Model Panel Spasial Dinamis

maka pemerintah perlu melakukan berbagai terobosan di bidang pertanian dengan cara memberikan berbagai penyuluhan atau pelatihan yang dapat meningkatkan kemampuan pada petani dalam mengelola kegiatan agribisnis mulai dari tingkat hulu sampai hilir. Sebagian besar petani yang berada di pedesaan merupakan petani tradisional dengan pengetahuan yang masih turun temurun dan produktivitasnya masih perlu ditingkatkan. Perubahan perilaku bertani secara tradisional menjadi modern diharapkan dapat meningkatkan produktivitas sektor pertanian sehingga dapat meningkatkan kesejahteraan para tenaga kerja di sektor pertanian. Selain upaya tersebut perlu diupayakan usaha mentransformasi tenaga kerja dari sektor pertanian ke sektor industri, sektor perdagangan maupun sektor jasa. Dengan adanya upaya transformasi tenaga kerja ini, maka produktivitas tenaga kerja yang berada di sektor pertanian diharapkan akan meningkat yang berimplikasi pada peningkatan kesejahteraan petani. Share tenaga kerja sektor industri, sektor perdagangan dan sektor jasa mempunyai pengaruh yang negatif terhadap jumlah penduduk miskin, artinya bahwa dengan semakin besar tenaga kerja yang terserap di ketiga sektor tersebut maka akan berdampak pada penurunan jumlah penduduk miskin. Pengaruh penurunan jumlah penduduk miskin oleh tenaga kerja yang terserap di sektor perdagangan dan jasa hampir dua kali lipat dibanding sektor industri. Ketiga sektor tersebut merupakan sektor-sektor unggulan di Provinsi Jawa Tengah. Oleh karena itu perlu adanya perluasan lapangan usaha di ketiga sektor ini supaya dapat menyerap lebih banyak lagi tenaga kerja. Peningkatan PDRB perkapita PDRBKAP dapat menurunkan jumlah penduduk miskin, dimana dari hasil analisis diketahui bahwa peningkatan 1 unit PDRB perkapita dapat menurunkan jumlah penduduk miskin sebesar 0.001667 unit. Hal ini berarti bahwa kenaikan pendapatan perkapita sebesar Rp 1 juta maka dapat menurunkan jumlah penduduk miskin sebanyak 1667 orang. Berdasarkan hasil analisa terhadap model panel spasial dinamis, dari kriteria R 2 tidak terlalu kelihatan pengaruh matriks pembobot spasial karena pengaruh penduduk miskin tahun sebelumnya yang sangat signifikan. Oleh karena itu, untuk melihat performa dari ketiga matriks pembobot spasial, yaitu WC, WG dan WGnew , dicoba dengan mengeliminir pengaruh lag waktu pada model asal Yt- 1 . Dengan demikian dalam pembandingan matriks pembobot W berikutnya menggunakan model panel spasial statis.

5.8.4 Model Panel Spasial Statis

Pada tahap berikutnya difokuskan pada analisis performa ketiga matriks pembobot spasial WC, WG dan WGnew , dengan tidak melibatkan pengaruh lag waktu, Yt-1 λ=0 menggunakan peubah bebas PC hasil PCA matriks peragam. Analisis ini ditujukan untuk melihat perbedaan performa ketiga matriks pembobot spasial WC, WG dan WGnew dalam model.Spesifikasi model untuk membandingkan WC, WG dan WGnew model statis adalah | • = Çò • | • + s x 5 + ‰ • } + z • , 5.13 dengan u • = š + 3 • , t=1,2,...,T. Hasil output model dari masing-masing jenis matriks pembobot disajikan pada Lampiran 12. Berdasarkan Lampiran 12 koefisien determinasi R 2 dari model dengan WC, WG dan WGnew berturut-turut adalah 96.16, 98.28 dan 98.92. Mengacu pada Lampiran 13, pola sisaan dan pengaruh tetap η dari model dengan WGnew terlihat menyebar acak dan berada di sekitar nol. Sementara itu pengaruh tetap η dari model dengan WC dan WG mempunyai pola sebaran acak namun mempunyai nilai-nilai lebih banyak di atas nol. Dengan mengacu pada kenyataan ini maka model dengan WGnew relatif lebih baik dalam menggambarkan pola sebaran jumlah penduduk miskin dibandingkan model dengan WC maupun WG Lampiran 13. Untuk mengukur ketepatan hasil dugaan jumlah penduduk miskin dari ketiga jenis matriks pembobot spasial, dilakukan pembandingan terhadap jumlah penduduk miskin sebenarnya yang telah diklasifikasikan sebagaimana tersaji pada Gambar 5.1. Keakuratan dugaan jumlah penduduk miskin melalui analisa salah klasifikasi untuk tahun 2007 sampai 2011 dari matriks WC, WG dan WGnew disajikan pada Lampiran 14 sampai Lampiran 16. Berdasarkan analisis kesalahan klasifikasi per kelompok atau per kelas dari Lampiran 14 sampai Lampiran 16, terlihat bahwa untuk tahun 2007 sampai 2011, matriks WGnew memberikan performa paling baik. Hal ini ditunjukkan oleh kesalahan klasifikasi elemen- elemen diluar diagonal utama yang paling sedikit diantara model dengan matriks WC maupun WG. Untuk lebih jelasnya, tabel kesalahan klasifikasi pada Lampiran 14 sampai Lampiran 16 diringkas pada Tabel 5.6. Tabel 5.6. Banyaknya salah klasifikasi tahun 2007 sampai 2011 dari model dengan matriks WC, WG dan WGnew. Tahun WC WG WGnew 2007 18 11 4 2008 6 6 2 2009 6 3 3 2010 12 7 4 2011 11 8 5 Total 53 35 18 Lampiran 17 sampai Lampiran 21 berturut-turut menyajikan perbandingan jumlah penduduk miskin hasil dugaan model untuk matriks WC, WG dan WGnew dengan jumlah penduduk miskin sebenarnya aktual untuk tahun 2007 sampai 2011 melalui pemetaan. Berdasarkan Lampiran 17 sampai Lampiran 21 terlihat bahwa pergeseran atau perubahan degradasi warna dari Gambar 5.1 lebih banyak dihasilkan oleh model yang menggunakan matriks WC, sedangkan yang paling sedikit dihasilkan oleh model yang menggunakan matriks WGnew. Hasil ini sesuai dengan analisa salah klasifikasi pada Tabel 5.6 dimana total salah klasifikasi pada model dengan WC paling tinggi. 5.9 Simpulan dan Implikasi Kebijakan 5.9.1 Simpulan Melalui analisa persebaran jumlah penduduk miskin dan persentase penduduk miskin, terdapat perbedaan pola persebaran. Perbedaan persebaran jumlah penduduk miskin dan persentase penduduk miskin tersebut sangat dipengaruhi oleh populasi penduduk. Analisa awal terhadap faktor-faktor peubah bebas yang mempengaruhi jumlah penduduk miskin melalui analisis korelasi menunjukkan adanya korelasi yang signifikan antar faktor-faktor atau peubah bebas tersebut. Adanya korelasi antar peubah bebas dalam model berdampak pada perubahan tanda dari korelasi yang sebenarnya dengan koefisien pada model sehingga diperlukan transformasi menggunakan PCA. Melalui transformasi PCA, dengan mengambil dua komponen utama pertama dihasilkan koefisien-koefisien model yang konsisten mempunyai tanda yang sama dengan korelasi antar peubah bebas. PC1 dan PC2 hasil PCA pada matriks peragam didominasi oleh PDRB perkapita dan populasi penduduk. PC1 hasil PCA pada matriks korelasi merupakan rata-rata dari peubah bebas, sedangkan PC2 lebih didominasi oleh SMP, populasi penduduk dan PDRB perkapita. Berdasarkan pemodelan dengan peubah bebas PC1 dan PC2 hasil PCA pada matriks peragam, diperoleh koefisien determinasi yang sama yaitu 99.72. Sedangkan pemodelan dengan peubah bebas PC1 dan PC2 hasil PCA pada matriks korelasi, untuk WC, WG dan WGnew berturut-turut diperoleh koefisien determinasi 99.68, 99.68 dan 99.69. Berdasarkan hasil pemodelan menggunakan dua PC, baik PCA hasil matriks peragam maupun matriks korelasi menunjukkan bahwa terdapat hubungan yang sangat erat antara jumlah penduduk miskin pada tahun sekarang dan tahun berikutnya yang ditunjukkan oleh koefisien lag waktu yang sangat signifikan. Populasi penduduk, tenaga kerja lulusan SMP dan share tenaga kerja sektor pertanian mempunyai pengaruh positif terhadap jumlah penduduk miskin. Share tenaga kerja industri, perdagangan dan jasa serta PDRB perkapita mempunyai pengaruh negatif. Evaluasi performa matriks pembobot WGnew, WC dan WG melalui pendekatan model panel spasial statis menunjukkan bahwa matriks WGnew memberikan performa terbaik. Koefisien determinasi model dengan WGnew paling tinggi, yaitu 98.92, sedangkan koefisien determinasi model dengan WC dan WG berturut-turut sebesar 96.16 dan 98.28. Hasil analisis salah klasifikasi menunjukkan bahwa model dengan WGnew mempunyai tingkat salah klasifikasi paling sedikit dibandingkan dengan salah klasifikasi pada model WG maupun WC. Hasil ini sesuai dengan pola persebaran degradasi warna dimana pola persebaran jumlah penduduk miskin hasil dugaan dengan WGnew lebih mirip dengan pola persebaran jumlah penduduk miskin aktual.

5.9.2 Implikasi Kebijakan

Kebijakan yang sebaiknya dilakukan oleh pemerintah dalam upaya menurunkan tingkat kemiskinan adalah dengan mengendalikan laju pertumbuhan penduduk misalnya dengan menggiatkan kembali program keluarga berencana program KB. Program ini diharapkan mampu mengendalikan jumlah dan jarak kelahiran dalam sebuah keluarga, sehingga kesejahteraan keluarga diharapkan akan lebih baik dan pada akhirnya tingkat kemiskinan dapat diturunkan. Selain itu diperlukan juga tersedianya sumberdaya manusia yang handal, supaya dapat terserap di berbagai sektor lapangan usaha. Oleh karena itu kompetensi tenaga kerja lulusan SMP perlu ditingkatkan dengan cara memberikan berbagai pelatihan yang dapat meningkatkan keahlian serta menumbuhkan jiwa wirausaha. Selain itu, pemerintah daerah provinsi atau kabupaten perlu memprioritaskan pengeluaran pemerintah dengan membuka akses pada masyarakat untuk mendapatkan kesempatan melanjutkan sekolah ke jenjang yang lebih tinggi, misalnya SMA atau SMK ke atas. Hal ini tentu harus sejalan dengan implementasi anggaran 20 persen dana pemerintah untuk pendidikan. Tingginya share tenaga kerja sektor pertanian berakibat pada rendahnya produktivitas pertanian di Provinsi Jawa Tengah. Hal ini dikarenakan nilai produktivitas pertanian yang terbatas sementara jumlah tenaga kerja besar. Oleh karena itu untuk menurunkan kemiskinan adalah dengan mengembangkan usaha- usaha pengolahan hasil pertanian dalam bentuk industri rumah tangga atau industri kecil yang berlokasi di pedesaan. Dalam jangka panjang industri rumah tangga dan industri kecil ditunjang untuk bermitra dengan industri besar sehingga tenaga kerja yang berada di desa dapat diserap lebih banyak ke luar dari sektor pertanian. Terkait dengan masalah industri, berkembangnya industri akan meningkatkan produktivitas perekonomian secara keseluruhan. Apabila industri yang dikembangkan berbasis pertanian, maka hal ini akan mendorong stabilitas harga yang diterima petani dan meningkatkan volume penjualannya sehingga dapat meningkatkan pendapatan petani. Hal ini akan berkaitan pula dengan sektor perdagangan dan jasa. Dengan demikian apabila produktivitas tenaga kerja meningkat maka pendapatanpun akan meningkat dan akhirnya berdampak pada penurunan kemiskinan. Dampak peningkatan PDRB perkapita dapat menurunkan jumlah penduduk miskin. Terkait dengan masalah ini, akselerasi PDRB perkapita merupakan syarat keharusan dari pemerintah daerah provinsi yang difokuskan dengan meningkatkan iklim investasi swasta. Investasi disarankan agar diarahkan lebih banyak pada sektor pertanian dan industri agroindustri. Kebijakan lain yang dapat menunjang pengembangan iklim investasi di pedesaan ini adalah dengan meningkatkan produktivitas pertanian, memperluas perdagangan, meningkatkan pembangunan infrastruktur pedesaan, sehingga para investor dapat tertarik untuk mengembangkan usahanya di daerah bersangkutan. 6 PEMBAHASAN UMUM Dalam model regresi klasik umumnya diasumsikan bahwa antar objek tidak ada interaksi atau saling bebas. Sementara itu dalam beberapa kasus tertentu asumsi dalam model regresi tidak dapat terpenuhi. Dalam kondisi ini maka perlu sebuah model yang mampu mengakomodasi keberadaan interaksi antar objek. Model spasial merupakan salah satu model yang dapat mengakomodasi adanya pengaruh interaksi dimana dalam model ini direpresentasikan oleh matriks pembobot spasial. Komponen matriks pembobot spasial dalam model dapat digunakan untuk memuat pengaruh unit-unit tetangga di sekitarnya terhadap unit spasial tertentu. Terdapat beberapa metode atau teknik yang dapat digunakan untuk mengkonstruksi matriks pembobot spasial. Matriks pembobot spasial yang umum digunakan dan paling sederhana didasarkan pada konsep ketetanggaan terdekat contiguity, dimana elemen matriks mempunyai bobot satu ketika antar unit saling bersebelahan dan bernilai nol untuk selainnya. Teknik lain dalam mengkonstruksi matriks pembobot telah dikembangkan, salah satu diantaranya adalah melalui prosedur AMOEBA yang diperkenalkan oleh Aldstadt dan Getis. Dalam mengkonstruksi matriks pembobot spasial melalui prosedur AMOEBA, digunakan statistik Getis lokal yang diklaim menyebar normal. Keungggulan prosedur AMOEBA dibandingkan dengan matriks pembobot kontiguitas adalah dalam prosedur AMOEBA, selain berdasarkan kedekatan antar unit juga melibatkan kemiripan antar peubah yang berdekatan. Namun demikian, hasil evaluasi terhadap statistik Getis lokal menunjukkan bahwa pengaruh sebaran peubah asal yang menjadi perhatian perlu dipertimbangkan, tentunya selain proporsi unit-unit yang bertetangga. Berdasarkan kasus ketika peubah yang menjadi perhatian katakanlah peubah X i , i=1,2,…,n menyebar iid Gamma 1,4, kenormalan statistik Getis lokal tidak valid. Oleh karena dalam prosedur AMOEBA didasarkan pada sebaran normal maka dilakukan modifikasi terhadap statistik tersebut. Statistik Getis lokal didasarkan pada permutasi acak dari unit-unit spasial dan selanjutnya dianggap sebagai sebuah perobaan pengambilan objek dari sekumpulan objek tanpa pengembalian. Hal ini berarti objek-objek unit-unit spasial tersebut dianggap homogen. Hasil modifikasi melalui transformasi peubah ke dalam bentuk penduga fungsi sebaran kumulatif dengan menggunakan teorema Lyapounov, diperoleh statistik Getis lokal termodifikasi yang menyebar normal. Untuk mengevaluasi performa statistik Getis lokal termodifikasi dalam mengkonstruksi matriks pembobot spasial prosedur AMOEBA, dilakukan analisa perbandingan pada model menggunakan data simulasi dan aplikasi pada kasus data riil. Pada kasus data riil, hubungan antara peubah tak bebas dengan faktor-faktor yang mempengaruhinya terkadang relatif kompleks misalnya terdapat ketakbebasan spasial spatial dependence. Oleh karena itu dalam spesifikasi model yang digunakan mengacu pada spesifikasi Spatial Lag Model dan Spatial Error Model SLM-SEM Cizek et al. 2011. Namun demikian konsentrasi dalam penelitian ini adalah membandingkan performa matriks pembobot spasial yang dikonstruksi melalui prosedur AMOEBA. Untuk mendukung pembandingan performa matriks pembobot spasial, dibangkitkan data dengan spesifikasi parameter λ=0.3 , β=1 dan variasi δ=0.3 dan 0.5 koefisien lag spasial dan ρ=-0.3, -0.1, 0.1 dan 0.3 koefisien error spasial. Hasil yang diperoleh menunjukkan bahwa WGnew relatif lebih baik dibandingkan dengan WG maupun WC dimana RMSE R dari model dengan WGnew paling kecil. Temuan lain dari hasil ini adalah adanya kecenderungan penurunan RMSE R seiring dengan peningkatan koefisien lag spasial δ. Pada tahap berikutnya, untuk mengkaji performa matriks pembobot spasial diaplikasikan pada kasus data riil. Kasus yang diambil dalam penelitian ini adalah jumlah penduduk miskin dan faktor-faktor yang mempengaruhi jumlah penduduk miskin dalam ruang lingkup Provinsi Jawa Tengah pada tahun 2007 sampai 2011. Mengangkat isu kemiskinan dalam penelitian ini karena merupakan isu yang menjadi perhatian baik di pemerintah pusat maupun daerah. Sementara Provinsi Jawa Tengah merupakan provinsi dengan jumlah penduduk miskin kedua terbesar, namun dari sisi persentase Provinsi Jawa Tengah menempati urutan keduabelas terbesar. Dikarenakan banyak faktor yang mempengaruhi jumlah penduduk miskin, dalam penelitian ini dibatasi pada faktor populasi penduduk, jumlah tenaga kerja yang berpendidikan SMP, share tenaga kerja sektor pertanian, industri, perdagangan dan jasa, serta faktor PDRB perkapita. Banyaknya faktor atau peubah bebas dalam pemodelan berpeluang terjadinya multikolinear. Untuk mendiagnosa multikolinear dalam model, dilakukan tahap eksplorasi awal melalui analisis korelasi antar peubah bebas. Berdasarkan analisis korelasi diperoleh hasil bahwa sebagian besar nilai-p p-value antar peubah bebas kurang dari 0.05. Hal ini berarti bahwa sebagian besar antar peubah bebas berkorelasi secara linier. Sementara itu korelasi antara jumlah penduduk miskin peubah tak bebas dengan peubah-peubah bebas terlihat bahwa populasi penduduk merupakan peubah bebas yang mempunyai hubungan positif paling kuat dibandingkan dengan peubah bebas lainnya. Hasil analisis korelasi antara jumlah penduduk miskin dengan tenaga kerja berpendidikan SMP dan share tenaga kerja sektor pertanian juga mempunyai hubungan yang positif. Share tenaga kerja sektor industri, sektor perdagangan, sektor jasa dan PDRB perkapita mempunyai hubungan yang negatif dengan jumlah penduduk miskin. Analisis pengaruh ketujuh peubah bebas terhadap jumlah penduduk miskin dilakukan melalui model dengan melibatkan jenis matriks yang berbeda. Dari ketiga jenis matriks yang digunakan peubah bebas komponen utama PC yang merupakan hasil transformasi dari peubah-peubah bebas X menggunakan PCA. Peubah-peubah bebas PC yang digunakan dalam model diperoleh dari hasil PCA pada matriks peragam dan matriks korelasi untuk mendapatkan model yang baik. PC hasil PCA pada matriks peragam didominasi oleh peubah PDRB perkapita dan populasi penduduk, sedangkan PC hasil PCA pada matriks korelasi berbeda. PC1 hasil PCA pada matriks korelasi merepresentasikan rata-rata dari ketujuh peubah bebas, sedangkan PC2 merepresentasikan peubah jumlah tenaga kerja lulusan SMP, populasi penduduk dan PDRB perkapita. Berdasarkan pemodelan dengan menggunakan PC hasil PCA pada matriks peragam diperoleh bahwa ketiga matriks pembobot spasial WC, WG dan WGnew memberikan performa yang sama baiknya dimana koefisien determinasi masing-masing sebesar 99.72. Sedangkan berdasarkan pemodelan dengan menggunakan PC hasil PCA pada matriks korelasi diperoleh nilai koefisien determinasi model dengan matriks WC, WG dan WGnew berturut-turut sebesar 99.68, 99.68 dan 99.69. Walaupun dalam hal ini nilai koefisien determinasi dari model dengan WGnew lebih tinggi, namun perbedaannya sangat kecil. Hal ini menunjukkan dalam model lebih didominasi oleh koefisien lag waktu satu tahun sebelumnya, Yt-1. Dengan kata lain terdapat hubungan yang sangat erat antara jumlah penduduk miskin untuk tahun tertentu dan tahun sebelumnya. Dengan pertimbangan koefisien determinasi di atas, interpretasi hasil pada kasus ini didasarkan pada model dengan matriks WGnew. Berdasarkan tabel ANOVA dari model dengan WGnew ternyata sekitar 73.53 jumlah penduduk miskin dipengaruhi oleh jumlah penduduk miskin tahun sebelumnya, ceteris paribus . Sedangkan pada populasi penduduk diperoleh koefisien 0.0373, apabila terdapat peningkatan jumlah penduduk sebanyak 1000 orang dapat meningkatkan jumlah penduduk miskin sebanyak 37 orang. Kebijakan yang perlu diambil dalam hal ini adalah perlunya dilakukan pengontrolan terhadap populasi penduduk, antara lain dengan menggiatkan kembali program keluarga berencana program KB. Kesadaran penduduk untuk membatasi jumlah kelahiran diharapkan berdampak pada terpenuhinya segala kebutuhan hidup anggota keluarga. Kualitas pendidikan tentunya sangat mempengaruhi kualitas sumber daya manusia. Tenaga kerja yang berpendidikan setara SMP tentunya relatif lebih sulit untuk mendapatkan penghasilan yang layak karena ketatnya persaingan dengan tenaga kerja yang pendidikannya lebih tinggi. Program wajib belajar sembilan tahun yang telah dijalankan oleh pemerintah perlu mendapat perhatian lebih lanjut. Share tenaga kerja di sektor pertanian mempunyai hubungan yang positif dengan jumlah penduduk miskin, artinya bahwa sebagian besar tenaga kerja di sektor pertanian mempunyai pendapatan yang relatif lebih rendah dibandingkan dengan sektor lain. Hal ini dapat dilihat dari kontribusi sektor pertanian terhadap PDRB total provinsi Jawa Tengah yang semakin menurun padahal tenaga kerja yang terserap di sektor pertanian adalah yang paling tinggi. Peningkatan PDRB perkapita PDRBKAP dapat menurunkan jumlah penduduk miskin, dimana dari hasil analisis diketahui bahwa peningkatan 1 unit PDRB perkapita dapat menurunkan jumlah penduduk miskin sebesar 0.001667 unit. Hal ini berarti bahwa kenaikan pendapatan perkapita sebesar Rp 1 juta maka dapat menurunkan jumlah penduduk miskin sebanyak 1667 orang. Share tenaga kerja sektor industri, sektor perdagangan dan sektor jasa mempunyai pengaruh yang negatif terhadap jumlah penduduk miskin artinya bahwa dengan semakin besar tenaga kerja yang terserap di ketiga sektor tersebut maka akan berdampak pada penurunan jumlah penduduk miskin. Pengaruh penurunan jumlah penduduk miskin oleh tenaga kerja yang terserap di sektor perdagangan dan jasa hampir dua kali lipat dibanding sektor industri. Penelusuran terhadap pembandingan performa matriks pembobot spasial dilakukan dengan menggunakan model panel spasial statis, dalam arti bahwa pengaruh jumlah penduduk pada tahun sebelumnya dieliminir. Berdasarkan hasil pendugaan model dengan GMM baik pada GMM satu tahap maupun GMM tiga tahap, nilai koefisien determinasi R 2 dari model dengan WC, WG dan WGnew berturut-turut sebesar 96.16, 98.28 dan 98.92. Asumsi-asumsi model seperti keacakan sisaan dan keacakan pengaruh tetap η pada model dengan WGnew juga memberikan performa yang baik dibandingkan dengan model dengan WC maupun WG. Perbandingan hasil dugaan jumlah peduduk miskin pada model panel statis melalui pemetaan dan analisis salah klasifikasi sangat terlihat perbedaan performa ketiga matriks tersebut. Jumlah salah klasifikasi dari