i
ANALISIS SPASIAL DATA PANEL UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI PROVINSI SUMATERA SELATAN
YULIA ANGGRAENI
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOBOR BOGOR 2012
ii
RINGKASAN YULIA ANGGRAENI. Analisis Spasial Data Panel untuk Menentukan Faktor-faktor yang Mempengaruhi Kemiskinan di Provinsi Sumatera Selatan. Dibimbing oleh YENNI ANGRAINI dan ANANG KURNIA. Kemiskinan merupakan masalah mendasar yang dihadapi oleh setiap negara. Garis kemiskinan adalah salah satu alat yang digunakan untuk menentukan miskin atau tidaknya seseorang. Seseorang dikatakan miskin apabila pengeluaran per kapita per bulan kurang dari garis kemiskinan. Penanggulangan kemiskinan termasuk dalam program kerja pokok pemerintah Indonesia. Mengetahui faktor-faktor yang mempengaruhi kemiskinan merupakan hal penting dalam menentukan kebijakan yang tepat dalam menanggulangi kemiskinan. Provinsi Sumatera Selatan memiliki angka kemiskinan yang cukup tinggi. Berdasarkan hasil sensus nasional Badan Pusat Statistik (BPS) tahun 2010, Provinsi Sumatera Selatan menduduki urutan ke-10 provinsi termiskin di Indonesia. Untuk itu perlu dikaji faktor-faktor apa saja yang mempengaruhi kemiskinan di Provinsi Sumatera Selatan. Agar hasil yang diperoleh lebih informatif dan beragam maka data yang digunakan lebih dari satu periode waktu. Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik dari tahun 2006 sampai tahun 2010. Berdasarkan eksplorasi dari data tersebut, beberapa wilayah yang berdekatan memiliki angka kemiskinan yang relatif sama. Hal ini mengindikasikan adanya kemungkinan pengaruh wilayah yang berdekatan terhadap kemiskinan suatu wilayah atau terdapat pengaruh spasial. Oleh karena itu, dalam penelitian ini digunakan analisis spasial data panel. Berdasarkan hasil analisis tersebut, model pengaruh tetap dengan SAR lebih baik digunakan untuk memodelkan kemiskinan di Provinsi Sumatera Selatan. Faktor yang berpengaruh terhadap kemiskinan Provinsi Sumatera Selatan adalah angka melek huruf dan penerimaan pajak. Nilai R2 yang diperoleh adalah sebesar 88.23%. Kata Kunci : analisis spasial data panel, garis kemiskinan, SAR
iii
ANALISIS SPASIAL DATA PANEL UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI PROVINSI SUMATERA SELATAN
YULIA ANGGRAENI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOBOR BOGOR 2012
iv
Judul Nama NRP
: Analisis Spasial Data Panel untuk Menentukan Faktor-faktor yang Mempengaruhi Kemiskinan di Provinsi Sumatera Selatan : Yulia Anggraeni : G14080079
Disetujui:
Ketua Komisi Pembimbing
Anggota Komisi Pembimbing
Yenni Angraini, S.Si, M.Si NIP. 197805112007012001
Dr. Anang Kurnia NIP. 197308241997021001
Diketahui: Ketua Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Dr. Ir. Hari Wijayanto, M.Si NIP. 196504211990021001
Tanggal Lulus :
v
PRAKATA Puji dan syukur penulis haturkan kehadirat Allah SWT atas segala limpahan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan studi Sarjana dan menyelesaikan skripsi ini yang berjudul βAnalisis Spasial Data Panel untuk Menentukan Faktor-faktor yang Mempengaruhi Kemiskinan di Provinsi Sumatera Selatanβ. Shalawat dan salam semoga selalu tercurah kepada Nabi Muhammad SAW beserta keluarga, sahabat, dan umat beliau hingga akhir jaman. Ucapan terima kasih atas segala bantuan dan bimbingan yang diberikan, penulis sampaikan kepada: 1. Ibu Yenni Angraini, S.Si, M.Si, dan Bapak Dr. Anang Kurnia selaku dosen pembimbing skripsi 2. Ibu Dra.Itasia Dina Silvianti, M.Si selaku dosen penguji 3. Mamak, Bapak, Yuk Nana, Yuk Apri, Kak Iyen serta keluarga yang selalu memberikan semangat, doa serta dukungan 4. Sahabat-sahabat Alcatraz, Mela, Kiki dan Farah serta, Fida, Niza, Putri dan Cuwie yang selalu memberikan semangat 5. Sahabat tercinta, Arum, Endah dan Opi serta teman seperjuangan, Liara, Enha dan Aci yang dengan setia membantu penulis ketika menemui kesulitan 6. Rekan-rekan Statistika 45 7. Semua pihak yang telah membantu dalam penyelesaian skripsi ini. Demikian skripsi ini disusun. Besar harapan skripsi ini dapat bermanfaat bagi penulis dan bagi pembaca pada umumnya.
Bogor, Desember 2012
Penulis
vi
RIWAYAT HIDUP Penulis dilahirkan di Tanjung Enim pada tanggal 19 Juni 1990 dari pasangan Suharni dan Nurdalia. Penulis merupakan anak keempat dari empat bersaudara dengan nama kakak adalah Agusliana, Apriana dan Chairil Adha. Penulis telah berhasil menyelesaikan pendidikannya di Sekolah Dasar Negeri (SDN) 1 Tanjung Agung pada tahun 2002. Jenjang pendidikan selanjutnya penulis tempuh di Sekolah Menengah Pertama Negeri (SMPN) 1 Tanjung Agung dan lulus tahun 2005. Penulis menamatkan pendidikannya di Sekolah Menengah Atas Negeri (SMAN) 1 Muara Enim pada tahun 2008 dan pada tahun yang sama penulis diterima sebagai mahasiswa Departemen Statistika, Institut Pertanian Bogor (IPB) melalui Seleksi Nasional Masuk Perguruan Tinggi Nasional (SNMPTN). Selama mengikuti perkuliahan, penulis aktif dalam kepengurusan Gamma Sigma Beta (GSB) periode 2010/2011 sebagai staf Survey and Research Departement serta mengikuti beberapa kepanitiaan diantaranya IDEA 2009, Statistika Ria 2010, G-FORCE 2010, G-FORCE 2011, Lomba Jajak Pendapat Statistika 2011 serta WCS 2011. Penulis melaksanakan praktik lapang pada tanggal 13 Februari sampai 06 April 2012 Direktorat Administrasi Pendidikan Institut Pertanian Bogor.
vii
DAFTAR ISI Halaman DAFTAR TABEL .......................................................................................................................... viii DAFTAR GAMBAR ..................................................................................................................... viii DAFTAR LAMPIRAN .................................................................................................................. viii PENDAHULUAN ............................................................................................................................ 1 Latar Belakang.............................................................................................................................. 1 Tujuan ........................................................................................................................................... 1 TINJAUAN PUSTAKA ................................................................................................................... 1 Garis Kemiskinan ......................................................................................................................... 1 Analisis Data panel ....................................................................................................................... 1 Model Pengaruh Tetap ............................................................................................................. 2 Model Pengaruh Acak .............................................................................................................. 2 Analisis Spasial Data Panel .......................................................................................................... 2 Model Panel dengan Spasial Lag( SAR) .................................................................................. 2 Model Panel dengan Galat Spasial (SEM) ............................................................................... 2 Matriks Pembobot Spasial ........................................................................................................ 2 Uji Pengganda Lagrange .............................................................................................................. 3 DATA DAN METODE .................................................................................................................... 3 Data .............................................................................................................................................. 3 Metode .......................................................................................................................................... 4 HASIL DAN PEMBAHASAN ......................................................................................................... 4 Eksplorasi Data ............................................................................................................................. 4 Analisis Data Panel ....................................................................................................................... 5 Analisis Spasial Data Panel .......................................................................................................... 5 Pendugaan parameter data panel dengan SEM......................................................................... 5 Pendugaan parameter data panel dengan SAR ......................................................................... 6 Interpretasi Model ........................................................................................................................ 7 SIMPULAN ...................................................................................................................................... 8 DAFTAR PUSTAKA ....................................................................................................................... 8
viii
DAFTAR TABEL
Tabel 1 Tabel 2 Tabel 3 Tabel 4 Tabel 5 Tabel 6 Tabel 7 Tabel 8 Tabel 9
Halaman Persentase tingkat kemiskinan Provinsi Sumatera Selatan berdasarkan kabupaten/kota .... 4 Pendugaan parameter model pengaruh ............................................................................... 5 Hasil Uji LM ....................................................................................................................... 5 Pendugaan parameter model tetap ...................................................................................... 5 Uji Glesjer model pengaruh tetap ....................................................................................... 5 Pendugaan parameter model tetap ...................................................................................... 6 Uji Glesjer model pengaruh tetap ....................................................................................... 6 Ukuran kebaikan model ...................................................................................................... 7 Dugaan pengaruh kabupaten/kota ....................................................................................... 7
DAFTAR GAMBAR
Gambar 1 Gambar 2 Gambar 3 Gambar 4
Halaman Plot sisaan dengan yduga model pengaruh tetap dengan SEM ...................................... 6 Uji Kolmogorov-Smirnov model pengaruh tetap dengan SEM ...................................... 6 Plot sisaan dengan yduga model pengaruh tetap dengan SAR ........................................ 6 Uji Kolmogorov-Smirnov model pengaruh tetap dengan SAR ....................................... 7
DAFTAR LAMPIRAN Halaman Lampiran 1 Persentase Kemiskinan dan Garis Kemiskinan Kabupaten/Kota Provinsi Sumatera Selatan ........................................................................................................................ 10 Lampiran 2 Peta Provinsi Sumatera Selatan berdasarkan Tingkat Kemiskinan Nasional.............. 11 Lampiran 3 Peta Provinsi Sumatera Selatan berdasarkan Tingkat Kemiskinan Nasional dan Tingkat Kemiskinan Provinsi Sumatera Selatan ........................................................ 11 Lampiran 4 Perbandingan Model Regresi, Model Pengaruh Tetap dan Model Pengaruh Acak .... 12 Lampiran 5 Matriks Pembobot Spasial .......................................................................................... 12 Lampiran 6 Matriks Pembobot Spasial yang Dinormalisasi .......................................................... 13
1
PENDAHULUAN Latar Belakang Kemiskinan merupakan permasalahan mendasar yang menjadi perhatian pemerintah di negara manapun. BPS (2011) melakukan pengukuran kemiskinan dengan menggunakan konsep kemampuan memenuhi kebutuhan dasar (basic needs approach). Dengan pendekatan ini, kemiskinan dipandang sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan yang diukur dari sisi pengeluaran. Menurut pendekatan ini, penduduk miskin adalah penduduk yang memiliki rata-rata pengeluaran per kapita per bulan kurang dari Garis Kemiskinan (GK). Garis Kemiskinan digunakan untuk menentukan miskin atau tidaknya seseorang (BPS 2011). Jumlah dan persentase penduduk miskin di Indonesia menurun dari tahun 2004 ke 2005. Pada tahun 2006 jumlah penduduk miskin meningkat disebabkan harga barangbarang kebutuhan pokok naik tinggi dan berdampak parah pada penduduk miskin. Mulai tahun 2007 sampai 2011 jumlah maupun persentase penduduk miskin kembali mengalami penurunan (BPS 2012). Penanggulangan kemiskinan merupakan program kerja pokok pemerintah agar tercapainya Indonesia yang mandiri, maju, adil dan makmur berdasarkan UU No.17 tahun 2007. Agar hal tersebut berhasil perlu diketahui faktor-faktor apa saja yang mempengaruhi kemiskinan sehingga dapat membantu membuat kebijakan yang tepat dalam penanggulangan kemiskinan. Penelitian mengenai faktor-faktor yang mempengaruhi kemiskinan telah banyak dilakukan, salah satunya telah dilakukan oleh Amalia (2012), Pada penelitian tersebut analisis yang digunakan adalah analisis data panel. Provinsi Sumatera Selatan termasuk provinsi yang memiliki angka kemiskinan yang cukup tinggi. Berdasarkan hasil Sensus Nasional BPS 2010, Sumatera Selatan menduduki urutan ke-10 provinsi termiskin di Indonesia. Perlu dikaji faktor-faktor yang mempengaruhi kemiskinan di Provinsi Sumatera Selatan untuk menentukan kebijakan yang diambil dalam mengurangi angka kemiskinannya. Dalam penelitian ini faktorfaktor yang mempengaruhi kemiskinan dikaji dalam kurun waktu lebih dari satu periode untuk memberikan hasil yang lebih informatif dan beragam. Data panel yang merupakan gabungan dari data lintas individu dan deret waktu digunakan dalam penelitian ini.
Data yang digunakan dalam penelitian ini adalah data panel kemiskinan provinsi Sumatera Selatan. Dari data tersebut diketahui bahwa beberapa kabupaten/kota yang berdekatan memiliki tingkat kemiskinan relatif sama. Hal ini mengindikasikan adanya kemungkinan pengaruh wilayah yang berdekatan terhadap kemiskinan suatu wilayah atau terdapat pengaruh spasial. Oleh karena itu, dalam penelitian ini digunakan analisis spasial data panel. Analisis spasial data panel merupakan suatu analisis gabungan data lintas individu dan deret waktu dengan memperhitungkan pengaruh spasial. Tujuan Tujuan dari penelitian ini adalah menerapkan analisis spasial data panel untuk mengetahui faktor-faktor yang mempengaruhi kemiskinan di provinsi Sumatera Selatan.
TINJAUAN PUSTAKA Garis Kemiskinan GK merupakan penjumlahan dari Garis Kemiskinan Makanan (GKM) dan Garis Kemiskinan Non-Makanan (GKNM). GKM merupakan nilai pengeluaran kebutuhan minimum makanan yang disetarakan dengan 2100 kalori perkapita perhari, sedangkan GKNM merupakan kebutuhan minimum untuk sandang, papan, pendidikan dan kesehatan. Rumus perhitungan GK dinyatakan sebagai berikut: GK = GKM + GKNM
[1]
dimana seseorang dikatakan miskin jika pengeluaran rata-rata per kapita per bulan kurang dari GK (BPS 2008). Analisis Data panel Analisis data panel merupakan analisis gabungan antara data lintas individu dan data deret waktu. Data panel diperoleh ketika sejumlah objek diamati dari waktu ke waktu. Jika setiap unit lintas individu memiliki jumlah pengamatan deret waktu yang sama maka data panel seperti ini disebut data panel seimbang dan jika setiap unit lintas individu memiliki jumlah pengamatan deret waktu yang berbeda maka data panel seperti ini disebut data panel tak seimbang (Gujarati 2004). Model regresi data panel secara umum dapat dinyatakan sebagai berikut: π¦ππ‘ = πΌ + πβ²ππ‘ π· + πΏππ‘
[2]
2
i = 1,β¦.,N, ; t = 1,β¦.,T dengan i merupakan unit pengamatan, t merupakan unit deret waktu. Ξ± merupakan nilai suatu konstanta, Ξ² merupakan vektor berukuran K x 1, dan πππ‘ merupakan vektor peubah penjelas berukuran K X 1 untuk pengamatan ke-i pada periode waktu ke-t, K merupakan banyaknya peubah penjelas (Baltagi 2005). Model komponen sisaan satu arah untuk model regresi data panel didefinisikan pada persamaan berikut: πΏππ‘ = ππ + Ζππ‘
[3]
Sehingga model umum data panel menjadi: π¦ππ‘ = πΌ + ππ πβ² ππ‘ π· + +Ζππ‘
[4]
dimana ππ merupakan pengaruh spesifik individu yang tidak diamati dan Ζππ‘ merupakan sisaan pengamatan ke- i pada periode waktu ke-t (Baltagi 2005 ). Model Pengaruh Tetap Pada model pengaruh tetap, individu yang digunakan biasanya merupakan individu agregat atau misalnya jika hanya ingin fokus pada N individu tertentu saja. Model pengaruh tetap juga dikenal dengan Least Square Dummy Variable (LSDV), karena itu nilai pengamatan pada koefisien ππ berupa peubah dummy yang memiliki nilai berbeda-beda untuk setiap individu ke-i (Baltagi 2005). Pendugaan parameter pada model pengaruh tetap salah satunya menggunakan penduga within, persamaan [4] dirata-ratakan untuk keseluruhan waktu sehingga diperoleh persamaan: π¦π. = πΌ + πβ²π. π· + ππ + Ζπ.
[5]
kemudian dengan mengurangkan persamaan [4] dengan persamaan [5] (within transformation) diperoleh persamaan: π¦ππ‘ β π¦π. = πβ²ππ‘ β πβ²π. π· + (Ζππ‘ β Ζπ. )
[6]
Penduga Ξ² diduga dengan menggunakan Metode Kuadrat Terkecil (MKT), sehingga diperoleh : ββ²
β π = (πππ‘ πππ‘β )β1 (πββ² ππ‘ π¦ππ‘ )
[7]
dengan πππ‘β = πβ²ππ‘ β πβ²π. dan π¦ππ‘β = π¦ππ‘ β π¦π. Model Pengaruh Acak Pada model pengaruh acak, individu yang digunakan merupakan individu yang dipilih secara acak dari populasi yang besar (Baltagi 2005). Pada persamaan [4], Οi pada model
pengaruh tetap bersifat tetap (fixed) sedangkan pada model pengaruh acak Οi~bsi(0, ππ2 ) sehingga model pengaruh acak menjadi: π¦ππ‘ = πΌ + πππ‘ π· + ππ + Ζππ‘
[8]
dimana Ζππ‘ merupakan sisaan pengamatan kei pada periode waktu ke-t. Pendugaan Ξ² menggunakan metode kuadrat terkecil terampat (Generilized Least Square) (Gujarati 2004). Analisis Spasial Data Panel Analisis spasial data panel merupakan gabungan data lintas individu dan deret waktu dengan memperhitungkan pengaruh spasial. Panel spasial merujuk pada data yang mengandung pengamatan deret waktu pada jumlah unit-unit spasial (kode pos, kabupaten, wilayah, negara dan sebagainya) secara khusus. Saat menetapkan interaksi antara unitunit spasial, model dapat mengandung peubah dependen spasial lagged atau proses spasial autoregresif pada galat, hal ini dikenal sebagai model spasial lag (SAR) dan model galat spasial (SEM) (Elhosrt 2010). Model Panel dengan Spasial Lag( SAR) Pada model spasial lag, peubah respon bergantung pada pengamatan peubah respon pada unit-unit tetangga. Model spasial lag dinyatakan sebagai berikut: π¦ππ‘β = π
π π =1 π€ππ
π¦ππ‘β + πβππ‘ π· + ππ + πππ‘
[9]
dengan Ξ» adalah koefisien spasial autoregresif dan π€ππ adalah elemen pada matriks pembobot spasial. Pendugaan parameternya menggunakan penduga kemungkinan maksimum (Elhorst 2010). Model Panel dengan Galat Spasial (SEM) Pada model ini, fokusnya terdapat pada bentuk sisaannya. Model galat spasial dinyatakan sebagai berikut: π¦ππ‘β = πβππ‘ π· + ππ + πππ‘ πππ‘ = π
π π =1 π€ππ πππ‘
+ πππ‘
[10] [11]
dimana πππ‘ merupakan galat autokorelasi spasial dan Ο merupakan koefisien autokorelasi spasial. Pendugaan parameternya menggunakan penduga kemungkinan maksimum (Elhorst 2010). Matriks Pembobot Spasial Matriks pembobot meringkas hubungan spasial pada data. Diagonal utama dari matriks
3
ini berisi nilai nol. Baris ke-i menunjukkan hubungan observasi ke-i terhadap observasi lainnya. Karena matriks pembobot menunjukan hubungan antara keseluruhan observasi, maka dimensi dari matriks ini adalah NxN, dimana N adalah banyaknya observasi (Dubin 2009 ). Matriks pembobot dapat dibentuk berdasarkan beberapa konsep diantaranya, persinggungan (contiguity), kedalaman dari permukaan laut, transportasi wilayah, jarak terhadap pusat kota dan jarak ekonomi. Pada konsep persinggungan ada tiga tipe persinggungan, antara lain: 1. Benteng Catur (Rook Contiguity) Konsep dari benteng catur adalah setiap wilayah yang bersinggungan di sisi baik utara, selatan, timur dan barat dari daerah yang diamati adalah tetangga dan diberikan nilai 1. Sedangkan untuk lainnya 0. 2. Gajah Catur (Bishop Contiguity) Konsep dari gajah catur adalah setiap wilayah yang bersinggungan sudut dari daerah yang diamati adalah tetangga dan diberikan nilai 1. Sedangkan untuk lainnya 0. 3. Ratu Catur (Queen Contiguity) Konsep dari gajah catur adalah setiap wilayah yang bersinggungan sisi baik di utara, selatan, timur dan barat serta sudut dari daerah yang diamati adalah tetangga dan diberikan nilai 1. Sedangkan untuk lainnya 0 Setelah menentukan matriks pembobot spasial yang akan digunakan, selanjutnya dilakukan normalisasi pada matriks pembobot spasial tersebut. Pada umumnya, untuk normalisasi matriks digunakan normalisasi baris (rownormalize). Artinya, matriks tersebut ditransformasi sehingga jumlah dari masingmasing baris matriks menjadi sama dengan satu (Dubin 2009). Uji Pengganda Lagrange Salah satu uji yang digunakan untuk mengetahui adanya efek interaksi spasial adalah Uji Pengganda Lagrange. Hipotesis Uji Pengganda Lagrange: 1. Model autoregresi spasial H0 : Ξ» = 0 (tidak ada ketergantungan autoregresi spasial) H1 : Ξ» β 0 (ada ketergantungan autoregresi spasial) 2. Model galat spasial H0 : Ο = 0 (tidak ada ketergantungan galat spasial) H1 : Ο β 0 ada ketergantungan galat
spasial) Statistik Uji Pengganda Lagrange: πΏππ = πΏππ =
[πβ² (π°π»
ο πΎ)π/π 2 ]2
[12]
π½ [πβ² (π°π»
ο πΎ)π/π 2 ]2
[13]
ππ₯ ππ€
dimana πΏππ dan πΏππ merupakan statistik uji pengganda Lagrange model autoregresi spasial dan model galat spasial secara berturut-turut, ο merupakan simbol perkalian Kronecker, π°π» matriks identitas berukuran TxT, e merupakan vektor sisaan dari model data panel, W matriks pembobot yang telah dinormalisasi dan π2 merupakan kuadrat tengah galat pada model data panel. J dan TW didefinisikan sebagai berikut: π1 = π°π» ο πΎ πΏπ· π2 = (π°π΅π» β πΏ πΏβ² πΏ π½ =
1 π2
[14] β1
πΏβ²
[πβ²π ππ ππ + πππ π 2 ]
ππ€ = π‘π(πΎπΎ + πΎβ²πΎ)
[15] [16] [19]
dengan tr merupakan teras matriks. Keputusan tolak H0 jika nilai Statistik Lagrange lebih besar dari Ο2(π) dimana q=1 (q merupakan banyaknya parameter spasial) atau nilai p < Ξ± (Elhorst 2010).
DATA DAN METODE Data Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari BPS periode tahun 2006-2010. Unit amatan pada penelitian ini yaitu 14 kabupaten/kota di Provinsi Sumatera Selatan. Peubah respon yang adalah tingkat kemiskinan (Y) dengan empat peubah bebas. Keempat peubah bebas tersebut antara lain: 1. Angka melek huruf (X1) , Angka melek huruf adalah proporsi seluruh penduduk (miskin dan tidak miskin) berusia 15 tahun keatas yang dapat membaca huruf latin dan lainnya (BPS 2009). 2. Tingkat pengangguran terbuka (X2) Tingkat pengangguran terbuka merupakan persentase jumlah penganggur terhadap angkatan kerja (BPS 2011). 3. Jumlah Penduduk (X3)
4
4.
5.
6.
Tingkat partisipasi angkatan kerja (X4) Tingkat partisipasi angkatan kerja merupakan proporsi antara angkatan kerja dengan penduduk usia kerja. Penduduk usia kerja adalah penduduk yang berusia 15 tahun atau lebih. Sedangkan angkatan kerja adalah tenaga kerja yang aktif secara ekonomi baik yang bekerja maupun yang sedang mencari pekerjaan (BPS 2009). Pertumbuhan ekonomi (X5) Pertumbuhan ekonomi menunjukkan pertumbuhan produksi barang dan jasa di suatu wilayah perekonomian dan dalam selang waktu tertentu (BPS 2011). Penerimaan Pajak (X6)
Pemilihan peubah bebas yang digunakan adalah berdasarkan isu strategis dalam Rencana Pembangunan Jangka Menengah Daerah (RPJMD) Provinsi Sumatera Selatan tahun 2008-2013 serta penelitian sebelumnya yaitu penelitian Amalia (2012) mengenai faktor-faktor yang mempengaruhi kemiskinan di NTT. Dari penelitian tersebut, peubah bebas tersebut merupakan peubah-peubah yang berpengaruh terhadap kemiskinan. Metode Tahapan-tahapan yang dilakukan dalam penelitian ini adalah: 1. Melakukan eksplorasi data untuk melihat karakteristik data secara umum 2. Melakukan analisis data panel 3. Melakukan analisis spasial data panel a. Menentukan matriks pembobot spasial b. Melakukan uji pengganda Lagrange untuk menentukan model SAR atau model SEM yang digunakan c. Menduga parameter spasial data panel d. Melakukan pengujian asumsi 4. Melakukan interpretasi model
HASIL DAN PEMBAHASAN Eksplorasi Data Persentase kemiskinan serta garis kemiskinan kabupaten/kota Provinsi Sumatera Selatan untuk tahun 2006 sampai 2010 dapat dilihat pada Lampiran 1. Persentase kemiskinan merupakan proporsi jumlah penduduk miskin dengan total jumlah penduduk. Penduduk dikatakan miskin jika rata-rata pengeluarannya kurang dari GK. Secara umum, GK untuk tahun 2007 dan 2008 mengalami penurunan dan mengalami
peningkatan untuk tahun 2009 dan 2010. Persentase kemiskinan secara umum mengalami peningkatan dari tahun 2006 ke 2007, akan tetapi untuk tahun-tahun berikutnya mengalami penurunan. Persentase rata-rata kemiskinan Provinsi Sumatera Selatan dapat dilihat pada Tabel 1. Kabupaten Musi Banyu Asin, Musi Rawas, dan Lahat adalah daerah dengan rata-rata kemiskinan tertinggi. Ketiga daerah tersebut merupakan kawasan tertinggal yaitu kawasan yang memiliki keterbatasan sumberdaya dan atau aksesibilitas sehingga tidak dapat memanfaatkan ataupun menangkap peluang ekonomi yang ada (BAPPEDA 2009). Tabel
1
Persentase tingkat kemiskinan Provinsi Sumatera Selatan berdasarkan kabupaten/kota Persentase Kabupaten/Kota rata-rata kemiskinan Kab. Musi Banyu Asin
30.6%
Kab. Musi Rawas
29.5%
Kab. Lahat
26.2%
Kab.Ogan Komering Ilir
21.9%
Kab. Ogan Ilir
20.2%
Kab. Muara Enim
19.7%
Kab. Banyu Asin
17.5%
Kab.Ogan Komering Ulu Selatan
17.3%
Kota Lubuklinggau
16.2%
Kab.Ogan Komering Ulu
16.0%
Kab.Ogan Komering Ulu Timur
15.4%
Kota Palembang
11.9%
Kota Prabumulih
11.8%
Kota Pagar Alam
11.4%
Kota Palembang, Kota Prabumulih dan Kota Pagar Alam merupakan daerah yang memiliki angka kemiskinan terendah. Kota Palembang merupakan pusat kota yang mempunyai lokasi strategis dalam meningkatkan pertumbuhan ekonominya. Kota Prabumulih merupakan penyedia barang pokok untuk pusat kota sehingga sektor perdagangan, hotel dan restoran berkembang pesat. Kota Pagar Alam memiliki tanah yang mengandung kesuburan yang tinggi sehingga menjadi daerah penghasil sayur-mayur dan buahbuahan serta menjadi salah satu sub terminal agribisnis di Provinsi Sumatera Selatan (BAPPEDA 2009).
5
Peta Provinsi Sumatera Selatan dapat dilihat pada Lampiran 1. Pada peta tersebut juga dapat dilihat beberapa kabupaten/kota yang berdekatan memiliki tingkat kemiskinan relatif sama. Hal ini mengindikasikan adanya kemungkinan pengaruh wilayah yang berdekatan terhadap kemiskinan suatu wilayah atau terdapat pengaruh spasial. Analisis Data Panel Hasil pendugaan model regresi, model pengaruh tetap dan model pengaruh acak dapat dilihat pada Lampiran 2. Individu / unit amatan yang digunakan dalam penelitian ini adalah keseluruhan kabupaten / kota yang ada di Provinsi Sumatera Selatan. Tabel 2 Pendugaan parameter model pengaruh tetap Peubah Koefisien Nilai-p C 1.264 0.042* X1 -1.411 0.015* X2 0.643 0.009* X3 2.394 0.363 X4 0.209 0.246 X5 -0.055 0.994 X6 -0.628 0.003* R2 82.99% *nyata pada Ξ± = 5%
Berdasarkan Baltagi (2005), jika individu yang diamati merupakan individu agregat / keseluruhan maka model panel yang digunakan adalah model pengaruh tetap. Sehingga model panel yang digunakan pada penelitian ini adalah model pengaruh tetap. Hasil pendugaan model pengaruh tetap dapat dilihat pada Tabel 2. Ada 3 peubah yang berpengaruh nyata yaitu X1, X2, dan X6 pada taraf nyata 5%. R2 yang dihasilkan adalah sebesar 82.99%. Analisis Spasial Data Panel Tahap pertama yang dilakukan pada analisis ini adalah menguji ada atau tidaknya interaksi spasial dengan menggunakan uji Pengganda Lagrange (LM). Pada uji ini, terdapat dua uji yang dilakukan yaitu uji pengaruh lag spasial (SAR) dan uji pengaruh galat spasial (SEM). Sebelum dilakukan uji LM terlebih dahulu menentukan matriks pembobot dan menormalisasikannya. Berdasarkan hasil eksplorasi data, matriks pembobot yang digunakan pada penelitian ini adalah matriks pembobot ratu catur (queen contiguity). Matriks pembobot spasial dan normalisasinya dapat dilihat pada Lampiran 4 dan Lampiran 5.
Tabel 3 Hasil Uji LM Uji Nilai LM SAR 4.458 SEM 7.227
Ο(1) 3.814 3.814
Nilai-p 0.034* 0.007*
*nyata pada Ξ± = 5%
Hasil Uji LM dapat dilihat pada Tabel 3. Nilai-p yang dihasilkan pada tabel tersebut mengindikasikan terdapat pengaruh lag spasial dan pengaruh galat spasial pada taraf nyata 5%. Oleh karena itu, selanjutnya akan dilakukan pendugaan model pengaruh tetap dengan SAR dan SEM. Pendugaan parameter data panel dengan SEM Hasil pendugaan parameter model tetap dengan SEM dapat dilihat pada Tabel 4. Dari tabel tersebut dapat dilihat bahwa hanya koefisien X1, X2 , X6 dan Ο berpengaruh nyata sedangkan X3, X4 dan X5 tidak berpengaruh nyata pada taraf nyata 5%. R2 yang dihasilkan adalah sebesar 86.09%. Tabel 4 Pendugaan parameter model tetap dengan SEM Peubah Koefisien Nilai-p X1 -1.313 0.004* X2 0.422 0.049* X3 2.456 0.252 X4 0.142 0.229 X5 0.635 0.806 X6 0.189 0.002* Ο 0.4167 0.001* R2 86.09% *nyata pada Ξ± = 5%
Setelah diperoleh model spasial data panel yaitu model pengaruh tetap dengan SEM maka langkah selanjutnya adalah melakukan pengujian asumsi. Asumsi yang diuji antara lain autokorelasi, kehomogenan ragam dan kenormalan. Tabel 5 Uji Glesjer model pengaruh tetap dengan SEM Peubah Nilai-p C 0.060* X1 0.049* X2 0.836 X3 0.050* X4 0.615 X5 0.750 X6 0.046* *nyata pada Ξ± = 5%
Uji kehomogenan ragam menggunakan uji Gletsjer. Pada uji ini, absolut dari sisaan diregresikan dengan peubah bebas. Apabila ada peubah bebas yang berpengaruh nyata
6
maka terjadi keheterogenan ragam dan sebaliknya. Berdasarkan hasil uji Gletsjer pada Tabel 5 dapat dilihat bahwa ada tiga peubah bebas yang berpengaruh nyata pada taraf nyata 5%. Hal ini mengindikasikan terjadi keheterogenan ragam. Gambar 1 merupakan plot antara sisaan dengan yduga. Dari gambar tersebut dapat dilihat plot membentuk pola kuadratik sehingga dapat dikatakan terjadi autokorelasi.
Tabel 6 Pendugaan parameter model tetap dengan SAR Peubah Koefisien Nilai-p X1 -1.313 0.006* X2 0.422 0.062 X3 2.456 0.321 X4 0.142 0.279 X5 0.635 0.815 X6 0.189 0.000* Ξ» 0.4167 0.000* R2 88.82%
0.04
*nyata pada Ξ± = 5%
-0.02
0.00
0.02
Setelah diperoleh model spasial data panel yaitu model pengaruh tetap dengan SAR maka langkah selanjutnya adalah melakukan pengujian asumsi. Asumsi yang diuji antara lain autokorelasi, kehomogenan ragam dan kenormalan.
-0.08
-0.06
-0.04
sisaan
pada taraf nyata 5%. R2 yang dihasilkan adalah sebesar 88.82%.
0.05
0.10
0.15
0.20
0.25
0.30
0.35
yduga
Gambar 1 Plot sisaan dengan yduga model pengaruh tetap dengan SEM
*nyata pada Ξ± = 5%
Uji kenormalan sisaan menggunakan uji Kolmogorov-Smirnov (KS). Berdasarkan hasil uji KS pada Gambar 2 diperoleh nilai-p > 0.150, yang artinya sisaan menyebar normal pada taraf nyata 5%. Pendugaan parameter data panel dengan SAR Hasil pendugaan parameter model tetap dengan SAR dapat dilihat pada Tabel 6. Dari tabel tersebut dapat dilihat bahwa koefisien X1, X6 dan Ξ» berpengaruh nyata sedangkan X2, X3, X4 dan X5 tidak berpengaruh nyata
0.00 -0.04 -0.06
Gambar 2 Uji Kolmogorov-Smirnov model pengaruh tetap dengan SEM
-0.02
sisaan
0.02
0.04
0.06
KS 0.074 Nilai-p > 0.150
Tabel 7 Uji Glesjer model pengaruh tetap dengan SAR Peubah Nilai-p C 0.005* X1 0.009* X2 0.204 X3 0.195 X4 0.051 X5 0.669 X6 0.290
0.05
0.10
0.15
0.20
0.25
0.30
0.35
yduga
Gambar 3 Plot sisaan dengan yduga model pengaruh tetap dengan SAR Uji kehomogenan ragam menggunakan uji Gletsjer. Berdasarkan hasil uji Gletsjer pada Tabel 7 dapat dilihat bahwa ada dua peubah bebas yang berpengaruh nyata pada taraf nyata 5%. Hal ini mengindikasikan terjadi keheterogenan ragam.
7
Gambar 3 merupakan plot antara sisaan dengan yduga. Dari gambar tersebut dapat dilihat plot membentuk pola kuadratik sehingga dapat dikatakan terjadi autokorelasi.
KS 0.062 Nilai-p > 0.150
Gambar 4 Uji Kolmogorov-Smirnov model pengaruh tetap dengan SAR Uji kenormalan sisaan menggunakan uji Kolmogorov-Smirnov (KS). Berdasarkan hasil uji KS pada Gambar 4 diperoleh nilai-p > 0.150, yang artinya sisaan menyebar normal pada taraf nyata 5%. Interpretasi Model Kemiskinan suatu wilayah tidak lepas dari pengaruh kemiskinan di wilayah sekitarnya, oleh karena itu model yang cocok digunakan untuk kasus ini adalah model pengaruh tetap dengan SAR. Hal ini juga didukung dengan nilai AIC dan R2 yang diperoleh. Model dikatakan lebih baik jika nilai AIC-nya kecil dan R2 besar. Pada Tabel 8 dapat dilihat bahwa nilai AIC untuk SAR lebih kecil dibandingkan SEM dan nilai R2 SAR lebih besar dibandingkan SEM. Berdasarkan hal-hal tersebut maka model yang lebih baik untuk memodelkan kemiskinan di Provinsi Sumatera Selatan adalah model pengaruh tetap dengan SAR dengan dua peubah bebas yang berpengaruh nyata yaitu X1 dan X6. Tabel 8 Ukuran kebaikan model SEM AIC -199.839 R2 86.09%
SAR -206.385 88.82%
Model pengaruh tetap dengan SAR sebagai berikut : π¦ππ‘ = 0.499 π π =1 π€ππ π¦ππ‘ β 1.608π1ππ‘ β 0.559π6ππ‘ + Ζππ‘ Model diatas memiliki nilai konstanta yang berbeda-beda untuk setiap wilayah karena adanya pengaruh cross-section (Οi) yang nilainya dapat dilihat pada Tabel 9. R2 yang dihasilkan dari model tersebut adalah
sebesar 88.23%. Artinya, keragaman kemiskinan yang dapat dijelaskan oleh model adalah sebesar 88.23%, sedangkan sisanya dijelaskan oleh faktor-faktor yang tidak dimasukkan ke dalam model. Koefisien angka melek huruf (X1) diperoleh sebesar -1.608 yang artinya untuk suatu wilayah ke-i pada periode waktu ke-t jika terjadi kenaikan angka melek huruf sebesar satu persen akan menurunkan persentase tingkat kemiskinannya sebesar 1.608 % dengan asumsi peubah yang lain dianggap tetap. Hal ini berarti bahwa semakin banyak masyarakat yang tidak buta huruf dapat megurangi angka kemiskinan. Karena dengan bisa membaca dapat menambah wawasan serta meningkatkan kualitas masyarakat yang akhirnya dapat mengurangi angka kemiskinan. Koefisien penerimaan pajak (X6) diperoleh sebesar -0.559. Artinya untuk suatu wilayah ke-i pada periode waktu ke-t jika terjadi kenaikkan penerimaan pajak sebesar satu persen akan menurunkan persentase tingkat kemiskinannya sebesar 0.559% dengan asumsi peubah yang lain dianggap tetap. Tabel 9 Dugaan pengaruh kabupaten/kota Kabupaten/kota
Pengaruh
Ogan Komering Ulu
0.056
Ogan Komering Ilir
-0.075
Muara Enim
-0.001
Lahat
0.141
Musi Rawas
0.155
Musi Banyu Asin
0.204
Banyu Asin
-0.089
Ogan Komering Ulu Selatan
0.013
Ogan Komering Ulu Timur
-0.094
Ogan Ilir
0.060
Palembang
-0.421
Prabumulih
0.009
Pagar Alam
0.012
Lubuklinggau
0.029
Koefisien Ξ» yang dihasilkan sebesar 0.499. Hal ini berarti jika suatu wilayah yang dikelilingi oleh wilayah lain sebanyak n, maka pengaruh dari masing-masing wilayah yang mengelilinginya sebesar 0.499 dikalikan ratarata kemiskinan di sekelilingnya.
8
SIMPULAN Model pengaruh tetap dengan SAR lebih baik digunakan untuk diterapkan pada kasus kemiskinan di Provinsi Sumatera Selatan dibandingkan dengan model pengaruh tetap dengan SEM. Terdapat dua peubah bebas yang berpengaruh pada model tersebut yaitu angka melek huruf dan penerimaan pajak. Model tersebut memiliki R2 sebesar 88.23%.
DAFTAR PUSTAKA Alkaf Y. 2009. Visi, Misi dan Program Kerja Pasangan SBY-Boediono 2009-2014 [terhubungberkala].http://yasiralkaf.word press.com/2009/06/26/visi-misi-danprogram-kerja-pasangan-sby-boediono2009-2014/. [3 Oktober 2012] Amalia R. 2012. Analisis Faktor-Faktor yang Mempengaruhi Kemiskinanan NTT [skripsi]. Bogor : Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Anselin L. 1999. Spatial econometrics. Dallas: University of Texas. Baltagi BH. 2005. Econometrics Analysis of Data Panel. Ed ke-3. England : John Wiley and Sons, LTD. [Bappeda] Badan Perencanaan Pembangunan Daerah. 2009. Rencana Pembangunan Jangka Menengah Daerah Provinsi Sumatera Selatan Tahun 2008-2013. Palembang : Badan Perencanaan Pembangunan Daerah
[BPS] Badan Pusat Statistik. 2008. Analisis dan Perhitungan Tingkat Kemiskinan 2008 . Jakarta : Badan Pusat Statistik. [BPS] Badan Pusat Statistik. 2004. Indikator Kemiskinan dan Pembangunan Manusia. Jakarta : Badan Pusat Statistik. [BPS] Badan Pusat Statistik. 2009. Laporan Perekonmian Sumatera Selatan 2009. Jakarta : Badan Pusat Statistik. [BPS] Badan Pusat Statistik. 2011. Data Strategis BPS. Jakarta : Badan Pusat Statistik. [BPS] Badan Pusat Statistik. 2012. Profil Kemiskinan di Indonesia September 2011. Jakarta : Badan Pusat Statistik. Dubin R. 2009. Spatial Weight. Foteringham AS, PA Rogerson, editor, handbook of Spatial Analysis. London: Sage Publications. Elhorst JP. 2010. Spatial Data panel Models. Fiscer MM, A.Getis, editor, Handbook of Applied Spatial Analysis. New York: Springer. Gujarati DN. 2004. Basic Econometrics 4th Edition. New York: The McGraw-Hil Companies. Susanto H. 2010. 10 Propinsi Paling Miskin di Indonesia [terhubung berkala]. http://bisnis.news.viva.co.id/news/read/17 3118-10-propinsi-paling-miskin-diindonesia. [31 Oktober 2012]
9
LAMPIRAN
10
Lampiran 1 Persentase Kemiskinan dan Garis Kemiskinan Kabupaten/Kota Provinsi Sumatera Selatan Tahun 2006 Kabupaten/Kota
2007
Persentase Kemiskinan
Garis Kemiskinan (Rp)
Ogan Komering Ulu
17.80%
Ogan Komering Ilir
2008
2009
2010 Garis Garis Persentase Persentase Kemiskinan Kemiskinan Kemiskinan Kemiskinan (Rp) (Rp)
Persentase Kemiskinan
Garis Kemiskinan (Rp)
Persentase Kemiskinan
Garis Kemiskinan (Rp)
165070
17.59%
131969
17.80%
152548
14.64%
189810
12.28%
253307
25.93%
180486
24.47%
130382
25.93%
148949
17.67%
173700
15.98%
213543
Muara Enim
21.88%
181651
22.03%
148238
21.88%
167525
17.98%
210095
14.51%
225807
Lahat
29.67%
168011
29.57%
142743
29.67%
181992
23.21%
208836
19.02%
260227
Musi Rawas
34.49%
183581
34.82%
150947
34.49%
188164
24.27%
220070
19.38%
268257
Musi Banyu Asin
35.52%
172180
36.28%
156742
35.52%
154398
25.45%
238773
20.06%
275807
Banyu Asin
19.81%
153640
20.22%
133069
19.81%
134521
15.38%
212328
12.39%
235431
Ogan Komering Ulu Selatan
21.06%
165070
18.42%
113654
21.06%
143400
14.56%
162100
11.53%
199259
Ogan Komering Ulu Timur
18.26%
165070
18.38%
119651
18.26%
172179
12.12%
177015
9.81%
191232
Ogan Ilir
22.67%
180486
23.75%
140912
22.67%
169975
17.78%
205432
13.97%
253074
Palembang
9.23%
210381
9.35%
147221
9.23%
157754
16.66%
244233
15.00%
315634
Prabumulih
9.33%
167307
11.83%
134202
9.33%
130053
15.39%
240418
12.93%
318521
Pagar Alam
11.88%
142196
13.20%
120466
11.88%
174863
10.23%
163329
9.81%
213574
Lubuklinggau
16.01%
168993
16.11%
163379
16.01%
174863
17.36%
265922
15.30%
288609
11
Lampiran 2 Peta Provinsi Sumatera Selatan berdasarkan Tingkat Kemiskinan Nasional
Lampiran 3 Peta Provinsi Sumatera Selatan berdasarkan Tingkat Kemiskinan Nasional dan Tingkat Kemiskinan Provinsi Sumatera Selatan
12
Lampiran 4 Perbandingan Model Regresi, Model Pengaruh Tetap dan Model Pengaruh Acak Model Regresi
Model Pengaruh Tetap
Model Pengaruh Acak
Koefisien
Nilai-p
Koefisien
Nilai-p
Koefisien
Nilai-p
C X1
1.522
0.045*
1.264
0.042*
1.506
0.083*
-1.721
0.024*
-1.411
0.015*
-1.646
0.029*
X2
0.105
0.715*
0.643
0.009*
0.455
0.040*
X3
-0.129
0.511
2.394
0.363
0.035
0.901
X4
0.431
0.023*
0.209
0.246
0.428
0.007*
X5
0.275
0.751
-0.055
0.994
-0.637
0.366
X6
0.544
0.001*
-0.628
0.003*
-0.029
2
R
38.21%
0.849
82.99%
63.59%
*nyata pada taraf nyata 5%
Kab.Ogan Komering Ulu
Kab.Ogan Komering Ilir
kab. Muara Enim
kab. Lahat
kab. Musi Rawas
kab. Musi Banyu Asin
kab. Banyu Asin
Kab.Ogan Komering Ulu Selatan
Kab.Ogan Komering Ulu Timur
kab. Ogan Ilir
kab. Palembang
kab. Prabumulih
kab. Pagar Alam
kab. Lubuklinggau
Lampiran 5 Matriks Pembobot Spasial
Kab.Ogan Komering Ulu
0
0
1
0
0
0
0
1
1
1
0
0
0
0
Kab.Ogan Komering Ilir
0
0
0
0
0
0
1
0
1
1
0
0
0
0
Kab. Muara Enim
1
0
0
1
1
1
1
1
0
1
1
1
0
0
Kab. Lahat
0
0
1
0
1
0
0
0
0
0
0
0
1
0
Kab. Musi Rawas
0
0
1
1
0
1
0
0
0
0
0
0
0
1
Kab. Musi Banyu Asin
0
0
1
0
1
0
1
0
0
0
0
0
0
0
Kab. Banyu Asin
0
1
1
0
0
1
0
0
0
1
1
0
0
0
Kab.Ogan Komering Ulu Selatan
1
0
1
0
0
0
0
0
1
0
0
0
0
0
Kab.Ogan Komering Ulu Timur
1
1
0
0
0
0
0
1
0
1
0
0
0
0
Kab. Ogan Ilir
1
1
1
0
0
0
1
0
1
0
1
1
0
0
Kota. Palembang
0
0
1
0
0
0
1
0
0
1
0
0
0
0
Kota Prabumulih
0
0
1
0
0
0
0
0
0
1
0
0
0
0
Kota Pagar Alam
0
0
1
1
0
0
0
0
0
0
0
0
0
0
Kota Lubuklinggau
0
0
0
0
1
0
0
0
0
0
0
0
0
0
13
kab. Ogan Ilir
kab. Palembang
kab. Prabumulih
kab. Pagar Alam
kab. Lubuklinggau
0
1/4
0
0
0
0
1/4
1/4 1/4
0
0
0
0
Kab.Ogan Komering Ilir
0
0
0
0
0
0
1/3
0
1/3 1/3
0
0
0
0
1/9
0
0
1/9 1/9
1/9
0
1/9
1/9 1/9
0
0
Kab. Lahat
0
0
1/3
0
1/3
0
0
0
0
0
0
0
1/3
0
Kab. Musi Rawas
0
0
1/4
1/4
0
1/4
0
0
0
0
0
0
0
1/4
Kab. Musi Banyu Asin
0
0
1/3
0
1/3
0
1/3
0
0
0
0
0
0
0
Kab. Banyu Asin
0
1/5 1/5
0
0
1/5
0
0
0
1/5
1/5
0
0
0
0
0
1/3
0
0
0
0
0
0
0
0
0
1/7 1/7
0
0
Kab. Muara Enim
kab. Banyu Asin
kab. Musi Rawas
kab. Lahat
kab. Muara Enim
kab. Musi Banyu Asin
0
Kab.Ogan Komering Ilir
Kab.Ogan Komering Ulu
Kab.Ogan Komering Ulu
Kab.Ogan Komering Ulu Timur
Kab.Ogan Komering Ulu Selatan
Lampiran 6 Matriks Pembobot Spasial yang Dinormalisasi
1/9 1/9
Kab.Ogan Komering Ulu Selatan
1/3
0
1/3
0
0
0
Kab.Ogan Komering Ulu Timur
1/4 1/4
0
0
0
0
0
1/4
0
1/4
1/7 1/7 1/7
0
0
0
1/7
0
1/7
0
Kab. Ogan Ilir Kota. Palembang
0
0
1/3
0
0
0
1/3
0
0
1/3
0
0
0
0
Kota Prabumulih
0
0
1/2
0
0
0
0
0
0
1/2
0
0
0
0
Kota Pagar Alam
0
0
1/2
1/2
0
0
0
0
0
0
0
0
0
0
Kota Lubuklinggau
0
0
0
0
1
0
0
0
0
0
0
0
0
0
