PENERAPAN REGRESI SPASIAL PADA DATA KEMISKINAN KABUPATEN/KOTA DI PROVINSI JAWA BARAT TAHUN 2012 DINI LESTARI PUTRI
|
|
- Glenna Makmur
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN REGRESI SPASIAL PADA DATA KEMISKINAN KABUPATEN/KOTA DI PROVINSI JAWA BARAT TAHUN 2012 DINI LESTARI PUTRI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
2
3 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa skripsi berjudul Penerapan Regresi Spasial pada Data Kemiskinan Kabupaten/Kota di Provinsi Jawa Barat Tahun 2012 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, September 2014 Dini Lestari Putri NIM G
4 ABSTRAK DINI LESTARI PUTRI. Penerapan Regresi Spasial pada Data Kemiskinan Kabupaten/Kota di Provinsi Jawa Barat Tahun Dibimbing oleh BUDI SUSETYO dan MUHAMMAD NUR AIDI. Kemiskinan merupakan masalah sosial yang selalu hadir di tengah-tengah masyarakat, khususnya di negara-negara berkembang. Salah satu aspek penting untuk mendukung strategi penanggulangan kemiskinan adalah tersedianya data kemiskinan yang akurat dan tepat sasaran. Data kemiskinan yang baik dapat digunakan untuk mengevaluasi kebijakan pemerintah terhadap kemiskinan, membandingkan kemiskinan antar daerah dan menentukan target penduduk miskin suatu daerah dengan tujuan untuk memperbaiki kondisi mereka. Salah satu upaya yang dilakukan untuk mengatasi masalah kemiskinan adalah dengan mengidentifikasi peubah-peubah yang berpengaruh terhadap kemiskinan. Pada penelitian ini masalah kemiskinan yang diteliti adalah persentase penduduk miskin kabupaten/kota di Provinsi Jawa Barat tahun 2012 dengan menggunakan analisis regresi spasial. Hasil analisis menunjukkan bahwa model spasial lag (SAR) menghasilkan dugaan parameter yang lebih baik dari model regresi klasik pada kasus korelasi spasial. Hal ini terlihat dari nilai AIC pada model SAR yang lebih kecil yaitu sebesar daripada model regresi klasik nilai AIC sebesar Pada model SAR peubah-peubah yang berpengaruh nyata terhadap persentase kemiskinan kabupaten/kota tahun 2012 di Provinsi Jawa Barat yaitu peubah persentase rumah tangga yang menggunakan air bersih (X 10 ) dan peubah persentase rumah tangga yang memiliki luas lantai perkapita (X 21 ). Kata kunci: Kemiskinan, Model spasial lag (SAR) ABSTRACT DINI LESTARI PUTRI. Application of Spatial Regression on Poverty Data Districts/Cities in West Java Province in Supervised by BUDI SUSETYO and MUHAMMAD NUR AIDI. Poverty is a social problem that normally occurs in the middle of society, especially in developing countries. One important aspect to support poverty reduction strategy is the availability of accurate poverty data. Good data can be used to evaluate government policies on poverty, compare poverty between regions and determine the targeted destitute population with an am to improve their living conditions. One effort to overcome poverty is to identify the variables that affect it. In this research, poverty issue is examined by percentage of poor people districts/cities in West Java Province in 2012, making use of spatial regression analysis. The analysis showed that the spatial lag models (SAR) produced better allegation parameters than classic regression models in case of spatial correlation. This can be seen from the smaller AIC of SAR models (129.62) than classic regression models (133.06). In SAR models, variables that significantly affect the percentage of poor people in district/cities are
5 the percentage of households using clean water (X 10 ) and households with floor area per capita (X 21 ). Keywords: Poverty, spatial lag models (SAR)
6
7 PENERAPAN REGRESI SPASIAL PADA DATA KEMISKINAN KABUPATEN/KOTA DI PROVINSI JAWA BARAT TAHUN 2012 DINI LESTARI PUTRI 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 2014
8
9 Judul Skripsi: Penerapan Regresi Spasial pada Data Kemiskinan Kabupaten/Kota di Provinsi Jawa Barat Tahun 2012 Nama : Dini Lestari Putri NIM : Disetujui oleh /' / / / Pembimbing I Dr Ir Muhammad Nur Aidi, MS Pembimbing II ;-.;::. - - Tanggal Lulus: 2 5 SEP 2014
10 PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta ala atas segala karunia-nya sehingga karya ilmiah ini berhasil diselesaikan. Sholawat serta salam penulis panjatkan kepada Nabi Muhammad S.A.W yang telah menunjukkan cahaya kebenaran bagi pengikutnya. Karya ilmiah ini berjudul Penerapan Regresi Spasial pada Data Kemiskinan Kabupaten/Kota di Provinsi Jawa Barat Tahun Semoga karya ilmiah ini dapat memperkaya pengetahuan pada bidang Statistika Banyak sekali pihak yang membantu dalam penyelesaian karya ilmiah ini. Melalui kesempatan ini penulis mengucapkan terima kasih sebesar-besarnya kepada Bapak Dr Ir Budi Susetyo, MS dan Bapak Dr Ir Muhammad Nur Aidi, MS selaku pembimbing yang telah banyak memberikan masukan, saran, serta bimbingan kepada penulis. Terima kasih banyak kepada Dinas Pendidikan Kota Lahat yang telah memberikan Beasiswa Utusan Daerah (BUD) kepada saya. Selain itu, ungkapan terima kasih juga disampaikan kepada Bapak, Ibu, Shinta, Yoga, dan Aditya atas doa, dukungan, serta kasih sayangnya selama ini. Saya ucapkan terima kasih juga kepada Meita, Elok, Fani, dan Meta selaku teman satu bimbingan atas dukungannya serta kepada Idah dan kepada semua pihak yang telah membantu penulis dan selalu memberikan dukungan dan motivasi. Penulis menyadari masih banyak kekurangan dalam penyusunan karya ilmiah ini. Kritik dan saran yang membangun sangat dibutuhkan untuk perbaikan kedepannya. Semoga karya ilmiah ini bermanfaat bagi seluruh pembaca. Bogor, September 2014 Dini Lestari Putri
11 DAFTAR ISI DAFTAR TABEL vi DAFTAR GAMBAR vi DAFTAR LAMPIRAN vi PENDAHULUAN 1 Latar Belakang 1 Tujuan Penelitian 1 TINJAUAN PUSTAKA 2 Kemiskinan 2 Matriks Pembobot Spasial 2 Uji Korelasi Spasial 4 Plot Pencaran Moran 5 Uji keragaman Spasial 6 Analisis Regresi Spasial 7 Kriteria Pemilihan Model 8 METODE 8 Data 8 Prosedur Analisis Data 9 HASIL DAN PEMBAHASAN 9 Eksplorasi Data 9 Korelasi Pearson 11 Uji Korelasi Spasial 12 Plot Pencaran Moran 13 Uji Keragaman Spasial 13 Model Spasial Lag (SAR) 14 Kriteria Pemilihan Model 16 SIMPULAN 17 DAFTAR PUSTAKA 18 LAMPIRAN 19 RIWAYAT HIDUP 24
12 DAFTAR TABEL 1 Nilai statistik persentase penduduk miskin di Provinsi Jawa Barat 9 2 Kriteria kemiskinan menurut Badan Ketahanan Pangan 10 3 Hasil indeks Moran 12 4 Uji pengganda Lagrange 14 5 Pendugaan dan pengujian parameter model SAR 14 6 Penduga parameter dan uji parsial peubah penjelas 15 7 Penduga parameter dan uji parsial peubah penjelas regresi klasik 15 8 ukuran kebaikan model 17 DAFTAR GAMBAR 1 Peta tematik persentase penduduk miskin 10 2 Peta tematik kategori persentase kemiskinan kabupaten/kota 11 3 Peta Tematik Moran Lokal 12 4 Plot pencaran moran persentase penduduk miskin 13 5 Persentase penduduk miskin aktual dan dugaan 17 DAFTAR LAMPIRAN 1 Peubah bebas yang digunakan 19 2 Tabel korelasi Pearson 20 3 matriks pembobot spasial 21 4 Indeks Moran Lokal 22 5 hasil pemilihan peubah penjelas 22 6 Pengujian Kenormalan Sisaan pada Model SAR 23
13 1 PENDAHULUAN Latar Belakang Kemiskinan merupakan masalah sosial yang selalu hadir di tengah-tengah masyarakat, khususnya di negara-negara berkembang. Kemiskinan senantiasa menarik perhatian berbagai kalangan, baik para akademisi maupun para praktisi. Masalah kemiskinan di Indonesia mengalami gejala peningkatan sejalan dengan krisis multidimensional, dimana berkaitan dengan aspek sosial, budaya, ekonomi dan aspek lainnya. Salah satu aspek penting untuk mendukung strategi penanggulangan kemiskinan adalah tersedianya data kemiskinan yang akurat dan tepat sasaran (BPS 2013). Pengukuran kemiskinan dapat menjadi instrumen tangguh bagi pengambilan kebijakan dalam memfokuskan perhatian pada kondisi hidup orang miskin. Data kemiskinan yang baik dapat digunakan untuk mengevaluasi kebijakan pemerintah terhadap kemiskinan, membandingkan kemiskinan antar daerah dan menentukan target penduduk miskin suatu daerah dengan tujuan untuk memperbaiki kondisi mereka. Salah satu upaya yang dilakukan untuk mengatasi masalah kemiskinan adalah dengan mengidentifikasi peubah-peubah yang berhubungan terhadap kemiskinan. Kemiskinan suatu daerah tidak lepas dari pengaruh kemiskinan di daerah sekitarnya. Hal ini mengindikasikan adanya pengaruh spasial di dalamnya. Kebijakan percepatan penanggulangan kemiskinan yang ada dalam Peraturan Presiden No. 15 tahun 2010 pelaksanaannya di Provinsi Jawa Barat belum sesuai yang diharapakan. Hal ini terlihat tingginya jumlah peduduk miskin yaitu sebesar orang dari jumlah penduduk sebesar jiwa pada tahun Angka penurunan yang dicapai 2.27%, sedangkan target nasional yang telah dicanangkan dalam Peraturan Presiden No. 15 tahun 2010 adalah 8% pada tahun 2014 (Rusli 2013). Penelitian yang dilakukan oleh Amelia (2012) dengan tujuan mengidentifikasi peubah-peubah yang berpengaruh terhadap persentase kemiskinan kabupaten di Pulau Jawa dengan menggunakan pendekatan analisis regresi spasial. Pada penelitian tersebut menggunakan data Potensi Desa (Podes) tahun Pada penelitian ini menggunakan data dari buku Data dan Informasi kemiskinan Kabupaten/Kota 2012 dengan pendekatan analisis regresi spasial yang memfokuskan hanya di Provinsi Jawa Barat. Oleh karena itu, untuk mengidentifikasi peubah-peubah yang berhubungan terhadap kemiskinan di Provinsi Jawa Barat yang di dalamnya mengandung pengaruh spasial digunakan metode analisis regresi spasial. Tujuan Penelitian Penelitian ini bertujuan untuk mengidentifikasi peubah-peubah yang berhubungan terhadap persentase penduduk miskin di Provinsi Jawa Barat dengan menggunakan analisis regresi spasial.
14 2 TINJAUAN PUSTAKA Kemiskinan Persoalan bagi masyarakat miskin ialah memenuhi kebutuhan pangan yang layak dan persyaratan gizi serta kemampuan daya beli yang rendah. Pada hakikatnya, semakin banyak barang yang dikonsumsi maka semakin tinggi tingkat kesejahteraan seseorang. Definisi kemiskinan apabila dihubungkan dengan tingkat kesejahteraan dapat diartikan sebagai ketidakmampuan dalam memenuhi kesejahteraan atau kurangnya pendapatan seseorang terhadap sumber daya untuk memenuhi kebutuhan hidupnya. Kebutuhan hidup yang dimaksudkan adalah kebutuhan hidup untuk makanan standar yang diperlukan oleh setiap individu setara 2100 kilo kalori per orang per hari (GKM), atau non makanan berupa perumahan, pakaian, kesehatan, pendidikan, transportasi, serta aneka barang dan jasa lainnya (GKNM) (BPS 2013). Kemiskinan secara luas didefinisikan sebagai ketidakmampuan individu dalam memenuhi kebutuhan dasar minimal untuk hidup layak. Metode yang digunakan dalam mengukur kemiskinan adalah menghitung Garis Kemiskinan (GK). GK merupakan penjumlahan dari Garis Kemiskinan Makanan (GKM) dan Garis Kemiskinan Non Makanan (GKNM). Menurut BPS (2013), suatu rumah tangga dikategorikan miskin jika memiliki pendapatan perkapita di bawah GK. Selanjutnya dihitung jumlah penduduk dibawah GK untuk tingkat kabupaten/kota, dari jumlah penduduk miskin maka dihitung persentase penduduk miskin dan GK dari seluruh kabupaten/kota. Pada buku Data dan Informasi Kemiskinan Kabupaten/Kota 2012 (BPS 2013) menunjukkan bahwa indikator yang berhubungan terhadap kemiskinan yaitu ada dua puluh tiga peubah sebagaimana terlampir pada Lampiran 1. Pada dua puluh tiga peubah tersebut, mencirikan indikator terkait dengan pendidikan (X 1 X 4, X 20 ), pertanian (X 5 X 6 ), fertilitas dan keluarga berencana (X 7 X 9 ), sanitasi (X 10 X 11 ), kemiskinan (X 12 X 18 ), pendapatan penduduk (X 19 ), perumahan (X 21 ), dan ketenagakerjaan (X 22 X 23 ). Matriks Pembobot Spasial Langkah awal dalam melakukan analisis regresi spasial adalah dengan membuat matriks pembobot spasial. Matriks pembobot spasial merupakan sebuah matriks yang menggambarkan hubungan kedekatan antar daerah. Hubungan kedekatan antar daerah tersebut dicari dengan menggunakan berbagai metode, antara lain queen contiguity, rook contiguity, dan bishop contiguity (Dale 2002). 1. Queen contiguity Queen contiguity adalah matriks pembobot spasial berdasarkan hubungan kebertetanggaan, dimana daerah tetangga adalah daerah yang berdekatan secara langsung dengan daerah i. Karena matriks queen contiguity lebih memudahkan untuk menentukan daerah tetangga dibandingkan rook contiguity dan bishop contiguity yang menentukan daerah tetangga harus tepat di posisi utara, barat, timur, selatan dan diagonal sehingga pada penelitian ini
15
16
17 memerikasa korelasi spasial salah satunya dengan menggunakan Indeks Moran, baik indeks Moran Lokal maupun Global. Hipotesis indeks Moran dapat dituliskan sebagai berikut: : I = 0 (tidak ada autokorelasi spasial) : (ada autokorelasi spasial) dengan statistik uji sebagai berikut: ( ) hi g 5 ( ) dengan: i j ij i j ij( i - )( ) ( ) = - i j ij i j ij - i j c ij c ji c i i c i C = matriks queen contiguity Tolak jika hi g - (Anselin 1988). Indeks Moran dapat mengukur korelasi antara pengamatan pada suatu daerah dengan daerah lain yang berdekatan. Indikator Lokal dari Asosiasi Spasial (LISA) mampu menemukan pola hubungan spasial yang berbasis lokal area (Indeks Moran Lokal) yaitu menguji setiap area dengan pengaruhnya terhadap aspek global. Indeks Moran Lokal berguna untuk pendeteksian hotspot/coldspot pada data area dan akan terlihat pada plot pencaran moran. Hotspot merupakan daerah yang memiliki nilai pengamatan dengan pengukuran tertinggi, sedangkan coldspot merupakan daerah yang memiliki nilai pengamatan dengan pengukuran terendah. Indeks Moran Lokal dengan matriks pembobot spasial dapat dirumuskan sebagai berikut: i ij j dengan dan adalah peubah y ke-i dan ke-j yang telah dibakukan ( i - ) dan adalah ukuran pembobot antara daerah ke-i dan ke-j (Anselin 1995). Plot Pencaran Moran Plot pencaran moran adalah analisis eksplorasi secara visual yang mampu mendeteksi autokorelasi spasial (Anselin 1995). Gambar yang dihasilkan bukan data asli tetapi data yang telah distandarisasikan dalam z-score. Plot pencaran
18 6 moran pada sumbu x adalah dan pada sumbu y adalah nilai z dari tetangganya. Plot Pencaran Moran terbagi atas empat kuadran seperti gambar berikut. RT TT Wz RR TR x Gambar Kuadran Plot Pencaran moran Kuadran I merupakan wilayah Tinggi-Tinggi (TT) artinya pengamatan pada wilayah ini tinggi dan dikelilingi oleh wilayah dengan amatan tinggi juga. Kuadran II merupakan wilayah Tinggi-Rendah (TR) artinya pengamatan tinggi dan dikelilingi oleh wilayah dengan amatan rendah dan biasanya disebut dengan daerah hotspot. Kuadran III merupakan wilayah Rendah-Rendah (RR) artinya pengamatan pada wilayah ini rendah dan dikelilingi oleh wilayah dengan amatan rendah juga. Kuadran IV merupakan wilayah Rendah-Tinggi (RT) artinya pengamatan pada wilayah ini rendah tetapi dikelilingi oleh wilayah dengan amatan tinggi. Pada kuadran IV bisa disebut dengan daerah coldspot. Uji keragaman Spasial Apabila uji indeks Moran signifikan maka selanjutnya adalah melakukan uji keragaman spasial. Keragaman spasial dapat diartikan sebagai adanya penyebaran berupa variasi objek atau amatan di suatu daerah dengan daerah lain yang saling berhubungan. Menurut Breusch dan Pagan (1979) metode statistik yang baik untuk menguji keragaman spasial sebagai berikut: dengan: = (f f f ) = e i - ( ) = i - z = vektor y berukuran yang sudah dinormalbakukan untuk setiap pengamatan dengan i. Hipotesisnya sebagai berikut : : tidak terdapat keragaman antar daerah : terdapat keragaman antar daerah
19 Apabila hasil dari uji keragaman spasial tolak maka model regresi yang digunakan adalah model regresi terboboti geografis (Arbia 2006). Jika terima maka model regresi yang digunakan adalah model regresi spasial. 7 Analisis Regresi Spasial Analisis regresi spasial digunakan untuk menduga pengaruh peubah penjelas terhadap peubah respon dengan ditambahkan unsur spasial di dalamnya. Model umum regresi spasial adalah sebagai berikut : dengan merupakan vektor peubah respon berukuran ( ) adalah koefisien otoregresif lag spasial, merupakan matriks pembobot spasial berukuran ( ), adalah matriks peubah penjelas berukuran ( ) merupakan vektor parameter berukuran ( ) adalah vektor galat yang diasumsikan mengandung otokorelasi ( ) merupakan koefisien otoregresi sisaan spasial dan adalah vektor sisaan berukuran ( ) dengan p adalah banyaknya peubah penjelas (Anselin 1988). Penentuan model regresi spasial yang digunakan ditentukan berdasarkan uji Lagrange Multiplier (LM). Uji LM ini memiliki perbedaan sesuai dengan model spasial yang akan digunakan. Analisis regresi spasial dibagi dalam beberapa model spasial berikut yaitu: 1. Model Spatial Autoregressive (SAR) Model ini memiliki ketergantungan antar satu pengamatan di suatu wilayah dengan pengamatan yang lain di wilayah tetangganya dimana peubah responnya berkorelasi spasial dengan kata lain berpengaruh terhadap. Pada model SAR dengan dan maka persamaannya: Model ini akan digunakan apabila hasil dari uji pengaruh spasial yaitu uji Lagrange Multiplier (LM) pada kaidah keputusan penolakan dengan hipotesis sebagai berikut: : (tidak ada korelasi spasial pada peubah y) : (ada korelasi spasial pada peubah y) statistik uji sebagai berikut : [ ] dengan: - ( ) + [ ] - - Kaidah keputusan penolakan jika 2. Model Spatial Error (SEM) Pada SEM yaitu model regresi linier yang peubah sisaannya terdapat korelasi spasial, artinya model ini memiliki ketergantungan sisaan pada
20 8 pengamatan di sutau wilayah dengan sisaan pada pengamatan yang lain di wilayah yang berbeda dengan dan maka persamaannya: Model ini akan digunakan apabila hasil dari uji pengaruh spasial yaitu uji Lagrange Multiplier (LM) pada kaidah keputusan penolakan, sama seperti pada model SAR dengan hipotesis sebagai berikut: : (tidak ada korelasi spasial pada sisaan) : (ada korelasi spasial pada sisaan) statistik uji sebagai berikut : [ ] [ ] Kaidah keputusan penolakan jika 3. Model gabungan SAR dan SEM bisa disebut dengan Spatial Autoregressive with Autoregressive disturbances (SARAR). Pada model ini peubah galat dan peubah responnya terdapat korelasi spasial dengan dan yang artinya tingkat korelasi komponen spasial dari suatu wilayah terhadap wilayah lain di sekitarnya dan tingkat korelasi komponen spasial sisaan dari suatu wilayah terhadap wilayah lain di sekitarnya. Model penggabungan ini memiliki persamaan: Kriteria Pemilihan Model Kriteria pemilihan model regresi atau ukuran kebaikan model regresi baik model regresi klasik atau model regresi spasial yang dilakukan dalam penelitian ini adalah menggunakan Akaike Information Criterion (AIC). Apabila nilai AIC lebih kecil, maka model dikatakan lebih baik. Persamaan untuk AIC adalah sebagai berikut: g ( ) dimana P adalah jumlah parameter, dan N adalah jumlah amatan (Dray et al. 2006). METODE Data Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari publikasi Data dan Informasi Kemiskinan Kabupaten/Kota 2012 (BPS 2013). Data sekunder ini diperoleh dari Survei Sosial Ekonomi Nasional (Susenas) Data yang digunakan sebagai peubah respon adalah persentase penduduk miskin tiap kabupaten/kota dan peubah bebas yang digunakan yaitu terlampir pada Lampiran 1.
21 9 Prosedur Analisis Data Penelitian ini dilakukan dengan langkah-langkah sebagai berikut: 1. Melakukan eksplorasi data untuk melihat karakteristik data secara umum. 2. Memilih peubah penjelas untuk mengetahui ada atau tidaknya korelasi antar peubah penjelas. 3. Menentukan matriks pembobot spasial (W) dengan menggunakan metode queen contiguity. 4. Menguji korelasi spasial antar pengamatan (berupa daerah) yang saling berdekatan dengan indeks moran. 5. Menguji kehomogenan ragam spasial dengan uji Breusch-Pagan. 6. Melakukan uji pengganda Lagrange Multiplier untuk Model Spasial Lag dan Model Spasial Eror. 7. Melakukan analisis regresi spasial untuk model yang nyata pada uji pengganda Lagrange Multiplier. 8. Melakukan pemeriksaan asumsi pada masing-masing model spasial 9. Melakukan pemilihan model 10. Interpretasi dan kesimpulan untuk model yang terbaik. HASIL DAN PEMBAHASAN Eksplorasi Data Eksplorasi data yang dilakukan yaitu untuk mengetahui informasi awal secara umum dari data. Eksplorasi data yang dilakukan yaitu melihat statistik dari persentase penduduk miskin tiap kabupaten/kota di Provinsi Jawa Barat. Tabel 1 Nilai statistik persentase penduduk miskin di Provinsi Jawa Barat Statistik Persentase penduduk miskin Rataan SE Rataan 0.74 Koef. Keragaman Minimum 2.46 Median Maksimum Berdasarkan Tabel 1, persentase penduduk miskin yang tertinggi di Provinsi Jawa Barat pada tahun 2012 adalah sebesar dan pada Gambar 1 yaitu Kota Tasikmalaya. Persentase penduduk miskin yang terendah di Provinsi Jawa Barat pada tahun 2012 adalah sebesar 2.46 terlihat pada Gambar 1 adalah Kota Depok. Rata-rata dari keseluruhan persentase penduduk miskin kabupaten/kota di Provinsi Jawa Barat yaitu sebesar Nilai koefisien keragaman persentase penduduk miskin kabupaten/kota pada tahun 2012 di Provinsi Jawa Barat cukup beragam yaitu
22
23
24
25
26 14 Selanjutnya kita menguji korelasi spasial secara spesifik yaitu korelasi spasial dalam lag (SAR) dan korelasi spasial dalam sisaan (SEM) dengan menggunakan uji pengganda Lagrange Multiplier (LM). Tabel 4 Uji pengganda Lagrange Multiplier Model Parameter Nilai-p Model Spasial Sisaan (SEM) Model Spasial Lag (SAR) ** **) nyata pada Pada Tabel 4, diperoleh hasil bahwa pada model spasial sisaan dengan nilaip 0.14 yang lebih besar dari disimpulkan terima H 0, yang artinya tidak ada korelasi spasial dalam sisaan, sehingga tidak dapat dilanjutkan untuk pembuatan model pada SEM. Sedangkan pada uji pengganda Lagrange untuk model spasial lag diperoleh nilai-p sebesar 0.03 yang lebih kecil dari disimpulkan tolak H 0, yang artinya ada korelasi spasial dalam lag sehingga perlu dilakukan tahapan selanjutnya dalam pembentukan Model Spasial Lag (SAR). Model umum regresi spasial digunakan apabila model spasial sisaan (SEM) dan model spasial lag (SAR) menunjukkan hasil yang nyata. Pada penelitian ini pembentukan model umum spasial tidak dilakukan. Model Spasial Lag (SAR) Uji pengganda Lagrange Multiplier didapatkan hasil bahwa hanya model spasial lag (SAR) yang berpengaruh nyata dan selanjutnya dilakukan pembentukan model spasial lag (SAR). Pembentukan model spasial lag (SAR) memiliki kriteria yaitu dan. Model spasial lag (SAR) juga menunjukkan bahwa berpengaruh terhadap. Hasil pendugaan dan pengujian parameter untuk model SAR pada Tabel 5 menunjukkan bahwa ada dua peubah penjelas yaitu persentase rumah tangga yang menggunakan air bersih (X 10 ) dan persentase rumah tangga yang memiliki luas lantai perkapita (X 21 ) yang berhubungan nyata terhadap persentase penduduk miskin kabupaten/kota di Provinsi Jawa Barat pada tahun Pada model SAR didapatkan nilai sebesar 0.45 dengan nilai-p sebesar 0.04 ( ) yang artinya berhubungan nyata. Tabel 5 Pendugaan dan pengujian parameter model SAR Peubah Koefisien nilai-p Konstanta * X X ** X X ** X ** *) nyata pada dan **) nyata pada
27 Hasil model SAR secara parsial pada kedua peubah penjelas yang berpengaruh nyata serta pendugaan parameter disajikan pada Tabel 6. Tabel 6 Penduga parameter dan uji parsial peubah penjelas Peubah Koefisien Nilai-p konstanta ** X ** X ** ** **) nyata pada Pendugaan dan pengujian parameter untuk semua peubah pada Tabel 5 menunjukkan bahwa konstanta berhubungan pada taraf nyata 0.10, berbeda dengan hasil pendugaan dan pengujian parameter pada Tabel 6 yang menunjukkan konstanta berhubungan nyata pada. Hal ini berarti dapat disimpulkan bahwa pemodelan dengan dua peubah penjelas yang berpengaruh nyata lebih baik. Kemudian untuk melihat model regresi spasial lebih baik daripada model regresi klasik dilakukan pengujian dan pendugaan parameter untuk model regresi klasik agar bisa membandingkan nilai AIC dari kedua model tersebut. Model regresi klasik pada lima peubah tersebut dilakukan tahapan empat metode yaitu Eliminasi Langkah Mundur, Eliminasi Langkah Maju, Regresi Bertatar dan Regresi Himpunan Terbaik. Hasil dari empat metode tersebut disajikan pada Lampiran 5. Hasil dari Lampiran 5 didapatkan bahwa dua peubah yang berhubungan nyata terhadap persentase penduduk miskin kabupaten/kota di Provinsi Jawa Barat yaitu persentase rumah tangga yang menggunakan air bersih (X 10 ) dan persentase rumah tangga yang memiliki luas lantai perkapita (X 21 ). Hasil analisis regresi klasik secara parsial pada kedua peubah penjelas serta pendugaan parameter disajikan pada Tabel 7. Tabel 7 Penduga parameter dan uji parsial peubah penjelas regresi klasik Peubah Koefisien Nilai-t Nilai-p VIF Konstanta ** X ** X ** **) nyata pada Pada model regresi klasik dan model spasial lag menghasilkan peubahpeubah nyata yang sama dan menghasilkan kekonsistenan tanda koefisien, tetapi terjadi perubahan dalam nilai koefisien pada kedua peubah tersebut. Pada model SAR dengan dua peubah yang nyata menunjukkan hasil koefisien yang lebih kecil dari koefisien kedua peubah model regresi klasik. Sehingga secara umum didapatkan bahwa model regresi spasial lag (SAR) lebih baik. Persamaan SAR yang diperoleh sebagai berikut: Peubah persentase rumah tangga yang menggunakan air bersih (X 10 ) memiliki hubungan negatif dengan persentase penduduk miskin kabupaten/kota di Provinsi Jawa Barat. Hal ini sesuai dengan harapan yang diinginkan. Dengan demikian hal tersebut mengindikasikan bahwa dengan adanya peningkatan persentase rumah tangga yang menggunakan air bersih sebesar satu persen, maka 15
28 16 akan menurunkan persentase penduduk miskin suatu kabupaten/kota sebesar 0.06 satuan. Pada model SAR peubah persentase rumah tangga yang memiliki luas lantai perkapita (X 21 ) memiliki hubungan negatif dengan persentase penduduk miskin kabupaten/kota di Provinsi Jawa Barat sesuai dengan yang diharapakan. Hal ini mengindikasikan bahwa dengan adanya peningkatan persentase rumah tangga yang memiliki luas lantai perkapita sebesar satu persen, maka akan menurunkan persentase penduduk miskin suatu kabupaten/kota di Provinsi Jawa Barat sebesar 0.09 satuan. Pada Tabel 6, koefisien yang signifikan pada taraf nyata 0.05 menunjukkan tolak H 0 yang artinya korelasi lag pada model spasial berhubungan nyata terhadap persentase penduduk miskin kabupaten/kota di Provinsi Jawa Barat pada tahun Hal ini juga mengindikasikan bahwa dengan adanya peningkatan rata-rata persentase penduduk miskin kabupaten/kota tahun 2012 di Provinsi Jawa Barat pada suatu daerah yang dikelilingi oleh daerah lain sebanyak n, maka pengaruh dari masing-masing daerah yang mengelilinginya dapat diukur sebesar 0.49 kali. Pengecekan asumsi dilakukan setelah kita mendapatkan model SAR. Pada model SAR dalam penelitian ini akan dilakukan tiga pengecekan asumsi yaitu kenormalan sisaan, kehomogenan ragam sisaan dan kebebasan sisaan. 1. Pengujian asumsi kenormalan sisaan menggunakan uji Kolmogorov-Smirnov. Pada lampiran 6, nilai Kolmogorov-Smirnov yang dihasilkan sebesar 0.11 dengan nilai-p Hal ini menunjukkan bahwa nilai dari nilai-p lebih besar dari yang artinya asumsi kenormalan sisaan pada model SAR terpenuhi. 2. Pengujian asumsi kemogonenan ragam sisaan menggunakan uji Breusch- Pagan (BP). Hasil dari uji Breusch-Pagan diperoleh nilai BP sebesar 2.47 dengan nilai-p sebesar 0.29, yang artinya terima H 0 dan ragam sisaan homogen, sehingga asumsi kehomogenan ragam sisaan pada model SAR terpenuhi. 3. Pengujian asumsi kebebasan sisaan menggunakan uji Durbin-Watson. Nilai DW yang dihasilkan sebesar 2.08 pada k=3, dan n=26. Nilai du (Durbin Upper) sebesar 1.55 sedangkan nilai (4-dU) sebesar nilai DW yang dihasilkan terletak diantara du dan (4-dU) maka hipotesis nol diterima yang berarti tidak ada autokorelasi atau asumsi kebebasan sisaan terpenuhi. Kriteria Pemilihan Model Pada pembahasan sebelumnya diperoleh secara umum bahwa model regresi spasial Lag (SAR) lebih baik dari model regresi klasik. Tetapi penarikan kesimpulan secara umum tersebut tidak bisa mendukung dengan tepat. Oleh karena itu, untuk mengetahui model regresi klasik atau model regresi spasial lebih baik disimpulkan dengan melihat besarnya nilai kebaikan model tersebut. Kebaikan suatu model dapat dilihat dai nilai AIC yang dihasilkan. Nilai AIC yang lebih kecil dibandingkan model lainnya menunjukkan bahwa model tersebut lebih baik dibandingkan dengan model lainnya. Pada Tabel 8 menunjukkan nilai kebaikan model (AIC) yang dihasilkan dari model regresi klasik dan SAR.
29 Tabel 8 ukuran kebaikan model Model AIC Klasik SAR Tabel 8 menunjukkan bahwa nilai kebaikan model (AIC) pada model regresi spasial atau model SAR lebih kecil dibandingkan dengan nilai kebaikan model (AIC) pada model regresi klasik. Oleh karena itu, model yang dipilih untuk menganalisis masalah kemiskinan yaitu persentase penduduk miskin kabupaten/kota di Provinsi Jawa Barat pada tahun 2012 adalah dengan menggunakan model spasial lag (SAR). Kemudian untuk melihat pola dari grafik persentase penduduk miskin kabupaten/kota di Provinsi Jawa Barat tahun 2012 antara y aktual dengan y duga terlihat pada Gambar 5. Pada Gambar 5, menunjukkan bahwa pola dari y duga lebih baik dari pola y aktual. Pada y duga persentase penduduk miskin kabupaten/kota menunjukkan pola yang lebih merata dibandingkan dengan y aktual yang menunjukkan ada titik paling tinggi dan titik paling rendah dari persentase kemiskinan penduduk miskin tersebut. Sehingga dapat disimpulkan model regresi SAR lebih baik dari model regresi klasik. % Kab. Bogor Kab. Sukabumi Kab. Cianjur Kab. Bandung Kab. Garut Kab. Tasikmalaya Kab. Ciamis Kab. Kuningan Kab. Cirebon Kab. Majalengka Kab. Sumedang Kab. Indramayu Kab. Subang Kab. Purwakarta Kab. Karawang Kab. Bekasi Kab. Bandung Barat Kota Bogor Kota Sukabumi Kota Bandung Kota Cirebon Kota Bekasi Kota Depok Kota Cimahi Kota Tasikmalaya Kota Banjar 17 yaktual yduga Gambar 5 Persentase penduduk miskin aktual dan dugaan. SIMPULAN Pada model SAR peubah-peubah yang berhubungan nyata terhadap persentase kemiskinan kabupaten/kota tahun 2012 di Provinsi Jawa Barat yaitu peubah persentase rumah tangga yang menggunakan air bersih (X 10 ) dan peubah persentase rumah tangga yang memiliki luas lantai perkapita (X 21 ). Model spasial lag (SAR) menghasilkan dugaan parameter yang lebih baik dari model regresi klasik pada kasus korelasi spasial terhadap persentase penduduk miskin
30 18 kabupaten/kota di Provinsi Jawa Barat tahun Hal ini terlihat dari nilai AIC pada model SAR yang lebih kecil yaitu sebesar daripada model regresi klasik nilai AIC sebesar DAFTAR PUSTAKA Amelia, Mia Penerapan Regresi Spasial untuk Data Kemiskinan Kabupaten di Pulau Jawa [skripsi]. Bogor (ID) : Institut Pertanian Bogor. Anselin L Spatial Econometrics : Methods and Models. Dordrecht (NLD) : Academic Publisher. Anselin L Local Indicators of Spatial Association. Research Paper Virginia (US) : Institute West Virginia. Arbia G Statistical Foundations and Application to Regional Convergence. Berlin: Springer-Verlag [BKP] Badan Ketahanan Pangan A Food Insecurity Atlas of Indonesia. Jakarta (ID): Dewan Ketahanan Pangan, Departemen Pertanian RI [BPS] Badan Pusat Statistik Data dan Informasi Kemiskinan Kabupaten/Kota Jakarta (ID): Badan Pusat Statistik. Breusch T.S, Pagan A.R Econometrics: A Simple Test For Heteroscedasticity and Random Coefficient Variation. Vol. 47, N0. 5. Dale, Mark R T Spatial Pattern Analysis in Plant Ecology. United Kingdom (UK): Cambridge University. Dray S, Pierre L, Pedro RP Spatial modeling: a comprehensive framework for principal coordinate analysis of neighbor matrices (PCNM). Ecological Modelling Department of Biology, University of Regina. Rusli, Budiman Analisis Kebijakan Penanggulangan Kemiskinan di Provinsi Jawa Barat [disertasi]. Bandung (ID): Universitas Padjadjaran.
31 19 Lampiran Lampiran 1 Peubah bebas yang digunakan Peubah bebas Keterangan X 1 Angka melek huruf penduduk usia tahun X 2 Angka melek huruf penduduk usia tahun X 3 Angka partisipasi sekolah penduduk usia tahun X 4 Angka partisipasi sekolah penduduk usia tahun 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 22 X 23 Persentase penduduk bekerja di sektor pertanian Persentase penduduk bekerja di sektor bukan pertanian Persentase perempuan pengguna alat KB Persentase balita rumah tangga penolong persalinan pertama oleh tenaga kesehatan Persentase balita rumah tangga penolong persalian terakhir oleh tenaga kesehatan Persentase rumah tangga menggunakan air bersih Persentase rumah tangga yang menggunakan jamban sendiri/bersama Persentase rumah tangga yang mendapat Jaminan kesehatan masyarakat (jamkesmas) Persentase rumah tangga yang mendapat Kartu sehat Persentase rumah tangga yang mendapat surat miskin Persentase rumah tangga yang mendapat jaminan kesehatan daerah (jamkesda) Persentase rumah tangga penerima raskin (beras miskin) Persentase rumah tangga rata-rata membeli raskin (kg) Persentase rumah tangga rata-rata harga membeli raskin Persentase pengeluaran perkapita penduduk untuk makanan Persentase penduduk yang tidak tamat SD Persentase rumah tangga yang memiliki luas lantai perkapita 8 m 2 Persentase penduduk bekerja di sektor informal Persentase penduduk bekerja di sektor formal
32 20 Lampiran 2 Tabel korelasi Pearson Y 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 22 X X X X * 0.08 X * X * 0.39* * X * X * -0.51* 0.45* 0.27 X * -0.49* 0.47* * X * * 0.70* * 0.51* X * 0.52* * 0.50* 0.62* X * X X * X * * X * * 0.59* -0.67* * -0.42* -0.63* -0.52* 0.43* * X * X * X * * 0.79* -0.80* -0.4* -0.43* * -0.64* * X * * * * * X * * * * X * * 0.86* -0.69* -0.42* * 0.38* * * X * * 0.88* 0.39* * 0.63* * * * *) pada taraf nyata 5 %
33 21 Lampiran 3 matriks pembobot spasial Kab. Bogor Kab. Sukabumi Kab. Cianjur Kota Cimahi Kota Tasikmalaya Kab. Bogor Kab. Sukabumi Kab. Cianjur Kab. Bandung Kab. Garut Kab. Tasikmalaya Kab. Ciamis Kab. Kuningan Kab. Cirebon Kab. Majalengka Kab. Sumedang Kab. Indramayu Kab. Subang Kab. Purwakarta Kab. Karawang Kab. Bekasi Kab. Bandung Barat Kota Bogor Kota Sukabumi Kota Bandung Kota Cirebon Kota Bekasi Kota Depok Kota Cimahi Kota Tasikmalaya Kota Banjar Kota Banjar
34 22 Lampiran 4 Indeks Moran Lokal Kabupaten/Kota I E(Ii) Var(Ii) Z(Ii) Pr(z>0) Kab. Bogor Kab. Sukabumi Kab. Cianjur Kab. Bandung Kab. Garut Kab. Tasikmalaya Kab. Ciamis Kab. Kuningan Kab. Cirebon Kab. Majalengka Kab. Sumedang Kab. Indramayu Kab. Subang Kab. Purwakarta Kab. Karawang Kab. Bekasi Kab. Bandung Barat Kota Bogor Kota Sukabumi Kota Bandung Kota Cirebon Kota Bekasi Kota Depok Kota Cimahi Kota Tasikmalaya Kota Banjar *) kabupaten/kota yang nyata pada dan **) nyata pada Lampiran 5 hasil pemilihan peubah penjelas Peubah Eliminasi Eliminasi Himpunan Bertatar Mundur Maju Bagian Terbaik X 1 X X X X X 3 V V V V X 5 V V V V X 6 X X X X X 7 X X X X *) keterangan : Tanda V menunjukkan bahwa peubah penjelas berpengaruh nyata terhadap peubah respon pada a=5%
35 23 Lampiran 6 Pengujian Kenormalan Sisaan pada Model SAR Probability Plot of Residual dari sar Normal Percent Mean -3,84615E-09 StDev 2,380 N 26 KS 0,105 P-Value >0, ,0-2,5 0,0 2,5 Residual dari sar 5,0 7,5
36 24 RIWAYAT HIDUP Penulis dilahirkan di Lahat, Sumatera Selatan pada tanggal 25 Agustus 1992 dari pasangan Bapak Yulianto dan Ibu Iin Indawati. Penulis merupakan anak pertama dari tiga bersaudara. Penulis menyelesaikan pendidikan dasar di SD Negeri No 3 Lahat pada tahun Kemudian menyelesaikan pendidikan menengah pertama di SMP Negeri 1 Lahat pada tahun Tahun 2010 penulis lulus dari SMA Negeri 1 Lahat dan pada tahun yang sama lulus seleksi masuk IPB melalui jalur Beasiswa Utusan Daerah (BUD) pada program mayor Statistika. Penulis aktif mengikuti organisasi di perkuliahan, diantaranya Anggota Departemen Human Research Development (HRD) Himpunan Profesi Gamma Sigma Beta (GSB) periode tahun 2013, Anggota Divisi Lead Officer Seminar Nasional The 8th Statistika Ria tahun 2012, Anggota Divisi Logistik dan Transportasi Pesta Sains Nasional tahun 2012, Anggota Divisi Quality Control Q Welcome Ceremony of Statistics ah ada b a i-agustus 2013 penulis berkesempatan mengikuti kegiatan praktik lapang di PT. Global Insight Indonesia (Pixel Research) di Jakarta Selatan.
37 25
IDENTIFIKASI FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP INDEKS PEMBANGUNAN MANUSIA PROVINSI JAWA BARAT DENGAN PENDEKATAN REGRESI SPASIAL HAPPY BERTHALINA
IDENTIFIKASI FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP INDEKS PEMBANGUNAN MANUSIA PROVINSI JAWA BARAT DENGAN PENDEKATAN REGRESI SPASIAL HAPPY BERTHALINA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU
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 terperinciSPATIAL 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 REGRESI SPASIAL UNTUK DATA KEMISKINAN KABUPATEN DI PULAU JAWA MIA AMELIA
PENERAPAN REGRESI SPASIAL UNTUK DATA KEMISKINAN KABUPATEN DI PULAU JAWA MIA AMELIA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 RINGKASAN MIA
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 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 terperinciPEMODELAN TINGKAT PRODUK DOMESTIK REGIONAL BRUTO KABUPATEN/KOTA JAWA BARAT DENGAN SPASIAL DATA PANEL NUR HIKMAH
PEMODELAN TINGKAT PRODUK DOMESTIK REGIONAL BRUTO KABUPATEN/KOTA JAWA BARAT DENGAN SPASIAL DATA PANEL NUR HIKMAH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
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 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 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 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 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 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 terperinciRegresi Spasial untuk Menentuan Faktorfaktor Kemiskinan di Provinsi Jawa Timur
Statistika, Vol. 12 No. 1, 1 8 Mei 2012 Regresi Spasial untuk Menentuan Faktorfaktor Kemiskinan di Provinsi Jawa Timur Anik Djuraidah dan Aji Hamim Wigena Departemen Statistika FMIPA-IPB, Kampus IPB Darmaga,
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 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 terperinciPERAMALAN TINGKAT PARTISIPASI ANGKATAN KERJA PEREMPUAN DAN FAKTOR-FAKTOR YANG MEMPENGARUHI DI JAWA BARAT
Jurnal Ilmiah UMMI, Volume X1, No. 03 Desember 2017 37 PERAMALAN TINGKAT PARTISIPASI ANGKATAN KERJA PEREMPUAN DAN FAKTOR-FAKTOR YANG MEMPENGARUHI DI JAWA BARAT Agustina Fakultas Ekonomi Universitas Swadaya
Lebih terperinciDaftar Populasi dan Sampel Penelitian
Lampiran 1 Daftar Populasi dan Sampel Penelitian No Kabupaten/Kota Kriteria Sampel 1 2 1 Bogor Sampel 1 2 Sukabumi Sampel 2 3 Cianjur Sampel 3 4 Bandung Sampel 4 5 Garut Sampel 5 6 Tasikmalaya Sampel 6
Lebih terperinciSKRIPSI. Disusun oleh: NOVIAN TRIANGGARA
PEMODELAN INDEKS PEMBANGUNAN MANUSIA MENGGUNAKAN SPATIAL PANEL FIXED EFFECT (Studi Kasus: Indeks Pembangunan Manusia Propinsi Jawa Tengah Periode 2008-2013) SKRIPSI Disusun oleh: NOVIAN TRIANGGARA 24010211130045
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 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 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 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 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 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 terperinciPENERAPAN REGRESI SPASIAL TERHADAP KASUS DIARE DI PROVINSI JAWA BARAT TAHUN 2014 AGNESIA NELY SHEILA G
PENERAPAN REGRESI SPASIAL TERHADAP KASUS DIARE DI PROVINSI JAWA BARAT TAHUN 2014 AGNESIA NELY SHEILA G14120018 DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciKata kunci : LISA, Moran I, Spatial Autocorrelation. Abstract
Jurnal Edukasi, Volume 1 No.2, Oktober 2015 ISSN. 2443-0455 ANALISIS SPASIAL AUTOKORELASI PADA DATA PERSENTASE WANITA PERNAH KAWIN DAN TIDAK PERNAH MENGGUNAKAN ALAT / CARA KB DI PROVINSI LAMPUNG Risdiana
Lebih terperinciBAB I PENDAHULUAN. ketimpangan dan pengurangan kemiskinan yang absolut (Todaro, 2000).
BAB I PENDAHULUAN 1.1. Latar Belakang Pembangunan merupakan suatu proses multidimensional yang melibatkan perubahan-perubahan besar dalam struktur sosial, sikap mental dan lembaga termasuk pula percepatan/akselerasi
Lebih terperinciHASIL DAN PEMBAHASAN Deskripsi Data
HASIL DAN PEMBAHASAN Deskripsi Data Jawa Timur merupakan salah satu provinsi di Indonesia yang mempunyai 38 kabupaten/kota, terdiri atas 29 kabupaten dan 9 kota. Secara umum wilayah Provinsi Jawa Timur
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 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan dengan mengambil data Laporan Realisasi Anggaran Penerimaan dan Pengeluaran pada Kabupaten Kota Jawa Barat dari tahun
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 PERSENTASE PENDUDUK MISKIN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI DATA PANEL
PEMODELAN PERSENTASE PENDUDUK MISKIN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI DATA PANEL SKRIPSI Disusun Oleh : NARISHWARI ARIANDHINI 24010211140105 JURUSAN STATISTIKA FAKULTAS SAINS
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 I PENDAHULUAN. pendapatan di daerah setempat. Penyediaan lapangan kerja berhubungan erat dengan
BAB I PENDAHULUAN 1.1. Latar Belakang Daya beli masyarakat berkaitan erat dengan pendapatan perkapita, Sedangkan pendapatan perkapita dipengaruhi oleh penyediaan lapangan kerja dan distribusi pendapatan
Lebih terperinciMODEL SAR, EKSPANSI SAR DAN PLOT MORAN UNTUK PEMETAAN HASIL AKREDITASI SEKOLAH DI PROVINSI JAWA BARAT *)
MODEL SAR, EKSPANSI SAR DAN PLOT MORAN UNTUK PEMETAAN HASIL AKREDITASI SEKOLAH DI PROVINSI JAWA BARAT *) Atje Setiawan Abdullah 1., Budi Nurani Ruchjana 2,Toni Toharudin 3, Rudi Rosadi 4 1,4 Prodi Teknik
Lebih terperinciBERITA RESMI STATISTIK
Keadaan Ketenagakerjaan Agustus 2017 No. 64/11/32/Th. XIX, 6 November 2017 BERITA RESMI STATISTIK PROVINSI JAWA BARAT Keadaan Ketenagakerjaan Agustus 2017 Agustus 2017 : Tingkat Pengangguran Terbuka (TPT)
Lebih terperinciIDENTIFIKASI FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP BANYAKNYA KEJAHATAN DENGAN PENDEKATAN ANALISIS SPASIAL
IDENTIFIKASI FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP BANYAKNYA KEJAHATAN DENGAN PENDEKATAN ANALISIS SPASIAL (Studi Kasus: 4 Kecamatan di DKI Jakarta Tahun ) DE BUDI SUDARSONO DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciPENERAPAN REGRESI SPASIAL UNTUK DATA WILAYAH MISKIN KABUPATEN DI JAWA TIMUR YAUMIL RIZKI
PENERAPAN REGRESI SPASIAL UNTUK DATA WILAYAH MISKIN KABUPATEN DI JAWA TIMUR YAUMIL RIZKI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN
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 V HASIL DAN PEMBAHASAN. 5.1 Analisis Tingkat Kesenjangan Pendapatan dan Trend Ketimpangan Kabupaten/Kota di Provinsi Jawa Barat
BAB V HASIL DAN PEMBAHASAN 5.1 Analisis Tingkat Kesenjangan Pendapatan dan Trend Ketimpangan Kabupaten/Kota di Provinsi Jawa Barat Penghitungan kesenjangan pendapatan regional antar kabupaten/kota di Provinsi
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 terperinciBAB 3 METODE PENELITIAN. Wilayah dan pengumpulan data yang diambil adalah di Kabupaten Bekasi
BAB 3 METODE PENELITIAN 3.1 Wilayah dan Pengumpulan Data Wilayah dan pengumpulan data yang diambil adalah di Kabupaten Bekasi yang terdiri dari 23 Kecamatan. Lokasi masing-masing kecamatan dapat dilihat
Lebih terperinciMODEL OTOREGRESI SIMULTAN DAN OTOREGRESI BERSYARAT UNTUK ANALISIS KEMISKINAN DI PROVINSI JAWA TIMUR MIRA MEILISA
MODEL OTOREGRESI SIMULTAN DAN OTOREGRESI BERSYARAT UNTUK ANALISIS KEMISKINAN DI PROVINSI JAWA TIMUR MIRA MEILISA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2011 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciditerangkan oleh variabel lain di luar model. Adjusted R-squared yang bernilai 79,8%
VI. HASIL DAN PEMBAHASAN 6.1 Faktor-Faktor yang Mempengaruhi Konversi Lahan Sawah Irigasi Teknis di Provinsi Jawa Barat Berdasarkan hasil analisis yang diperoleh pada Tabel 16 menunjukkan bahwa model yang
Lebih terperinciV. FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA DI JAWA BARAT
V. FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA DI JAWA BARAT 5.1 Analisis Model Regresi Data Panel Persamaan regresi data panel digunakan untuk mengetahui faktor-faktor yang mempengaruhi
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 terperinciBAB III OBYEK DAN METODE PENELITIAN. yang menjadi obyek penelitian sebagai variabel bebas
BAB III OBYEK DAN METODE PENELITIAN 3.1. Obyek Penelitian Adapun yang menjadi obyek penelitian sebagai variabel bebas (independent variable) adalah sumber-sumber PAD yang terdiri dari pajak daerah; retribusi
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 terperinciADLN PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PEMODELAN ANGKA PARTISIPASI SEKOLAH JENJANG MENENGAH ATAS DI JAWA TIMUR DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION SKRIPSI DIAJUKAN UNTUK MEMENUHI SEBAGIAN PERSYARATAN DALAM MEMPEROLEH
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 terperinciPENERAPAN MODEL REGRESI SPASIAL ENSEMBLE NON-HYBRID PADA DATA KEMISKINAN DI PROVINSI JAWA TENGAH
PENERAPAN MODEL REGRESI SPASIAL ENSEMBLE NON-HYBRID PADA DATA KEMISKINAN DI PROVINSI JAWA TENGAH oleh CORNELIA ARDIANA SAVITA M0113011 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciSALINAN PERATURAN MENTERI KEUANGAN NOMOR 08 /PMK.07/2011 TENTANG
MENTERI KEUANGAN REPUBLIK INDONESIA SALINAN PERATURAN MENTERI KEUANGAN NOMOR 08 /PMK.07/2011 TENTANG ALOKASI KURANG BAYAR DANA BAGI HASIL SUMBER DAYA ALAM PERTAMBANGAN PANAS BUMI TAHUN ANGGARAN 2006, TAHUN
Lebih terperinciANALISIS SPASIAL DATA PANEL UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI PROVINSI SUMATERA SELATAN YULIA ANGGRAENI
i ANALISIS SPASIAL DATA PANEL UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI PROVINSI SUMATERA SELATAN YULIA ANGGRAENI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Model Regresi Linier Metode regresi linier merupakan suatu metode yang memodelkan hubungan antara variabel respon dengan variabel prediktor. Tujuannya adalah untuk mengukur
Lebih terperinciBAB IV GAMBARAN UMUM DAN OBJEK PENELITIAN. Provinsi Jawa Barat secara geografis terletak di antara Lintang
56 BAB IV GAMBARAN UMUM DAN OBJEK PENELITIAN A. Letak Wilayah dan Luas Wilayah Provinsi Jawa Barat secara geografis terletak di antara 5 50-7 50 Lintang selatan dan 104 48-108 48 Bujur Timur, dengan luas
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 terperinciINDEKS PEMBANGUNAN MANUSIA (IPM) TAHUN 2015
BPS PROVINSI JAWA BARAT INDEKS PEMBANGUNAN MANUSIA (IPM) TAHUN 2015 No. 38/07/32/Th. XVIII, 1 Juli 2016 Pembangunan manusia di Jawa Barat pada tahun 2015 terus mengalami kemajuan yang ditandai dengan terus
Lebih terperinciPEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA)
PEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA) SKRIPSI Disusun Oleh : NOVIKA PRATNYANINGRUM 24010211140095
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 terperinciANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) PADA KASUS PNEUMONIA BALITA DI PROVINSI JAWA BARAT
ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) PADA KASUS PNEUMONIA BALITA DI PROVINSI JAWA BARAT Meila Nadya, Widyanti Rahayu, Vera Maya Santi Jurusan Matematika FMIPA UNJ meylanadya1@gmail.com Abstrak
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 terperinciBERITA NEGARA REPUBLIK INDONESIA
BERITA NEGARA REPUBLIK INDONESIA No.11, 2012 KEMENTERIAN KEUANGAN. Alokasi. Dana. SDA. Pertambangan. Panas Bumi. TA 2012. PERATURAN MENTERI KEUANGAN REPUBLIK INDONESIA NOMOR 01/PMK.07/2012 TENTANG PERKIRAAN
Lebih terperinciBAB I PENDAHULUAN A. DASAR HUKUM A. Gambaran Umum Daerah 1. Kondisi Geografis Daerah 2. Kondisi Demografi
BAB I PENDAHULUAN A. DASAR HUKUM Perkembangan Sejarah menunjukkan bahwa Provinsi Jawa Barat merupakan Provinsi yang pertama dibentuk di wilayah Indonesia (staatblad Nomor : 378). Provinsi Jawa Barat dibentuk
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 terperinciBAB I PENDAHULUAN Latar Belakang Penelitian. dalam perekonomian Indonesia. Masalah kemiskinan, pengangguran, pendapatan
Bab I Pendahuluan BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian Kelemahan strategi pembangunan ekonomi di masa lalu dan krisis ekonomi yang berkepanjangan, telah menimbulkan berbagai persoalan yang
Lebih terperinciAnalisis Klaster untuk Pengelompokan Kemiskinan di Jawa Barat Berdasarkan Indeks Kemiskinan 2016
Analisis Klaster untuk Pengelompokan Kemiskinan di Jawa Barat Berdasarkan Indeks Kemiskinan 2016 Rana Amani Desenaldo 1 Universitas Padjadjaran 1 rana.desenaldo@gmail.com ABSTRAK Kesejahteraan sosial adalah
Lebih terperinciTIPOLOGI WILAYAH HASIL PENDATAAN POTENSI DESA (PODES) 2014
BPS PROVINSI JAWA BARAT No. 15/02/32/Th.XVII, 16 Februari 2014 TIPOLOGI WILAYAH HASIL PENDATAAN POTENSI DESA (PODES) 2014 Pendataan Potensi Desa (Podes) dilaksanakan 3 kali dalam 10 tahun. Berdasarkan
Lebih terperinciESTIMASI MODEL SIMULTAN SPASIAL PERTUMBUHAN EKONOMI JAWA TIMUR
ESTIMASI MODEL SIMULTAN SPASIAL PERTUMBUHAN EKONOMI JAWA TIMUR Firda Fadri Manajemen Informatika, Sekolah Tinggi Teknologi Walisongo Gempol Email: firda.fadri@gmail.com ABSTRAK Model ekonometri spasial
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 terperinciPEMODELAN STOK GABAH/BERAS DI KABUPATEN SUBANG MOHAMAD CHAFID
PEMODELAN STOK GABAH/BERAS DI KABUPATEN SUBANG MOHAMAD CHAFID SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2006 SURAT PERNYATAAN Dengan ini saya menyatakan bahwa tesis yang berjudul : PEMODELAN STOK GABAH/BERAS
Lebih terperinciANALISIS SPASIAL DATA PANEL PADA RATA-RATA PENGELUARAN PER KAPITA JAWA BARAT DENGAN MATRIKS Queen Contiguity DAN AKSES JALAN ASTRI FITRIANI
i ANALISIS SPASIAL DATA PANEL PADA RATA-RATA PENGELUARAN PER KAPITA JAWA BARAT DENGAN MATRIKS Queen Contiguity DAN AKSES JALAN ASTRI FITRIANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciDAFTAR PUSTAKA. Abdul Halim Akuntansi Sektor Publik: Akuntansi Keuangan Daerah. Edisi Keempat. Jakarta: Salemba Empat.
64 DAFTAR PUSTAKA Abdul Halim. 2012. Akuntansi Sektor Publik: Akuntansi Keuangan Daerah. Edisi Keempat. Jakarta: Salemba Empat. Ahmad Yani, 2008. Hubungan Keuangan antar pemerintah pusat dan Daerah di
Lebih terperinciIDENTIFIKASI POLA PENYEBARAN PENYAKIT YANG MENULAR MELALUI VEKTOR NYAMUK DENGAN PENDEKATAN ANALISIS SPASIAL WULAN NUZULA
IDENTIFIKASI POLA PENYEBARAN PENYAKIT YANG MENULAR MELALUI VEKTOR NYAMUK DENGAN PENDEKATAN ANALISIS SPASIAL WULAN NUZULA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
III METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciBAB V KINERJA PEREKONOMIAN KABUPATEN/KOTA DI JAWA BARAT
BAB V KINERJA PEREKONOMIAN KABUPATEN/KOTA DI JAWA BARAT 5.1. PDRB Antar Kabupaten/ Kota eranan ekonomi wilayah kabupaten/kota terhadap perekonomian Jawa Barat setiap tahunnya dapat tergambarkan dari salah
Lebih terperinciModel Probit Untuk Ordinal Response
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY Model Probit Untuk Ordinal Response S - 4 Defi Yusti Faidah, Resa Septiani Pontoh, Departemen Statistika FMIPA Universitas Padadaran defi.yusti@unpad.ac.id
Lebih terperinciBAB I PENDAHULUAN 1.1. Dasar Hukum
BAB I PENDAHULUAN 1.1. Dasar Hukum Dasar hukum penyusunan Laporan Penyelenggaraan Pemerintahan Daerah Provinsi Jawa Barat Tahun 2016, adalah sebagai berikut: 1. Undang-Undang Nomor 11 Tahun 1950 tentang
Lebih terperinciBAB III METODE PENELITIAN. Salah satu komponen dari penelitian adalah menggunakan metode yang
BAB III METODE PENELITIAN 3.1 Desain Penelitian Salah satu komponen dari penelitian adalah menggunakan metode yang ilmiah, agar metode yang ilmiah ini dapat dilaksanakan dengan relatif lebih mudah dan
Lebih terperinciSKRIPSI. Disusun Oleh: MAS AD DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2016
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERSENTASE PENDUDUK MISKIN DI JAWA TENGAH DENGAN METODE GEOGRAPHICALLY WEIGHTED PRINCIPAL COMPONENTS ANALYSIS (GWPCA) ADAPTIVE BANDWIDTH SKRIPSI Disusun Oleh: MAS
Lebih terperinciBADAN PUSAT STATISTIK PROVINSI JAWA BARAT
BADAN PUSAT STATISTIK PROVINSI JAWA BARAT Seuntai Kata Sensus Pertanian 2013 (ST2013) merupakan sensus pertanian keenam yang diselenggarakan Badan Pusat Statistik (BPS) setiap 10 (sepuluh) tahun sekali
Lebih terperinciANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN. Rita Rahmawati 1, Anik Djuraidah 2.
ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN Rita Rahmawati 1, Anik Djuraidah 2 1) Program Studi Statistika, FMIPA Universitas Diponegoro 2) Jurusan
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian ini adalah kuantitatif. Penelitian kuantitatif merupakan
BAB III METODE PENELITIAN A. Obyek/Subyek Penelitian Jenis penelitian ini adalah kuantitatif. Penelitian kuantitatif merupakan analisis yang berupa angka-angka sehingga dapat diukur dan dihitung dengan
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 terperinciPemodelan Kasus Tindak Pidana di Kota Surabaya dengan Pendekatan Regresi Spasial
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-135 Pemodelan Kasus Tindak Pidana di Kota Surabaya dengan Pendekatan Regresi Spasial Defi Mustika Sari, Dwi Endah Kusrini,
Lebih terperinciANALISIS REGRESI TERPOTONG BEBERAPA NILAI AMATAN NURHAFNI
ANALISIS REGRESI TERPOTONG DENGAN BEBERAPA NILAI AMATAN NOL NURHAFNI SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciANALISIS SPASIAL UNTUK SEBARAN SUARA DAN PEROLEHAN KURSI PARTAI POLITIK PADA PEMILU LEGISLATIF 2009 DI WILAYAH DKI JAKARTA DAN JAWA BARAT
ANALISIS SPASIAL UNTUK SEBARAN SUARA DAN PEROLEHAN KURSI PARTAI POLITIK PADA PEMILU LEGISLATIF 2009 DI WILAYAH DKI JAKARTA DAN JAWA BARAT DIRGA ARDIANSA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciPENDEKATAN LOGNORMAL PADA PERHITUNGAN INDEKS DAYA BELI SEBAGAI SALAH SATU KOMPONEN INDEKS PEMBANGUNAN MANUSIA RICKY STIAWAN
PENDEKATAN LOGNORMAL PADA PERHITUNGAN INDEKS DAYA BELI SEBAGAI SALAH SATU KOMPONEN INDEKS PEMBANGUNAN MANUSIA RICKY STIAWAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGTAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciPEMODELAN INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH TAHUN DENGAN MENGGUNAKAN REGRESI DATA PANEL
PEMODELAN INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH TAHUN 2008 2013 DENGAN MENGGUNAKAN REGRESI DATA PANEL SKRIPSI Disusun oleh : MUHAMMAD RIZKI 24010210141014 JURUSAN STATISTIKA FAKULTAS SAINS
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI UPAH MINIMUM KABUPATEN/KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN MODEL SPATIAL AUTOREGRESSIVE (SAR)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 525-534 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI UPAH MINIMUM KABUPATEN/KOTA
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 terperinciI. PENDAHULUAN 1.1 Latar Belakang
I. PENDAHULUAN 1.1 Latar Belakang Penduduk merupakan suatu hal yang penting karena merupakan modal dasar dalam pembangunan suatu wilayah. Sukirno (2006) mengatakan penduduk dapat menjadi faktor pendorong
Lebih terperinciMETODE PENELITIAN. daerah yang prosfektif untuk mengetahui ketersediaan dan konsumsi pangan strategis
Metode Penentuan Daerah Penelitian METODE PENELITIAN Penelitian ini dilakukan di Provinsi Sumatera Utara. Daerah penelitian ini dipilih secara sengaja dengan mempertimbangkan bahwa daerah ini merupakan
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 terperinciMODEL REGRESI TERBOBOTI GEOGRAFIS DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN, BISQUARE, DAN TRICUBE PADA PERSENTASE KEMISKINAN DI PROVINSI JAWA TENGAH
MODEL REGRESI TERBOBOTI GEOGRAFIS DENGAN FUNGSI PEMBOBOT KERNEL GAUSSIAN, BISQUARE, DAN TRICUBE PADA PERSENTASE KEMISKINAN DI PROVINSI JAWA TENGAH Nungki Fauzi T A N, Isnandar Slamet, Muslich Program Studi
Lebih terperinciINDEKS PEMBANGUNAN GENDER DAN INDEKS PEMBERDAYAAN GENDER KOTA BEKASI TAHUN 2013
No. 02/11/Th. XIV, 12 November 2014 INDEKS PEMBANGUNAN GENDER DAN INDEKS PEMBERDAYAAN GENDER KOTA BEKASI TAHUN 2013 1. Indeks Pembangunan Gender (IPG) Kota Bekasi Tahun 2013 A. Penjelasan Umum IPG merupakan
Lebih terperinciBAB III METODE PENELITIAN
35 BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan mulai bulan Agustus 2014 dan mengambil data yang berasal dari situs resmi Badan Pusat Statistik, Bank Indonesia,
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 terperinciANALISIS VAR (VECTOR AUTOREGRESSION) UNTUK MEKANISME PEMODELAN HARGA DAGING AYAM EFI RESPATI
ANALISIS VAR (VECTOR AUTOREGRESSION) UNTUK MEKANISME PEMODELAN HARGA DAGING AYAM EFI RESPATI SEKOLAH PASCA SARJANA INSTITUT PERTANIAN BOGOR BOGOR 2005 ABSTRAK EFI RESPATI. Analisis VAR (Vector Autoregression)
Lebih terperinci