Universitas Sumatera Utara
SSE SSE akan mendekati satu, sebaliknya jika tidak benar maka
nilainya cenderung mengecil Leung et. al., 2000 dalam Lestari, 2011 menghasilkan nilai yang relatif kecil, maka dapat dikatakan bahwa hipotesis
alternatif lebih cocok digunakan. Dengan kata lain model GWR mempunyai goodness of fit yang lebih baik dari pada model regresi global.
Adapun pengujian signifikansi parameter model pada setiap lokasi dilakukan dengan menguji parameter secara parsial. Hipotesisnya adalah sebagai
berikut : H :
,
k i
i
u v
β
=
, :
1
≠
i i
k
v u
H
β
dengan 1, 2,
, k
p =
Statistik uji yang digunakan :
ˆ , ˆ
k i
i hit
kk
u v T
c
β σ
=
Tolak jika, |
+ ,
| - .
; 2
3
2
2.2.2 Model Spatial Lag Model SLM atau Spatial Autoregressive Model
SAR
Spatial Autoregressive Model SAR disebut juga Spatial Lag Model SLM adalah salah satu model spasial dengan pendekatan area dengan memperhitungkan
pengaruh spasial lag pada variabel dependen saja. Model ini dinamakan Mixed Regressive – Autoregressive karena mengkombinasikan regresi biasa dengan
model regresi spasial lag pada variabel dependen Anselin, 1988. Model spasial autoregressive terbentuk apabila W= 0 dan λ= 0 , sehingga model ini
2.15
Universitas Sumatera Utara
mengasumsikan bahwa proses autoregressive hanya pada variabel respon. Model umum SAR dapat dilihat pada Persamaan 2.8.
Model ini adalah pengembangan dari model autoregressive order pertama, dimana variabel respon selain dipengaruhi oleh lag variabel respon itu sendiri juga
dipengaruhi oleh variabel prediktor. Proses autoregressive juga memiliki kesamaan dengan analisis deret waktu seperti pada model spasial autoregressive
order pertama. Perkembangan dari model SAR itu sendiri adalah model SAC dan SARMA Anselin, 1998. Menurut Anselin 1988, untuk mengetahui model SAR
ini konsisten, maka dikembangkan model estimasi parameter dengan maximum likelihood.
2.2.3 Model Structural Equation Model SEM
Spatial Error Model SEM merupakan model spasial error dimana pada error terdapat korelasi spasial, model ini dikembangkan oleh Anselin 1988.
Model spasial error terbentuk apabila W= 0 dan ρ= 0, sehingga model ini mengasumsikan bahwa proses autoregressive hanya pada error model. Model
umum SEM dapat dilihat pada Persamaan 2.9. Structural Equation Model SEM merupakan salah satu analisis multivariat
yang dapat menganalisis hubungan variabel secara kompleks. Analisis ini pada umumnya digunakan untuk penelitian-penelitian yang menggunakan banyak
variabel Nawangsari, 2011. Menurut Ghozali 2008, SEM adalah sebuah evolusi dari model persamaan berganda yang dikembangkan dari prinsip
ekonometri dan digabungkan dengan prinsip pengaturan dari psikologi dan
Universitas Sumatera Utara
sosiologi, SEM telah muncul sebagai bagian integral dari penelitian manajerial akademik.
SEM terdiri dari 2 bagian yaitu model variabel laten dan model pengukuran Ghozali, 2008. Bagian pertama yaitu model variabel laten latent variable
model mengadaptasi model persamaan simultan pada ekonometri. Jika pada ekonometri semua variabelnya merupakan beberapa variabel terukurteramati
measured observed variables, maka pada model ini beberapa variabel merupakan variabel laten latent variables yang tidak terukur secara langsung.
Sedangkan bagian kedua yang dikenal dengan model pengukuran measurement model, menggambarkan beberapa indikator atau beberapa variabel terukur
sebagai efek atau refleksi dari variabel latennya. Kedua bagian model ini merupakan jawaban terhadap 2 permasalahan dasar pembuatan kesimpulan ilmiah
dalam ilmu sosial dan perilaku. Untuk permasalahan pertama yang berkaitan dengan masalah pengukuran dapat dijawab dengan model pengukuran, sedangkan
permasalahan kedua yang berkaitan dengan hubungan kausal dapat dijawab menggunakan model variabel laten.
Dalam praktiknya, SEM merupakan gabungan dari dua metode statistika yang terpisah yang melibatkan analisis faktor factor analysis yang
dikembangkan dipsikologi dan psikometri dan model persamaan simultan simultaneous equation modelling yang dikembangkan di ekonometrika.
Hair, Babin, Anderson, dan Tatham cit Ghozali 2008 menunjukkan perbedaan antara teknik SEM dengan teknik regresi dan multivariate lainnya,
melalui 2 karakteristik SEM seperti di bawah ini:
Universitas Sumatera Utara
1. Estimasi terhadap multiple interrelated dependence relationships yang istilah
sederhananya adalah susunan beberapa persamaan regresi berganda yang terpisahkan tetapi saling berkaitan. Susunan persamaan ini dispesifikasikan
dalam bentuk model structural dan diestimasi oleh SEM secara simultan. 2.
Kemampuan untuk menunjukkan beberapa konsep tidak teramati unobserved concepts serta beberapa hubungan yang ada di dalamnya, dan perhitungan
terhadap beberapa kesalahan pengukuran dalam proses estimasi. SEM menyajikan konsep tidak teramati melalui penggunaan beberapa variabel laten.
Pendekatan beberapa variabel teramati terhadap suatu konsep jarang dapat dilakukan dengan sempurna dan hampir selalu ada kesalahannya. Beberapa
kesalahan pendekatan ini sering dikenal sebagai kesalahan pengukuran measurement errors dan dapat diestimasi menggunakan beberapa fasilitas
yang ada pada SEM.
2.2.4 Model General Spatial Model atau Spatial Autoregressive Moving
