rizki fitriana (1309 105 002) - digilib.its.ac.id · jatim 2010. 33% 25%. 15%. 27%. phr. industri....
Post on 23-Mar-2019
218 Views
Preview:
TRANSCRIPT
PEMODELAN PDRB SEKTOR PERTANIAN, INDUSTRI, SERTA PERDAGANGAN, HOTEL, DAN RESTORAN (PHR) PROPINSI JAWA TIMUR DENGAN PENDEKATAN EKONOMETRIKA PANEL SPASIAL
RIZKI FITRIANA (1309 105 002)
Pembimbing :
Dr. Ir. Setiawan, MS
PENDAHULUAN
Latar Belakang
Indikatorpertumbuhan
EkonomiPDRB
ADHB
ADHK
Sektor PDRB1. Pertanian2. Pertambangan3. Industri Pengolahan4. Listrik, Gas, dan Air5. Bangunan6. Perdagangan, Hotel, dan Restoran
7. Pengangkutan dan Komunikasi8. Lembaga Keuangan9. Jasa - jasa
Ekonomi Jawa Timur 2010
5.23
6.537.14 7.16
0
1
2
3
4
5
6
7
8
1 2 3 4
Pertumbuhan Ekonomi Jatim 2010
33%
25%
15%
27%
PHR Industri Pertanian Lain-lain
Kontribusi sektor Pertanian, Industri, dan PHR berbeda terhadapnilai PDRB masing – masing kabupaten / kota di Propinsi JawaTimur. Oleh karena itu, penelitian yang bersifat lintas wilayah danlintas sektor (Bappenas, 2006) sangat diperlukan di Jawa Timur.
Penelitian Terdahulu
Setiawan, et al (2009)
Yunitasari (2009)
Fatmawati (2010)
Model Ekonometrika SpasialPertumbuhan Propinsi KepulauanRiau, sebagai Dasar PengembanganSistem Pertahanan
Pendekatan Ekonometrika SpasialTerhadap Produk Domestik Regional BrutoSektor Industri di Wilayah Jawa Timur
Pendekatan Ekonometrika Panel Spasial UntukPemodelan PDRB Sektor Industri di SWP Gerbangkertasusila dan Malang - Pasuruan
Muchlisoh (2008) Model Regresi Data Panel Dengan KorelasiError Spasial
Rumusan Masalah
1. Bagaimana model untuk PDRB sektor Pertanian, sektor Industri, dan SektorPerdagangan, Hotel, dan Restoran di Jawa Timur dengan pendekatan modelPanel Spasial?
2. Bagaimana efek spasial pada model PDRB sektor Pertanian, sektorIndustri, dan Sektor Perdagangan, Hotel, dan Restoran di Jawa Timur ?
3. Bagaimana elastisitas masing-masing faktor terhadap PDRB sektorPertanian, sektor Industri, dan Sektor Perdagangan, Hotel, dan Restoran diJawaTimur ?
Tujuan Penelitian
1. Mendapatkan model untuk PDRB sektor Pertanian, sektor Industri, danSektor Perdagangan, Hotel, dan Restoran di Jawa Timur denganpendekatan model Panel Spasial.
2. Mengetahui efek spasial pada model PDRB sektor Pertanian, sektorIndustri, dan Sektor Perdagangan, Hotel, dan Restoran di Jawa Timur.
3. Mengetahui elastisitas masing-masing faktor terhadap PDRB sektorPertanian, sektor Industri, dan Sektor Perdagangan, Hotel, dan Restorandi Jawa Timur.
Manfaat Penelitian
Batasan Masalah
Memberikan informasi bagi pemerintah Propinsi Jawa Timur danpara stakeholder untuk menentukan arah kebijakanpembangunan perekonomian di setiap kabupaten / kota diPropinsi Jawa Timur. Selain itu dapat memberikan wawasankeilmuan mengenai ekonometrika panel spasial.
Data nilai PDRB sektor Pertanian, Industri Pengolahan, sertaPerdagangan, Hotel, dan Restoran masing – masing kabupaten /kota Propinsi Jawa Timur berdasarkan harga konstan tahun2007 – 2009.
Variabel Variabel yang digunakan oleh Bappenas (2006).
Matriks Pembobot Rook Contiguity
TINJAUAN PUSTAKA
Fungsi Produksi Cobb - Douglass
iuiii eXXY 32
321βββ=
iii uXXY +++= 332211 lnlnlnln βββ
Elastisitas
Spesifikasi Model (Bappenas, 2006)
987654321 YYYYYYYYYPDRB ++++++++=
Pertanian
Pertambangan
Industri Pengolahan
Listrik, Gas, dan Air
Bangunan
PHR
Transportasi & Angkutan
Lembaga Keuangan
Jasa - Jasa
15413121101 ε++++++= BBJaBMDaIDaISaWGaaY
22322102 ε++++= DTbBPGbTKbbY
3543323103 ε++++++= BPGcBBJcBMDcIScTKccY
43424104 ε++++= BBJdISdTKddY
55453125105 ε++++++= BPGeBBJeBMDeIDeTKeeY
643626106 ε+++++= BPGfBMDfIDfTKffY
7543727107 ε++++++= BPGgBBJgBMDgIDgTKggY
843828108 ε+++++= BPGhBMDhIShTKhhY
9543929109 ε++++++= BPGiBBJiBMDiIDiTKiiY
Spesifikasi Model (Bappenas, 2006)
987654321 YYYYYYYYYPDRB ++++++++=
Pertanian
Pertambangan
Industri Pengolahan
Listrik, Gas, dan Air
Bangunan
PHR
Transportasi & Angkutan
Lembaga Keuangan
Jasa - Jasa
154131101 ε+++++= BBJaBMDaIDaTKaaY
22322102 ε++++= DTbBPGbTKbbY
35433103 ε+++++= BPGcBBJcBMDcTKccY
43424104 ε++++= BBJdISdTKddY
55453125105 ε++++++= BPGeBBJeBMDeIDeTKeeY
6436106 ε++++= BPGfBMDfTKffY
7543727107 ε++++++= BPGgBBJgBMDgIDgTKggY
843828108 ε+++++= BPGhBMDhIShTKhhY
9543929109 ε++++++= BPGiBBJiBMDiIDiTKiiY
Matriks Pembobot Spasial
Rook Contiguity(Persinggungan sisi) : Wij=1 untuk lokasi yangbersisian (common side) dengan lokasi yang menjadiperhatian.
1
2
3 5
4
0110010100110000000100010
54321
54321
=
05.05.0005.005.0005.05.0000
0000100010
W
Model Panel SpasialModel Spasial Lag (SAR)
Model Spasial Error (SEM)
itiit
N
jjtijit xywy εµβδ +++= ∑
=1
itiitit xy φµβ ++=
it
N
jitijit w εφρφ += ∑
=1
Variabel dependentergantung pada variabeldependen tetangga dansatu set karakteristik lokal.
Variabel dependen tergantungpada karakteristik local danerror yang berkorelasi antartempat (space).
Likelihood Ratio Test (LR test)Fixed EffectH0 : µ1=µ2=…=µN=α
H1 : Minimal ada satu µ yang berbeda
Statistik uji : -2s
Daerah kritis : Tolak H0 jika -2s > χ2(α’,DF)
DF : N - 1
Random EffectH0 : θ = 1
H1 : θ ≠ 1
Statistik uji : -2s
Daerah kritis : Tolak H0 jika -2s > χ2(α’,DF)
DF : 1
Hausman’s TestH0 : h = 0 (random effect)
H1 : h ≠ 0 (fixed effect)
Statistik Uji :
Daerah kritis : Tolak H0 jika
REFE ]ˆˆ[]'ˆˆ[ δδ 'β'βd −=
2)1,( +> Km αχ
ddd 1)][var(' −=m1**212 )(ˆ)(ˆ)var( −−•• −= X'XX'Xd FERE σσ
Pemilihan Model TerbaikSAR Fixed Effect
R2(e,IN)
Corr2
SEM Fixed Effect
R2( )
Corr2
SAR Random Effect
R2( )
Corr2
SEM Random Effect
R2( )
Corr2
μIτβXWIXYWIe ˆ)(ˆ])(ˆ[)(ˆ~NTTTY ⊗−⊗−−⊗−= ρρ
)ˆ)](ˆ[,( 12 βXWIIY *−∗ ⊗− TNTcorr δ
μIτβXWIXYWIe ˆ)(ˆ])(ˆ[)(ˆ~NTTTY ⊗−⊗−−⊗−= ρρ
)ˆ,(2 βXY *∗corr
βXYWIYe ˆ)(ˆ~ *** −⊗−= Tδ
)ˆ)](ˆ[,( 12 βXWIIY −⊗− TNTcorr δ
βXY ˆ~ −=e
)ˆ,(2 βXYcorr
e~
e~
e~
Pemeriksaan Asumsi Residual
• Uji GlejserIdentik
• Plot ACFIndependen
• Uji Kolmogorov SmirnovDistribusi Normal
• R2 tinggi tetapi sedikit parameter yang signifikan• Korelasi parsial antar variabel independenMultikolinearitas
Analisis Komponen Utama Tujuan utama analisis komponen utama adalah menjelaskan struktur varian
kovarian satu set variabel menjadi variabel yang lebih sedikit yang merupakankombinasi linear variabel tersebut.
Komponen utama sangat berguna pada analisis regresi jika jumlah variabelindependen relative besar terhadap jumlah observasi dan jika antar variabelindependen mempunyai korelasi yang tinggi (Rencher, 2002).
Komponen utama dari Z didapatkan dari eigen vector dari matriks korelasi (ρ)
Komponen utama ke i dari variabel terstandarisasi adalah :
Proporsi varian yang dapat dijelaskan oleh k komponen utama adalah
)()('' 121
µ−== − XVeZeY iii
pkλ
Sektor Pendukung PDRB
Pertanian• Tanaman bahan pangan• Tanaman perkebunan• Peternakan• Kehutanan• Perikanan
Industri• Makanan,minuman&tem
bakau• Tekstil• Kayu dan hasil hutan• Kertas dan barang
cetakan• Pupuk,barang
kimia,&karet• Semen & barang galian
non logam• Logam dasar, besi, dan
baja• Alat angkutan dan
mesin• Barang lainnya
PHR
• Perdagangan• Hotel• Restoran
METODOLOGI PENELITIAN
Sumber DataData sekunder dari BPS Propinsi Jawa Timur Data PDRB tiga sektor utama perekonomian Jawa Timur dan faktor
pendukungnya pada setiap kabupaten/kota
1 Kab. Bangkalan 14 Kab. Malang 27 Kab. Trenggalek2 Kab. Banyuwangi 15 Kab. Mojokerto 28 Kab. Tuban3 Kab. Blitar 16 Kab. Nganjuk 29 Kab. Tulungagung4 Kab. Bojonegoro 17 Kab. Ngawi 30 Kota Batu5 Kab. Bondowoso 18 Kab. Pacitan 31 Kota Blitar6 Kab. Gresik 19 Kab. Pamekasan 32 Kota Kediri7 Kab. Jember 20 Kab. Pasuruan 33 Kota Madiun8 Kab. Jombang 21 Kab. Ponorogo 34 Kota Malang9 Kab. Kediri 22 Kab. Probolinggo 35 Kota Mojokerto10 Kab. Lamongan 23 Kab. Sampang 36 Kota Pasuruan11 Kab. Lumajang 24 Kab. Sidoarjo 37 Kota Probolinggo12 Kab. Madiun 25 Kab. Situbondo 38 Kota Surabaya13 Kab. Magetan 26 Kab. Sumenep
Variabel Penelitian
Variabel Respon• Y1 : PDRB sektor Pertanian (Juta Rupiah)• Y2 : PDRB sektor Industri (Juta Rupiah)• Y3 : PDRB sektor Perdagangan, Hotel, dan Restoran (PHR)
(Juta Rupiah)
Variabel Prediktor• X1 : Jumlah tenaga kerja sektor Pertanian (Jiwa)• X2 : Jumlah tenaga kerja sektor Industri (Jiwa)• X3 : Jumlah tenaga kerja sektor Perdagangan, Hotel, dan
Restoran (PHR) (Jiwa)• X4 : Pengeluaran belanja modal (BMD) (Ribu Rupiah)• X5 : Pengeluaran belanja barang dan jasa (BBJ) (Ribu Rupiah)• X6 : Pengeluaran belanja pegawai (BPG) (Ribu Rupiah)
Langkah Analisis Data
1 • Deskripsi Variabel Respon
2 • Membuat matriks Rook Contiguity
3 • Estimasi Parameter
4 • Uji Likelihood Ratio
5 • Uji Hausman’s
6 • Memilih model terbaik
7 • Membentuk variabel komponen utama
8 • Mengulangi langkah 3 – 6
9 • Pemeriksaan asumsi residual
10 • Intrepretasi Model
Analisis dan Pembahasan
Pertanian• Deskripsi PDRB Pertanian• Pemodelan PDRB Pertanian• Intrepretasi Model
Industri• Deskripsi PDRB Industri• Pemodelan PDRB Industri• Intrepretasi Model
PHR• Deskripsi PDRB PHR• Pemodelan PDRB PHR• Intrepretasi Model
Deskripsi PDRB Pertanian
sawah26%
pertanian tanah kering25%
hutan26%
lain-lain23%
0.00
1,000,000.00
2,000,000.00
3,000,000.00
4,000,000.00
5,000,000.00
6,000,000.00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
Rata-rata PDRB Pertanian (Juta)
Peringkat kabupaten/kota yang mempunyai rata-rata nilai PDRB Pertaniantertinggi adalah :1. Kabupaten Banyuwangi2. Kabupaten Jember3. Kabupaten Malang4. Kabupaten Sumenep.
Pemodelan PDRB PertanianUji Likelihood Ratio
Model Chi Square DF P-ValueSAR Fixed Effect 776,4626 38 0,0000SAR Random Effect 362,9293 1 0,0000SEM Fixed Effect 787,3979 38 0,0000SEM Random Effect 362,9902 1 0,0000
Uji Hausman’s
Model Chi Square DF P-ValueSAR Fixed Effect
5,2867 4 0,2591SAR Random EffectSEM Fixed Effect
0,1353 4 0,9978SEM Random Effect
Pemodelan PDRB PertanianPemilihan Model Terbaik
Estimasi Parameter
Model R2 Corr2
SAR Fixed Effect 0,9999 0,1610SAR Random Effect 0,9998 0,0001SEM Fixed Effect 0,9996 0,0212SEM Random Effect 0,9998 0,0011
Variabel Koefisien P-ValueConst 5,262274 0,000000Ln TK_P (X1) -0,003481 0,581535Ln BMD (X4) -0,005908 0,476791Ln BBJ (X5) -0,008278 0,648041δ 0,602983 0,000000
R2 = 0,9998Corr2 = 0,0001
Pemodelan PDRB PertanianAnalisis Komponen Utama
Eigenvalue 1.6409 0.9661 0.3930Proportion 0.547 0.322 0.131Cumulative 0.547 0.869 1.000
Variable PC1 PC2 PC3X1 0.284 -0.940 0.190X4 0.696 0.066 -0.715X5 0.659 0.335 0.673
BBJLnBMDLnPTKLn ZZZPC 659.0696.0284.01_ _ ++=
Pemodelan PDRB Pertanian dengan PC_1 Uji Likelihood Ratio
Uji Hausman’s
Model Chi Square DF P-ValueSAR Fixed Effect 1042,4887 38 0,0000SAR Random Effect 629,4258 1 0,0000SEM Fixed Effect 1047,6893 38 0,0000SEM Random Effect 624,5420 1 0,0000
Model Chi Square DF P-ValueSAR Fixed Effect
4,7606 2 0,0925SAR Random EffectSEM Fixed Effect
0,0112 2 0,9944SEM Random Effect
Pemilihan Model Terbaik
Pemodelan PDRB Pertanian dengan PC_1
Model R2 Corr2
SAR Fixed Effect 0,9999 0,1853SAR Random Effect 0,9998 0,0000SEM Fixed Effect 0,9996 0,0284SEM Random Effect 0,9998 0,0003
Estimasi Parameter
Variabel Koefisien P-ValueConstant 4,902267 0,000000PC_1 -0,005407 0,253870δ 0,606956 0,000000
R2 = 0,9998Corr2 = 0,0000
Variabel Koefisien P-ValueConstant 12,923108 0,000000PC_1 -0,013662 0,001680ρ 0,707989 0,000000
R2 = 0,9998Corr2 = 0,0003
Pemodelan PDRB Pertanian dengan PC_1 Pemeriksaan Asumsi Residual
Asumsi Residual Identikabs_res = 0.0165 + 0.00045 PC_1Predictor Coef SE Coef T PConstant 0.016524 0.001279 12.92 0.000PC_1 0.000450 0.001003 0.45 0.655
Asumsi Residual Independen Asumsi Distribusi Normal
0.0500.0250.000-0.025-0.050-0.075
99.9
99
9590
80706050403020
10
5
1
0.1
Pertanian_PC
Perc
ent
Mean -0.0005404StDev 0.02146N 114KS 0.060P-Value >0.150
Probability Plot of Pertanian_PCNormal
120100806040200
0.075
0.050
0.025
0.000
-0.025
-0.050
observasi
resi
dual
Scatterplot Residual Pertanian
Intrepretasi Model PDRB Pertanian
itij
itijitit wPCPDRBLn εµφ +++−= ∑=
38
107989,01_013662,0
itij
itijLnBBJLnBMDpLnTKit wZZZPDRBLn εµφ +++++−= ∑=
38
1_ 07989,0)659,0696,0284,0(013662,0
itij
itijit wLnBBJLnBMDPLnTKPDRBLn εµφ ++++−−−= ∑=
38
107989,06972,0009,000951,0_00388,0
Deskripsi PDRB Industri
0.00
5,000,000.00
10,000,000.00
15,000,000.00
20,000,000.00
25,000,000.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38No Kab / Kota
Rata-rata PDRB Industri (Juta)
Kota Kediri
Sidoarjo
Gresik
Surabaya
Pemodelan PDRB IndustriUji Likelihood Ratio
Uji Hausman’s
Model Chi Square DF P-ValueSAR Fixed Effect 953,6005 38 0,0000SAR Random Effect 557,2247 1 0,0000SEM Fixed Effect 930,0296 38 0,0000SEM Random Effect 525,4869 1 0,0000
Model Chi Square DF P-ValueSAR Fixed Effect
-6,4194 5 0,2675SAR Random EffectSEM Fixed Effect
1,8083 5 0,875SEM Random Effect
Pemodelan PDRB IndustriPemilihan Model Terbaik
Estimasi Parameter
Model R2 Corr2
SAR Fixed Effect 0,9999 0,6866SAR Random Effect 0,9998 0,0184SEM Fixed Effect 0,9998 0,6369SEM Random Effect 0,9998 0,0277
Variabel Koefisien P-ValueConst 5,091629 0,000000Ln TK_I (X2) -0,000466 0,918077Ln BMD (X4) 0,003476 0,700869Ln BBJ (X5) -0,004984 0,789334Ln BPG (X6) 0,079232 0,000104δ 0,485985 0,000000
R2 = 0,9998Corr2 = 0,0184
Pemodelan PDRB IndustriAnalisis Komponen Utama
Eigenvalue 2.6246 0.6528 0.4118 0.3108Proportion 0.656 0.163 0.103 0.078Cumulative 0.656 0.819 0.922 1.000
Variable PC1 PC2 PC3 PC4X2 0.431 0.870 -0.098 0.218X4 0.513 -0.226 0.791 0.244X5 0.505 -0.431 -0.591 0.457X6 0.544 -0.075 -0.120 -0.827
BPGLnBBJLnBMDLnITKLn ZZZZPC 544,0505,0513,0431,01_ _ +++=
Pemodelan PDRB Industri dengan PC_1 Uji Likelihood Ratio
Uji Hausman’s
Model Chi Square DF P-ValueSAR Fixed Effect 956,5773 38 0,0000SAR Random Effect 564,0019 1 0,0000SEM Fixed Effect 963,1955 38 0,0000SEM Random Effect 558,9522 1 0,0000
Model Chi Square DF P-ValueSAR Fixed Effect
0,9560 2 0,6200SAR Random EffectSEM Fixed Effect
0,0464 2 0,9771SEM Random Effect
Pemilihan Model Terbaik
Pemodelan PDRB Industri dengan PC_1
Estimasi Parameter
Model R2 Corr2
SAR Fixed Effect 0,9999 0,4851SAR Random Effect 0,9998 0,0016SEM Fixed Effect 0,9996 0,2656SEM Random Effect 0,9998 0,0003
Variabel Koefisien P-ValueConstant 12,852085 0,000000PC_1 0,003622 0,505973ρ 0,706189 0,000000
R2 = 0,9998Corr2 = 0,0003
Variabel Koefisien P-ValueConstant 4,468301 0,000001PC_1 0,009355 0,034459δ 0,648986 0,000000
R2 = 0,9998Corr2 = 0,0016
Pemodelan PDRB Industri dengan PC_1 Pemeriksaan Asumsi Residual
Asumsi Residual Identik
Asumsi Residual Independen Asumsi Distribusi Normal
abs_res = 0.0182 - 0.000062 PC1Predictor Coef SE Coef T PConstant 0.018233 0.001378 13.23 0.000PC_1 -0.0000615 0.0008545 -0.07 0.943
0.080.060.040.020.00-0.02-0.04-0.06-0.08
99.9
99
9590
80706050403020
10
5
1
0.1
residual
Perc
ent
Mean 4.823749E-17StDev 0.02345N 114KS 0.052P-Value >0.150
Probability Plot of residualNormal
120100806040200
0.050
0.025
0.000
-0.025
-0.050
-0.075
observasi
resi
dual
Scatterplot residual Industri
Intrepretasi Model PDRB Industri
ititj
jtijit PCIPDRBLnwIPDRBLn ε+++= ∑=
468301,41_009355.0_648986,0_38
1
itBPGLn
BBJLnBMDLnITKLnj
jtijit
Z
ZZZIPDRBLnwIPDRBLn
ε+++
+++= ∑=
468301,400509,0
00472,00048,000403,0_648986,0_ _
38
1
ititit
ititj
jtijit
BPGLnBBJLn
BMDLnITKLnIPDRBLnwIPDRBLn
ε+++
+++= ∑=
86205,300509,000472,0
0048,0_00403,0_648986,0_38
1
Deskripsi PDRB PHR
Surabaya
0.00
5,000,000.00
10,000,000.00
15,000,000.00
20,000,000.00
25,000,000.00
30,000,000.00
35,000,000.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38
Rata-rata PDRB PHR (juta)
Pemodelan PDRB PHR Uji Likelihood Ratio
Uji Hausman’s
Model Chi Square DF P-ValueSAR Fixed Effect 906,9877 38 0,0000SAR Random Effect 516,7256 1 0,0000SEM Fixed Effect 870,1065 38 0,0000SEM Random Effect 476,7332 1 0,0000
Model Chi Square DF P-ValueSAR Fixed Effect
3,7520 4 0,4406SAR Random EffectSEM Fixed Effect
0,6270 4 0,9600SEM Random Effect
Pemodelan PDRB PHR Pemilihan Model Terbaik
Estimasi Parameter
Model R2 Corr2
SAR Fixed Effect 0,9998 0,9303SAR Random Effect 0,9998 0,0310SEM Fixed Effect 0,9977 0,8105SEM Random Effect 0,9998 0,0065
Variabel Koefisien P-ValueConst 13,057662 0,000000Ln TK_PHR (X3) 0,002007 0,565134Ln BMD (X4) -0,002851 0,572628Ln BPG (X6) 0,044079 0,146800ρ 0,915051 0,000000
R2 = 0,9998Corr2 = 0,0065
Pemodelan PDRB PHRAnalisis Komponen Utama
Eigenvalue 2.1945 0.4918 0.3137Proportion 0.731 0.164 0.105Cumulative 0.731 0.895 1.000
Variable PC1 PC2 PC3X3 0.563 -0.713 -0.418X4 0.564 0.701 -0.436X6 0.604 0.010 0.797
BPGLnBMDLnPHRTKLn ZZZPC 604,0564,0563,01_ _ ++=
Pemodelan PDRB PHR dengan PC_1 Uji Likelihood Ratio
Uji Hausman’s
Model Chi Square DF P-ValueSAR Fixed Effect 896,3693 38 0,0000SAR Random Effect 506,3348 1 0,0000SEM Fixed Effect 915,3983 38 0,0000SEM Random Effect 522,0211 1 0,0000
Model Chi Square DF P-ValueSAR Fixed Effect
2,8501 2 0,2405SAR Random EffectSEM Fixed Effect
0,0407 2 0,9799SEM Random Effect
Pemilihan Model Terbaik
Pemodelan PDRB PHR dengan PC_1
Estimasi Parameter
Model R2 Corr2
SAR Fixed Effect 0,9999 0,8107SAR Random Effect 0,9997 0,0003SEM Fixed Effect 0,9973 0,3848SEM Random Effect 0,9998 0,0000
Variabel Koefisien P-ValueConstant 1,681391 0,000188PC_1 0,008732 0,007540δ 0,871969 0,000000
R2 = 0,9997Corr2 = 0,0003
Variabel Koefisien P-ValueConstant 13,887638 0,000000PC_1 0,000391 0,906683ρ 0,927211 0,000000
R2 = 0,9998Corr2 = 0,0000
Pemodelan PDRB PHR dengan PC_1 Pemeriksaan Asumsi Residual
Asumsi Residual Identik
Asumsi Residual Independen Asumsi Distribusi Normal
abs_res = 0.0134 - 0.000753 PC_1Predictor Coef SE Coef T PConstant 0.0134124 0.0009525 14.08 0.000PC_1 -0.0007531 0.0006458 -1.17 0.246
0.0500.0250.000-0.025-0.050
99.9
99
9590
80706050403020
10
5
1
0.1
residual
Perc
ent
Mean 1.512557E-17StDev 0.01689N 114KS 0.059P-Value >0.150
Probability Plot of residualNormal
120100806040200
0.050
0.025
0.000
-0.025
-0.050
observasi
resi
dual
Scatterplot residual PHR
Intrepretasi Model PDRB PHR
ititj
jtijit PCPHRPDRBLnwPHRPDRBLn ε+++= ∑=
681391,11_008732.0_871969,0_38
1
681391,100527,000493,000492,0_871969,0_ _
38
1++++= ∑
=LnBPGLnBMDPHRTKLn
jjtijit ZZZPHRPDRBLnwPHRPDRBLn
++= ∑=
itj
jtijit PHRTKLnPHRPDRBLnwPHRPDRBLn _00492,0_871969,0_38
1
itBPGLnBMDLn ε+++ 21478,100527,000493,0
Kesimpulan dan Saran
Kesimpulan
PertanianModel Terbaik :
SEM random effect
Interaksi spasialerror = 0,07989
Tanda negatif padaparameter β disebabkankarena korelasi antarspasial lag.
IndustriModel Terbaik :
SAR random effect
Interaksi spasiallag= 0,648986
Elastisitas• TK_I = 0,00403• BMD = 0,0048• BBJ = 0,00472• BPG = 0,00509
PHRModel Terbaik :
SAR random effect
Interaksi spasiallag= 0,871969
Elastisitas•TK_PHR = 0,00492• BMD = 0,00493• BPG = 0,00527
Saran
Karena keterbatasan data maka variabel investasi pemerintah daerahdan investasi swasta pada masing-masing sektor diabaikan. Selain itu, variabelupah petani diabaikan pula dan diganti dengan variabel tenaga kerja sektorPertanian. Untuk kesempurnaan model maka perlu ditambahkan variabelinvestasi pemerintah daerah dan swasta pada masing sektor serta variabelupah petani. Pada model sektor Pertanian masih terdapat kasusmultikolinearitas antar variabel spasial lag, maka perlu dilakukan pemodelankembali untuk mengatasi kasus multikolinearitas tersebut.
DAFTAR PUSTAKA
Anselin, Luc. (1988). Spatial Econometrics : Methods and Models. Kluwer AcademicPublisher : London.Bappenas. (2006). Laporan Hasil Kajian Tahun 2006 : Penyusunan Model PerencanaanLintas Wilayah dan Lintas Sektor. Jakarta : Bappenas.Bidang Ekonomi Moneter KBI Surabaya. (2010). Kajian Ekonomi Regional ProvinsiJawa Timur Triwulan IV-2010.http://www.bi.go.id/web/id/DIBI/Info_Publik/Ekonomi_Regional/KER/Jatim/ker_jatim_tw410.htm (diakses 1 maret 2011, 12:18 wib)Daniel, Wayne W. (1989). Statistika Nonparametrik Terapan. Jakarta: PT. Gramedia.Elhorst, J.Paul. (2009). Spatial Panel Data Models. In Fischer MM, Getis A (Eds)Handbook of Applied Spatial Analysis, Ch. C.2. Berlin Heidelberg New York : Springer.Fatmawati, Irma. (2010). Pendekatan Ekonometrika Panel Spasial Untuk PemodelanPDRB Sektor Industri di SWP Gerbangkertasusila dan Malang - Pasuruan, Tugas Akhir, Institut Teknologi Sepuluh Nopember (ITS), Surabaya.Gujarati, Damodar N. (2004). Basic Econometric 4th Edition. The McGraw – HillCompanies.
Lanjutan Daftar PustakaJatimprov.(2004). Mencapai Target Pembangunan Ekonomi Dengan Menjaga StabilitasIndikator Makro Ekonomi.http://www.jatimprov.go.id/dbfile/bidlahta/20080513164849_target_pembangunan_economi_bpde_2004.pdf (diakses 1 maret 2011, 12:54)LeSage, James P. (1999). The Theory and Practice of Spatial Econometrics.Department of Economics University of Toledo.Dwiatmono, Linuwih, Setiawan, Suhartono, Sutikno, Sutijo, dan Wiryadi. (2009). Model Ekonometrika Spasial Pertumbuhan Propinsi Kepulauan Riau, sebagai DasarPengembangan Sistem Pertahanan. Seminar Nasional Statistika IX : Institut TeknologiSepuluh NopemberJohnson, R.A. and Wichern, D.W. (2002), Applied Multivariate Statistical Analysis, 5th
ed, New Jersey: Prentice Hall International.Inc.Muchlisoh, S. (2008), “Model Regresi Data Panel Dengan Korelasi Error Spasial”, TesisMagister, Institut Teknologi Sepuluh Nopember (ITS), Surabaya.Rencher, Alvin C. (2002). Methods of Multivariate Analysis 2nd ed. John Wiley & Sons, Inc : New York.Widarjono, Agus. (2007). Ekonometrika : Teori dan Aplikasi. PenerbitEkonisia, Fakultas Ekonomi U2 : Yogyakarta.Yunitasari, Hanik. (2009). Pendekatan Ekonometrika Spasial Terhadap ProdukDomestik Regional Bruto Sektor Industri di Wilayah Jawa Timur, Tugas Akhir , InstitutTeknologi Sepuluh Nopember (ITS), Surabaya.
top related