Uji Parsial Parameter Model GWR

Dari Tabel 16 dapat disimpulkan bahwa variabel Pendapatan Asli Daerah , Indeks Pembangunan Manusia , Tingkat Pengangguran Terbuka dan Jumlah Angkatan Kerja berpengaruh secara signifikan terhadap PDRB di Kabupaten Cilacap.

4.2.4 Pengujian Asumsi Model GWR

Dalam pengujian model GWR terdapat asumsi yang harus dipenuhi, yaitu asumsi kenormalan residual, heterogenitas spasial dan asumsi multikolinieritas lokal. Berikut adalah pengujian asumsinya:

1. Asumsi Kenormalan Residual

Pada asumsi ini dapat menggunakan uji Kolmogorov-Smirnov K-S dengan hipotesis: H : Residual berdistribusi normal H 1 : Residual tidak berdistribusi normal Dengan menggunakan tingkat signifikansi α sebesar 5 maka H akan ditolak jika p-value α, artinya model memiliki residual yang tidak berdistribusi normal. Tabel 17. Uji Kenormalan Residual GWR Model D P-value GWR 0,097332 0,3291 Dilihat dari Tabel 17 Lampiran 3, terlihat bahwa model GWR memiliki nilai p- value yang lebih besar dari nilai α yang sebesar 0,05. Jadi dapat disimpulkan bahwa model GWR memiliki residual yang berdistribusi normal.

2. Heterogenitas Spasial

Heterogenitas spasial terjadi akibat dari adanya perbedaan karakteristik lingkungan dan geografis antar wilayah pengamatan. Pengujian heterogenitas spasial diakukan dengan menggunakan statistik uji Breusch- Pagan Test. Dengan hipotesisnya adalah Tidak Terdapat Heterogenitas Spasial Minimal ada satu ; i = 1, 2, …, n Terdapat Heterogenitas Spasial Hasil output uji Breusch-Pagan dapat dilihat pada Lampiran 3,sedangkan nilai statistik uji Breusch-Pagan dapat dilihat pada Tabel 18. Tabel 18. Analisis Heterogenitas Spasial Uji Breusch-Pagan pada alpha 0.05 Statistik BP 47.200 Tabel 5 11.070 P_Value 0.000 Berdasarkan Tabel 18 diperoleh nilai P-Value 0,000 dan statistik BP 47,200 dengan statistik tabel 11,070. Sehingga dapat diambil keputusan bahwa ditolak karena nilai P- Value 0,000 α 0,05 dan nilai statistik BP 47,200 11,070. Maka dapat disimpulkan bahwa terdapat kasus heterogenitas spasial atau terdapat karakteristik yang berbeda terhadap data pendapatan asli daerah di Provinsi Jawa Tengah antar tiap Kabupaten dan Kota.

Dokumen yang terkait

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 6

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 5

UJI HIPOTESIS MODEL MIXED GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN METODE BOOTSTRAP - Diponegoro University | Institutional Repository (UNDIP-IR) D03 Hasbi Yasin

0 0 10

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 10

PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 18

GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH - Diponegoro University | Institutional Repository (UNDIP-IR)

3 12 21

PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) - Diponegoro University | Institutional Repository (UNDIP-IR)

1 1 17

PEMODELAN FIXED EFFECT GEOGRAPHICALLY WEIGHTED PANEL REGRESSION UNTUK INDEKS PEMBANGUNAN MANUSIA DI JAWA TENGAH - Diponegoro University | Institutional Repository (UNDIP-IR) Siti Maulina M.

5 15 20

Pemodelan dan Pemetaan Prevalensi Kusta di KabupatenKota Jawa Timur dengan Pendekatan Mixed Geographically Weighted Regression

0 0 6

PEMODELAN ANGKA PARTISIPASI SEKOLAH JENJANG MENENGAH ATAS DI JAWA TIMUR DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION Repository - UNAIR REPOSITORY

1 1 12