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