2. Heterogenitas Spasial
Heterogenitas spasial terjadi akibat dari adanya perbedaan karakteristik lingkungan dan geografis antar wilayah pengamatan. Pengujian
heterogenitas spasial diakukan dengan menggunakan statistik uji Breusch- Pagan Test. Dengan hipotesisnya adalah
Tidak Terdapat Heterogenitas Spasial Minimal ada satu
; i = 1, 2, …, n Terdapat Heterogenitas Spasial
Hasil output uji Breusch-Pagan dapat dilihat pada Lampiran 3,sedangkan nilai statistik uji Breusch-Pagan dapat dilihat pada Tabel 18.
Tabel 18. Analisis Heterogenitas Spasial
Uji Breusch-Pagan pada alpha 0.05 Statistik BP
47.200 Tabel 5
11.070 P_Value
0.000
Berdasarkan Tabel 18 diperoleh nilai P-Value 0,000 dan statistik BP 47,200 dengan statistik tabel
11,070. Sehingga dapat diambil keputusan bahwa
ditolak karena nilai P- Value 0,000 α 0,05 dan
nilai statistik BP 47,200 11,070. Maka dapat disimpulkan
bahwa terdapat kasus heterogenitas spasial atau terdapat karakteristik yang berbeda terhadap data pendapatan asli daerah di Provinsi Jawa Tengah
antar tiap Kabupaten dan Kota.
3. Asumsi Multikolinieritas Lokal
Multikolinieritas adalah suatu kondisi dimana terjadi hubungan linier yang sempurna antara variabel independen X
j
yang menyebabkan taksiran parameter regresi yang dihasilkan akan memiliki error yang sangat besar.
Untuk mendeteksi adanya multikolinieritas dapat dilihat pada nilai Variance Inflantion Factor VIF. Pada model GWR di Kabupaten Cilacap
diperoleh nilai untuk masing-masing variabel dapat dijelaskan
pada Tabel 19, dimana j = 1,2,...,k.
Tabel 19. Nilai VIF Variabel Independen untuk Kabupaten Cilacap
Model PAD
IPM TPT
JAK UMR
GWR 2,936324 1,018920 2,624948 2,823346 1,592299
Adanya multikolinieritas ditunjukkan dengan nilai VIF yang lebih besar dari 10. Pada Tabel 19, terlihat bahwa pada kedua model GWR semua
variabelnya memiliki nilai VIF yang kurang dari 10. Maka dapat disimpulkan bahwa tidak terjadi multikolinieritas pada model GWR di
lokasi Kabupaten Cilacap.
4.3 Model Mixed GWR PDRB KabupatenKota Jawa Tengah
Berdasarkan analisis GWR dengan menggunakan pembobot exponential terdapat 3 variabel independen yang berpengaruh secara lokal yaitu X
2
,X
3
,X
4
Sedangkan 2 variabel independen yang berpengaruh secara global adalah X
1
dan X
5
. Terdapat sifat yang berpengaruh secara lokal dan secara global sehingga variabel-variabel yang memiliki kedua sifat tersebut akan dibentuk model Mixed
GWR. Nilai koefisien parameter
g
pada model Mixed GWR didapatkan dari perhitungan menggunakan estimasi Ordinary Least Square atau OLS yaitu
dengan meminimalkan nilai error yang dikudratkan. Nilai
g
dihitung menggunakan persamaan rumus 2.15. Nilai koefisien parameter
lokal pada model Mixed GWR didapatkan dari perhitungan menggunakan estimasi
Weighted Least Square atau WLS yaitu dengan meminimalkan nilai error yang terboboti bobot wilayah. Nilai
dihitung menggunakan persamaan rumus 2.16.
Pengolahan Mixed GWR dilakukan menggunakan program matlab dengan sintaks program pada Lampiran 6. Pembobot yang digunakan dalam pemodelan
Mixed GWR yaitu pembobot exponential, hasil penghitungan nilai koefisilen parameter nilai
lokal dan
g
dapat dilihat pada Tabel 20 dan pengolahan Mixed GWR menggunakan program matlab selengkapnya dapat dilihat pada
Lampiran 4.
4.3.1 Pengujian Kesesuaian Model Mixed GWR
Pengujian ini dilakukan dengan hipotesisnya adalah untuk setiap j = 1,2,...,k dan i = 1,2,...,n
tidak ada perbedaan yang signifikan antara model regresi global dengan Mixed GWR
minimal ada satu untuk setiap j = 1,2,...,k dan i = 1,2,...,n
terdapat perbedaan yang signifikan antara model regresi global dengan Mixed GWR
pada tabel 21 menunjukkan bahwa nilai statistik uji F sebesar 4,0472 dengan p- value
sebesar 0,0000. Dengan menggunakan tingkat signifikansi α sebesar 5
Kategori