PEMODELAN PERSENTASE PENDUDUK MISKIN DI JAWA TIMUR DENGAN PENDEKATAN EKONOMETRIKA PANEL SPASIAL

PEMODELAN PERSENTASE PENDUDUK MISKIN

DI JAWA TIMUR DENGAN PENDEKATAN

EKONOMETRIKA PANEL SPASIAL

1

Alifta Kurnia Setiawati (1308100061)

AGENDA

Pendahuluan

Tinjauan Pustaka

Metodologi

2

1

Analisis dan Pembahasan

Kesimpulan dan Saran

2

3

4

PENDAHULUAN

4

LATAR BELAKANG

Sosial

Ekonomi

Politik

Budaya

d.l.l

5

LATAR BELAKANG

PENELITIAN SEBELUMNYA

Saleh (2002) “Faktor-Faktor

Penentu Tingkat Kemiskinan

di Indonesia” dengan

Regresi Panel

Suryawati (2005)

“Memahami kemiskinan

secara Multidimensional”

Yuniarti (2010) “Persentase

Penduduk Miskin di Jawa Timur

Tahun 2004-2008” dengan

Regresi Panel

Nugroho (2012) “Pengaruh PDRB,

Agrishare, Rata-Rata Lama

Sekolah dan Angka Melek Huruf

terhadap Penduduk Miskin di

Indonesia” dengan Regresi Linear

6

LATAR BELAKANG

PENELITIAN SEBELUMNYA

Penelitian

dengan

menggunakan

Ekonometrika

Panel Spasial

Muchlisoh (2009) “Pengaruh

pertumbuhan ekonomi dan inflasi

terhadap kemiskinan di Indonesia”.

Fatmawati (2010) “PDRB sektor

industri di SWP Gerbangkertasusila dan

7

RUMUSAN MASALAH

1. Bagaimana model persentase penduduk miskin di

Provinsi Jawa Timur dengan pendekatan ekonometrika

panel spasial.

2. Faktor-faktor apa sajakah yang mempengaruhi persentase

penduduk miskin di Provinsi Jawa Timur.

8

TUJUAN

1. Mengetahui pemodelan persentase penduduk miskin di

Provinsi Jawa Timur dengan pendekatan ekonometrika

panel spasial.

2. Mengetahui faktor-faktor apa sajakah yang

mempengaruhi persentase penduduk miskin di Provinsi

Jawa Timur.

9

MANFAAT

Dengan model tersebut dapat digunakan

sebagai masukan ataupun rekomendasi

dalam mengambil keputusan untuk

menentukan kebijaksanaan dalam upaya

pengentasan kemiskinan di Jawa Timur.



Pada penelitian ini, aspek terkait kemiskinan yang

diamati hanya terbatas pada sektor pendidikan,

sektor ekonomi dan sektor kesehatan 38

Kabupaten/Kota di Jawa Timur.

10

TINJAUAN PUSTAKA

KEMISKINAN

Pengertian

12

Menurut BPS,

penduduk miskin

adalah penduduk yang

memiliki rata-rata

pengeluaran per kapita

per bulan dibawah garis

kemiskinan

(< $ 2 per orang per hari)

(Nugroho, 2012)

Untuk kebutuhan minimum

makanan disetarakan dengan

2.100 kilokalori per kapita per

hari.

Garis kemiskinan non makanan

adalah kebutuhan minimum

untuk perumahan, pendidikan

KEMISKINAN

Dimensi Kemiskinan

13

Antara lain :

(1) dimensi ekonomi,

(2) dimensi kesehatan,

(3) dimensi sosial dan budaya,

(4) dimensi sosial politik,

(5) dimensi pendidikan, agama dan budi pekerti.

14

DATA PANEL

REGRESI DATA PANEL

 Data panel merupakan gabungan antara data

cross-section dan data time series.

 Pada data panel, unit cross-section yang sama

disurvei pada beberapa periode waktu.

(Gujarati, 2004)

yang dinyatakan sebagai berikut:

it

it

it

it

X

u

y









'



dengan

N

i



1

,

2

,



,

dan

t 1,2,,T _{(Hsiao, 2003)}

15

PEMBOBOT

MATRIKS PEMBOBOT SPASIAL

 Matriks Pembobot Spasial (W) diketahui berdasarkan

jarak atau persinggungan (contiguity) antara satu

region ke region yang lain

(LeSage, 2009)

Antara lain:

1) Linear Contiguity (Persinggunan Tepi)

2) Rook Contiguity (Persinggunan Sisi)

3) Bhisop Contiguity (Persinggunan Sudut)

4) Double Linear Contiguity (Persinggunan Dua Tepi)

5) Double Rook Contiguity (Persinggunan Dua Sisi)

6) Queen Contiguity (Persinggunan Sisi-Sudut)

16

REGRESI PANEL

MODEL REGRESI PANEL

Common Effect Model (CEM)



diasumsikan bahwa nilai

intersep dan slope

masing-masing variabel adalah sama

untuk semua unit cross section

dan time series

(Setiawan dan Dwi, 2010)

it it it

X

u

y









'



dengan

N

i



1

,

2

,



,

dan

t 1,2,,T

Fixed Effect Model (FEM)



diasumsikan bahwa nilai slope

masing-masing variabel adalah

tetap namun nilai intersep

berbeda-beda untuk setiap unit

cross section dan tetap untuk

setiap unit time series

(Gujarati, 2005)

dengan

N

i



1

,

2

,



,

dan

t 1,2,,T it it i it

X

u

y









'



17

REGRESI PANEL

MODEL REGRESI PANEL

Random Effect Model (REM)



diasumsikan bahwa intersep

dengan mean

dan

disebut juga variabel laten merupakan error random

dengan mean 0 dan varians

(Gujarati, 2005)

dengan

N

i



1

,

2

,



,

dan

t 1,2,,T i i









₀





₀ i



2 



it it it

X

w

y





₀





'



it i it

u

w







dan

18

PANEL SPASIAL

REGRESI PANEL SPASIAL

Model Spasial Lag (SAR)

dengan

Model Spasial Eror (SEM)

Dengan

merupakan spasial

autokorelasi dan

merupakan

koefisien autokorelasi spasial.













N j it i it jt ij it

W

y

X

y

1









it it i it

X

y





















N j it it ij it

W

1













Dengan

merupakan koefisien

spasial autoregressive dan W

merupakan matriks pembobot

spasial.



it i it it

X

y













dengan



_i

merupakan efek spesifik spasial

Tanpa efek

interaksi spasial

19

ESTIMASI MODEL

UJI PEMILIHAN MODEL

UJI CHOW

Untuk menentukan apakah CEM atau FEM yang akan digunakan.









₁  ₂  _N 





_it





 





RSS

 

NT

N

K



N

RSS

RSS

F











2 2 1

1

H

₀

:

H

₁

: paling tidak ada satu

Statistik uji:

Ket :

RSS

₁

: residual sum of squares untuk CEM

RSS

₂

: residual sum of square untuk FEM

N

: jumlah unit cross section

T

: jumlah unit time series

K

: jumlah variabel independen

(model CEM)

(model FEM)

N 1,NT N K,

hitung

F

F



_{  }

Keputusan: Tolak H

₀

jika

20

ESTIMASI MODEL

UJI PEMILIHAN MODEL

UJI HAUSMAN

Untuk menentukan apakah FEM atau REM yang akan digunakan.

H

₀

:

H

₁

:

Statistik uji:

Ket :

(model REM) (model FEM)

Keputusan: Tolak H

₀

jika



X

_it

,

u

_it





0

corr



X

_it

,

u

_it





0

corr

 

 





 

 





 





2





ˆ

'

var



var

ˆ

1



ˆ



K

b

b



b

W











2hitung



2 K;

b

: vektor estimasi parameter REM

21

ESTIMASI MODEL

UJI PEMILIHAN MODEL

UJI LAGRANGE MULTIPLE

Untuk menguji apakah terdapat heteroskedastisitas pada FEM.

H

₀

:

H

₁

:

Statistik uji:

Ket :

(Homokedastis) (Heterokedastis)

Keputusan: Tolak H

₀

jika

(Greene, 2003) 2 2





_i



2 2





_i



2 1 2 2

ˆ

ˆ

2



















N i i

T

LM















2hitung



2 N1; 2 ˆ_i  2

ˆ



T : jumlah unit time series N : jumlah unit cross section

:varians residual persamaan ke-i : varians residual persamaan sistem

22

REGRESI

UJI ASUMSI

• Residual

Homoskeda

stisitas

• Plot

Identik

• Tidak

terdapat

Autokorelasi

• Plot ACF

Independen

• Error

berdistribusi

normal

• Uji

Kolmogorov

-Smirnov

Distribusi

Normal

• Ditanggulangi

dengan PCA

Tidak

Multikolinearitas

METODOLOGI

Data yang digunakan pada penelitian ini adalah

data sekunder yang diperoleh dari BPS Jawa Timur

tentang Pengukuran Kerja Makro Ekonomi dan

Sosial Jawa Timur.

24

25

VARIABEL PENELITIAN

• Persentase Penduduk Miskin di Jawa Timur

Variabel

Dependen

• Angka Buta Huruf (ABH) usia 10 tahun ke atas (X

₁

)

• Tingkat Pendidikan < SMA (X

₂

)

• Tingkat Pendapatan (X

₃

)

• Laju Pertumbuhan Ekonomi (X

₄

)

• Tingkat Pengangguran Terbuka (TPT) (X

₅

)

• Tingkat Partisipasi Angkatan Kerja (TPAK) (X

₆

)

• Alokasi Belanja Daerah untuk Kesehatan (APBD) (X

₇

)

• Alokasi Bantuan Langsung Masyarakat (BLM)(X

₈

)

Variabel

Independen

26

LANGKAH ANALISIS

• Mendapatkan data Persentase Penduduk Miskin di Jawa Timur beserta faktor-faktor yang

mempengaruhinya. Menentukan variabel dependen dan independen dari data yang telah diperoleh.

• Menetapkan Matriks Pembobot Spasial (W).

• Menentukan model yang dipilih berdasarkan kriteria kebaikan model.

• Mengestimasi parameter dari model tersebut dengan spasial fixed effect dan spasial random effect pada masing-masing model SAR dan SEM.

• Menguji asumsi kenormalan residual, identik, independen, dan tidak terjadi multikolinearitas pada model. Melakukan penanggulangan jika asumsi tidak terpenuhi

ANALISIS dan PEMBAHASAN

28

DESKRIPSI PERSENTASE PENDUDUK MISKIN DI JAWA TIMUR

DESKRIPTIF

0.00 5.00 10.00 15.00 20.00 25.00 30.00 35.00 40.00 Pacit an Tr en gg ale k Bli tar Malang Jem be r Bo ndo w os o Pr obo lin gg o Sido ar jo Jo m ba ng Ma diu n N ga w i Tu ba n Gr es ik Sampang Su m en ep Ko ta Bli tar Ko ta Pr obo lin gg o Ko ta Mo jo ke rt o Ko taS ur ab ay a 36.84

1. Kab. Sampang

2. Kab. Bangkalan

3. Kab. Sumenep

4. Kab. Pamekasan

5. Kab. Probolinggo

CUSTOMIZED CONTIGUITY

MATRIKS PEMBOBOT

30

UJI PEMILIHAN MODEL

UJI LIKELIHOOD RATIO

PEMILIHAN MODEL

Model Chi Square DF p-value

SAR Fixed Effect 181.4453 38 0.0000 SAR Random Effect 50.6711 1 0.0000 SEM Fixed Effect 179.1389 38 0.0000 SEM Random Effect 51.2291 1 0.0000

UJI HAUSMAN’S

Model Chi Square DF p-value

SAR Fixed Effect

-35.6579 9 0.0000 SAR Random Effect

SEM Fixed Effect

-12.8929 9 0.1675 SEM Random Effect

31

UJI PEMILIHAN MODEL

PEMILIHAN MODEL TERBAIK

PEMILIHAN MODEL

Model R2 _Corr2

SAR Fixed Effect 0.9374 0.2192 SAR Random Effect 0.8919 0.6927 SEM Fixed Effect 0.9296 0.2062 SEM Random Effect 0.8983 0.6901

32

UJI PEMILIHAN MODEL

MODEL SEM FIXED EFFECT

PEMILIHAN MODEL

Variabel Koefisien P-Value

ABH 0.623139 0.354624 PENDIDIKAN -0.088044 0.487732 PENDAPATAN 0.114027 0.021151 EKONOMI -0.513303 0.103894 TPT 0.627804 0.005736 TPAK 0.218045 0.154563 APBD 0.019125 0.764940 BLM -0.000051 0.084947 ρ 0.391980 0.000240 R2 _{= 0.9296} Corr2_{= 0.2062}

33

Asumsi Residual Identik

PENGUJIAN ASUMSI

UJI ASUMSI

resid y h a t 10.0 7.5 5.0 2.5 0.0 -2.5 -5.0 40 30 20 10 0 Lag A u to co rr e la ti o n 28 26 24 22 20 18 16 14 12 10 8 6 4 2 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0

34

Asumsi Distribusi Normal

PENGUJIAN ASUMSI

UJI ASUMSI

resid P e rc e n t 10.0 7.5 5.0 2.5 0.0 -2.5 -5.0 99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 Mean 0.063 0.6009 StDev 2.284 N 114 KS 0.081 P-Value

35

INTERPRETASI MODEL

MODEL PERSENTASE PENDUDUK MISKIN









_{it it it} it

Pendapa

Ekonomi

TPT

y

0

,

114027

tan

0

,

513303

0

,

627804

it j it ij it it

BLM

w

TPAK













 38 1

391980

,

0

000051

,

0

218045

,

0

R

2

_=92,96%

_Corr

2

_{= 20,62%}

KESIMPULAN dan SARAN

37

KESIMPULAN

 Model terbaik pada pemodelan ekonometrika panel

spasial untuk Persentase Penduduk Miskin di Jawa

Timur adalah model SEM Fixed Effect, dengan interaksi

spasial errornya sebesar 0,391980

 Faktor yang mempengaruhi kemiskinan:

Laju pertumbuhan ekonomi

: 0,513303

Tingkat Pengangguran Terbuka

: 0,627804

Alokasi Dana Bantuan Langsung Mandiri : 0,000051

Tingkat Pendapatan

: 0,114027

Tingkat Partisipasi Angkatan Terbuka

: 0,218045

38

SARAN

Pemodelan ekonometrika panel spasial dapat

dilakukan dengan penambahan periode waktu sehingga

dapat diteliti efek periode waktu pada model. Dapat pula

dilakukan penambahan variabel prediktor yang diguna-kan,

agar diperoleh hasil yang lebih bermakna. Serta melakukan

penanggulangan kasus multikolinearitas yang disinyalir

terdapat pada variabel tingkat pendapatan dan tingkat

partisipasi angkatan kerja.

39

DAFTAR PUSTAKA

 Anonim. 2008. Profil Kemiskinan Jawa Timur Maret 2008. Tersedia:

http://www.jatimprov.go.id/index.php?option=com_content&task=view&id=1096&Itemid=2

[26 februari 2012].

 Anselin, L. 1988. Spatial Econometrics: Methods and Models. Dordrecht: Kluwer Academic

Publishers.

 Baltagi, Badi H. 2005. Econometric Analysis of Panel Data 3th Edition. New York: John Wilwy

& Sons, Inc.

 BPS. 2010. Profil Kemiskinan Maret 2010. Tersedia: http://jatim.bps.go.id/?cat=68 [26

Februari 2012].

 Elhorst, J.P. 2003. Spesification and Estimation of Spatial Panel Data Models. Netherlands:

University of Groningen.

 Greene, W.H. 2003. Econometrics Analysis 5th Edition. New Jersey: Prentice Hall

 Gujarati, D. N. 2005. Basic Econometric 5th Edition. New York: Mc Graw Hill Companies.  Hsiao, C. 2003. Analysis of Panel Data. New York: Cambridge University Press.

40

DAFTAR PUSTAKA

 Muchlisoh, S. 2008. Model Regresi Data Panel dengan Korelasi Error Spasial. Thesis. Institut

Teknologi Sepuluh Nopember (ITS) Surabaya.

 Namba, A. 2003. Pendekatan Ekosistem dalam Penanggulangan Kemiskinan: Refleksi Penanggulangan Kemiskinan di Sulawesi Tengah.

 Tersedia: http://www.ekonomirakyat.org/edisi_13/artikel_4.htm [26 Februari 2012].

 Nugroho, Widiatma. 2012. Analisis PEngaruh PDRB, Agrishare, Rata-Rata lama Sekolah dan Angka Melek Huruf Terhadap Jumlah Penduduk Miskin di Indonesia. Semarang: FEB Universitas

Diponegoro.

 Saleh, Samsubar. 2002. Faktor-Faktor Penentu Tingkat Kemiskinan Regional di Indonesia. Jurnal

Ekonomi Pembangunan Vol 7, No. 2.

 Setiawan dan Dwi E.K. 2010. Ekonometrika. Yogyakarta: Andi Offset.

 Suryawati, C. 2005. Memahami Kemiskinan Secara Multidimensional. Semarang: FKM

Universitas Diponegoro.

 TNP2K. 2011. Indikator Kesejahteraan Rakyat. Wapres RI.

 Yuniarti, D. 2010. Pemodelan Persentase Penduduk Miskin di Provinsi Jawa Timur tahun 2004-2008 dengan Regresi Panel. Thesis. Institut Teknologi Sepuluh Nopember (ITS) Surabaya.

TERIMAKASIH…