Pemodelan Pertumbuhan Ekonomi di Jawa Barat Menggunakan Metode Geographically Weighted Panel Regression

DOI:
https://doi.org/10.36456/jstat.vol15.no2.a5506
Keywords:
GDP, Geographically Weighted Panel Regression, Adaptive Gaussian KernelAbstract
Salah satu tujuan negara adalah meningkatkan pertumbuhan ekonomi. Diperlukan pembangunan ekonomi untuk mewujudkan tujuan tersebut demi mencapai masyarakat yang sejahtera. Salah satu indikator pertumbuhan ekonomi adalah Produk Domestik Regional Bruto (PDRB). Data yang digunakan yaitu data sekunder tentang produk domestik regional bruto, jumlah penduduk miskin, pengeluaran pemerintah, rata - rata lama sekolah, tingkat partisipasi angkatan kerja, fasilitas kesehatan, tingkat pengangguran terbuka, pada tahun 2018 - 2020 di Provinsi Jawa Barat. Ternyata terdapat autokorelasi spasial dalam data tersebut, sehingga pemodelan yang tepat untuk data panel dan terdapat efek spasial dapat dilakukan menggunakan Geographically Weighted Panel Regression (GWPR). Dengan menggunakan GWPR diharapkan dapat menghasilkan hasil yang lebih menyeluruh dibandingkan dengan model GWR. Model Geographically Weighted Panel Regression yang dihasilkan yaitu model fixed effect dengan pembobot adaptive gaussian kernel dan fixed gaussian kernel. Tujuan dari penelitian ini adalah mengetahui gambaran umum data, mendapatkan model, dan memperoleh model terbaik pertumbuhan ekonomi di Jawa Barat. Hasil akhir dari penelitian ini menunjukkan bahwa model dengan pembobot Adaptive Gaussian Kernel lebih baik daripada Fixed Gaussian Kernel karena memiliki nilai AIC terkecil dan R2 terbesar. Nilai AICnya sebesar 2313,117 dan nilai R2 sebesar 0,7955945.
Downloads
References
Arum, Prizka rismawati. 2019. “Analisis Faktor-Faktor Yang Mempengaruhi Jumlah Penduduk Di Kota Semarang Menggunakan Metode Regresi Data Panel.” J Statistika: Jurnal Ilmiah Teori Dan Aplikasi Statistika 12 (2): 36–41. https://doi.org/10.36456/jstat.vol12.no2.a2227 DOI: https://doi.org/10.36456/jstat.vol12.no2.a2227
Bruna, Fernando, and Danlin Yu. 2013. “Geographically Weighted Panel Regression.” In XI Congreso Galego de Estatística e Investigación de Operacións. Http:// Xisgapeio. Udc. Es., 1–23.
Badan Pusat Statistik Provinsi Jawa Barat
F, Kalbuadi A. 2014. “BAB II Tinjauan Pustaka_ 2010isa.Pdf.” Apriani, no. 1969: 9–66.
Fitri, Erlinda Permata. 2019. “Perbandingan Model Geographically Weighted Panel Regression Dengan Pembobot Adaptive Gaussian Dan Adaptive Bisquare Untuk Indeks Pembangunan Manusia Di Jawa Tengah.”
García Reyes, Luis Enrique. 2017. “Fasilitas Pelayanan Kesehatan.” Journal of Chemical Information and Modeling 53 (9): 1689–99.
Lutfiani, Nurul. 2019. Pemodelan Geographically Weighted Regression (GWR) Dengan Fungsi Pembobot Kernel Gaussian Dan Bi-Square. Unnes Journal of Mathematics. Vol. 8. https://doi.org/10.15294/ujm.v8i1.17103.
Martha, Shantika, Yundari Yundari, Setyo Wira Rizki, and Ray Tamtama. 2021. “Penerapan Metode Geographically Weighted Panel Regression (Gwpr) Pada
Kasus Kemiskinan Di Indonesia.” BAREKENG: Jurnal Ilmu Matematika Dan Terapan 15 (2) : 241–48. https://doi.org/10.30598/barekengvol15iss2pp241-248. DOI: https://doi.org/10.30598/barekengvol15iss2pp241-248
Martha, Shantika. 2020. “Fixed Effect Geographically Weighted Panel Regression” 09 (3): 413–22.
Nandita, Dea Aulia, Lalu Bayu Alamsyah, Enggar Prima Jati, and Edy Widodo. 2019. “Regresi Data Panel Untuk Mengetahui Faktor-Faktor Yang Mempengaruhi PDRB Di Provinsi DIY Tahun 2011-2015.” Indonesian Journal mof Applied Statistics 2 (1): 42. https://doi.org/10.13057/ijas.v2i1.28950. DOI: https://doi.org/10.13057/ijas.v2i1.28950
Nurcahyani, I R A. 2017. “Pemilihan Variabel Prediktor Dengan Metode Stepwise Pada Model Geographically Weighted Regression.”
Parahita, Lantip Lila, Dijan Rahajuni, and Kikin Windhani. 2018. “Analisis Faktor Yang Mempengaruhi Produk Domestik Regional Bruto (PDRB) Sektor Industri Di Provinsi Jawa Barat Tahun 2002-2016.” Journal of Sustainable Competitive Advantage 8 (September): 1–13.
Pendidikan, Departemen, and Matematika Fpmipa. 2016. “Aplikasi Model Geographically Weighted Regression (Gwr) Untuk Menentukan Faktor-Faktor Yang Mempengaruhi Kasus Gizi Buruk Anak Balita Di Jawa Barat.” Jurnal EurekaMatika 4 (1): 46–63.
Puteri, Nabila Audia. 2018. "Analisis Pengangguran Terbuka Di Provinsi Jawa Tengah Tahun 2011-2016."
Prasanti, Tyas Ayu, Triastuti Wuryandari, and Agus Rusgiyono. 2015. “Aplikasi Regresi Data Panel Untuk Pemodelan Tingkat Pengangguran Terbuka Kabupaten/Kota Di Provinsi Jawa Tengah.” None 4 (3): 687–96.
Rahayu, Nunik Sri. 2017. " Geographically Weighted Panel Regression Untuk Pemodelan Presentase Penduduk Miskin Di Provinsi Jawa Tengah."
Rahman, Yozi Aulia, and Ayunda Lintang Chamelia. 2015. “Faktor - Faktor Yang Mempengaruhi Pdrb Kabupaten / Kota Jawa Tengah Tahun 2008-2012.” Jejak 8 (1): 88–99. https://doi.org/10.15294/jejak.v8i1.3857. DOI: https://doi.org/10.15294/jejak.v8i1.3857
Sasana, Hadi. 2006. “Analisis Dampak Desentralisasi Fiskal Terhadap Pertumbuhan Ekonomi Di Kabupaten/Kota Provinsi Jawa Tengah.” Dinamika Pembangunan 3 (2): 145–70.
Sukirno. 2011. “Teori PDRB” 331 (02): 12–48. DOI: https://doi.org/10.1055/s-0030-1262728
Udara, Raden. 2013. “Investasi Dan Tenaga Kerja Ekonomi Serta Hubungannya Terhadap ...” Jurnal Ilmu Ekonomi 1 (1): 2–3.