Interpretasi Model dan Pemilihan Model Terbaik

Tabel 27. Hasil Perbandingan Regresi Global, GWR dan Mixed GWR Statistik Uji Model Regresi Global GWR Mixed GWR Uji Asumsi Residual Regresi a. Uji Normalitas Residual Tidak Terpenuhi Terpenuhi - b. Uji Heteroskedastisitas Heteroskedastisitas Heterogenitas - c. Non-Multikolinieritas Terpenuhi Terpenuhi - d. Uji Non-Autokorelasi Terpenuhi - - Uji Signifikansi Regresi Secara Keseluruhan Uji F - Signifikan Signifikan Uji Koefisien Regresi Secara Individu Uji t - - - a. Pengujian Kesesuaian Model GWRMGWR goodness of fitUji F - Signifikan Signifikan b. Pengujian Pengaruh Lokasi Secara Parsial Uji F 3 - X 1 dan X 5 Bersifat Global - Pengujian Serentak Parameter Model Mixed GWR Uji F 3 a. Pengaruh Lokal - - Signifikan b. Global - - Signifikan Uji Parsial Parameter Model GWRMGWR - X 2 , X 3 dan X 4 Signikan Mempengaruhi Model X 1 Signifikan Secara Global dan X 5 Tidak Signifikan Secara Global AIC 2283,774 2251,637 2248,117 R 2 0,645 0,7798434 0,7691 Residual Sum Square RSS 1,285 x 10 10 12.334.912.903 9.474.015.369 Ket : Kabupaten Cilacap Berdasarkan Tabel 27 diperoleh bahwa model Mixed GWR dengan menggunakan pembobot fungsi kernel exponential memupunyai nilai AIC yaitu 2248,117 dan Residual Sum Square RSS yaitu 9.474.015.369. Sehingga disimpulkan bahwa model Mixed GWR lebih baik digunakan untuk PBRB di KabupatenKota di Jawa Tengah karena mempunyai dengan AIC dan RSS yang tidak bias dan terkecil. Model yang telah dibentuk dengan model Mixed GWR dapat digunakan untuk mengestimasi nilai pada masing masing wilayah KabupatenKota di Jawa Tengah. Sehingga akan didapatkan nilai PDRB hasil estimasi, dengan membandingkan nilai PDRB hasil estimasi dan nilai PDRB pada periode sebelumnya akan menghasilkan nilai pertumbuhan ekonomi pada periode tersebut. 71

BAB V KESIMPULAN

Model Geographically Weighted Regression diaplikasikan untuk memodelkan data yang memiliki keberagaman variansi. Model GWR mengasumsikan bahwa setiap variabel amatan memiliki sifat kelokalan yang harus dipenuhi. Dalam penelitian ini, model GWR yang diregrsikan dapat disimpulkan bahwa variabel X 2 IPM, variabel X 3 TPT dan variabel X 4 JAK mempengaruhi secara lokal terhadap setiap wilayah di Jawa Tengah dan variabel X 1 PAD dan X 5 UMR mempengaruhi secara global untuk keseluruhan wilayah di Jawa Tengah. Sehingga pemodelan dilakukan dengan menggunakan model Mixed GWR. Berdasarkan model Mixed GWR, faktor-faktor yang berpengaruh secara signifikan terhadap PDRB di KabupatenKota di Jawa Tengah secara lokal adalah IPM, TPT dan JAK. Sedangkan pada variabel yang mempengaruhi secara global PAD berpengaruh secara signifikan terhadap model dan UMR tidak berpengaruh secara signifikan model. Model Mixed GWR memiliki nilai AIC yaitu sebesar 2248,117. Sehingga disimpulkan bahwa model Mixed GWR sangat tepat untuk memodelkan data Produk Domestik Regional Bruto PDRB, dengan variabel independen yang mempengaruhinya adalah pengaruh Pendapatan Asli Daerah PAD, variabel jumlah tenaga kerja, indeks pembangunan manusia, persentase pengangguran terbuka dan upah minimum regional. DAFTAR PUSTAKA Ariefianto, M.D. 2012. Ekonometrika. Jakarta: Erlangga. Arsyad, L. 1999. Pengantar Perencanaan dan Pembangunan Ekonomi Daerah. Yogyakarta: BPFE-Yogyakarta. Badan Pusat Statistik [BPS]. 2012. Jawa Tengah Dalam Angka 2011. Semarang: Badan Pusat Statistik Jawa Tengah. Badan Pusat Statistik [BPS]. 2013. Jawa Tengah Dalam Angka 2012. Semarang: Badan Pusat Statistik Jawa Tengah. Badan Pusat Statistik [BPS]. 2014. Jawa Tengah Dalam Angka 2013. Semarang: Badan Pusat Statistik Jawa Tengah. Badan Pusat Statistik [BPS]. 2016a. diakses dari https:www.bps.go.idSubjekviewid6. diakses pada tanggal 17 Juni 2016 pada jam 20.20 WIB. Badan Pusat Statistik [BPS]. 2016b. diakses dari https: http:ipm.bps.go.id, diakses pada tanggal 21 Juni 2016 pada jam 19.30 WIB. Boediono. 1999. Teori Pertumbuhan Ekonomi. Yogyakarta: BPFE-Yogyakarta. Chasco, C. Garcia, I. dan Vicens, J. 2007. Modeling Spastial Variations in Household Disposible Income with Geographically Weighted Regression. Munich Personal RePec Arkhive MPRA Working Papper No. 1682. Draper, N.R. dan Smith, H. 1992. Applied Regression Analysis Third Edition. Canada: A Wiley Interscience Publication. Fotheringham, A.S., Brundson, C. dan Charlton, M. 2002. Geographically Weighted Regression. Chichester, UK: John Wiley and Sons. Gujarati N. D. 2004. Basic Econometrics fourth edition. McGraw-Hill Isbiyantoro, K., Wilandari, Y. dan Sugito. 2011. Perbandingan Model Pertumbuhan Ekonomi Di Jawa Tengah Dengan Metode Regresi Global Dan Metode Geographically Weighted Regression. Jurnal Gaussian. Volume 3, Nomor 3, Tahun 2014, Halaman 461 - 469. Kuncoro, M. 2006. Otonomi dan Pembangunan Daerah: Reformasi, Perencanaan, Strategi, dan Peluang. Jakarta: Erlangga.