PEMODELAN FIXED EFFECT GEOGRAPHICALLY WEIGHTED PANEL REGRESSION UNTUK INDEKS PEMBANGUNAN MANUSIA DI JAWA TENGAH - Diponegoro University | Institutional Repository (UNDIP-IR) Siti Maulina M.

i

PEMODELAN

FIXED EFFECT GEOGRAPHICALLY

WEIGHTED PANEL REGRESSION

UNTUK INDEKS

PEMBANGUNAN MANUSIA DI JAWA TENGAH

D su

su

n

Ol

:

SITI MAULINA MEUTUAH

24010213140061

Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada

Departemen Statistika Fakultas Sains dan Matematika Universitas Diponegoro

DEPARTEMEN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

SEMARANG

iv

KATA PENGANTAR

Puji syukur bagi Allah SWT atas rahmat, hidayah, serta karunia-Nya sehingga

penulis dapat menyelesaikan penulisan Tugas Akhir dengan judul

P

_modelan

F

_{ixed Effect Geographically Weighted Panel Regression}

_{untuk Indeks}

Pembangunan Manusia di Jawa Tengah

. Penulis menyadari bahwa dalam

penulisan Tugas Akhir ini tidak lepas dari bimbingan dan dukungan yang

diberikan beberapa pihak. Oleh karena itu, penulis ingin menyampaikan terima

kasih kepada:

1. Bapak Dr. Tarno, M.Si selaku Ketua Departemen Statistika Fakultas Sains

dan Matematika Universitas Diponegoro.

2. Bapak Hasbi Yasin, S.Si., M.Si dan Ibu Dr. Di Asih I Maruddani, S.Si, M.Si.

selaku dosen pembimbing I dan dosen pembimbing II.

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

Universitas Diponegoro.

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

penulis dalam penulisan Tugas Akhir ini.

Penulis menyadari bahwa penulisan Tugas Akhir ini masih jauh dari sempurna.

Oleh karena itu, penulis mengharapkan kritik dan saran yang membangun demi

kesempurnaan penulisan selanjutnya.

Semarang, Maret

2017

BS

R

K

y

cukup jika melakukan pengamatan di

setiap kabupaten/kota hanya dalam satu waktu tertentu saja, tetapi pengamatan

perlu dilakukan dalam beberapa periode waktu. Sebaran di setiap kabupaten/kota

juga perlu mendapat perhatian, karena kondisi yang sangat beragam sehingga

menyebabkan adanya efek spasial. Oleh karena itu, perlu dikaji variabel-variabel

dalam beberapa periode waktu yang mempengaruhi indeks pembangunan manusia

dengan mempertimbangkan adanya efek spasial. Metode statistik yang digunakan

untuk mengatasi adanya efek spasial, khususunya masalah heterogenitas spasial

pada data bertipe panel adalah

Geographically Weighted Panel Regression

(GWPR). Penelitian ini difokuskan pada pembentukan model GWPR dengan efek

tetap (fixed effect) menggunakan pembobot

fixed exponential kernel

pada data

indeks pembangunan manusia kabupaten/kota di Jawa Tengah tahun 2010-2015.

Hasil dari penelitian ini menunjukkan bahwa model

fixed effect

GWPR berbeda

signifikan terhadap model regresi data panel, serta model yang dihasilkan untuk

setiap lokasi akan berbeda antara satu dengan yang lainnya. Selain itu,

kabupaten/kota di Jawa Tengah mempunyai 5 kelompok berdasarkan

variabel-variabel yang signifikan. Pada model

fixed effect

GWPR menghasilkan nilai R

2

sebesar 0,9227.

BS

R

C

!"#$ %&&' ()"&$ * $%&

x is an indicator for assessing the quality of human

resources and measure the results of human development. The achievements of

the human development index is not enough if conducting observations in each

cities in just one particular time, but the observations need to be made in some

period of time. The distribution in each cities is also a concern, because the

conditions are so diverse that led to their spatial effects. Therefore, it is necessary

to study these variables in some time periods that affect human development

index taking into account the spatial effects. Statistical methods used to overcome

their spatial effects, especially in the problem of spatial heterogeneity in the data

type of panel is

Geographically Weighted Panel Regression

(GWPR). This study

focused on the establishment of GWPR model with fixed effects using

fixed

exponential kernel

on the human development index data cities in Central Java in

2010-2015. The results of this study indicate that the fixed effect model GWPR

differ significantly on panel data regression model, and the model generated for

each location will be different from one another. In addition, cities in Central Java

has five groups based on variables that are significant. In the fixed effect model

GWPR generates R

2

_{value of 0,9227.}

DA

-.

A

/0 1 0

HA

2

A

3

AN

45

D

52

66666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666,

HA

2

A

3

AN

78

NG

81

AHAN

06666666666666666666666666666666666666666666666666666666666666666666666666666, ,

HA

2

A

3

AN

78

NG

81

AHAN

0066666666666666666666666666666666666666666666666666666666666666666666666666, ,,

9

A

.

A

78

NGAN

.

A

/6666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666,

v

A

:1 ./

A

966666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666

v

A

:1 ./

A

;.66666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666+,

DA

-.

A

/0 1 066666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666+, ,

DA

-.

A

/

GA

3:

A

/6666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666

x

DA

-.

A

/.

A

:8 26666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666666

x

,

DA

-.

A

/2

A

370 /

AN

666666666666666666666666666666666666666666666666666666666666666666666666666666666666666

x

, ,

:

A

:0 78

NDAH

5 25

AN

2.1.1 Komponen Pembentuk Indeks Pembangunan Manusia....7

2.1.2 Penghitungan Indeks Pembangunan Manusia...9

2.1.3 Variabel-Variabel yang Diduga Mempengaruhi Indeks

Pembangunan Manusia ...10

2.2 Analisis Data Panel ...13

2.3 Model Pengaruh Tetap (Fixed Effect Model)...14

viii

2.5 Pemilihan Model Regresi Data Panel ...17

2.5.1 Uji Chow...17

2.5.2 Uji Hausman ...18

2.6 Pengujian Asumsi Regresi Data Panel...18

2.7 Heterogenitas Spasial...22

2.8 Non-Multikolinieritas Lokal ...23

2.9

Model Fixed Effect Geographically Weighted Panel

Regression...24

2.10 Estimasi Parameter Model

Fixed Effect Geographically

Weighted Panel Regression

...26

2.11 Pemilihan Pembobot Model

Fixed Effect Geographically

Weighted Panel Regression

...29

2.12 Pengujian Model

Fixed Effect Geographically Weighted

Panel Regression

...32

4.3 Pemilihan Model Regresi Data Panel ...45

4.3.1 Uji Chow...45

4.3.2 Uji Hausman ...46

ix

4.4.1 Uji Normalitas...47

4.4.2 Uji Homoskedastisitas ...47

4.4.3 Uji Non-Autokorelasi...48

4.4.4 Uji Non-Multikolinieritas ...49

4.5 Heterogenitas Spasial...49

4.6 Non-Multikolinieritas Lokal ...50

4.7 Model

Fixed Effect Geographically Weighted Panel

Regression

Indeks Pembangunan Manusia...51

4.8 Pengujian Model

Fixed Effect Geographically

Weighted Panel Regression

...59

4.9 Koefisien Determinasi (R

2

_)...62

4.10 Interpretasi Model

Fixed Effect

GWPR...63

J

A

JK L MN

N

O POM

5.1 Kesimpulan ...66

5.2 Saran ...67

DA

QP

A

RMOSP

A

T

A

...

68

x

DA

WX

A

Y

GA

Z[

A

Y

G

\ ]^\_`a

Statistik

b

Durbin Watson ...21

G

\ ]^\_c a

Diagram Alir Analisis Data ...39

G

\ ]^\_d a

Plot Nilai

Bandwidth

dengan

Cross Validation...52

G

\ ]^\_

4

a

Pengelompokan Kabupaten/Kota Berdasarkan

xi

DA

ef

A

gf

A

hij

fkl mn

op

Uji

q

Durbin-Watson: Aturan Keputusan ...21

fkl mnrp

Variabel Penelitian ...36

fkl mnsp

Struktur Data Penelitian ...36

fkl mn

4

p

Deskripsi Data ...41

fkl mn

5

p

Estimasi

Common Effect Model

...42

fkl mn

6

p

Estimasi

Fixed Effect Model

...43

fkl mn

7

p

Estimasi

Random Effect Model

...44

fkl mn

8

p

Hasil Regresi Absolut Residual dengan Variabel Independen ...48

fkl mn

9

p

Nilai VIF Variabel Independen ...49

fkl mnotp

Nilai VIF Kota Semarang ...51

fkl mn oop

Nilai

Bandwidth

...52

fkl mnorp

Jarak

Euclidean

dan Pembobot

Fixed Exponential Kernel

...53

fkl mnosp

Ringkasan Estimasi Parameter Model

Fixed Effect

GWPR ...55

fkl mnoup

Estimasi Parameter Model

Fixed Effect

GWPR ...56

fkl mnovp

Uji Signifikansi Parameter Model ...61

xii

DA

xy

A

z{

A

| }~ z

AN

{€

i

‚ƒ„…

Data Indeks Pembangunan Manusia 35 Kabupaten/Kota

di Jawa Tengah Tahun 2010-2015 dan Variabel-Variabel

yang Mempengaruhinya ...72

†‡ˆ ‰

i

Š‡‹Œ

Sintaks dan Output Estimasi

Common Effect Model

Menggunakan

Software

R

... 78

{€

i

‚ƒŽ…

Sintaks dan Output Estimasi

Fixed Effect Model

Menggunakan

Software

R ...79

{€

i

‚ƒ

4

…

Sintaks dan Output Estimasi

Random Effect Model

Menggunakan

Software

R ...80

{€

i

‚ƒ

5

…

Sintaks dan Output Uji Chow dan Uji Hausman

Menggunakan

Software

R ...81

{€

i

‚ƒ

6

…

Sintaks dan Output Pengujian Asumsi Normalitas Model

Regresi Data Panel Menggunakan

Software

R ...82

{€

i

‚ƒ

7

…

Sintaks dan Output Pengujian Asumsi Homoskedastisitas

Model Regresi Data Panel Menggunakan

Software

R ...83

{€

i

‚ƒ

8

…

Sintaks dan Output Pengujian Asumsi Non-Autokorelasi

Model Regresi Panel Menggunakan

Software

R ...84

{€

i

‚ƒ

9

…

Sintaks dan Output Pengujian Asumsi Non-Multikolinieritas

Model Regresi Panel Menggunakan

Software

R ...85

{€

i

‚ƒ„…

Sintaks dan Ouput Uji Heterogenitas Spasial Menggunakan

xiii

‘’“

i

”‘•––—

Sintaks dan Ouput Nilai VIF Asumsi Non-Multikolinieritas

Lokal ...87

‘’“

i

”‘•–˜—

Sintaks dan Ouput Nilai

Bandwidth

untuk Pembobot

Fixed

Exponential Kernel

...88

‘’“

i

”‘•–™ —

Sintaks dan Output Nilai Pembobot

Fixed Exponential Kernel

.... 89

‘’“

i

”‘•–š—

Sintaks Program

Fixed Effect

GWPR Pembobot

Fixed

Exponential Kernel

...95

›œ ž

i

Ÿœ ¡¢£

Output

Fixed Effect

GWPR Pembobot

Fixed Exponential

¨© ª« ¦¬­®­ ¦ª

¯°¯ ±²³² ´µ¶·²¸ ²¹ º

S

»¼½ ¾¿ À»Á¾Â¾ Ã»Ä ¾Ä Å Æ»ÀÁÅ¿¾

y

¾Ç¾À ÅÀ ¼ÅÇ È¾¿¾¼ Æ»À½ÀÁǾ¼Ç¾À

Ç»Ã»É ¾Ê¼»Â ¾¾À ƾÃ

y

¾Â ¾Ç¾ ¼À

y

¾Ë

U

À ¼ ÅÇ Æ»Ì ÅÉÅÈǾÀ Ê¾Ä ¼» Âû Í Å¼ Î

m

¾Ç¾ Ƚ Í

ut

ÅÊǾ

n

Þ

tu

¿»

m

Í ¾

n

ÁÅÀ ¾ÀË Ï»

m

Í ¾ÀÁ

un

¾

n

¿¾È ¾ Ⱦ

s

¾

rny

¾ ¾È¾Ä¾Ê à ž

tu pr

Ðû

s

unt

ÅÇ

m

»Ä ¾ÇÅǾ

n

¿»

r

Å;ʾ

n

¿¾È¾½ À Ƚ Ǿ

tor so

ý ¾Ä

m

¾

upun

» ÇÐÀ ÐÆ ½

m

¾

sy

¾

r

¾Ç ¾

t

»À ÅÉ

m

u

Ç»¾

r

¾Ê

y

¾

n

ÁÄ »Í½ Ê Í ¾½Ç Ⱦ

n

Í»

r

Ç»

s

½ À ¾

m

Í ÅÀ Á ¾

n

(

Ñ Â½ÀÍ ¾ÐÎÒÓ¤Ô

)

Ë

S

¾Ä¾Ê à ¾¼ Å

y

¾À Á Æ»ÀÉ ¾È½ ÅÇžÀ È¾Ä¾Æ Ç»Í» ÂʾýľÀ ¿»ÆÍ ¾À ÁÅÀ ¾À ¾È¾Ä ¾Ê ¼» Âû Ƚ¾À

y

¾

S

ÅÆÍ» Â

D

¾

y

¾Õ ¾À Åý¾

(SD

Õ

) y

¾ÀÁÍ » ÂÇÅ¾Ä ½ ¼ ¾ÃË

S

ÅÆÍ» Â

D

¾

y

¾

Õ¾À Åý¾

y

¾À Á ͻ ÇžĽ¼¾Ã

Ⱦ¿¾¼ È½Ä ½ ʾ¼ Ⱦ½ ¾À ÁÇ ¾ ¿»À ȽȽ ǾÀÎ Ç» û Ê ¾¼¾À ΠȾ

n

ÉÅÁ ¾ ¿»»ÇÐÀ ÐÆ ½ ¾

r

n

à ž

tu

w

½ Ä ¾¾ Ê

y

¾

t

¾

u n

»Á¾

r

¾

y

¾

n

Áû

m

¾Ç½

n m

»

m

Í ¾½ÇË

Õ»

nurut

United Nations Development Programme

(U

Ö

D

Ï

) (

¤×× Ó

)

Î

p

»

m

Í ¾

n

ÁÅÀ ¾

n m

¾À Åý¾ Ƚ È» ؽÀ½Ã½Ç¾À Ã»Í ¾Á¾½ ¿ÂÐû à ¿» ÂÄ Å¾Ã ¾À ¿½Ä ½ ʾÀ Í ¾Á½

¿»À ÈÅÈÅÇ

(

a process of enlarging the choices of people

)

Ë Ù È¾¿ÅÀ ¾Ä ¾Ã ¾À ¿»Æ Í ¾À ÁÅÀ ¾À ƾÀ Åý¾ ¿» ÂÄ Å Æ »À Ⱦ¿¾¼ ¿»  ʾ¼½¾À ¾È¾Ä ¾Ê Í ¾À

y

¾ Ç À»Á ¾Â¾ Í»ÂÇ»ÆÍ ¾À Á

y

¾À Á Í»Âʾ Ã½Ä Æ»À Ú¾¿¾½ ¿» ¼ÅÆÍ ÅʾÀ » ÇÐÀ ÐÆ ½

y

¾À Á ¼½ ÀÁÁ½ Î

t

»

t

¾¿½ Á¾Á ¾Ä

m

»

n

Á

ur

¾

n

Á½ ǻû

n

ɾÀÁ ¾

n

ÃÐý ¾Ä » ÇÐÀ Ðƽ Ⱦ

n

Ç»

m

½ à ǽ À ¾

n

(U

Ö

D

ÏÎ ¤×× Ó

)

Ë

S

»Ä¾½À ½¼ÅÎ Í ¾À

y

¾Ç À» Á ¾Â¾ Æ ¾ÉÅ

y

¾À Á Æ »Æ¿ÅÀ

y

¾½ ¼½ ÀÁÇ ¾¼ ¿»À Ⱦ¿¾¼¾À ¼½ÀÁÁ½

!"#$! %&'

I

( ) *! "! '+&% ,! -!,&" ./01 *! "+& &* +2

K

&-3 &*! ' 4"! -!, 5 )!, 62 3 ' &'76 & 2 '+! 6, *! "8 &,3 6 +&$&8 6&* !7#"2 8! '! ' 7&% &*&, / '&83 ' &'76 &

I

( )

J

&9 &

T

! '7&%8 &,2%+2 -&9&%& '76&

I

( )

I

'+#'!,2&

y

&2*3, ! -!, &".:/;;5

H

&,2$ ! '<& &2&' +&"2

I

()

J

&9&

T

!'7&%/ *2 +&6$ & % <3 63 =26& 8! $&63 6&'

!'7&8 &* &' +2, ! *2& 6 & -3 &*! '> 6#*&%&'

y

&+&$& 8, &*3 9&6*3 * ! "*! '*3,&= &/

t

!

t

& 2 !'7&

m

&

t

&

n

!

r

$

u

+2 $ &63 6&

n

+&$&

m

-! -!

r

& &

p

!

r

2#+!

w

&6*35 ?&$ 2 '2 -!

rt

3=3 &

n

&7&

r

2 '@#"8&, 2

y

&' 7 +2 !"#$! % $! -2 % &63 "&* -! "+&,& "6&' ! "2 #+! 9 &6 *3

y

&' 7 +2 &8&*25

T

2+&6 %&'

y

& @& 6*#" 9&6*3

y

&' 7 ! "$3 +2 ! "%&* 26&'/ *! *& 2 , ! -&"&' +2 ,! *2 & 6&-3 &*! '>6 #* & =37& ! "$3 8! '+& &* ! "%& *2&'/6&"! '& 6#'+2, 2

y

&' 7, &' 7&* -!"& 7&85

K

#'+2 , 2 6!, !%&* &'/ !'+2+2 6&' +&' ,*&'+&" %2 +3

y

& ' 7 $&

y

&6 3 '*3 6 -!-! "& & 92 $ &

y

& % "! $ &*2 @ "! '+ &% = 2 6& +2 -&'+2' 76&' "&*&A"&*& 6&-3 &*! '>6#*& +2

J

&9 &

T

!'7&%/ , ! %2 ' 77& 8! '

y

!-&-6&' ! ' 7&"3 %

y

& ' 7 , 27'2 @2 6&' *! "%&+ & &'76 &

I

'+! 6, (! 8-&' 73 ' &') & '3, 2 &+292 $ &

y

&%*! ",!-3 *54 !"+&,&"6&' 6#'+2 , 2 *!", ! -3 */

m

!!-&-6&

ny

n t

!

r

=&+2

ny

& !

m

-&'7

un

&

n y

&7

n

t

2 +&6

m

!

r

&&/

t

6%3, 3, '

y

& 6!

s

! %&

t

&'/

FG HIJKLMNO PLN QLR IQSF I HIRSF IKNO PQNQGPQG M

y

NOTR IRHIJUNQGMNO K IQNM TI STJNVGP FLN aNTGNO \

y

NGQL

spatial dependece

FNO

spatial heterogeneity

(

iOP IKG O \ ]bjj

)

[

K

IQIJTNO QLOTNO PHNPG N K

(

spatial dependece)

FGM IR aNO TM NO R IKN KLG R SF IK

NL Q SJI TJIPG PHNPG N K

(

spatial autoregressive model)

FNO R SFIK J IP G FLNK P HNPG N K

(

spatial error model)

[

S

IR IO QNJN MIUIQIJ S TIONO P HNP GN K

(

spatial heterogeneity

)

FGM IRaNO TM NO RIKN KLG NON KG PG P J I TJIP G QIJaSaSQG PIkNJN T IS TJNV GP N QNL

Geographically Weighted Regression

(

iOPIKG O \c llb

)

[

mIRSF IKNO LO QLM FN QN a IJ QGHI HNO IK FNO QIJFN HN Q IV IM P HNPG N K\ MULP LPON

y

m

NPN KNU U I

t

I

ro

TIOG

t

N

s

P HNP GN K \ FN HN

t

FGM I

m

aN O TMN

n m

IKN KLG NON KGP G

s

r

I T

r

IP G P HNP GN K HNO IK F I

n

TN

n m

IO TTNaLOTMN

n m

o

F IK

Geographically Weighted

Regression

(GWR)

F IO TNO R SF IK JI TJ IP G FN QN HNO IK P IUG O TTN QIJ aIO QL M RSF IK

Geographically Weighted Panel Regression

(GW

m

R)

[

Geographically Weighted Panel Regression

(GW

m

R)

NFN KN U

opqrp stuqru q vu wx wprw pyx vp qruq sp qu st uz{u q |u{ }~w p }u{ rp~rwu| xy v xsu qu vu}u }pwypt€ } v xvuou }{ uq ypz x qr ru py} xsuyx ou wusp }pw

y

u q r v xz uy x{u q u{u q tpwyx|u } ~{u

(F

~ }z pwx q rzus 

t

‚ƒ„… †‡‡†

)

„ ˆu vu s~vp

GW

ˆ

R

…

unsur w

u{ }

u

v xxtu

t

{u

n

ouvu

m

~vp ‰Š

R (Qur ani, 2014). GWPR yang merupakan

penggabungan model GWR dengan regresi data panel akan menghasilkan model

‹ Œ

x

‹‹Ž

t

GWPR dan

‚  ‘’‹ ‹ Ž

t

GWPR (Yu, 2010)

.

Berdasarkan uraian di atas, penulis tertarik mengkaji pengaruh lokasi

kabupaten/kota serta tahun pengamatan menggunakan empat variabel yang diduga

mempengaruhi Indeks Pembangunan Manusia yaitu angka partisipasi sekolah,

banyaknya sarana kesehatan, pengeluaran perkapita disesuaikan, dan tingkat

pengangguran terbuka menggunakan metode

Fixed Effect Geographically

Weighted Panel Regression

. Dari analisis regresi spasial panel menggunakan

Fixed Effect Geographically Weighted Panel Regression

, diharapkan akan

memperoleh model yang lebih baik dengan mengikutsertakan pengaruh data dari

waktu ke waktu dan masalah heterogenitas spasial.

“”• – — ˜— ™ š›œš™š šž

Berdasarkan uraian latar belakang, permasalahan dapat dirumuskan

sebagai berikut :

 ¡¢£¢£ ¤

y

¥ ¡ ¦§¦¨© ª ¦¤« §¥£ £ ¬¥£« ¥­ £ ¦¡« ¤ ªª¥ ®©¯ ¦­

y

¥¤ ª ¯¥¬ ¥ § ¯«ª¢¤ ¥ ¥¤ ®¦¨¢¬¥ ¥¤¬ ¦¤ ª ¦®°¥¤ ª¥¤¯¥ ¨«¨¦ª¨¦£« ¯¥ §¥¬¥¤ ¦­¯¥¤¨¦ª¨¦£ «£ ¬¥£« ¥­

y

¥«§¢

Fixed Effect Geographically Weighted Panel Regression

±

² ± ³¥ ª¥«®¥¤ ¥ ®©¯ ¦­

I

¤¯ ¦  £´ ¦®°¥¤ ª¢¤¥¤µ¥¤¢£ «¥ ¯«£ ¦§«¥¬ ¥°¢¬¥ § ¦¤ ¶ © §¥ ´ ¨©¬« ¤£«

J

¥·¥

T

¦¤ ª¥¡¬ ¥ ¯¥§¥¡¢¤²¸¹¸£¥ ®¬¥«¯¦¤ª¥¤²¸¹º®¦¤ ªª¢¤ ¥ ¥¤ ¬ ¦¤¯ ¦ ¥ §¥¤

Fixed Effect Geographically Weighted Panel Regression

?

3.

Variabel-variabel apa saja yang mempengaruhi Indeks Pembangunan

Manusia di Jawa Tengah?

»¼½ ¾¿À¿ Á¿ Âÿ Á¿Ä¿ Å

Batasan masalah untuk penelitian ini yaitu pemilihan model menggunakan

Fixed Effect

pada GWPR. Jenis pembobotan yang digunakan dalam GWPR

adalah pembobot

fixed exponential kernel.

Kasus yang digunakan dalam

penelitian ini adalah Indeks Pembangunan Manusia pada 35 kabupaten/kota di

Jawa Tengah tahun 2010 sampai dengan 2015.

»¼Æ ÇÈ

j

È¿ ÂÉÊÂÊÄ ËÀË¿ Â

Tujuan dari penelitian ini adalah sebagai berikut:

1.

Memodelkan Indeks Pembangunan Manusia di setiap kabupaten/kota

Propinsi Jawa Tengah pada tahun 2010 sampai dengan 2015 menggunakan

Fixed Effect Geographically Weighted Panel Regression.