PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) - Diponegoro University | Institutional Repository (UNDIP-IR)

(1)

PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH

DENGAN

MULTIVARIATE GEOGRAPHICALLY WEIGHTED

REGRESSION

(MGWR)

SKRIPSI

Disusun Oleh :

SINDY SAPUTRI

24010210141007

JURUSAN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

(2)

PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN

MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION

(MGWR)

Disusun Oleh :

SINDY SAPUTRI

24010210141007

Sebagai salah satu syarat untuk memperoleh gelar

Sarjana Statistika pada Fakultas Sains dan Matematika Universitas Diponegoro

JURUSAN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

(3)

HALAMAN PENGESAHAN I

Judul Skripsi

:

Penentuan Model Kemiskinan di Jawa Tengah dengan

Multivariate Geographically Weighted Regression

(MGWR)

Nama Mahasiswa

: Sindy Saputri

NIM

: 24010210141007

Jurusan

: Statistika

telah diujikan pada sidang Tugas Akhir tanggal 26 Maret 2015 dan dinyatakan lulus pada

tanggal 30 Maret 2015.

Semarang, Maret 2015

Mengetahui,

Ketua Jurusan Statistika

FSM Universitas Diponegoro

Dra. Dwi Ispriyanti, M.Si

NIP. 195709141986032001

Panitia Penguji Ujian Tugas Akhir

Ketua

(4)

HALAMAN PENGESAHAN II

Judul Skripsi

:

Penentuan Model Kemiskinan di Jawa Tengah dengan

Multivariate Geographically Weighted Regression

(MGWR)

Nama Mahasiswa

: Sindy Saputri

NIM

: 24010210141007

Jurusan

: Statistika

telah diujikan pada sidang Tugas Akhir tanggal 26 Maret 2015.

Pembimbing I

Dra. Dwi Ispriyanti, M.Si

NIP. 195709141986032001

Semarang, Maret 2015

Pembimbing II

(5)

KATA PENGANTAR

Puji syukur penulis ucapkan atas kehadirat Allah SWT yang telah

melimpahkan rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan

tugas akhir yang berjudul

Penentuan Model Kemiskinan di Jawa Tengah

dengan

Multivariate Geographically Weighted Regression

(MGWR)

. Pada

kesempatan ini penulis ingin mengucapkan terima kasih kepada:

1. Ibu Dra. Dwi Ispriyanti, M.Si. selaku Ketua Jurusan Statistika Fakultas

Sains dan Matematika Universitas Diponegoro Semarang sekaligus sebagai

Dosen Pembimbing I.

2. Ibu Triastuti Wuryandari, S.Si, M.Si. sebagai pembimbing II yang telah

memberikan bimbingan dan pengarahan dalam penulisan tugas akhir ini.

3. Bapak dan Ibu dosen Jurusan Statistika Fakultas Sains dan Matematika

Universitas Diponegoro yang telah memberikan ilmu yang bermanfaat

4. Semua pihak yang tidak dapat disebutkan satu per satu yang telah

mendukung penulis menyelesaikan penulisan tugas akhir ini.

Penulis berharap tugas akhir ini dapat bermanfaat bagi seluruh civitas

akademika di Universitas Diponegoro, khususnya Jurusan Statistika dan

masyarakat pada umumnya.

Semarang, Maret 2015

(6)

BSTRAK

,

-

t

v

! "!#$ %& '

y

(!$ & !) *!$ !+ +# ,

(

-./ 0

).

1 -. /0 (! $ & !)

Least Square

(

/

LS). Pemilihan

bandwith optimum menggunakan

Cross Validation

(CV). Penelitian ini

mencari model terbaik antara MGWR dengan regresi multivariat dan membuat

peta persebaran kabupaten dan kota di Provinsi Jawa Tengah berdasarkan

variabel-variabel yang

signifikan terhadap kemiskinan.

Hasil pengujian

kesesuaian model menunjukkan bahwa tidak ada pengaruh faktor spasial terhadap

presentase penduduk miskin dan tidak miskin di Provinsi Jawa Tengah. Variabel

yang diduga mempengaruhi presentase penduduk miskin adalah variabel

persentase pengeluaran untuk makanan, sedangkan untuk persentase penduduk

tidak miskin adalah variabel persentase pengeluaran untuk makanan dan

persentase tingkat pendidikan kepala keluarga kurang dari SD. Berdasarkan AIC

dan MSE diperoleh model terbaik yaitu model MGWR dengan nilai AIC sebesar

44,4603 dan MSE 0,454.

(7)

vi

ABSTRACT

The problem of poverty is a fundamental problem faced in a number of

regions in Indonesia, to determine significant indicators on poverty by taking into

account the spatial variation in the province of Central Java can use multivariate

models Geographically Weighted Regression (MGWR). In the model MGWR

model parameter estimation is obtained by using Weighted Least Square (WLS).

Selection of the optimum bandwidth using Cross Validation (CV). The study

looked for the best model among MGWR with multivariate regression and create

distribution maps counties and cities in the province of Central Java based

variables significantly to poverty. The results of testing the suitability of the

model shows that there is no influence of spatial factors on the percentage of poor

and non-poor in the province of Central Java. Variables expected to affect the

percentage of poor people is a variable percentage of expenditures for food, while

the percentage of the non-poor is a variable percentage of expenditure on food and

the percentage of heads of household education level less than SD. Based on the

AIC and the MSE obtained the best model is the model MGWR with AIC value

of 44.4603 and MSE 0.454.

(8)

v

2 2

34564 7898

: ;<;= ;>

:? @?A?B

J

C DC @

EEEE EEEEEEEEE EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE F

:? @?A?BGHBI HJ ?:? B

I

EEEEEEEEEEEEEEEEEEEEEEEEEEEE EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE F F

:? @?A?BGHBI HJ ?:? B

II

EEEEEEEEEEEEEEEEEEEEEEEEEE EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE FF F

K

?K ?GH BI ? BK?LEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE F

v

?MJ K L?

K

EEEEEEEEEEEEEEEE EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE

v

?MJ K L?NK EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE OF

D?PK ?L

I

J

I

EEEEEEEEEEEEEEEE EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE

v

F F

D?PK ?LK ? MH @ EEEEEEEE EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE

x

D?PK ?LI? AM? L EEEE EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE E

x

F

D?PK ?L@?AGQL?B EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE

x

F F

M?MQ GHB D?:C @C? B

RERE @;

t

;S MT< ;U;>VEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE R

REWE G T S=;X;<;Y;>EEEEEEEEEEEEEEEEEE EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE Z

REZE M;[;X;>A;X;<;YEEEEEEEEEEEEE EEEEEE EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE Z

RE\E K ]^ ];>G T>T<F [F;>EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE Z

M?M

II

K

I

B

J

?C?BG C JK ?

K

?

WERE

K

T=FX UF> ;>EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE _

WERERE DT`F>FX F

K

T=F X UF> ;>EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE _

WEREWE D;[;

K

T=FX UF> ;>EEEEEEEEEEEE EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE _

WEREZEAT [abTG T>V]U ]S;>cT=FX UF> ;>EEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEEE d

(9)

v

e e e

fgfg hijkil mnmo mikpqr

t

mstkmt

t

ggggggggggggggggggggggggggggggggggggg gggggggggggggggggggg uv

fgfgug

K

w ixml m ioywkir t lm gggggggggggggggggggggggggggggggggggggggggggggggggggggggg uv

fgfgfgzl { m|tl m} tkt |i{ ik gggggggggggggggggggggggggggggggggggggggggggggggggggggggg u~

fgfgvg m

K

ililqt mtopw ir gggggggggggggggggggggggggggggggggggggggggggggggggggg u~

fgfg~g mmjo mxmto l m} tkt |i{ikpwirggggggggggggggggggggggggggggggggggg u~

fgfgg lq | lmhijkil mnm o mikpqr

t

mstkmt

t

gggggggggggggggggggggggggggggg u

fgfggu lq | l mw |wlit

st

m lm

t

t lgggggggggggggggggggggggggggggggg g u

fgfggf lq | l mhil mqtr

I

oi io ioggg gggggggggggggggggggggggggg u

fgfggv lq | l mhil mqtrik ml {kmq lm

wk|trpqr { mstk mt {

ggggggggggggggggggggggggggggggggggggggggg u

fgfgg} i| mrmtopw ir ikt m}ttpwir

nmo mikpqr

t

mstk m t

t

ggg ggggggggggggggggggggggggggggggggggggggggggggggggggggggg u

fgvg iwjkt mtrr

y

imj {ihijkil l mwo ggggggggggggggggggggggggggggggggggggggg u

fg~g } i|ww ir toph ggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggggg f

fg~gug } iot l mkto}tkt |i{ ikp w irp hgggggggggggggggggggggggggggg fu

fg~gfg } i|ww {top h gggggggggggggggggggggggggggggggggggggggggggggggggggggg fu

fg~gvg } io jqmtomw {il mlyililqt mtopw irhi jk il m

pqr{mstk mt { io jtop hgggggggggggggggggggggggggggggggggggggggggggg ff

fg~g~g} io jq mtomw {ilmlmjo m xm to lmpw irp hgggggggg fv

fg~gg} i| mrmtopw irikt m phgggggggggggggggggggggggggggggg ggg f~

III

pz

OLOGI PENELITIAN

3.1. Sumber Data...

25 3.2. Variabel Penelitian...

25

(10)

(11)

x

ÎÊÏÐ ËÑÒ Ó ÊÔÕ ÊÏÐËÖÊ

t

Ê×ÐÍÐ ËÕ

t

Õ ÊÍ ÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒÒ

...

26 Tabel 2. Struktur Data Penelitian ...

26 Tabel 3. Deskriptif Data Kemiskinan ...

...

31 Tabel 4. Koefisien Korelasi Variabel Respon ...

...

32 Tabel 5. Analisis Varians Model Regresi Multivariat ...

...

33 Tabel 6. Signifikansi Parameter Model Regresi Multivariat dengan Data

Persentase Penduduk Miskin dan Persentase Penduduk

Tidak Miskin ...

....

...

... 34

Tabel 7. Jarak Euclide dan Pembobot di Lokasi (

ØÙÚÛ Ù

) ...

... 39

Tabel 8. Nilai Estimasi Parameter Model MGWR Penduduk Miskin ... 41

Tabel 9. Nilai Estimasi Parameter Model MGWR

Penduduk Tidak Miskin ... 42

Tabel 10. Uji Kesesuaian Model MGWR dan Regresi Multivariat ...

43 Tabel 11. Nilai Signifikansi Parameter Model MGWR

Penduduk Miskin ... 45

Tabel 12. Nilai Signifikansi Parameter Model MGWR Penduduk Tidak

Miskin ...

...

... 46

(12)

æ çèçé çê

ãçéë çìíî ïÝðñò ðóôõÝòô ö ðõÝ÷Ý÷ïðø ðùúöúõÝøÝðöîîîîîîîîîîîîîîîîîîîîîîîîîîîîîîî

...

29 Gambar 2. Plot Normalitas ...

...

37 Gambar 3. Pengelompokan Kabupaten dan Kota berdasarkan Variabel

Prediktor yang Signifikan Mempengaruhi Variabel Respon

Persentase Penduduk Miskin ...

47 Gambar 4. Pengelompokan Kabupaten Dan Kota Berdasarkan Variabel

Prediktor yang Signifikan Mempengaruhi Variabel Respon

(13)

t

ý

t

K

þ

!

!! "

" ! # $

$ % &' (

% &'

)

( ! &' *

) ! &'

+

*! ,, þ ý

ý

J

w

!- - , (,

+ ý (

(14)

BAB I

PENDAHULUAN

1.1 Latar Belakang

2 345676 8696: ;35<7 ;<:6:534=>6;6 : 76 869 76 ?= > 347 @6 86 : 53:A 6764

y

6: B

?34=7 A< 96A6>< A< 73C= 5 869 A6 3469 A< D:A @:37< 6E F< D:A @:37< 6 ;35< 7 ;< :6 : 567< 9

53:C 6A< 7 6 869 7 6 ?= 5676 869 G37 64E H3:< : B;6 ?;6: ;< :34C6 > 34 3; @:@5<6: 6 B64

56 5>= 53:I<> ?6;6: 86 >6 :B6 : ; 34C6 A6: 5 3:6?6 ; 39<A=>6 :

y

6: B 86

y

6 ; G6 B<

738=4=9 46;

y

6 ? 6;6 : 53

w

=C=A;6 : ; 373C69 ?34 66 : > 3:A=A=; D:A @:37 < 6 6: B

y

534=>6;6: 7 6 869 7 6 ?= ?=C=6 : > 35G6 : B= :6 : :67<@:6 8E J6 869 76 ?= 767 646 :

> 35G6 : B= :6 ::67<@:6 86 A6 8695 3:=4= :;6 :?<: B;6 ?; 35< 7;<:6 :E

K3G346> 6 =>6

y

6 53:= 4 = :;6 : ?<:B;6?

;35< 7;<:6 : ?3869 A<86;=; 6 : @8 39

> 3534< :?69 >=7 6 ? A6 : A6 3469 L A< 6:? 646 :6

y

A3 :B6 : >35G34<6 : G3467 5<7 ;< :

MN67;<:O L K6:?=6 : P6 : B

s

= :B Q= :6< MKPQOL > 386

y

6 :6 : ; 3

s

396

t

6 : ;38=64 B6 5< 7;<:

MR7 ; 37 ;<:OL K6 :?=6 : S>3

r

6

s

<@:68 J 3; @869 M KSJO A6 : > 35 G3

r

< 6 : 6;7 3

s

T6:B 8

u

6

s

t

3

r

96A6>

su

5G3

r

U

su

5G3

r

> 35 G<6T66 : V

s

696 H< ;4@L W3I< 8 A6: H3:3:B69

MVHWHO MJ

u

B<T6 :?@L X YYZOE 2 3

r

6 :6 : A6

t

6 ;35<

s

;<:6 : 53:C 6A<

s

6: B6

t

> 3:?<:B

A6 86 5; 3G3

r

96

s

<86 :> 38 6;

s

6 :66 :>

r

@B

r

6 5>3:=4

u

:6 :

t

<:B; 6

t

; 35<

s

;<:6 :EK3

r

G6B6<

A 3[<:<

s

<A6:<:A<;6

t

@4

u

:?

u

;53:B

u

;=4

t

<:B; 6

t

; 35<

s

;<:6 :A6:53:B9<

tu

:BC

u

5869

> 3:A=A=;5<

s

;<:

t

3869A<[@4 5

u

86

s

< ;6 :A6 :A< ; 35 G6 :B;6:L A 3: B6 :9 6

r

6> 6:

u

>6T6

> 3:B3:?6

s

6:;35<

s

;< :6 :6;6 :83G< 9?3>6

t s

6

s

6

r

6 :E

2 3

r

9<

tu

:B6 : C

u

5 869 > 3 :A=A=; 5<

s

;< :

s

386 56 < :< A< 86;=;6 : A 3:B6:

(15)

(16)

(17)

êë ì íî ïð ïñòó î ôõíð ö í÷øò ïù òóöò ÷ò úû ü ý õíóþòó ÷íþ÷íÿ ï î ðöïò ÷ïòö

õòó

î íî ø òö íöò í÷ÿíøò÷ò ó ùòø òö íó õòó ùôö ò õï ì ÷ôïóÿ ï ò

w

ò íóþòñ

ø í÷õòÿ ò÷ùòó ò÷ï òø íðò÷ ïòø íð

y

òó þ ÿ ï þó ïïùòó ö í÷ñòõò ùíîïÿ ùïóòó ò õò