Analisis Spasial Data Panel untuk Menentukan Faktor-faktor yang Mempengaruhi Kemiskinan di Provinsi Sumatera Selatan
i
ANALISIS SPASIAL DATA PANEL
UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI
KEMISKINAN DI PROVINSI SUMATERA SELATAN
YULIA ANGGRAENI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOBOR
BOGOR
2012
ii
RINGKASAN
YULIA ANGGRAENI. Analisis Spasial Data Panel untuk Menentukan Faktor-faktor yang
Mempengaruhi Kemiskinan di Provinsi Sumatera Selatan. Dibimbing oleh YENNI ANGRAINI
dan ANANG KURNIA.
Kemiskinan merupakan masalah mendasar yang dihadapi oleh setiap negara. Garis
kemiskinan adalah salah satu alat yang digunakan untuk menentukan miskin atau tidaknya
seseorang. Seseorang dikatakan miskin apabila pengeluaran per kapita per bulan kurang dari garis
kemiskinan. Penanggulangan kemiskinan termasuk dalam program kerja pokok pemerintah
Indonesia. Mengetahui faktor-faktor yang mempengaruhi kemiskinan merupakan hal penting
dalam menentukan kebijakan yang tepat dalam menanggulangi kemiskinan. Provinsi Sumatera
Selatan memiliki angka kemiskinan yang cukup tinggi. Berdasarkan hasil sensus nasional Badan
Pusat Statistik (BPS) tahun 2010, Provinsi Sumatera Selatan menduduki urutan ke-10 provinsi
termiskin di Indonesia. Untuk itu perlu dikaji faktor-faktor apa saja yang mempengaruhi
kemiskinan di Provinsi Sumatera Selatan. Agar hasil yang diperoleh lebih informatif dan beragam
maka data yang digunakan lebih dari satu periode waktu. Data yang digunakan dalam penelitian
ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik dari tahun 2006 sampai tahun
2010. Berdasarkan eksplorasi dari data tersebut, beberapa wilayah yang berdekatan memiliki
angka kemiskinan yang relatif sama. Hal ini mengindikasikan adanya kemungkinan pengaruh
wilayah yang berdekatan terhadap kemiskinan suatu wilayah atau terdapat pengaruh spasial. Oleh
karena itu, dalam penelitian ini digunakan analisis spasial data panel. Berdasarkan hasil analisis
tersebut, model pengaruh tetap dengan SAR lebih baik digunakan untuk memodelkan kemiskinan
di Provinsi Sumatera Selatan. Faktor yang berpengaruh terhadap kemiskinan Provinsi Sumatera
Selatan adalah angka melek huruf dan penerimaan pajak. Nilai R2 yang diperoleh adalah sebesar
88.23%.
Kata Kunci : analisis spasial data panel, garis kemiskinan, SAR
iii
ANALISIS SPASIAL DATA PANEL
UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI
KEMISKINAN DI PROVINSI SUMATERA SELATAN
YULIA ANGGRAENI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOBOR
BOGOR
2012
iv
Judul
Nama
NRP
: Analisis Spasial Data Panel untuk Menentukan Faktor-faktor yang
Mempengaruhi Kemiskinan di Provinsi Sumatera Selatan
: Yulia Anggraeni
: G14080079
Disetujui:
Ketua Komisi Pembimbing
Anggota Komisi Pembimbing
Yenni Angraini, S.Si, M.Si
NIP. 197805112007012001
Dr. Anang Kurnia
NIP. 197308241997021001
Diketahui:
Ketua Departemen Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Dr. Ir. Hari Wijayanto, M.Si
NIP. 196504211990021001
Tanggal Lulus :
v
PRAKATA
Puji dan syukur penulis haturkan kehadirat Allah SWT atas segala limpahan rahmat dan
hidayah-Nya sehingga penulis dapat menyelesaikan studi Sarjana dan menyelesaikan skripsi ini
yang berjudul “Analisis Spasial Data Panel untuk Menentukan Faktor-faktor yang Mempengaruhi
Kemiskinan di Provinsi Sumatera Selatan”. Shalawat dan salam semoga selalu tercurah kepada
Nabi Muhammad SAW beserta keluarga, sahabat, dan umat beliau hingga akhir jaman.
Ucapan terima kasih atas segala bantuan dan bimbingan yang diberikan, penulis sampaikan
kepada:
1. Ibu Yenni Angraini, S.Si, M.Si, dan Bapak Dr. Anang Kurnia selaku dosen
pembimbing skripsi
2. Ibu Dra.Itasia Dina Silvianti, M.Si selaku dosen penguji
3. Mamak, Bapak, Yuk Nana, Yuk Apri, Kak Iyen serta keluarga yang selalu
memberikan semangat, doa serta dukungan
4. Sahabat-sahabat Alcatraz, Mela, Kiki dan Farah serta, Fida, Niza, Putri dan Cuwie
yang selalu memberikan semangat
5. Sahabat tercinta, Arum, Endah dan Opi serta teman seperjuangan, Liara, Enha dan
Aci yang dengan setia membantu penulis ketika menemui kesulitan
6. Rekan-rekan Statistika 45
7. Semua pihak yang telah membantu dalam penyelesaian skripsi ini.
Demikian skripsi ini disusun. Besar harapan skripsi ini dapat bermanfaat bagi penulis dan bagi
pembaca pada umumnya.
Bogor, Desember 2012
Penulis
vi
RIWAYAT HIDUP
Penulis dilahirkan di Tanjung Enim pada tanggal 19 Juni 1990 dari pasangan Suharni dan
Nurdalia. Penulis merupakan anak keempat dari empat bersaudara dengan nama kakak adalah
Agusliana, Apriana dan Chairil Adha. Penulis telah berhasil menyelesaikan pendidikannya di
Sekolah Dasar Negeri (SDN) 1 Tanjung Agung pada tahun 2002. Jenjang pendidikan selanjutnya
penulis tempuh di Sekolah Menengah Pertama Negeri (SMPN) 1 Tanjung Agung dan lulus tahun
2005. Penulis menamatkan pendidikannya di Sekolah Menengah Atas Negeri (SMAN) 1 Muara
Enim pada tahun 2008 dan pada tahun yang sama penulis diterima sebagai mahasiswa Departemen
Statistika, Institut Pertanian Bogor (IPB) melalui Seleksi Nasional Masuk Perguruan Tinggi
Nasional (SNMPTN).
Selama mengikuti perkuliahan, penulis aktif dalam kepengurusan Gamma Sigma Beta (GSB)
periode 2010/2011 sebagai staf Survey and Research Departement serta mengikuti beberapa
kepanitiaan diantaranya IDEA 2009, Statistika Ria 2010, G-FORCE 2010, G-FORCE 2011,
Lomba Jajak Pendapat Statistika 2011 serta WCS 2011. Penulis melaksanakan praktik lapang
pada tanggal 13 Februari sampai 06 April 2012 Direktorat Administrasi Pendidikan Institut
Pertanian Bogor.
vii
DAFTAR ISI
Halaman
DAFTAR TABEL .......................................................................................................................... viii
DAFTAR GAMBAR ..................................................................................................................... viii
DAFTAR LAMPIRAN .................................................................................................................. viii
PENDAHULUAN ............................................................................................................................ 1
Latar Belakang.............................................................................................................................. 1
Tujuan ........................................................................................................................................... 1
TINJAUAN PUSTAKA ................................................................................................................... 1
Garis Kemiskinan ......................................................................................................................... 1
Analisis Data panel ....................................................................................................................... 1
Model Pengaruh Tetap ............................................................................................................. 2
Model Pengaruh Acak .............................................................................................................. 2
Analisis Spasial Data Panel .......................................................................................................... 2
Model Panel dengan Spasial Lag( SAR) .................................................................................. 2
Model Panel dengan Galat Spasial (SEM) ............................................................................... 2
Matriks Pembobot Spasial ........................................................................................................ 2
Uji Pengganda Lagrange .............................................................................................................. 3
DATA DAN METODE .................................................................................................................... 3
Data .............................................................................................................................................. 3
Metode .......................................................................................................................................... 4
HASIL DAN PEMBAHASAN ......................................................................................................... 4
Eksplorasi Data ............................................................................................................................. 4
Analisis Data Panel ....................................................................................................................... 5
Analisis Spasial Data Panel .......................................................................................................... 5
Pendugaan parameter data panel dengan SEM......................................................................... 5
Pendugaan parameter data panel dengan SAR ......................................................................... 6
Interpretasi Model ........................................................................................................................ 7
SIMPULAN ...................................................................................................................................... 8
DAFTAR PUSTAKA ....................................................................................................................... 8
viii
DAFTAR TABEL
Tabel 1
Tabel 2
Tabel 3
Tabel 4
Tabel 5
Tabel 6
Tabel 7
Tabel 8
Tabel 9
Halaman
Persentase tingkat kemiskinan Provinsi Sumatera Selatan berdasarkan kabupaten/kota .... 4
Pendugaan parameter model pengaruh ............................................................................... 5
Hasil Uji LM ....................................................................................................................... 5
Pendugaan parameter model tetap ...................................................................................... 5
Uji Glesjer model pengaruh tetap ....................................................................................... 5
Pendugaan parameter model tetap ...................................................................................... 6
Uji Glesjer model pengaruh tetap ....................................................................................... 6
Ukuran kebaikan model ...................................................................................................... 7
Dugaan pengaruh kabupaten/kota ....................................................................................... 7
DAFTAR GAMBAR
Gambar 1
Gambar 2
Gambar 3
Gambar 4
Halaman
Plot sisaan dengan yduga model pengaruh tetap dengan SEM ...................................... 6
Uji Kolmogorov-Smirnov model pengaruh tetap dengan SEM ...................................... 6
Plot sisaan dengan yduga model pengaruh tetap dengan SAR ........................................ 6
Uji Kolmogorov-Smirnov model pengaruh tetap dengan SAR ....................................... 7
DAFTAR LAMPIRAN
Halaman
Lampiran 1 Persentase Kemiskinan dan Garis Kemiskinan Kabupaten/Kota Provinsi Sumatera
Selatan ........................................................................................................................ 10
Lampiran 2 Peta Provinsi Sumatera Selatan berdasarkan Tingkat Kemiskinan Nasional.............. 11
Lampiran 3 Peta Provinsi Sumatera Selatan berdasarkan Tingkat Kemiskinan Nasional dan
Tingkat Kemiskinan Provinsi Sumatera Selatan ........................................................ 11
Lampiran 4 Perbandingan Model Regresi, Model Pengaruh Tetap dan Model Pengaruh Acak .... 12
Lampiran 5 Matriks Pembobot Spasial .......................................................................................... 12
Lampiran 6 Matriks Pembobot Spasial yang Dinormalisasi .......................................................... 13
1
PENDAHULUAN
Latar Belakang
Kemiskinan merupakan permasalahan
mendasar yang menjadi perhatian pemerintah
di negara manapun. BPS (2011) melakukan
pengukuran kemiskinan dengan menggunakan
konsep kemampuan memenuhi kebutuhan
dasar (basic needs approach). Dengan
pendekatan ini, kemiskinan dipandang sebagai
ketidakmampuan dari sisi ekonomi untuk
memenuhi kebutuhan dasar makanan dan
bukan makanan yang diukur dari sisi
pengeluaran. Menurut pendekatan ini, penduduk miskin adalah penduduk yang memiliki
rata-rata pengeluaran per kapita per bulan
kurang dari Garis Kemiskinan (GK). Garis
Kemiskinan digunakan untuk menentukan
miskin atau tidaknya seseorang (BPS 2011).
Jumlah dan persentase penduduk miskin
di Indonesia menurun dari tahun 2004 ke
2005. Pada tahun 2006 jumlah penduduk
miskin meningkat disebabkan harga barangbarang kebutuhan pokok naik tinggi dan
berdampak parah pada penduduk miskin.
Mulai tahun 2007 sampai 2011 jumlah
maupun persentase penduduk miskin kembali
mengalami penurunan (BPS 2012).
Penanggulangan kemiskinan merupakan
program kerja pokok pemerintah agar tercapainya Indonesia yang mandiri, maju, adil
dan makmur berdasarkan UU No.17 tahun
2007. Agar hal tersebut berhasil perlu diketahui faktor-faktor apa saja yang mempengaruhi kemiskinan sehingga dapat membantu membuat kebijakan yang tepat dalam
penanggulangan
kemiskinan.
Penelitian
mengenai faktor-faktor yang mempengaruhi
kemiskinan telah banyak dilakukan, salah
satunya telah dilakukan oleh Amalia (2012),
Pada penelitian tersebut analisis yang
digunakan adalah analisis data panel.
Provinsi Sumatera Selatan termasuk
provinsi yang memiliki angka kemiskinan
yang cukup tinggi. Berdasarkan hasil Sensus
Nasional BPS 2010, Sumatera Selatan menduduki urutan ke-10 provinsi termiskin di
Indonesia. Perlu dikaji faktor-faktor yang
mempengaruhi kemiskinan di Provinsi
Sumatera Selatan untuk menentukan kebijakan
yang diambil dalam mengurangi angka
kemiskinannya. Dalam penelitian ini faktorfaktor yang mempengaruhi kemiskinan dikaji
dalam kurun waktu lebih dari satu periode
untuk memberikan hasil yang lebih informatif
dan beragam. Data panel yang merupakan
gabungan dari data lintas individu dan deret
waktu digunakan dalam penelitian ini.
Data yang digunakan dalam penelitian ini
adalah data panel kemiskinan provinsi Sumatera Selatan. Dari data tersebut diketahui
bahwa beberapa kabupaten/kota yang berdekatan memiliki tingkat kemiskinan relatif
sama. Hal ini mengindikasikan adanya kemungkinan pengaruh wilayah yang berdekatan
terhadap kemiskinan suatu wilayah atau
terdapat pengaruh spasial. Oleh karena itu,
dalam penelitian ini digunakan analisis spasial
data panel. Analisis spasial data panel
merupakan suatu analisis gabungan data lintas
individu dan deret waktu dengan memperhitungkan pengaruh spasial.
Tujuan
Tujuan dari penelitian ini adalah menerapkan analisis spasial data panel untuk
mengetahui faktor-faktor yang mempengaruhi
kemiskinan di provinsi Sumatera Selatan.
TINJAUAN PUSTAKA
Garis Kemiskinan
GK merupakan penjumlahan dari Garis
Kemiskinan Makanan (GKM) dan Garis
Kemiskinan Non-Makanan (GKNM). GKM
merupakan nilai pengeluaran kebutuhan
minimum makanan yang disetarakan dengan
2100 kalori perkapita perhari, sedangkan
GKNM merupakan kebutuhan minimum
untuk sandang, papan, pendidikan dan
kesehatan. Rumus perhitungan GK dinyatakan
sebagai berikut:
GK = GKM + GKNM
[1]
dimana seseorang dikatakan miskin jika
pengeluaran rata-rata per kapita per bulan
kurang dari GK (BPS 2008).
Analisis Data panel
Analisis data panel merupakan analisis
gabungan antara data lintas individu dan data
deret waktu. Data panel diperoleh ketika
sejumlah objek diamati dari waktu ke waktu.
Jika setiap unit lintas individu memiliki
jumlah pengamatan deret waktu yang sama
maka data panel seperti ini disebut data panel
seimbang dan jika setiap unit lintas individu
memiliki jumlah pengamatan deret waktu
yang berbeda maka data panel seperti ini
disebut data panel tak seimbang (Gujarati
2004). Model regresi data panel secara umum
dapat dinyatakan sebagai berikut:
�
= � + �′ � � +
�
[2]
2
i = 1,….,N, ; t = 1,….,T
dengan i merupakan unit pengamatan, t
merupakan unit deret waktu. α merupakan
nilai suatu konstanta, β merupakan vektor
berukuran K x 1, dan � � merupakan vektor
peubah penjelas berukuran K X 1 untuk
pengamatan ke-i pada periode waktu ke-t, K
merupakan banyaknya peubah penjelas
(Baltagi 2005). Model komponen sisaan satu
arah untuk model regresi data panel
didefinisikan pada persamaan berikut:
�
=� +Ɛ�
[3]
�
= � + � �′ � � + +Ɛ �
[4]
Sehingga model umum data panel menjadi:
dimana � merupakan pengaruh spesifik individu yang tidak diamati dan Ɛ � merupakan
sisaan pengamatan ke- i pada periode waktu
ke-t (Baltagi 2005 ).
Model Pengaruh Tetap
Pada model pengaruh tetap, individu yang
digunakan biasanya merupakan individu
agregat atau misalnya jika hanya ingin fokus
pada N individu tertentu saja. Model pengaruh
tetap juga dikenal dengan Least Square
Dummy Variable (LSDV), karena itu nilai
pengamatan pada koefisien � berupa peubah
dummy yang memiliki nilai berbeda-beda
untuk setiap individu ke-i (Baltagi 2005).
Pendugaan parameter pada model pengaruh tetap salah satunya menggunakan penduga within, persamaan [4] dirata-ratakan
untuk keseluruhan waktu sehingga diperoleh
persamaan:
.
= � + �′ . � + � + Ɛ .
[5]
kemudian dengan mengurangkan persamaan
[4]
dengan
persamaan
[5]
(within
transformation) diperoleh persamaan:
�
−
.
= �′ � − �′ . � + (Ɛ � − Ɛ . )
[6]
Penduga β diduga dengan menggunakan
Metode Kuadrat Terkecil (MKT), sehingga
diperoleh :
∗′
� = (� � �∗� )−1 (�∗′�
∗
�)
dengan �∗� = �′ � − �′ . dan
[7]
∗
�=
�
−
.
Model Pengaruh Acak
Pada model pengaruh acak, individu yang
digunakan merupakan individu yang dipilih
secara acak dari populasi yang besar (Baltagi
2005). Pada persamaan [4], τi pada model
pengaruh tetap bersifat tetap (fixed) sedangkan
pada model pengaruh acak τi~bsi(0, ��2 )
sehingga model pengaruh acak menjadi:
�
= � + � �� + � + Ɛ �
[8]
dimana Ɛ � merupakan sisaan pengamatan kei pada periode waktu ke-t. Pendugaan β
menggunakan metode kuadrat terkecil
terampat (Generilized Least Square) (Gujarati
2004).
Analisis Spasial Data Panel
Analisis spasial data panel merupakan
gabungan data lintas individu dan deret waktu
dengan memperhitungkan pengaruh spasial.
Panel spasial merujuk pada data yang
mengandung pengamatan deret waktu pada
jumlah unit-unit spasial (kode pos, kabupaten,
wilayah, negara dan sebagainya) secara
khusus. Saat menetapkan interaksi antara unitunit spasial, model dapat mengandung peubah
dependen spasial lagged atau proses spasial
autoregresif pada galat, hal ini dikenal sebagai
model spasial lag (SAR) dan model galat
spasial (SEM) (Elhosrt 2010).
Model Panel dengan Spasial Lag( SAR)
Pada model spasial lag, peubah respon
bergantung pada pengamatan peubah respon
pada unit-unit tetangga. Model spasial lag
dinyatakan sebagai berikut:
∗
�
=�
=1
∗
�
+ �∗� � + � +
�
[9]
dengan λ adalah koefisien spasial autoregresif
dan
adalah elemen pada matriks pembobot
spasial. Pendugaan parameternya menggunakan penduga kemungkinan maksimum
(Elhorst 2010).
Model Panel dengan Galat Spasial (SEM)
Pada model ini, fokusnya terdapat pada
bentuk sisaannya. Model galat spasial
dinyatakan sebagai berikut:
∗
�
= �∗� � + � + � �
�� =�
=1
�� +
[10]
�
[11]
dimana � � merupakan galat autokorelasi spasial dan ρ merupakan koefisien autokorelasi
spasial. Pendugaan parameternya menggunakan penduga kemungkinan maksimum
(Elhorst 2010).
Matriks Pembobot Spasial
Matriks pembobot meringkas hubungan
spasial pada data. Diagonal utama dari matriks
3
ini berisi nilai nol. Baris ke-i menunjukkan
hubungan observasi ke-i terhadap observasi
lainnya. Karena matriks pembobot menunjukan hubungan antara keseluruhan observasi, maka dimensi dari matriks ini adalah
NxN, dimana N adalah banyaknya observasi
(Dubin 2009 ).
Matriks pembobot dapat dibentuk berdasarkan beberapa konsep diantaranya,
persinggungan (contiguity), kedalaman dari
permukaan laut, transportasi wilayah, jarak
terhadap pusat kota dan jarak ekonomi. Pada
konsep persinggungan ada tiga tipe persinggungan, antara lain:
1. Benteng Catur (Rook Contiguity)
Konsep dari benteng catur adalah setiap
wilayah yang bersinggungan di sisi baik
utara, selatan, timur dan barat dari daerah
yang diamati adalah tetangga dan
diberikan nilai 1. Sedangkan untuk
lainnya 0.
2. Gajah Catur (Bishop Contiguity)
Konsep dari gajah catur adalah setiap
wilayah yang bersinggungan sudut dari
daerah yang diamati adalah tetangga dan
diberikan nilai 1. Sedangkan untuk
lainnya 0.
3. Ratu Catur (Queen Contiguity)
Konsep dari gajah catur adalah setiap
wilayah yang bersinggungan sisi baik di
utara, selatan, timur dan barat serta sudut
dari daerah yang diamati adalah tetangga
dan diberikan nilai 1. Sedangkan untuk
lainnya 0
Setelah menentukan matriks pembobot spasial
yang akan digunakan, selanjutnya dilakukan
normalisasi pada matriks pembobot spasial
tersebut. Pada umumnya, untuk normalisasi
matriks digunakan normalisasi baris (rownormalize). Artinya, matriks tersebut ditransformasi sehingga jumlah dari masingmasing baris matriks menjadi sama dengan
satu (Dubin 2009).
Uji Pengganda Lagrange
Salah satu uji yang digunakan untuk
mengetahui adanya efek interaksi spasial
adalah Uji Pengganda Lagrange. Hipotesis Uji
Pengganda Lagrange:
1. Model autoregresi spasial
H0 : λ = 0 (tidak ada ketergantungan
autoregresi spasial)
H1 : λ ≠ 0 (ada ketergantungan
autoregresi spasial)
2. Model galat spasial
H0 : ρ = 0 (tidak ada ketergantungan
galat spasial)
H1 : ρ ≠ 0 ada ketergantungan galat
spasial)
Statistik Uji Pengganda Lagrange:
�
=
[�′ (��
�
=
[�′ (��
) /� 2 ]2
�
[12]
)�/� 2 ]2
[13]
� �
dimana
� dan
� merupakan statistik uji
pengganda Lagrange model autoregresi spasial
dan model galat spasial secara berturut-turut,
merupakan simbol perkalian Kronecker, ��
matriks identitas berukuran TxT, e merupakan
vektor sisaan dari model data panel, W matriks
pembobot yang telah dinormalisasi dan �2
merupakan kuadrat tengah galat pada model
data panel. J dan TW didefinisikan sebagai
berikut:
�1 = ��
�
′
�2 = (��� −
� =
1
�2
[14]
−1
′
[�′ � � + �� � 2 ]
� =� (
+
′ )
[15]
[16]
[19]
dengan tr merupakan teras matriks. Keputusan
tolak H0 jika nilai Statistik Lagrange lebih
besar dari χ2( ) dimana q=1 (q merupakan
banyaknya parameter spasial) atau nilai p < α
(Elhorst 2010).
DATA DAN METODE
Data
Data yang digunakan dalam penelitian ini
adalah data sekunder yang diperoleh dari BPS
periode tahun 2006-2010. Unit amatan pada
penelitian ini yaitu 14 kabupaten/kota di
Provinsi Sumatera Selatan.
Peubah respon yang adalah tingkat
kemiskinan (Y) dengan empat peubah bebas.
Keempat peubah bebas tersebut antara lain:
1. Angka melek huruf (X1) ,
Angka melek huruf adalah proporsi
seluruh penduduk (miskin dan tidak
miskin) berusia 15 tahun keatas yang
dapat membaca huruf latin dan lainnya
(BPS 2009).
2. Tingkat pengangguran terbuka (X2)
Tingkat pengangguran terbuka merupakan
persentase jumlah penganggur terhadap
angkatan kerja (BPS 2011).
3. Jumlah Penduduk (X3)
4
4.
5.
6.
Tingkat partisipasi angkatan kerja (X4)
Tingkat partisipasi angkatan kerja
merupakan proporsi antara angkatan kerja
dengan penduduk usia kerja. Penduduk
usia kerja adalah penduduk yang berusia
15 tahun atau lebih. Sedangkan angkatan
kerja adalah tenaga kerja yang aktif secara
ekonomi baik yang bekerja maupun yang
sedang mencari pekerjaan (BPS 2009).
Pertumbuhan ekonomi (X5)
Pertumbuhan ekonomi menunjukkan pertumbuhan produksi barang dan jasa di
suatu wilayah perekonomian dan dalam
selang waktu tertentu (BPS 2011).
Penerimaan Pajak (X6)
Pemilihan peubah bebas yang digunakan
adalah berdasarkan isu strategis dalam
Rencana Pembangunan Jangka Menengah
Daerah (RPJMD) Provinsi Sumatera Selatan
tahun 2008-2013 serta penelitian sebelumnya
yaitu penelitian Amalia (2012) mengenai
faktor-faktor yang mempengaruhi kemiskinan
di NTT. Dari penelitian tersebut, peubah bebas
tersebut merupakan peubah-peubah yang
berpengaruh terhadap kemiskinan.
Metode
Tahapan-tahapan yang dilakukan dalam
penelitian ini adalah:
1. Melakukan eksplorasi data untuk melihat
karakteristik data secara umum
2. Melakukan analisis data panel
3. Melakukan analisis spasial data panel
a. Menentukan
matriks
pembobot
spasial
b. Melakukan uji pengganda Lagrange
untuk menentukan model SAR atau
model SEM yang digunakan
c. Menduga parameter spasial data
panel
d. Melakukan pengujian asumsi
4. Melakukan interpretasi model
HASIL DAN PEMBAHASAN
Eksplorasi Data
Persentase kemiskinan serta garis kemiskinan kabupaten/kota Provinsi Sumatera
Selatan untuk tahun 2006 sampai 2010 dapat
dilihat pada Lampiran 1. Persentase kemiskinan
merupakan
proporsi
jumlah
penduduk miskin dengan total jumlah
penduduk. Penduduk dikatakan miskin jika
rata-rata pengeluarannya kurang dari GK.
Secara umum, GK untuk tahun 2007 dan 2008
mengalami penurunan dan mengalami
peningkatan untuk tahun 2009 dan 2010.
Persentase kemiskinan secara umum mengalami peningkatan dari tahun 2006 ke 2007,
akan tetapi untuk tahun-tahun berikutnya
mengalami penurunan.
Persentase rata-rata kemiskinan Provinsi
Sumatera Selatan dapat dilihat pada Tabel 1.
Kabupaten Musi Banyu Asin, Musi Rawas,
dan Lahat adalah daerah dengan rata-rata
kemiskinan tertinggi. Ketiga daerah tersebut
merupakan kawasan tertinggal yaitu kawasan
yang memiliki keterbatasan sumberdaya dan
atau aksesibilitas sehingga tidak dapat memanfaatkan ataupun menangkap peluang
ekonomi yang ada (BAPPEDA 2009).
Tabel
1
Persentase tingkat kemiskinan
Provinsi
Sumatera
Selatan
berdasarkan kabupaten/kota
Persentase
rata-rata
Kabupaten/Kota
kemiskinan
Kab. Musi Banyu Asin
30.6%
Kab. Musi Rawas
29.5%
Kab. Lahat
26.2%
Kab.Ogan Komering Ilir
21.9%
Kab. Ogan Ilir
20.2%
Kab. Muara Enim
19.7%
Kab. Banyu Asin
17.5%
Kab.Ogan Komering Ulu Selatan
17.3%
Kota Lubuklinggau
16.2%
Kab.Ogan Komering Ulu
16.0%
Kab.Ogan Komering Ulu Timur
15.4%
Kota Palembang
11.9%
Kota Prabumulih
11.8%
Kota Pagar Alam
11.4%
Kota Palembang, Kota Prabumulih dan
Kota Pagar Alam merupakan daerah yang
memiliki angka kemiskinan terendah. Kota
Palembang merupakan pusat kota yang mempunyai lokasi strategis dalam meningkatkan
pertumbuhan ekonominya. Kota Prabumulih
merupakan penyedia barang pokok untuk
pusat kota sehingga sektor perdagangan, hotel
dan restoran berkembang pesat. Kota Pagar
Alam memiliki tanah yang mengandung
kesuburan yang tinggi sehingga menjadi
daerah penghasil sayur-mayur dan buahbuahan serta menjadi salah satu sub terminal
agribisnis di Provinsi Sumatera Selatan
(BAPPEDA 2009).
5
Peta Provinsi Sumatera Selatan dapat
dilihat pada Lampiran 1. Pada peta tersebut
juga dapat dilihat beberapa kabupaten/kota
yang berdekatan memiliki tingkat kemiskinan
relatif sama. Hal ini mengindikasikan adanya
kemungkinan pengaruh wilayah yang berdekatan terhadap kemiskinan suatu wilayah
atau terdapat pengaruh spasial.
Analisis Data Panel
Hasil pendugaan model regresi, model
pengaruh tetap dan model pengaruh acak
dapat dilihat pada Lampiran 2. Individu / unit
amatan yang digunakan dalam penelitian ini
adalah keseluruhan kabupaten / kota yang ada
di Provinsi Sumatera Selatan.
Tabel 2 Pendugaan parameter model pengaruh
tetap
Peubah
Koefisien
Nilai-p
C
1.264
0.042*
X1
-1.411
0.015*
X2
0.643
0.009*
X3
2.394
0.363
X4
0.209
0.246
X5
-0.055
0.994
X6
-0.628
0.003*
R2
82.99%
*nyata pada α = 5%
Berdasarkan Baltagi (2005), jika individu
yang diamati merupakan individu agregat /
keseluruhan maka model panel yang digunakan adalah model pengaruh tetap.
Sehingga model panel yang digunakan pada
penelitian ini adalah model pengaruh tetap.
Hasil pendugaan model pengaruh tetap dapat
dilihat pada Tabel 2. Ada 3 peubah yang
berpengaruh nyata yaitu X1, X2, dan X6 pada
taraf nyata 5%. R2 yang dihasilkan adalah
sebesar 82.99%.
Analisis Spasial Data Panel
Tahap pertama yang dilakukan pada
analisis ini adalah menguji ada atau tidaknya
interaksi spasial dengan menggunakan uji
Pengganda Lagrange (LM). Pada uji ini,
terdapat dua uji yang dilakukan yaitu uji pengaruh lag spasial (SAR) dan uji pengaruh galat
spasial (SEM). Sebelum dilakukan uji LM
terlebih dahulu menentukan matriks pembobot
dan menormalisasikannya. Berdasarkan hasil
eksplorasi data, matriks pembobot yang digunakan pada penelitian ini adalah matriks
pembobot ratu catur (queen contiguity). Matriks pembobot spasial dan normalisasinya
dapat dilihat pada Lampiran 4 dan Lampiran
5.
Tabel 3 Hasil Uji LM
Uji
Nilai LM
SAR
4.458
SEM
7.227
*nyata pada α = 5%
χ(1)
3.814
3.814
Nilai-p
0.034*
0.007*
Hasil Uji LM dapat dilihat pada Tabel 3.
Nilai-p yang dihasilkan pada tabel tersebut
mengindikasikan terdapat pengaruh lag spasial
dan pengaruh galat spasial pada taraf nyata
5%. Oleh karena itu, selanjutnya akan
dilakukan pendugaan model pengaruh tetap
dengan SAR dan SEM.
Pendugaan parameter data panel dengan
SEM
Hasil pendugaan parameter model tetap
dengan SEM dapat dilihat pada Tabel 4. Dari
tabel tersebut dapat dilihat bahwa hanya
koefisien X1, X2 , X6 dan ρ berpengaruh
nyata sedangkan X3, X4 dan X5 tidak
berpengaruh nyata pada taraf nyata 5%. R2
yang dihasilkan adalah sebesar 86.09%.
Tabel 4 Pendugaan parameter model tetap
dengan SEM
Peubah
Koefisien
Nilai-p
X1
-1.313
0.004*
X2
0.422
0.049*
X3
2.456
0.252
X4
0.142
0.229
X5
0.635
0.806
X6
0.189
0.002*
ρ
0.4167
0.001*
R2
86.09%
*nyata pada α = 5%
Setelah diperoleh model spasial data panel
yaitu model pengaruh tetap dengan SEM maka
langkah selanjutnya adalah melakukan pengujian asumsi. Asumsi yang diuji antara lain
autokorelasi, kehomogenan ragam dan kenormalan.
Tabel 5 Uji Glesjer model pengaruh tetap
dengan SEM
Peubah
Nilai-p
C
0.060*
X1
0.049*
X2
0.836
0.050*
X3
0.615
X4
X5
0.750
X6
0.046*
*nyata pada α = 5%
Uji kehomogenan ragam menggunakan
uji Gletsjer. Pada uji ini, absolut dari sisaan
diregresikan dengan peubah bebas. Apabila
ada peubah bebas yang berpengaruh nyata
6
maka terjadi keheterogenan ragam dan sebaliknya. Berdasarkan hasil uji Gletsjer pada
Tabel 5 dapat dilihat bahwa ada tiga peubah
bebas yang berpengaruh nyata pada taraf nyata
5%. Hal ini mengindikasikan terjadi keheterogenan ragam.
Gambar 1 merupakan plot antara sisaan
dengan yduga. Dari gambar tersebut dapat dilihat plot membentuk pola kuadratik sehingga
dapat dikatakan terjadi autokorelasi.
Tabel 6 Pendugaan parameter model tetap
dengan SAR
Peubah
Koefisien
Nilai-p
X1
-1.313
0.006*
X2
0.422
0.062
X3
2.456
0.321
X4
0.142
0.279
X5
0.635
0.815
X6
0.189
0.000*
λ
0.4167
0.000*
R2
88.82%
0.04
*nyata pada α = 5%
-0.02
0.00
0.02
Setelah diperoleh model spasial data panel
yaitu model pengaruh tetap dengan SAR maka
langkah selanjutnya adalah melakukan pengujian asumsi. Asumsi yang diuji antara lain
autokorelasi, kehomogenan ragam dan kenormalan.
-0.08
-0.06
-0.04
sisaan
pada taraf nyata 5%. R2 yang dihasilkan adalah
sebesar 88.82%.
0.05
0.10
0.15
0.20
0.25
0.30
0.35
yduga
Gambar 1 Plot sisaan dengan yduga model
pengaruh tetap dengan SEM
*nyata pada α = 5%
Uji kenormalan sisaan menggunakan uji
Kolmogorov-Smirnov (KS). Berdasarkan hasil
uji KS pada Gambar 2 diperoleh nilai-p >
0.150, yang artinya sisaan menyebar normal
pada taraf nyata 5%.
Pendugaan parameter data panel dengan
SAR
Hasil pendugaan parameter model tetap
dengan SAR dapat dilihat pada Tabel 6. Dari
tabel tersebut dapat dilihat bahwa koefisien
X1, X6 dan λ berpengaruh nyata sedangkan
X2, X3, X4 dan X5 tidak berpengaruh nyata
0.00
-0.04
-0.06
Gambar 2 Uji Kolmogorov-Smirnov model
pengaruh tetap dengan SEM
-0.02
sisaan
0.02
0.04
0.06
KS 0.074
Nilai-p > 0.150
Tabel 7 Uji Glesjer model pengaruh tetap
dengan SAR
Peubah
Nilai-p
C
0.005*
X1
0.009*
X2
0.204
X3
0.195
X4
0.051
X5
0.669
X6
0.290
0.05
0.10
0.15
0.20
0.25
0.30
0.35
yduga
Gambar 3 Plot sisaan dengan yduga model
pengaruh tetap dengan SAR
Uji kehomogenan ragam menggunakan
uji Gletsjer. Berdasarkan hasil uji Gletsjer
pada Tabel 7 dapat dilihat bahwa ada dua
peubah bebas yang berpengaruh nyata pada
taraf nyata 5%. Hal ini mengindikasikan
terjadi keheterogenan ragam.
7
Gambar 3 merupakan plot antara sisaan
dengan yduga. Dari gambar tersebut dapat dilihat plot membentuk pola kuadratik sehingga
dapat dikatakan terjadi autokorelasi.
KS 0.062
Nilai-p > 0.150
Gambar 4 Uji Kolmogorov-Smirnov model
pengaruh tetap dengan SAR
Uji kenormalan sisaan menggunakan uji
Kolmogorov-Smirnov (KS). Berdasarkan hasil
uji KS pada Gambar 4 diperoleh nilai-p >
0.150, yang artinya sisaan menyebar normal
pada taraf nyata 5%.
Interpretasi Model
Kemiskinan suatu wilayah tidak lepas dari
pengaruh kemiskinan di wilayah sekitarnya,
oleh karena itu model yang cocok digunakan
untuk kasus ini adalah model pengaruh tetap
dengan SAR. Hal ini juga didukung dengan
nilai AIC dan R2 yang diperoleh. Model
dikatakan lebih baik jika nilai AIC-nya kecil
dan R2 besar. Pada Tabel 8 dapat dilihat bahwa
nilai AIC untuk SAR lebih kecil dibandingkan SEM dan nilai R2 SAR lebih besar
dibandingkan SEM. Berdasarkan hal-hal
tersebut maka model yang lebih baik untuk
memodelkan kemiskinan di Provinsi Sumatera
Selatan adalah model pengaruh tetap dengan
SAR dengan dua peubah bebas yang
berpengaruh nyata yaitu X1 dan X6.
Tabel 8 Ukuran kebaikan model
SEM
AIC
-199.839
R2
86.09%
SAR
-206.385
88.82%
Model pengaruh tetap dengan SAR sebagai
berikut :
� = 0.499
� − 1.608 1 � −
=1
0.559 6 � + Ɛ �
Model diatas memiliki nilai konstanta
yang berbeda-beda untuk setiap wilayah
karena adanya pengaruh cross-section (τi)
yang nilainya dapat dilihat pada Tabel 9. R2
yang dihasilkan dari model tersebut adalah
sebesar 88.23%. Artinya,
keragaman
kemiskinan yang dapat dijelaskan oleh model
adalah sebesar 88.23%, sedangkan sisanya
dijelaskan oleh faktor-faktor yang tidak
dimasukkan ke dalam model.
Koefisien angka melek huruf (X1) diperoleh sebesar -1.608 yang artinya untuk
suatu wilayah ke-i pada periode waktu ke-t
jika terjadi kenaikan angka melek huruf
sebesar satu persen akan menurunkan
persentase tingkat kemiskinannya sebesar
1.608 % dengan asumsi peubah yang lain
dianggap tetap. Hal ini berarti bahwa semakin
banyak masyarakat yang tidak buta huruf
dapat megurangi angka kemiskinan. Karena
dengan bisa membaca dapat menambah
wawasan
serta
meningkatkan
kualitas
masyarakat yang akhirnya dapat mengurangi
angka kemiskinan.
Koefisien penerimaan pajak (X6) diperoleh sebesar -0.559. Artinya untuk suatu
wilayah ke-i pada periode waktu ke-t jika
terjadi kenaikkan penerimaan pajak sebesar
satu persen akan menurunkan persentase
tingkat kemiskinannya sebesar 0.559% dengan
asumsi peubah yang lain dianggap tetap.
Tabel 9 Dugaan pengaruh kabupaten/kota
Kabupaten/kota
Pengaruh
Ogan Komering Ulu
0.056
Ogan Komering Ilir
-0.075
Muara Enim
-0.001
Lahat
0.141
Musi Rawas
0.155
Musi Banyu Asin
0.204
Banyu Asin
-0.089
Ogan Komering Ulu Selatan
0.013
Ogan Komering Ulu Timur
-0.094
Ogan Ilir
0.060
Palembang
-0.421
Prabumulih
0.009
Pagar Alam
0.012
Lubuklinggau
0.029
Koefisien λ yang dihasilkan sebesar
0.499. Hal ini berarti jika suatu wilayah yang
dikelilingi oleh wilayah lain sebanyak n, maka
pengaruh dari masing-masing wilayah yang
mengelilinginya sebesar 0.499 dikalikan ratarata kemiskinan di sekelilingnya.
8
SIMPULAN
Model pengaruh tetap dengan SAR lebih
baik digunakan untuk diterapkan pada kasus
kemiskinan di Provinsi Sumatera Selatan
dibandingkan dengan model pengaruh tetap
dengan SEM. Terdapat dua peubah bebas yang
berpengaruh pada model tersebut yaitu angka
melek huruf dan penerimaan pajak. Model
tersebut memiliki R2 sebesar 88.23%.
DAFTAR PUSTAKA
Alkaf Y. 2009. Visi, Misi dan Program Kerja
Pasangan SBY-Boediono 2009-2014
[terhubungberkala].http://yasiralkaf.word
press.com/2009/06/26/visi-misi-danprogram-kerja-pasangan-sby-boediono2009-2014/. [3 Oktober 2012]
Amalia R. 2012. Analisis Faktor-Faktor yang
Mempengaruhi
Kemiskinanan
NTT
[skripsi]. Bogor : Fakultas Ekonomi dan
Manajemen, Institut Pertanian Bogor.
Anselin L. 1999. Spatial econometrics. Dallas:
University of Texas.
Baltagi BH. 2005. Econometrics Analysis of
Data Panel. Ed ke-3. England : John
Wiley and Sons, LTD.
[Bappeda] Badan Perencanaan Pembangunan
Daerah. 2009. Rencana Pembangunan
Jangka Menengah Daerah Provinsi
Sumatera Selatan Tahun 2008-2013.
Palembang
:
Badan
Perencanaan
Pembangunan Daerah
[BPS] Badan Pusat Statistik. 2008. Analisis
dan Perhitungan Tingkat Kemiskinan
2008 . Jakarta : Badan Pusat Statistik.
[BPS] Badan Pusat Statistik. 2004. Indikator
Kemiskinan dan Pembangunan Manusia.
Jakarta : Badan Pusat Statistik.
[BPS] Badan Pusat Statistik. 2009. Laporan
Perekonmian Sumatera Selatan 2009.
Jakarta : Badan Pusat Statistik.
[BPS] Badan Pusat Statistik. 2011. Data
Strategis BPS. Jakarta : Badan Pusat
Statistik.
[BPS] Badan Pusat Statistik. 2012. Profil
Kemiskinan di Indonesia September 2011.
Jakarta : Badan Pusat Statistik.
Dubin R. 2009. Spatial Weight. Foteringham
AS, PA Rogerson, editor, handbook of
Spatial
Analysis.
London:
Sage
Publications.
Elhorst JP. 2010. Spatial Data panel Models.
Fiscer MM, A.Getis, editor, Handbook of
Applied Spatial Analysis. New York:
Springer.
Gujarati DN. 2004. Basic Econometrics 4th
Edition. New York: The McGraw-Hil
Companies.
Susanto H. 2010. 10 Propinsi Paling Miskin di
Indonesia
[terhubung
berkala].
http://bisnis.news.viva.co.id/news/read/17
3118-10-propinsi-paling-miskin-diindonesia.
[31
Oktober
2012]
9
LAMPIRAN
10
Lampiran 1 Persentase Kemiskinan dan Garis Kemiskinan Kabupaten/Kota Provinsi Sumatera Selatan
Tahun
2006
Kabupaten/Kota
2007
Persentase
Kemiskinan
Garis
Kemiskinan
(Rp)
Ogan Komering Ulu
17.80%
Ogan Komering Ilir
2008
2009
2010
Garis
Garis
Persentase
Persentase
Kemiskinan
Kemiskinan
Kemiskinan
Kemiskinan
(Rp)
(Rp)
Persentase
Kemiskinan
Garis
Kemiskinan
(Rp)
Persentase
Kemiskinan
Garis
Kemiskinan
(Rp)
165070
17.59%
131969
17.80%
152548
14.64%
189810
12.28%
253307
25.93%
180486
24.47%
130382
25.93%
148949
17.67%
173700
15.98%
213543
Muara Enim
21.88%
181651
22.03%
148238
21.88%
167525
17.98%
210095
14.51%
225807
Lahat
29.67%
168011
29.57%
142743
29.67%
181992
23.21%
208836
19.02%
260227
Musi Rawas
34.49%
183581
34.82%
150947
34.49%
188164
24.27%
220070
19.38%
268257
Musi Banyu Asin
35.52%
172180
36.28%
156742
35.52%
154398
25.45%
238773
20.06%
275807
Banyu Asin
19.81%
153640
20.22%
133069
19.81%
134521
15.38%
212328
12.39%
235431
Ogan Komering Ulu Selatan
21.06%
165070
18.42%
113654
21.06%
143400
14.56%
162100
11.53%
199259
Ogan Komering Ulu Timur
18.26%
165070
18.38%
119651
18.26%
172179
12.12%
177015
9.81%
191232
Ogan Ilir
22.67%
180486
23.75%
140912
22.67%
169975
17.78%
205432
13.97%
253074
Palembang
9.23%
210381
9.35%
147221
9.23%
157754
16.66%
244233
15.00%
315634
Prabumulih
9.33%
167307
11.83%
134202
9.33%
130053
15.39%
240418
12.93%
318521
Pagar Alam
11.88%
142196
13.20%
120466
11.88%
174863
10.23%
163329
9.81%
213574
Lubuklinggau
16.01%
168993
16.11%
163379
16.01%
174863
17.36%
265922
15.30%
288609
11
Lampiran 2 Peta Provinsi Sumatera Selatan berdasarkan Tingkat Kemiskinan Nasional
Lampiran 3 Peta Provinsi Sumatera Selatan berdasarkan Tingkat Kemiskinan Nasional dan
Tingkat Kemiskinan Provinsi Sumatera Selatan
12
Lampiran 4 Perbandingan Model Regresi, Model Pengaruh Tetap dan Model Pengaruh Acak
Model Regresi
Model Pengaruh Tetap
Model Pengaruh Acak
Koefisien
Nilai-p
Koefisien
Nilai-p
Koefisien
Nilai-p
C
X1
1.522
0.045*
1.264
0.042*
1.506
0.083*
-1.721
0.024*
-1.411
0.015*
-1.646
0.029*
X2
0.105
0.715*
0.643
0.009*
0.455
0.040*
X3
-0.129
0.511
2.394
0.363
0.035
0.901
X4
0.431
0.023*
0.209
0.246
0.428
0.007*
X5
0.275
0.751
-0.055
0.994
-0.637
0.366
X6
0.544
0.001*
-0.628
0.003*
-0.029
2
R
38.21%
0.849
82.99%
63.59%
*nyata pada taraf nyata 5%
Kab.Ogan Komering Ulu
Kab.Ogan Komering Ilir
kab. Muara Enim
kab. Lahat
kab. Musi Rawas
kab. Musi Banyu Asin
kab. Banyu Asin
Kab.Ogan Komering Ulu Selatan
Kab.Ogan Komering Ulu Timur
kab. Ogan Ilir
kab. Palembang
kab. Prabumulih
kab. Pagar Alam
kab. Lubuklinggau
Lampiran 5 Matriks Pembobot Spasial
Kab.Ogan Komering Ulu
0
0
1
0
0
0
0
1
1
1
0
0
0
0
Kab.Ogan Komering Ilir
0
0
0
0
0
0
1
0
1
1
0
0
0
0
Kab. Muara Enim
1
0
0
1
1
1
1
1
0
1
1
1
0
0
Kab. Lahat
0
0
1
0
1
0
0
0
0
0
0
0
1
0
Kab. Musi Rawas
0
0
1
1
0
1
0
0
0
0
0
0
0
1
Kab. Musi Banyu Asin
0
0
1
0
1
0
1
0
0
0
0
0
0
0
Kab. Banyu Asin
0
1
1
0
0
1
0
0
0
1
1
0
0
0
Kab.Ogan Komering Ulu Selatan
1
0
1
0
0
0
0
0
1
0
0
0
0
0
Kab.Ogan Komering Ulu Timur
1
1
0
0
0
0
0
1
0
1
0
0
0
0
Kab. Ogan Ilir
1
1
1
0
0
0
1
0
1
0
1
1
0
0
Kota. Palembang
0
0
1
0
0
0
1
0
0
1
0
0
0
0
Kota Prabumulih
0
0
1
0
0
0
0
0
0
1
0
0
0
0
Kota Pagar Alam
0
0
1
1
0
0
0
0
0
0
0
0
0
0
Kota Lubuklinggau
0
0
0
0
1
0
0
0
0
0
0
0
0
0
13
kab. Ogan Ilir
kab. Palembang
kab. Prabumulih
kab. Pagar Alam
kab. Lubuklinggau
0
1/4
0
0
0
0
1/4
1/4 1/4
0
0
0
0
Kab.Ogan Komering Ilir
0
0
0
0
0
0
1/3
0
1/3 1/3
0
0
0
0
1/9
0
0
1/9 1/9
1/9
0
1/9
1/9 1/9
0
0
Kab. Lahat
0
0
1/3
0
1/3
0
0
0
0
0
0
0
1/3
0
Kab. Musi Rawas
0
0
1/4
1/4
0
1/4
0
0
0
0
0
0
0
1/4
Kab. Musi Banyu Asin
0
0
1/3
0
1/3
0
1/3
0
0
0
0
0
0
0
Kab. Banyu Asin
0
1/5 1/5
0
0
1/5
0
0
0
1/5
1/5
0
0
0
0
0
1/3
0
0
0
0
0
0
0
0
0
1/7 1/7
0
0
Kab. Muara Enim
kab. Banyu Asin
kab. Musi Rawas
kab. Lahat
kab. Muara Enim
kab. Musi Banyu Asin
0
Kab.Ogan Komering Ilir
Kab.Ogan Komering Ulu
Kab.Ogan Komering Ulu
Kab.Ogan Komering Ulu Timur
Kab.Ogan Komering Ulu Selatan
Lampiran 6 Matriks Pembobot Spasial yang Dinormalisasi
1/9 1/9
Kab.Ogan Komering Ulu Selatan
1/3
0
1/3
0
0
0
Kab.Ogan Komering Ulu Timur
1/4 1/4
0
0
0
0
0
1/4
0
1/4
1/7 1/7 1/7
0
0
0
1/7
0
1/7
0
Kab. Ogan Ilir
Kota. Palembang
0
0
1/3
0
0
0
1/3
0
0
1/3
0
0
0
0
Kota Prabumulih
0
0
1/2
0
0
0
0
0
0
1/2
0
0
0
0
Kota Pagar Alam
0
0
1/2
1/2
0
0
0
0
0
0
0
0
0
0
Kota Lubuklinggau
0
0
0
0
1
0
0
0
0
0
0
0
0
0
ANALISIS SPASIAL DATA PANEL
UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI
KEMISKINAN DI PROVINSI SUMATERA SELATAN
YULIA ANGGRAENI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOBOR
BOGOR
2012
ii
RINGKASAN
YULIA ANGGRAENI. Analisis Spasial Data Panel untuk Menentukan Faktor-faktor yang
Mempengaruhi Kemiskinan di Provinsi Sumatera Selatan. Dibimbing oleh YENNI ANGRAINI
dan ANANG KURNIA.
Kemiskinan merupakan masalah mendasar yang dihadapi oleh setiap negara. Garis
kemiskinan adalah salah satu alat yang digunakan untuk menentukan miskin atau tidaknya
seseorang. Seseorang dikatakan miskin apabila pengeluaran per kapita per bulan kurang dari garis
kemiskinan. Penanggulangan kemiskinan termasuk dalam program kerja pokok pemerintah
Indonesia. Mengetahui faktor-faktor yang mempengaruhi kemiskinan merupakan hal penting
dalam menentukan kebijakan yang tepat dalam menanggulangi kemiskinan. Provinsi Sumatera
Selatan memiliki angka kemiskinan yang cukup tinggi. Berdasarkan hasil sensus nasional Badan
Pusat Statistik (BPS) tahun 2010, Provinsi Sumatera Selatan menduduki urutan ke-10 provinsi
termiskin di Indonesia. Untuk itu perlu dikaji faktor-faktor apa saja yang mempengaruhi
kemiskinan di Provinsi Sumatera Selatan. Agar hasil yang diperoleh lebih informatif dan beragam
maka data yang digunakan lebih dari satu periode waktu. Data yang digunakan dalam penelitian
ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik dari tahun 2006 sampai tahun
2010. Berdasarkan eksplorasi dari data tersebut, beberapa wilayah yang berdekatan memiliki
angka kemiskinan yang relatif sama. Hal ini mengindikasikan adanya kemungkinan pengaruh
wilayah yang berdekatan terhadap kemiskinan suatu wilayah atau terdapat pengaruh spasial. Oleh
karena itu, dalam penelitian ini digunakan analisis spasial data panel. Berdasarkan hasil analisis
tersebut, model pengaruh tetap dengan SAR lebih baik digunakan untuk memodelkan kemiskinan
di Provinsi Sumatera Selatan. Faktor yang berpengaruh terhadap kemiskinan Provinsi Sumatera
Selatan adalah angka melek huruf dan penerimaan pajak. Nilai R2 yang diperoleh adalah sebesar
88.23%.
Kata Kunci : analisis spasial data panel, garis kemiskinan, SAR
iii
ANALISIS SPASIAL DATA PANEL
UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI
KEMISKINAN DI PROVINSI SUMATERA SELATAN
YULIA ANGGRAENI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOBOR
BOGOR
2012
iv
Judul
Nama
NRP
: Analisis Spasial Data Panel untuk Menentukan Faktor-faktor yang
Mempengaruhi Kemiskinan di Provinsi Sumatera Selatan
: Yulia Anggraeni
: G14080079
Disetujui:
Ketua Komisi Pembimbing
Anggota Komisi Pembimbing
Yenni Angraini, S.Si, M.Si
NIP. 197805112007012001
Dr. Anang Kurnia
NIP. 197308241997021001
Diketahui:
Ketua Departemen Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Dr. Ir. Hari Wijayanto, M.Si
NIP. 196504211990021001
Tanggal Lulus :
v
PRAKATA
Puji dan syukur penulis haturkan kehadirat Allah SWT atas segala limpahan rahmat dan
hidayah-Nya sehingga penulis dapat menyelesaikan studi Sarjana dan menyelesaikan skripsi ini
yang berjudul “Analisis Spasial Data Panel untuk Menentukan Faktor-faktor yang Mempengaruhi
Kemiskinan di Provinsi Sumatera Selatan”. Shalawat dan salam semoga selalu tercurah kepada
Nabi Muhammad SAW beserta keluarga, sahabat, dan umat beliau hingga akhir jaman.
Ucapan terima kasih atas segala bantuan dan bimbingan yang diberikan, penulis sampaikan
kepada:
1. Ibu Yenni Angraini, S.Si, M.Si, dan Bapak Dr. Anang Kurnia selaku dosen
pembimbing skripsi
2. Ibu Dra.Itasia Dina Silvianti, M.Si selaku dosen penguji
3. Mamak, Bapak, Yuk Nana, Yuk Apri, Kak Iyen serta keluarga yang selalu
memberikan semangat, doa serta dukungan
4. Sahabat-sahabat Alcatraz, Mela, Kiki dan Farah serta, Fida, Niza, Putri dan Cuwie
yang selalu memberikan semangat
5. Sahabat tercinta, Arum, Endah dan Opi serta teman seperjuangan, Liara, Enha dan
Aci yang dengan setia membantu penulis ketika menemui kesulitan
6. Rekan-rekan Statistika 45
7. Semua pihak yang telah membantu dalam penyelesaian skripsi ini.
Demikian skripsi ini disusun. Besar harapan skripsi ini dapat bermanfaat bagi penulis dan bagi
pembaca pada umumnya.
Bogor, Desember 2012
Penulis
vi
RIWAYAT HIDUP
Penulis dilahirkan di Tanjung Enim pada tanggal 19 Juni 1990 dari pasangan Suharni dan
Nurdalia. Penulis merupakan anak keempat dari empat bersaudara dengan nama kakak adalah
Agusliana, Apriana dan Chairil Adha. Penulis telah berhasil menyelesaikan pendidikannya di
Sekolah Dasar Negeri (SDN) 1 Tanjung Agung pada tahun 2002. Jenjang pendidikan selanjutnya
penulis tempuh di Sekolah Menengah Pertama Negeri (SMPN) 1 Tanjung Agung dan lulus tahun
2005. Penulis menamatkan pendidikannya di Sekolah Menengah Atas Negeri (SMAN) 1 Muara
Enim pada tahun 2008 dan pada tahun yang sama penulis diterima sebagai mahasiswa Departemen
Statistika, Institut Pertanian Bogor (IPB) melalui Seleksi Nasional Masuk Perguruan Tinggi
Nasional (SNMPTN).
Selama mengikuti perkuliahan, penulis aktif dalam kepengurusan Gamma Sigma Beta (GSB)
periode 2010/2011 sebagai staf Survey and Research Departement serta mengikuti beberapa
kepanitiaan diantaranya IDEA 2009, Statistika Ria 2010, G-FORCE 2010, G-FORCE 2011,
Lomba Jajak Pendapat Statistika 2011 serta WCS 2011. Penulis melaksanakan praktik lapang
pada tanggal 13 Februari sampai 06 April 2012 Direktorat Administrasi Pendidikan Institut
Pertanian Bogor.
vii
DAFTAR ISI
Halaman
DAFTAR TABEL .......................................................................................................................... viii
DAFTAR GAMBAR ..................................................................................................................... viii
DAFTAR LAMPIRAN .................................................................................................................. viii
PENDAHULUAN ............................................................................................................................ 1
Latar Belakang.............................................................................................................................. 1
Tujuan ........................................................................................................................................... 1
TINJAUAN PUSTAKA ................................................................................................................... 1
Garis Kemiskinan ......................................................................................................................... 1
Analisis Data panel ....................................................................................................................... 1
Model Pengaruh Tetap ............................................................................................................. 2
Model Pengaruh Acak .............................................................................................................. 2
Analisis Spasial Data Panel .......................................................................................................... 2
Model Panel dengan Spasial Lag( SAR) .................................................................................. 2
Model Panel dengan Galat Spasial (SEM) ............................................................................... 2
Matriks Pembobot Spasial ........................................................................................................ 2
Uji Pengganda Lagrange .............................................................................................................. 3
DATA DAN METODE .................................................................................................................... 3
Data .............................................................................................................................................. 3
Metode .......................................................................................................................................... 4
HASIL DAN PEMBAHASAN ......................................................................................................... 4
Eksplorasi Data ............................................................................................................................. 4
Analisis Data Panel ....................................................................................................................... 5
Analisis Spasial Data Panel .......................................................................................................... 5
Pendugaan parameter data panel dengan SEM......................................................................... 5
Pendugaan parameter data panel dengan SAR ......................................................................... 6
Interpretasi Model ........................................................................................................................ 7
SIMPULAN ...................................................................................................................................... 8
DAFTAR PUSTAKA ....................................................................................................................... 8
viii
DAFTAR TABEL
Tabel 1
Tabel 2
Tabel 3
Tabel 4
Tabel 5
Tabel 6
Tabel 7
Tabel 8
Tabel 9
Halaman
Persentase tingkat kemiskinan Provinsi Sumatera Selatan berdasarkan kabupaten/kota .... 4
Pendugaan parameter model pengaruh ............................................................................... 5
Hasil Uji LM ....................................................................................................................... 5
Pendugaan parameter model tetap ...................................................................................... 5
Uji Glesjer model pengaruh tetap ....................................................................................... 5
Pendugaan parameter model tetap ...................................................................................... 6
Uji Glesjer model pengaruh tetap ....................................................................................... 6
Ukuran kebaikan model ...................................................................................................... 7
Dugaan pengaruh kabupaten/kota ....................................................................................... 7
DAFTAR GAMBAR
Gambar 1
Gambar 2
Gambar 3
Gambar 4
Halaman
Plot sisaan dengan yduga model pengaruh tetap dengan SEM ...................................... 6
Uji Kolmogorov-Smirnov model pengaruh tetap dengan SEM ...................................... 6
Plot sisaan dengan yduga model pengaruh tetap dengan SAR ........................................ 6
Uji Kolmogorov-Smirnov model pengaruh tetap dengan SAR ....................................... 7
DAFTAR LAMPIRAN
Halaman
Lampiran 1 Persentase Kemiskinan dan Garis Kemiskinan Kabupaten/Kota Provinsi Sumatera
Selatan ........................................................................................................................ 10
Lampiran 2 Peta Provinsi Sumatera Selatan berdasarkan Tingkat Kemiskinan Nasional.............. 11
Lampiran 3 Peta Provinsi Sumatera Selatan berdasarkan Tingkat Kemiskinan Nasional dan
Tingkat Kemiskinan Provinsi Sumatera Selatan ........................................................ 11
Lampiran 4 Perbandingan Model Regresi, Model Pengaruh Tetap dan Model Pengaruh Acak .... 12
Lampiran 5 Matriks Pembobot Spasial .......................................................................................... 12
Lampiran 6 Matriks Pembobot Spasial yang Dinormalisasi .......................................................... 13
1
PENDAHULUAN
Latar Belakang
Kemiskinan merupakan permasalahan
mendasar yang menjadi perhatian pemerintah
di negara manapun. BPS (2011) melakukan
pengukuran kemiskinan dengan menggunakan
konsep kemampuan memenuhi kebutuhan
dasar (basic needs approach). Dengan
pendekatan ini, kemiskinan dipandang sebagai
ketidakmampuan dari sisi ekonomi untuk
memenuhi kebutuhan dasar makanan dan
bukan makanan yang diukur dari sisi
pengeluaran. Menurut pendekatan ini, penduduk miskin adalah penduduk yang memiliki
rata-rata pengeluaran per kapita per bulan
kurang dari Garis Kemiskinan (GK). Garis
Kemiskinan digunakan untuk menentukan
miskin atau tidaknya seseorang (BPS 2011).
Jumlah dan persentase penduduk miskin
di Indonesia menurun dari tahun 2004 ke
2005. Pada tahun 2006 jumlah penduduk
miskin meningkat disebabkan harga barangbarang kebutuhan pokok naik tinggi dan
berdampak parah pada penduduk miskin.
Mulai tahun 2007 sampai 2011 jumlah
maupun persentase penduduk miskin kembali
mengalami penurunan (BPS 2012).
Penanggulangan kemiskinan merupakan
program kerja pokok pemerintah agar tercapainya Indonesia yang mandiri, maju, adil
dan makmur berdasarkan UU No.17 tahun
2007. Agar hal tersebut berhasil perlu diketahui faktor-faktor apa saja yang mempengaruhi kemiskinan sehingga dapat membantu membuat kebijakan yang tepat dalam
penanggulangan
kemiskinan.
Penelitian
mengenai faktor-faktor yang mempengaruhi
kemiskinan telah banyak dilakukan, salah
satunya telah dilakukan oleh Amalia (2012),
Pada penelitian tersebut analisis yang
digunakan adalah analisis data panel.
Provinsi Sumatera Selatan termasuk
provinsi yang memiliki angka kemiskinan
yang cukup tinggi. Berdasarkan hasil Sensus
Nasional BPS 2010, Sumatera Selatan menduduki urutan ke-10 provinsi termiskin di
Indonesia. Perlu dikaji faktor-faktor yang
mempengaruhi kemiskinan di Provinsi
Sumatera Selatan untuk menentukan kebijakan
yang diambil dalam mengurangi angka
kemiskinannya. Dalam penelitian ini faktorfaktor yang mempengaruhi kemiskinan dikaji
dalam kurun waktu lebih dari satu periode
untuk memberikan hasil yang lebih informatif
dan beragam. Data panel yang merupakan
gabungan dari data lintas individu dan deret
waktu digunakan dalam penelitian ini.
Data yang digunakan dalam penelitian ini
adalah data panel kemiskinan provinsi Sumatera Selatan. Dari data tersebut diketahui
bahwa beberapa kabupaten/kota yang berdekatan memiliki tingkat kemiskinan relatif
sama. Hal ini mengindikasikan adanya kemungkinan pengaruh wilayah yang berdekatan
terhadap kemiskinan suatu wilayah atau
terdapat pengaruh spasial. Oleh karena itu,
dalam penelitian ini digunakan analisis spasial
data panel. Analisis spasial data panel
merupakan suatu analisis gabungan data lintas
individu dan deret waktu dengan memperhitungkan pengaruh spasial.
Tujuan
Tujuan dari penelitian ini adalah menerapkan analisis spasial data panel untuk
mengetahui faktor-faktor yang mempengaruhi
kemiskinan di provinsi Sumatera Selatan.
TINJAUAN PUSTAKA
Garis Kemiskinan
GK merupakan penjumlahan dari Garis
Kemiskinan Makanan (GKM) dan Garis
Kemiskinan Non-Makanan (GKNM). GKM
merupakan nilai pengeluaran kebutuhan
minimum makanan yang disetarakan dengan
2100 kalori perkapita perhari, sedangkan
GKNM merupakan kebutuhan minimum
untuk sandang, papan, pendidikan dan
kesehatan. Rumus perhitungan GK dinyatakan
sebagai berikut:
GK = GKM + GKNM
[1]
dimana seseorang dikatakan miskin jika
pengeluaran rata-rata per kapita per bulan
kurang dari GK (BPS 2008).
Analisis Data panel
Analisis data panel merupakan analisis
gabungan antara data lintas individu dan data
deret waktu. Data panel diperoleh ketika
sejumlah objek diamati dari waktu ke waktu.
Jika setiap unit lintas individu memiliki
jumlah pengamatan deret waktu yang sama
maka data panel seperti ini disebut data panel
seimbang dan jika setiap unit lintas individu
memiliki jumlah pengamatan deret waktu
yang berbeda maka data panel seperti ini
disebut data panel tak seimbang (Gujarati
2004). Model regresi data panel secara umum
dapat dinyatakan sebagai berikut:
�
= � + �′ � � +
�
[2]
2
i = 1,….,N, ; t = 1,….,T
dengan i merupakan unit pengamatan, t
merupakan unit deret waktu. α merupakan
nilai suatu konstanta, β merupakan vektor
berukuran K x 1, dan � � merupakan vektor
peubah penjelas berukuran K X 1 untuk
pengamatan ke-i pada periode waktu ke-t, K
merupakan banyaknya peubah penjelas
(Baltagi 2005). Model komponen sisaan satu
arah untuk model regresi data panel
didefinisikan pada persamaan berikut:
�
=� +Ɛ�
[3]
�
= � + � �′ � � + +Ɛ �
[4]
Sehingga model umum data panel menjadi:
dimana � merupakan pengaruh spesifik individu yang tidak diamati dan Ɛ � merupakan
sisaan pengamatan ke- i pada periode waktu
ke-t (Baltagi 2005 ).
Model Pengaruh Tetap
Pada model pengaruh tetap, individu yang
digunakan biasanya merupakan individu
agregat atau misalnya jika hanya ingin fokus
pada N individu tertentu saja. Model pengaruh
tetap juga dikenal dengan Least Square
Dummy Variable (LSDV), karena itu nilai
pengamatan pada koefisien � berupa peubah
dummy yang memiliki nilai berbeda-beda
untuk setiap individu ke-i (Baltagi 2005).
Pendugaan parameter pada model pengaruh tetap salah satunya menggunakan penduga within, persamaan [4] dirata-ratakan
untuk keseluruhan waktu sehingga diperoleh
persamaan:
.
= � + �′ . � + � + Ɛ .
[5]
kemudian dengan mengurangkan persamaan
[4]
dengan
persamaan
[5]
(within
transformation) diperoleh persamaan:
�
−
.
= �′ � − �′ . � + (Ɛ � − Ɛ . )
[6]
Penduga β diduga dengan menggunakan
Metode Kuadrat Terkecil (MKT), sehingga
diperoleh :
∗′
� = (� � �∗� )−1 (�∗′�
∗
�)
dengan �∗� = �′ � − �′ . dan
[7]
∗
�=
�
−
.
Model Pengaruh Acak
Pada model pengaruh acak, individu yang
digunakan merupakan individu yang dipilih
secara acak dari populasi yang besar (Baltagi
2005). Pada persamaan [4], τi pada model
pengaruh tetap bersifat tetap (fixed) sedangkan
pada model pengaruh acak τi~bsi(0, ��2 )
sehingga model pengaruh acak menjadi:
�
= � + � �� + � + Ɛ �
[8]
dimana Ɛ � merupakan sisaan pengamatan kei pada periode waktu ke-t. Pendugaan β
menggunakan metode kuadrat terkecil
terampat (Generilized Least Square) (Gujarati
2004).
Analisis Spasial Data Panel
Analisis spasial data panel merupakan
gabungan data lintas individu dan deret waktu
dengan memperhitungkan pengaruh spasial.
Panel spasial merujuk pada data yang
mengandung pengamatan deret waktu pada
jumlah unit-unit spasial (kode pos, kabupaten,
wilayah, negara dan sebagainya) secara
khusus. Saat menetapkan interaksi antara unitunit spasial, model dapat mengandung peubah
dependen spasial lagged atau proses spasial
autoregresif pada galat, hal ini dikenal sebagai
model spasial lag (SAR) dan model galat
spasial (SEM) (Elhosrt 2010).
Model Panel dengan Spasial Lag( SAR)
Pada model spasial lag, peubah respon
bergantung pada pengamatan peubah respon
pada unit-unit tetangga. Model spasial lag
dinyatakan sebagai berikut:
∗
�
=�
=1
∗
�
+ �∗� � + � +
�
[9]
dengan λ adalah koefisien spasial autoregresif
dan
adalah elemen pada matriks pembobot
spasial. Pendugaan parameternya menggunakan penduga kemungkinan maksimum
(Elhorst 2010).
Model Panel dengan Galat Spasial (SEM)
Pada model ini, fokusnya terdapat pada
bentuk sisaannya. Model galat spasial
dinyatakan sebagai berikut:
∗
�
= �∗� � + � + � �
�� =�
=1
�� +
[10]
�
[11]
dimana � � merupakan galat autokorelasi spasial dan ρ merupakan koefisien autokorelasi
spasial. Pendugaan parameternya menggunakan penduga kemungkinan maksimum
(Elhorst 2010).
Matriks Pembobot Spasial
Matriks pembobot meringkas hubungan
spasial pada data. Diagonal utama dari matriks
3
ini berisi nilai nol. Baris ke-i menunjukkan
hubungan observasi ke-i terhadap observasi
lainnya. Karena matriks pembobot menunjukan hubungan antara keseluruhan observasi, maka dimensi dari matriks ini adalah
NxN, dimana N adalah banyaknya observasi
(Dubin 2009 ).
Matriks pembobot dapat dibentuk berdasarkan beberapa konsep diantaranya,
persinggungan (contiguity), kedalaman dari
permukaan laut, transportasi wilayah, jarak
terhadap pusat kota dan jarak ekonomi. Pada
konsep persinggungan ada tiga tipe persinggungan, antara lain:
1. Benteng Catur (Rook Contiguity)
Konsep dari benteng catur adalah setiap
wilayah yang bersinggungan di sisi baik
utara, selatan, timur dan barat dari daerah
yang diamati adalah tetangga dan
diberikan nilai 1. Sedangkan untuk
lainnya 0.
2. Gajah Catur (Bishop Contiguity)
Konsep dari gajah catur adalah setiap
wilayah yang bersinggungan sudut dari
daerah yang diamati adalah tetangga dan
diberikan nilai 1. Sedangkan untuk
lainnya 0.
3. Ratu Catur (Queen Contiguity)
Konsep dari gajah catur adalah setiap
wilayah yang bersinggungan sisi baik di
utara, selatan, timur dan barat serta sudut
dari daerah yang diamati adalah tetangga
dan diberikan nilai 1. Sedangkan untuk
lainnya 0
Setelah menentukan matriks pembobot spasial
yang akan digunakan, selanjutnya dilakukan
normalisasi pada matriks pembobot spasial
tersebut. Pada umumnya, untuk normalisasi
matriks digunakan normalisasi baris (rownormalize). Artinya, matriks tersebut ditransformasi sehingga jumlah dari masingmasing baris matriks menjadi sama dengan
satu (Dubin 2009).
Uji Pengganda Lagrange
Salah satu uji yang digunakan untuk
mengetahui adanya efek interaksi spasial
adalah Uji Pengganda Lagrange. Hipotesis Uji
Pengganda Lagrange:
1. Model autoregresi spasial
H0 : λ = 0 (tidak ada ketergantungan
autoregresi spasial)
H1 : λ ≠ 0 (ada ketergantungan
autoregresi spasial)
2. Model galat spasial
H0 : ρ = 0 (tidak ada ketergantungan
galat spasial)
H1 : ρ ≠ 0 ada ketergantungan galat
spasial)
Statistik Uji Pengganda Lagrange:
�
=
[�′ (��
�
=
[�′ (��
) /� 2 ]2
�
[12]
)�/� 2 ]2
[13]
� �
dimana
� dan
� merupakan statistik uji
pengganda Lagrange model autoregresi spasial
dan model galat spasial secara berturut-turut,
merupakan simbol perkalian Kronecker, ��
matriks identitas berukuran TxT, e merupakan
vektor sisaan dari model data panel, W matriks
pembobot yang telah dinormalisasi dan �2
merupakan kuadrat tengah galat pada model
data panel. J dan TW didefinisikan sebagai
berikut:
�1 = ��
�
′
�2 = (��� −
� =
1
�2
[14]
−1
′
[�′ � � + �� � 2 ]
� =� (
+
′ )
[15]
[16]
[19]
dengan tr merupakan teras matriks. Keputusan
tolak H0 jika nilai Statistik Lagrange lebih
besar dari χ2( ) dimana q=1 (q merupakan
banyaknya parameter spasial) atau nilai p < α
(Elhorst 2010).
DATA DAN METODE
Data
Data yang digunakan dalam penelitian ini
adalah data sekunder yang diperoleh dari BPS
periode tahun 2006-2010. Unit amatan pada
penelitian ini yaitu 14 kabupaten/kota di
Provinsi Sumatera Selatan.
Peubah respon yang adalah tingkat
kemiskinan (Y) dengan empat peubah bebas.
Keempat peubah bebas tersebut antara lain:
1. Angka melek huruf (X1) ,
Angka melek huruf adalah proporsi
seluruh penduduk (miskin dan tidak
miskin) berusia 15 tahun keatas yang
dapat membaca huruf latin dan lainnya
(BPS 2009).
2. Tingkat pengangguran terbuka (X2)
Tingkat pengangguran terbuka merupakan
persentase jumlah penganggur terhadap
angkatan kerja (BPS 2011).
3. Jumlah Penduduk (X3)
4
4.
5.
6.
Tingkat partisipasi angkatan kerja (X4)
Tingkat partisipasi angkatan kerja
merupakan proporsi antara angkatan kerja
dengan penduduk usia kerja. Penduduk
usia kerja adalah penduduk yang berusia
15 tahun atau lebih. Sedangkan angkatan
kerja adalah tenaga kerja yang aktif secara
ekonomi baik yang bekerja maupun yang
sedang mencari pekerjaan (BPS 2009).
Pertumbuhan ekonomi (X5)
Pertumbuhan ekonomi menunjukkan pertumbuhan produksi barang dan jasa di
suatu wilayah perekonomian dan dalam
selang waktu tertentu (BPS 2011).
Penerimaan Pajak (X6)
Pemilihan peubah bebas yang digunakan
adalah berdasarkan isu strategis dalam
Rencana Pembangunan Jangka Menengah
Daerah (RPJMD) Provinsi Sumatera Selatan
tahun 2008-2013 serta penelitian sebelumnya
yaitu penelitian Amalia (2012) mengenai
faktor-faktor yang mempengaruhi kemiskinan
di NTT. Dari penelitian tersebut, peubah bebas
tersebut merupakan peubah-peubah yang
berpengaruh terhadap kemiskinan.
Metode
Tahapan-tahapan yang dilakukan dalam
penelitian ini adalah:
1. Melakukan eksplorasi data untuk melihat
karakteristik data secara umum
2. Melakukan analisis data panel
3. Melakukan analisis spasial data panel
a. Menentukan
matriks
pembobot
spasial
b. Melakukan uji pengganda Lagrange
untuk menentukan model SAR atau
model SEM yang digunakan
c. Menduga parameter spasial data
panel
d. Melakukan pengujian asumsi
4. Melakukan interpretasi model
HASIL DAN PEMBAHASAN
Eksplorasi Data
Persentase kemiskinan serta garis kemiskinan kabupaten/kota Provinsi Sumatera
Selatan untuk tahun 2006 sampai 2010 dapat
dilihat pada Lampiran 1. Persentase kemiskinan
merupakan
proporsi
jumlah
penduduk miskin dengan total jumlah
penduduk. Penduduk dikatakan miskin jika
rata-rata pengeluarannya kurang dari GK.
Secara umum, GK untuk tahun 2007 dan 2008
mengalami penurunan dan mengalami
peningkatan untuk tahun 2009 dan 2010.
Persentase kemiskinan secara umum mengalami peningkatan dari tahun 2006 ke 2007,
akan tetapi untuk tahun-tahun berikutnya
mengalami penurunan.
Persentase rata-rata kemiskinan Provinsi
Sumatera Selatan dapat dilihat pada Tabel 1.
Kabupaten Musi Banyu Asin, Musi Rawas,
dan Lahat adalah daerah dengan rata-rata
kemiskinan tertinggi. Ketiga daerah tersebut
merupakan kawasan tertinggal yaitu kawasan
yang memiliki keterbatasan sumberdaya dan
atau aksesibilitas sehingga tidak dapat memanfaatkan ataupun menangkap peluang
ekonomi yang ada (BAPPEDA 2009).
Tabel
1
Persentase tingkat kemiskinan
Provinsi
Sumatera
Selatan
berdasarkan kabupaten/kota
Persentase
rata-rata
Kabupaten/Kota
kemiskinan
Kab. Musi Banyu Asin
30.6%
Kab. Musi Rawas
29.5%
Kab. Lahat
26.2%
Kab.Ogan Komering Ilir
21.9%
Kab. Ogan Ilir
20.2%
Kab. Muara Enim
19.7%
Kab. Banyu Asin
17.5%
Kab.Ogan Komering Ulu Selatan
17.3%
Kota Lubuklinggau
16.2%
Kab.Ogan Komering Ulu
16.0%
Kab.Ogan Komering Ulu Timur
15.4%
Kota Palembang
11.9%
Kota Prabumulih
11.8%
Kota Pagar Alam
11.4%
Kota Palembang, Kota Prabumulih dan
Kota Pagar Alam merupakan daerah yang
memiliki angka kemiskinan terendah. Kota
Palembang merupakan pusat kota yang mempunyai lokasi strategis dalam meningkatkan
pertumbuhan ekonominya. Kota Prabumulih
merupakan penyedia barang pokok untuk
pusat kota sehingga sektor perdagangan, hotel
dan restoran berkembang pesat. Kota Pagar
Alam memiliki tanah yang mengandung
kesuburan yang tinggi sehingga menjadi
daerah penghasil sayur-mayur dan buahbuahan serta menjadi salah satu sub terminal
agribisnis di Provinsi Sumatera Selatan
(BAPPEDA 2009).
5
Peta Provinsi Sumatera Selatan dapat
dilihat pada Lampiran 1. Pada peta tersebut
juga dapat dilihat beberapa kabupaten/kota
yang berdekatan memiliki tingkat kemiskinan
relatif sama. Hal ini mengindikasikan adanya
kemungkinan pengaruh wilayah yang berdekatan terhadap kemiskinan suatu wilayah
atau terdapat pengaruh spasial.
Analisis Data Panel
Hasil pendugaan model regresi, model
pengaruh tetap dan model pengaruh acak
dapat dilihat pada Lampiran 2. Individu / unit
amatan yang digunakan dalam penelitian ini
adalah keseluruhan kabupaten / kota yang ada
di Provinsi Sumatera Selatan.
Tabel 2 Pendugaan parameter model pengaruh
tetap
Peubah
Koefisien
Nilai-p
C
1.264
0.042*
X1
-1.411
0.015*
X2
0.643
0.009*
X3
2.394
0.363
X4
0.209
0.246
X5
-0.055
0.994
X6
-0.628
0.003*
R2
82.99%
*nyata pada α = 5%
Berdasarkan Baltagi (2005), jika individu
yang diamati merupakan individu agregat /
keseluruhan maka model panel yang digunakan adalah model pengaruh tetap.
Sehingga model panel yang digunakan pada
penelitian ini adalah model pengaruh tetap.
Hasil pendugaan model pengaruh tetap dapat
dilihat pada Tabel 2. Ada 3 peubah yang
berpengaruh nyata yaitu X1, X2, dan X6 pada
taraf nyata 5%. R2 yang dihasilkan adalah
sebesar 82.99%.
Analisis Spasial Data Panel
Tahap pertama yang dilakukan pada
analisis ini adalah menguji ada atau tidaknya
interaksi spasial dengan menggunakan uji
Pengganda Lagrange (LM). Pada uji ini,
terdapat dua uji yang dilakukan yaitu uji pengaruh lag spasial (SAR) dan uji pengaruh galat
spasial (SEM). Sebelum dilakukan uji LM
terlebih dahulu menentukan matriks pembobot
dan menormalisasikannya. Berdasarkan hasil
eksplorasi data, matriks pembobot yang digunakan pada penelitian ini adalah matriks
pembobot ratu catur (queen contiguity). Matriks pembobot spasial dan normalisasinya
dapat dilihat pada Lampiran 4 dan Lampiran
5.
Tabel 3 Hasil Uji LM
Uji
Nilai LM
SAR
4.458
SEM
7.227
*nyata pada α = 5%
χ(1)
3.814
3.814
Nilai-p
0.034*
0.007*
Hasil Uji LM dapat dilihat pada Tabel 3.
Nilai-p yang dihasilkan pada tabel tersebut
mengindikasikan terdapat pengaruh lag spasial
dan pengaruh galat spasial pada taraf nyata
5%. Oleh karena itu, selanjutnya akan
dilakukan pendugaan model pengaruh tetap
dengan SAR dan SEM.
Pendugaan parameter data panel dengan
SEM
Hasil pendugaan parameter model tetap
dengan SEM dapat dilihat pada Tabel 4. Dari
tabel tersebut dapat dilihat bahwa hanya
koefisien X1, X2 , X6 dan ρ berpengaruh
nyata sedangkan X3, X4 dan X5 tidak
berpengaruh nyata pada taraf nyata 5%. R2
yang dihasilkan adalah sebesar 86.09%.
Tabel 4 Pendugaan parameter model tetap
dengan SEM
Peubah
Koefisien
Nilai-p
X1
-1.313
0.004*
X2
0.422
0.049*
X3
2.456
0.252
X4
0.142
0.229
X5
0.635
0.806
X6
0.189
0.002*
ρ
0.4167
0.001*
R2
86.09%
*nyata pada α = 5%
Setelah diperoleh model spasial data panel
yaitu model pengaruh tetap dengan SEM maka
langkah selanjutnya adalah melakukan pengujian asumsi. Asumsi yang diuji antara lain
autokorelasi, kehomogenan ragam dan kenormalan.
Tabel 5 Uji Glesjer model pengaruh tetap
dengan SEM
Peubah
Nilai-p
C
0.060*
X1
0.049*
X2
0.836
0.050*
X3
0.615
X4
X5
0.750
X6
0.046*
*nyata pada α = 5%
Uji kehomogenan ragam menggunakan
uji Gletsjer. Pada uji ini, absolut dari sisaan
diregresikan dengan peubah bebas. Apabila
ada peubah bebas yang berpengaruh nyata
6
maka terjadi keheterogenan ragam dan sebaliknya. Berdasarkan hasil uji Gletsjer pada
Tabel 5 dapat dilihat bahwa ada tiga peubah
bebas yang berpengaruh nyata pada taraf nyata
5%. Hal ini mengindikasikan terjadi keheterogenan ragam.
Gambar 1 merupakan plot antara sisaan
dengan yduga. Dari gambar tersebut dapat dilihat plot membentuk pola kuadratik sehingga
dapat dikatakan terjadi autokorelasi.
Tabel 6 Pendugaan parameter model tetap
dengan SAR
Peubah
Koefisien
Nilai-p
X1
-1.313
0.006*
X2
0.422
0.062
X3
2.456
0.321
X4
0.142
0.279
X5
0.635
0.815
X6
0.189
0.000*
λ
0.4167
0.000*
R2
88.82%
0.04
*nyata pada α = 5%
-0.02
0.00
0.02
Setelah diperoleh model spasial data panel
yaitu model pengaruh tetap dengan SAR maka
langkah selanjutnya adalah melakukan pengujian asumsi. Asumsi yang diuji antara lain
autokorelasi, kehomogenan ragam dan kenormalan.
-0.08
-0.06
-0.04
sisaan
pada taraf nyata 5%. R2 yang dihasilkan adalah
sebesar 88.82%.
0.05
0.10
0.15
0.20
0.25
0.30
0.35
yduga
Gambar 1 Plot sisaan dengan yduga model
pengaruh tetap dengan SEM
*nyata pada α = 5%
Uji kenormalan sisaan menggunakan uji
Kolmogorov-Smirnov (KS). Berdasarkan hasil
uji KS pada Gambar 2 diperoleh nilai-p >
0.150, yang artinya sisaan menyebar normal
pada taraf nyata 5%.
Pendugaan parameter data panel dengan
SAR
Hasil pendugaan parameter model tetap
dengan SAR dapat dilihat pada Tabel 6. Dari
tabel tersebut dapat dilihat bahwa koefisien
X1, X6 dan λ berpengaruh nyata sedangkan
X2, X3, X4 dan X5 tidak berpengaruh nyata
0.00
-0.04
-0.06
Gambar 2 Uji Kolmogorov-Smirnov model
pengaruh tetap dengan SEM
-0.02
sisaan
0.02
0.04
0.06
KS 0.074
Nilai-p > 0.150
Tabel 7 Uji Glesjer model pengaruh tetap
dengan SAR
Peubah
Nilai-p
C
0.005*
X1
0.009*
X2
0.204
X3
0.195
X4
0.051
X5
0.669
X6
0.290
0.05
0.10
0.15
0.20
0.25
0.30
0.35
yduga
Gambar 3 Plot sisaan dengan yduga model
pengaruh tetap dengan SAR
Uji kehomogenan ragam menggunakan
uji Gletsjer. Berdasarkan hasil uji Gletsjer
pada Tabel 7 dapat dilihat bahwa ada dua
peubah bebas yang berpengaruh nyata pada
taraf nyata 5%. Hal ini mengindikasikan
terjadi keheterogenan ragam.
7
Gambar 3 merupakan plot antara sisaan
dengan yduga. Dari gambar tersebut dapat dilihat plot membentuk pola kuadratik sehingga
dapat dikatakan terjadi autokorelasi.
KS 0.062
Nilai-p > 0.150
Gambar 4 Uji Kolmogorov-Smirnov model
pengaruh tetap dengan SAR
Uji kenormalan sisaan menggunakan uji
Kolmogorov-Smirnov (KS). Berdasarkan hasil
uji KS pada Gambar 4 diperoleh nilai-p >
0.150, yang artinya sisaan menyebar normal
pada taraf nyata 5%.
Interpretasi Model
Kemiskinan suatu wilayah tidak lepas dari
pengaruh kemiskinan di wilayah sekitarnya,
oleh karena itu model yang cocok digunakan
untuk kasus ini adalah model pengaruh tetap
dengan SAR. Hal ini juga didukung dengan
nilai AIC dan R2 yang diperoleh. Model
dikatakan lebih baik jika nilai AIC-nya kecil
dan R2 besar. Pada Tabel 8 dapat dilihat bahwa
nilai AIC untuk SAR lebih kecil dibandingkan SEM dan nilai R2 SAR lebih besar
dibandingkan SEM. Berdasarkan hal-hal
tersebut maka model yang lebih baik untuk
memodelkan kemiskinan di Provinsi Sumatera
Selatan adalah model pengaruh tetap dengan
SAR dengan dua peubah bebas yang
berpengaruh nyata yaitu X1 dan X6.
Tabel 8 Ukuran kebaikan model
SEM
AIC
-199.839
R2
86.09%
SAR
-206.385
88.82%
Model pengaruh tetap dengan SAR sebagai
berikut :
� = 0.499
� − 1.608 1 � −
=1
0.559 6 � + Ɛ �
Model diatas memiliki nilai konstanta
yang berbeda-beda untuk setiap wilayah
karena adanya pengaruh cross-section (τi)
yang nilainya dapat dilihat pada Tabel 9. R2
yang dihasilkan dari model tersebut adalah
sebesar 88.23%. Artinya,
keragaman
kemiskinan yang dapat dijelaskan oleh model
adalah sebesar 88.23%, sedangkan sisanya
dijelaskan oleh faktor-faktor yang tidak
dimasukkan ke dalam model.
Koefisien angka melek huruf (X1) diperoleh sebesar -1.608 yang artinya untuk
suatu wilayah ke-i pada periode waktu ke-t
jika terjadi kenaikan angka melek huruf
sebesar satu persen akan menurunkan
persentase tingkat kemiskinannya sebesar
1.608 % dengan asumsi peubah yang lain
dianggap tetap. Hal ini berarti bahwa semakin
banyak masyarakat yang tidak buta huruf
dapat megurangi angka kemiskinan. Karena
dengan bisa membaca dapat menambah
wawasan
serta
meningkatkan
kualitas
masyarakat yang akhirnya dapat mengurangi
angka kemiskinan.
Koefisien penerimaan pajak (X6) diperoleh sebesar -0.559. Artinya untuk suatu
wilayah ke-i pada periode waktu ke-t jika
terjadi kenaikkan penerimaan pajak sebesar
satu persen akan menurunkan persentase
tingkat kemiskinannya sebesar 0.559% dengan
asumsi peubah yang lain dianggap tetap.
Tabel 9 Dugaan pengaruh kabupaten/kota
Kabupaten/kota
Pengaruh
Ogan Komering Ulu
0.056
Ogan Komering Ilir
-0.075
Muara Enim
-0.001
Lahat
0.141
Musi Rawas
0.155
Musi Banyu Asin
0.204
Banyu Asin
-0.089
Ogan Komering Ulu Selatan
0.013
Ogan Komering Ulu Timur
-0.094
Ogan Ilir
0.060
Palembang
-0.421
Prabumulih
0.009
Pagar Alam
0.012
Lubuklinggau
0.029
Koefisien λ yang dihasilkan sebesar
0.499. Hal ini berarti jika suatu wilayah yang
dikelilingi oleh wilayah lain sebanyak n, maka
pengaruh dari masing-masing wilayah yang
mengelilinginya sebesar 0.499 dikalikan ratarata kemiskinan di sekelilingnya.
8
SIMPULAN
Model pengaruh tetap dengan SAR lebih
baik digunakan untuk diterapkan pada kasus
kemiskinan di Provinsi Sumatera Selatan
dibandingkan dengan model pengaruh tetap
dengan SEM. Terdapat dua peubah bebas yang
berpengaruh pada model tersebut yaitu angka
melek huruf dan penerimaan pajak. Model
tersebut memiliki R2 sebesar 88.23%.
DAFTAR PUSTAKA
Alkaf Y. 2009. Visi, Misi dan Program Kerja
Pasangan SBY-Boediono 2009-2014
[terhubungberkala].http://yasiralkaf.word
press.com/2009/06/26/visi-misi-danprogram-kerja-pasangan-sby-boediono2009-2014/. [3 Oktober 2012]
Amalia R. 2012. Analisis Faktor-Faktor yang
Mempengaruhi
Kemiskinanan
NTT
[skripsi]. Bogor : Fakultas Ekonomi dan
Manajemen, Institut Pertanian Bogor.
Anselin L. 1999. Spatial econometrics. Dallas:
University of Texas.
Baltagi BH. 2005. Econometrics Analysis of
Data Panel. Ed ke-3. England : John
Wiley and Sons, LTD.
[Bappeda] Badan Perencanaan Pembangunan
Daerah. 2009. Rencana Pembangunan
Jangka Menengah Daerah Provinsi
Sumatera Selatan Tahun 2008-2013.
Palembang
:
Badan
Perencanaan
Pembangunan Daerah
[BPS] Badan Pusat Statistik. 2008. Analisis
dan Perhitungan Tingkat Kemiskinan
2008 . Jakarta : Badan Pusat Statistik.
[BPS] Badan Pusat Statistik. 2004. Indikator
Kemiskinan dan Pembangunan Manusia.
Jakarta : Badan Pusat Statistik.
[BPS] Badan Pusat Statistik. 2009. Laporan
Perekonmian Sumatera Selatan 2009.
Jakarta : Badan Pusat Statistik.
[BPS] Badan Pusat Statistik. 2011. Data
Strategis BPS. Jakarta : Badan Pusat
Statistik.
[BPS] Badan Pusat Statistik. 2012. Profil
Kemiskinan di Indonesia September 2011.
Jakarta : Badan Pusat Statistik.
Dubin R. 2009. Spatial Weight. Foteringham
AS, PA Rogerson, editor, handbook of
Spatial
Analysis.
London:
Sage
Publications.
Elhorst JP. 2010. Spatial Data panel Models.
Fiscer MM, A.Getis, editor, Handbook of
Applied Spatial Analysis. New York:
Springer.
Gujarati DN. 2004. Basic Econometrics 4th
Edition. New York: The McGraw-Hil
Companies.
Susanto H. 2010. 10 Propinsi Paling Miskin di
Indonesia
[terhubung
berkala].
http://bisnis.news.viva.co.id/news/read/17
3118-10-propinsi-paling-miskin-diindonesia.
[31
Oktober
2012]
9
LAMPIRAN
10
Lampiran 1 Persentase Kemiskinan dan Garis Kemiskinan Kabupaten/Kota Provinsi Sumatera Selatan
Tahun
2006
Kabupaten/Kota
2007
Persentase
Kemiskinan
Garis
Kemiskinan
(Rp)
Ogan Komering Ulu
17.80%
Ogan Komering Ilir
2008
2009
2010
Garis
Garis
Persentase
Persentase
Kemiskinan
Kemiskinan
Kemiskinan
Kemiskinan
(Rp)
(Rp)
Persentase
Kemiskinan
Garis
Kemiskinan
(Rp)
Persentase
Kemiskinan
Garis
Kemiskinan
(Rp)
165070
17.59%
131969
17.80%
152548
14.64%
189810
12.28%
253307
25.93%
180486
24.47%
130382
25.93%
148949
17.67%
173700
15.98%
213543
Muara Enim
21.88%
181651
22.03%
148238
21.88%
167525
17.98%
210095
14.51%
225807
Lahat
29.67%
168011
29.57%
142743
29.67%
181992
23.21%
208836
19.02%
260227
Musi Rawas
34.49%
183581
34.82%
150947
34.49%
188164
24.27%
220070
19.38%
268257
Musi Banyu Asin
35.52%
172180
36.28%
156742
35.52%
154398
25.45%
238773
20.06%
275807
Banyu Asin
19.81%
153640
20.22%
133069
19.81%
134521
15.38%
212328
12.39%
235431
Ogan Komering Ulu Selatan
21.06%
165070
18.42%
113654
21.06%
143400
14.56%
162100
11.53%
199259
Ogan Komering Ulu Timur
18.26%
165070
18.38%
119651
18.26%
172179
12.12%
177015
9.81%
191232
Ogan Ilir
22.67%
180486
23.75%
140912
22.67%
169975
17.78%
205432
13.97%
253074
Palembang
9.23%
210381
9.35%
147221
9.23%
157754
16.66%
244233
15.00%
315634
Prabumulih
9.33%
167307
11.83%
134202
9.33%
130053
15.39%
240418
12.93%
318521
Pagar Alam
11.88%
142196
13.20%
120466
11.88%
174863
10.23%
163329
9.81%
213574
Lubuklinggau
16.01%
168993
16.11%
163379
16.01%
174863
17.36%
265922
15.30%
288609
11
Lampiran 2 Peta Provinsi Sumatera Selatan berdasarkan Tingkat Kemiskinan Nasional
Lampiran 3 Peta Provinsi Sumatera Selatan berdasarkan Tingkat Kemiskinan Nasional dan
Tingkat Kemiskinan Provinsi Sumatera Selatan
12
Lampiran 4 Perbandingan Model Regresi, Model Pengaruh Tetap dan Model Pengaruh Acak
Model Regresi
Model Pengaruh Tetap
Model Pengaruh Acak
Koefisien
Nilai-p
Koefisien
Nilai-p
Koefisien
Nilai-p
C
X1
1.522
0.045*
1.264
0.042*
1.506
0.083*
-1.721
0.024*
-1.411
0.015*
-1.646
0.029*
X2
0.105
0.715*
0.643
0.009*
0.455
0.040*
X3
-0.129
0.511
2.394
0.363
0.035
0.901
X4
0.431
0.023*
0.209
0.246
0.428
0.007*
X5
0.275
0.751
-0.055
0.994
-0.637
0.366
X6
0.544
0.001*
-0.628
0.003*
-0.029
2
R
38.21%
0.849
82.99%
63.59%
*nyata pada taraf nyata 5%
Kab.Ogan Komering Ulu
Kab.Ogan Komering Ilir
kab. Muara Enim
kab. Lahat
kab. Musi Rawas
kab. Musi Banyu Asin
kab. Banyu Asin
Kab.Ogan Komering Ulu Selatan
Kab.Ogan Komering Ulu Timur
kab. Ogan Ilir
kab. Palembang
kab. Prabumulih
kab. Pagar Alam
kab. Lubuklinggau
Lampiran 5 Matriks Pembobot Spasial
Kab.Ogan Komering Ulu
0
0
1
0
0
0
0
1
1
1
0
0
0
0
Kab.Ogan Komering Ilir
0
0
0
0
0
0
1
0
1
1
0
0
0
0
Kab. Muara Enim
1
0
0
1
1
1
1
1
0
1
1
1
0
0
Kab. Lahat
0
0
1
0
1
0
0
0
0
0
0
0
1
0
Kab. Musi Rawas
0
0
1
1
0
1
0
0
0
0
0
0
0
1
Kab. Musi Banyu Asin
0
0
1
0
1
0
1
0
0
0
0
0
0
0
Kab. Banyu Asin
0
1
1
0
0
1
0
0
0
1
1
0
0
0
Kab.Ogan Komering Ulu Selatan
1
0
1
0
0
0
0
0
1
0
0
0
0
0
Kab.Ogan Komering Ulu Timur
1
1
0
0
0
0
0
1
0
1
0
0
0
0
Kab. Ogan Ilir
1
1
1
0
0
0
1
0
1
0
1
1
0
0
Kota. Palembang
0
0
1
0
0
0
1
0
0
1
0
0
0
0
Kota Prabumulih
0
0
1
0
0
0
0
0
0
1
0
0
0
0
Kota Pagar Alam
0
0
1
1
0
0
0
0
0
0
0
0
0
0
Kota Lubuklinggau
0
0
0
0
1
0
0
0
0
0
0
0
0
0
13
kab. Ogan Ilir
kab. Palembang
kab. Prabumulih
kab. Pagar Alam
kab. Lubuklinggau
0
1/4
0
0
0
0
1/4
1/4 1/4
0
0
0
0
Kab.Ogan Komering Ilir
0
0
0
0
0
0
1/3
0
1/3 1/3
0
0
0
0
1/9
0
0
1/9 1/9
1/9
0
1/9
1/9 1/9
0
0
Kab. Lahat
0
0
1/3
0
1/3
0
0
0
0
0
0
0
1/3
0
Kab. Musi Rawas
0
0
1/4
1/4
0
1/4
0
0
0
0
0
0
0
1/4
Kab. Musi Banyu Asin
0
0
1/3
0
1/3
0
1/3
0
0
0
0
0
0
0
Kab. Banyu Asin
0
1/5 1/5
0
0
1/5
0
0
0
1/5
1/5
0
0
0
0
0
1/3
0
0
0
0
0
0
0
0
0
1/7 1/7
0
0
Kab. Muara Enim
kab. Banyu Asin
kab. Musi Rawas
kab. Lahat
kab. Muara Enim
kab. Musi Banyu Asin
0
Kab.Ogan Komering Ilir
Kab.Ogan Komering Ulu
Kab.Ogan Komering Ulu
Kab.Ogan Komering Ulu Timur
Kab.Ogan Komering Ulu Selatan
Lampiran 6 Matriks Pembobot Spasial yang Dinormalisasi
1/9 1/9
Kab.Ogan Komering Ulu Selatan
1/3
0
1/3
0
0
0
Kab.Ogan Komering Ulu Timur
1/4 1/4
0
0
0
0
0
1/4
0
1/4
1/7 1/7 1/7
0
0
0
1/7
0
1/7
0
Kab. Ogan Ilir
Kota. Palembang
0
0
1/3
0
0
0
1/3
0
0
1/3
0
0
0
0
Kota Prabumulih
0
0
1/2
0
0
0
0
0
0
1/2
0
0
0
0
Kota Pagar Alam
0
0
1/2
1/2
0
0
0
0
0
0
0
0
0
0
Kota Lubuklinggau
0
0
0
0
1
0
0
0
0
0
0
0
0
0