time is more value than money. you can get more money, but ... · gwpcar diperoleh satu kategori...
TRANSCRIPT
ii
LEMBAR PERSEMBAHAN
Time is more value than money. You can get more money, but you cannot get more time.
- Jim Rohn-
Tulisan ini saya persembahkan kepada:
kedua orang tua yang telah membesarkan saya,
Arisona (Alm) sebagai pacar yang selalu ada dan membantu saya
dalam perkuliahan sampai penyelesaian tugas akhir ini,
serta para sahabat yang telah membimbing dan memberikan doa.
v
Judul : Model Geographically Weighted Principal Components
Analysis Regression pada Data Spasial (Studi Kasus: Produk
Domestik Regional Bruto di Jawa Timur Tahun 2015)
Kompetensi : Statistika
Nama : Ni Putu Asri Laksmi
NIM : 1308405058
Pembimbing : 1. Made Susilawati, S.Si., M.Si.
2. Drs. Ketut Jayanegara, M.Si.
ABSTRAK
Penelitian ini bertujuan untuk memodelkan data PDRB di Jawa Timur tahun
2015. Analisis regresi memiliki dua jenis peubah yaitu peubah respon dan peubah
bebas. Adapun peubah bebas yang digunakan yaitu 17 kategori lapangan usaha
yang telah ditentukan oleh BPS, sedangkan peubah respon dalam penelitian ini
yaitu PDRB atas dasar harga berlaku. Data PDRB merupakan data yang
mengandung multikolinaritas dan terdapat efek spasial, oleh karena itu metode yang
digunakan dalam penelitian ini yaitu Geographically Weighted Principal
Components Analysis Regression (GWPCAR). Metode GWPCAR merupakan
perluasan dari metode Principal Component Analysis (PCA) yang mengandung
unsur geografis. Hasil penelitian ini menunjukkan bahwa berdasarkan model
GWPCAR diperoleh satu kategori yang menjadi prioritas di masing-masing
Kabupaten/Kota Jawa timur, dari 17 kategori lapangan usaha yang termasuk
didalamnya yaitu pengadaan listrik dan gas; pengadaan air, pengolahan sampah,
dan daur ulang; administrasi pemerintah, pertahanan, dan jaminan sosial wajib; jasa
lainnya; jasa keuangan dan asuransi; jasa perusahaan; konstruksi; penyediaan
akomodasi dan makan minum; informasi dan komunikasi; serta real estat.
Kata Kunci: Efek Spasial, GWPCAR, Multikolinearitas, PDRB
vi
Title : Geographically Weighted Principal Components Analysis
Regression Modeling on Spatial Data (Case Study: Gross
Regional Domestic Product in East Java on 2015)
Name : Ni Putu Asri Laksmi (NIM: 1308405058)
Supervisor : 1. Made Susilawati, S.Si., M.Si.
2. Drs. Ketut Jayanegara, M.Si.
ABSTRACT
This study aims to model GRDP data in East Java 2015. Regression analysis
has two types of variables, the response variable and the independent variables. The
independent variables used were 17 categories of business fields that have been
determined by Central Agency on Statistics, while the response variable is GRDP
at current prices. PDRB data is data containing multicollinearity and there is spatial
effect, therefore the method used in this research is Geographically Weighted
Principal Components Analysis Regression (GWPCAR). The GWPCAR method is
an extension of the Principal Component Analysis (PCA) method that contains
geographic elements. The results of this study indicate that based on the GWPCAR
model, one category is the priority in each regency / city of East Java, from 17
categories of business fields including is electricity and gas procurement; Water
supply, waste processing, and recycling; Government administration, defense and
compulsory social security; Other services; Financial and insurance services;
Company services; construction; Accommodation and drinking; Information and
communication; As well as real estate.
Keywords: GWPCAR, Multicollinearity, PDRB, Spatial Effect
vii
KATA PENGANTAR
Puji syukur penulis panjatkan kehadapan Ida Sang Hyang Widhi Wasa/
Tuhan Yang Maha Esa karena berkat rahmat-Nya, penulis dapat menyelesaikan
tugas akhir yang berjudul “Model Geographically Weighted Principal Components
Analysis Regression pada Data Spasial (Studi Kasus: Produk Domestik Regional
Bruto di Jawa Timur Tahun 2015)” tepat pada waktunya.
Pada kesempatan ini penulis mengucapkan terima kasih kepada berbagai
pihak yang telah memberikan bantuan sehingga tugas akhir ini dapat tersusun
dengan baik, antara lain:
1. Ibu Desak Putu Nilakusmawati, S.Si., M.Si. selaku Ketua Program Studi
Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Udayana.
2. Ibu Made Susilawati, S.Si., M.Si. sebagai pembimbing I yang telah banyak
memberikan bimbingan, dukungan dan arahan hingga terselesaikannya
tugas akhir ini.
3. Bapak Drs. Ketut Jayanegara, M.Si. sebagai pembimbing II yang telah
banyak memberikan bimbingan, dukungan dan arahan hingga
terselesaikannya tugas akhir ini.
4. Bapak Ir. I Komang Gde Sukarsa, M.Si., Bapak Ir. I Putu Eka Nila Kencana,
M.T., dan Bapak Drs. G.K. Gandhiadi, M.T. sebagai penguji yang telah
memberikan bimbingan dan arahan dalam penyelesaian tugas akhir ini.
viii
5. Para dosen di Program Studi Matematika Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Udayanayang telah memberikan dukungan
moral dalam penyelesaian tugas akhir ini.
6. Orang tua, keluarga, dan kawan-kawan yang telah memberikan motivasi,
semangat, dan doa dalam penyelesaian proposal tugas akhir ini.
7. Semua pihak yang turut membantu penyelesaian proposal tugas akhir ini,
yang tidak dapat penulis sebutkan satu persatu.
Penulis menyadari bahwa apa yang telah dipaparkan pada tugas akhir ini
masih jauh dari tingkat sempurna. Oleh karena itu kritik dan saran yang
membangun sangat penulis harapkan.
Bukit Jimbaran, 13 Juli 2017
Ni Putu Asri Laksmi
ix
BIODATA ALUMNI
Nama : Ni Putu Asri Laksmi
NIM : 1308405058
Jenis Kelamin : Perempuan
Tempat, Tanggal Lahir : Denpasar, 12 Februari 1995
Alamat : Jln. Imam Bonjol Gg. Nyuh Udang No. 210E
Agama : Hindu
Tanggal Lulus : 13 Juli 2017
IP Kumulatif : 3.68
Kompetensi : Statistika
Predikat Kelulusan : Dengan Pujian
Nilai TOEFL Lokal : 533
Email : [email protected]
Nama Ibu : Made nyatri
Nama Ayah : Drs. Ketut Subandira
Alamat Ayah/Ibu : Jln. Imam Bonjol Gg. Nyuh Udang No. 210E
x
DAFTAR ISI
Halaman
LEMBAR JUDUL ................................................................................................... i
LEMBAR PERSEMBAHAN ................................ Error! Bookmark not defined.
LEMBAR PERNYATAAN .................................. Error! Bookmark not defined.i
LEMBAR PENGESAHAN TUGAS AKHIR ....................................................... iv
ABSTRAK ............................................................................................................... v
ABSTRACT ........................................................................................................... vi
KATA PENGANTAR .......................................................................................... vii
BIODATA ALUMNI ............................................................................................. ix
DAFTAR ISI ........................................................................................................... x
DAFTAR TABEL ................................................................................................. xii
DAFTAR LAMPIRAN ........................................................................................ xiii
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang .................................................................................... 1
1.2 Rumusan Masalah ...................................................................................... 4
1.3 Batasan Masalah ................................................................................. 4
1.4 Tujuan Penelitian ................................................................................ 5
1.5 Manfaat Penelitian .............................................................................. 5
BAB II TINJAUAN PUSTAKA ............................................................................. 6
2.1 Analisis Regresi .......................................................................................... 6
2.2 Uji Heterogenitas ........................................................................................ 7
2.3 Geographically Weighted Regression (GWR) ....................................... 8
2.3.1 Bandwith ................................................................................... 8
xi
2.3.2 Fungsi Pembobot ...................................................................... 9
2.4 Penduga Parameter Model ...................................................................... 10
2.5 Multikolinearitas....................................................................................... 11
2.6 Principal Component Analysis (PCA) .............................................. 12
2.7 GWPCAR ......................................................................................... 17
2.8 Produk Domestik Regional Bruto (PDRB) ....................................... 19
BAB III METODE PENELITIAN........................................................................ 25
3.1 Jenis dan Sumber Data ....................................................................... 25
3.2 Peubah Penelitian ............................................................................... 25
3.3 Teknik Analisis Data.......................................................................... 27
BAB IV HASIL DAN PEMBAHASAN .............................................................. 29
4.1 Deskripsi ............................................................................................ 29
4.2 Model Regresi Linier ......................................................................... 29
4.3 Mendeteksi Multikolinearitas ............................................................ 30
4.4 Mendeteksi Heterogenitas Spasial ..................................................... 31
4.5 Pemodelan GWPCAR ........................................................................ 32
BAB V KESIMPULAN DAN SARAN ................................................................ 43
5.1 Kesimpulan ........................................................................................ 43
5.2 Saran .................................................................................................. 44
DAFTAR PUSTAKA ............................................................................................ 45
LAMPIRAN
xii
DAFTAR TABEL
Tabel Halaman
3.1 Peubah penelitian ........................................................................................ 26
4.1 Nilai VIF ...................................................................................................... 30
4.2 Uji BP .......................................................................................................... 31
4.3 Nilai dij dan Wj pada Setiap Lokasi Pengamatan Kabupaten/Kota Jawa
Timur dengan Lokasi Penelitian Kabupaten Ponorogo ............................. 34
4.4 Vektor Eigen ................................................................................................ 36
4.5 Kategori yang Berkontribusi Terbesar pada PDRB di Masing-Masing
Kabupaten/Kota Jawa Timur ...................................................................... 42
xiii
DAFTAR LAMPIRAN
Lampiran
1. Data PDRB Jawa Timur Menurut Lapangan Usaha Berdasarkan Atas Dasar
Harga Berlaku Tahun 2015 (Satuan Miliar Rupiah)
2. Korelasi Pearson
3. Titik Koordinat Kabupaten/Kota Jawa Timur (km)
4. Bandwidth
5. Jarak Euclidean
6. Pembobot
7. Vektor Eigen (PC1-PC17)
8. Penduga Parameter Model GWPCAR
9. Penduga Parameter Model GWPCAR Peubah X
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Analisis regresi memiliki dua jenis peubah yaitu peubah respon (y) dan
peubah bebas (x). Pada model regresi, satu atau lebih peubah bebas dapat
memengaruhi peubah respon. Asumsi klasik yang harus dipenuhi dalam analisis
regresi adalah normalitas, tidak terdapat multikolinearitas, tidak adanya
autokorelasi, dan homoskedastisitas.
Asumsi homoskedastisitas tidak terpenuhi apabila analisis regresi
digunakan pada data yang mengandung geografis di setiap lokasi pengamatan. Hal
ini disebabkan karena ragam sisaan pada data tidak konstan atau terjadi
heterogenitas spasial. Untuk mengatasi hal tersebut dapat dilakukan dengan
menggunakan regresi spasial. Regresi spasial adalah adanya unsur geografis pada
data yang dianalisis (Anselin, 1988).
Salah satu data yang diduga memperhitungkan unsur geografis di setiap
faktor-faktor pembentuknya yaitu Produk Domestik Regional Bruto (PDRB).
PDRB adalah jumlah nilai tambah suatu barang dan jasa di suatu wilayah dalam
melakukan berbagai kegiatan perekonomian pada suatu periode tertentu.
Perhitungan PDRB diperoleh melalui seluruh kegiatan perekonomian yang diukur
berdasarkan 17 kategori menurut lapangan usaha. PDRB disusun berdasarkan tiga
pendekatan diantaranya pendekatan produksi, pendekatan pengeluaran, dan
pendekatan pendapatan yang dituangkan atas dasar harga berlaku (nominal) dan
harga konstan (riil). PDRB atas dasar harga berlaku (nominal) merupakan PDRB
2
yang disusun oleh harga yang berlaku pada periode perhitungan tertentu dengan
tujuan untuk melihat struktur ekonomi di masing-masing daerah, sedangkan PDRB
atas dasar harga konstan (riil) merupakan PDRB yang disusun oleh harga tetap pada
satu tahun dasar dengan tujuan untuk mengukur pertumbuhan ekonomi secara
keseluruhan setiap tahunnya (BPS, 2016).
Peranan dari masing-masing kegiatan perekonomian di setiap wilayah dapat
digunakan perhitungan PDRB atas dasar harga berlaku, sehingga dapat mengetahui
jenis lapangan usaha yang menjadi prioritas di masing-masing daerah. PDRB
mengalami perubahan berkala sebanyak enam kali yaitu pada tahun 1960, 1973,
1983, 1993, 2000 dan 2010 (BPS, 2016). PDRB tahun 2015 termasuk dalam
perubahan tahun dasar 2010. Tahun dasar 2010, PDRB tidak dihitung berdasarkan
per kecamatan tetapi per kabupaten/kota dan berkembang dari sembilan kategori
menjadi 17 kategori lapangan usaha, karena faktor penyusun PDRB berdasarkan 17
kategori lapangan usaha maka banyaknya pengamatan harus lebih besar dari faktor
penyusun (peubah bebas). Jika pengamatan lebih kecil dari faktor penyusun
(peubah bebas) maka data akan sulit dianalisis, oleh karena itu peneliti
menggunakan provinsi dengan nilai PDRB menduduki posisi kedua dari enam
provinsi di Pulau Jawa dan Nasional yaitu Jawa Timur (Pemerintah Provinsi Jawa
Timur , 2016). Provinsi Jawa Timur memiliki kabupaten dan kota sebanyak 38
sehingga merupakan provinsi dengan jumlah kabupaten dan kota terbanyak di
Indonesia.
Tujuh belas kategori lapangan usaha diduga saling berkaitan satu sama lain
yang menyebabkan terjadinya multikolinearitas antarvariabel bebas, untuk
3
mengatasi hal tersebut dapat dilakukan dengan menggunakan Principal Component
Analysis (PCA). PCA merupakan teknik yang digunakan untuk
mentransformasikan sekumpulan peubah yang saling terkait menjadi saling bebas
(Chatfield & Collins, 1980, p. 57).
Data PDRB Jawa Timur diduga termasuk data spasial yang mengandung
multikolinearitas, metode Geographically Weighted Principal Component Analysis
Regression (GWPCAR) tepat digunakan untuk mengatasi masalah tersebut.
Metode GWPCAR digunakan pada data yang mengandung heterogenitas spasial
dan multikolinearitas. GWPCAR pada dasarnya menggunakan metode PCA,
namun perbedaannya pada fungsi GWPCAR dikalikan dengan pembobot lokasi.
Penelitian dengan menggunakan metode GWPCAR telah dilakukan oleh
Santoso, dkk. (2010) pada data kemiskinan di Jawa Timur tahun 2010 dengan
membandingkan Geographically Weighted Principal Component Analysis
Regression (GWPCAR) dan Geographically Weighted Regression Ridge (GWRR).
Pada penelitian tersebut diperoleh kesimpulan bahwa metode GWPCAR layak
digunakan pada data kemiskinan Jawa Timur tahun 2010 dibandingkan dengan
metode GWRR karena Mean Square Error (MSE) pada GWPCAR lebih kecil
dibandingkan dengan GWRR. Pada penelitian tersebut peubah-peubah yang
diperoleh pada metode GWPCAR yaitu rata-rata lama sekolah berpengaruh negatif
signifikan terhadap tingkat kemiskinan di setiap Kabupaten/Kota Jawa Timur dan
angka melek huruf berpengaruh positif signifikan terhadap tingkat kemiskinan di
sembilan Kabupaten/Kota Jawa Timur yaitu: Sidoarjo, Mojokerto, Tuban,
4
Lamongan, Gresik, Bangkalan, Kota Pasuruan, Kota Mojokerto, dan Kota
Surabaya.
Peubah respon yang digunakan pada penelitian ini yaitu PDRB berdasarkan
atas dasar harga berlaku dengan tujuan untuk mengetahui peranan dari kegiatan
ekonomi di masing-masing wilayah. Sedangkan peubah bebas yang digunakan
yaitu berdasarkan 17 kategori lapangan usaha, karena kategori-kategori tersebut
diduga saling berkaitan dan heterogenitas spasial maka metode GWPCAR
digunakan untuk mengatasi masalah ini dengan hasil yang diperoleh berupa
komponen utama lokal.
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas, maka rumusan masalah yang dapat
dibentuk dalam penelitian ini yaitu bagaimanakah model GWPCAR pada data
PDRB di Kabupaten dan Kota Jawa Timur?
1.3 Batasan Masalah
Adapun batasan masalah dalam penelitian ini adalah data yang digunakan
yaitu PDRB Kabupaten dan Kota di Jawa Timur sebagai peubah respon dengan
menggunakan PDRB atas dasar harga berlaku (nominal) menurut lapangan usaha
pada tahun 2015. Peubah bebas yang digunakan sebanyak 17 peubah berdasarkan
17 kategori lapangan usaha menurut BPS (2016), serta hubungan antara peubah
respon dengan peubah bebas adalah linier.
5
1.4 Tujuan Penelitian
Adapun tujuan yang diharapkan pada penelitian ini yaitu untuk mengetahui
model GWPCAR pada data PDRB di Kabupaten dan Kota Jawa Timur.
1.5 Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini, antara lain:
1. Bagi Penulis
Penelitian ini bermanfaat untuk memperdalam ilmu yang sedang ditekuni yaitu
bidang statistika khususnya mengenai regresi spasial dalam mengatasi
multikolinearitas dengan menggunakan metode GWPCAR.
2. Bagi Mahasiswa
Penelitian ini diharapkan dapat memberikan informasi dan ilmu mengenai
GWPCAR sebagai acuan penelitian berikutnya.
3. Bagi Pemerintah
Penelitian ini diharapkan mampu memberikan masukan mengenai peubah-
peubah yang berpengaruh dalam perkembangan ekonomi daerah kabupaten/kota
di Jawa Timur agar dapat memaksimalkan dan memperbaharui menjadi lebih
baik lagi kategori lapangan usaha yang menjadi prioritas di setiap daerah untuk
meningkatkan pendapatan daerah.