Robust Spatial Durbin Model untuk pemodelan tingkat penganguran terbuka di Provinsi Jawa Tengah.
Wahyu Rifdha Rahmadhani1 .
Rokhana Dwi BektiO2 , and Noeryanti3 1-3 Jurusan Statistika.
Fakultas Sains Terapan Institut Sains & Teknologi AKPRIND Yogyakarta Jl.
Kalisahak No.
28 Kompleks Balapan.
Yogyakarta 55222 r@gmail.
rokhana@akprind.
snoeryanti@gmail.
Abstrak Pengangguran masih menjadi masalah yang sangat krusial yang dihadapi oleh negara Indonesia.
Badan Pusat Statistik mencatat jumlah pengangguran Indonesia tahun 2019 sebesar 4.
44 persen, naik sebesar 2.
04 persen di tahun 2020.
Tujuan Penelitian ini untuk mengetahui bagaimana karakteristik pola spasial dan pemodelan tingkat pengangguran terbuka di Provinsi Jawa Tengah.
Data tingkat pengangguran terbuka dicurigai mempunyai pola spasial dan mengandung outlier sehingga akan dimodelkan dengan menggunakan RSDM.
Menghapus outlier dalam analisis spasial dapat mengubah komposisi efek spasial pada data.
Salah satu metode penyelesaian akibat outlier dalam regresi spasial model dengan menggunakan regresi robust spasial.
Metode Robust Spatial Durbin Model yang merupakan salah satu metode yang digunakan jika terjadi outlier Hasil penelitian menunjukan terdapat karakteristik pola spasial dan pemodelan pada setiap variabel dependent dan independent yang berbeda dengan variabel independen yang saling Selain itu, pemodelan RSDM merupakan model yang baik untuk memperbaiki daripada model SDM dalam memodelkan Tingkat Pengangguran Terbuka di Provinsi Jawa Tengah pada tahun 2021 karena memiliki nilai R2 yaitu 49.
85% dan nilai AIC terkecil yaitu 22.
Kata Kunci tingkat pengangguran terbuka, robust spatial, durbin model, outlier spasial, regresi Digital Object Identifier 10.
36802/jnanaloka.
v4-no2-91-103 Pendahuluan Pengangguran sering menjadi masalah dalam perekonomian dan merupakan salah satu masalah sosial yang dihadapi oleh negara Indonesia.
Dengan adanya pengangguran produktivitas serta pendapatan masyarakat akan berkurang sehingga dapat meningkatkan kemiskinan dan meningkatkan tingkat kriminalitas.
Meningkatnya jumlah pengangguran di setiap negara akan mempengaruhi pertumbuhan ekonomi di negara tersebut.
Salah satu penyebab terjadinya pengangguran yaitu minimnya lapangan pekerjaan, keterampilan pelamar yang tidak memenuhi kriteria, domisili jauh dari tempat lowongan pekerjaan, dan kenaikan jumlah penduduk yang tidak dibarengi dengan perkembangan lapangan pekerjaan.
Analisis dalam statistika yang sering digunakan untuk pemodelan adalah analisis regresi.
Regresi merupakan analisis yang digunakan untuk mengukur ada atau tidaknya korelasi atau hubungan antar Analisis ini bertujuan untuk mengetahui arah hubungan antara variabel independen Corresponding author.
A Wahyu Rifdha Rahmadhani, dkk.
licensed under Creative Commons License CC-BY Jurnal Open Access Yayasan Lentera Dua Indonesia Robust Spatial Durbin Model untuk pemodelan tingkat penganguran.
dengan variabel dependen.
Antara satu wilayah dengan wilayah yang lain biasanya lazim terjadi efek spasial yang berarti wilayah satu mempengaruhi wilayah lain.
Model yang dapat menjelaskan hubungan antara suatu wilayah dengan wilayah sekitarnya adalah model spasial .
Menurut Anselin .
Spatial Durbin Model (SDM) merupakan model regresi spasial yang memiliki bentuk seperti Spatial Autoregressive Model (SAR) yang memiliki spasial lag pada variabel dependen .
Hanya saja.
SDM memiliki ciri khas adanya spasial lag pada variabel independen .
Regresi robust adalah metode regresi yang digunakan ketika residual tidak berdistribusi normal atau ada beberapa pencilan yang mempengaruhi model.
Metode ini sebagai alat yang penting untuk menganalisis data yang terkontaminasi oleh pencilan dan dapat memberikan hasil yang resisten akan kehadiran pencilan.
Salah satu metode estimasi dalam regresi robust adalah Robust M-estimator.
Salah satu penyebab ketidak tepatan model regresi spasial dalam memprediksi adalah pengamatan outlier.
Menghapus outlier dalam analisis spasial dapat mengubah komposisi efek spasial pada data.
Apabila spatial durbin model (SDM) terdapat pencilan .
pada residual-nya disebut dengan Robust Spatial Durbin Model (RSDM) .
Metodologi Penelitian ini menggunakan jenis desain penelitian penelitian kuantitatif deskriptif yang dimana pendekatan penelitian disajikan dalam bentuk angka atau bersifat numerik dan interpretasi hasil tersebut dilakukan dalam bentuk deskripsi.
Desain ini dilakukan dengan menganalisis data dan menyusun data yang sudah ada sesuai dengan kebutuhan penulis.
Metode pengumpulan data yang dilakukan pada penelitian ini adalah menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Jawa Tengah .
ttps://jateng.
pada tahun 2021.
Data yang digunakan merupakan data yang terdiri dari Tingkat Pengangguran Terbuka (TPT).
Jumlah Tenaga Kerja.
Indeks Pembangunan Manusia, dan PDRB Per Kapita pada tahun 2021.
Regresi Berganda Dengan Ordinary Least Squares (OLS) Regresi linier berganda merupakan model regresi yang mengandung lebih dari satu variabel Persamaan regresi linier berganda dengan k variabel predictor adalah tertampil dalam Persamaan 1.
Yi = 0 1 Xi1 2 Xi2 .
k Xik Ai , i = 1, 2.
Keterangan :
Yi : Variabel dependent pengamatan ke-i.
i = 1, 2, .
, n.
Xik : Variabel independent pengamatan ke-i.
i = 1, 2, .
, n, 0 : Konstanta, k : Koefisien regresi ke-k .
= 1, 2, .
, .
Ai : Error yang terikat dengan asumsi identik, independen, dan berdistribusi normal.
Pengujian signifikansi parameter dengan Uji F Pengujian dilakukan dengan maksud untuk mengetahui bagaimana pengaruh secara keseluruhan dari variabel independen (X) terhadap variabel dependen (Y ) dengan hipotesis.
H0 : 1 = 2 = 3 = .
= p = 0 dan H1 : minimal ada satuk 6= 0.
Tingkat kepercayaan 5%, digunakan rumus statistik uji dengan persamaan 2.
Fhitung = KT R
KT G
Wahyu Rifdha Rahmadhani, dkk.
Kriteria pengambilan keputusan: Jika Fhitung > F(.
,nOe.
) maka H0 ditolak, artinya secara bersama-sama variabel independen (X) berpengaruh terhadap variabel dependen (Y ).
Regresi spasial Regresi spasial adalah metode regresi yang digunakan untuk tipe data spasial atau data yang memiliki efek lokasi .
patial effec.
Menurut LeSage .
menjelaskan bahwa model umum regresi spasial dapat dituliskan seperti persamaan 3 .
Y = AW y X AA AA = W AA A.
AN .
EA 2 In ) .
Keterangan :
y : Vektor variabel dependen berukuran nx1 A : Koefisien parameter spasial lag dari variabel dependen W : Matriks pembobot spasial yang berukuran nxn.
X : Matriks variabel independen berukuran nx.
, : Vektor Koefisien parameter regresi berukuran .
x1, : Koefisien parameter spasial error.
AA : Vektor error yang mempunyai efek spasial dengan ukuran nx1, dan A : Vektor error dengan ukuran nx1 yang terdistribusi normal dengan nilai mean nol dan variansi (EA 2 In ).
Matriks pembobot spasial Hubungan kedekatan .
antar lokasi dinyatakan dalam suatu matrik pembobot spasial W , dengan elemen-elemen matriks tersebut adalah Wij yang menunjukkan ukuran ketetanggaan wilayah ke-i dan wilayah ke-j.
Pemberian kode pada nilai pembobotan di antaranya adalah dengan kode biner.
Wij = 1, 0, untuk i dan j yang berdekatan.
Jumlah tetangga pada suatu baris yang sama pada matrik pembobot adalah row standardization yang dihitung dengan persamaan 4.
WijO = Wij ni=1 .
Dengan Wij adalah pembobot kode biner antar lokasi i dan j, sedangkanni=1 adalah penjumlahan matrik pembobotan W pada baris ke-i sehingga nilai WijO adalah antara 0 hingga 1 dan penjumlahan matrix WijO pada setiap baris ke-i adalah 1.
Metode Lagrange Multiplier digunakan untuk menguji dependensi spasial dalam lag (LMlag ) dan uji dependensi spasial dalam error (LMerror ).
Uji LMlag digunakan untuk identifikasi model SAR, selain itu dapat juga untuk model SDM dengan hipotesis H0 : A = 0 .
idak ada dependensi spasial la.
dan H1 : A = 6 0 .
da dependensi spasial la.
Statistik uji dihitung dengan menggunakan persamaan 5.
At W1 y LMlag = (W X)t M (W X) T S 2 Keterangan.
X : Matriks variabel independen.
W : Matriks bobot spasial, dan A : Vektor error.
Robust Spatial Durbin Model untuk pemodelan tingkat penganguran.
Daerah penolakan H0 ditolak jika nilai Pvalue < atau nilai LMlag > X2 ( kOe.
Uji LMerror digunakan untuk identifikasi model SEM.
Dengan hipotesis H0 : = 0 .
idak ada dependensi spasial erro.
dan H1 : = 6 0 .
da dependensi spasial erro.
Statistik uji dihitung dengan menggunakan persamaan 6.
LMerror = At W2 y Daerah penolakan H0 ditolak jika nilai Pvalue < atau nilai LMerror > X2 ( kOe.
Menurut Goodchild .
, untuk mengetahui apakah ada autokorelasi spasial antar lokasi dapat dilakukan uji autokorelasi spasial dengan menggunakan MoranAos I.
Rumus MoranAos I dengan matriks pembobot dalam bentuk normalitas atau matriks yang sudah terstandarisasi adalah seperti persamaan 7 .
nni=1 nj=1 Wij (Xi Oe XE)(Xj Oe XE) nni=1 nj=1 Wij (Xi Oe XE)2 .
Keterangan:
I : Indeks MoranAos I, n : Banyaknya lokasi kejadian.
Xi : Nilai pada lokasi i.
Xj : Nilai lokasi pada j.
XE : Rata-rata dari jumlah variabel atau nilai, dan Wij : Elemen pada pembobot terstandarisasi antara daerah i dan j.
Nilai indeks MoranAos I berkisar antara -1 dan 1.
Identifikasi pola menggunakan kriteria nilai indeks MoranAos I, jika nilai I > E(I) maka memiliki pola mengelompok, jika I < E(I) maka memiliki pola menyebar, jika I = E(I) maka memiliki pola menyebar tidak merata.
E(I) adalah nilai ekspektasi dari I yang dirumuskan dalam persamaan 8 .
E(I) = I0 = Oe 1Oen Pengujian hipotesis terhadap parameter I dapat dilakukan dengan H0 : I = 0, (Tidak ada autokorelasi spasial antar lokas.
dan H1 : I0, (Ada autokorelasi spasial antar lokas.
Pencilan adalah pengamatan yang tampak berbeda dengan pengamatan lainnya pada sekumpulan data yang ada (Barnett dan Lewis, 1.
Spatial outlier dapat disebabkan oleh mekanisme pengambilan nilai observasi yang berbeda dengan lainnya .
Salah satu cara yang dapat digunakan untuk mendeteksi adanya outlier adalah dengan spatial statistics Z test dengan langkah hipotesis.
H0 : Data tidak mengandung outlier dan H1 : Data mengandung Statistik uji digunakan persamaan 9.
Zui .
= u ix = AA.
) > E.
) .
Keterangan, ui .
: selisih data actual ke-i dengan rata-rata lokasi yang bertetanggaan dengan data ke-i.
i = 1.
) : standar deviasi dari ui .
Wahyu Rifdha Rahmadhani, dkk.
: nilai peluang distribusi normal untuk tingkat kepercayaan tertentu.
AA.
) : rata-rata dari ui .
, dan ui : kelompok yang bertetanggaan dari xi .
Daerah penolakan H0 ditolak jika nilai Zui x > .
= 1.
Menurut Le Sage & Pace .
model Spatial Durbin Model memiliki bentuk seperti dalam persamaan 10 .
Y = AWy 1n X W X A.
AN .
E 2 In ) .
Pengujian signifikansi parameter pemodelan spasial menggunakan uji Wald Anselin .
dengan hipotesis H0 : j = 0.
H1 : j 6= 0, j = 1, 2, .
, p.
Statistuk uji dihitung dengan persamaan 11 .
W ald = Cj2 var(Ij ) Dengan var(Ij ) adalah elemen diagonal dari matriks varians yang berkodependentdensi terhadap .
Kriteria pengambilan keputusan adalah H0 ditolak jika nilai W ald > X,i Menurut Draper dan Smith .
, regresi robust adalah metode regresi yang digunakan ketika residual tidak berdistribusi normal atau ada beberapa pencilan yang mempengaruhi model .
Metode ini adalah alat yang penting untuk menganalisis data yang terkontaminasi oleh pencilan dan dapat memberikan hasil yang resisten akan kehadiran pencilan.
Perhitungan regresi robust cukup sederhana tetapi untuk memperoleh dugaan terbaik perlu dilakukan perhitungan secara iteratif sehingga diperoleh nilai dugaan yang memiliki standar error parameter yang paling kecil.
Salah satu metode estimasi dalam regresi robust adalah Robust M-estimator.
Robust Spatial Durbin Model (RSDM) digunakan ketika terdapat pencilan pada residual SDM.
Estimasi parameter RSDM dilakukan menggunakan Ordinary Least Square (OLS), diperoleh dengan cara meminimumkan jumlah kuadrat sisa seperti persamaan 12 .
e2i = [(I Oe AW )yi Oe Z1 1i Oe Z2 2i Oe .
Oe Zk ki ] .
Perbandingan Model Regresi Perhitungan nilai koefisien determinasi menggunakan persamaan 13 dengan Dengan SSE adalah jumlah kuadrat error dan SST adalah jumlah kuadrat total.
Koefisien determinasi bernilai 0 <= R2 <= 1.
Semakin besar nilai R2 , menunjukkan kepercayaan terhadap model semakin besar.
SSE
R2 = 1 Oe
SST
Nilai Akaike Information Criterion & Schwarz Information Criterion (AIC & SIC) dihitung dengan menggunakan persamaan 14.
Model dengan nilai AIC terendah di antara semua model yang mungkin digunakan dalam penelitian.
nu=1 ui Dengan k : jumlah parameter yang diestimasi, n : banyaknya data, e: 2.
718 dan u: sisa .
AIC = e n Robust Spatial Durbin Model untuk pemodelan tingkat penganguran.
Hasil dan pembahasan Untuk melihat pola spesial masing-masing variabel dilakukan pemetaan seperti yang disajikan dalam Gambar 1 dan 2.
Gambar 1 Peta tingkat pengangguran.
Gambar 2 Peta jumlah tenaga kerja.
Gambar 1 menunjukkan pola Spasial tingkat pengangguran terbuka di Provinsi Jawa Tengah sebagian besar berada pada kelas sangat tinggi yaitu berkisar antara 7.
61% Ae 9.
yang ditandai dengan warna biru gelap yang berada di Kabupaten Cilacap.
Kabupaten Kendal.
Wahyu Rifdha Rahmadhani, dkk.
Gambar 3 Peta indeks pembangunan.
Gambar 4 Peta produk domestik.
Kabupaten Tegal.
Kabupaten Brebes.
Kota Magelang.
Kota Surakarta.
Kota Semarang, dan Kota Tegal.
Gambar 2 menunjukkan pola Spasial jumlah tenaga kerja di Provinsi Jawa Tengah sebagian besar berada pada kelas sangat rendah berkisar antara 1603 Ae 16833 jiwa yang ditandai dengan warna coklat tua yang berada di Kabupaten Cilacap.
Kabupaten Kebumen.
Kabupaten Tegal.
Kabupaten Rembang.
Kabupaten Blora.
Kota Surakarta.
Kota Magelang, dan Kota Tegal, menyebar pada wilayah yang jauh dari ibukota Provinsi Jawa Tengah.
Gambar 3 menunjukkan pola Spasial indeks pembangunan manusia di Provinsi Jawa Tengah sebagian besar berada pada kelas sedang ditandai dengan warna cream berkisar 4 Ae 72.
7 yang berada di Kabupaten Cilacap.
Kabupaten Banyumas.
Kabupaten Grobogan.
Kabupaten Wonogiri.
Kabupaten Rembang.
Kabupaten Pati.
Kabupaten Jepara.
Kabupaten Demak, dan Kabupaten Kendal.
Gambar 4 menunjukkan pola Spasial PDRB Perkapita di Provinsi Jawa Tengah sebagian Robust Spatial Durbin Model untuk pemodelan tingkat penganguran.
besar sama pada kelas sangat tinggi pada tahun 2021 berkisar antara 35.
3 Ae 87.
4 yang ditandai dengan warna coklat tua yang berada di Kabupaten Cilacap.
Kabupaten Kudus.
Kota Magelang.
Kota Surakarta.
Kota Semarang.
Kota Salatiga, dan Kota Tegal.
Gambar 5 Tingkat pengangguran terbuka.
Gambar 6 Jumlah tenaga kerja.
Pada gambar 5- 8 di atas juga dapat dilihat bahwa tidak terdapat outlier pada variabel Y atau TPT.
Sedangkan pada variabel X1 atau JT K terdapat outlier pada data ke-2, 19, 22 dan 33, dengan data outlier terekstrim terdapat di data ke-22.
Sedangkan pada variabel Wahyu Rifdha Rahmadhani, dkk.
Gambar 7 Indeks pembangunan manusia.
Gambar 8 PDRB per kapita.
X2 atau IP M di data ke-32 dan 33.
Sedangkan pada variabel X3 atau PDRB Per Kapita di data ke-19, 30, 31, 32, dan 33, dengan data outlier terekstrim terdapat di data ke-19 dan 33.
Perhitungan hasil estimasi parameter ditunjukan dalam Tabel 1.
Robust Spatial Durbin Model untuk pemodelan tingkat penganguran.
Tabel 1 Hasil estimasi parameter Estimasi parameter E0
Koefisien
070X101
Oe1.
259x10Oe5 Oe8.
364x10Oe2 424x10Oe2 T value P value Berdasarkan hasil estimasi parameter pada Tabel 1, maka model regresi berganda yang terbentuk pada persamaan 15.
yC = 0.
1070 Oe 1.
259yn10Oe5 JT K Oe 0.
08364IP M 0.
06424P DRB
Model regresi berganda yang diperoleh dapat diinterpretasikan, sebagai berikut: Koefisien jumlah tenaga kerja sebesar -1.
259y10-5 yang artinya jika nilai variabel independent lain tetap dan jumlah tenaga kerja mengalami kenaikan 1 orang/jiwa, maka tingkat pengangguran terbuka akan mengalami penurunan sebesar 0.
00001259 %.
Koefisien indeks pembangunan manusia sebesar -0.
08364 yang artinya jika nilai variabel independent lain tetap dan indeks pembangunan manusia mengalami kenaikan 1 satuan, maka tingkat pengangguran terbuka akan mengalami penurunan sebesar 0.
08364 %.
Koefisien PDRB Per Kapita sebesar 0.
yang artinya jika nilai variabel independent lain tetap dan indeks pembangunan manusia mengalami kenaikan 1 satuan, maka tingkat pengangguran terbuka akan mengalami kenaikan Uji Simultan atau Uji F ditampilkan dalam Tabel 2.
Tabel 2 Hasil Output Uji F atau Uji Simultan Fstatistics Pvalue Berdasarkan tabel 2 diperoleh nilai R-square 19.
88% yang menunjukkan besar variansi variabel tingkat pengangguran terbuka yang dapat dijelaskan oleh model.
Untuk mengambil keputusan, pengujian menggunakan hipotesis yaitu H0 : Variabel jumlah tenaga kerja, indeks pembangunan manusia, dan PDRB Per Kapita tidak berpengaruh terhadap tingkat pengangguran terbuka H1 : minimal salah satu dari variabel jumlah tenaga kerja, indeks pembangunan manusia, dan PDRB Per Kapita berpengaruh terhadap tingkat pengangguran Taraf Signifikansi = 5% = 0.
05, nilai kritis uji F0,05.
= 2.
apat dilihat pada tabel F).
Statistik Uji.
Pvalue = 0.
07259,Fhitung = 2.
564, daerah penolakan H0 ditolak jika nilai Pvalue < atau Fhitung > Ftabel .
Dari hasil statistik uji diperoleh nilai Pvalue = 0.
07259 >= 0.
05 dan nilai Fhitung = 564 < F0,05.
= 2.
91 maka H0 tidak ditolak artinya variabel jumlah tenaga kerja, indeks pembangunan manusia, dan PDRB Per Kapita tidak berpengaruh terhadap tingkat pengangguran terbuka dengan tingkat kepercayaan 95%.
Berdasarkan pengujian MoranAos I pada Tabel 3 dengan menggunakan signifikansi = 5% diperoleh variabel yang signifikan adalah tingkat pengangguran terbuka, dan IPM.
Setelah dilakukan pengujian efek spasial melalui uji MoranAos I diketahui bahwa ada hubungan ketetanggaan antar Kabupaten/Kota di variabel indeks pembangunan manusia.
Melalui uji LM diketahui terjadi dependensi spasial sehingga model SDM layak digunakan dengan hasil tertampil pada Tabel 4.
*) signifikan pada = 5%.
Wahyu Rifdha Rahmadhani, dkk.
Tabel 3 Nilai statistik Z dari MoranAos I Test
Variabel
TPT
JTK
IPM
PDRB
E(IM )
V ar(IM ) Z(IM ) Pvalue Tabel 4 Output Spatial Durbin Model Parameter .
I11
I12
I13
I21
I22
I23
Estimate Oe1.
3424X10Oe5
5963 10-6
Std.
Error 9196X10Oe6 0302X10Oe5 Zvalue Oe2.
Pvalue Berdasarkan tabel 4 diperoleh pemodelan SDM seperti tampak dalam persamaan 17.
yC = 0.
61235nj=1 Wij Yj 21.
083 Oe 1.
3424X10Oe5 X1i Oe 0.
0048518X2i 0.
058342X3i 596310Oe6 nj=1 Wij X1j o0.
30347nj=1 Wij X2j 0.
083393nj=1 Wij X3j Diketahui bahwa ada autokorelasi spasial antar Kabupaten/Kota di Provinsi Jawa Tengah pada persentase tingkat pengangguran terbuka yaitu parameter I11 dan I13 .
Setelah dilakukan pengujian deteksi outlier melalui boxplot dan perhitungan pencilan outlier dan diketahui bahwa ada outlier di variabel independen.
Melalui SDM diketahui pengujian signifikansi ada 2 parameter yaitu I11 , dan I13 yang terjadi autokorelasi spasial antar Kabupaten/Kota sehingga model RSDM layak digunakan (Tabel .
Tabel 5 Output Robust Spatial Durbin Model
I2 2
I3 3
Estimate Oe2.
3274X10Oe5
9526X10Oe6
Variance 5171 10-11
8185X10Oe4
7173 10-11
0686 10-5
1238X10Oe4 Wald Sig.
1111X10Oe9 *) signifikan pada = 5%.
Berdasarkan tabel 5 diperoleh pemodelan RSDM dalam persamaan 17.
yC = 0.
61235nj=1 Wij Yj o13.
475 Oe 2.
3274X10Oe5 X1j 0.
23700X2j 0.
042491X3j 952610Oe6 nj=1 Wij X1j o0.
047462nj=1 Wij X2j 0.
012565nj=1 Wij X3j Robust Spatial Durbin Model untuk pemodelan tingkat penganguran.
Dari hasil analisis Robust Spatial Durbin Model tanpa menggunakan variabel laju pertumbuhan penduduk masih ada kemungkinan diperoleh model yang lebih baik lagi, sehingga perlu dilakukan analisis lebih lanjut lagi dengan mengeluarkan variabel yang tidak signifikan yaitu variabel PDRB Per Kapita.
Dari persamaan RSDM di atas juga dapat digambarkan dalam suatu wilayah.
Misalkan diambil wilayah yang diamati adalah Kabupaten Cilacap .
okasi ke-.
sedangkan wilayah yang bersinggungan dengan Kabupaten Cilacap adalah Kabupaten Brebes .
okasi ke-.
dan Kabupaten Banyumas .
okasi ke-.
Sehingga persamaan regresi dugaan yang diperoleh adalah dalam persamaan 18.
yC = 0.
Y29 Y2 o13.
475 Oe 2.
3274X10Oe5 X1 0.
Oe6
9526X10
X1.
29 X1.
2 o0.
X2.
29 X2.
Dan jika dijabarkan menjadi persamaan 19.
yC = 0.
3067Y29 0.
3067Y2 o13.
475 Oe 2.
3274X10Oe5 X1 0.
4766X10Oe6 X1.
4766X10Oe6 X1.
2 o0.
0237X2.
29 Oe 0.
0237X2.
Interpretasi dari persamaan diatas, apabila variabel jumlah tenaga kerja (X1 ) mengalami kenaikan satu jiwa dan variabel bebas lainnya konstan, maka persentase tingkat pengangguran terbuka akan mengalami penurunan sebesar Oe2.
3274X10Oe5 %, apabila variabel indeks pembangunan manusia (X2 ) mengalami kenaikan satu satuan dan variabel bebas lainnya konstan, maka persentase tingkat pengangguran terbuka akan mengalami peningkatan sebesar Selanjutnya apabila terjadi peningkatan persentase tingkat pengangguran terbuka di Kabupaten Brebes, dan Kabupaten Banyumas sebesar satu satuan dan variabel bebas lainnya konstan, maka pengaruh kedekatan dari masing-masing daerah tersebut terhadap persentase tingkat pengangguran terbuka di Kabupaten Cilacap naik sebesar 0.
3067 satuan.
Apabila terjadi peningkatan jumlah tenaga kerja di Kabupaten Brebes, dan Kabupaten Banyumas sebesar satu satuan dan variabel bebas lainnya konstan maka pengaruh kedekatan dari masing-masing daerah tersebut terhadap persentase tingkat pengangguran terbuka di Kabupaten Cilacap naik sebesar 1.
4766X10Oe6 satuan.
Berdasarkan perhitungan didapatkan bahwa dengan model SDM memiliki nilai koefisien determinasi (R2 ) sebesar 57.
27% sedangkan model RSDM memiliki nilai (R2 ) sebesar 0.
Nilai AIC terkecil ialah pada model RSDM sebesar 22.
563, dapat disimpulkan juga bahwa model yang baik dalam pemodelan tingkat pengangguran terbuka di provinsi Jawa Tengah dengan menggunakan metode Robust Spatial Durbin Model.
Kesimpulan Berdasarkan pembahasan dengan menggunakan metode RSDM menghasilkan beberapa Pertama dengan pola spasial menggunakan uji MoranAos I menunjukkan bahwa variabel TPT dan IPM di Provinsi Jawa Tengah terdapat autokorelasi antar wilayah pengamatan atau ada keterkaitan Tingkat pengangguran Terbuka antar Kabupaten/Kota.
Kedua karena model OLS tidak bisa digunakan maka selanjutnya dilakukan pengujian Spasial Durbin Model (SDM) di Provinsi Jawa Tengah yang memiliki nilai koefisien determinasi (R2 ) sebesar 0.
5727 atau 57.
Dan diketahui bahwa ada autokorelasi spasial antar Kabupaten/Kota di Provinsi Jawa Tengah pada persentase tingkat pengangguran PUSTAKA terbuka yaitu parameter I11 dan I13 .
Dan tidak ada pengaruh ketetanggan lag spasial antar Kabupaten/Kota di Provinsi Jawa Tengah terhadap persentase tingkat pengangguran Ketiga deteksi outlier menggunakan metode spasial boxplot dan perhitungan pencilan outlier, didapatkan hasil ada outlier: berdasarkan Boxplot diperoleh bahwa tidak terdapat outlier pada variabel Y atau TPT.
Sedangkan pada variabel X1 atau JTK terdapat outlier pada data ke-2, 19, 22 dan 33, dengan data outlier terekstrim terdapat di data ke-22.
Sedangkan pada variabel X2 atau IPM di data ke-32 dan 33.
Sedangkan pada variabel X3 atau PDRB Per Kapita di data ke-19, 30, 31, 32, dan 33, dengan data outlier terekstrim terdapat di data ke-19 dan 33.
Keempat berdasarkan hasil dari model RSDM di Provinsi Jawa Tengah memiliki nilai koefisien determinasi (R2 ) sebesar 0.
4985 atau 49.
Dan diketahui bahwa ada autokorelasi spasial antar Kabupaten/Kota di Provinsi Jawa Tengah pada persentase tingkat pengangguran terbuka yaitu parameter I1 .
I2 dan 2.
Kelima dari hasil perbandingan ke-3 model dapat dilihat dari nilai AIC bahwa nilai AIC terkecil yaitu pada model RRSDM sebesar 22.
563 dengan nilai koefisien determinasi (R2 ) 4985 atau 49.
Pustaka