pada penasran parameter GWR, semua abupaten/ota meml nla R antara 83,60% dan 88,07%. Tabel 4. Penasran Parameter GWR NO KAB/KOTA Konst b 1 b b 3 b 4 b 5 b 6 b 7 b 8 b 9 R 1 Kabupaten Wonosobo 8,04-0,18-0,09 0,01-0,1 0,07 0,07-0,18-0,08 0,11 0,86 Kabupaten Wonogr 98,97 0,03-0,09-0,18-0,01 0,07 0,08-0,17-0,0 0,1 0,87 3 Kabupaten Temanggung 95,39-0,14-0,09-0,1-0,08 0,07 0,09-0,17-0,15 0,1 0,87 4 Kabupaten Tegal 66,59-0, -0,09 0,09-0,13 0,07 0,06-0,19 0,05 0,1 0,84 5 Kabupaten Suoharjo 99,49 0,03-0,09-0,18-0,01 0,07 0,08-0,17-0,0 0,1 0,87 6 Kabupaten Sragen 97,59 0,14-0,09-0,15 0,01 0,07 0,08-0,18-0,1 0,1 0,88 7 Kabupaten Semarang 100,6 0,0-0,09-0,17-0,0 0,07 0,08-0,18-0,1 0,1 0,88 8 Kabupaten Rembang 95,38 0,7-0,08-0,10 0,0 0,07 0,07-0,0-0, 0,13 0,88 9 Kabupaten Purworejo 84,8-0,6-0,08 0,01-0,13 0,07 0,07-0,18-0,09 0,11 0,86 10 Kabupaten Purbalngga 71,50-0,4-0,08 0,08-0,14 0,07 0,06-0,19 0,01 0,1 0,84 11 Kabupaten Pemalang 69,01-0,18-0,08 0,07-0,13 0,07 0,06-0,19 0,03 0,1 0,84 1 Kabupaten Pealongan 7,55-0,13-0,07 0,05-0,1 0,07 0,06-0,19 0,00 0,1 0,85 13 Kabupaten Pat 95,95 0,6-0,08-0,11 0,01 0,06 0,07-0,0-0, 0,13 0,88 14 Kabupaten Magelang 104,98-0,31-0,08-0, -0,11 0,06 0,09-0,16-0,18 0,11 0,87 15 Kabupaten Kudus 96,39 0,4-0,08-0,11 0,01 0,06 0,07-0,0-0, 0,13 0,88 16 Kota Tegal 64,8-0,19-0,08 0,09-0,13 0,06 0,06-0,19 0,06 0,1 0,84 17 Kota Suraarta 99,07 0,06-0,08-0,17-0,01 0,06 0,08-0,17-0,1 0,1 0,87 18 Kota Salatga 98,51 0,10-0,08-0,14-0,0 0,06 0,08-0,19-0,1 0,1 0,88 19 Kota Semarang 100,61 0,01-0,08-0,18-0,0 0,06 0,08-0,18-0,1 0,1 0,87 0 Kota Pealongan 7,51-0,05-0,09 0,04-0,1 0,06 0,06-0,19 0,00 0,1 0,85 1 Kota Magelang 103,09-0,8-0,09-0,0-0,10 0,07 0,09-0,17-0,18 0,11 0,87 Kabupaten Klaten 101,77-0,07-0,08-0,0-0,04 0,07 0,08-0,17-0,0 0,1 0,87 3 Kabupaten Kendal 95,6-0,0-0,09-0,15-0,05 0,07 0,09-0,19-0,15 0,1 0,88 4 Kabupaten Kebumen 75,99-0,8-0,09 0,07-0,14 0,07 0,06-0,19-0,03 0,11 0,85 5 Kabupaten Karanganyar 98,1 0,10-0,09-0,16 0,00 0,07 0,08-0,18-0,1 0,1 0,87 6 Kabupaten Jepara 96,6 0,9-0,09-0,10 0,01 0,07 0,07-0,1-0,3 0,13 0,88 7 Kabupaten Grobogan 96,93 0,18-0,09-0,13 0,01 0,07 0,07-0,19-0, 0,1 0,88 8 Kabupaten Dema 97,4 0,19-0,09-0,1 0,00 0,07 0,08-0,0-0, 0,13 0,88 9 Kabupaten Clacap 68,1-0,33-0,09 0,10-0,15 0,07 0,06-0,19 0,04 0,1 0,84 30 Kabupaten Brebes 65,30-0,6-0,08 0,10-0,14 0,07 0,06-0,19 0,06 0,1 0,84 31 Kabupaten Boyolal 99,9 0,04-0,08-0,17-0,01 0,07 0,08-0,18-0,1 0,1 0,87 3 Kabupaten Blora 95,77 0,3-0,08-0,1 0,0 0,07 0,07-0,19-0, 0,1 0,88 33 Kabupaten Batang 78,76-0,05-0,09 0,00-0,11 0,07 0,07-0,19-0,05 0,1 0,86 34 Kabupaten Banyumas 70,01-0,30-0,09 0,09-0,14 0,07 0,06-0,19 0,0 0,1 0,84 35 Kabupaten Banjarnegara 75,4-0,0-0,09 0,06-0,13 0,07 0,06-0,19-0,03 0,1 0,85 4. Kesmpulan 1. Perembangan IPM d Jawa Tengah dar tahun 010 sampa 014 cenderung seman menngat dar 66,08 menjad 68,78. Nla IPM terecl adalah 6,35 terdapat d Kabupaten Pemalang dan nla IPM terbesar adalah 79,98 terdapat d Kota Salatga. D Provns Jawa Tengah nla rata-rata IPM sabesar 69,7. Keragaman data pada nla IPM adalah sebesar 4,6.

7 Penggunaan Metode Geographcally Weghted Regeresson Untu Menganalss 65 Dengan melhat daerah yang meml IPM tertngg berada d setar Kota Semarang yang merupaan Ibuota Jawa Tengah.. Berdasaran hasl analss regres lnear berganda terapat lma varabel yang berpengaruh sgnfan pada α = 5% yatu raso pengangguran, raso doter, PDRB ADHK 010, raso pusesmas dan epadatan pendudu. Membentu model estmas persamaan regres : Y = 7,50 0,10X + 0,07X5 + 0,06X6 0,X7 + 0,1X9 Pada hasl analss GWR haslnya tda jauh berbeda, terdapat varabel yang sgnfan berpengaruh pada α = 5% yatu raso pengangguran, raso doter, PDRB ADHK 010, raso pusesmas dan epadatan pendudu. Namun tda semua varabel berpengaruh d setap loas, untu raso pengangguran berpengaruh d semua loas ecual d Kabupaten Pealongan, pada PDRB ADHK 010 juga tda berpengaruh untu Kabupaten Rembang dan untu raso pusesmas tda berpengaruh pada Kabupaten Wonogr, Kabupaten Temanggung, Kabupaten Tegal, Kabupaten Suoharjo, Kabupaten Magelang, Kota Tegal, Kota Suraarta, Kota Magelang, Kabupaten Klaten, Kabupaten Karanganyar, Kabupaten Brebes dan Kabupaten Boyolal. 3. Bentu hubungan pengaruh setap varabel ndependen dsetap daerah yang terbentu terdapat macam yatu postf dan negatf. Varabel yang berpengaruh postf dalam model adalah raso doter, PDRB ADHK 010 dan epadatan pendudu. Ja raso doter, PDRB ADHK 010 dan epadatan pendudu na maa IPM juga na.varabel yang berpengaruh negatf dalam model adalah raso pengangguran dan raso pusesmas. Ja raso pengangguran dan raso pusesmas na maa IPM aan turun. Koefsen determnas (R ) pada model GWR benla antara 83,60% sampa 88,07%. Hal n menunjuan bahwa varas varabel ndependen yang dgunaan dalam model mampu menjelasan sebesar 83,60% sampa 88,07% varabel IPM dan untu ssanya dpengaruh atau djelasan oleh varabel lan yang tda dmasuan dalam model peneltan n. 4. Melalu pemetaan ddapatan penyebaran sgnfans raso pengangguran tersebar daerah pnggr dan terdapat daerah yang berdampngan dengan provns lan, raso doter tersebar dar daerah tmur sampa daerah barat dan membentu satu jalur yang tda terputus, PDRB ADHK 010 tersebar d daerah bagan tengah dengan membentu gars dar utara e selatan, raso pusesmas tersebar d daerah bagan utara yang berdampngan dengan Provns Jawa Tmur dan epadatan pendudu tersebar d daerah bagan tengah sampa daerah bagan tmur yang berdampngan dengan Provns Jawa Tmur. Ucapan Termaash Dalam penyusunan tulsan n, banya pha yang telah memberan duungan epada penuls. Oleh arena tu, pada esempatan n penuls ngn menyampaan terma ash epada seluruh dosen dan pmpnan Jurusan Statsta Insttut Sans & Tenolog AKPRIND Yogyaarta. Daftar Pustaa [1] Andayan, 01, Pengaruh Indes Pembangunan Manusa, Pertumbuhan Eonom Dan Belanja Operasonal Terhadap Jumlah Aloas Belanja Modal Pada Pemerntahan Kabupaten/Kota D Provns Kalmantan Barat, Unverstas Tanjungpura, Pontana. [] Anseln L, 1988, Spatal Econometrcs, Kluwer Academmc Pulsher, London. [3] Anseln L dan Rey SJ, 010, Perspectves on Spatal Data Analyss, Santa Barbara, CA, USA. [4] Ardhanactr dan Ratnasar, 01, Pemodelan dan Pemetaan Penddan d Provns Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR),Insttut Tenolog Sepuluh Nopember,Surabaya.

8 66 Arp Ramadan 1, Rohana Dw Bet [5] Arsyad dan Lcolyn, 1999, Eonom Pembangunan, STIE YKPN, Yogyaarta. [6] AS Fotherngham, 00, Geographcally Weghted Regresson, Unversty of Newcastle, UK. [7] Bet, Andyono dan Irwansyah, 014, Mappng of Illteracy and Informaton and Communcaton Technology Indcator Usng Geographcally Weghted Regresson, Journal of Mathematcs and Statstcs,10(),130. [8] Damayant dan Ratnasar, 013, Pemodelan Pendudu Msn d Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR),Jurnal Sans dan Sen POMITS Vol., No., Insttut Tenolog Sepuluh Nopember, Surabaya. [9] Elyna, Srnad dan Suslawat, 01, Pemodelan Anga Kematan Bay dengan Pendeatan Geographcally Weghted Posson Regresson d Provns Bal,e-Jurnal Matemata,Vol.1, No.1, Unverstas Udayana, Bal. [10] Frmansyah dan Sutno, 011, Pemodelan dan Pemetaan Anga Buta Huruf Provns Jawa Tmur dengan Pendeatan Regres Spasal, Surabaya, Insttut Tenolog Sepuluh Nopember. [11] Heruna T, Rohana DB dan Edy I, 014, Pacage Plgu-n R Untu Pemetaan Autoorelas Spasal Pada Kualtas Ar, Unverstas Bna Nusantara, Jaarta. [1] Luman MY, 013, Regres Terbobot Geografs dengan Fungs Pembobot Kernel Gaussan dan Bsquare pada Anga Harapan Hdup, Srps, Insttut Pertanan Bogor, Bogor. [13] Nurdana F, 011, Penggunaan Metode Forward Selecton pada Model Geographcally Weghted Regresson (GWR) (Stud Kasus Anga Kematan Bay d Jawa Tmur Tahun 010), Unverstas Brawjaya, Malang. [14] Sugyanto, 008, Analss Data Spasal Menggunaan Metode Geographcally Weghted Regresson (Stud Kasus Data Kemesnan d Propns Papua), THESIS, Insttut Tenolog Sepuluh Nopember, Surabaya. [15] Tr M, 010, Analss Indes Pembangunan Manusa d Provns Jawa Tengah, UPN V, Yogyaarta. [16] Wdyant, 014, Pemodelan Propors Pendudu Msn Kabupaten dan Kota d Provns Jawa Tengah Menggunaan Geographcally and Temporally Weghted Regresson,Srps,Unverstas Dponegoro, Semarang.