Pemodelan Kerugian Makro Ekonomi Akibat Bencana Alam Dengan Regresi Panel

Pemodelan Kerugian Makro

Ekonomi Akibat Bencana Alam

Dengan Regresi Panel

Dosen Pembimbing :

Dwi Endah Kusrini, S.Si, M.Si

Jurusan Statistika Fakultas Matematika dan Ilmu

Pengetahuan Alam Institut Teknologi Sepuluh Nopember

OUTLINE

Pendahuluan

Tinjauan

Pustaka

Metodologi

Penelitian

Latar Belakang

Latar Belakang

Tsunam i Aceh (2004) Gempa bumi DIY (2006) Gunung meletus Jatim (2014)

Latar Belakang

Penelitian tentang bencana alam

Toya & Skidmore

(2007)

• Melakukan penelitian terkait perkembangan ekonomi dan dampak dari bencana alam

Noy (2009)

• Melakukan penelitian konsekuensi makroekonomi yang

diakibatkan oleh bencana alam dengan menggunakan regresi data panel

Latar Belakang

Penelitian tentang bencana alam

Xiaoyan & Xiaofei

(2012)

• Menaksir kerugian yang terjadi akibat bencana alam

Mustapha ,Mcheick, & Mellouli

(2013)

• Melakukan pemodelan dan simulasi bencana alam

Kusumani ngrum (2014)

• Meneliti tentang kerugian makroekonomi yang disebabkan oleh bencana alam di Pulau Jawa dengan menggunakan metode Spatial Durbin Model

Latar Belakang

Regresi Panel???

Merupakan model regresi yang digunakan

pada data panel (gabungan data cross

section dan data time

Latar Belakang

Penelitian tentang Regresi Panel

Astuti

(2009)

• Menganalisis persentase mahasiswa ITS

yang lulus tepat waktu dengan menggunakan

model

fixed effect

pada regresi data panel

Desi

(2010)

• Menggunakan regresi data panel untuk

memodelkan persentase penduduk miskin di

Jawa Timur

Perumusan Masalah

Bagaimana karakteristik bencana alam yang

terjadi di Pulau Jawa pada periode 2007

hingga 2012?

Bagaimana pemodelan kerugian

Tujuan Penelitian

Mengidentifikasi karakteristik bencana alam

yang pernah terjadi di Pulau Jawa pada

periode 2007 hingga 2012.

Mendapatkan pemodelan kerugian

makroekonomi yang diakibatkan bencana

alam di Pulau Jawa untuk wilayah kabupaten

dengan menggunakan metode regresi panel.

Manfaat Penelitian

Dapat menjadi bahan pembelajaran bagi

peneliti terkait metode regresi data panel.

Dapat memberikan informasi atau menjadi

bahan rujukan bagi pemerintah daerah terkait

Batasan Masalah

Analisis data panel yang digunakan adalah

data panel lengkap (

balanced

) dengan

error

komponen satu arah yaitu komponen antar

individu atau antar waktu.

Wilayah yang dianalisis adalah

kabupaten-kabupaten di Pulau Jawa.

Bencana

Berdasarkan UU No. 24 Tahun 2007, bencana adalah peristiwa atau serangkaian peristiwa yang mengancam

dan mengganggu kehidupan dan penghidupan masyarakat yang disebabkan oleh faktor alam dan nonalam ataupun faktor manusia sehingga mengakibatkan timbulnya

korban jiwa manusia, kerusakan lingkungan, kerugian harta benda, dan

dampak psikologis.

Secara ekonomi, bencana dapat membawa kerugian

secara langsung yaitu kerugian modal saham,

secara tidak langsung yaitu mengganggu bisnis dan secara makro ekonomi

yaitu menurunnya produk domestik bruto (Mechler,

Statistika Deskriptif

Statistika deskriptif merupakan

metode-metode yang berkaitan

dengan pengumpulan dan

penyajian suatu gugus data

sehingga dapat memberikan

informasi yang berguna (Walpole,

Data Panel

• Gabungan antara data

time series

dan data

cross sectional

.

• Ada 2 macam data panel



balanced

(seimbang) dan

unbalanced

(tidak seimbang)

• Dapat mengontrol heterogenitas individual.

• Lebih informatif, lebih bervariasi, dan lebih efisien.

• Lebih unggul dalam mempelajari perubahan yang dinamis.

• dll

Estimasi Data Panel

1.

Intersep dan slope koefisien adalah tetap sepanjang waktu dan

individu. [

𝑦

_𝑖𝑡

= 𝛼 + 𝑋

_𝑖𝑡′

𝛽 + 𝜀

_𝑖𝑡

]

2.

Slope koefisien adalah tetap tetapi intersep berbeda antar individu.

[

𝑦

_𝑖𝑡

= 𝛼

_𝑖

+ 𝑋

_𝑖𝑡′

𝛽 + 𝜀

_𝑖𝑡

]

3.

Slope koefisien adalah tetap tetapi intersep berbeda antar individu

dan waktu. [

𝑦

_𝑖𝑡

= 𝛼

_𝑖𝑡

+ 𝑋

_𝑖𝑡′

𝛽 + 𝜀

_𝑖𝑡

]

5 kemungkinan yang akan terjadi saat menggunakan data panel

Estimasi Data Panel

•

Common Effect Model

(CEM)

Model paling sederhana sama dengan model OLS. Pendekatan ini

mengasumsikan bahwa nilai intersep dan slope masing-masing

variabel adalah sama untuk semua unit

cross section

dan

time

series

. [

𝑦

_𝑖𝑡

= 𝛼 + 𝑋

_𝑖𝑡′

𝛽 + 𝜀

_𝑖𝑡

]

•

Fixed Effect Model

(FEM)

Menggunakan variabel dummy untuk menangkap adanya

perbedaan intersep. [

𝑦

_𝑖𝑡

= 𝛼

_𝑖

+ 𝑋

_𝑖𝑡′

𝛽 + 𝜀

_𝑖𝑡

]

•

Random Effect Model

(REM)

Mengasumsikan intersep sebagai variabel random.

[

𝑦

= 𝛼 + 𝑋

′

𝛽 + 𝜇

+ 𝜀

]

Pemilihan Model Estimasi

Regresi Data Panel

• Uji Chow

Digunakan untuk memilih model estimasi terbaik antara model CEM

atau model FEM.

𝐻

₀

:

𝛼

₁

= 𝛼

₂

= ⋯ = 𝛼

_𝑁

= 𝛼

(CEM)

𝐻

₁

:

𝛼

_𝑖

≠ 𝛼

(FEM)

Statistik uji :

𝐹 =

𝑅𝑅𝑆𝑆−𝑈𝑅𝑆𝑆 𝑁−1 𝑈𝑅𝑆𝑆 𝑁𝑇−𝑁−𝐾

Pemilihan Model Estimasi

Regresi Data Panel

• Uji Hausman

Digunakan untuk memilih model estimasi terbaik antara model REM

atau model FEM.

𝐻

₀

:

𝑐𝑜𝑟𝑟 𝑋

_𝑖𝑗

, 𝑢

_𝑖𝑗

= 0

(REM)

𝐻

₁

:

𝑐𝑜𝑟𝑟 𝑋

_𝑖𝑗

, 𝑢

_𝑖𝑗

≠ 0

(FEM)

Statistik uji :

𝑊 = 𝐴

′

𝑣𝑎𝑟 𝛽

_𝐹𝐸𝑀

− 𝑣𝑎𝑟 𝛽

_𝑅𝐸𝑀 −1

𝐴

𝐴 = 𝛽

_𝐹𝐸𝑀

+ 𝛽

_𝑅𝐸𝑀

Pemilihan Model Estimasi

Regresi Data Panel

• Uji Lagrange Multiplier

Digunakan untuk menguji apakah terdapat heteroskedastisitas pada

model FEM.

𝐻

₀

:

𝜎

_𝑖2

= 𝜎

2

(homoskedastis)

𝐻

₁

:

𝜎

_𝑖2

≠ 𝜎

2

(hetroskedastis)

Statistik uji :

𝐿𝑀 =

𝑛𝑇 2 𝑇−1

𝑇𝑒

𝑖 2 𝑁 𝑖=1 𝑁𝑖=1 𝑇𝑡=1

𝑒

𝑖𝑡2 −1

− 1

2

𝐻

𝐿𝑀 > 𝜒

2

pada tingkat signifikansi α.

Kriteria Kebaikan Model

Koefisien determinasi 𝑅2

Dapat mengukur proporsi keragaman yang dapat dijelaskan model regresi

𝑅2 = 1 − 𝑇𝑡=1 𝑦𝑖𝑡 − 𝑦 𝑖𝑡 2 𝑛 𝑖=1 𝑦_𝑖𝑡 − 𝑦 _𝑖𝑡 2 𝑇 𝑡=1 𝑛 𝑖=1

Pengujian Parameter Model

• Uji Serentak

Digunakan untuk mengetahui semua pengaruh variabel

independen terhadap variabel dependen.

𝐻

₀

:

𝛽

₁

= 𝛽

₂

= ⋯ = 𝛽

_𝐾

= 0

𝐻

₁

: minimal ada satu

𝛽

_𝑖

≠ 0 𝑖 = 1,2, … , 𝐾

Statistik uji :

𝐹 =

_𝑀𝑆𝑀𝑆𝑟𝑒𝑔𝑟𝑒𝑠𝑖

Pengujian Parameter Model

• Uji Parsial

Digunakan untuk mengetahui variabel independen yang

berpengaruh signifikan secara individu terhadap variabel

dependen.

𝐻

₀

:

𝛽

_𝑘

= 0

𝐻

₁

:

𝛽

_𝑘

≠ 0

Statistik uji :

𝑡

_{ℎ𝑖𝑡𝑢𝑛𝑔}

=

𝛽𝑘

𝑆𝐸(𝛽_𝑘)

Tolak

𝐻

₀

apabila

𝑡

_{ℎ𝑖𝑡𝑢𝑛𝑔}

lebih besar dari

𝑡

𝛼

Pengujian Asumsi Residual

• Asumsi Independen

Bertujuan untuk mengetahui apakah terdapat korelasi antar

error

pada waktu t dengan

error

pada waktu t-1.

Dideteksi dengan menggunakan uji Durbin Watson.

• Asumsi Identik

Bertujuan untuk mengetahui adanya ketidaksamaan varians dari

error suatu pengamatan dengan pengamatan lainnya. Dideteksi

dengan menggunakan uji Glejser yaitu meregresikan absolute

Pengujian Asumsi Residual

• Asumsi Normal

Digunakan uji Kolmogorov Smirnov untuk mengetahui residual

model sudah berdistribusi normal atau tidak.

𝐻

₀

: residual berdistribusi normal

𝐻

₁

: residual tidak berdistribusi normal

Tolak

𝐻

₀

apabila

𝐷 > 𝐷

_1−𝛼

atau

𝑝 − 𝑣𝑎𝑙𝑢𝑒 < 𝛼

.

• Tidak Terjadi Multikolinearitas

Multikolinearitas terjadi apabila ada korelasi antara variabel

independen dan dapat diatasi dengan PCA.

Sumber Data

Sumber data yang digunakan dalam

penelitian ini adalah data sekunder dari

Badan Nasional Penanggulangan

Bencana (BNPB)

dan

Badan Pusat

Statistika (BPS)

pada periode

2007

hingga

2012

.

Unit

cross section

pada penelitian ini

adalah

kabupaten-kabupaten

di Pulau

Jawa sedangkan unit

time series

penelitian

ini adalah tahun 2007 hingga 2012. Jadi,

total ada

83 kabupaten

di Pulau Jawa dan

Variabel Penelitian

Produk

domestik

Jumlah

Tenaga kerja

(X

_1it

)

(Bappenas,

2006)

Jumlah

kejadian

bencana (

𝑋

_2𝑖

)

Jumlah

kerusakan

fasilitas umum

(X

_3it

) (Noy,

2009)

Langkah Analisis

• Untuk mencapai tujuan pertama, maka dilakukan analisis statistika

deskriptif pada masing-masing variabel dependen dan variabel independen. • Untuk mencapai tujuan kedua, maka dilakukan langkah-langkah sebagai

berikut.

 Mengumpulkan set data panel.

 Mengidentifikasi adanya kasus multikolinearitas atau tidak.

 Melakukan estimasi model regresi panel dengan menggunakan uji Chow. Apabila keputusannya adalah gagal tolak 𝐻₀ maka model yang digunakan adalah common effect model (CEM), namun bila

keputusannya adalah tolak 𝐻₀ maka model yang digunakan adalah fixed effect model (FEM) dan dilanjutkan ke langkah 4.

 Melakukan estimasi model regresi panel dengan menggunakan uji Hausman. Apabila keputusannya adalah gagal tolak 𝐻₀ maka model yang digunakan adalah random effect model (REM) dan langkah

Langkah Analisis

 Melakukan estimasi model regresi panel dengan menggunakan uji

Lagrange Multiplier. Apabila keputusannya adalah gagal tolak 𝐻₀ maka model yang digunakan adalah fixed effect model FEM dan struktur data sudah homogen. Namun bila keputusannya adalah tolak 𝐻₀ maka struktur data belum homogen dan model estimasi yang digunakan adalah model

fixed effect (FEM) dengan pembobot cross section weight.

 Melakukan pengujian signifikansi parameter regresi panel.

 Melakukan pengujian asumsi residual.

Karakteristik Variabel Penelitian

Y X1 X2 X1 0,355 0,000 X2 0,284 0,019 0,000 0,669 X3 0,162 0,026 0,103 0,000 0,557 0,021

Korelasi variabel dependen dan independen

Korelasi wilayah satu

Y X1 X2 Y X1 X2 X1 0,204 0,009 X2 0,362 0,034 0,000 0,663

Karakteristik Variabel Penelitian

Korelasi wilayah tiga Korelasi wilayah empat

Y X1 X2 X1 0,676 0,000 X2 0,452 0,297 0,026 0,159 X3 0,398 0,358 0,465 0,000 0,086 0,022 Y X1 X2 X1 0,506 0,000 X2 0,255 -0,064 0,000 0,307 X3 0,071 -0,104 0,137 0,256 0,095 0,028

Karakteristik Variabel Seluruh

Kabupaten

Statistika Deskriptif Mean, Min dan Max

Variabel N Mean Min Max

Kab dengan Nilai Terendah Kab dengan Nilai Tertinggi 𝑌_𝑖𝑡 498 15970 2321 116470 Pacitan Bekasi 𝑋_1𝑖𝑡 498 247,52 59 735 Sampang Sidoarjo 𝑋_2𝑖𝑡 498 7,697 0 113 Beberapa kabupaten Bogor

Perkembangan Variabel Tahun

2007-2012

Perkembangan PDRB Berlaku 11816.06 0 13580.30 1 14791.61 4 16555.10 8 18506.39 7 20568.86 7 2007 2008 2009 2010 2011 2012

Perkembangan jumlah tenaga kerja

228.0843 37 257.8915 66 273.8554 21 284.8192 77 213.8072 28 226.6867 47 2007 2008 2009 2010 2011 2012

Perkembangan Variabel Tahun

2007-2012

Perkembangan jumlah kejadian bencana _{Perkembangan jumlah kerusakan FU}

4.891 5.506 13.289 11.060 11.433 187.831 518.771 341.445 237.590

Perkembangan Variabel Tahun

2007-2012

Perkembangan jumlah kejadian bencana _{Perkembangan jumlah kerusakan FU}

0 4.891 5.506 13.289 11.060 11.433 2007 2008 2009 2010 2011 2012 0 16.421 187.831 518.771 341.445 237.590 2007 2008 2009 2010 2011 2012

Perkembangan Variabel Wilayah

Satu

Rata-rata PDRB wilayah satu _{Rata-rata jumlah tenaga kerja wilayah satu}

6435.67 2009.5 5703.33 6199 6366.83 53176.33 7688 4747.67 5598.5 0 10000 20000 30000 40000 50000 60000 164.33 426 262 186.17 221.17 263.83 255 150.83 79.17 0 50 100 150 200 250 300 350 400 450

Perkembangan Variabel Wilayah

Satu

Rata-rata jumlah kejadian bencana wilayah satu _{Rata-rata jumlah kerusakan FU wilayah satu}

7.33 6 6.17 7.83 2.5 4.33 7.33 7.5 3 0 1 2 3 4 5 6 7 8 9 5.83 18.5 41 240.67 32.67 501.83 17.83 23.33 32.83 0 100 200 300 400 500 600

Deteksi Multikolinearitas

Nilai VIF

Keterangan :

Y1 : model Y yang korelasi antara Y dan X1 bernilai positif dan signifikan pada tingkat

Y1

X1 1,010

X2 1,106

Penentuan Model Panel

Uji Chow

𝐻₀ : 𝛼₁ = 𝛼₂ = ⋯ = 𝛼_𝑖 = 𝛼 = 0

𝐻₁ : minimal ada satu 𝛼_𝑖 yang berbeda

Model F_hitung F_tabel P-value Keputusan

𝑌_1𝒊𝒕 Antar Individu 86,993 2,157 0,0000 Tolak 𝐻₀

𝑌_𝟏𝐢𝐭 Antar Waktu 0,117 2,413 0,9890 Gagal Tolak 𝐻₀

𝒍𝒏 𝒀_𝟏𝒊𝒕 Antar

Individu 241,837 2,163 0,0000 Tolak 𝐻0

𝒍𝒏 𝒀_𝟏𝒊𝒕 Antar

Penentuan Model Panel

Uji Hausman

𝐻₀ : 𝑐𝑜𝑟𝑟 𝑋_𝑖𝑗, 𝑢_𝑖𝑗 = 0

𝐻₁ : 𝑐𝑜𝑟𝑟 𝑋_𝑖𝑗, 𝑢_𝑖𝑗 ≠ 0

Model Wald Chis_tabel P-value Keputusan

𝑌_1𝒊𝒕 Antar Indiv 0,705 3,8415 0,4010 Gagal Tolak 𝐻₀

𝒍𝒏 𝒀_𝟏𝒊𝒕 Antar

Indiv 2,024 5,9915 0,3634 Gagal Tolak 𝐻0

Estimasi Model Regresi Panel

𝑙𝑛 𝑌 _1𝑖𝑡 = 𝛼 _0𝑖 + 0,005559𝑋_1𝑖𝑡 + 0,007750𝑋_2𝑖𝑡 Diambil contoh PDRB atas dasar harga berlaku untuk Kabupaten Karawang pada tahun 2010

𝑙𝑛 𝑌 _1𝑖𝑡 = 9,348466 + 0,005559 260 + 0,007750 13

= 10,894556

𝑌 _1𝑖𝑡 = 𝑒10,894556 = 53882,22903

Nilai taksiran PDRB atas dasar harga berlaku Kabupaten Karawang pada tahun 2010 adalah 53882,22903 milyar rupiah, sedangkan nilai sebenarnya adalah sebesar 57260 milyar rupiah. Jadi, diperoleh nilai residualnya sebesar

Kabupaten 𝜶𝟎𝒊 Karawang 9,348466 Bantul 6,646406 Demak 7,132426 Grobogan 9,618633 Gunungkidul 7,497175 Banjarnegara 7,782027 Magelang 7,459258 Rembang 7,554903 Sampang 8,149296 Estimasi intersep

Estimasi Model Regresi Panel

Goodness of Fit 𝐥𝐧 𝒀_𝒊𝒕 R-squared 0,686135 Adjusted R-squared 0,673827 F-statistic 55,74521 Prob (F-statistic) 0,000000 Nilai Rsquared menjelaskan variabel independen mampu menjelaskan

Pengujian Signifikansi

Parameter

Goodness of Fit 𝒀_𝒊𝒕 R-squared 0,686135 Adjusted R-squared 0,673827 F-statistic 55,74521 Prob (F-statistic) 0,000000

Nilai p-value kurang dari 5%

menghasilkan keputusan tolak 𝐻₀.

Jadi minimal ada satu variabel independen yang

berpengaruh terhadap model. Uji Serentak

Pengujian Signifikansi

Parameter

Nilai p-value masing-masing variabel kurang dari

5%. Jadi, faktor jumlah tenaga kerja dan jumlah kejadian

bencana Uji Parsial

Variabel Koefisien Std. Error Thitung p-value

C 7,687621 0,286431 26,83939 0,0000

Pengujian Asumsi Residual

Model ln 𝑌_1𝑖𝑡

Asumsi Normal

Asumsi Identik

Asumsi Independen

Model D P-value Keputusan

𝑙𝑛 𝑌_1𝑖𝑡 0,181 0,058 Gagal tolak 𝐻₀

Model 𝒅 𝑫_𝑳 𝑫_𝑼 Keputusan

𝑙𝑛 𝑌_1𝑖𝑡 1,320386 1,4797 1,6359 Tolak 𝐻₀

Model 𝑭𝒉𝒊𝒕𝒖𝒏𝒈 𝑭𝒕𝒂𝒃𝒆𝒍 P-value Keputusan

𝑙𝑛 𝑌_1𝑖𝑡 0,840 1)_{3,179 0,437 Gagal tolak} 𝐻

Kesimpulan

Secara umum, PDRB atas dasar harga berlaku (𝑌_𝑖𝑡) 83 kabupaten di Pulau Jawa berkorelasi signifikan dengan jumlah tenaga kerja (𝑋_1𝑖𝑡), jumlah kejadian bencana (𝑋_2𝑖𝑡), dan jumlah kerusakan fasilitas umum (𝑋_3𝑖𝑡). Perkembangan PDRB dari tahun 2007 hingga 2012 terus meningkat yang mengindikasikan perekonomian dari 83 kabupaten di Pulau Jawa juga semakin membaik dari tahun ke tahun. Adapun, kabupaten dengan PDRB tertinggi adalah Bekasi sebesar 116,47 triliun rupiah. Kabupaten dengan jumlah tenaga kerja tertinggi adalah Sidoarjo. Kabupaten dengan jumlah kejadian bencana dan jumlah

kerusakan fasilitas umum tertinggi masing-masing adalah Bogor dan Bangkalan.

Model regresi panel yang sesuai untuk PDRB kabupaten di wilayah satu Pulau Jawa adalah REM. Variabel yang berpengaruh signifikan terhadap PDRB di wilayah satu adalah jumlah tenaga kerja dan jumlah kejadian bencana.

Saran



Pada penelitian ini, wilayah yang diamati hanya kabupaten.

Sehingga, untuk penelitian selanjutnya diharapkan memasukkan

wilayah kota.



Agar hasil estimasi regresi panel semakin akurat maka dapat

dilakukan penambahan periode penelitian, menambah variabel

independen yang mungkin berpengaruh pada PDRBB atau

mengurangi unit

cross section

yang diamati. Selain itu, bisa

melakukan pengembangan metode dengan menggunakan metode

panel spasial.

Daftar Pustaka

Astuti, A. M. (2009). Fixed Effect Model Pada Regresi Data Panel Studi Kasus Tentang Persentase Mahasiswa Yang Lulus Tepat Waktu Di Institut Teknologi Sepuluh Nopember Surabaya. Tugas Akhir S2 yang Tidak Dipublikasikan, Institut Teknologi Sepuluh Nopember Surabaya

Baltagi, B. H. (2005). Econometric Analysis of Panel Data (3rd ed.). England: John Wiley & Sons, Ltd

Bappenas. (2006). Laporan Hasil Kajian Penyusunan Model Perencanaan Lintas Wilayah dan Lintas Sektor. Jakarta: Bappenas

Bezu, S., Kassie, G. T., Shiferaw, B., & Gilbert, J. R. (2014). Impact Of

Improved Maize Adoption On Welfare Of Farm Households In Malawi: A Panel Data Analysis. Journal of World Development, 59 (2014), 120-131 Daniel, W. (1989). Statistika Non Parametrik. Jakarta: Gramedia

Desi, Y. (2010). Pemodelan Persentase Penduduk Miskin Di Provinsi Jawa Timur Tahun 2004-2008 Dengan Regresi Data Panel. Tugas Akhir S2 yang Tidak Dipublikasikan, Institut Teknologi Sepuluh Nopember

Daftar Pustaka

Fatmawati, I. (2010). Pendekatan Ekonometrika Panel Spasial Untuk

Pemodelan PDRB Sektor Industri Di SWP Gerbangkertasusila Dan Malang Pasuruan. Tugas Akhir S1 yang Tidak Dipublikasikan, Institut Teknologi Sepuluh Nopember Surabaya

Greene, W. H. (2002). Econometric Analysis (4th ed.). New Jersey: Prentice Hall

Gujarati, D. (1999). Ekonometrika Dasar. Jakarta: Erlangga

Gujarati, D. N. (2004). Basic Econometrics (4th ed.). The McGraw Hill-Companies

Ingleton, J. (1999). Natural Disaster Management. Leicester : Tudor Rose Kementerian Negara Perencanaan Pembangunan Nasional (KNPPN), Badan

Daftar Pustaka

Lee, N. Y., Moon, H. R., & Weidner, M. (2012). Analysis Of Interactive Fixed Effects Dynamic Linear Panel Regression With Measurement Error. Journal of Economic Letters, 117 (2012), 239-242

Lee, S. H. (2014). The Relationship Between Growth And Profit: Evidence From Firm Level Panel Data. Journal of Structural Change and

Econometric Dynamics, 28 (2014), 1-11

Mechler, R. (2003). Natural Disaster Risk Management and Financing Disaster Losses in Developing Countries. Published Ph.D. Thesis, University of Karlsruhe

Melliana, A. (2013). Analisis Statistika Faktor Yang Mempengaruhi Indeks Pembangunan Manusia Di Kabupaten/Kota Provinsi Jawa Timur Dengan Menggunakan Regresi Panel. Tugas Akhir S1 yang Tidak Dipublikasikan, Institut Teknologi Sepuluh Nopember Surabaya Mustapha, K., Mcheick, H., & Mellouli, S. (2013). Modeling and Simulation

Agent Based of Natural Disaster Complex Systems. Journal of Computer Science, 21 (2013), 148-155

Daftar Pustaka

Syahwal, S. (2011). Penaksiran Parameter Model Regresi Data Panel Dinamis Menggunakan Metode Blundell Dan Bond. Tugas Akhir S1 yang

Dipublikasikan, Universitas Indonesia

Toya, H., & Skidmore, M. (2007). Economic Development And The Impacts Of Natural Disasters. Journal of Economic Letters, 94 (2007), 20-25

Walpole, R. E. (1995). Pengantar Statistika (Ketiga ed.). Jakarta: Gramedia Pustaka Utama

Westerlund, J., & Urbain, J. P. (2013). On The Implementation And Use Of Factor-Augmented Regressions In Panel Data. Journal of Asian Econometrics, 28 (2013), 3-11