PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM 1 Henny Kusumaningrum, 2 Dwi Endah Kusrini dan 3 Destri Susilaningrum

dokumen-dokumen yang mirip
BAB 2. Tinjauan Teoritis

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB II LANDASAN TEORI

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 5. ANALISIS REGRESI DAN KORELASI

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

X a, TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

Uji Statistika yangb digunakan dikaitan dengan jenis data

Regresi & Korelasi Linier Sederhana

Regresi Linier Sederhana Definisi Pengaruh

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

REGRESI & KORELASI LINIER SEDERHANA

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Analisis Autokorelasi Spasialtitik Panas Di Kalimantan Timur Menggunakan Indeks Moran dan Local Indicator Of Spatial Autocorrelation (LISA)

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

AUTOKORELASI SPASIAL UNTUK IDENTIFIKASI POLA HUBUNGAN KEMISKINAN DI JAWA TIMUR

Analisis Korelasi dan Regresi

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Spatial Durbin Model untuk Mengidentifikasi Faktor-Faktor yang Mempengaruhi Kematian Ibu di Jawa Timur

BAB II TINJAUAN PUSTAKA

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010

*( Diah Ayu Novitasari Fakultas Ekonomi Universitas Islam Lamongan ABSTRAK

BAB III UKURAN PEMUSATAN DATA

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

REGRESI & KORELASI LINIER SEDERHANA

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

REGRESI LINIER SEDERHANA

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) ( X Print) D-277

Statistika ITS Surabaya

ANALISIS REGRESI DOUBLE HURDLE TERHADAP FAKTOR- FAKTOR YANG MEMPENGARUHI PARTISIPASI PEREMPUAN KAWIN DALAM KEGIATAN EKONOMI DI JAWA TIMUR

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

Analisis Regresi Double Hurdle terhadap Faktor-Faktor yang Mempengaruhi Partisipasi Perempuan Kawin dalam Kegiatan Ekonomi di Jawa Timur

UKURAN GEJALA PUSAT DAN UKURAN LETAK

S2 MP Oleh ; N. Setyaningsih

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik

Analisis Spasial pada Aglomerasi Industri Manufaktur

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

Bab II Teori Pendukung

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2011 DENGAN PENDEKATAN REGRESI BINOMIAL NEGATIF

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

ANALISIS REGRESI SPASIAL DAN POLA PENYEBARAN PADA KASUS DEMAM BERDARAH DENGUE (DBD) DI PROVINSI JAWA TENGAH. DOI: /medstat.10.2.

TINJAUAN PUSTAKA Evaluasi Pengajaran

BAB III METODE PENELITIAN

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

Pemodelan Regresi Poisson Inverse Gaussian Studi Kasus: Jumlah Kasus Baru HIV di Provinsi Jawa Tengah Tahun 2015

Faktor - Faktor yang Mempengaruhi Pelayanan Distribusi Air Bersih di Kawasan Permukiman Perkotaan Kabupaten Pamekasan

8. MENGANALISIS HASIL EVALUASI

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

PEMETAAN PENYAKIT DEMAM BERDARAH DENGUE DENGAN ANALISIS POLA SPASIAL DI KABUPATEN PEKALONGAN. Hasbi Yasin 1, Ragil Saputra 2.

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

STATISTICAL STUDENT OF IST AKPRIND

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

Pemodelan Jumlah Balita Gizi Buruk di Jawa Timur dengan Geographically Weighted Poisson Regression

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Demam Berdarah Dengue (DBD)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

ANALISIS SURVIVAL DENGAN MODEL REGRESI COX WEIBULL PADA PENDERITA DEMAM BERDARAH DENGUE (DBD) DI RUMAH SAKIT HAJI SUKOLILO SURABAYA

Pemodelan Regresi Linier Menggunakan Metode Theil (Studi Kasus: Kompensasi Pegawai di Badan Kepegawaian Daerah Kota Samarinda)

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

Pemodelan dan Pemetaan Kasus Pneumonia di Kota Padang Tahun 2014 dengan Geograpghically Weighted Negative Binomial Regression

Pemodelan Jumlah Kematian Bayi di Provinsi Jawa Timur Tahun 2011 dengan Pendekatan Regresi Binomial Negatif

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

BAB II TINJAUAN PUSTAKA

Pemodelan Kasus Pneumonia Balita di Kota Surabaya dengan Geographically Weighted Poisson Regression dan Flexibly Shaped

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter

3 Departemen Statistika FMIPA IPB

2.2.3 Ukuran Dispersi

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

Transkripsi:

PEMODELAN SPASIAL EKONOMETRIK KERUGIAN MAKROEKONOMI AKIBAT BENCANA ALAM He Kusumagrum, 2 Dw Edah Kusr da 3 Destr Suslagrum Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jala Aref Rahma Hakm, Surabaa 6 E-mal : he_k@mhs.statstka.ts.ac.d, dw_edah@statstka.ts.ac.d, destr_s@statstka.ts.ac.d Abstrak Asa-Pasfk termasuk d dalama Idoesa merupaka daerah peghasl seperempat dar Produk Domestk Bruto (PDB) dua, amu dalam 3 tahu terakhr 85% dar kemata da 38% keruga ekoom global ag dakbatka oleh becaa alam juga terjad d kawasa. Bag Idoesa dampak becaa sagat terasa. Besara kerusaka da keruga akbat dampak becaa sagat besar. Pada peelta megaalss megea keruga makroekoom akbat becaa alam. Dduga terdapat efek depedes spasal dalam kasus, sehgga peelesaa dalam kasus megguaka regres dega pedekata area, atu Spatal Durb Model (SDM). Hasl statstka deskrptf, dketahu bahwa Rata-rata la PDRB atas dasar harga berlaku d Pulau Jawa adalah sebesar 3738 (Juta Rupah). Rata-rata populas peduduk d Pulau Jawa sebesar 83,6 rbu jwa. Rata-rata jumlah kejada becaa sebesar 8,583 kejada. Rata-rata jumlah korba jwa akbat becaa sebesar 89,3. Rata-rata jumlah kerusaka rumah akbat becaa sebesar 4. Rata-rata jumlah kerusaka fasltas umum akbat becaa sebesar 9,73. Berdasarka model Spatal Durb Model (SDM) ddapatka varabel predktor ag sgfka adalah populas peduduk, utuk varabel dega pembobot ag sgfka adalah jumlah kejada becaa arta kejada becaa d suatu wlaah berdampak pada wlaah la ag berdekata. Nla rho tdak sgfka, arta tdak terdapat keterkata PDRB atas dasar harga berlaku pada suatu wlaah dega wlaah la ag berdekata. Kata Kuc : Regres Spasal, Becaa Alam, Spatal Durb Model (SDM) I. PENDAHULUAN B esara kerusaka da keruga akbat dampak becaa d Idoesa sagat besar. Tsuam Aceh (24) membulka kerusaka da keruga Rp 39 Trlu. Berturut-turut Gempa Bum Yogakarta da Jawa Tegah tahu 26 (Rp 27 trlu), bajr Jakarta tahu 27 (Rp 4,8 trlu), Gempa Bum Sumatra Barat tahu 29 (Rp 2,6 trlu), da erups Merap tahu 2 d luar dar dampak lahar dg sebesar Rp 3,56 trlu []. Dampak fskal becaa secara asoal memag tergolog kecl. Sebaga msal, tsuam Aceh tahu 24 haa,3% dar produk domestk regoal bruto (PDRB) Idoesa. Namu prosetase tersebut sagat brsar d tgkat daerah atu mecapa 45% dar produk domestk regoal bruto (PDRB). Begtu pula Gempa Bum Yogakarta mecapa 4% da Gempa Bum Sumatera Barat sebesar 3% dar PDRB. Tetu sagat berat jka dbebaka kepada daerah, dalam kods ormal, saat baak daerah-daerah d Idoesa ag defst. Selama hampr 9 perse lebh sumber daa becaa berasal dar pemertah pusat. Kemampua pemertah megalokaska daa cadaga peaggulaga becaa setap tahu haa sektar Rp 4 trlu. Daa tersebut dguaka utuk megatas semua becaa [2]. Tujua dalam peelta atu utuk meusu da megkaj pemodela keruga makro ekoom ag dakbatka oleh adaa becaa alam dega megguaka metode spasal ekoometrk. Metode memugkka utuk memodelka keruga makro ekoom akbat becaa alam ag dduga berasal dar aspek lokas. II. TINJAUAN PUSTAKA A. Statstka Deskrptf Statstk deskrptf merupaka metode-metode ag berkata dega pegumpula da peaja suatu gugus data sehgga memberka formas ag bergua [3]. Statstka deskrptf dguaka utuk merepresetaska data dar formas ag dperoleh dar Bada Pusat Statstk (BPS) da Bada Pusat Peaggulaga Becaa (BNPB).Dega megguaka statstk dskrptf dapat dketahu karakterstk la PDRB atas harga berlaku da kejada becaa pada kabupate/kota d Pulau Jawa berserta varabel-varabel ag mempegaruh. Hasl aalss pada pembahasa dtamplka dalam betuk peta Pulau Jawa. B. Pemodela Regres Spasal Secara umum model regres spasal dataka dalam persamaa berkut [8]. = ρρww uu Dega uu = λλww 2 uu εε εε ~NN(, σσ 2 II) dmaa : Vektor varabel depede, berukura ρρ : Koefse spasal lag varabel depede : Matrks varabel depede, berukura (kk ) ββ : Vektor parameter koefse regres, berukura (kk ) λλ : Parameter koefse spasal lag pada error uu : Vektor error berukura εε : Vektor error berukura, ag berdstrbuas ormal dega mea ol da varas σσ 2 II

2 WW, WW 22 : Matrks pembobot, berukura II : Matrks dettas, berukura dega : Baak amata atau lokas ( =,2,, ) k : Baak varabel depede (kk =,2,, ll) Vektor error dasumska memlk efek lokas radom da berautokorelas secara parsal. W da W 2 merupaka matrks pembobot ag meujukka hubuga cotgut atau fugs jarak atar lokas da dagoala berla ol. Betuk matrks persamaa datas dtujukka sebaga berkut uu = [uu uu 2 uu ] TT εε = [εε εε 2 εε ] TT = [ 2 ] TT ww ww 2 ww ww 2 ww 22 ww WW atau WW 22 = 2 ww ww mm ww mm2 ww mmmm xx xx kk xx = 2 xx 2kk II xx = xx xx oooo C. Spatal Durb Model (SDM) Spatal Durb Model (SDM) memlk cr khas sedr atu adaa peambaha spasal lag pada varabel predktor (Asel, 988). Model SDM dataka pada persamaa berkut. = β wj β ( βx β2 x2... β k xk... βp x p ( β 2 w x β w x... β wj x pj ε j j 22 j 2 j 2 p dega k adalah baaka varabel predktor da adalah baaka pegamata. Model persamaa (2.8) dapat dataka dalam betuk matrk d maa vektor parameter koefse spasal lag varabel predktor dataka dalam β 2 sepert ag dtujukka pada persamaa berkut. atau j j k k 2k k = k = = 2 ρ W β β W β ε Dega Z = [ W] p = ρ w β β x β wj xkj ε = ρ W Zβ ε β = [β β β 2 ] T D. Depedes Spasal Spatal depedece mucul berdasarka hukum Tobler I (979) atu segala sesuatu salg berhubuga dega hal ag la tetap sesuatu ag lebh dekat mempua pegaruh ag besar. Asel (988) p meataka bahawa uj utuk megetahu spatal depedece d dalam error suatu model adalah dega megguaka statstk Mora s I da Lagrage Multpler tes. Tes Mora s I dguaka utuk megetahu adaa depedes spasal pada model regres [4]. Korelas pearso (ρρ) atara varabel x da dega baak data adalah sebaga berkut. ρρ = =(xx xx )( ) ( =(xx xx ) 2 ( ) 2 /2 = ) Dega xx da adalah rata-rata sampel dar varabel x da. Rumus ρρ dguaka utuk megukur apakah varabel x da salg berkorelas. Mora s I dguaka utuk megukur korelas atara varabel x dalam data sebaak. Formula dar Mora s I adalah sebaga berkut [5]. II MMMM = = jj = WW (xx xx )(xx jj xx ) SS =(xx xx ) 2 EE(II MMMM ) = II = vvvvvv(ii MMMM ) = 2 33 SS SS 2 2SS 2 ( )( 2)( 3)SS 2 SS = ww 2 ww jjjj 2 SS 2 = (ww 2 = ww ) 2 jj = SS = = ww ww = = ww ww = jj = ww Koefse Mora s I dguaka utuk uj depedes spasal atau autokorelas atar pegamata atau lokas. Hpotessa adalah sebaga berkut H :I = (tdak ada autokorelas atar lokas) H :I (ada autokorelas atar lokas) Statstk uj ag dguaka adalah. ZZ h = II MMss EE(II MMMM ) vvvvvv (II MMMM ) dmaa xx : data observas ke- ( =,2, ) xx jj : data observas ke-j (jj =,2, ) xx : rata-rata data observas vvvvvv (II) : varas Mora s I EE (II) : expected value Mora s I Keputusa H dtolak apabla ZZ h > ZZ (αα/2) pada tgkat sgfka αα. Nla dar dex I adalah atara - sampa. Apabla I > I berart data berautokorelas postf, jka I < I berart data berautokorelas egatf. Ideks Mora s I berla ol megdetfkas data tdak berkelompok, deks Mora s I berla postf megdetfkas autokorelas spasal postf ag arta lokas ag berdekata mempua la mrp da cederug berkelompok, deks Mora s I berla egatf megdetfkas autokorelas spasal egatf ag arta lokas ag berdekata mempua la berbeda. Pola pegelompokka da peebara atar lokas dapat dlhat dalam Mora s Scatterplot. Mora s Scatterplot meujukka hubuga atara la amata pada suatu lokas dstadartka dega rata-rata amata

3 pada lokas-lokas ag bertetaga dega lokas ag damat [6]. Mora s Scatterplot dtujukka pada Gambar. Apabla pada Gambar 2 dguaka metode Quee cotgut maka dperoleh susua matrks berukura 5x5 sebaga berkut: Wx..5. II I W quee = -.5 -. -. III -.5 Gambar Mora s I Scatterplot Mora s I Scatterplot terdr dar empat kuadra, atu kuadra I hgga kuadra IV. Pola ag terletak d kuadra I da III cederug memlk autokorelas postf, sedagka sebalka jka terletak d kuadra II da IV cederug memlk autokorelas egatve. Pejelasa masg-masg kuadra Gambar datas adalah sebaga berkut.. Kuadra I (Hgh-Hgh) Meujukka lokas ag mempua la amata tgg dkellg oleh lokas ag mempua la amata tgg 2. Kuadra II (Low-Hgh) Meujukka lokas ag mempua la amata redah dkellg oleh lokas ag mempua la amata tgg 3. Kuadra III (Low-Low) Meujukka lokas ag mempua la amata redah dkellg oleh lokas ag mempua la amata redah 4. Kuadra IV (Hgh-Low) Meujukka lokas ag mempua la amata tgg dkellg oleh lokas ag mempua la amata redah [7] E. Matrks Pembobot Spasal Pembobot ag dpaka adalah dega megguaka persgguga ss sudut (Quee Cotgut) adalah lokas ag berssa (commo sde) atau ttk suduta (commo vertex) bertemu dega lokas ag mejad perhata dber pembobota WW =, sedagka utuk lokas laa adalah WW =. Utuk lebh jelasa dapat dlhat pada Gambar berkut [4].. x IV Gambar 2 cotgut (Persgguga).5. Bars da kolom meataka rego ag ada pada peta. Matrks pembobot/pembag spasal merupaka matrks smetrs, da dega kadah bahwa dagoal utama selalu ol. Matrks dlakuka stadarsas utuk medapatka jumlah bars ag ut, atu jumlah bars sama dega satu, sehgga matrks mejad sebaga berkut: W quee,5 =,3,5,5,5,3,5,3,5 III. METODOLOGI PENELITIAN A. Sumber Data da Varabel Peelta Data ag dguaka dalam peelta atu data sekuder dar Bada Nasoal Peaggulaga Becaa (BNPB) utuk medapatka kejada-kejada becaa serta kerusaka ag dtmbulka akbat becaa d pulau Jawa ag mecakup 5 kota da kabupate. Sela tu juga dguaka data BPS tetag PDRB da populas peduduk. B. Varabel Peelta Model Spasal Ekoometrka ag dguaka dalam peelta adalah sebaga berkut ρ W β β W β ε = 2 Dmaa : = PDRB atas dasar harga berlaku ρ = Parameter scalar β = Vektor dar koefse regres W = Bobot matrk spasa[ ε = Error ag berdstrbus ormal multvarate dega mea sebesar µ da varas σσ 2 ll Sedagka varabel adalah sebaga berkut. = Populas peduduk per kota/kabupate 2 = Jumlah kejada becaa (melput semua becaa bajr, taah logsor, guug meletus, dll) 3 = Jumlah korba jwa (melput korba meggal, luka-luka, hlag, mederta, da megugs) 4 = Jumlah kerusaka rumah (melput rumah teredam, rusak berat, rusak sedag, da rusak rga)

4 5 = Jumlah kerusaka fasltas umum (melput fasltas peddka, kesehata, saraa perbadata, kator, pabrk, da kos) C. Metode Aalss Metode aalss ag dguaka utuk mecapa tujua adalah dega megguaka metode statstka deskrptf, peta tematk, da regres spasal. Adapu lagkah aalssa adalah sebaga berkut.. Medeskrpska karakterstk kejada becaa, jumlah korba jwa, jumlah kerusaka rumah, jumlah kerusaka fasltas umum, jumlah peduduk, serta la PDRB Atas Dasar Harga Berlaku dar kabupate/kota dalam betuk statstka deskrptf da peta tematk. Eksploras data dega peta tematk dguaka utuk megetahu pola peebara data per masg-masg varabel tersebut. 2. Melakuka pemodela regres spasal dega lagkah-lagkah sebaga berkut. a. Membuat Matrks Pembobot Spasal (W) ag dalam peelta matrks pembobot ag dguaka atu persgguga Quee Cotgut. b. Melakuka peguja regres sederhaa, atu estmas parameter, meguj sgfkas parameter dega uj parsal, da uj asums resdual regres dar data. Resdual data tdak memeuh asums resdual ormal, sehgga dlakuka trasformas l. c. Melakuka uj depedes spasal atau korelas dega megguaka Mora s I. Uj Mora s I dlakuka utuk masg-masg varabel respod da predktor. Apabla pola data berkelompok, maka terdapat spasal autokorelas sehgga dapat dlajutka ke pemodela spasal. d. Melakuka pemodela Spatal Durb Model (SDM) dega membuat matrks pembobot W dega eleme-elemea (w j ) berla da. Pemodela dlakuka berdasarka hasl estmas parameter ag telah ddapatka. e. Megtepretaska model ag telah terbetuk dmaa utuk predks la PDRB Berlaku mash dalam betuk l, sehgga utuk mempulka hasl da medapatka la keruga predks tersebut dbawa kembal ke dalam betuk ekspoesal/ at l. f. Mempulka hasl ag dperoleh IV. HASIL DAN PEMBAHASAN A. Statstka Deskrptf Becaa Alam da Varabel ag Mempegaruh Rata-rata la PDRB atas dasar harga berlaku d Pulau Jawa adalah sebesar 3738 (Juta Rupah) dega la mmum sebesar 237 (Juta Rupah) da la maksmum sebesar 292565 (Juta Rupah). Rata-rata populas peduduk d Pulau Jawa sebesar 83,6 (Rbu Jwa) dega la mmum sebesar 2,7 (Rbu Jwa) da la maksmum sebesar 4949,5 (Rbu Jwa). Rata-rata jumlah kejada becaa d Pulau Jawa sebesar 8,583 kejada dega la mmum atu tdak terjad becaa / da la maksmum atu sebesar 54 kejada. Ratarata jumlah korba jwa akbat becaa alam d Pulau Jawa sebesar 89,3 dega la mmum atu tdak terdapat korba / da la maksmum atu sebesar.95 jwa. Rata-rata jumlah kerusaka rumah akbat becaa d Pulau Jawa sebesar 4 dega la mmum atu tdak terdapat kerusaka rumah / da la maksmum atu sebesar 3.494. Rata-rata jumlah kerusaka fasltas umum akbat becaa d Pulau Jawa sebesar 9,73 dega la mmum atu tdak terdapat kerusaka fasltas umum / da la maksmum atu sebesar 27. B. Tes Mora s I Hasl tes Mora s I utuk masg-masg varabel dega megguaka matrks pembobot Quee Cotgut atu sebaga berkut. Tabel Uj Autokorelas atar Wlaah Megguaka Mora s I Varabel Mora s Z htug I PDRB Berlaku 2.5865 42.2374 Populas Peduduk ( ).9823 32.439 Jumlah Kejada Becaa ( 2 ).9237 5.759 Jumlah Korba Jwa ( 3 ).5584 9.236 Jumlah Kerusaka Rumah ( 4 ) -.5322-8.585 Jumlah Kerusaka Fasltas -.278-3.45 Umum ( 5 ) Z,5 =,64 I = -.88 Hasl tes Mora s I dega megguaka matrks pembobot quee cotgut dtujukka pada Tabel Suatu varabel dkataka sgfka berautokorelas spasal apabla deks mora s lebh besar dar I da bertada postf serta la Z htug lebh besar dar Z.5. Sedagka jka deks mora s meghaslka la egatf berart terjad autokorelas egatf da meujukka pola data ag bersfat meebar. Berdasarka hasl tabel tersebut dketahu bahwa semua varabel depede meghaslka la Mora s I ag lebh besar darpada I, utuk varabel Populas peduduk ( ), Jumlah Kejada Becaa ( 2 ), Jumlah Korba Jwa ( 3 ) meghaslka la Z htug ag lebh dar Z α/2 da Mora s I berla postf hal berart bahwa terjad pegelompokka wlaah secara sgfka. Sedagka utuk varabel jumlah kerusaka rumah ( 4 ), da jumlah kerusaka fasltas umum ( 5 ) meujukka adaa autokorelas egatf. Varabel depede PDRB berlaku meghaslka la Mora s I ag lebh besar darpada I da berla postf. Hal tersebut dapat dsmpulka bahwa terdapat spasal autokorelas da meujukka pola data ag berkelompok. C. Pemodela Spasal Hasl detfkas dega la Mora s I utuk setap varabel meujukka bahwa depedes atarlokas ag berdekata tdak haa terjad pada varabel respo, amu juga terjad pada varabel

5 predktor. Oleh karea tu, dlakuka aalss dega megguaka metode SDM. Estmas parameter dega metode SDM dsajka pada Tabel berkut. Tabel 2. Estmas Parameter SDM Varabel Koefse Z P-Value β 7,525 4.423, β,83 6.847, β 2 -,248 -.268,7887 β 3 -,26 -.549,248 β 4,6.3558,752 β 5,77.9495,3423 β 2,.37,787 β 22 -,7778-2.4889,28 β 23 -,99 -.883,2347 β 24,72.252,228 β 25 -,6 -.283,8272 ρ,374 2.4992,24 Rsq = 6,63% α = 5% Berdasarka tabel 2 varabel ag sgfka pada tgkat sgfkas 5 perse atu populas peduduk. Sedagka utuk varabel dega pembobot ag sgfka pada tgkat sgfkas 5 perse atu jumlah kejada becaa arta kejada becaa d suatu wlaah berdampak pada wlaah la ag berdekata. Nla rho meujukka hasl ag sgfka pada tgkat sgfkas 5 perse, arta terdapat keterkata keruga makroekoom akbat becaa alam berdasarka predks peurua la PDRB atas dasar harga berlaku pada suatu wlaah dega wlaah la ag berdekata. Nla Rsq=6,63 % berart bahwa model tersebut mampu mejelaska varas dar PDRB atas dasar harga berlaku sebesar 6,63 % da ssaa 38,37 % djelaska oleh varabel la d luar model. Model umum utuk keruga makro ekoom ag dakbatka adaa becaa alam dtjau dar la PDRB atas dasar harga berlaku ag telah dubah kedalam betuk trasformas l adalah sebaga berkut. ˆ =,374 Wj j 7,525,83,248 2,26 3,6 4,77 5, Wj j, 778 Wj 2 j,99 Wj 3 j,72 Wj 4 j,6 Wj 5 j Berkut dpaparka model SDM utuk kabupate da kota d masg-masg provs d pulau Jawa berdasarka jumlah kejada becaa ag terbaak. Sebaga cotoh atu wlaah Jakarta Selata. Jakarta Selata ˆ =,374( ) 7,525,83,248 2,26 3,6 4,77 5,( ),778( 2 2 2 2 2 2 ),99( 3 3 3 3 3 3 ),72( 4 4 4 4 4 4 ),6( 5 5 5 5 5 5 ) Model SDM utuk Jakarta Selata datas dapat duraka berdasarka koefse dega hasl sebaga berkut. ˆ =,229( ) 7,525,83,248 2,26 3,6 4,77 5,67( ),3 ( 2 2 2 2 2 2 ),65( 3 3 3 3 3 3 ),2( 4 4 4 4 4 4 ),268( 5 5 5 5 5 5 ) Berdasarka model SDM utuk Jakarta Selata dapat dsmpulka bahwa varabel ag sgfka berpegaruh adalah populas peduduk, arta jka populas peduduk d Jakarta Selata, Garut, Woogr, Slema, Bojoegoro, da Lebak ak sebaak jwa, maka PDRB atas dasar harga berlaku d Jakarta Selata, Garut, Woogr, Slema, Bojoegoro, da Lebak bertambah sebesar,83. Sedagka varabel ag sgfka dega wlaah ag berdekata adalah jumlah kejada becaa. Pegaruh jumlah kejada becaa terhadap keruga makro ekoom dtjau berdasarka la PDRB atas dasar harga berlaku berbeda-beda utuk setap kabupate/kota.sebaga cotoh utuk wlaah Jakarta Selata, jka jumlah kejada becaa d Jakarta Selata bertambah kejada, serta jumlah kejada becaa d Jakarta Pusat, Jakarta Tmur, Jakarta Barat, Depok, Kab. Tagerag da Kota Tagerag bertambah kejada maka la PDRB atas dasar harga berlaku d Jakarta Selata aka berkurag sebesar,3. V. KESIMPULAN Berdasarka hasl aalss da pembahasa ag telah dlakuka, ddapatka beberapa kesmpula atara la sebaga berkut.. Karakterstk becaa alam ag perah terjad d Pulau Jawa serta keruga ag dhaslka berdasarka la PDRB atas harga berlaku adalah sebaga berkut. Rata-rata la PDRB atas dasar harga berlaku d Pulau Jawa adalah sebesar 3738 (Juta Rupah) dega la mmum sebesar 237 (Juta Rupah) da la maksmum sebesar 292565 (Juta Rupah). Rata-rata populas peduduk d Pulau Jawa sebesar 83,6 rbu jwa dega la mmum

6 sebesar 2,7 rbu jwa da la maksmum sebesar 4949,5 rbu jwa. Rata-rata jumlah kejada becaa d Pulau Jawa sebesar 8,583 kejada dega la mmum atu tdak terjad becaa da la maksmum atu sebesar 54 kejada. Rata-rata jumlah korba jwa akbat becaa alam d Pulau Jawa sebesar 89,3 dega la mmum atu tdak terdapat korba da la maksmum atu sebesar 95 jwa. Rata-rata jumlah kerusaka rumah akbat becaa d Pulau Jawa sebesar 4 dega la mmum atu tdak terdapat kerusaka rumah da la maksmum atu sebesar 3494. Rata-rata jumlah kerusaka fasltas umum akbat becaa d Pulau Jawa sebesar 9,73 dega la mmum atu tdak terdapat kerusaka fasltas umum da la maksmum atu sebesar 27 DAFTAR PUSTAKA [] Bada Nasoal Peaggulaga Becaa (22). Dampak Becaa Terhadap Ekoom Idoesa, http://www.majalahglobalrevew.com/op/8- op/25-dampak-becaa-terhadap-ekoomdoesa.html. 24 September 23: 2.5 PM. [2] Global Assessmet Report (2), Dampak Becaa Terhadap Ekoom Idoesa. http://www.majalahglobalrevew.com/op/8- op/25-dampak-becaa-terhadap-ekoomdoesa.html. 24 September 23: 9.3 PM. [3] Walpole, R. E. (995). Pegatar Statstka (Ketga ed.). Jakarta: PT. Grameda Pusaka. [4] LeSage, J.P. (999), The Theor ad Practce of Spatal Ecoometrcs, Asa Pacfc Press. [5] Parads, E. (23). Mora's Autocorrelato Coeffcet Comparatve Methods. New York: Sprger. [6] Lee, J., & Wog, S. W. (2). Statstcal Aalss wth Archew GIS. Uted Stated of Amerca: Joh Wlle & Sos, INC. [7] Perobell, F. S., & Haddad, E. (23). Brazla Iterregoal trade (985-996): A Explorator Spatal Data Aalss. Sao Paulo: Ed. Perspectva. [8] Asel, L. (988). Spatal Ecoometrcs Methods ad Models. Netherlads: Kluwer Academc Publshers. 2. varabel ag sgfka pada tgkat sgfkas 5 perse atu populas peduduk. Sedagka utuk varabel dega pembobot ag sgfka pada tgkat sgfkas 5 perse atu jumlah kejada becaa arta kejada becaa d suatu wlaah berdampak pada wlaah la ag berdekata. Nla rho meujukka hasl ag sgfka pada tgkat sgfkas 5 perse, arta terdapat keterkata keruga makroekoom akbat becaa alam berdasarka predks peurua la PDRB atas dasar harga berlaku pada suatu wlaah dega wlaah la ag berdekata. Nla Rsq=6,63 % berart bahwa model tersebut mampu mejelaska varas dar PDRB atas dasar harga berlaku sebesar 6,63 % da ssaa 38,37 % djelaska oleh varabel la d luar model. Spatal Durb Model (SDM) ag dhaslka adalah sebaga berkut. ˆ =,374 Wj j 7,525,83,248 2,26 3,6 4,77 5, Wj j, 778 Wj 2 j,99 Wj 3 j,72 Wj 4 j,6 Wj 5 j,87 Wj 3 j,59 Wj 4 j,69 Wj 5 j ŷ dmaa merupaka la predks l PDRB berlaku d kabupate / kota ke- (Juta Rupah)