REGRESI TERBOBOTI GEOGRAFIS UNTUK ANALISIS PENDAPATAN ASLI DAERAH KABUPATEN/KOTA DI PROVINSI ACEH
HANIFATUN NUFUSIA
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Regresi Terboboti Geografis untuk Analisis Pendapatan Asli Daerah Kabupaten/kota di Provinsi Aceh adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, September 2013 Hanifatun Nufusia NIM G14090095
ABSTRAK HANIFATUN NUFUSIA. Regresi Terboboti Geografis untuk Analisis Pendapatan Asli Daerah Kabupaten/kota di Provinsi Aceh. Dibimbing oleh AAM ALAMUDI dan DIAN KUSUMANINGRUM. Pendapatan Asli Daerah (PAD) merupakan salah satu sumber pendapatan yang penting yang harus dimanfaatkan secara optimal agar tidak selalu bergantung kepada bantuan dari pemerintah pusat dan pemerintah daerah provinsi. PAD kabupaten/kota di Aceh terdapat ketergantungan spasial dan keragaman spasial. Adanya ketergantungan spasial dan keragaman spasial dapat diatasi dengan Regresi Terboboti Geografis (RTG). Model RTG dengan pembobot kernel Gaussian mengelompokkan kabupaten/kota di Aceh menjadi tujuh kelompok berdasarkan peubah bebas yang berkaitan dengan PAD kabupaten/kota. Secara keseluruhan, peubah bebas yang berkaitan dengan PAD kabupaten/kota di Aceh yaitu jumlah penduduk, jumlah hotel, jumlah obyek wisata, jumlah industri besar dan sedang, PDRB per kapita, dan jumlah wisatawan. Peubah yang memiliki kontribusi terbesar terhadap PAD kabupaten/kota di Aceh yaitu jumlah hotel, jumlah obyek wisata, dan jumlah industri besar dan sedang. Nilai R2 model RTG keseluruhan sebesar 83.81%, sedangkan nilai R2 model RTG tiap kabupaten/kota berkisar 73.17% - 85.89%. Kata kunci: kernel Gaussian, PAD, RTG
ABSTRACT HANIFATUN NUFUISA. Geographically Weighted Regression for Original Local Government Revenue of a Regency/municipality Analysis in Province of Aceh. Supervised by AAM ALAMUDI and DIAN KUSUMANINGRUM. Original Local Government Revenue (PAD) is one of the important sources of income that has to be used optimally in order to decrease the dependency aid towards the central government and the provincial government. PAD of a regency/municipality in Aceh are influenced by spatial dependence and spatial heterogenity. Spatial dependence and spatial heterogenity can be overcome by using Geographically Weighted Regression (GWR). GWR models with Gaussian kernel weighted grouped regency/municipality in Aceh into seven groups based on the independent variables associated with the PAD of a regency/municipality. Overall, the independent variables associated with PAD of a regency/municipality in Aceh are the total population, the number of hotels, the number of tourist attraction, the number of large and medium industries, per capita GRDP, and the number of tourists. Variables that have the highest contribution to the PAD of a regency/municipality in Aceh are the number of hotels, number of tourist attraction, and the number of large and medium industries. The R2 value of the overall GWR models is 83.81%, while the R2 value of the GWR models for each regency/muncipality ranges from 73.17%-85.89%. Keywords: GWR, kernel Gaussian, PAD
REGRESI TERBOBOTI GEOGRAFIS UNTUK ANALISIS PENDAPATAN ASLI DAERAH KABUPATEN/KOTA DI PROVINSI ACEH
HANIFATUN NUFUSIA
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
Judul Skripsi : Regresi Terboboti Geografis untuk Analisis Pendapatan Asli Daerah Kabupaten/kota di Provinsi Aceh Nama : Hanifatun Nufusia NIM : G14090095
Disetujui oleh
Ir Aam Alamudi, MSi Pembimbing I
Dian Kusumaningrum, SSi, MSi Pembimbing II
Diketahui oleh
Dr Ir Hari Wijayanto, MSi Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah yang berjudul Regresi Terboboti Geografis untuk Analisis Pendapatan Asli Daerah Kabupaten/kota di Provinsi Aceh ini berhasil diselesaikan. Karya ilmiah ini disusun sebagai salah satu syarat untuk mendapat gelar Sarjana Statistika di Departemen Statistika, Fakultas Maematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Terima kasih penulis ucapkan kepada Bapak Ir Aam Alamudi, MSi dan Ibu Dian Kusumaningrum, SSi, MSi selaku dosen pembimbing yang dengan sabar memberikan bimbingan, pengarahan, saran dan ilmu kepada penulis. Penulis juga menyampaikan terima kasih kepada Bapak Ir Mohammad Masjkur, MS selaku dosen penguji dari luar yang telah memberikan saran. Selain itu, penulis juga sampaikan terima kasih kepada Mama Umiyati, Papa M. Akmal Darul, kakakadikku yang telah memberikan doa, semangat, kasih sayang, perhatian dan dukungannya. Di samping itu, penulis juga menyampaikan terima kasih kepada seluruh dosen dan staf pengajar Departemen Statistika IPB yang telah memberikan ilmu, serta seluruh staf Departemen Statistika IPB yang telah banyak membantu penulis. Terima kasih juga penulis sampaikan kepada Sobandi Wiguna yang telah banyak memberikan semangat, dukungan, dan perhatiannya. Penulis juga mengucapkan terima kasih kepada Vita dan Lutfi sebagai teman satu bimbingan skripsi. Terima kasih juga untuk Riad, Lusi, Kakak Didin, Kakak Dinar, dan Kakak Fatul yang telah menjadi teman diskusi dalam pembuatan skripsi ini. Penulis mengucapkan terima kasih kepada Aisyah, Anggrevita, Eka, Harumi, Ria, Tia, Lita, Evi, Sarah, Sara, Yugo dan Karim yang telah memberikan semangat dan dukungannya. Terima kasih untuk teman-teman statistika 46 sebagai teman seperjuangan dan juga seluruh pihak yang telah membantu sehingga Penulis dapat menyelesaikan karya ilmiah ini. Semoga karya ilmiah ini dapat memberikan manfaat.
Bogor, September 2013 Hanifatun Nufusia
DAFTAR ISI DAFTAR TABEL
viii
DAFTAR GAMBAR
viii
DAFTAR LAMPIRAN
viii
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
TINJAUAN PUSTAKA Regresi Terboboti Geografis
2 2
METODE
3
Bahan
3
Metodologi Penelitian
4
HASIL DAN PEMBAHASAN
5
Eksplorasi Data
5
Regresi Terboboti Geografis (RTG)
7
SIMPULAN
15
DAFTAR PUSTAKA
15
LAMPIRAN
17
RIWAYAT HIDUP
20
DAFTAR TABEL 1 2
Peubah bebas yang digunakan dalam penelitian Korelasi Pearson
3 6
DAFTAR GAMBAR 1 2 3 4 5 6 7 8
Peta sebaran PAD kabupaten/kota di Aceh Peta keragaman spasial penduga koefisien regresi x1 Peta keragaman spasial penduga koefisien regresi x2 Peta keragaman spasial penduga koefisien regresi x3 Peta keragaman spasial penduga koefisien regresi x4 Peta keragaman spasial penduga koefisien regresi x5 Peta keragaman spasial penduga koefisien regresi x6 Peta keragaman spasial peubah bebas yang berkaitan
6 9 10 10 11 12 13 14
DAFTAR LAMPIRAN 1 2 3
Rata-rata PAD tiap provinsi di Indonesia Penduga koefisien regresi dan peubah yang berkaitan dengan PAD kabupaten/kota Pemeriksaan asumsi kenormalan sisaan pada model RTG
17 18 19
PENDAHULUAN Latar Belakang Analisis regresi adalah metode analisis yang dapat digunakan untuk menganalisis data dan mengetahui peubah bebas yang memiliki hubungan dengan peubah respon. Asumsi dalam regresi linier yang harus terpenuhi adalah kenormalan sisaan, kehomogenan ragam sisaan, dan kebebasan sisaan (Draper & Smith 1981). Namun, sering muncul permasalahan terlanggarnya asumsi kebebasan sisaan dan kehomogenan ragam sisaan yang disebabkan oleh efek spasial. Efek spasial terdiri dari dua jenis, yaitu ketergantungan spasial dan keragaman spasial. Regresi Terboboti Geografis (RTG) adalah salah satu metode yang digunakan untuk mengatasi permasalahan tersebut (Saefuddin et al. 2011). Pendapatan Asli Daerah (PAD) merupakan salah satu sumber pendapatan yang penting bagi daerah yang harus dimanfaatkan secara optimal sesuai kebutuhan dan prioritas daerah agar mampu memberikan pelayanan yang baik, perbaikan fasilitas umum kepada masyarakat dan tidak selalu bergantung kepada bantuan dari pemerintah pusat dan pemerintah daerah provinsi. Namun, pada tahun 2010, besaran kontribusi PAD masih pada kisaran 40 sampai dengan 50 persen sehingga dapat dikatakan tingkat kemandirian provinsi di Indonesia masih dikategorikan rendah mendekati sedang (BPS 2012). PAD kabupaten/kota di Aceh tergolong rendah karena rata-rata PAD kabupaten/kota di Aceh menduduki peringkat terakhir di Indonesia untuk kabupaten/kota yang memiliki lebih dari 20 kabupaten/kota. Rata-rata PAD kabupaten/kota tiap provinsi di Indonesia dapat dilihat pada Lampiran 1. PAD kabupaten/kota di Aceh sebesar Rp355 478 590 dengan kabupaten sebanyak 23. Kondisi di suatu daerah bergantung oleh kondisi daerah sekitarnya. Hal tersebut sesuai dengan hukum pertama tentang geografis bahwa segala sesuatu saling berhubungan satu dengan yang lainnya, tetapi sesuatu yang berdekatan akan lebih berhubungan daripada yang berjauhan (Anselin 1988). Oleh karena itu, kabupaten/kota di Aceh yang berada dekat ibukota provinsi Aceh memiliki PAD kabupaten/kota cukup besar dan kabupaten/kota di Aceh yang berada jauh dari ibukota provinsi Aceh memiliki PAD kabupaten/kota cukup kecil sehingga terdapat ketergantungan spasial. Kondisi geografis, ekonomi, dan sosial budaya di suatu daerah berbeda dengan kondisi di daerah lainnya sehingga peubah-peubah yang berkaitan dengan PAD kabupaten/kota di suatu daerah berbeda dengan daerah lainnya. Hal tersebut menyebabkan terdapatnya keragaman spasial pada PAD kabupaten/kota di Aceh. Adanya ketergantungan spasial dan keragaman spasial pada PAD kabupaten/kota di Aceh dapat diatasi dengan Regresi Terboboti Geografis (RTG). Tujuan Penelitian Tujuan penelitian ini adalah menganalisis Pendapatan Asli Daerah kabupaten/kota di provinsi Aceh dengan Regresi Terboboti Geografis.
2
TINJAUAN PUSTAKA Regresi Terboboti Geografis Regresi Terboboti Geografis merupakan pengembangan dari kerangka regresi klasik yang menghasilkan penduga koefisien regresi model yang bersifat global menjadi regresi yang menghasilkan penduga koefisien regresi model yang bersifat lokal. Adapun model RTG dapat dituliskan sebagai berikut: (
)
∑
(
)
dengan: i n
: 1, 2, ..., n : banyaknya lokasi amatan : nilai amatan peubah respon untuk lokasi ke-i ( ) : koordinat letak geografis (longitude, latitude) untuk lokasi ke-i ( ) : koefisien intercept model regresi RTG ( ) : koefisien regresi peubah bebas ke-k untuk lokasi ke-i : nilai peubah bebas ke-k untuk lokasi ke-i : sisaan pengamatan ke-i Penduga koefisien regresi pada RTG dapat dituliskan sebagai berikut: ̂( ) ( ( ) ) ( ) ( ) dengan adalah matriks n×n yang memiliki elemen nol selain diagonalnya dan elemen diagonalnya melambangkan pembobot untuk lokasi ke-i ) , atau biasa disebut ( ) , adalah matriks dengan lokasi lainnya. ( pembobotan berdasarkan kedekatan pusat pengamatan ke pengamatan lain di sekitar lokasi pusat pengamatan, sehingga pembobotan tiap pengamatan tidak konstan, tetapi bervariasi terhadap pusat pengamatan. Observasi yang lebih dekat ke pusat pengamatan memilki pengaruh yang lebih besar sehingga diberi bobot lebih besar dibandingkan observasi yang lebih jauh dari pusat pengamatan. Fungsi pembobot yang digunakan dalam penelitian ini adalah: (
⁄ [
⁄ ] )
dengan b adalah lebar jendela adalah jarak antara lokasi ke-i dan ke-j. Fungsi pembobot tersebut disebut fungsi pembobot kernel Gaussian (Fotheringham et al. 2002). Penelitian ini menggunakan fungsi pembobot kernel Gaussian karena luas wilayah tiap kabupaten/kota di Aceh tidak terlalu bervariasi dan setiap kabupaten/kota memiliki pengaruh terhadap kabupaten/kota lainnya, meskipun jarak antara satu kabupaten/kota yang satu dengan kabupaten/kota lainnya cukup jauh. Pada matriks pembobot kernel Gaussian, pemilihan lebar jendela sangat diperlukan ketepatannya. Cara untuk mendapatkan nilai lebar jendela yang optimum melalui proses iterasi dengan mengubah nilai lebar jendela sampai mendapatkan validasi silang (Cross Validation) yang minimum. CV dirumuskan sebagai beikut: ∑(
̂ [ ])
3 dengan ̂ [ ] adalah nilai dugaan dengan pengamatan pada lokasi ke-i dihilangkan dari proses pendugaan (Fotheringham et al. 2002). Model RTG memiliki model di setiap lokasi sehingga perlu dilakukan pengujian pendugaan parameter di setiap lokasi. Pengujian penduga koefisien regresi model pada setiap lokasi dilakukan dengan menguji secara parsial.
METODE Bahan Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari situs resmi Pemerintahan Provinsi Aceh, situs resmi Badan Pusat Statistik (BPS) Aceh dan publikasi-publikasi yang diterbitkan oleh BPS, yaitu Statistik Keuangan Pemerintah Kabupaten/kota 2010/2011, Aceh Dalam Angka 2011, Direktori Hotel dan Akomodasi Lainnya Provinsi Aceh 2010, dan PDRB kabupaten/kota di Indonesia. Data pengamatan dalam penelitian ini adalah 23 kabupaten/kota di Aceh tahun 2010. Peubah respon dalam penelitian ini adalah PAD kabupaten/kota di Aceh tahun 2010, sedangkan peubah bebas yang digunakan dalam penelitian ini sebanyak enam peubah. Peubah bebas yang digunakan terdapat pada Tabel 1. Peubah bebas yang digunakan dalam penelitian ini ditentukan berdasarkan penelitian-penelitian sebelumnya mengenai peubah yang berkaitan dengan PAD. Namun, penelitian-penelitian sebelumnya tidak memperhatikan efek spasial pada PAD sehingga penelitian ini menggunakan peubah-peubah tersebut dengan memperhatikan efek spasial pada PAD.
Tabel 1 Peubah bebas yang digunakan dalam penelitian Peubah bebas x1 x2
Keterangan peubah bebas Jumlah penduduk (orang) Jumlah hotel (unit)
x3
Jumlah obyek wisata (unit)
x4
Jumlah industri besar dan sedang (unit) PDRB perkapita (rupiah)
x5
x6
Jumlah wisatawan (orang)
Penelitian sebelumnya Analisis Faktor-faktor yang Mempengaruhi PAD di Kota Semarang (Atmaja 2011) Analisis Faktor-faktor yang Mempengaruhi PAD Kabupaten Simalungun (Damanik 2011) Analisis Sektor Pariwisata dalam Meningkatkan PAD di Kabupaten Bulukumba Periode 2000-2009 (Irnawati 2011) Analisis Faktor-faktor yang Mempengaruhi PAD Kabupaten Simalungun (Damanik 2011) Pengaruh Belanja Daerah, Investasi, Pendapatan Per Kapita, dan Jumlah Penduduk Terhadap Pendapatan Asli Daerah Kabupaten/Kota Se-Provinsi Sumatera Utara (Berutu 2011) Analisis Faktor-faktor yang Mempengaruhi PAD Kota Bukittinggi (Nanda 2010)
4 Metodologi Penelitian Penelitian ini dilakukan melalui beberapa tahapan, yaitu: 1. Mengeksplorasi data a. Menguji korelasi antar peubah bebas menggunakan koefisien korelasi Pearson b. Memeriksa ketergantungan spasial menggunakan Indeks Moran. Hipotesisnya dapat dituliskan sebagai berikut: H0 : I = I0 (tidak ada autokorelasi antar lokasi) H1 : I ≠ I0 (ada autokorelasi antar lokasi) dengan statistik uji sebagai berikut: (̂ )⁄ ̂ dengan: ̂
=∑
∑
(
∑
∑
∑
(
̅)(
̅)
̅)
= nilai harapan Indeks Moran ̂ = simpangan baku Indeks Moran Tolak H0 jika | | ⁄ (Anselin 1999). c. Memeriksa keragaman spasial menggunakan Breusch-Pagan. Hipotesisnya dapat dituliskan sebagai berikut: ) ( ) ( H0 : (Keragaman antar wilayah sama) ) H1 : minimal ada satu ( ( ) untuk , dengan (Terdapat keragaman antar wilayah) dengan statistik uji sebagai berikut: (
)
( )
dengan: = =(
̂
)
=( ) Z = matriks berukuran n×(p+1) yang berisi vektor yang sudah di normal bakukan (z) untuk setiap pengamatan. Tolak H0 jika ( ) dengan p adalah banyaknya peubah bebas (Anselin 1988). 2. Melakukan analisis RTG a. Menentukan lebar jendela optimum dengan melihat CV yang minimum. CV dirumuskan sebagai beikut: ∑(
b.
̂ [ ])
dengan ̂ ( ) adalah nilai dugaan dengn pengamatan di lokasi ke-i dihilangkan dari proses pendugaan (Mennis 2006). Menentukan matriks pembobot dengan fungsi kernel Gaussian. Fungsi pembobot dapat dituliskan sebagai berikut:
5 (
c. d.
⁄ [
⁄ ] )
dengan b adalah lebar jendela dan adalah jarak antara lokasi ke-i dan ke-j (Fotheringham et al. 2002). Menduga parameter model RTG. Menguji penduga koefisien regresi secara parsial di tiap kabupaten/kota di Aceh. Hipotesisnya dapat dituliskan sebagai berikut : ) H0 : ( ) H1 : ( dengan statistik uji t yang digunakan sebagai berikut: ̂( ) ( ) )) (̂( dengan: (̂( (̂( ( ̂(
))
=√
(̂(
))
)) = unsur diagonal ke-k matriks ragam-peragam ))
=
( ) ) ( ) =( )| v adalah derajat Tolak H0 jika nilai | ( , dengan ( ⁄ ) bebas (n-k-1) dan k adalah banyaknya peubah bebas yang digunakan (Nakaya et al. 2005). Software yang digunakan dalam penelitian ini adalah R 2.15.0, Ms. Excel dan software pemetaan.
HASIL DAN PEMBAHASAN Eksplorasi Data Peta sebaran PAD kabupaten/kota di Aceh dapat dilihat pada Gambar 1. Kabupaten/kota yang memiliki PAD terbesar di Aceh adalah daerah yang merupakan ibu kota provinsi Aceh yaitu kota Banda Aceh. Sebagian besar daerah yang berada di sekitar kota Banda Aceh memiliki PAD cukup besar dan sebagian besar daerah yang berada jauh dari kota Banda Aceh memiliki PAD cukup kecil. Hal tersebut terjadi karena ibu kota provinsi merupakan pusat pemerintahan sehingga kota Banda Aceh dan sekitarnya memiliki sarana dan prasarana yang lebih memadai. Namun, ada satu kabupaten yang memiliki PAD cukup rendah dan terletak berdekatan dengan kota Banda Aceh yaitu Pidie Jaya. Pidie Jaya merupakan salah satu kabupaten yang baru terbentuk di Aceh sehingga sarana dan prasarananya belum terlalu memadai yang menyebabkan PAD di Pidie Jaya cukup rendah. Selain itu, ada juga satu kabupaten yang memiliki PAD cukup tinggi, tetapi letaknya berada jauh dari kota Banda Aceh yaitu Aceh Tamiang. Hal tersebut terjadi karena Aceh Tamiang merupakan kawasan kaya minyak dan gas. Kawasan ini juga merupakan pusat perkebunan di Aceh dan menjadi sektor angkutan andalan karena posisinya yang strategis (Pemprov Aceh 2011).
6
Gambar 1 Peta sebaran PAD kabupaten/kota di Aceh Hubungan antar peubah bebas dapat dilihat menggunakan korelasi Pearson. Nilai korelasi dapat dilihat pada Tabel 2. Peubah x2, x5, dan x6 memiliki hubungan positif yang cukup kuat dengan y, sedangkan peubah x2, x3, dan x4 memiliki hubungan positif yang lemah. Semua peubah bebas digunakan pada penelitian ini karena tidak adanya hubungan yang sangat lemah antara peubah bebas dengan peubah respon dan semua hubungan antar peubah bebas tidak ada yang memiliki hubungan yang kuat, sehingga tidak ada indikasi adanya multikolinieritas. Tabel 2 Korelasi Pearsona y y x1 x2 x3 x4 x5 x6 a
x1
x2
x3
x4
x5
1 0.395 1 0.549 -0.207 1 0.219 0.192 0.060 1 0.317 0.284 -0.111 -0.296 1 0.495 0.159 0.395 -0.044 0.012 1 0.575 -0.033 0.590 -0.014 0.027 0.352
x6
1
0.00 < |r| <0.199 : korelasi sangat lemah, 0.20 < |r| <0.399 : korelasi lemah, 0.40 < |r| <0.599 : korelasi sedang, 0.60 < |r| <0.799 : korelasi kuat, 0.80 < |r| <1.000 : korelasi sangat kuat; Sumber: Sugiono 2007.
7 Kondisi di suatu kabupaten/kota bergantung oleh kondisi kabupaten/kota sekitarnya dan kondisi geografis, ekonomi, dan sosial budaya di suatu kabupaten/kota berbeda dengan kondisi di kabupaten/kota lainnya. Hal tersebut menunjukkan adanya efek spasial. Efek spasial yang terjadi antar wilayah dapat dibagi menjadi dua, yaitu ketergantungan spasial dan keragaman spasial. Ketergantungan spasial dapat dilihat dengan menggunakan Indeks Moran dan adanya keragaman spasial dapat dilihat dengan menggunakan uji Breusch-Pagan. Nilai Indeks Moran adalah sebesar 0.273 dengan nilai-p sebesar 0.0076. Nilai-p yang sangat kecil menyebabkan tolak H0 yang artinya ada ketergantungan spasial. Adanya ketergantungan spasial mengindikasikan PAD satu kabupaten/kota bergantung dengan kabupaten/kota lainnya di Aceh. Pengujian dengan Breusch Pagan menghasilkan nilai BP sebesar 12.1198 dengan nilai-p sebesar 0.05935. Nilai-p yang kecil menyebabkan tolak H0 yang berarti terdapat keragaman spasial. Adanya keragaman spasial mengindikasikan terdapat perbedaan peubah bebas yang berkaitan dengan PAD antara satu kabupaten/kota dengan kabupaten/kota lainnya di Aceh. Adanya ketergantungan spasial dan keragaman spasial dapat diatasi dengan Regresi Terboboti Geografis (RTG).
Regresi Terboboti Geografis (RTG) Regresi Terboboti Geografis (RTG) menghasilkan penduga koefisien regresi model yang bersifat lokal yang artinya tiap kabupaten/kota memiliki model regresi yang berbeda. Matriks pembobot di tiap kabupaten/kota ditentukan terlebih dahulu untuk mendapatkan model RTG tiap kabupaten/kota. Matriks pembobot yang digunakan adalah matriks pembobot dengan fungsi kernel Gaussian. Pada penelitian ini, lebar jendela optimum sangat dibutuhkan untuk mendapatkan matriks pembobot. Lebar jendela optimum diperoleh dari hasil iterasi yang menghasilkan nilai CV paling minimum. Lebar jendela yang diperoleh sebesar 168.6164 km dengan CV 3.367865e+15 yang artinya jarak antar kabupaten/kota yang nilainya kurang dari 168.6164 km memberikan pengaruh yang lebih besar dibandingkan dengan jarak antar kabupaten/kota yang nilainya lebih dari 168.6164 km. Kebaikan model RTG dapat dilihat berdasarkan nilai koefisien determinasi 2 (R ). Nilai R2 model RTG keseluruhan sebesar 83.81% yang berarti sebanyak 83.81% keragaman PAD kabupaten/kota dapat dijelaskan oleh keragaman x1, x2, x3, x4, x5, dan x6. Nilai R2 model RTG di tiap kabupaten/kota dapat dilihat pada Lampiran 2. Nilai R2 model RTG tiap kabupaten/kota berkisar 73.17% - 85.89%. Pemeriksaan asumsi pada sisaan model RTG secara eksplorasi dapat dilihat pada Lampiran 3. Pemeriksaan asumsi kenormalan sisaan dapat dilihat pada plot kenormalan. Sisaan pada model RTG memenuhi asumsi kenormalan sisaan karena memiliki nilai-p sebesar 0.272. Pemeriksaan asumsi kebebasan sisaan dapat dilihat pada diagram pencar urutan pengamatan dengan sisaan. Sisaan juga memenuhi asumsi kebebasan sisaan karena plot tidak membentuk suatu pola. Selain itu, sisaan memenuhi asumsi kehomogenan ragam karena pada diagram pencar y duga dengan sisaan memiliki lebar pita yang sama.
8 Matriks pembobot di tiap kabupaten/kota berbeda. Matriks pembobot di tiap kabupaten/kota yang diperoleh akan digunakan untuk menduga koefisien regresi tiap kabupaten/kota. Koefisien regresi dugaan tiap kabupaten/kota dapat dilihat pada Lampiran 2. Seluruh koefisien regresi dugaan pada peubah x1, x2, x3, x4, x5, dan x6 bernilai positif. Hal tersebut menunjukkan bahwa peubah tersebut berkontribusi positif terhadap PAD kabupaten/kota di Aceh. Setiap kabupaten/kota di Aceh memiliki model RTG yang berbeda. Model RTG untuk kota Banda Aceh, sebagai berikut: ̂ sedangkan model RTG untuk kabupaten Simeulue, sebagai berikut: ̂ Model tersebut menunjukkan bahwa seluruh penduga koefisien regresi memiliki kontribusi yang positif terhadap PAD kabupaten/kota, baik di kota Banda Aceh maupun di kabupaten Simeulue. Peubah bebas yang memiliki keterkaitan yang besar dengan PAD kabupaten/kota Banda Aceh dan kabupaten Simeulue adalah jumlah indutri sedang dan besar, sedangkan peubah bebas yang memiliki keterkaitan yang kecil dengan PAD kabupaten/kota Banda Aceh dan Simeulue adalah PDRB per kapita. Peubah jumlah penduduk, PDRB per kapita dan jumlah wisatawan memiliki keterkaitan yang lebih besar terhadap PAD kabupaten/kota Simeulue dibandingkan pada Banda Aceh. Peubah jumlah hotel, jumlah obyek wisata dan jumlah industri besar dan sedang memiliki keterkaitan yang lebih besar terhadap PAD kabupaten/kota Banda Aceh dibandingkan Simeulue. Hal tersebut memnunjukkan bahwa tiap peubah bebas memiliki keterkaitan yang berbeda antara satu kabupaten/kota dengan kabupaten/kota lainnya sehingga sulit untuk diinterpretasikan. Oleh karena itu, setiap peubah bebas dikelompokkan menjadi tiga kelompok wilayah berdasarkan nilai penduga koefisien regresi untuk mempermudah dalam menginterpretasikan. Gambar 2 menunjukkan bahwa kabupaten/kota yang memiliki nilai penduga koefisien regresi terbesar pada peubah x1 adalah kabupaten/kota Aceh Selatan, Aceh Singkil, Aceh Tamiang, Aceh Tenggara, Aceh Timur Aceh Utara, Langsa, dan Subulussalam sehingga kabupaten/kota tersebut memiliki keterkaitan yang besar terhadap PAD kabupaten/kota. Peubah x1 merupakan salah satu peubah yang memiliki nilai penduga koefisien regresi yang kecil dibandingkan nilai penduga koefisien regresi peubah bebas lainnya sehingga peubah bebas ini merupakan peubah bebas yang memiliki keterkaitan yang kecil dengan PAD kabupaten/kota. Persentase penduduk miskin yang terbesar di Pulau Sumatera adalah Provinsi Aceh sebesar 20.98% dan tingkat pengangguran di Aceh berada di atas tingkat pengangguran Nasional dan diurutkan kedua terbesar se-Sumatera (BPS 2011). Hal tersebut menyebabkan penduduk Aceh memiliki kemampuan membayar pajak dan retribusi daerah yang cukup rendah sehingga jumlah penduduk memiliki keterkaitan yang kecil dengan PAD kabupaten/kota di Aceh. Gambar 3 menunjukkan bahwa kabupaten/kota yang memiliki penduga koefisien regresi terbesar pada peubah x2 adalah kabupaten/kota Aceh Besar, Aceh Jaya, Banda Aceh, Biereuen, Pidie, Pidie Jaya, dan Sabang sehingga kabupaten/kota tersebut memiliki keterkaitan yang besar terhadap PAD kabupaten/kota. Peubah x2 merupakan salah satu peubah yeng memiliki nilai
9
Gambar 2 Peta keragaman spasial penduga koefisien regresi x1 penduga koefisien regresi yang besar dibandingkan nilai penduga koefisien regresi peubah bebas lainnya sehingga peubah bebas ini merupakan peubah bebas yang memiliki keterkaitan yang besar terhadap PAD kabupaten/kota. Hotel sangat dibutuhkan untuk penduduk yang tidak berdomisili di suatu daerah tertentu, baik untuk berwisata maupun untuk berkerja. Kebutuhan hotel dapat mengakibatkan meningkatnya salah satu sumber pendapatan dari PAD yaitu pajak hotel. Selain itu, penyediaan fasilitas-fasilitas yang dibutuhkan hotel dapat memajukan berbagai sektor lainnya. Oleh karena itu, jumlah hotel memiliki keterkaitan yang besar terhadap PAD kabupaten/kota. Gambar 4 menunjukkan bahwa kabupaten/kota yang memiliki nilai penduga koefisien regresi terbesar pada peubah x3 adalah kabupaten/kota Aceh Besar, Aceh Jaya, Banda Aceh, Biereuen, Pidie, Pidie Jaya, dan Sabang sehingga kabupaten/kota tersebut memiliki keterkaitan yang besar terhadap PAD kabupaten/kota. Peubah x3 merupakan salah satu peubah yeng memiliki nilai penduga koefisien regresi yang besar dibandingkan nilai penduga koefisien regresi peubah bebas lainnya sehingga peubah bebas ini merupakan peubah bebas yang memiliki keterkaitan yang besar terhadap PAD kabupaten/kota. Obyek wisata yang dimiliki suatu daerah dapat memberikan keuntungan bagi daerah tersebut, seperti tumbuhnya usaha-usaha yang menunjang obyek wisata, misalnya hotel, restoran, biro perjalanan, dan penyedia cinderamata. Selain itu, obyek wiata dapat menarik wisatawan untuk datang ke daerah tersebut sehingga dapat meningkatkan salah satu sumber pendapatan dari PAD yaitu retribusi obyek wisata. Oleh karena itu, obyek wisata memiliki keterkaitan yang besar terhadap PAD kabupaten/kota.
10
Gambar 3 Peta keragaman spasial penduga koefisien regresi x2
Gambar 4 Peta keragaman spasial penduga koefisien regresi x3
11 Gambar 5 menunjukkan bahwa kabupaten/kota yang memiliki nilai penduga koefisien regresi terbesar pada peubah x4 adalah kabupaten/kota Aceh Besar, Aceh Jaya, Banda Aceh, Biereuen, Pidie, Pidie Jaya, dan Sabang sehingga kabupaten/kota tersebut memiliki keterkaitan yang besar terhadap PAD. Peubah x4 merupakan salah satu peubah yeng memiliki nilai penduga koefisien regresi yang terbesar dibandingkan nilai penduga koefisien regresi peubah bebas lainnya sehingga peubah bebas ini merupakan peubah bebas yang memiliki keterkaitan yang besar terhadap PAD kabupaten/kota. Adanya industri sangat berguna bagi suatu daerah karena dapat mengurangi pengangguran dan memajukan berbagai sektor. Hal tersbut menyebabkan kemampuan penduduk untuk membayar pajak daerah dan retribusi daerah semakin meningkat. Oleh karena itu, jumlah industri memiliki keterkaitan yang besar dengan PAD kabupaten/kota. Gambar 6 menunjukkan bahwa kabupaten/kota yang memiliki nilai penduga koefisien regresi terbesar pada peubah x5 adalah kabupaten/kota Aceh Barat, Aceh Barat Daya, Aceh Jaya, Aceh Selatan, Aceh Singkil, Pidie Jaya, Simeulue, dan Subulussalam sehingga kabupaten/kota tersebut memiliki keterkaitan yang besar terhadap PAD kabupaten/kota. Peubah x5 merupakan peubah yang memiliki nilai penduga koefisien regresi terkecil dibandingkan nilai penduga koefisen regresi peubah bebas lainnya sehingga peubah bebas ini merupakan peubah bebas yang memiliki keterkaitan yang terkecil terhadap PAD kabupaten/kota. Kecilnya keterkaitan jumlah penduduk dengan PAD yang disebabkan karena tingkat kemiskinan tingkat pengangguran yang cukup tinggi berdampak juga terhadap
Gambar 5 Peta keragaman spasial penduga koefisien regresi x4
12 PDRB per kapita. PDRB per kapita yang merupakan salah satu indikator kesejahteraan penduduk menjadi rendah sehingga kemampuan membayar pajak dan retribusi daerah cukup rendah. Oleh karena itu, PDRB per kapita memiliki keterkaitan yang kecil dengan PAD kabupaten/kota di Aceh. Gambar 7 menunjukkan bahwa kabupaten/kota yang memiliki nilai penduga koefisien regresi terbesar pada peubah x6 adalah kabupaten/kota Aceh Barat, Aceh Barat Daya, Aceh Tengah, Aceh Selatan, Gayo Lues, Nagan Raya, dan Simeulue sehingga kabupaten/kota tersebut memiliki pengaruh yang besar terhadap PAD kabupaten/kota. Peubah x6 merupakan salah satu nilai peubah yang memiliki nilai penduga koefisien regresi yang kecil dibandingkan nilai penduga koefisien regresi peubah bebas lainnya sehingga peubah bebas ini merupakan peubah bebas yang memiliki keterkaitan yang kecil terhadap PAD kabupaten/kota. Aceh menjadi daerah yang rawan gempa bumi karena berada pada pertemuan dua lempeng bumi yaitu lempeng Eurasia dan lempeng Indo-Australia (BPS 2011). Hal tersebut menyebabkan rasa kurang aman bagi wisatawan dari luar provinsi Aceh. Selain itu, adanya konflik GAM juga dapat menyebabkan rasa kurang aman tersebut sehingga mengurangi ketertarikan wisatawan untuk berwisata di Aceh. Oleh karena itu, jumlah wisatawan memiliki keterkaitan yang kecil dengan PAD kabupaten/kota di Aceh.
Gambar 6 Peta keragaman spasial penduga koefisien regresi x5
13
Gambar 7 Peta keragaman spasial penduga koefisien regresi x6 Kondisi geografi, ekonomi dan sosial budaya tiap kabupaten/kota yang berbeda menyebabkan peubah-peubah bebas yang berkaitan dengan PAD kabupaten/kota yang satu dengan PAD kabupaten/kota lainnya juga berbeda. Uji parsial pada penduga koefisien regresi di tiap kabupaten/kota perlu dilakukan untuk mengetahui peubah-peubah yang berkaitan dengan PAD kabupaten/kota di tiap daerah. Uji parsial penduga koefisien regresi di setiap kabupaten/kota menggunakan taraf nyata 10% dengan derajat bebas 16 sehingga didapatkan ttabel sebesar 1.746. Hasil uji parsial penduga koefisien regresi tiap kabupaten/kota terdapat pada Lampiran 2. Hasil uji parsial menghasilkan 23 kabupaten/kota terbagi menjadi tujuh kelompok wilayah berdasarkan peubah bebas yang berkaitan dengan PAD kabupaten/kota. Peta keragaman spasial peubah bebas yang berkaitan dengan PAD kabupaten/kota dapat dilihat pada Gambar 8. Kelompok pertama adalah kelompok kabupaten/kota yang PADnya memiliki keterkaitan dengan peubah x1, x2, x3, x4, dan x6. Kelompok ini terdiri dari tiga kabupaten/kota, yaitu Aceh Barat, Aceh Tengah dan Bener Meriah. Kelompok kedua adalah kelompok kabupaten/kota yang PADnya memiliki keterkaitan dengan peubah x1, x2, x3, dan x4. Kelompok ini terdiri dari tujuh kabupaten/kota, yaitu Aceh Besar, Aceh Jaya, Aceh Utara, Bieruen, Lhoksumawe, Nagan Raya, Pidie. Kelompok ketiga adalah kelompok kabupaten/kota yang PADnya memiliki keterkaitan dengan peubah x2, x3, dan x4. Kelompok ini terdiri dari tiga kabupaten/kota, yaitu Banda Aceh, Pidie Jaya dan Sabang. Kelompok
14
Gambar 8 Peta keragaman spasial peubah bebas yang berkaitan keempat adalah kelompok kabupaten/kota yang PADnya memiliki keterkaitan dengan peubah x1, x4, dan x5. Kelompok ini terdiri dari satu kabupaten/kota, yaitu Simeulue. Kelompok kelima adalah kelompok kabupaten/kota yang PADnya memiliki keterkaitan dengan peubah x1, x4, dan x6. Kelompok ini terdiri dari dua kabupaten/kota, yaitu Aceh Barat Daya dan Gayo Lues. Kelompok keenam adalah kelompok kabupaten/kota yang PADnya memiliki keterkaitan dengan peubah x1, x3, dan x4. Kelompok ini terdiri dari satu kabupaten/kota, yaitu Aceh Timur. Kelompok ketujuh adalah kelompok kabupaten/kota yang PADnya memiliki keterkaitan dengan peubah x1 dan x4. Kelompok ini terdiri dari enam kabupaten/kota, yaitu Aceh Selatan, Aceh Singkil, Aceh Tamiang, Aceh Tenggara, Langsa dan Subulussalam. Kabupaten/kota yang PADnya tidak memiliki keterkaitan dengan peubah x1 yaitu Banda Aceh, Pidie Jaya dan Sabang. Hal tersebut terjadi karena Banda Aceh memiliki Tingkat Partisipasi Angkatan Kerja yang paling rendah diantara kabupaten/kota lainnya, Pidie Jaya merupakan daerah yang memiliki persentase angka kemiskinan yang tinggi, dan Sabang memiliki jumlah penduduk yang paling sedikit (BPS 2011). Kabupaten/kota yang PADnya memiliki keterkaitan dengan peubah x2 sebanyak tiga belas kabupeten/kota. Kabupaten/kota tersebut PADnya juga memiliki keterkaitan dengan peubah x3. Hal tersebut terjadi karena kabupaten/kota tersebut merupakan kabupaten/kota yang berada dekat dengan ibu kota provinsi Aceh.
15 PAD di seluruh kabupaten/kota di Aceh memiliki keterkaitan oleh peubah x4. Industri dapat memajukan sektor lain, seperti sektor perdagangan, pertanian, ataupun sektor jasa. Selain itu, industri dapat membuka lapangan pekerjaan sehingga dapat meningkatkan pendapatan penduduk. Industri juga dapat meningkatkan kualitas sumber daya manusia dengan kemampuannya memanfaatkan sumberdaya secara optimal. Oleh karena itu, jumlah industri sangat memiliki keterkaitan dengan PAD kabupaten/kota di tiap kabupaten/kota di Aceh. Kabupaten/kota yang PADnya memiliki keterkaitan dengan peubah x5 hanya satu kabupaten/kota, yaitu kabupeten/kota Simeulue. Simeulue merupakan daerah yang aman karena daerah tersebut jauh dari imbas konflik di daratan Aceh. Selain itu, tidak ada pergerakan GAM di daerah tersebut (Bappenas 2003). Hal tersebut menyebabkan stabilnya perekonomian di kabupaten/kota tersebut. Oleh karena itu, PDRB per kapita memiliki keterkaitan dengan PAD kabupaten/kota di Simeulue. Kabupaten/kota yang PADnya memiliki keterkaitan dengan peubah x6 sebanyak lima kabupaten/kota yaitu Aceh Tengah, Aceh Barat, Aceh Barat Daya, Gayo Lues, Bener Meriah. Pantai-pantai unggulan di Aceh berada di Aceh Tengah, Aceh Barat, dan Aceh Barat Daya. Sebagian besar wilayah Gayo Lues merupakan area Taman Nasional Gunung Leuser. Bener Meriah merupakan penghasil kopi Arabika terbesar di Aceh dengan jangkauan pemasaran tidak hanya di Aceh dan Indonesia, tetapi di banyak negara (Pemprov 2011). Hal tersebut menyebabkan PAD di kabupaten/kota tersebut berkaitan dengan jumlah wisatawan.
SIMPULAN Model RTG keseluruhan dengan pembobot kernel Gaussian menghasilkan nilai R2 sebesar 83.81%, sedangkan nilai R2 model RTG tiap kabupaten/kota berkisar 73.17% - 85.89%. Hasil uji parsial penduga koefisien regresi mengelompokkan kabupaten/kota di Aceh menjadi tujuh kelompok berdasarkan peubah bebas yang berkaitan dengan PAD kabupaten/kota. Secara keseluruhan, peubah bebas yang berkaitan dengan PAD kabupaten/kota di Aceh yaitu jumlah penduduk, jumlah hotel, jumlah obyek wisata, jumlah industri besar dan sedang, PDRB per kapita, dan jumlah wisatawan. Peubah yang memiliki kontribusi terbesar terhadap PAD kabupaten/kota di Aceh yaitu jumlah hotel, jumlah obyek wisata, dan jumlah industri besar dan sedang.
DAFTAR PUSTAKA Anselin L. 1988. Spatial Econometrics : Methods and Models. Dordrecht (NL) : Kluwer Academic Publisher. Anselin L. 1999. Spatial Econometrics. Dallas: Bruton Center. Atmaja AE. 2011. Analisis Faktor-faktor yang Mempengaruhi Pendapatan Asli Daerah (PAD) di Kota Semarang [skripsi]. Semarang (ID) : Universitas Diponegoro.
16 Berutu K. 2011. Pengaruh Belanja Daerah, Investasi, Pendapatan Per Kapita, dan Jumlah Penduduk Terhadap Pendapatan Asli Daerah Kabupaten/kota SeProvinsi Sumatera Utara [tesis]. Medan (ID) : Universitas Sumatera Utara. [Bappenas].2003. Negeri Aman di Samudera Hindia [Internet]. [diunduh 2013 September 16]. Tersedia pada: http://perpustakaan.bappenas.go.id%2Flontar %2Ffile%3Ffile%3Ddigital%2Fblob%2FF26612%2FNegeri%2520Aman% 2520di%2520Samudera%2520Hindia.htm. [BPS]. Badan Pusat Statistik. 2011. Statistik Daerah Provinsi Aceh 2011. Jakarta (ID) : BPS. [BPS]. Badan Pusat Statistik. 2012. Statistik Keuangan Pemerintah Provinsi 2010-2011. Aceh (ID) : BPS. [BPS]. Badan Pusat Statistik. 2012. Statistik Keuangan Pemerintah Kabupaten/Kota 2010-2011.Jakarta (ID) : BPS. Damanik AR. 2011. Analisis Faktor-faktor yang Mempengaruhi PendapatanAsli Daerah Kabupaten Simalungun [skripsi]. Medan (ID) : Universitas Sumatera Utara. Draper NR, Smith H. 1992. Analisis Regresi Terapan. Sumantri B, penerjemah. Jakarta (ID): Gramedia Pustaka Utama. Terjemahan dari: Applied Regression Analysis. Fotheringham AS, Brunsdon C, Chartlon M. 2002. Geographically Weighted Regression, The Analysis of Spatially Varying Relationships. West Sussex (GB): John Wiley & Sons, LTD. Irnawati. 2011. Analisis Sektor Pariwisata dalam Meningkatkan PAD di Kabupaten Bulukumba Periode 2000-2009 [tesis]. Makassar (ID) : Universitas Hasanuddin. Mennis J. 2006. Mapping the Results of Geographically Weighted Regression, The Cartographic Journal, 43(2):171–179. Nakaya T, Fotheringham AS, Brunsdon C, Charlton M. 2005. Geographically Weighted Poisson Regression for Disease Association Mapping. Statistics in Medicine Vol. 24(17):2695-2717. Nanda R. 2010. Analisis Faktor-faktor yang mempengaruhi PAD kota Bukittingi (2000-2008) [skripsi]. Padang (ID) : Universitas Andalas. Pemprov Aceh. 2011. Potensi Daerah Kabupaten/kota se Aceh.[Internet]. [diunduh 2013 Agustus 13]. Tersedia pada : http://acehfair.acehprov.go.id/potensi aceh. Saefuddin A, Setiabudi NA, Achsani NA. 2011. On Comparisson between Ordinary Linear Regression and Geographically Weighted Regression: With Application to Indonesian Poverty Data. European Jurnal of Scientific Research Vol. 57 No.2 (2011):275-285. Sugiyono. (2007). Metode Penelitian Pendidikan (pendekatan kuantitatif, kualitatif, dan R & D. Bandung (ID) : Alfabeta.
17 Lampiran 1 Rata-rata PAD tiap provinsi di Indonesia No
Provinsi
Jumlah kab/kota
PAD kab/kota (Rp)
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
Bali Banten Jawa Barat Yogyakarta Jawa Timur Kep. Riau Jawa Tengah Riau Kalimantan Timur Sumatera Selatan Sumut Kalimantan Selatan Sulawesi Selatan Bangka Belitung NTB Sumatera Barat Jambi Lampung Kalimantan Barat Kalimantan Tengah Sulawesi Tenggara Sulawesi Tengah NTT Papua Maluku Sulawesi Utara Aceh Gorontalo Maluku Utara Papua Barat Bengkulu Sulawesi Barat
9 8 26 5 38 7 35 12 14 15 33 13 24 7 10 19 11 14 14 14 12 11 21 29 11 15 23 6 9 11 10 5
1 730 219 212 1 129 058 866 3 640 589 815 515 248 914 3 751 637 775 635 100 360 3 044 658 121 1 002 811 748 1 093 515 171 632 844 688 1 162 868 646 443 558 194 784 776 085 223 267 455 314 125 193 552 991 062 300 261 519 329 904 843 327 740 462 282 280 931 238 727 683 214 233 933 401 782 012 497 369 748 176 441 023 233 716 298 355 478 590 88 226 855 122 683 740 149 348 635 126 934 170 52 972 391
Rata-rata PAD kab/kota (Rp) 192 246 579 141 132 358 140 022 685 103 049 783 98 727 310 90 728 623 86 990 232 83 567 646 78 108 227 42 189 646 35 238 444 34 119 861 32 699 004 31 895 351 31 412 519 29 104 793 27 296 502 23 564 632 23 410 033 20 162 924 19 893 974 19 475 812 19 132 477 17 150 681 16 040 093 15 581 087 15 455 591 14 704 476 13 631 527 13 577 149 12 693 417 10 594 478
18 Lampiran 2 Penduga koefisien regresi dan peubah yang berkaitan dengan PAD kabupaten/kota Kabupaten/kota Simeulue Aceh Singkil
Konstanta
x1
x2
x3
x4
x5
x6
-2769362
23.59a
252504.8
74262.21
990700.0a
0.23a
82.01
-2028364
26.43
a
67376.98
972102.6
a
0.20
53.22
a
265876.5
75771.25
1061875.9
a
0.18
75.99
251324.6
74417.60
1060566.4a
0.16
68.65
1211295.4
a
0.13
67.82
1267937.3
a
0.15
69.86a
1292071.4
a
0.18
72.40a
Aceh Selatan
-2420317
24.67
Aceh Tenggara
-2138159
25.58a
-3093819
25.36
a
23.84
a a
Aceh Timur Aceh Tengah
-3685722
212539.9
355664.2 426680.1
a
450135.3
a
90212.19
a
93805.39
a
95327.18
a
Aceh Barat
-4135435
22.35
Aceh Besar
-6670474
21.00a
669678.6a
141710.54a
1650113.8a
0.16
47.72
-6169220
21.86
a
640213.1
a
133608.26
a
1582711
a
0.15
50.67
23.65
a
520134.7
a
109782.37
a
1391588.3
a
0.14
61.14
a
417526.4
a
96820.01
a
1273972.6
a
Pidie Bireuen
-4700099
Aceh Utara
-3684155
24.75
0.13
66.70
Aceh Barat Daya
-2905311
23.80a
329063.0
81904.21
1144612.3a
0.17
77.82a
Gayo Lues
-2634006
24.65a
311577.9
80968.20
1135472.9a
0.15
74.41a
Aceh Tamiang
-2336143
25.71a
284787.9
1123115.3a
0.14
67.87
Nagan Raya
-3606036
23.10
a
a
0.17
74.38
Aceh Jaya
-5575352
21.43a
580298.4a
117773.75a
1485233.0a
0.18
58.99
Bener Meriah
-3686812
24.18
a
a
a
a
0.14
68.53a
Pidie Jaya
-7415798
19.97
703351.6a
154858.84a
1749183.7a
0.17
43.55
a
a
a
0.16
40.31
183743.55a
1926536.4a
0.16
36.13
82396.37
1145803.5
a
0.14
69.00
1318162.4
a
0.13
64.56
997226.0
a
0.18
58.34
407007.4 425901.1
79912.87 a
Kota Banda Aceh
-7824190
19.73
727995.2
Kota Sabang
-8593443
19.01
759580.9a
Kota Langsa Kota Lhoksumawe Kota Subulussalam a
-2523464 -4083235 -2023917
25.52
a
24.49
a
26.21
a
303681.1 455798.8 220667.5
a
89985.58 94987.67 165497.33
102070.80 69327.70
a
a
1237916.2 1271958.4 1813703.4
R2(%)b
81.81 82.01 78.69 77.24 73.17 77.60 80.90 83.75 82.28 78.34 75.03 78.38 76.49 73.82 79.33 83.10 76.70 85.24 85.25 85.60 73.65 75.90 80.52
Peubah yang berkaitan dengan PAD kabupaten/kota pada taraf nyata 10%; bR2 keseluruhan model RTG sebesar 83.81%.
19 Lampiran 3 Pemeriksaan asumsi kenormalan sisaan pada model RTG Probability Plot of error Normal - 95% CI
a. Plot kenormalan 99
Mean StDev N AD P-Value
95
Peluang normal
90 80 70 60 50 40 30 20 10 5
1
-10000000 -5000000
0
5000000 10000000 15000000
Sisaan
Time Series Plotdengan of error sisaan b. Diagram pencar urutan pengamatan 10000000
Sisaan
5000000
0
-5000000
-10000000 2
4
6
8
10 12 14 16 Urutan pengamatan
18
20
22
c. Diagram pencar y duga dengan sisaan Scatterplot of error vs yduga 10000000
Sisaan
5000000
0
-5000000
-10000000 0
10000000
20000000 30000000 y duga
40000000
50000000
78767 4253432 23 0,437 0,272
20
RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 22 Desember 1991 dari ayah M. Akmal D, SH dan ibu Umiyati. Penulis adalah anak kedua dari tiga bersaudara. Tahun 2009 penulis lulus dari SMA Negeri 22 Jakarta dan pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui jalur SNMPTN dan diterima di Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam. Selama mengikuti perkuliahan, penulis pernah aktif sebagai staf Administrasi Keuangan dan Personalia Kopma IPB pada tahun 2011-2013. Tahun 2012 penulis juga pernah aktif sebagai staf Departemen Sains Himpunan Keprofesian Gamma Sigma Beta. Penulis juga aktif dalam kepanitiaan kegiatan kampus antara lain staf Divisi Kesekretariatan Masa Perkenalan Departemen Statistika IPB, staf Divisi Publikasi dan Promosi Statistika Ria 2011, dan staf Divisi Acara Stadium General dan Diksar Kopma IPB.