SPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI PROVINSI JAWA TENGAH

Transkripsi

1 E-ISSN Jural Statistika Idustri da Komputasi Volume 2, No. 2, Juli 2017, pp SPATIAL DURBIN MODEL UNTUK MENGIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI PENGANGGURAN DI PROVINSI JAWA TENGAH Sulis Eli Triliai 1, Rokhaa Dwi Bekti 2 1,2 Jurusa Statistika, FST, Istitut Sais & Tekologi AKPRIND Yogyakarta suliselitriliai@gmail.com Abstract: The may of uemployed is still a problem faced by developig coutries, oe of them is Idoesia. The high level of uemploymet i a coutry ca have a egative impact o the ecoomy. The aalysis used was Ordiary Last Square (OLS) ad Spatial Durbi Model (SDM). This research aims to determie the best model that ca describe the level of uemploymet i the provice of Cetral Java. Based o the aalyze of Mora s I, obtaied are spatial depedecies i variable rate of uemploymet, the rate of populatio growth ad huma developmet ideks. From the research, the value of AIC for OLS model ad SDM models AIC value was R-square value OLS method of 19.36% ad SDM models of 49.45%. AIC value o SDM models smaller tha value of AIC o OLS model ad the R-square value is greater tha SDM model of OLS models. This shows the SDM provides the best model to explai the factors that affect level of uemploymet. Keywords: Uemploymet, Spatial Durbi Model, Ordiary Least Square Abstrak: Bayakya pegaggura masih mejadi masalah yag dihadapi oleh egara berkembag salah satuya egara idoesia. Tiggiya tigkat pegaggura dalam suatu egara dapat membawa dampak egatif terhadap perekoomia egara. Aalisis yag diguaka adalah Ordiary Last Square (OLS) da Spatial Durbi Model (SDM). Peelitia ii bertujua utuk meetuka model terbaik yag bisa meggambarka tigkat pegaggura terbuka di Provisi Jawa Tegah. Berdasarka aalisis Mora s I, diperoleh adaya depedesi spasial pada variabel tigkat pegaggura terbuka, laju pertumbuha peduduk da ideks pembagua mausia. Dega demikia perlu dilakuka aalisis spasial model SDM. Dari hasil peelitia, diperoleh ilai AIC utuk model OLS 141,31 da ilai AIC model SDM adalah 128,62. Nilai R-square model OLS sebesar 19,36% da SDM 49,45%. Nilai AIC pada model SDM lebih kecil dibadigka dega ilai AIC pada model OLS da ilai R-square model SDM lebih besar dari model OLS. Hal ii meujukka SDM memberika model yag lebih baik utuk mejelaska faktor-faktor yag mempegaruhi tigkat pegaggura terbuka. Kata kuci: Pegaggura, Spatial Durbi Model, Ordiary Least Square 1. Pedahulua Pemodela spasial merupaka proses perumusa hubuga atara variabel idepede terhadap variabel depede dega memperhatika pegaruh daerah. Ciri dari pemodela spasial adalah adaya matiks pembobot yag merupaka peada adaya hubuga atar suatu wilayah dega wilayah lai. Pemodela spasial dilakuka dega proses autoregresive, yaitu ditujukka dega hubuga ketergatuga atar sekumpula pegamata atau lokasi (Lesage da Pace, 2009). Salah satu model spasial autoregressive adalah model spatial mixed autoregressive (Aseli,1988) memiliki betuk persamaa seperti spatial autoregrressive model (SAR), dega pegaruh spasial lag haya pada variabel depede. Spatial Durbi Model (SDM) merupaka salah satu dari jeis model tersebut yag dikembagka dalam beberapa kasus hubuga depedesi spasial tidak haya terjadi pada variabel depede, tetapi juga pada variabel idepede sehigga ditambahka spasial lag WX. Regresi spasial merupaka hasil pegembaga dari metode regresi liier sederhaa. Pegembaga itu berdasarka pegaruh tempat atau spasial pada data yag diaalisis (Aseli, 1988). Dalam aalisis regresi liier bergada ada beberapa uji asumsi yag harus dipeuhi yaitu ormalitas, idetik, idepede. Jika ada asumsi yag tidak terpeuhi maka terdapat idikasi

2 94 Sulis Eli Triliai 1, Rokhaa Dwi Bekti 2 adaya pegaruh spasial. Berdasarka hukum I Tobler: meyataka bahwa segala sesuatu salig berhubuga satu dega yag laiya, tetapi sesuatu yag dekat lebih mempuyai pegaruh daripada sesuatu yag jauh. Metode ordiary least square (OLS) tidak tepat diguaka apabila observasi yag diteliti megadug iformasi ruag atau spasial (Aseli, 1988). Jika megguaka aalisis regresi sederhaa maka aka terjadi pelaggara asumsi seperti ilai sisa berkorelasi dega yag lai da varia tidak kosta. Jika iformasi ruag atau spasial diabaika pada data yag memiliki iformasi ruag atau spasial dalam aalisis, maka koefisie regresi aka bias atau tidak kosiste, R 2 berlebiha, da kesimpula yag ditarik tidak tepat karea model tidak akurat. Bayakya pegaggura masih mejadi masalah yag dihadapi oleh egara berkembag salah satuya egara idoesia. Tiggiya tigkat pegaggura dalam suatu egara dapat membawa dampak egatif terhadap perekoomia egara. Agka pegaggura yag redah dapat mecermika pertumbuha ekoomi yag baik, serta dapat mecermika adaya peigkata kualitas taraf hidup peduduk da pemerataa pedapata, oleh karea itu kesejahteraa peduduk meigkat. Pertumbuha peduduk yag terus meigkat dari tahu ke tahu memberika dampak postif yaitu tersediaya bayak teaga kerja. Namu disisi lai karea bayakya jumlah teaga kerja yag tidak sebadig dega kesempata kerja maka bayak peduduk idoesia yag megalami pegaggura. Berdasarka data hasil sakeras, tercatat agkata kerja di Jawa Tegah tahu 2015 mecapai 17,30 juta. Tigkat partisipasi agkata kerja peduduk Jawa tegah tercatat sebesar 67,86 perse. Sedagka agka pagaggura terbuka di Jawa Tegah tercatat sebesar 4,99 perse. Agka pegaggura terbuka di Jawa Tegah tahu 2015 meuru dari tahu sebelumya, yaitu pada tahu 2014 agka pegaggura terbuka di Jawa Tegah sebesar 6,02 perse. Data tersebut meujukka bahwa terjadi peurua agka pegaggura terbuka di Provisi Jawa Tegah, sehigga perlu diketahui yag mejadi faktor-faktor peyebabya. Utuk memodelka da megetahui faktor-faktor yag memegaruhi pegaggura di Beberapa peelitia yag megguaka Spatial Durbi Model atara lai Pramoo (2012) dega judul Regresi Spatial Durbi Model Utuk Megidetifikasi Faktor yag Berpegaruh Pada Agka Kematia Bayi di Jawa Timur. Peelitia Susilawati (2013) dega judul Aalisis Kemiskia dega Pedekata Model Regresi Spasial Durbi. Pertiwi (2012) dega judul Spatial Durbi Model utuk Megidetifikasi Faktor-faktor yag Mempegaruhi Kematia Ibu di Jawa Timur. Berdasarka latar belakag tersebut, peeliti megambil judul Spatial Durbi Model utuk Megidetifikasi Faktor-Faktor yag Mempegaruhi Pegaggura di Provisi Jawa Tegah. 2. Metode Data yag diguka dalam peelitia ii berupa data sekuder tahu 2015 yag diperoleh dari publikasi BPS Jateg. Variabel deped yag diguaka adalah Tigkat Pegaggura Terbuka, variabel idepedya adalah Laju pertumbuha peduduk, laju iflasi, laju pertumbuha ekoomi, da IPM Provisi Jawa Tegah. Tahapa peelitia ii diawali dega mediskripsika variabel peelitia dari sudut kewilayahaya dega peta tematik, kemudia melakuka pemodela regresi bergada dega metode OLS yag meliputi uji asumsi residual memeuhi idetik, idepede, da berdistribusi ormal kemudia estimasi parameter pada variabel idepede terhadap variabel depede serta melakuka uji sigifikasi parameter. Selajutya meetuka pembobot Quee Cotiguity sebelum melakuka aalisis SDM, melakuka uji efek spasial yag meliputi uji depedesi spasial dega megguaka statistik Mora s I pada setiap variabel dilajutka dega Mora s scatterplot utuk megetahui peyebara atarlokasi da uji heterogeitas spasial dega Breusch-Paga Test, melakuka pemodela SDM yag meliputi estimasi parameter, uji sigifikasi parameter da uji asumsi

3 Spatial Durbi Model utuk Megidetifikasi Faktor. 95 residual model SDM. Kemudia membadigka da iterpretasi hasil aalisis metode OLS da SDM dega melakuka pemiliha model terbaik megguaka R-Square da AIC. Aalisis regresi bergada dilakuka dega metode Ordiary Least Square dega betuk umum model seperti persamaa (1) Y i = β 0 + β 1 X i1 + β 2 X i β k X ik +ε i (1) Keteraga: Y i = variabel tidak bebas β 0, β 1, β 2, β k = parameter X i1, X i2,, X ik = variabel bebas ke-k pada pegamata ke-i (i=1,2,3,...) ε i ~N(0, σ 2 ) Uji Sigifikasi Parameter Uji sigifikasi regresi secara simulta dilakuka utuk megetahui hubuga liier variabel idepede terhadap variabel depede secara simulta. Uji sigifikasi regresi secara simulta dilakuka dega megguka uji f seperti pada tabel 1. Pegujia dilakuka dega megguaka hipotesis sebagai berikut : H 0 : β 0 = β 1 = β 2 = β 3 = = β k = 0 H 1 : β k 0 utuk palig sedikit sebuah k, sedemikia sehigga β k 0 Tabel 1. Uji f Source Sum of Squares df Mea square f h Regressio SSR k MSR= SSR k f h = MSR Error SSE -(k+1) SSE MSE MSE= (k+1) Total SST -1 Pegujia ii meolak H 0 jika f h f (k, -k-1) yag artiya ada hubuga liier atara variabel depede da variabel idepede. Regresi Spasial Regresi spasial adalah suatu metode utuk memodelka suatu data yag memiliki usur spasial. Meurut LeSage (1999), secara umum model regresi spasial adalah sebagai berikut: Y = ρw 1 y + xβ + u, (2) u = λw 2 u + ε ε~n(0, σ 2 I) Dega, Y = vektor variabel respo berukura x 1, X = matriks variabel prediktor berukura x (k+1), β = vektor parameter koefisie regresi berukura (k+1) x 1, ρ = parameter koefisie spasial lag variabel prediktor, λ = parameter koefisie spasial pada galat, u = vektor galat berukura x 1, ε = vektor galat berukura, W 1 = matriks pembobot berukura x, I = matriks idetitas berukura x Spatial Durbi Model (SDM) Spatial Durbi Model (SDM) merupaka kasus khusus dari SAR dega meambahka pegaruh lag pada variabel idepede sehigga ditambahka spasial lag pada model, pembobota dilakuka pada variabel idepede maupu depede. Betuk model SDM seperti pada persamaa 3 (Aseli, 1988). Y = ρw 1 Y + β 0 + Xβ 1 + W 1 Xβ 2 + ε, ε~n(0, σ 2 I) (3) Estimasi Prameter Spatial Durbi Model (SDM) Estimasi parameter SDM megguaka Maximum Likelihood Estimatio, dega persamaa sebagai berikut:

4 96 Sulis Eli Triliai 1, Rokhaa Dwi Bekti 2 Y = ρw 1 Y + β 0 + Xβ 1 + W 1 Xβ 2 + ε (4) Estmiasi β adalah: β = (Z T Z) 1 Z T (I ρw 1 )y (5) Dega Z = [I X W 1X] Pegujia Sigifikasi Estimasi Parameter SDM Pegujia sigifikasi parameter dilakuka megguaka Wald test dega megguaka hipotesis: H 0 : θ p = [λ, ρ, β 0,. β p ] = 0 H 1 : θ p 0 Rumus uji wald yag diguaka sebagai berikut: wald = θ p 2 var (θ p) (6) Dega, θ p adalah estimasi parameter ke-p da var (θ p) adalah varias estimasi parameter kep. Pegujia meolak hipotesa ol (H 0 ) ditolak jika Wald > x 2 α,1 yag artiya ada hubuga atara variabel depede dega idepede yag dipegaruhi wilayah. Matriks Quee Cotiguity Lokasi yag bersisia atau titik sudutya bertemu dega lokasi yag mejadi perhatia diberi pembobota w ij = 1, sedagka utuk lokasi laiya adalah w ij = 0. Sebagai ilustrasi, Gambar 1 merupaka pembetuka matriks pembobot spasial Quee Cotiguity dega lima etitas atau area sebagai subjek pegamata. Heterogeitas Spasial (Spatial Heterogeity) Heterogeitas spasial adalah efek yag meujukka adaya keragama atar lokasi. Utuk meguji heterogeitas spasial megguaka uji Breusch - Paga test (BP test) dega hipostesis sebagai berikut: H 0 = σ 1 2 = σ 2 2 = = σ 2 = σ 2 (terdapat homogeitas spasial) H 1 = miimal ada satu σ 1 2 σ 2 (terdapat heterogeitas spasial) Rumus uji Breusch-Paga sebagai berikut: BP = (1/2) f T Z (Z T Z) -1 Z T f~x k 2 (7) f i = ( e i 2 σ 2 1) Dega e i 2 : galat utuk observasi ke-i Z : matriks berukura x (p+1) yag berisi vektor yag sudah di stadarka (z) utuk setiap observasi. Pegujia meolak hipotesa ol (H 0 ) jika BP > x k 2 yag artiya terdapat heterogeitas spasial. Moras I Mora s I adalah uji statistik utuk melihat ilai autokorelasi spasial yag diguaka utuk megidetifikasi suatu lokasi dari pegelompokka spasial. Hipotesis yag diguaka utuk mora s I adalah sebagai berikut: H 0 : I = 0 (tidak ada autokorelasi atar lokasi). H 1 : I = 0 ( ada autokorelasi atar lokasi).

5 Spatial Durbi Model utuk Megidetifikasi Faktor. 97 Statistik uji yag diguaka sebagai berikut: I = i=1 w ij(x i x )( x j x ) 2 (8) i=1(x i x ) Pegujia meolak hipotesa ol (H 0 ) jika Z h >Z /2 yag artiya ada autokorelasi atar lokasi (Le da Wog, 2001). Pola pegelompoka da syarat peyebara atar lokasi dapat disajika dega Mora s scatterplot. Mora s scatterplot terdiri atas empat kuadra yaitu kuadra I, II, III, IV. Gambar 1. Mora s Scatterplot Berdasarka Gambar 2 Kuadra I (High-high) mejelaska daerah dega ilai pegamata tiggi dikeliligi oleh daerah dega ilai pegamata tiggi. Kuadra II (Low-high) mejelaska daerah dega ilai pegamata redah tetapi dikeliligi dega daerah ilai pegamata tiggi. Kuadra III (low-low) mejelaska daerah dega ilai pegamata redah tetapi dikeliligi dega daerah ilai pegamata redah. Kuadra IV (High-low) mejelaska daerah dega ilai pegamata tiggi tetapi dikeliligi dega daerah ilai pegamata redah. Pemiliha Model Terbaik Pemiliha model terbaik dilakuka dega megguaka Koefisie determiasi da Akaike Ifo Criterio (AIC). a. Koefisie determiasi (R 2 ) Koefisie determiasi diotasika dega R square=1 SSE SST (9) Dimaa SSE adalah jumlah kuadrat error da SST adalah jumlah kuadrat total. Koefisie determiasi berilai 0 R-s quare 1. Semaki besar ilai R -square maka model semaki tepat dalam meggambarka feomea dari variabel respo sehigga model semaki dipercaya. b. Akaike Ifo Criterio (AIC) Rumus AIC diotasika dega: AIC = -2Lm + 2m, (10) dimaa: Lm = maksimum log - likelihood m = jumlah paremeter dalam model Model dega ilai AIC yag kecil adalah yag terbaik (Wei, 1990) sebagaimaa dikutip oleh Restu (2013).

6 98 Sulis Eli Triliai 1, Rokhaa Dwi Bekti 2 3. Hasil Peelitia da Pembahasa Utuk melihat pola sepasial masig-masig variabel dilakuka pemetaa yag disajika: Gambar 2 Gambar 3 Gambar 4 Gambar 5 Gambar 6 Gambar 2 meujukka tigkat pegaggura terbuka di Provisi Jawa Tegah tahu 2015, sebagia besar terletak pada kelas iterval 3,51% -5,51% yaitu wilayah Pekaloga, Kota Pekaloga, Purbaligga, Batag, Bajaregara, Kebume, Woosobo, Magelag, Groboga, Sukoharjo, Srage, Kota Surakarta, Karagayar, Kudus, Pati, Rembag da Blora. Pola spasial megelompok pada daerah yag berdekata dega wilayah yag dekat dega ibu kota Provisi Jawa tegah. Wilayah dega tigkat pegaggura tiggi ditujukka dega wara palig pekat ada di wilayah yag relatif jauh dari ibu kota Provisi Jawa Tegah yag jauh dari pusat perkembaga ekoomi. Gambar 3 meujukka pola Spasial laju pertumbuha peduduk di Provisi Jawa Tegah sebagia besar berada pada kelas pertama yaitu 0,03% - 0,11%. Pola spasial laju pertumbuha peduduk meyebar pada daerah-daerah yag jauh dari pusat ibu kota provisi. Wilayah yag semaki jauh dari ibukota Provisi jawa Tegah, laju pertumbuha peduduk juga semaki redah. Wilayah yag laju pertumbuha peduduk lebih tiggi relatif dekat dega ibukota provisi Jawa Tegah. Gambar 4 meujukka sebagia besar laju iflasi Provisi Jawa Tegah terletak pada kelas iterval kedua yaitu 2,36% - 3,1%. Pola spasial dega laju iflasi yag berada dikelas iterval pertama ditadai dega wara palig terag da meyebar pada wilayah yag jauh dari ibukota Provisi Jawa Tegah.

7 Spatial Durbi Model utuk Megidetifikasi Faktor. 99 Gambar 5 meujukka Wilayah dega laju PDRB tiggi atau yag ditadai dega wara palig pekat meyebar di berbagai wilayah, amu sebagia besar ada di daerah kota da sebagia lagi dekat dega Provisi DIY. Sedagka wilayah dega laju PDRB yag ditadai wara palig terag terletak jauh dari ibukota Provisi Jawa Tegah. Gambar 6 meujukka sebagia besar wilayah dega IPM tiggi berada di wilayah bagia timur yag dekat dega ibukota Provisi Jateg & DIY. Sedagka wilayah dega IPM redah megelompok di daerah yag jauh dari ibukota Provisi Jawa Tegah. Regresi Bergada dega metode Ordiary Least Square (OLS) Tabel 2. Output OLS Parameter Estimasi t-value β 0 5,235 0,924 β 1-3,938-0,951 β 2 0,853 1,682 β 3-0,803-1,626 β 4 0,025-0,367 f- hitug 1,8 R- Square 0,193 Berdasarka tabel 2 diperoleh ilai R-square 19,3% yag meujukka besar variasi variabel tigkat pegaggura terbuka yag dapat dijelaska oleh model. Pemodela yag terbetuk dega metode OLS adalah sebagai berikut: Y i = 5,235 3,938X i1 + 0,853X i2 0,803X i3 + 0,025X i4 + ε i Dari pemodela regresi bergada megguaka metode OLS, diperoleh koefisie laju pertumbuha peduduk sebesar 3,938 yag artiya jika laju pertumbuha peduduk meuru satu satua maka pegaggura aik sebesar 3,938. Koefisie pada laju iflasi sebesar 0,853 yag meujukka jika variabel laju iflasi aik satu satua maka pegaggura aik sebesar 0,853. Koefisie pada laju pertumbuha ekoomi sebesar 0,803 yag meujukka jika variabel laju pertumbuha ekoomi meuru satu satua maka pegaggura aik sebesar 0,803. Koefisie pada ideks pembagua mausia sebesar 0,025 yag meujuka jika variabel IPM aik satu satua maka variabel pegaggura aik sebesar 0,803.Nilai f h sebesar 1,8 dega megguaka taraf sigifikasi 5% diperoleh ilai f 0,05(4,30) sebesar 2,69. Nilai f h < 2,69 yag berarti H 0 tidak ditolak da disimpulka tidak terdapat hubuga variabel idepede terhadap tigkat pegaggura terbuka. Depedesi Spasial (Mora s I) Utuk megetahui depedesi spasial pada setiap variabel diguaka Uji Mora s I yaitu dega melihat ilai ideks Moras atau p-value. Tabel 3. Nilai Mora s I Variabel I P value Z value TPT (Y) 0,332 0,010 3,458* Laju pertumbuha Peduduk (X 1) 0,283 0,010 2,602* Laju Iflasi (X 2) 0,159 0,040 1,709 Laju PDRB (X 3) 0,0001 0,390 0,208 IPM (X 4) 0,272 0,030 2,574* Ket: sigifika pada α= 5%; Z 0,025 = 1,96

8 100 Sulis Eli Triliai 1, Rokhaa Dwi Bekti 2 Berdasarka pegujia Mora s I pada Tabel 3 dega megguaka sigifikasi α = 5% diperoleh variabel yag sigifika adalah tigkat pegaggura terbuka, laju pertumbuha peduduk, da IPM. Heterogeitas Spasial (Breusch-Paga test) Utuk megetahui keragama atau heterokedastisitas atar wilayah diguaka uji heteroskedastisitas megguaka Breusch-Paga test. Tabel 4. Output Breusch-Paga test Breusch-Paga test BP p-value 1,814 0,769 Berdasarka output pada Tabel 4 dapat dilihat ilai pada Breusch-Paga test sebesar 1,814. Dega megguaka taraf sigifikasi α = 5%, diperoleh ilai p-value Breusch-Paga test lebih dari 0,05 yag berarti H 0 di tolak da disimpulka terjadi heterogeitas spasial atar wilayah. Tabel 5. Output SDM Parameter Estimasi Wald Pr >Z β 0 11,4 0,065 0,051 β 11-2,625 0,652 0,873 β 12 0,762 4,241 0,011 β 13-0,808 4,965 0,206 β 14 0,067 1,4 0,252 β 21 0,852 0,017 0,893 β 22-0,160 0,025 0,077 β 23 1,665 5,529 0,062 β 24-0,154 1,690 0,149 ρ 0,456 7,22 Y i = 0,456 W ij Y j + 2,918 2,625X 1i + 0,762X 2i 0,808X 3i + 0,067X 4i + 0,852 W ij X 1j 0,160 W ij X 2j + 1,665 W ij X 3j 0,154 W ij X 4j + ε i Berdasarka Tabel 5 dega megguaka taraf sigifikasi α =5%, diperoleh ilai x 2 α,1 sebesar 3,84. Nilai wald pada parameter β 12 adalah 4,241, ilai wald β 13 adalah 4,965 da ilai wald β 23 sebesar 5,529. Nilai wald β 12, β 13 da β 23 lebih besar dari x 2 α,1. Hal ii meujukka adaya pegaruh variabel laju iflasi, laju pertumbuha ekoomi da lag laju pertumbuha ekoomi terhadap tigkat pegaggura terbuka.

9 Spatial Durbi Model utuk Megidetifikasi Faktor. 101 Tabel 6. Output model SDM tapa variabel laju pertumbuha peduduk Parameter Estimate Pr(> z ) (itercept) 2,918 0,702 β 12 0,748 0,043 β 13-0,827 0,022 β 14 0,055 0,317 β 22-0,24 0,795 β 23 1,68 0,016 β 24-0,156 0,137 ρ 0,461 Berdasarka output Tabel 6 diperoleh pemodela yag terbetuk adalah sebagai berikut: Y i = 0,416 W ij Y j + 3, ,748X 2i 0,827X 3i + 0,055X 4i 0,24 W ij X 2j + 1,688 W ij X 3j 0,156 W ij X 4j + ε i Pemodela SDM tapa Variabel Laju Pertumbuha Peduduk da IPM Dari hasil aalisis Spatial Durbi Model tapa megguaka variabel laju pertumbuha peduduk masih ada kemugkia diperoleh model yag lebih baik lagi, sehigga perlu dilakuka aalisis lebih lajut lagi dega megeluarka variabel yag tidak sigifika yaitu variabel IPM. Tabel 7. Output model SDM tapa variabel laju pertumbuha peduduk & IPM Parameter Estimate Pr(> z ) (itercept) -7,204 0,179 β 12 0,771 0,039 β 13-0,832 0,023 β 22-0,419 0,592 β 23 2,042 0,001 ρ 0,527 Berdasarka output Tabel 7 diperoleh pemodela megguaka model SDM yag terbetuk adalah sebagai berikut: Y i = 0,527 W ij Y j 7, ,771X 2i 0,832X 3i + 0,419 W ij X 2j + 2,042 W ij X 3j + ε i Nilai estimasi parameter β 12, β 13 meujukka koefisie regresi o spasial da ilai estimasi parameter β 22, β 23 meujukka parameter lag spasial pada variabel idepede. Nilai estimasi parameter ρ meujukka pegaruh lag spasial variabel depede. Estimasi parameter ρ berilai 0,527 da koefisie parameter berilai positif yag meujukka bahwa kabupate/ kota aka memiliki tigkat pegaggura terbuka tiggi jika berdekata dega kabupate/ kota yag

10 102 Sulis Eli Triliai 1, Rokhaa Dwi Bekti 2 memiliki tigkat pegaggura terbuka tiggi juga. Estimasi parameter β 12 berilai 0,771 da ilai estimasi parameter β 22 sebesar 0,419. Koefisie parameter lag laju iflasi berilai positif meujukka bahwa kabupate/ kota yag mempuyai laju iflasi tiggi da bersebelaha dega kabupate/ kota yag mempuyai laju iflasi tiggi maka memiliki tigkat pegaggura terbuka yag tiggi. Jika melihat koefisie parameter laju iflasi tapa pembobot berilai positif. Hal ii meujukka bahwa semaki tiggi laju iflasi maka tigkat pegaggura juga aka semaki tiggi. Estimasi parameter β 13 berilai -0,832 da ilai estimasi parameter β 23 sebesar 2,042. Koefisie parameter lag laju pertumbuha ekoomi berilai positif, meujukka bahwa kabupate/ kota dega laju pertumbuha ekoomi tiggi da bersebelaha dega kabupate/ kota dega laju pertumbuha ekoomi juga tiggi maka aka memiliki tigkat pegaggura terbuka yag tiggi. Jika melihat koefisie parameter laju pertumbuha ekoomi tapa pembobot berilai egatif. Hal ii meujukka bahwa semaki redah laju pertumbuha ekoomi maka tigkat pegaggura semaki tiggi. Berdasarka Tabel 7 diperoleh variabel yag sigifika dapat dilihat pada output ilai Pr(> z ) yag kurag dari α = 5% adalah laju iflasi da laju pertumbuha ekoomi da lag laju pertumbuha ekoomi. Nilai AIC yag diperoleh adalah 128,62 da memeuhi asumsi data ormal da homoge. Perbadiga Ordiary Last Square (OLS) dega Spatial Durbi Model (SDM) Utuk meetuka model regresi yag terbaik diguaka perbadiga megguaka ilai AIC da R-square dega kriteria R-square terbesar da ilai AIC terkecil. Tabel 8. Perbadiga model regresi bergada metode OLS da model SDM Model AIC R-square Regresi bergada metode OLS 141,31 19,36% SDM 128,62 49,45% Berdasarka Tabel 8 dapat dilihat ilai AIC model regresi bergada dega metode OLS adalah 141,31 da ilai AIC model SDM adalah 133,8. Nilai R-square metode OLS adalah 19,36% da model SDM sebesar 49,45%. Nilai AIC pada model SDM lebih kecil dibadigka dega ilai AIC pada model regresi bergada metode OLS da ilai R-square dega metode OLS lebih kecil dari ilai R-square megguaka model SDM. Dari hasil yag diperoleh, disimpulka bahwa model yag lebih baik dega ilai AIC terkecil da R-square terbesar adalah model SDM. 4. Kesimpula Dari hasil peelitia megguaka aalisis regresi bergada metode Ordiary Last Square da aalisis spasial megguaka Spatial Durbi Model, dapat disimpulka sebagai berikut: 1) Pemodela tigkat pegaggura terbuka da faktor-faktor yag berpegaruh megguaka metode Ordiary Least square adalah: Y i = 5,235 3,938 X i1 + 0,853 X i2 0,803 X i3 + 0,025X i4 + ε i dega ε i ~N(0, σ 2 ), megguaka taraf sigifikasi α= 5% diperoleh bahwa tidak terdapat variabel idepede yag berpegaruh sigifika terhadap variabel depede, sehigga model ii tidak layak diguaka. 2) Pemodela tigkat pegaggura terbuka megguaka model Spatial Durbi Model adalah: Y i = 0,527 W ij Y j 7, ,771X 2i 0,832X 3i + 0,419 W ij X 2j + 2,042 W ij X 3j + ε i dega ε i ~N(0, σ 2 ), megguaka taraf sigifikasi α= 5% diperoleh bahwa variabel yag berpegaruh sigifika terhadap tigkat pegaggura terbuka yaitu variabel laju iflasi, laju pertumbuha ekoomi da lag laju pertumbuha ekoomi. 3) Pemodela yag terbaik da mampu meggambarka tigkat pegaggura terbuka di Provisi Jawa Tegah adalah Spatial Durbi Model dega ilai AIC 128,62 da ilai R- square sebesar 49,45%.

11 Spatial Durbi Model utuk Megidetifikasi Faktor. 103 Ucapa Terimakasih Dalam peyusua tulisa ii, bayak pihak yag telah memberika dukuga kepada peulis. Oleh karea itu, pada kesempata ii peulis igi meyampaika terima kasih kepada seluruh dose da pimpia Jurusa Statistika Istitut Sais & Tekologi AKPRIND Yogyakarta. DAFTAR PUSTAKA Aseli, L., Spatial Ecoometrics: Methodes ad Models. Kluwer Academic Publisher, Netherlads. Bada Pusat Statistik, Publikasi keadaa agkata kerja Jawa Tegah Agustus 2015, Semarag: BPS., Publikasi Jawa Tegah dalam agka 2016, Semarag: BPS., Publikasi Iflasi da Ideks Harga Kosume Jawa Tegah tahu 2015, BPS. Bekti, R. D., Spatial Durbi Model (SDM) utuk Megidetifikasi Faktor-Faktor yag Berpegaruh terhadap Kejadia Diare di Kabupate Tuba. Jural Statistika-FMIPA, Surabaya: Istitut Tekologi Sepuluh Nopember. Budiyato, E., Sistem Iformasi Geografis Arcview GIS. Yogyakarta: Adi Offset Draper & Smith, Applied Regressio Aalysis. Joh Wiley & Sos. Ghozali, I., Aplikasi Aalisis Multivariate Dega Program SPSS. BP Uiversitas Dipoegoro. Semarag. BPS Jateg. diakses pada taggal 10 Desember Lee, J. Ad D.W.S. Wog, Statistical Aalysis with ArcView GIS. Joh Wiley ad Sos, New York. LeSage, J.P. ad R.K. Pace, Itroductio to Spatial Ecoometric. Taylor ad Fracis, Boca Rato. Rati, M Model Regresi Spasial Utuk Aak Tidak Bersekolah Usia Kurag dari 15 tahu di Kota Meda. FMIPA.USU. Pitartoo, R., Aalisis tigkat pegaggura di Jawa Tegah tahu FE.UNDIP. Sukiro, S., Makroekoomi. Jakarta: Rajawali Pers. Samuelso da Nordhaus, Ilmu Ekoomi Makro I. Jakarta: PT. Media Global eksekusi. Sutiko, Salamah, da Pertiwi., Spatial Durbi Model utuk megidetifikasi Faktor-faktor yag mempegaruhi kematia ibu di Jawa Timur. Jural Statistika. FMIPA ITS. Atriya,T., Aalisis pegaruh Iflasi, pertumbuha ekoomi, da Ivestasi terhadap pegaggura di Provisi Jawa Tegah. FE. Ues.