PEMODELAN KEMISKINAN DI PROVINSI JAWA TIMUR DENGAN METODE SEEMINGLY UNRELATED REGRESSION (SUR) SPASIAL

Transkripsi

1 PEMODELAN KEMISKINAN DI PROVINSI JAWA TIMUR DENGAN METODE SEEMINGLY UNRELATED REGRESSION (SUR) SPASIAL Dibyo Adi Wiboao 1), Setiawan 2), dan Vita Ratnasari 3) 1) Program Studi Magister Statistika, Institut Teknologi Sepuluh Nopember Jl. Arief Rahman Hakim, Surabaya, 60111, Indonesia 1) 2,3) Jurusan Statistika, Institut Teknologi Sepuluh Nopember ABSTRAK Kemiskinan merupakan masalah yang kompleks karena berhubungan dengan berbagai aspek kehidupan dari manusia. Salah satu provinsi di Indonesia yang memiliki persentase kemiskinan yang tinggi yaitu Provinsi Jawa Timur. Meskipun dari tahun ke tahun jumlah kemiskinan di Provinsi Jawa Timur telah mengalami penurunan, namun kondisi saat ini masih sangat jauh dari harapan pemerintah untuk menurunkan jumlah kemiskinan. Kasus kemiskinan dapat dimodelkan dengan Ekonometrika. Model Ekonometrika seringkali diterapkan dalam permasalahan yang melibatkan satu atau lebih persamaan yang saling berkaitan. Salah satu metode yang dapat digunakan untuk menyelesaikan beberapa persamaan yang saling berkaitan dikarenakan error regresinya saling berkorelasi adalah Seemingly Unrelated Regression (SUR). Spatial Seemingly Unrelated Regression (SUR-Spasial) dikembangkan dengan mempertimbangkan adanya keterkaitan atau efek spasial (antar lokasi). Berdasarkan hasil pengujian Lagrange Multiplier diperoleh bahwa model SUR-Spasial untuk data kemiskinan di Provinsi Jawa Timur adalah SUR-Spasial Autoregresive Model (SUR- SAR). Berdasarkan model SUR-SAR didapatkan variabel yang berpengaruh signifikan terhadap persentase penduduk miskin adalah laju pertumbuhan PDRB atas harga konstan upah minimum kabupaten, dan rata-rata lama sekolah. Indeks Kedalaman Kemiskinan dipengaruhi oleh Laju pertumbuhan PDRB atas harga konstan dan rata-rata lama sekolah. Sedangkan Indeks Keparahan Kemiskinan dipengaruhi Laju pertumbuhan PDRB atas harga konstan dan rata-rata lama sekolah. Kata kunci: Kemiskinan, Spasial, SUR, SUR-SAR. PENDAHULUAN Menurut chambers (1996) kemiskinan merupakan masalah yang kompleks karena berhubungan dengan berbagai aspek kehidupan dari manusia. Salah satu Provinsi di Indonesia yang memiliki presentase kemiskinan yang tinggi yaitu Propinsi Jawa Timur. Jawa Timur merupakan Provinsi dengan pertumbuhan ekonomi terbesar kedua secara nasional setelah Provinsi DKI Jakarta. Pertumbuhan ekonomi Provinsi Jawa Timur dapat dilihat dari PDRB atas harga konstan. Pada tahun 2010 perekonomian Jawa Timur mampu tumbuh 6,68 persen, pada tahun 2011 hingga 2012 pertumbuhan perekonomian Jawa Timur meningkat dari 7,22 persen menjadi 7,27 persen. Adanya fenomena peningkatan pertumbuhan ekonomi yang disertai peningkatan Persentase Penduduk Miskin, maka dikaji dalam penelitian ini. Penelitian ini dilakukan di Provinsi Jawa Timur pada tahun Permasalahan kemiskinan di Provinsi Jawa Timur meliputi tiga hal yaitu Persentase Penduduk Miskin, Indeks Kedalaman Kemiskinan dan Indeks Keparahan Kemiskinan yang dapatdimodelkan dalam beberapa persamaan. Salah satu studi yang dapat diterapkan untuk menyelesaikan masalah kemiskinan adalah ekonometrika. Studi ekonometrika seringkali digunakan untuk A-19-1

2 menyelesaikan beberapa persamaan dan antar persamaan terdapat keterkaitan. Jika antar persamaan saling berkaitan dikarenakan error regresinya saling berkorelasi maka pendekatan yang lebih tepat adalah Seemingly Unrelated Regression (SUR). Seemingly Unrelated Regression (SUR) diperkenalkan pertama kali oleh Zellner (1962) pada kasus permintaan investasi. Beberapa contoh tentang pengembangan SUR antara lain dalam ranah spasial (Mur dan Lopez, 2009), dan Bayesian (Kakamu, Polesek, dan Wago, 2006). SUR pertama kali dibawa ke ranah spasial oleh Anselin (1988). Di Indonesia penelitian mengenai Spatial Seemingly Unrelated Regression (SSUR) diantaranya dilakukan oleh Pristiandana (2012), dan Arum (2014). Penelitian mengenai kemiskinan telah banyak dilakukan, diantaranya oleh Setiawati (2012) mengenai kemiskinan di Jawa Timur dengan pendekatan ekonometrika panel Spasial, Anuraga (2014) mengenai kemiskinan dengan metode Spatial Structural Equation Modeling-Partial Least Square, Arisanti (2011) membahas tentang kemiskinan di Provinsi Jawa Timur dengan model regresi spasial atau single equation. Berbeda dengan penelitian sebelumnya, dalam penelitian ini dibahas permasalahan kemiskinan di Provinsi Jawa Timur pada tahun 2012 dengan melibatkan beberapa persamaan dan diindikasikan ada keterkaitan wilayah, sehingga digunakan pendekatan Spatial Seemingly Unrelated Regression(SSUR). METODE Model Regresi Spasial Regresi spasial merupakan suatu pengembangan metode regresi yang mengakomodasi adanya dependensi spasial. Dependensi spasial pada regresi spasial direpresentasikan dalam matrik pembobot spasial yang elemenya menunjukan adanya persinggungan wilayah ataupun kedekatan wilayah. Model yang dikembangkan oleh Anselin (1988) menggunakan data spasial cross section. Modelnya ditunjukkan sebagai berikut. y ρw1 y Xβ u, (1) u λw2u ε, ~ N 0, σ I ε 2 Model Seemingly Unrelated Regression Seemingly Unrelated regression (SUR) merupakan sebuah pengembangan dari model regresi linear yang terdiri dari beberapa persamaan regresi, dimana setiap persamaan memiliki variabel respon yang berbeda. Menurut Kmenta (1971) bahwa secara umum model SUR untuk m persamaan dapat ditulis sebagai berikut. (2) Model Spatial Seemingly Unrealated Regression (SSUR) Model SUR spasial diperkenalkan pertama kali oleh Anselin (1988). Model umum SUR spasial adalah sebuah model dengan struktur autoregresif yang terdapat pada persamaan utama, error atau keduanya. Jika terdapat model SUR spasial yang struktur autoregresifnya hanya terdapat pada persamaan utama saja disebut SUR-Spatial Autoregressive Model (SUR- SAR). Berikut adalah model SUR-Spasial yang terdapat pada persamaan utama (SUR-SAR) (3) A-19-2

3 dengan dimana dan. Model umum SUR-SAR dengan persamaan tunggal akan ditulis sebagai berikut. (4) Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistika (BPS) di Provinsi Jawa Timur tahun Tahapan Metode Penelitian Adapun metode dan tahapan yang digunakan untuk menjawab rumusan masalah pada penelitian ini adalah: 1. Melakukan deskripsi masing-masing variabel respon sebagai gambaran awal kemiskinan di Provinsi Jawa Timur. 2. Mengidentifikasi pola hubungan antara variabel respon dan prediktor. 3. Mengkorelasikan error antar model persentase penduduk miskin, kedalaman kemiskinan dan keparahan kemiskinan. 4. Menentukan pembobot spasial Costumize 5. Melakukan pengujian aspek spasial untuk SUR Spasial dengan Lagrange Multiplier test. 6. Melakukan pemodelan dengan pendekatan SUR spasial. 7. Mengintepretasikan model SUR spasial. Variabel Penelitian Variabel respon dan variabel prediktor yang digunakan ada pada Tabel 1. Tabel 1. Variabel Penelitian Variabel Keterangan Tipe data Satuan Y 1 Y 2 Persentase Penduduk Miskin Indeks kedalaman kemiskinan Persen Persen Y 3 X 1 X 2 X 3 X 4 X 5 Indeks keparahan kemiskinan Laju pertumbuhan PDRB atas harga konstan Upah minimum kabupaten per bulan Rata-rata lama sekolah Pengeluaran perkapita rumah tangga Indeks Gini HASIL DAN PEMBAHASAN Persen Persen Ratusan ribu Tahun Juta/bulan Analisis Diskriptif Kemiskinan Provinsi Jawa Timur Salah satu indikator keberhasilan pembangunan adalah penurunan Persentase Penduduk Miskin. Persentase Penduduk Miskin Provinsi Jawa Timur selama periode selalu mengalami penurunan dari 15,26 persen pada tahun 2010 menjadi 13,40 persen pada tahun Walaupun terjadi penurunan Persentase Penduduk Miskin, namun Persentase Penduduk Miskin Provinsi Jawa Timur masih di atas Persentase Penduduk Miskin nasional sebesar 1,41 persen hingga 1,93 persen pada periode Secara lengkap disajikan pada Gambar 1. Gambar 1. Jumlah Penduduk Miskin Jawa Timur, Persentase Penduduk Miskin Jawa Timur dan Nasional Periode Tahun A-19-3

4 Gambar 2. Persentase Penduduk Miskin Jawa Timur pada Tahun 2012 Berdasarkan Gambar 2 dapat dilihat penyebaran Persentase Penduduk Miskin di Provinsi Jawa Timur pada tahun 2012 yang tertinggi adalah di Kabupaten Sampang dengan persentase pentuduk miskin sebesar 27,87 persen. Sementara kabupaten kedua dan ketiga adalah Kabupaten Bangkalan dan Probolinggo. Gambar 3. Garis Kemiskinan, Indeks Kedalaman, dan Indeks Keparahan Kemiskinan JawaTimur Selain gambaran persentase penduduk miskin, juga diperlukan gambaran tingkat keparahan dan kedalaman kemiskinan di Provinsi Jawa Timur. Pada Gambar 3 dapat dilihat Indeks Kedalaman Kemiskinan ( ) dan Indeks Keparahan Kemiskinan ( ) mengalami trend penurunan dalam rentang waktu 2010 hingga Penurunan Indeks Kedalaman Kemiskinan terendah terjadi pada rentang sebesar 4,62 persen. Sedangkan Penurunan tertinggi pada Indeks Kedalaman Kemiskinan terjadi pada rentang sebesar 20,26 persen. Sementara, trend penurunan yang sama terjadi pada Indeks Keparahan Kemiskinan, dengan penurunan terendah terjadi pada rentang sebesar 8,47 persen, dan penurunan tertinggi terjadi pada rentang sebesar 29,63 persen. Setelah mendeskripsikan indikator yang berkaitan kemiskinan di Provinsi Jawa Timur, langkah selanjutnya adalah mengidentifikasi pola hubungan antara variabel respon dengan variabel prediktor. Gambar 4 merupakan pola hubungan antara variabel respon dengan setiap variabel yang diduga mempengaruhinya. Scatterplot of Persentase P vs Laju Per. PD; Upah Minimum;... Scatterplot of Kedalaman Ke vs Laju Per. PD;Upah Minimum;... Scatterplot of Keparahan Ke vs Laju Per. PD; Upah Minimum;... Laju Per. PDRB Upah Minimum rata-rata lama sekolah 0 Laju Per. PDRB Upah Minimum rata-rata lama sekolah 0 Laju Per. PDRB Upah Minimum rata-rata lama sekolah 0 Persentase Pend. Miskin 0 Pengeluaran per Kapita RT. Gini 0 0 Kedalaman Kemiskinan 0 Pengeluaran per Kapita RT. Gini 0 0 Keparahan Kemiskinan 0 Pengeluaran per Kapita RT. Gini 0 0 Gambar 4. Pola Hubungan Antara Variabel Respon dengan Variabel Prediktor Berdasarkan Gambar 4 dapat dilihat pola hubungan antara Persentase Penduduk Miskin dengan setiap variabel prediktor menunjukan pola yang negatif. Artinya antar variabel A-19-4

5 tersebut memiliki hubungan berbanding terbalik. Misalkan, semakin tinggi laju pertumbuhan PDRB dengan harga konstan maka persentase kemiskinan semakin turun. Hal ini berlaku sama untuk hubungan Persentase Penduduk Miskin dengan setiap variabel prediktor. Setelah melakukan identifikasi pola hubungan pada Gambar 4, nilai korelasi setiap variabel respon dengan variabel prediktor yang diduga mempengaruhinya ditampilkan pada Tabel 2 dan terdapat korelasi antar variabel prediktor. Korelasi tertinggi untuk variabel respon yang pertama adalah korelasi antara Persentase Penduduk Miskin ( ) dengan rata-rata lama sekolah ( ), yaitu sebesar -0,819 dengan P-value sebesar 0. Hubungan antara dengan ke lima variabel prediktor terdapat korelasi negatif. Tabel 2. Korelasi Antara Variabel Respon dengan Variabel Prediktor Maupun Antar Variabel Prediktor Nilai 1 0,965 0,909-0,668-0,345-0,819-0, P-value Nilai 0, ,984-0,650-0,308-0, ,464 P-value Nilai 0,909 0, ,628-0,282-0,748-0,498-0,372 P-value Nilai -0,668-0,649-0, ,672 0,619 0,434 P-value Nilai -0,345-0,308-0, , ,293 P-value Nilai -0,819-0,786-0,748 0,673 0, ,871 0,709 P-value Nilai -0, ,498 0, , ,801 P-value Nilai -74-0,464-0,372 0,434 0,293 0,709 0,801 1 P-value Regresi Linear Berganda Hasil estimasi parameter untuk regresi linear berganda dapat dilihat pata Tabel 3. Tabel 3. Estimasi Parameter Regresi Linear Berganda Variabel [ ]Persentase Kemiskinan [ ]Kedalaman Kemiskinan [ ]Keparahan Kemiskinan Koef S.E P-value Koef S.E P-value Koef S.E P-value -1 0,149 0,101-0,243 0,151 0,118-0,231 0,149 0, ,138 0, ,140 0, ,138 0,666-0,723 0, , ,198 0, ,100 0,273 0,716 0,434 0,279 0,128 0,684 0, ,169 0, ,173 0, ,169 0,788 R-Squared 0,700 0,689 0,700 MSE 0,347 0,360 0,347 Berdasarkan Tabel 3 diperoleh variabel yang tidak signifikan yaitu variabel upah minimum kabupaten ( ), pengeluaran perkapita rumah tangga ( ), dan indeks gini ( ). Oleh kerena itu variabel yang tidak signifikan akan diabaikan satu persatu sampai di dapat variabel yang signifikan. Setelah diabaikan variabel yang tidak signifikan didapat dua variabel yang singnifikan yaitu laju pertumbuhan PDRB dengan harga konstan ( ) dan rata-rata lama sekolah ( ) terhapat Persentase Penduduk Miskin, Indeks Kedalaman Kemiskinan, dan Indeks Keparahan Kemiskinan. Nilai kriteria kebaikan model dengan R-Squared dan MSE A-19-5

6 pada Tabel 4 memberikan hasil yang baik. R-Squared untuk model 69,5%; 64,3% dan 58,8%. adalah Tabel Error! No text of specified style in document. Estimasi Parameter Regresi Linear Berganda [ ]Persentase [ ]Kedalaman [ ]Keparahan Variabel Penduduk Miskin Kemiskinan Kemiskinan Koef. P-value Koef. P-value Koef. P-value Kontanta 47,27 7,24 1,73-2, ,373 0, ,131-2, , R-Squared 0,695 0, MSE 0,322 0,377 0,436 Error model regresi linear berganda digunakan untuk inisialisasi pembentukan matrik varians-kovarians. Selanjutnya, pengecekan apakah terdapat korelasi antar model dapat dilihat pad Tabel 5 berikut. Tabel 5. Korelasi Antar Error Model Error Nilai P-value Nilai P-value Nilai P-value 1 0, , , , , , Korelasi antara Persentase Penduduk Miskin (Y1) dengan Indeks Kedalaman Kemiskinan ( ) dan Indeks Keparahan Kemiskinan ( ) masing-masing sebesar 0,900 dan 0,763. Sedangkan korelasi antara Indeks Kedalaman Kemiskinan ( ) dengan Indeks Keparahan Kemiskinan ( ) adalah 0,962. Signifikansi menunjukan bahwa korelasinya signifikan dengan Pengujian Efek Spasial pada SUR Pengujian aspek spasial menggunakan uji Lagrange Multiplier. Tabel 6 menunjukkan nilai LM SAR dan LM SEM masing-masing 9,1990x10 3 dan 0,2966. Uji LM yang signifikan terdapat pada model SUR-SAR, yaitu pada P-value 0 dengan menggunakan α=5 Tabel 6. Pengujian Lagrange Multiplier Untuk SUR Spasial Pengujian Nilai p-value LM test spatial lag 9,1990 x LM test spatial error 0,2966 0,9607 Oleh karena itu, model SUR-Spasial yang dapat dibentuk adalah SUR-SAR, yaitu model SUR dengan penambahan efek spasial pada modelnya. Pemodelan Spatial Seemingly Unrelated Regression (SSUR) Estimasi model SUR-Spasial untuk data kemiskinan di Provinsi Jawa Timur dilakukan dengan metode MLE. Hasil estimasi parameter model SUR-Spasial untuk data Kemiskinan di Provinsi Jawa Timur tahun 2012 dapat dilihat pada Tabel 7. Tabel 7. Estimasi Parameter Model SUR-SAR [ ]Persentase [ ]Kedalaman [ ]Keparahan Variabel Penduduk Miskin Kemiskinan Kemiskinan Koefisien P-value Koefisien P-value Koefisien P-value Kontanta 44 6,44 1,61-1, , , , A-19-6

7 MSE 0,4587 0, R-Squared Rho 0,4870 0,3860 0,2839 Berdasarkan hasil pemodelan pada Tabel 7 dapat dilihat bahwa Persentase Penduduk Miskin (Y1) dipengaruhi oleh laju pertumbuhan PDRB dengan harga konstan (X1) dan ratarata lama sekolah(x3) dengan tanda negatif. Begitu juga pada Indeks Kedalaman Kemiskinan ( ) dan Indeks Keparahan Kemiskinan ( ) dipengaruhu juga oleh laju pertumbuhan PDRB dengan harga konstan ( ), dan rata-rata lama sekolah( ) dengan tanda negatif. Nilai kriteria kebaikan model dengan R-Squared dan MSE pada Tabel 7 memberikan hasil yang baik. R- Squared untuk model adalah 56,6%; 54,6% dan 52,4%. Intepretasi Model SUR Spasial Berdasarkan hasil estimasi parameter model SUR-SAR untuk data kemiskinan di Provinsi Jawa Timur pada Tabel 7 diperoleh model untuk Persentase Penduduk Miskin, Indeks Kedalaman Kemiskinan dan Indeks Keparahan Kemiskinan. Model untuk Persentase Penduduk Miskin di Provinsi Jawa Timur sebagai berikut. Persamaan (5 ) menunjukan bahwa setiap kenaikan laju pertumbuhan PDRB dengan harga konstan (X1) sebesar 1 persen akan menurunkan angka kemiskinan sebesar 1,645 persen dengan syarat variabel lain tetap. Begitu juga kenaikan Rata-rata Lama Sekolah (X3) sebesar 1 tahun akan menurunkan angka kemiskinan sebesar 2,023 persen. Indeks Kedalaman Kemiskinan di Provinsi Jawa Timur dipengaruhi oleh laju pertumbuhan PDRB dengan harga konstan, dan Rata-rata lama sekolah. Model Indeks Kedalaman Kemiskinan berdasarkan tabel 7 adalah sebagai berikut. Berdasarkan persamaan ( 6) menunjukan bahwa setiap kenaikan kenaikan laju pertumbuhan PDRB dengan harga konstan (X1) sebesar 1 persen akan menurunkan Indeks Kedalaman Kemiskinan sebesar 0,320 persen dan Rata-rata Lama Sekolah (X3) sebesar 1 tahun akan menurunkan Indeks Kedalaman Kemiskinan sebesar 0,311 persen. Indeks Keparahan Kemiskinan di Provinsi Jawa Timur dipengaruhi oleh laju pertumbuhan PDRB dengan harga konstan, dan Rata-rata lama sekolah. Model Indeks Kedalaman Kemiskinan berdasarkan tabel 7 adalah sebagai berikut. Berdasarkan persamaan ( 7) menunjukan bahwa setiap kenaikan kenaikan laju pertumbuhan PDRB dengan harga konstan (X1) sebesar 1 persen akan menurunkan Indeks Kedalaman Kemiskinan sebesar 90 persen dan Rata-rata Lama Sekolah (X3) sebesar 1 tahun akan menurunkan Indeks Kedalaman Kemiskinan sebesar 76 persen. Model yang dihasilkan merupakan model SUR Spasial, dimana ada keterkaitan anatara satu kabupaten atau kota dengan kabupaten atau kota lainya. Sebagai contoh, model Persentase Penduduk Miskin, Indeks Kedalaman dan Keparahan Kemiskinan untuk Kabupaten Pacitan adalah (5) (6) (7) A-19-7

8 Persamaan adalah model Persentase Penduduk Miskin untuk Kabupaten Pacitan. Pada model tersebut diketahui bahwa besarnya Persentase Penduduk Miskin di kabupaten Pacitan berkaitan dengan Persentase Penduduk Miskin di Kabupaten Ponorogo, Trenggalek dan Magetan sebesar 0,1623, yang artinya setiap kenaikan penduduk miskin disekitar wilayah Pacitan (Kabupaten Ponorogo, Trenggalek dan Magetan) sebesar 1 persen, maka akan menaikan penduduk miskin di kabupaten pacitan sebesar 0,1623 persen. Begitu juga pada persamaan, dan. KESIMPULAN DAN SARAN Kesimpulan dari hasil penelitian ini adalah sebagai berikut: 1. Semua Kabupaten Kota di Provinsi Jawa Timur memiliki Persentase Penduduk Miskin (HCI), indeks kedalaman (PGI) dan keparahan kemiskinan (PSI) rendah kecuali Kota Probolinggo. Sementara kabupaten yang berada di kepulauan madura merupakan daerah dengan HCI, PGI, dan PSI yang tinggi. 2. Model spasial yang digunakan dalam kasus kemiskinan (HCI, PGI, dan PSI) di Provinsi Jawa Timur adalah Seemingly Unrelated Regression- Spatial Autoregresif Model (SUR- SAR), dikarenakan adanya keterkaitan antar wilayah di Kabupaten/Kota Jawa Timur. Hasil pemodelan SUR-SAR diperoleh bahwa Persentase Penduduk Miskin di pengaruhi oleh laju pertumbuhan PDRB dengan harga konstan dan rata-rata lama sekolah. Begitu juga dengan Indeks Kedalaman dan Keparahan Kemiskinan di pengaruhi oleh laju pertumbuhan PDRB dengan harga konstan dan rata-rata lama sekolah Saran untuk penelitian selanjutnya adalah: Pada penelitian ini, model yang digunakan adalah model SUR-SAR dengan data crosssection. Saran yang dapat diberikan untuk peneliti berikutnya adalah menggunakan model SUR Spasial dengan data panel, dimana selain menggunakan data cross-section juga menggunakan data Time series. Atau dengan menambahkan Fixed Effect Model (FEM) dan Random Effect Model pada data panel. DAFTAR PUSTAKA Anselin, L. (1988). A Test for Spatial Autocorrelation in Seemingly Regression. Economics Letters. Vol.28, hal Anuraga, G. (2014). Spatial Structural Equation Modeling-Partial Least Square untuk memodelkan kemiskinan di Jawa Timur. Thesis. Surabaya: institut Teknologi Sepuluh Nopember. Arisanti, R. (2011). Model Regresi Spasial untuk deteksi faktor-faktor Kemiskinan di Provinsi Jawa Timur. Thesis. Institut Pertanian Bogor. Bogor. Arunavega, A. (2014). "Analisis Ekonomi Kebijakan Fiskal: Spatial Seemingly Unrelated Regression untuk Memodelkan Pengeluaran Pemerintah di Jawa Timur. Thesis. Surabaya: institut Teknologi Sepuluh Nopember. Chambers, R. ( 1996). " Rural Development: Putting the Last First, Longman Group Limited". London. Mur, J. dan, F. Lopez. (2009). Testing for spatial effects in Seemingly Unrelated Regression. Makalah. A-19-8

9 Pristiandana, A. (2012). "Seemingly Unrelated Regression (SUR) Spasial untuk Memodelkan PDRB Sektor Unggulan di Jawa Timur". Thesis. Surabaya: institut Teknologi Sepuluh Nopember. Setiawati, A. (2012). Pemodelan Persentase Penduduk Miskin di Jawa Timur dengan Pendekatan Econometrika Panel Spasial. Tugas Akhir. Surabaya: institut Teknologi Sepuluh Nopember. Zallner, A. (1962). An Efficient Method of Estimating Seemingly Unrelated Regression and Test of Anggregation Bias. Journal of the American Statistical Association. Vol. 57, A-19-9