Pendapatan Asli Daerah X
1
dan variabel UMR X
5
tidak berpengaruh signifikan terhadap model
Tabel 24. Ringkasan Statistik Parameter Global Mixed GWR
Ringkasan Statistik Parameter Global Koefisien
Beta tStat P_val
8,9325 5,8245 0,0000 -923,0569 -0,5743 0,2835
Selanjutnya adalah menguji signifikansi suatu variabel lokal X
q
1 ≤k≤3
digunakan hipotesisya adalah H
: = 0 variabel lokal X
q
pada lokasi ke-i tidak signifikan H
1
: ≠ 0 variabel lokal X
q
pada lokasi ke-i signifikan Untuk q = 1,2 dan i= 1,2, . . . 35
Pengujian dilakukan dengan kriteria tolak H bila nilai p-value pada output
signifikansi α sebesar 5. Pengujian parameter secara parsial pada setiap lokasi, Contoh yaitu pada kabupaten Cilacap dengan masing-masing nilai thitung
= 6,683 dengan p_value = 7,66E-10, nilai thitung
= 3,648 dengan p_value = 0,00021, nilai thitung
= 10,363 dengan p_value = 0,000 maka koefisen parameter yang dihasilkan akan signifikan bila P-
value signifikansi α sebesar 5. Hasil pengamatan dapat dilihat pada Lampiran 7. Sedangkan ringkasan
statistik dari parameter lokal yang dihasilkan:
Tabel 25. Ringkasan Pengujian Parameter Lokal Mixed GWR Kabupaten Cilacap
Ringkasan Pengujian Parameter Lokal Mixed GWR Kabupaten Cilacap
Koefisien Beta
tStat P_val
-435223,153 -7,538 1,33E-11
5412,24213 6,683 7,66E-10 3199,892689 3,648
0,0002 83,780 10,363
0,0000
Tabel 26. Ringkasan Statistik Parameter Lokal Mixed GWR
Ringkasan Statistik Parameter Lokal Koefisien Min Max Mean Range StdV
-469923,7202 -287705,3402 -355038,4354 182218,3800 46846,8603 3691,4132 6035,8025 4562,3144 2344,3893 579,8865
220,6551 3199,8927 1220,7142 2979,2376 564,0808 47,0902 83,7797 66,4917 36,6895 8,6072
4.4 Interpretasi Model dan Pemilihan Model Terbaik
Model Mixed GWR yang dihasilkan pada masing-masing lokasi pengamatan akan berbeda-beda bergantung pada nilai parameter Mixed GWR dan
variabel independen yang signifikan mempengaruhi variabel dependen. Misalkan pada lokasi pengamatan pertama, yaitu Kabupaten Cilacap. Model yang
dihasilkan pada pemodelan Mixed GWR menggunakan fungsi pembobot exponential adalah
= -435223,153 + 5412,24213 X
1
+ 3199,892689 X
2
+ 83,780 X
3
+ 8,9325 X
4
Nilai PDRB Jawa Tengah Menurut Kota dan Kabupaten Dalam Ribuan, Pendapatan Asli Daerah Dalam Ribuan, Indeks Pembangunan Manusia Dalam
persen, Tingkat Pengangguran Terbuka Dalam Persen, Jumlah Angkatan Kerja Dalam Ribuan.
Membandingkan model regresi global, model GWR dan model Mixed GWR, dilakukan untuk mengetahui model mana yang lebih baik diterapkan untuk
menggambarkan fenomena persentase penduduk di KabupatenKota di Jawa Tengah. Kriteria pemilihan model yang sesuai dengan membandingkan nilai AIC
dari ketiga model tersebut dan memenuhi asumsi model regresi. Model terbaik adalah model dengan nilai AIC terkecil. Hasil yang diperoleh dapat dilihat pada
Tabel 27.
Tabel 27. Hasil Perbandingan Regresi Global, GWR dan Mixed GWR
Statistik Uji Model
Regresi Global GWR
Mixed GWR Uji Asumsi Residual Regresi
a. Uji Normalitas Residual Tidak Terpenuhi
Terpenuhi -
b. Uji Heteroskedastisitas Heteroskedastisitas
Heterogenitas -
c. Non-Multikolinieritas Terpenuhi
Terpenuhi -
d. Uji Non-Autokorelasi Terpenuhi
- -
Uji Signifikansi Regresi Secara Keseluruhan Uji F
- Signifikan
Signifikan Uji Koefisien Regresi Secara
Individu Uji t -
- -
a. Pengujian Kesesuaian Model GWRMGWR goodness of
fitUji F -
Signifikan Signifikan
b. Pengujian Pengaruh Lokasi Secara Parsial Uji F
3
- X
1
dan X
5
Bersifat Global -
Pengujian Serentak Parameter Model Mixed GWR Uji F
3
a. Pengaruh Lokal -
- Signifikan
b. Global -
- Signifikan
Uji Parsial Parameter Model GWRMGWR
- X
2
, X
3
dan X
4
Signikan Mempengaruhi
Model X
1
Signifikan Secara Global
dan X
5
Tidak Signifikan
Secara Global AIC
2283,774 2251,637
2248,117 R
2
0,645 0,7798434
0,7691 Residual Sum Square RSS
1,285 x 10
10
12.334.912.903 9.474.015.369
Ket :
Kabupaten Cilacap
Berdasarkan Tabel 27 diperoleh bahwa model Mixed GWR dengan menggunakan pembobot fungsi kernel exponential memupunyai nilai AIC yaitu
2248,117 dan Residual Sum Square RSS yaitu 9.474.015.369. Sehingga disimpulkan bahwa model
Mixed GWR
lebih baik digunakan untuk PBRB di KabupatenKota di Jawa Tengah karena mempunyai dengan AIC dan RSS yang tidak bias dan terkecil. Model yang
telah dibentuk dengan model Mixed GWR dapat digunakan untuk mengestimasi
