Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression

Transkripsi

1 JURNAL EKNIK IS Vol. 6, No., (7) ISSN: (3-97 Prnt) D- Pemodelan Anga Buta Huruf d Kabupaten/Kota se-jawa mur dengan Metode Geographcally Weghted t Regresson Nndya Kemala Astut, Purhad, dan Shof Andar Departemen Statsta, Faultas MIPA, Insttut enolog Sepuluh Nopember (IS) Jl. Aref Rahman Ham, Surabaya 6 Indonesa e-mal: nndyaemala3@gmal.com, purhad@statsta.ts.ac.d, dan shof.andar@statsta.ts.ac.d Abstra Penddan merupaan suatu elemen yang sangat pentng dalam perembangan suatu bangsa. Beberapa upaya yang dlauan pemerntah dalam hal penddan dmasudan agar dapat memberantas buta huruf atau buta asara. Indator yang dgunaan untu menguur tngat buta huruf adalah Anga Buta Huruf. Namun rata-rata anga buta huruf d Indonesa mash tergolong tngg (4,7%). Penguuran anga buta huruf merupaan nla yang ontnu dan berdstrbus t. Peneltan n menggunaan metode regres t untu menyesuaan dstrbus varabel responnya. Mempertmbangan adanya aspe spasal yang muncul pada data, perlu dlauan modfas pada pemodelan regre t, yatu dengan menerapan pembobot spasal. Oleh arena tu, metode regres yang dusulan dalam peneltan n yatu model regres terbobot atau GWtR. Varabel yang sgnfan pada pemodelan regres t merupaan anga partspas murn tngat SD, raso murd-guru, tngat pengangguran terbua, persentase pendudu msn dan persentase balta gz buru. Sedangan varabel yang sgnfan pada pemodelan GWtR adalah anga partspas murn tngat SD, raso murd-guru, tngat pengangguran terbua dan persentase pendudu msn. Perbandngan ebaan edua model menunjuan bahwa metode terba untu memodelan anga buta huruf d abupaten/ota se-jawa mur adalah GWtR. Kata Kunc Anga Buta Huruf, Regres t, GWtR. I. PENDAHULUAN Penddan merupaan suatu elemen yang sangat pentng dalam perembangan suatu bangsa. Dengan penddan, ana-ana dasah melalu pengetahuan yang postf dalam menemuan dan merumusan tujuan untu drnya d masamasa mendatang sesua dengan tujuan penddan nasonal yang dtetapan undang-undang nomor tahun 3 tentang Sstem Penddan Nasonal. Dalam undang-undang tersebut dtegasan bahwa penddan nasonal bertujuan mencerdasan ehdupan bangsa dan menngatan manusa Indonesa seutuhnya yatu manusa yang berman dan bertawa terhadap uhan Yang Maha Esa, berbud peert luhur[]. Beberapa upaya yang dlauan pemerntah provns Jawa mur dalam hal penddan antara lan bantuan baya penddan, dana BOS, beasswa, program penngatan tenaga pendd, penyedaan sarana prasarana penunjang penddan dan lan sebaganya. Hal tersebut dmasudan agar dapat memberantas buta huruf atau buta asara dan juga agar masyaraat dapat memperoleh penddan secara menyeluruh dan merata. Indator yang dgunaan untu menguur tngat buta huruf adalah Anga Buta Huruf. Namun rata-rata anga buta huruf d Indonesa adalah 4,7%, mash belum mendeat %[]. Jawa mur merupaan provns yang denal meml pereonoman yang tngg tetap dalam hal penddan mash dataan rendah, termasu mash tnggnya anga buta huruf. Menurut data Badan Pusat Statst Jawa mur tercatat anga buta huruf untu provns Jawa mur sebesar 7,7%. Dengan tnggnya anga buta huruf d Jawa mur, maa ngn dlauan peneltan mengena fator-fator yang mempengaruh anga buta huruf abupaten/ota d Jawa mur Obje yang aan dgunaan berupa abupaten/ota d provns Jawa mur maa unt pengamatannya aan berupa wlayah atau tempat (spatal). Jara antara satu wlayah dengan wlayah lan juga perlu dperhatan dalam penentuan fator yang mempengaruh anga buta huruf. Salah satu metode statst yang memperhtungan aspe spasal adalah Geographcally Weghted Regresson (GWR). GWR sendr adalah metode pengembangan dar model regres dmana setap parameter dhtung pada setap loas, sehngga pada setap tt loas geografs mempunya nla parameter regres yang berbeda-beda[3]. Pada peneltan n dlauan pemodelan Anga Buta Huruf d Provns Jawa mur dengan metode GWtR arena varabel respon yang dtelt berbentu ontnu dan memperhatan aspe spasal sehngga hubungan antara varabel respon dan varabel predtor dapat detahu d masng-masng abupaten/ota d Provns Jawa mur. Selan tu, anga buta huruf d Provns Jawa mur meml dstrbus t dengan cr-cr urva yang hampr sama dengan dstrbus normal standar dan araterst setap abupaten/ota d Provns Jawa mur juga berbeda. Hal n menunjuan ada pengaruh fator loas atau spasal sehngga metode GWtR sangat tepat untu dgunaan. Peneltan n dharapan dapat mengetahu fator-fator yang mempengaruh anga buta huruf sehngga dapat dlauan upaya pencegahan oleh pemerntah provns pusat. II. INJAUAN PUSAKA A. Pengujan Dstrbus Pengujan Kolomogorv-Smrnov merupaan salah satu metode statst yang dgunaan dalam pengujan esesuaan dstrbus. Hpotess yang dgunaan dalam pengujan Kolmogorov-Smrnov adalah sebaga berut. H : F y F y (Varabel dependen sesua dengan dstrbus dugaan) H : F y F y (Varabel dependen tda sesua dengan dstrbus dugaan) Statst uj :

2 JURNAL EKNIK IS Vol. 6, No., (7) ISSN: (3-97 Prnt) D- D Sup F ( x) F ( x) () x ola H ja nla Dht D atau p-value < α yang artnya dstrbus varabel dependen tda sesua dengan dstrbus dugaan. B. Multolneartas Salah satu cara untu mendetes adanya asus multolneartas dapat dlhat melalu nla varance nflaton factors (VIF) yang dnyataan sebaga berut[4]. VIFj () R C. Regres t Model regres unvarat t merupaan model regres dengan varabel respon Y berdstrbus t dan data yang damat hanya meml satu varabel respon dengan varabel predtor X, X,, X. Ja hubungan lner antara varabel bebas X, X,, X dengan varabel respon Y untu pengamatan e- dnyataan sebaga: p j n y x ;,,.., n p (3) Selanjutnya ja y bersfat ndependen dan dent berdstrbus t, parameter loas x, parameter sala ψ, dan derajat bebas τ, maa fungs denstas dar y adalah[5]: ( ) ( y x ) f ( y ) ; y ( ) ( ) D. Uj Aspe Spasal Dependens spasal merupaan ndas pada pengamatan d suatu loas berpengaruh terhadap pengamatan d loas lan yang berdeatan. Pengujan dependens spasal dapat dlauan dengan menggunaan uj Moran s I dengan hpotess yang duj yatu tda muncul ndas dependens spasal (H )[6]. Daerah rts tola H ja ZI Z yang artnya bahwa terdapat dependens spasal antar loas dengan α adalah taraf sgnfans. Heterogentas spasal atau eragaman yang terdapat d setap loas pengamatan n dapat dsebaban oleh araterst d setap loas pengamatan. Pengujan heterogentas spasal dapat dlauan menggunaan uj Bruesch-Pagan dengan hpotess yang duj yatu tda muncul ndas heterogentas spasal (H )[7]. Daerah rts tola H ja (4) BP atau ja p-value<α yang artnya bahwa terdapat heterogentas spasal dengan adalah banyanya predtor. E. Geographcally Weghted t Regresson (GWtR) Model Geographcally Weghted t Regresson adalah pengembangan dar model regres unvarat t dmana setap parameter mempertmbangan leta geografs, sehngga setap tt loas geografs mempunya nla parameter regres yang berbeda-beda[8]. Model Geographcally Weghted t Regresson (GWtR) adalah sebaga berut: (u v ) exp( (u v ) (u v ) x (u v ) x... (u v ) x ) exp( x (u v )) (uv ) e x Sehngga fungs epadatan probabltas dar y adalah f( y, v ), ) x, v ) e ( ) x, v ) x, v ) e ( e ) ( ) x, v ) e y x, v ) e (6) Proses penasran parameter model GWtR d suatu tt u, v membutuhan adanya pembobot spasal dmana pembobot yang dgunaan adalah fungs ernel gaussan Fungs ernel fxed meml nla bandwdth yang sama untu semua loas pengamatan, fungs pembobot dar fungs ernel fxed gaussan adalah sebaga berut[9]. w u, v exp j d j b dengan dj u u j v v j antara loas u, v e loas j, j (5) (7) adalah jara eucl-dean u v dan b adalah parameter non negatf yang detahu dan basanya dsebut parameter penghalus (bandwdth). Bandwdth dapat danalogan sebaga radus dar suatu lngaran, sehngga sebuah tt yang berada d dalam radus lngaran mash danggap meml pengaruh. Pengujan parsal parameter model GWtR dgunaan untu mengetahu sgnfans pada masng-masng parameter β ( u, v). Hpotess : H : u, v j H : u, v ;,,, ; j,,, j Statst uj : dmana Z ht ˆ j u, v (8) SE ˆ u, v j ˆ ˆ j, var ˆ j,, SE ˆ j u, v SE u v u v adalah tasran standart error yang ddapatan dar elemen ˆ u, v. dagonal e-j+ dar matrs varan covaran j Ja tngat sgnfans sebesar α, maa eputusan tola H ja Z. ht Z F. Pemlhan Model erba Pemlhan model terba merupaan proses evaluas dar model untu mengetahu seberapa besar peluang masngmasng model yang terbentu sudah sesua dengan data. AIC (Aae s Informaton Crteron) merupaan salah satu rtera yang dgunaan dalam pemlhan model yang

3 JURNAL EKNIK IS Vol. 6, No., (7) ISSN: (3-97 Prnt) D-3 terba. Ja dua model dbandngan, maa model dengan nla AIC yang terecl merupaan model yang lebh ba. Penentuan nla AIC dlauan dengan perhtungan sebaga berut. AIC ln Lˆ ˆ (9) G. Anga Buta Huruf (ABH) Anga Buta Huruf (ABH) merupaan suatu ndator yang menunjuan etertnggalan seelompo pendudu tertentu dalam mencapa penddan. Anga Buta Huruf n dapat juga dgunaan sebaga ndator untu melhat pencapaan program-program pemerntah dalam usahanya memberantas buta asara. ngat buta huruf rendah atau tngat mele huruf yang tngg menunjuan adanya sebuah sstem penddan dasar yang efetf dan atau program easaraan yang memungnan sebagan besar pendudu untu memperoleh emampuan menggunaan ata ata tertuls dalam ehdupan sehar har dan melanjutan pembelajarannya. Hal yang terpentng adalah menngatan esadaran masyaraat bahwa penddan sangat dperluan bag setap ndvdu. Sehngga programprogram pembangunan dalam bdang penddan yang dcanangan pemerntah dapat berhasl sesua dengan yang tujuan yang dharapan[]. III. MEODOLOGI PENELIIAN Data yang dgunaan dalam peneltan n merupaan data seunder yang dperoleh dar Susenas 5 yang dpublasan dalam Statsta Penddan Provns Jawa mur 5 mengena data Anga Buta Huruf. Data seunder dalam peneltan n aan dpaa unt observas d 38 abupaten/ota d Provns Jawa mur. Varabel respon peneltan n adalah anga buta huruf, sedangan varabel predtor yang dgunaan adalah anga partspas murn tngat SD (X ), raso murd-guru (X ), raso murd-seolah (X 3 ), tngat pengangguran terbua (X 4 ), persentase daerah berstatus ota (X 5 ), persentase pendudu msn (X 6 ) dan persentase balta gz buru (X 7 ) Langah analss dalam peneltan n adalah sebaga berut.. Mendesrpsan varable anga buta huruf dan fatorfator yang mempengaruh tap abupaten/ota d provns Jawa mur dengan peta temat.. Pemersaan nla VIF pada varabel predtor untu mendetes adanya asus multolneartas. 3. Melauan pengujan esesuaan dstrbus menggunaan statst uj Kolmogorov-Smrnov. 4. Memodelan anga buta huruf d abupaten/ota se- Jawa mur dengan regres t. 5. Melauan pengujan efe spasal. 6. Melauan pemodelan GWtR pada anga buta huruf d abupaten/ota se-jawa mur 7. Membandngan nla AIC. IV. ANALISIS DAN PEMBAHASAN A. Desrps Varabel Anga Buta Huruf dan Fator- Fator yang dduga Mempengaruh Persebaran anga buta huruf dapat dlhat melalu sebuah peta yang dsebut peta temat. Berut adalah peta untu persebaran anga buta huruf abupaten/ota se-jawa mur tahun 5. PA CIA N NG AW I MA G EA N PO NO R O G O UB AN BO JO NE G O RO MA DIU N ULU NG AG U NG RE NG G AL EK LA MO NG A N GR ES IK BL IAR Gambar. Persebaran Anga Buta huruf Kabupaten/ota yang meml anga buta huruf dengan ategor sedang yang dgambaran dengan warna hjau muda realtf lebh banya dbandngan dengan ategor tngg dan rendah. Sedangan abupaten/ota yang meml anga buta huruf dengan ategor rendah sebanya 4 abupaten/ota dan abupaten/ota yang meml anga buta huruf dengan ategor tngg sebanya 3 abupaten/ota. Selan persebaran anga buta huruf juga aan detahu desrps dar anga buta huruf dan fatorfator yang mempengaruhnya. abel. Desrps Anga Buta Huruf dan Fator-fator yang Mempengaruh Varabel Mean Varans Anga Buta Huruf (Y) 7,5 7,79 Anga Partspas Murn ngat SD (X ) 97,38,8 Raso Murd-Guru (X ) 4,99,87 Raso Murd-Seolah (X 3) 94, 7996,9 ngat Pengangguran erbua (X 4) 4,36,99 Persentase Daerah Berstatus Kota (X 5) 45, 55,3 Persentase Pendudu Msn (X 6),6 5,34 Persentase Balta Gz Buru (X 7),,5 Berut adalah desrps dar anga buta huruf dan fatorfator yang mempenagruhnya dlhat dar nla mean dan varans. Selan nla mean dan varans juga aan detahu abupaten/ota yang meml nla tertngg dan terendah untu anga buta huruf dan fator-fator yang mempengaruhnya. abel. Desrps Anga Buta Huruf dan Fator-fator yang Mempengaruh(Lanjutan) Varabel Mn Max Anga Buta Huruf (Y) Kab. Sdoarjo Kab. Sampang Anga Partspas Murn Kab. Malang Kab. Mojoerto ngat SD (X ) Kab. Bondowoso Raso Murd-Guru (X ) Kab. Stubondo Kota Mojoerto Raso Murd-Seolah (X 3) Kab. Lamongan Kota Bltar ngat Pengangguran erbua (X 4) MA LA NG Persentase Daerah Berstatus Kota (X 5) Persentase Pendudu Msn (X 6) Persentase Balta Gz Buru (X 7) BA NG K AL A N SURABAYA (ota) SID O AR JO SA MP A NG PA ME K AS A N NG AN JUK JO M BA NG MO JO KE RO PASURUAN (ota) PA S URUA N KEDIR I (ota) PROBOLINGGO (ota) KE DIR I BAU (ota) PRO B O LI NG G O MALANG (ota) LUM AJA NG Kab. Pactan Kab. Sampang Kota Malang Kab. Jombang Kota Kedr Kota Kedr Kota Bltar Kota Malang Kota Pasuruan Kota Mojoerto Kota Madun Kota Surabaya Kab. Sampang Kab. Nganju Setelah mengetahu persebaran dan juga desrps dar varabel anga buta huruf dan fator-fator yang mempengaruhnya maa dapat dlauan analss lebh lanjut. JE M BE R SUM E NE P BO ND O W O S O SIU BO N DO BA NY UW AN GI W Keterangan: N S E

4 JURNAL EKNIK IS Vol. 6, No., (7) ISSN: (3-97 Prnt) D-4 B. Detes Multolneartas Pendetesan multolneartas menggunaan nla varance nflaton factors (VIF) dtamplan dalam abel 3 sebaga berut. abel 3. Nla VIF Varabel Predtor Varabel Predtor VIF VIF Anga Partspas Murn SD (X ),459,8 Raso Murd-Guru (X ) 6,595,47 Raso Murd-Seolah (X 3) 5,534 - ngat Pengangguran erbua (X 4),7,53 Daerah Berstatus Kota (X 5) 3,58 - Raso Pendudu Msn (X 6) 3,895,63 Raso Balta Gz Buru (X 7),68,98 Nla VIF pada varabel Raso murd-seolah (X 3 ) dan ngat Pengangguran erbua (X 4 ) lebh dar sehngga melanggar asums multolnertas. Darenaan varabel tersebut melanggar asums multolnertas maa edua varabel tersebut dhlangan. Nla VIF adalah nla VIF dar varabel predtor setelah menghlangan varabel Raso Murd-Seolah dan varabel Daerah Berstatus Kota. Nla VIF dar semua varabel predtor telah urang dar maa asums multolnertas terpenuh. Sehngga varabel yang dgunaan adalah Anga Partspas Murn SD (X ), Raso murd-guru (X ), ngat Pengangguran erbua (X 3 ), Raso Pendudu Msn (X 4 ) dan Raso Pendudu Msn (X 5 ). Darenaan tda terdapat asus multolneartas maa dapat dlanjutan dengan analss regres. C. Pengujan Dstrbus Pengujan dlauan menggunaan pengujan Kolomogorov-Smrnov. Varabel respon anga buta huruf d abupaten/ota se-jawa mur dduga mengut dstrbus t. Ddapatan nla p-value dar anga buta huruf d abupaten/ota se-jawa mur sebesar,6466. Nla p-value lebh besar dar taraf sgnfans 5% sehngga dputusan gagal tola H yang artnya anga buta huruf d abupaten/ota se-jawa mur mengut dstrbus t. D. Regres t Hasl estmas parameter model regres t pada anga buta huruf d abupaten/ota se-jawa mur pada abel 4. abel 4. Estmas Parameter Model Regres t Parameter Estmas Std. Error Z htung β -3,4765, ,689** β,365633, ,486* β -,3997,3686 -,859* β 3 -,37644,3385 -,975788* β 4,85966,363933,44747* β 5,54, ,696596* Devans (G ) = 4,965 R-sq = 7,6% Pengujan secara serenta dlauan dengan menggunaan hpotess dan statst uj G. abel 3 menunjuan hasl pengujan parameter secara serenta, ddapatan nla G sebesar 4,965. Nla G dbandngan dengan nla 5,. yatu sebesar 9,36357 ddapatan hasl bahwa nla G lebh besar dar 9,36357 sehngga dputusan tola H yang artnya terdapat mnmal satu varabel predtor yang berpengaruh secara sgnfan terhadap anga buta huruf. abel 3 menunjuan nla Zhtung semua varabel predtor lebh besar dar,64 sehngga dputusan tola H yang artnya varabel anga partspas murn SD (X ), raso murd-guru (X ), tngat pengangguran terbua (X 3 ), persentase pendudu msn (X 4 ) dan persentase balta gz buru (X 5 ) berpengaruh sgnfan terhadap anga buta huruf d Kabupaten/Kota se-jawa mur. Model regres t dar anga buta huruf yang dhaslan adalah sebaga berut. yˆ 3, 476,365 X,3997 X,376 X,859 X, 5X Ja anga partspas murn SD bertambah satu satuan maa anga buta huruf sebesar,365%. Ja raso murdguru berurang satu satuan maa anga buta huruf sebesar,399%. Ja persentase tngat pengangguran terbua berurang satu satuan maa anga buta huruf sebesar,376%. Ja persentase pendudu msn sebesar bertambah satu satuan maa anga buta hurud sebesar,8597% dan ja persentase balta gz buru bertambah satu satuan maa anga buta huruf sebesar,5%. E. Efe Spasal Sebelum dlauan pemodelan menggunaan GWtR, terlebh dahulu dlauan pengujan aspe spasal, yatu dependens spasal dan heterogentas spasal. Berdasaran hasl analss yang dlauan, ddapatan nla p-value Anga Buta Huruf sebesar,3765. Nla p-value dbandngan dengan taraf sgnfans 5%, maa nla p- value lebh besar dar 5% yang artnya gagal tola H. Hal n dapat dsmpulan bahwa tda terdapat dependens spasal pada data Anga Buta Huruf. Pengujan heterogentas spasal dlauan untu melhat adanya eragaman secara geografs. Uj yang dgunaan adalah uj Bruesch-Pagan. Berdasaran hasl analss ddapatan nla statst Breusch Pagan pada Anga Buta Huruf sebesar 8,938. Pada taraf sgnfans 5% ddapatan nla,5;5 sebesar,455 sehngga nla BP pada Anga Buta Huruf lebh besar dar,5;5 yang artnya tola H. Hal n dapat dsmpulan bahwa terdapat heterogentas spasal pada data Anga Buta Huruf Kabupaten/Kota Se- Jawa mur tahun 5. Oleh arena tu analss Anga Buta Huruf dlanjutan pada pemodelan geographcally weghted t regresson (GWtR). F. Geographcally Weghted t Regresson Pemodelan GWtR dlauan dengan menambahan pembobot spasal fungs ernel fxed gaussan. Hasl pengujan parameter secara serenta, ddapatan nla G sebesar 77, Nla G dbandngan dengan nla 5,. yatu sebesar 9,36357 ddapatan hasl bahwa nla G lebh besar dar 9,36357 sehngga dputusan tola H yang artnya terdapat mnmal satu varabel predtor yang berpengaruh secara sgnfan terhadap anga buta huruf dengan menggunaan metode GWtR. Maa selanjutnya dlauan pengujan parameter secara parsal yang bertujuan untu mengetahu varabel predtor mana yang berpengaruh sgnfan terhadap anga buta huruf. Hasl pengujan sgnfans parameter model GWtR pada bulan November dtamplan dalam abel 5.

5 JURNAL EKNIK IS Vol. 6, No., (7) ISSN: (3-97 Prnt) D-5 abel 5. Varabel yang Sgnfan dalam Model GWtR Anga Buta Huruf Kabupaten/Kota Varabel yang Berpengaruh Sgnfan Ngaw, Gres, Batu X, X, X 3, X 4, X 5 Pactan, Ponorogo, renggale, ulungagung, Bltar, Kedr, Malang, Lumajang, Jember, Banyuwang, Bondowoso, Stubondo, Probolnggo, Pasuruan, Sdoarjo, Mojoerto, X Jombang, Nganju, Madun, Magetan,, X, X 3, X 4 Bojonegoro, uban, Lamongan, Bangalan, Sampang, Pameasan, Sumenep, Kedr, Bltar, Malang, Probolnggo, Pasuruan, Mojoerto, Madun, Surabaya. abel 5. menunjuan bahwa terdapat dua elompo tt pengamatan. Kelompo pertama adalah varabel anga partspas murn tngat SD (X ), raso murd-guru (X ), tngat pengangguran terbua (X 3 ), persentase pendudu msn (X 4 ) dan persentase balta gz buru (X 5 ) berpengaruh sgnfan d abupaten Ngaw, abupaten Gres dan ota Batu. Pada elompo edua adalah varabel anga partspas murn tngat SD (X ), raso murd-guru (X ), tngat pengangguran terbua (X 3 ) dan persentase pendudu msn (X 4 ) yang berpengaruh sgnfan d semua abupaten/ota se-jawa mur ecual tga abupaten/ota pada elompo pertama. Persebaran pada peta temat dapat dlhat pada gambar. PA CIA N NG AW I MA G EA N PO NO R O G O UB AN BO JO NE G O RO MA DIU N ULU NG AG U NG RE NG G AL EK LA MO NG A N GR ES IK BL IAR MA LA NG BA NG K AL A N SURABAYA (ota) SID O AR JO NG AN JUK JO M BA NG MO JO KE RO PA S URUA N (o ta) PA S URUA N KEDIR I (ota) PROBOLINGGO (ota) BAU (ota) KE DIR I PRO B O LI NG G O MALANG (ota) LUM AJA NG Gambar. Pengelompoan Anga Buta Huruf dengan Metode GWtR G. Pemlhan Model erba SA MP A NG PA ME K AS A N Pemlhan model terba berdasaran nla AIC pada model regres t dan GWtR dtamplan pada abel 6 sebaga berut. JE M BE R SUM E NE P BO ND O W O S O SIU BO N DO BA NY UW AN G I abel 6. Pemlhan Model erba Model Regres R AIC Regres t 7,6% 46,43 GWtR 76,4% 45,7478 Keterangan: Kelompo Kelompo W N S E V. KESIMPULAN DAN SARAN Hasl pemodelan regres t menunjuan bahwa varabel yang berpengaruh sgnfan adalah anga partspas murn tngat SD, raso murd-guru, tngat pengangguran terbua, persentase pendudu msn dan persentase balta gz buru. Untu pemodelan GWtR dengan fungs pembobot fxed gaussan ddapatan bahwa terdapat dua elompo tt pengamatan. Kelompo pertama adalah varabel anga partspas murn tngat SD, raso murd-guru, tngat pengangguran terbua, persentase pendudu msn dan persentase balta gz buru berpengaruh sgnfan d abupaten Ngaw, abupaten Gres dan ota Batu. Pada elompo edua adalah varabel anga partspas murn tngat SD, raso murd-guru, tngat pengangguran terbua dan persentase pendudu msn yang berpengaruh sgnfan d semua abupaten/ota se-jawa mur ecual tga abupaten/ota pada elompo pertama. Saran untu peneltan selanjutnya dapat dlauan pengujan dstrbus yang sesua dengan varabel respon. Dan pada analss dengan Geographcally Weghted t Regresson dtambahan varabel-varabel baru. DAFAR PUSAKA [] Ssdnas, U. (3). Penddan Bag Umat Manusa. Surabaya: Surabaya. [] BPS. (6). dases dar pada tanggal 6 September 6 [3] Fotherngham, Brunsdon, & Charlton. (). Geographcally Weghted Regresson: he Abalyss of Spatally Varyng Relatonshp. Chchester: Wley and Sons, ltd. [4] Gujarat, D. N. (4). Basc Econometrcs (4 ed.) New Yor: he McGraw-Hll. [5] Kotz, S., & Nadarajah, S. (4). Multvarate t Dstrbuton and her Applcaton. Unted Kngdom: Cambrdge Unversty Press. [6] Lee, J., dan Wong, D. W. (). Statstcal Analyss wth ArcVew GIS. Canada: John Wlley & Sons, Inc [7] Anseln, L. (988). Spatal Econometrcs: Methods and Models. Dordrecht: Kluwer Academc Publsher [8] Sugart, H., Purhad, Sutno, & Purnam, S. W. (4). Penasr Parameter untu Model Geographcally Weghted t Regresson (GWtR). KNM XVII, [9] Cleveland, W. S., & Loader, C. (998). Local Regresson Models. USA: A& Bell Laboratores, 6 Mountan, Murray Hll, NJ [] Susenas. (5). Statsta Penddan Provns Jawa mur. Surabaya: BPS Jawa mur. Krtera nla AIC adalah, model dataan ba eta meml nla AIC yang ecl. Selan AIC juga dapat dlhat dar nla R. Model yang ba meml nla R yang besar. abel 5 menunjuan bahwa pemodelan GWtR lebh ba dalam memodelan anga buta huruf d abupaten/ota se- Jawa mur arena meml nla AIC yang lebh ecl dan nla R yang lebh besar dar pada pemodelan regres t. Pada varabel anga buta huruf sendr terdapat heterogentas spasal sehngga pemodelan GWtR lebh ba dalam memodelan anga buta huruf d abupaten/ota se- Jawa mur dbandngan dengan pemodelan regres t.