MODEL REGRESI LOGISTIK TERBOBOTI GEOGRAFIS (STUDI KASUS : PEMODELAN KEMISKINAN DI PROVINSI JAWA TIMUR) ALONA DWINATA

Transkripsi

1 MODEL REGRESI LOGISTIK TERBOBOTI GEOGRAFIS (STUDI KASUS : PEMODELAN KEMISKINAN DI PROVINSI JAWA TIMUR) ALONA DWINATA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2012

2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan n saya menyatakan bahwa tess Model Regres Logstk Terbobot Geografs (Std Kass : Pemodelan Kemsknan d Prons Jawa Tmr) adalah karya saya dengan arahan dar koms pembmbng dan belm dakan dalam bentk apapn kepada pergran tngg manapn. Smber nformas yang berasal ata dktp dar karya yang dterbtkan mapn tdak dterbtkan dar penls lan telah dsebtkan dalam teks dan tercantm dalam Daftar Pstaka d bagan akhr tess n. Bogor Jl 2012 Alona Dwnata G

3 ABSTRACT ALONA DWINATA. Geographcally Weghted Logstc Regresson Model (Case Stdy on Poerty Modellng n East Jaa Pronce). Under drecton of ERFIANI and ANIK DJURAIDAH. Geographcally Weghted Logstc Regresson (GWLR) model s locally logstc regresson model. The data n ths model s assmed followng Bnomal dstrbton and the geographcal factor s consdered. The geographcal factor s sed to analyze spatal data from nonstatonary processes. The basc dea of ths model consder the geography or locaton as the weght n parameter estmaton. The parameter estmator s obtaned from Iterately Reweghted Least Sqare method by gng dfferent weght for dfferent locaton. Model for determnng the poerty leel wth a global logstc regresson was not stable to be appled n all dstrcts of East Jaa Pronce becase t cold be a predctor effect on the poerty leel n the regon bt n other regons the predctor s not sgnfcant. The data n ths research s from Natonal Socal Economy Srey Ths research wll determne the factors that affect the poerty leel n the East Jaa Pronce sng logstc regresson model and GWLR model wth a weghtng adapte bsqare kernel fncton. The reslts showed that the classfcaton accracy of logstc regresson model was 78.90% and the classfcaton accracy of GWLR model was 89.47%. GWLR model wth a weghtng adapte b-sqare kernel fncton was better than logstc regresson model becase t had the hgh classfcaton accracy and small AIC ale. Keywords : geographcally weghted logstc regresson logstc regresson adapte b-sqare kernel terately reweghted least sqare AIC

4 RINGKASAN ALONA DWINATA. Model Regres Logstk Terbobot Geografs (Std Kass: Pemodelan Kemsknan d Prons Jawa Tmr). Dbmbng oleh ERFIANI dan ANIK DJURAIDAH. Pengamatan yang memlk sat pola tertent terkat dengan wlayah tempat data damat dsebt data spasal. Data spasal merpakan data yang memlk nformas pengamatan dan nformas wlayah. Data Spasal memlk hbngan antara sat wlayah dengan wlayah lannya. Model statstka yang menggambarkan hbngan antara pebah respon yang bersfat bner dengan sat ata lebh pebah predktor yang bersfat kontn kategork ata kombnas kedanya adalah model regres logstk. Adanya hbngan antar wlayah pengamatan mengakbatkan asms kebebasan antar pengamatan dlanggar sehngga pendgaan dengan model regres logstk menad tdak tepat. Model regres yang memperhatkan nsr geografs antar ttk pengamatan adalah model regres spasal. Model regres spasal yang memberkan nformas kewlayahan berdasarkan arak antar ttk pengamatan dsebt model Regres Terbobot Geografs (RTG). RTG merpakan model regres lokal karena parameter pada model RTG ddga ntk setap lokas pengamatan sehngga model RTG hanya berlak ntk masng-masng wlayah yang damat. Model regres lokal ntk pebah respon yang bersfat bner adalah model Regres Logstk Terbobot Geografs (RLTG). Pada peneltan n model RLTG akan dterapkan pada kass data kemsknan karena data kemsknan merpakan data spasal yang beraras secara kewlayahan. Data yang dgnakan adalah data kemsknan Prons Jawa Tmr yang merpakan prons keda d Indonesa dengan mlah penddk mskn terbanyak d Indonesa. Pada tahn 2008 mlah penddk d Prons Jawa Tmr adalah ta wa dan 18.19% dantaranya adalah penddk mskn. Jka dbandngkan dengan persentase penddk mskn nasonal sebesar 15.42% persentase penddk mskn d Prons Jawa Tmr lebh tngg darpada persentase penddk mskn nasonal sehngga Jawa Tmr merpakan salah sat prons yang memlk angka kemsknan yang tngg (BPS 2008). Salah sat paya yang dapat dlakkan ntk mengatas masalah kemsknan adalah dengan menentkan faktor-faktor yang berpengarh terhadap kemsknan. Faktor-faktor kemsknan n tergantng pada karakterstk masngmasng wlayah sehngga kebakan yang dberkan kepada masng-masng wlayah berbeda-beda sesa dengan permasalahan yang mendomnas penyebab kemsknan tersebt. Pada peneltan n akan danalss faktor-faktor yang mempengarh kemsknan d Prons Jawa Tmr berdasarkan perbedaan stats sosal antar kabpaten/kota. Berdasarkan nla Head Cont Index (HCI) Prons Jawa Tmr sebesar 18.19% setap kabpaten/kota d Prons Jawa Tmr dkategorkan berstats mskn dan tdak mskn. Sat kabpaten/kota berstats mskn ka nla HCI lebh dar ata sama dengan 18.19% dan berstats tdak mskn ka nla HCI krang dar 18.19%. Data HCI Prons Jawa Tmr yang dkategorkan menad mskn dan tdak mskn merpakan pebah respon bner yang menyebar menrt sebaran Bnomal sehngga model regres lokal yang dgnakan adalah model RLTG dengan pembobot berdasarkan arak antar wlayah

5 pengamatan. Pembobot yang dgnakan adalah pembobot kernel adaptf kadrat ganda. Pebah respon dalam model RLTG dpredks dengan pebah predktor yang masng-masng koefsen regresnya bergantng pada wlayah tempat data tersebt damat. Pada peneltan n dgnakan data Sre Sosal Ekonom Nasonal (SUSENAS) tahn Pebah predktor yang dgnakan ntk menentkan kemsknan adalah pebah-pebah yang dgnakan oleh BPS berdasarkan Std Penentan Krtera Penddk Mskn tahn 2000 (SPKPM 2000). Peneltan n menentkan faktor-faktor yang mempengarh tngkat kemsknan d Pons Jawa Tmr dengan menggnakan model regres logstk dan model regres logstk terbobot geografs dengan pembobot kernel adaptf kadrat ganda. Hasl peneltan mennkkan bahwa ketepatan klasfkas dengan model regres logstk adalah 78.90% dan ketepatan klasfkas dengan model regres logstk terbobot geografs adalah 89.47%. Model regres logstk terbobot geografs dengan pembobot kernel adaptf kadrat ganda lebh bak dar pada moel regres logstk ntk memodelkan tngkat kemsknan kabpaten/kota d Prons Jawa Tmr karena memlk ketepatan klasfkas yang tngg dan nla AIC yang kecl. Pebah predktor yang berpengarh terhadap tngkat kemsknan d Prons Jawa Tmr adalah persentase penddk sa tahn yang dapat baca tls hrf latn dan lannya persentase pengelaran perkapta ntk makanan dan persentase penggna kart sehat. Kata knc : regres logstk terbobot geografs regres logstk kernel adaptf kadrat ganda metode kadrat terkecl teratf terbobot AIC

6 Hak Cpta mlk IPB tahn 2012 Hak Cpta dlndng Undang-ndang Dlarang mengtp sebagan ata selrh karya tls n tanpa mencantmkan ata menyebtkan smbernya. Pengtpan hanya ntk kepentngan penddkan peneltan penlsan karya lmah penysnan laporan penlsan krtk ata tnaan sat masalah; dan pengtpan tersebt tdak mergkan kepentngan yang waar bag IPB Dlarang mengmmkan dan memperbanyak sebagan ata selrh Karya tls dalam bentk apapn tanpa zn IPB

7 MODEL REGRESI LOGISTIK TERBOBOTI GEOGRAFIS (STUDI KASUS : PEMODELAN KEMISKINAN DI PROVINSI JAWA TIMUR) ALONA DWINATA Tess Sebaga salah sat syarat ntk memperoleh gelar Magster Sans pada Program Std Statstka SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2012

8 Peng Lar Koms pada Uan Tess : Dr. Ir. I Made Smertaaya M.S.

9 Jdl Peneltan Nama NRP : Model Regres Logstk Terbobot Geografs (Std Kass : Pemodelan Kemsknan d Prons Jawa Tmr) : Alona Dwnata : G Dset Koms Pembmbng Dr. Ir. Erfan M.S. Keta Dr. Ir. Ank Dradah M.S. Anggota Dketah Keta Program Std Statstka Dekan Sekolah Pascasarana Dr. Ir. Erfan M.S. Dr. Ir. Dahrl Syah M.Sc.Agr. Tanggal Uan : 4 Jl 2012 Tanggal Lls :

10 PRAKATA P sykr kehadrat Allah SWT atas kemdahan yang dberkan sehngga tess dengan dl Model Regres Logstk Terbobot Geografs (Std Kass : Pemodelan Kemsknan d Prons Jawa Tmr) n dapat dselesakan dengan bak. Peneltan n memberkan model kemsknan d Prons Jawa Tmr dengan metode Regres Logstk Terbobot Geografs (RLTG) serta menganalss faktor faktor yang mempengarh kemsknan ntk setap kabpaten/kota d Prons Jawa Tmr. Termakash penls capkan kepada phak-phak yang telah membant proses penysnan tess n yat : 1. Dr. Ir. Erfan M.S. dan Dr. Ir. Ank Dradah M.S. selak pembmbng atas bmbngan motas dan sarannya selama penlsan tess n. 2. Dr. Ir. I Made Smertaaya M.S. selak peng lar koms. 3. Orang tak kakak dan adk serta selrh kelarga yang selal memberkan do a dan kash sayang yang tls. 4. Selrh mahasswa Program Std Statstka dan Statstka Terapan S2 dan S3 serta sema yang trt membant penls secara fsk lm mapn dkngan moral dalam penysnan tess n. Penls menyadar sepenhnya bahwa tess n mash banyak kekrangan. Maskan-maskan yang membangn sangat penls harapkan dem perbakan d masa yang akan datang. Semoga tess n dapat bermanfaat. Bogor Jl 2012 Alona Dwnata

11 RIWAYAT HIDUP Penls dlahrkan d Bkttngg pada tanggal 23 Febrar 1988 dar pasangan ayah Drs. H. Usman M.Pd. dan b H. Mlyan. Penls merpakan ptr keda dar tga bersadara. Penls menyelesakan penddkan d SMA Neger 1 Lbk Basng pada tahn 2005 dan melantkan perklahan d Program Std Matematka Fakltas Matematka dan Ilm Pengetahan Alam Unerstas Neger Padang sampa tahn Pada Tahn 2010 penls melantkan penddkan pada Program Magster Sans d Program Std Statstka Sekolah Pascasarana Insttt Pertanan Bogor. Dsampng menalan klah penls ga mengaar d Bmbngan Belaar Nrl Fkr Bogor.

12 DAFTAR ISI Halaman DAFTAR TABEL... x DAFTAR GAMBAR... x DAFTAR LAMPIRAN... x PENDAHULUAN Latar Belakang... 1 Tan... 3 TINJAUAN PUSTAKA Regres Logstk... 5 Regres Terbobot Spasal... 6 Regres Logstk Terbobot Geografs... 9 Pemlhan Model Terbak DATA DAN METODE PENELITIAN Data Metode Peneltan HASIL DAN PEMBAHASAN Deskrps Kemsknan d Prons Jawa Tmr Model Klasfkas Kemsknan a. Model Regres Logstk b. Model Regres Logstk Terbobot Geografs Perbandngan Model Regres Logstk dan RLTG Analss Kemsknan dengan Model RLTG d Prons Jawa Tmr SIMPULAN DAN SARAN Smplan Saran DAFTAR PUSTAKA LAMPIRAN... 35

13 DAFTAR TABEL Halaman 1 Statstk deskrptf pebah predktor data kemsknan d Prons Jawa Tmr Nla VIF pebah predktor data kemsknan d Prons Jawa Tmr Pendga parameter model regres logstk Kelayakan model regres logstk Ketepatan klasfkas model regres logstk Nla lebar endela (bandwdth) optmm ntk setap kabpaten/kota d Prons Jawa Tmr dengan fngs kernel adaptf kadrat ganda Pendga parameter model RLTG dengan pembobot fngs kernel adaptf kadrat ganda Ketepatan klasfkas model RLTG Perbandngan kebakan model... 27

14 DAFTAR GAMBAR Halaman 1 Fngs kernel normal RTG dengan kernel tetap RTG dengan kernel adaptf Peta wlayah admnstratf Prons Jawa Tmr Dagram alr pemodelan RLTG Peta obseras stats kemsknan tahn 2008 d Prons Jawa Tmr Peta msklasfkas stats kemsknan kabpaten/kota berdasarkan model regres logstk Peta msklasfkas stats kemsknan kabpaten/kota berdasarkan model RLTG Peta pebah predktor yang berpengarh nyata terhadap data kemsknan setap kabpaten/kota d Prons Jawa Tmr Peta hasl predks stats kemsknan tahn 2008 d Prons Jawa Tmr menggnakan model RLTG pembobot kernel kadrat ganda... 30

15 DAFTAR LAMPIRAN Halaman 1 Letak geografs tap kabpaten/kota d Prons Jawa Tmr Matrks Jarak antar kabpaten/kota d Prons Jawa Tmr (dalam klometer) Pembobot ntk setap kabpaten/kota d Prons Jawa Tmr Pendga parameter model RLTG dengan pembobot kernel adaptf kadrat ganda Sntaks program R ntk model RLTG... 51

16 PENDAHULUAN Latar Belakang Data spasal merpakan data yang memlk referens kewlayahan karena data spasal memat da nformas yat nformas wlayah dan nformas pengamatan. Konds geografs sosal bdaya dan ekonom akan berbeda antara wlayah yang sat dengan wlayah lannya. Namn demkan konds d sat wlayah akan memlk hbngan yang ckp kat dengan wlayah lan yang berdekatan. Waldo Tobler mengemkakan hkm pertama tentang geograf : Segala sesat memlk hbngan dengan yang lannya tetap sesat yang berdekatan akan memlk hbngan yang lebh darpada sesat yang berahan (Anseln 1988). Hbngan n dnamakan efek spasal. Efek spasal yang terad antar wlayah dapat dbag menad da ens yat ketergantngan spasal dan keragaman spasal (Anseln & Gets 1992). Ketergantngan spasal terad akbat adanya hbngan fngsonal antara keadan pada sat wlayah pengamatan dengan keadan pada wlayah pengamatan lannya. Keragaman spasal terad akbat adanya perbedaan pengarh pebah predktor terhadap respon antara sat wlayah dengan wlayah lannya. Beberapa metode yang telah berkembang ntk mengatas efek ketergantngan spasal adalah Model Otoregres Spasal/Spatal Atoregresse Model (SAR) Model Galat Spasal/Spatal Error Model (SEM) dan Model Umm Spasal/General Spatal Model (GSM). Metode yang dgnakan ntk mengatas efek keragaman spasal adalah model Regres Terbobot Geografs (RTG) / Geographcally Weghted Regresson model (GWR). Model RTG adalah sat metode yang membawa kerangka dar model regres klask menad model regres terbobot (Fotherngham et al. 2002). Pendekatan yang dlakkan dalam RTG adalah pendekatan ttk. Setap nla parameter dhtng pada setap ttk wlayah geografs sehngga setap wlayah geografs mempnya nla parameter regres yang berbeda-beda. Model RTG menggnakan matrks pembobot yang besarnya tergantng pada kedekatan antar wlayah pengamatan semakn dekat sat wlayah maka bobot pengarhnya akan semakn besar. Salah sat cara dalam menentkan nsr-nsr matrks pembobot dalam model RTG adalah fngs kernel. Fngs kernel memberkan pembobot

17 sesa lebar endela (bandwdth) optmal yang nlanya bergantng pada konds data. Fngs pembobot kernel ada da ens yat fngs kernel tetap dan fngs kernel adaptf (Fotherngham et al. 2002). Fngs kernel tetap memlk lebar endela yang sama pada setap wlayah pengamatan. Fngs kernel adaptf memlk lebar endela yang berbeda pada masng-masng wlayah pengamatan. Model RTG telah berkembang berdasarkan sebaran pebah responnya ntk pebah respon yang memlk sebaran Posson telah dkembangkan model Regres Posson Terbobot Geografs oleh Nakaya et al. pada tahn Pebah respon yang bersfat kategor memlk sebaran Bnomal telah dkembangkan model Regres Logstk Terbobot Geografs oleh Atknson et al. pada tahn Data kemsknan dkmplkan berdasarkan nt admnstratf sepert prons kabpaten/kota kecamatan yang berada pada rang geografs. Data kemsknan merpakan data spasal yang beraras secara kewlayahan. Badan Psat Statstk (BPS) menyatakan bahwa kemsknan adalah ketdakmampan ntk memenh standar dar kebthan dasar bak makanan mapn bkan makanan standar n dsebt sebaga gars kemsknan (BPS 2008). Peneltan berdasarkan ndkator kemsknan d Indonesa telah banyak dkembangkan. Melsa (2010) menyatakan bahwa model CAR dan model SAR sama baknya ntk menentkan faktor-faktor kemsknan d Prons Jawa Tmr. Arsant (2011) menyatakan bahwa model otoregresf lag spasal lebh bak dalam menentkan faktor-faktor yang berpengarh terhadap kemsknan d Prons Jawa Tmr dbandngkan dengan regres lner klask. Pada peneltan n akan danalss faktor-faktor yang mempengarh kemsknan d Prons Jawa Tmr berdasarkan perbedaan stats sosal antar kabpaten/kota. Kecenderngan masyarakat mskn mengelompok pada sat wlayah tertent memngknkan terad nteraks antar wlayah yang berdekatan. Oleh karena t dengan menggnakan nla Head Cont Index (HCI) Prons Jawa Tmr sebesar 18.19%. Setap kabpaten/kota d Prons Jawa Tmr dkategorkan berstats mskn dan tdak mskn. Sat kabpaten/kota berstats mskn ka nla HCI lebh dar ata sama dengan 18.19% dan berstats tdak mskn ka nla HCI krang dar 18.19%. Pengelompokan stats kemsknan n bertan ntk mempermdah analss faktor-faktor yang mempengarh

18 kemsknan secara spasal sesa dengan kekrangan yang mendomnas d wlayah tersebt. Indkator kemsknan yang berbeda antar wlayah akan mempengarh kebakan yang dberkan kepada masng-masng wlayah dalam paya pengentasan kemsknan. Data HCI Prons Jawa Tmr yang dkategorkan menad mskn dan tdak mskn merpakan pebah respon bner yang menyebar menrt sebaran Bnomal sehngga model regres lokal yang dgnakan adalah model Regres Logstk Terbobot Geografs (RLTG). Prons Jawa Tmr memlk las wlayah yang beragam ntk setap kabpaten/kota sehngga pada peneltan n pembobot dalam model RLTG menggnakan fngs kernel adaptf yat fngs kernel adaptf kadrat ganda. Fngs n dplh karena pembobot yang dgnakan pada model sesa dengan konds ttk pengamatan sehngga dharapkan hasl analss akan lebh bak. Tan Peneltan Peneltan n bertan ntk menentkan model kemsknan d Prons Jawa Tmr menggnakan model Regres Logstk Terbobot Geografs dengan pembobot kernel adaptf kadrat ganda serta menganalss faktor-faktor yang mempengarh kemsknan ntk setap kabpaten/kota d Prons Jawa Tmr.

19

20 TINJAUAN PUSTAKA Regres Logstk Regres logstk adalah salah sat metode yang dapat dgnakan ntk mendeskrpskan hbngan pebah respon yang bersfat bner dengan sat ata lebh pebah predktor yang bersfat kontn kategork ata kombnas kedanya (Agrest 2002). Jka n wlayah pengamatan memlk pebah predktor yang dtnkkan oleh ektor yang berpasangan dengan pebah respon Y yang bernla 1 ata 0 y = 1 menyatakan skses dan y = 0 menyatakan gagal maka pebah respon Y mengkt sebaran Bernoll dengan parameter. Fngs sebaran pelang Bernoll adalah : ; 1... n. Bentk dar model logstk adalah sebaga berkt : dengan dan Model logstk merpakan model nonlner. Model logstk memerlkan transformas agar menad fngs lner transformas yang dgnakan adalah transformas logt dar. Model logstk dsebt ga model logt dtnkkan sebaga berkt : Pendga parameter regres logstk dperoleh dengan menggnakan metode pendga kemngknan maksmm. Parameter ddga dengan cara memaksmmkan fngs kemngknan. Pengamatan dasmskan salng bebas bla Y ; = n adalah contoh acak yang sdah terambl maka fngs kemngknan adalah sebaga berkt : dalam bentk L n y 1 y β PY y x 1 x (1) 1 n 1 Untk memdahkan perhtngan maka persamaan (1) dmaksmmkan β ln L yat : p n n p ln Lβ y xk k ln 1 exp k xk (2) k k 0

21 Nla parameter β ddapatkan dar trnan pertama dan keda dar persamaan (2) melal sat prosedr teratf yang dlakkan dengan metode teras Newton Rhapson (Agrest 2002). Regres Terbobot Spasal Data spasal merpakan data yang memlk referens kewlayahan. Setap bagan dar data memberkan gambaran tentang fenomena dan nformas mengena sat wlayah serta persebaran dar fenomena tersebt. Poss wlayah dar sat pengamatan memngknkan adanya hbngan sat pengamatan dengan pengamatan lan yang berdekatan hbngan n dsebt dengan efek spasal. Efek spasal yang terad antar wlayah pengamatan dapat dbag menad da ens yat ketergantngan spasal dan keragaman spasal (Anseln & Gets 1992). Ketergantngan spasal adanya hbngan fngsonal antara keadan pada sat wlayah pengamatan dengan keadan pada wlayah pengamatan lannya. Keragaman spasal terad akbat adanya perbedaan pengarh pebah predktor terhadap respon antara sat wlayah dengan wlayah dengan wlayah lannya. Metode Bresch-Pagan dapat dgnakan ntk meng keragaman spasal (Anseln 1988). Hpotess yang d adalah : H 1 : mnmal ada sat ; k Nla dar Bresch-Pagan (BP) yat: dengan adalah galat ntk pengamatan ke- ; dengan merpakan matrks berkran yang bers ektor yang sdah d normal bakkan (z) ntk setap pengamatan. Tolak H 0 ka dengan p adalah banyaknya pebah predktor. Ketdakmampan mengakomodas nformas apabla terad keragaman spasal akan menghaslkan nla dgaan parameter regres yang bas dan hlangnya kemampan dalam menelaskan fenomena data yang sebenarnya. Model regres

22 terbobot geografs adalah metode statstk yang dgnakan ntk menganalss data yang memlk efek keragaman spasal (Fotherngham et al. 2002). Model Regres Terbobot Geografs (RTG) adalah pengembangan dar model regres klask. Setap parameter model RTG dhtng pada setap wlayah pengamatan sehngga setap wlayah pengamatan mempnya nla parameter regres yang berbeda-beda. Pebah respon dalam model RTG dpredks dengan pebah predktor yang masng-masng koefsen regresnya bergantng pada wlayah tempat data tersebt damat. Model RTG dapat dtls sebaga berkt (Fotherngham et al. 2002) : dengan : Nla obseras pebah respon ntk wlayah ke : Menyatakan koordnat letak geografs wlayah pengamatan ke : Koefsen regres pebah predktor ke k wlayah pengamatan ke : Nla pebah predktor ke k wlayah pengamatan ke : Ssaan pengamatan ke yang dasmskan dentk salng bebas dan memlk sebaran Normal dengan rataan nol dan ragam. Matrks pembobot spasal pada RTG merpakan matrks pembobot yang berbass pada kedekatan wlayah pengamatan ke dengan wlayah pengamatan lannya (Fotherngham et al. 2002). Metode RTG memerlkan data mengena koordnat ttk-ttk pengamatan. Koordnat-koordnat tersebt dgnakan ntk mendapatkan arak antar wlayah pengamatan. Brnsdon (1998) mengslkan salah sat fngs pembobot yang serng dgnakan adalah fngs kernel normal sepert yang dtnkkan pada Gambar 1. Brnsdon (1998) ga mengslkan fngs kernel kadrat ganda yat : w [1 ( d 0 / h) 2 ] 2 ntk d h ntk lannya Fngs kernel kadrat ganda n merpakan fngs pembobot yang kontn dan menyerpa normal sampa dengan arak seah h dar wlayah pengamatan ke dan bernla nol ntk wlayah data yang memlk arak lebh besar dar h.

23 X : wlayah pengamatan ke- (regresson pont) : wlayah pengamatan lannya (data pont) Gambar 1 Fngs kernel normal (Fotherngham et al. 2002). Fngs kernel normal dan fngs kernel kadrat ganda merpakan fngs kernel tetap yat fngs kernel dengan lebar endela yang sama pada setap wlayah pengamatan. Secara mm dapat dgambarkan sepert pada Gambar 2. X : wlayah pengamatan ke- (regresson pont) : wlayah pengamatan lannya (data pont) Gambar 2 RTG dengan fngs kernel tetap (Fotherngham et al. 2002). Selan fngs kernel tetap terdapat ga fngs kernel adaptf sepert pada Gambar 3. Fngs kernel adaptf memlk lebar endela yang berbeda ntk setap wlayah pengamatan. Hal n dsebabkan oleh kemampan fngs kernel adaptf yang dapat menyesakan dengan konds ttk-ttk pengamatan. Bla ttk-ttk pengamatan tersebar secara padat dsektar amatan ke maka lebar endela ke yang dperoleh relatf lebh sempt. Sebalknya ka ttk-ttk pengamatan memlk arak yang relatf ah dar amatan ke maka lebar endela yang dperoleh semakn las.

24 X : wlayah pengamatan ke- (regresson pont) : wlayah pengamatan lannya (data pont) Gambar 3 RTG dengan fngs kernel adaptf (Fotherngham et al. 2002). Fngs kernel adaptf kadrat ganda : dengan w d h ka d h q q ka d h adalah lebar endela adaptf yang menetapkan q sebaga arak tetangga terdekat dar wlayah. Pada pembobot kernel pemlhan lebar endela sangat pentng. Lebar endela merpakan pengontrol kesembangan antara kesesaan kra terhadap data dan kemlsan data. Nla lebar endela yang semakn kecl mengakbatkan pendgaan parameter semakn tergantng pada wlayah pengamatan yang memlk arak yang dekat dengan pengamatan ke sehngga ragam yang dhaslkan akan semakn besar. Sebalknya bla nla lebar endela besar akan menmblkan bas yang semakn besar sehngga model yang dperoleh terlal hals. Salah sat metode yang dgnakan ntk menentkan lebar endela optmm adalah metode Cross Valdaton (CV) (Fotherngham et al. 2002). Lebar endela optmm dperoleh saat nla CV mnmm. dengan CV h n y yˆ h 1 ˆ h adalah nla pendga y dmana pengamatan d wlayah y dhlangkan dar proses pendgaan. Regres Logstk Terbobot Geografs Regres Logstk Terbobot Geografs (RLTG) adalah sat metode ntk mendapatkan parameter regres dengan memperhtngkan faktor spasal dan 2 q

25 merpakan pendekatan alternatf dar RTG yang menggabngkan parameter nonstasoner dengan data pebah respon bner. Dalam peneltan n RTG dan model logstk dgabngkan ntk membentk RLTG. Model RLTG dapat dtls sebaga berkt : k p k k k p k k x x exp 1 exp 0 0 x Model RLTG merpakan model nonlner sehngga dperlkan transformas agar menad fngs lner. Transformas yang dgnakan adalah transformas logt dar. p p x x g... ) ( 1 ) ( ln x x x Pada model RLTG metode pendga parameter yang dgnakan adalah pendga kemngknan maksmm. Langkah awal dar metode tersebt adalah dengan membentk fngs kemngknan karena pebah respon mengkt sebaran Bernoll maka fngs kemngknannya adalah sebaga berkt : p k k n k n p k k k x y x L exp exp 1 β (3) Persamaan (3) dmaksmmkan dalam bentk L ln β yat : n p k k k p k k n k x x y L exp 1 ln ln β (4) Faktor letak geografs merpakan faktor pembobot pada model RLTG. Faktor n memlk nla yang berbeda ntk setap wlayah yang mennkkan sfat lokal pada model RLTG. Pembobot dmaskkan pada persamaan (4) ntk mendapatkan model RLTG. p k k k n p k k n k x w x y w L exp 1 ln * ln β (5)

26 Pendga parameter β dperoleh dengan cara menrnkan persamaan (5) terhadap k β dan dsamakan dengan nol maka dperoleh : 0 * ln 1 1 n k n k k w x x y w β L x β (6) Persamaan (6) berbentk mplst maka dgnakan prosedr teras nmerk yat metode kadrat terkecl teratf terbobot. t t t t t t 1 1 β g β H β β dengan * ln * ln * ln 1 0 p t t β L β L β L β β β β g pp p p p p t t h h h h h h h h h β H t t β H adalah matrks Hessan dengan elemen-elemennya adalah k k kk β β L h * ln * 2 * β Untk setap langkah teras ke-t berlak n t k n k k t k w x x y w β L g 1 1 * ln x β n t t k k k k t kk w x x β β L h 1 * * 2 * 1 * ln x x β dengan k p k t k k p k t k t x x exp 1 exp 0 0 x Dengan menglang prosedr teras ntk setap ttk regres ke maka pendga parameter lokal akan ddapatkan. Iteras akan berhent pada saat keadaan konergen yat pada saat t t 1 β β dengan merpakan blangan yang sangat kecl yat Dgaan awal ntk parameter 0 ˆβ dperoleh dengan menggnakan model regres logstk.

27 Pemlhan Model Terbak Ada beberapa metode yang dgnakan ntk memlh model terbak salah satnya yat Akake s Informaton Crteron (AIC) yang ddefnskan sebaga berkt : AIC(h) = D(h) + 2K(h) D(h) merpakan nla deans model dengan lebar endela (h) dan K(h) merpakan mlah parameter dalam model dengan lebar endela (h) (Fotherngham et al. 2002). AIC(h) dgnakan karena komplekstas dar model yat perbedaan nla pengamatan dengan nla dgaan AIC(h) ga tergantng pada pebah dalam model serta nla lebar endela. Model terbak adalah model dengan nla AIC terkecl.

28 DATA DAN METODE PENELITIAN Data Pada peneltan n dgnakan data seknder yang dperoleh dar Sre Sosal Ekonom Nasonal (SUSENAS) tahn Pebah respon pada peneltan n adalah Head Cont Index (HCI) tngkat kabpaten/kota d Jawa Tmr. Pebah respon bersfat bner yat dengan mengelompokkan kabpaten/kota menad mskn ata tdak mskn pengelompokan n berdasarkan pada nla HCI Prons Jawa Tmr sebesar 18.19%. Sat kabpaten/kota berstats mskn ka nla HCI lebh dar ata sama dengan 18.19% dan berstats tdak mskn ka nla HCI krang dar 18.19%. Gambar 4 Peta wlayah admnstratf Prons Jawa Tmr. Pebah predktor yang dgnakan ntk menentkan kemsknan adalah pebah-pebah yang dgnakan oleh BPS berdasarkan Std Penentan Krtera Penddk Mskn tahn 2000 (SPKPM 2000) yat : a. Persentase rmah tangga yang menggnakan ar bersh menrt kabpaten/kota (X 1 ) b. Persentase rmah tangga yang memlk amban sendr/bersama menrt kabpaten/kota (X 2 ) c. Persentase penddk sa tahn yang dapat dapat baca tls hrf latn dan lannya menrt kabpaten/kota (Angka Melek Hrf) (X 3 ) d. Persentase pengelaran perkapta ntk makanan menrt kabpaten/kota (X 4 )

29 e. Persentase rmah tangga yang mendapatkan pelayanan kart sehat menrt kabpaten/kota (X 5 ) Metode Peneltan Tahapan analss data yang dlakkan ntk memperoleh model RLTG dalam pemodelan kemsknan d Prons Jawa Tmr adalah : 1. Menentkan data pebah respon dan pebah predktor serta eksploras data 2. Menentkan model regres logstk 3. U bersama model regres logstk Hpotess yang d sebaga berkt : H 0 : H 1 : mnmal ada sat k 0 ; k = 12 5 Tolak H 0 ka nla statstk G lebh besar darpada nla 4. U parsal model RLTG Tolak ka nla statstk lebh besar darpada nla 5. U efek keragaman spasal 6. Menentkan letak geografs dan menentkan arak antar wlayah pengamatan 7. Menentkan lebar endela optmm dengan metode CV 8. Menghtng matrks pembobot dengan fngs kernel adaptf kadrat ganda 9. Mendga parameter model RLTG 10. U bersama dan parsal model RLTG 11. Mendeskrpskan peta keragaman spasal d Prons Jawa Tmr 12. Kesmplan Tahapan peneltan secara lengkap dapat dlhat pada Gambar 5.

30 Gambar 5 Dagram alr pemodelan RLTG.

31

32 HASIL DAN PEMBAHASAN Deskrps Kemsknan d Prons Jawa Tmr Prons Jawa Tmr merpakan salah sat prons yang terletak d Pla Jawa. Batas daerah dsebelah tara berbatasan dengan Pla Kalmantan Selatan dsebelah tmr berbatasan dengan Pla Bal sebelah selatan dengan peraran terbka yat Samdra Indonesa dan dsebelah barat berbatasan dengan Prons Jawa Tengah. Secara mm wlayah Jawa Tmr dapat dbag menad da bagan besar yat Jawa Tmr daratan dan Keplaan Madra. Las wlayah Jawa Tmr daratan hampr mencakp 90% dar selrh wlayah Prons Jawa Tmr sedangkan las Keplaan Madra hanya sektar 10%. Terdapat 5 daerah dengan wlayah terlas yat Banywang Malang Jember Smenep dan Tban. Jmlah penddk d Prons Jawa Tmr adalah ta wa (BPS 2008). Fakta n menempatkan Jawa Tmr sebaga prons keda d Indonesa dengan mlah penddk terbanyak setelah Prons Jawa Barat. Hasl sre tersebt ga menyatakan bahwa persentase penddk mskn d Prons Jawa Tmr sebesar 18.19%. Jka dbandngkan dengan persentase penddk mskn nasonal sebesar 15.42% persentase penddk mskn d Prons Jawa Tmr lebh tngg darpada persentase penddk mskn nasonal. Gambar 6 Peta obseras stats kemsknan tahn 2008 d Prons Jawa Tmr. Domnas kabpaten yang mempnya persentase kemsknan datas 25% berada d wlayah Pla Madra yat Bangkalan (32.70%) Sampang (34.53%)

33 Pamekasan (26.32%) dan Smenep (29.46%). Persentase kemsknan yang ckp tngg terad d wlayah Panta Utara yat Gresk (21.43%) Lamongan (22.51%) Tban (25.84%) Boonegoro (23.87%) Bondowoso (22.23%) Probolnggo (30.13%) dan Kota Probolnggo (23.29%). Persentase kemsknan datas persentase kemsknan Prons Jawa Tmr terad d wlayah pedalaman Ngaw (20.80%) Ngank (19.77%) dan Madn (18.50%). Kabpaten Kedr (18.85%) Trenggelek (20.64%) dan Pactan (25.31%) yang merpakan wlayah selatan Prons Jawa Tmr ga memlk persentase kemsknan yang tngg. Peneltan n menggnakan lma pebah predktor yang mempengarh tngkat kemsknan d Prons Jawa Tmr. Deskrps dar kelma pebah predktor yang dgnakan dalam analss data dsakan pada Tabel 1. Tabel 1 Statstk deskrptf pebah predktor kemsknan d Prons Jawa Tmr Pebah predktor Rata-rata Smpangan bak Mnmm Maksmm X X X X X Tabel 1 mennkkan smpangan bak yang ckp besar pada pebah predktor X 2 (persentase penddk yang memlk wc/amban sendr/bersama). Hal n berart bahwa penddk yang memlk santas yang bak dsetap kabpaten/kota ckp beragam. Smpangan bak yang relatf kecl terdapat pada pebah predktor X 4 (persentase pengelaran perkapta ntk makanan). Besarnya pengelaran perkapta ntk makanan ckp merata pada setap kabpaten/kota d Prons Jawa Tmr. Stbondo merpakan kabpaten yang memlk persentase penddk yang menggnakan ar dar smber ar terlndng yang palng rendah sebesar 36.23% sedangkan Kota Srabaya memlk persentase penddk yang menggnakan ar dar smber ar terlndng tertngg sebesar 98.99%. Rata-rata persentase penddk yang menggnakan ar dar smber ar terlndng sebesar 63.02%. Pactan Trenggelek Tlngagng Kedr Jember Banywang Bondowoso

34 Stbondo Probolnggo Pasran Jombang Boonegoro Tban Bangkalan Sampang Kota Kedr Kota Bltar Kota Probolnggo dan Kota Mookerto memlk persentase penddk yang menggnakan ar dar smber ar terlndng dbawah persentase rata-rata. Bondowoso merpakan kabpaten dengan persentase penddk memlk wc/amban sendr/bersama terendah yat 31.27% sedangkan Kota Kedr memlk persentase tertngg sebesar 97.62%. Kepemlkan wc/amban sendr/bersama mengndkaskan tngkat kemsknan karena prlak hdp sehat dengan santas yang bak mencermnkan stats sosal kehdpannya. Sebagan besar kabpaten/kota memlk persentase penddk yang memlk wc/amban sendr/bersama dbawah rata-rata sebesar 74.78% yat Lmaang Jember Banywang Bondowoso Stbondo Probolnggo Pasran Mookerto Jombang Ngaw Boonegoro Tban Sampang Pamekasan Smenep Kota Probolnggo dan Kota Pasran. Kemampan penddk sa tahn yang dapat baca tls hrf latn dan lannya merpakan kemampan dasar yang palng tama dalam penddkan. Kabpaten/kota d Prons Jawa Tmr memlk rata-rata persentase penddk sa tahn yang dapat baca tls hrf latn dan lannya sebesar 94.72%. Hal n menggambarkan bahwa sebagan besar penddk mengert baca tls hrf latn dan lannya namn ada beberapa kabpaten yang mash perl menngkatkan kaltasnya yat Jember Bondowoso Stbondo Probolnggo Pasran Ngaw Boonegoro Tban Bangkalan Pamekasan Smenep dan Sampang. Kabpaten Sampang merpakan daerah terendah yang memlk persentase penddk sa tahn yang dapat dapat baca tls hrf latn dan lannya hanya sebesar 67.78%. Prons Jawa Tmr memlk persentase pengelaran perkapta ntk makanan yang ckp tngg. Rata-rata persentase pengelaran perkapta ntk makanan sebesar 57.64% artnya lebh dar 50% penghaslan penddk dgnakan ntk pemenhan kebthan dasar pangan. Hal n perl menad perhatan pemerntah dalam menngkatkan sektor perekonoman agar dapat memenh berbaga kebthan dasar lannya. Kabpaten/kota yang memlk persentase pengelaran perkapta ntk makanan datas rata-rata adalah Pactan

35 Ponorogo Trenggelek Lmaang Jember Bondowoso Stbondo Probolnggo Pasran Mookerto Jombang Ngank Madn Ngaw Boonegoro Tban Bangkalan Sampang Pamekasan dan Smenep. Jamnan kesehatan grats dtnkkan dengan persentase penggna kart sehat. Persentase penggna kart sehat merpakan salah sat ndkator yang dapat dgnakan ntk mengndkaskan kecendrngan sat daerah tergolong mskn. Rata-rata persentase penggna kart sehat d Prons Jawa Tmr sebesar 10.42%. Daerah yang memlk persentase penggna kart sehat datas rata-rata adalah Jember Banywang Stbondo Sdoaro Mangetan Ngaw Gresk Bangkalan Kota Kedr Kota Bltar Kota Pasran Kota Mookerto dan Kota Madn. Kota Mookerto merpakan kota dengan persentase tertngg penggna kart sehat sebesar 40.72% dan Kota Madn sebesar 37.93%. Model Klasfkas Kemsknan a. Model Regres Logstk Model regres logstk dapat dgnakan ntk melhat hbngan antara stats kemsknan setap kabpaten/kota d Prons Jawa Tmr dengan faktorfaktor yang berpengarh terhadap tngkat kemsknan. Pebah predktor yang dgnakan dalam model regres logstk tdak salng mltkolneartas. Peneltan n mengggnakan nla Varance Inflaton Factors (VIF) sebaga krtera ntk mengetah adanya mltkolnertas antar pebah predktor. Nla VIF yang lebh besar dar 10 mennkkan adanya kolneartas antar pebah predktor. Tabel 2 Nla VIF pebah predktor data kemsknan d Prons Jawa Tmr Pebah Nla VIF X X X X X Tabel 2 mennkkan antar pebah predktor tdak salng berkorelas sehngga sema pebah predktor yang mempengarh kemsknan d Prons Jawa Tmr dapat dgnakan dalam pembentkan model regres logstk.

36 Model regres logstk dbentk menggnakan lma pebah predktor secara bersamaan. Nla statstk G yang dhaslkan pada model regres logstk adalah ka dbandngkan dengan nla maka nla statstk G lebh besar darpada. Kesmplan pengan model regres logstk secara serentak adalah tolak H 0 berart mnmal terdapat sat pebah predktor yang berpengarh terhadap kemsknan d Prons Jawa Tmr. Pendga parameter dan hasl hpotess secara parsal dar model regres logstk dtnkkan pada Tabel 3. Tabel 3 Pendga parameter model regres logstk Parameter Dgaan Galat bak [Wald] 2 Odds Rato * ) * ) Parameter yang berpengarh nyata pada = 0.1 Tabel 3 memperlhatkan nla statstk Wald ntk sema parameter pada taraf nyata (α) sebesar 10% dengan nla. Pebah predktor yang berpengarh nyata terhadap tngkat kemsknan d Prons Jawa Tmr adalah persentase pengelaran perkapta ntk makanan. Statstk yang dgnakan ntk meng kelayakan model regres logstk adalah deans. Tabel 4 mennkkan nla statstk dengan menggnakan taraf nyata (α) sebesar 10% maka nla D βˆ sebesar Dβˆ lebh kecl dar artnya model regres logstk sesa (tdak ada perbedaan antara hasl obseras dengan kemngknan hasl predks model) pada kass data kemsknan d Prons Jawa Tmr.

37 Tabel 4 Kelayakan model regres logstk Deans Db Deans/db Tabel ketepatan klasfkas merpakan cara ntk menyatakan kelayakan sat model yat seberapa besar persentase obseras secara tepat dklasfkaskan oleh model. Ketepatan klasfkas model regres logstk dapat dlhat berdasarkan hasl pengklasfkasan antara predks dan obseras. Tabel 5 Ketepatan klasfkas model regres logstk Predks Persentase Ketepatan Obseras Tdak mskn Mskn Klasfkas (0) (1) Tdak mskn % (0) Mskn % (1) Persentase Keselrhan 78.9% Tabel 5 mennkkan kabpaten/kota yang berstats tdak mskn terklasfkas dengan benar sebesar 81%. Kabpaten/kota yang berstats mskn terklasfkas dengan benar sebesar 76.5%. Persentase selrh kabpaten/kota terklasfkas dengan benar sesa dengan stats kemsknannya sebesar 78.9%. Hal n berart dengan menggnakan model regres logstk ada tga plh dar tga plh delapan kabpaten/kota d Prons Jawa Tmr yang terklasfkas dengan benar sesa dengan stats kemsknannya. Jad dapat dkatakan bahwa model regres logstk sdah ckp bak. b. Model Regres Logstk Terbobot Geografs Model Regres Logstk Terbobot Geografs merpakan model lokal ntk data yang memlk efek keragaman spasal. Berdasarkan hasl Bresch-Pagan dperoleh nla BP sebesar sedangkan nla tabel Kh-kadrat pada taraf nyata (α) sebesar 10% adalah Oleh karena t keptsan yang dambl adalah tolak H 0 artnya model regres logstk memlk efek keragaman spasal. Untk

38 mengatas efek keragaman spasal dgnakan model regres lokal yat Regres Logstk Terbobot Geografs (RLTG). Model RLTG menggnakan pembobot berdasarkan letak geografs setap kabpaten/kota. Langkah pertama yang dlakkan adalah dengan menentkan letak geografs (longtde dan lattde) tap kabpaten/kota d Prons Jawa Tmr (Lampran 1) Selantnya menghtng arak ecldean berdasarkan letak geografs ntk setap kabpaten/kota d Prons Jawa Tmr (Lampran 2). Sat wlayah dapat dtentkan rtan wlayah-wlayah lan yang berdekatan berdasarkan arak ecldan sehngga akan ddapatkan rtan tetangga terdekat ntk selrh wlayah pengamatan. Berktnya memlh lebar endela optmm ntk setap kabpaten/kota dengan fngs kernel adaptf kadrat ganda menggnakan software R Perhtngan lebar endela n ddasarkan pada arak sat wlayah dengan tetangga terdekat (q) yang memberkan pengarh terhadap wlayah tersebt. Nla lebar endela dengan fngs kernel adaptf kadrat ganda ntk Prons Jawa Tmr dperoleh dar hasl teras adalah dengan nla CV = Setap wlayah pengamatan memlk nla lebar endela optmm yang berbeda-beda sepert pada Tabel 6. Lebar endela optmm dgnakan ntk mendapatkan matrks pembobot d setap wlayah pengamatan. Msalkan wlayah adalah Kabpaten Pactan maka matrks pembobot d wlayah adalah. Berdasarkan arak ecldean Kabpaten Pactan ke sema wlayah peneltan arak terdekat Pactan dengan Trenggelek (40.89 km) selantnya Tlngagng (52.54 km) dan yang terah dengan Banywang ( km). Lebar endela optmm Kabpaten Pactan sebesar km. Matrks pembobot ntk Kabpaten Pactan sebaga berkt : dag( ) Besarnya nla pembobot yang dgnakan bergantng pada arak antar wlayah pengamatan. Semakn dekat arak antar wlayah maka semakn besar pengarhnya sehngga nla pembobotnya mendekat sat. Sebalknya semakn ah arak antar wlayah maka semakn kecl pengarhnya sehngga nla pembobotnya mendekat nol. Matrks pembobot datas dgnakan ntk mendga

39 parameter d wlayah perl dcar terlebh dahl matrks pembobot. Untk mendga parameter d wlayah dengan cara yang sama sepert langkah datas sampa dperoleh matrks pembobot ntk pengamatan terakhr secara lengkap pada Lampran 3.. Matrks pembobot ntk setap kabpaten/kota dsakan Tabel 6 Nla lebar endela (bandwdth) optmm ntk setap kabpaten/kota d Prons Jawa Tmr dengan fngs kernel adaptf kadrat ganda Kabpaten/Kota Bandwdth (km) Kabpaten/Kota Bandwdth (km) Pactan Magetan Ponorogo Ngaw Trenggalek Boonegoro Tlngagng Tban Bltar Lamongan Kedr Gresk Malang Bangkalan Lmaang Sampang Jember Pamekasan Banywang Smenep Bondowoso Kota Kedr Stbondo Kota Bltar Probolnggo Kota Malang Pasran Kota Probolnggo Sdoaro Kota Pasran Mookerto Kota Mookerto Jombang Kota Madn Ngank Kota Srabaya Madn Kota Bat Pendga parameter model RLTG dperoleh dengan memaskkan pembobot ntk setap wlayah pengamatan dalam perhtngannya menggnakan metode kadrat terkecl teratf terbobot perhtngan n dselesakan menggnakan software R sehngga nla dgaan parameter dperoleh ntk setap

40 wlayah ; Pendga parameter model RLTG ntk sema wlayah peneltan dsakan pada Lampran 4. Tabel 7 Pendga parameter model RLTG dengan pembobot fngs kernel adaptf kadrat ganda Model RLTG Mnmm Kartl 1 Medan Kartl 3 Maksmm Ukran kebakan model RLTG dlhat pada tabel ketepatan klasfkas. Ketepatan klasfkas model RLTG dengan menggnakan pembobot kernel adaptf kadrat ganda dapat dlhat berdasarkan hasl pengklasfkasan antara predks dan obseras. Tabel 8 Ketepatan klasfkas model RLTG Obseras Tdak mskn (0) Mskn (1) Tdak mskn (0) Predks Mskn (1) Persentase Ketepatan Klasfkas % % Persentase Keselrhan 89.47% Tabel 8 menelaskan persentase ketepatan klasfkas kemsknan kabpaten/kota d Prons Jawa Tmr menggnakan model RLTG dengan pembobot adaptf kernel kadrat ganda sebesar 89.47%. Hal n berart tga plh empat dar tga plh delapan kabpaten/kota d Prons Jawa Tmr terklasfkas dengan benar sesa stats kemsknannya. Model RLTG lebh bak

41 dgnakan ntk menganalss kemsknan d Prons Jawa Tmr dbandngkan model regres logstk karena memberkan persentase selrh obseras terklasfkaskan dengan benar yang lebh tngg. Perbandngan Model Regres Logstk dan RLTG Hosmer dan Lemeshow (2000) menyatakan bahwa salah sat kran kebakan model adalah model yang memlk pelang kesalahan klasfkas yang mnmal. Ketepatan dan kesalahan klasfkas pada model regres logstk dan model RLTG dapat dlhat pada Tabel 5 dan Tabel 8. Gambar 7 Peta msklasfkas stats kemsknan kabpaten/kota berdasarkan model regres logstk. Tabel 5 mennkkan kabpaten/kota d Prons Jawa Tmr terklasfkas dengan benar sesa dengan stats kemsknannya sebesar 78.9%. Persentase ketepatan klasfkas tdak mskn dengan hasl predksnya 81% ada empat kabpaten/kota yang berstats tdak mskn tap hasl predks menyatakan mskn yat Ponorogo Lmaang Stbondo dan Pasran. Persentase ketepatan klasfkas mskn dengan hasl predks 76.5% ada empat kabpaten/kota yang berstats mskn tap hasl predks menyatakan tdak mskn yat Kedr Boonegoro Gresk dan Kota Probolnggo.

42 Gambar 8 Peta msklasfkas stats kemsknan kabpaten/kota berdasarkan model RLTG. Tabel 8 mennkkan kabpaten/kota d Prons Jawa Tmr terklasfkas dengan benar sesa dengan stats kemsknannya sebesar 89.47%. Persentase ketepatan klasfkas tdak mskn dengan hasl predksnya 95.24% hanya ada sat kabpaten/kota d Prons Jawa Tmr yang berstats tdak mskn tetap hasl predks menyatakan mskn yat Ponorogo. Persentase ketepatan klasfkas mskn dengan hasl predks 82.35% ada tga kabpaten/kota d Prons Jawa Tmr yang berstats mskn tetap hasl predks mengkategorkan tdak mskn yat Kedr Gresk dan Kota Probolnggo. Krtera kebakan model dapat dlhat dengan membandngkan nla AIC dar keda model tersebt. Pemlhan model terbak yat model yang memlk nla AIC terkecl. Tabel 9 Perbandngan kebakan model Model Deans AIC Model Regres Logstk Model RLTG Tabel 9 mennkkan bahwa model RLTG dengan menggnakan pembobot kernel adaptf kadrat ganda lebh bak dgnakan ntk menganalss kemsknan d Prons Jawa Tmr karena mempnya nla AIC terkecl. Berdasarkan

43 ketepatan klasfkas dan nla AIC maka model RLTG lebh bak dgnakan ntk memodelkan tngkat kemsknan d Prons Jawa Tmr. Analss Kemsknan dengan Model RLTG d Prons Jawa Tmr Model RLTG lebh bak dgnakan ntk memodelkan kemsknan d Prons Jawa Tmr dbandngkan model regres logstk karena keragaman spasal merpakan data spasal proses nonstasoner dengan ragam beraras antar wlayah pengamatan. Parameter yang dhaslkan pada model RLTG bersfat lokal dsetap wlayah tempat data tersebt damat. Faktor-faktor yang mempengarh kemsknan secara spasal sesa dengan kekrangan yang mendomnas d wlayah tersebt. Indkator kemsknan yang berbeda akan mempengarh kebakan yang dberkan kepada masng-masng wlayah. Program pengentasan kemsknan ntk masng-masng wlayah sesa dengan permasalahan yang domnan terad d wlayah tersebt hal n bertan dem optmalnya saha pengentasan kemsknan d Prons Jawa Tmr. Oleh karena t dlakkan parsal ntk setap parameter dsetap wlayah pengamatan. Berdasarkan parameter model RLTG secara parsal menggnakan statstk Wald parameter yang berpengarh terhadap tngkat kemsknan d Prons Jawa Tmr dapat dlhat pada Gambar 9. Persentase penddk sa tahn yang dapat baca tls hrf latn dan lannya merpakan pebah predktor yang berpengarh terhadap tngkat kemsknan d Lmaang Jember Probolnggo Sampang Pamekasan Smenep dan Kota Probolnggo. Oleh karena t pemerntah daerah setempat perl menngkatkan mt penddkan sebaga sarana ntk penngkatan kaltas smber daya mansa dem sksesnya program pengentasan kemsknan. Persentase penddk sa tahn yang dapat baca tls hrf latn dan lannya dan persentase penggna kart sehat merpakan pebah predktor yang berpengarh terhadap tngkat kemsknan d Banywang Bondowoso dan Stbondo. Wlayah Banywang Bondowoso dan Stbondo merpakan wlayah yang ah dar b kota Prons Jawa Tmr. Pemerntah setempat perl menngkatkan mt penddkan ntk menngkatkan kaltas smber daya mansa serta mencptakan lngkngan yang sehat dengan menerapkan pola hdp sehat pada masyarakat.

44 Gambar 9 Peta pebah predktor yang berpengarh nyata terhadap data kemsknan setap kabpaten/kota d Prons Jawa Tmr. Persentase pengelaran perkapta ntk makanan merpakan pebah predktor yang berpengarh terhadap tngkat kemsknan d Pactan Ponorogo trenggelek Tlngagng Madn Magetan Ngaw dan Kota Madn. Pemerntah daerah setempat perl konsentras dalam menngkatkan mlah pendapatan masyarakat. Beberapa saha yang bsa dlakkan adalah menngkatkan mlah prodks pertanan membka lapangan pekeraan serta memberkan penylhan agar masyarakat bsa menad mansa yang prodktf dan bersaha sendr ntk menngkatkan kaltas hdpnya. Hasl analss menggnakan model RLTG menyatakan ada sat kabpaten/kota d Prons Jawa Tmr yang tdak mskn tetap hasl predks mengkategorkan mskn yat Kabpaten Ponorogo. Pebah predktor yang berpengarh nyata terhadap tngkat kemsknan d Kabpaten Ponorogo adalah persentase pengelaran perkapta ntk makanan. Persentase pengelaran perkapta ntk makanan d Kabpaten Ponorogo adalah sebesar 58.28% artnya lebh dar 50% total penghaslan dgnakan ntk pemenhan kebthan dasar pangan. Pemerntah daerah Ponorogo perl konsentras dalam menngkatkan mlah pendapatan masyarakat. Beberapa saha yang bsa dlakkan adalah menngkatkan mlah prodks pertanan membka lapangan pekeraan serta

45 memberkan penylhan agar masyarakat bsa menad mansa yang prodktf dan bersaha sendr ntk menngkatkan kaltas hdp yang lebh bak. Gambar 10 Peta hasl predks stats kemsknan tahn 2008 d Prons Jawa Tmr menggnakan model RLTG pembobot kernel kadrat ganda. Msklasfkas yang sangat rentan terhadap paya pengentasan kemsknan d Prons Jawa Tmr adalah pengelompokkan kabpaten/kota yang mskn tetap hasl predks mengkategorkan tdak mskn yat Kedr Gresk dan Kota Probolnggo. Akbatnya kabpaten/kota yang seharsnya mendapat perhatan khss dalam paya pengentasan kemsknan tdak dapat dlaksanakan. Berdasarkan parsal tdak ada pebah predktor yang berpengarh nyata terhadap tngkat kemsknan d Kedr dan Gresk ntk peneltan berktnya perl ddentfkas lag predktor lan yang lebh erat hbngannya dengan tngkat kemsknan d prons Jawa Tmr. Predktor yang berpengarh nyata terhadap kemsknan d Kota Probolnggo adalah penddk sa tahn yang dapat baca tls hrf latn dan lannya. Indkator penddkan palng dasar adalah tngkat kemampan baca tls. Penddkan berkatan erat dengan kemsknan. Pemerntah daerah Kota Probolnggo perl menngkatkan mt penddkan serta mnat baca masyarakat. Orang yang berpenddkan lebh tngg cenderng memlk tngkat pendapatan yang lebh tngg pla karena orang yang berpenddkan tngg memlk pelang yang lebh bak ntk mendapatkan pekeraan dengan tngkat penghaslan yang lebh tngg dbandng mereka yang berpenddkan rendah.

46 SIMPULAN DAN SARAN Smplan Model RLTG menghaslkan parameter yang bersfat lokal dsetap ttk ata wlayah dmana data tersebt damat. Data kemsknan merpakan data spasal nonstasoner dalam parameter. Oleh karena t model RLTG dengan pembobot kernel adaptf kadrat ganda lebh bak dgnakan ntk memodelkan kemsknan d Prons Jawa Tmr karena memlk nla AIC terkecl dan persentase ketepatan klasfkas yang lebh tngg sebesar 89.47%. Pebah predktor yang mempengarh kemsknan d Prons Jawa Tmr menggnakan model RLTG dengan pembobot kernel adaptf kadrat ganda ada tga yat persentase penddk sa tahn yang dapat baca tls hrf latn dan lannya persentase pengelaran perkapta ntk makanan dan persentase penggna kart sehat. Saran Model RLTG merpakan model regres terbobot dengan pembobot berdasarkan arak geografs antar wlayah pengamatan sehngga setap wlayah pengamatan memlk matrks pembobot yang berbeda-beda. Oleh karena t ntk menysn matrks pembobot tdak hanya memaskkan nsr arak geografs antar wlayah pengamatan tetap pada peneltan selantnya ga hars memperhtngkan akses perekonoman dan sosal dengan wlayah sektar

47 .

48 DAFTAR PUSTAKA Agrest A Categorcal Data Analyss. New York : John Wlley and Sons. Anseln L Spatal Econometrcs: Methods and Models. Dordrecht : Klwer Academc Pblshers. Anseln L Gets A Spatal Statstcal Analyss and Geographc Informaton Systems. The Annals of Regonal Scence 26(1): Arsant R Model Regres Spasal ntk Deteks Faktor-faktor Kemsknan d Prons Jawa Tmr [tess]. Bogor: Program Pascasarana Insttt Pertanan Bogor. Atknson PM German SE Sear DA Clark MJ Explorng The Relatons Between Rerbank Eroson and Geomorphologcal Controls Usng Geographcally Weghted Logstc Regresson. Oho : Oho State Unersty. [BPS] Badan Psat Statstk Data dan Informas Kemsknan Tahn Jakarta : Badan Psat Statstk. Brnsdon C Fotherngham AS Charlton M Geographcally Weghted Regresson : a method for explorng spatal nonstatonarty. Geographcal Analyss Fotherngham AS Brnsdon C Charlton M Geographcally Weghted Regresson: The Analyss of Spatally Varyng Relatonshps. England: John Wley & Sons Ltd. West Sssex. Hosmer DW Lemeshow JS Appled Logstc Regresson. Canada : John Wley & Sons Inc. Melsa M Model Otoregresf Smltan dan Otoregresf Bersyarat ntk Analss Kemsknan d Prons Jawa Tmr [tess]. Bogor: Program Pascasarana Insttt Pertanan Bogor. Nakaya T Fotherngham AS Brnsdon C Charlton M Geographcally Weghted Posson Regresson for Dsease Assocaton Mappng. Statstcs n Medcne Volme 24 Isse 17 pages