PENDEKATAN EKONOMETRIKA PANEL SPASIAL UNTUK PEMODELAN PDRB SEKTOR INDUSTRI DI SWP GERBANGKERTASUSILA DAN MALANG-PASURUAN Oleh: Irma Fatmawati (1306 100 026) Pembimbing: Dr. Ir. Setiawan, MS
Co Pembimbing: Muhammad Sjahid Akbar, MSi 1
PENELITIAN TENTANG EKONOMETRIKA Bappenas (2006)
Laporan Hasil Kajian Penyusunan Model Perencanaan Lintas Wilayah dan Lintas Sektor
Viyani Kartika Belinda (2007)
Analisis Statistika Terhadap Faktor-faktor Yang Mempengaruhi Tingkat Pertumbuhan Ekonomi (PDB) Pasca Krisis Moneter di Indonesia Tahun 1999-2004
Jamzani Sodik (2007)
Pengeluaran Pemerintah dan Pertumbuhan Ekonomi Regional
Muchlisoh (2008)
Model Regresi Data Panel dengan Korelasi Error Spasial pada Studi Kasus Pengaruh Pertumbuhan Ekonomi dan Inflasi Terhadap Kemiskinan di Indonesia
Hanik Yunitasari (2009)
Pendekatan Ekonometrika Spasial Terhadap Produk Domestik Regional Bruto Sektor Industri di Wilayah Jawa Timur 2
LATAR BELAKANG PDRB sektor industri Jawa Timur memiliki keterkaitan spasial Pertumbuhan PDRB setiap tahun berbeda PDRB sektor industri dengan efek spasial dan periode waktu
Ekonometrika Spasial Data Panel 3
PERMASALAHAN Bagaimana memodelkan PDRB sektor industri terhadap faktor-faktor yang mempengaruhinya dengan menggunakan ekonometrika panel spasial pada kabupaten/kota di SWP Gerbangkertasusila dan Malang-Pasuruan. Bagaimana pengaruh faktor-faktor tersebut pada PDRB sektor industri di SWP Gerbangkertasusila dan Malang-Pasuruan.
4
TUJUAN Membuat pemodelan PDRB sektor industri terhadap faktor-faktor yang mempengaruhinya dengan menggunakan ekonometrika panel spasial pada kabupaten/kota di SWP Gerbangkertasusila dan Malang-Pasuruan. Mengetahui pengaruh faktor-faktor tersebut pada PDRB sektor industri di SWP Gerbangkertasusila dan Malang-Pasuruan.
5
MANFAAT DAN BATASAN PENELITIAN
Manfaat
Batasan Penelitian
dapat memberikan informasi kepada pemerintah berdasarkan faktor-faktor yang mempengaruhi PDRB sektor industri agar dapat mengarahkan kebijakan pembangunan yang terbaik bagi peningkatan kesejahteraan masyarakat dan kemajuan setiap kabupaten/kota. Penelitian ini membatasi pada PDRB sektor industri di SWP Gerbangkertasusila dan Malang-Pasuruan atas dasar harga konstan. Metode dalam penghitungan PDRB sektor industri menggunakan variabel-variabel yang digunakan Bappenas. Model spasial yang digunakan menggunakan efek dependensi spasial dan matriks pembobot spasial yang digunakan berdasarkan penelitian sebelumnya yaitu dengan menggunakan metode rook contiguity. 6
TINJAUAN PUSTAKA Ekonometrika Spasial merupakan pengembangan dari model regresi sederhana yang telah mengakomodasikan fenomena-fenomena autokolerasi spasial
Model Umum Data Panel y it xit i it
7
MODEL EKONOMETRIKA SPASIAL DATA PANEL y it xit i it Model Spasial Lag N
y it w ij y jt x it i it j 1
Model Spasial Error N
yit xit i it ; it wijit it j 1
8
ROOK CONTIGUITY (PERSINGGUNGAN SISI)
9
MATRIKS PEMBOBOT/PENIMBANG SPASIAL DENGAN ROOK CONTIGUITY
Ketetanggaan Malang Pasuruan Sidoarjo Mojokerto Lamongan Gresik Bangkalan Kota Malang Kota Pasuruan Kota Mojokerto Kota Surabaya
Mal Pas 0 1 1 0 0 1 0 1 0 0 0 0 0 0 1 0 0 1 0 0 0 0
Sid 0 1 0 1 0 1 0 0 0 0 1
Moj Lam Gre 0 0 0 1 0 0 1 0 1 0 1 1 1 0 1 1 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1
Ban 0 0 0 0 0 0 0 0 0 0 0
Kot KotP Kot Kot Mal as Mojo Sur 1 0 0 0 0 1 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
10
ESTIMASI PARAMETER MODEL Fixed Effect
mengestimasi data panel dengan menggunakan variabel dummy untuk menangkap adanya perbedaan intersep
Random Effect
mengasumsikan setiap variabel mempunyai perbedaan intersep dan intersep diasumsikan sebagai variabel random
11
GOODNESS-OF-FIT Pengukuran kriteria kebaikan model dilakukan dengan mengukur corr square yaitu koefisien korelasi kuadrat antara variabel dependen dengan variabel dependen taksiran
2
Y Y Yˆ Y 2 ˆ corr Y , Y 2 ' ' ˆ Y Y Y Y Y Y Yˆ Y
'
12
LAGRANGE MULTIPLIER TEST Untuk menguji efek interaksi spasial pada model. Hipotesis pengujian adalah H0 adalah terdapat interaksi spasial dan H1 adalah tidak terdapat interaksi spasial Statistik uji:
e I '
LM J
T
W e ˆ 2 T TW
'
LM
1 ˆ ' I X X 'X I W X T NT 2
TW tr WW W 'W
e I
2
1
T
W Y ˆ 2 J
2
X ' I T W Xˆ TT W 2
statistik LM test berdistribusi χ2 dan H0 ditolak jika nilai statistik LM lebih besar dari nilai χ2tabel 13
LIKELIHOOD RATIO (LR) TEST Untuk menguji efek pada model. Hipotesis pengujian: • Efek individu (fixed effect) H0 : µ1=µ2=…=µN=α H1 : Minimal ada salah satu yang berbeda α adalah mean intersep. • Efek random (random effect) H0 : θ=1 (σµ=0) H1 : θ≠1 Statistik uji : -2s, dimana s adalah selisih antara loglikelihood model restricted dan model unrestricted. H0 ditolak jika -2s > χ2tabel.
14
ASUMSI NORMALITAS Pengujian menggunakan Kolmogorov-Smirnov normality test dengan hipotesis: H0 : data sampel berasal dari distribusi normal H1 : data sampel tidak berasal dari distribusi normal Statistik uji : D Sup F ( x) F ( x) n
0
x
H0 ditolak jika D>Dα, Dα diperoleh dari tabel Kolmogorov-Smirnov satu sampel. Fn(x) adalah nilai distribusi kumulatif sampel F0(x) adalah nilai distribusi kumulatif dibawah H0 P(Z
15
SATUAN WILAYAH PEMBANGUNAN DI JAWA TIMUR • • • • • • • • •
SWP1 (Gerbangkertasusila) SWP2 (Malang-Pasuruan) SWP3 (Probolinggo-Lumajang) SWP4 (Jember dan sekitarnya) SWP5 (Banyuwangi) SWP6 (Madiun dan sekitarnya) SWP7 (Kediri dan sekitarnya) SWP8 (Tuban-Bojonegoro) SWP9 (Madura dan kepulauan)
16
METODOLOGI PENELITIAN Sumber Data
Spesifikasi Model
data sekunder dari BPS tentang PDRB sektor industri Kabupaten/Kota di Jawa Timur atas dasar harga konstan serta faktor-faktor yang mempengaruhi nilai PDRB pada masing-masing sektor mulai tahun 2003 sampai 2007 PDRBIit = 2W2PDRBIit + b1TKIit + b2BMDit + b3BBJit + b4BPGit + µ2.i + ε2.it PDRBIit = h1TKIit + h2BMDit + h3BBJit + h4BPGit + µ8.i + it ; it = 2W2it + ε8.it
17
LANGKAH-LANGKAH ANALISIS Mulai Menetapkan variabel dependen dan independen PDRB sektor industri Menentukan matriks pembobot spasial Estimasi parameter Pemilihan model
Uji asumsi model
Penanggulangan asumsi yang tidak terpenuhi tidak
ya
Uji efek pada model panel spasial Interpretasi model Selesai
18
ANALISIS DAN PEMBAHASAN 21685.91
20000.00 15000.00
12555.54 2003
10000.00
2004
6470.31
2005
5000.00
2006
kabupaten /kota yang diteliti
kota surabaya
kota mojokerto
kota pasuruan
kota malang
bangkalan
gresik
lamongan
mojokerto
sidoarjo
pasuruan
0.00
2007
250.00 PDRB sektor industri (dalam milyar)
25000.00
malang
PDRB sektor industri (dalam milyar)
• Statistik Deskriptif Sektor Industri Pengolahan 230.62
200.00 150.00
129.11
142.57
155.97 2003 2004
100.00
2005 2006
50.00
2007
0.00 lamongan
bangkalan
kota pasuruan
kota mojokerto
kabupaten /kota yang diteliti
19
MODEL PDRB SEKTOR INDUSTRI PENGOLAHAN Estimasi parameter pada model SAR fixed effect Variabel ln TKI ln BMD ln BBJ ln BPG
SAR panel Coef P-Value 0.058638 0.003205* 0.010014 0.302604 0.003845 0.803555 0.081005 0.012142* 0.560992 0.000000* R2 = 0.9997 corr2 = 0.8443
Keterangan : tanda (*) menunjukkan signifikan pada α=0.05
20
LANJUTAN
• Pengujian Kenormalan P-value dari Uji Kolmogorov-Smirnov sebesar 0.15 (lebih besar dari α=0.05) sehingga dapat diputuskan gagal tolak H0 dan disimpulkan bahwa residual menyebar mengikuti distribusi normal. • Independen dan Homoskedastisitas Scatterplot of y hat vs resid^2
Autocorrelation Function for resid (with 5% significance limits for the autocorrelations)
10 1.0 0.8
9 8
0.4 0.2
y hat
A utocorrelation
0.6
0.0
7
-0.2
6
-0.4 -0.6
5
-0.8 -1.0
4 1
5
10
15
20
25
30 Lag
35
40
45
50
0.000
0.001
0.002
0.003 resid^2
0.004
0.005
21
LANJUTAN •
Multikolinearitas Analisis korelasi menunjukkan bahwa antara variabel BBJ dan BPG memiliki korelasi sebesar 0.832 serta variabel BBJ dan BMD memiliki korelasi 0.805. Korelasi pada variabel tersebut tinggi sehingga perlu dilakukan analisis PCA untuk mengatasi multikolinearitas.
PC1 0.449Z TKI 0.492Z BMD 0.519Z BBJ 0.536Z BPG PC 2 0.784Z TKI 0.496Z BMD 0.348Z BBJ 0.136Z BPG
22
ESTIMASI PARAMETER DENGAN VARIABEL PCA Estimasi parameter pada model SAR fixed effect Variabel kelompok pengeluaran belanja
SAR panel Coef P-Value 0.055530 0.000016*
-0.045433 kelompok tenaga kerja 0.558988 R2 = 0.9997; corr2 = 0.8439
0.005619* 0.000000*
Keterangan : tanda (*) menunjukkan signifikan pada α=0.05
Model PDRB sektor industri pengolahan adalah sebagai berikut. 11
ln PDRBI it 0.56 wij ln PDRBI jt 0.056 kelompok pengeluaran belanja j 1
0.045 kelompok tenaga ker ja i 23
LANJUTAN
• Uji kenormalan residual pada model menghasilkan p-value 0.15 sehingga disimpukan residual pada model telah berdistribusi normal. • Independen dan Homoskedastisitas Autocorrelation Function for resid
Scatterplot of y hat vs resid^2
(with 5% significance limits for the autocorrelations) 10 1.0 0.8
9 8
0.4 0.2
y hat
A utocorrelation
0.6
0.0
7
-0.2 6
-0.4 -0.6
5
-0.8 -1.0
4 1
5
10
15
20
25
30 Lag
35
40
45
50
0.000
0.001
0.002 0.003 resid^2
0.004
0.005
24
LANJUTAN
• Pengujian pengaruh efek spasial pada model menggunakan LR test menghasilkan p-value sebesar 0.000 sehingga dapat disimpulkan efek spasial pada masing-masing kapupaten memiliki pengaruh terhadap model. • Pengujian Lagrange Multiplier menghasilkan p-value 0.000 untuk spasial lag sehingga kesimpulan yang diperoleh adalah spasial lag pada model signifikan.
25
MODEL PADA MASING-MASING KABUPATEN/KOTA • Model PDRB sektor industri di Malang
ln PDRBI M lg ket 2.485 0.56ln PDRBI Pasu ket ln PDRBI Kt M lg ket 0.056 kelompok pengeluaran belanja 0.045 kelompok tenaga ker ja
• Model PDRB sektor industri di Pasuruan ln PDRBI Pasu ket 2.564 0.56 (ln PDRBI M lg ke t ln PDRBI Sidog ket ln PDRBI Mojog ket ln PDRBI Kt Pasu ket ) 0.056 kelompok pengeluaran belanja 0.045 kelompok tenaga ker ja
26
LANJUTAN MODEL
• Model PDRB sektor industri di Sidoarjo ln PDRBI Sidou ket 3.883 0.56 (ln PDRBI Pasu ket ln PDRBI Mojo ket ln PDRBI Gres ket ln PDRBI Kt Sby ket ) 0.056 kelompok pengeluaran belanja 0.045 kelompok tenaga ker ja
• Model PDRB sektor industri di Mojokerto ln PDRBI Mojo ket 2.811 0.56 (ln PDRBI Pasu ket ln PDRBI Sido ket ln PDRBI Lamo ket ln PDRBI Gres ket ln PDRBI Kt Mojo ket ) 0.056 kelompok pengeluaran belanja 0.045 kelompok tenaga ker ja
27
LANJUTAN MODEL
• Model PDRB sektor industri di Lamongan ln PDRBI Lamo ke t 0.133 0.56 (ln PDRBI Mojo ke t ln PDRBI Gres ket ) 0.056 kelompok pengeluaran belanja 0.045 kelompok tenaga ker ja
• Model PDRB sektor industri di Gresik ln PDRBI Gres ke t 3.817 0.56 (ln PDRBI Sido ke t ln PDRBI Mojo ke t ln PDRBI Lamo ke t ln PDRBI Kt Sby ke t ) 0.056 kelompok pengeluaran belanja 0.045 kelompok tenaga ker ja
• Model PDRB sektor industri di Bangkalan ln PDRBI Bang ke t 1.32 0.56 (ln PDRBI Kt Sby ke t ) 0.056 kelompok pengeluaran belanja 0.045 kelompok tenaga ker ja 28
LANJUTAN MODEL
• Model PDRB sektor industri di Kota Malang ln PDRBI Kt M lg ket 3.245 0.56 (ln PDRBI M lg ket ) 0.056 kelompok pengeluaran belanja 0.045 kelompok tenaga ker ja
• Model PDRB sektor industri di Kota Pasuruan ln PDRBI Kt Pasu ke t 0.153 0.56 (ln PDRBI Pasu ket ) 0.056 kelompok pengeluaran belanja 0.045 kelompok tenaga ker ja
• Model PDRB sektor industri di Kota Mojokerto ln PDRBI Kt Mojo ke t 0.306 0.56 (ln PDRBI Mojo ke t ) 0.056 kelompok pengeluaran belanja 0.045 kelompok tenaga ker ja 29
LANJUTAN MODEL
• Model PDRB sektor industri di Kota Surabaya ln PDRBI Kt Sby ke t 0.306 0.56 (ln PDRBI Sido ke t ln PDRBI Gres ke t ) 0.056 kelompok pengeluaran belanja 0.045 kelompok tenaga ker ja
• Model panel spasial pada masing-masing kabupaten/kota yang dengan variabel kelompok pengeluaran belanja serta kelompok tenaga kerja yang dikembalikan ke variabel asal adalah sebagai berikut. 11
ln PDRBI it 0.56 wij ln PDRBI jt 0.056 ln TKI it 0.006 ln BMDit j 1
0.016 ln BBJ it 0.063 ln BPGit
30
KESIMPULAN • •
Estimasi model PDRB sektor industri pada kabupaten/kota yang diteliti adalah model SAR fixed effect. PDRB sektor industri pada SWP Gerbangkertasusila dan Malang-Pasuruan dipengaruhi oleh kelompok pengeluaran belanja dan kelompok tenaga kerja serta efek spasial. Interaksi spasial menunjukkan bahwa nilai PDRB sektor industri untuk masing-masing kabupaten/kota yang diteliti dipengaruhi oleh besarnya nilai PDRB sektor industri kabupaten/kota yang menjadi tetangga. Efek spesifik spasial yang signifikan pada model menunjukkan adanya perbedaan efek spesifik spasial pada kabupaten/kota yang diamati sehingga masing-masing kabupaten/kota yang diteliti memiliki perbedaan model. Pengujian asumsi model menunjukkan bahwa model telah memenuhi asumsi residual berdistribusi normal, independen, dan tidak terjadi kasus multikolinearitas namun masih belum memenuhi asumsi residual yang identik. 31
SARAN Penelitian selanjutnya sebaiknya memasukkan variabel investasi swasta. penelitian selanjutnya dapat dilakukan penambahan kabupaten/kota yang lain yang sesuai. Periode waktu pada penelitian selanjutnya juga dapat dilakukan penambahan dapat diteliti efek periode waktu pada model. Asumsi residual yang identik belum terpenuhi pada model yang dihasilkan sehingga pada penelitian selanjutnya dapat dilakukan penanggulangan asumsi yang belum terpenuhi.
32
DAFTAR PUSTAKA Anselin, L. (1988). Spatial Econometrics: Methods and Models. Dordrecht: Kluwer Academic Publishers. Baltagi, B.H., S.H. Song, dan W. Koh (2003), Testing Panel Data Regression Model with Spatial Error Correlation, Journal of Econometrics 117, 123-150. Bappenas. (2006). Laporan Hasil Kajian Penyusunan Model Perencanaan Lintas Wilayah dan Lintas Sektor. Jakarta: Bappenas. BPS, (2008). Produk Domestik Regional Bruto Jawa Timur 2004-2008, Surabaya: BPS Belinda, V.K. (2007), Analisis Statistika Terhadap Faktor-Faktor Yang Mempengaruhi Tingkat Pertumbuhan Ekonomi (PDB) Pasca Krisis Moneter Di Indonesia Tahun 1999-2004. Tugas Akhir, Institut Teknologi Sepuluh Nopember (ITS),Surabaya. Elhorst, J.P. (2003), Specification and Estimation of Spatial Panel Data Models. International Regional Science Review 26, 3: 244–268. __________ (2009), Spatial Panel Data Models. In Fischer MM, Getis A (Eds.) Handbook of Applied Spatial Analysis, Ch. C.2. Berlin Heidelberg New York: Springer. Gujarati, D. (1999), Ekonometrika Dasar, Jakarta: Erlangga.
33
LANJUTAN DAFTAR PUSTAKA
Halim, S., Anastasia N., Evalina A., dan Tobing A.F. (2008) Penentuan Harga Jual Hunian Pada Apartemen Di Surabaya dengan Menggunakan Metode Regresi Spasial, Jurnal Teknik Industri 10: 2 (Hal: 151-157). Johnson, R.A. dan Wichern, D.W. (2002), Applied Multivariate Statistical Analysis, fifth edition, New Jersey: Prentice Hall International.Inc. LeSage, J.P. (1999), The Theory and Practice of Spatial Econometrics, Departement of Economics University of Toledo. __________ (2005) Matlab Econometric Toolbox, Available at http://www.spatialeconometrics.com/ Muchlisoh, S. (2008), “Model Regresi Data Panel Dengan Korelasi Error Spasial”, Tesis Magister, Institut Teknologi Sepuluh Nopember (ITS), Surabaya. Sodik, J. (2007), Pengeluaran Pemerintah Dan Pertumbuhan Ekonomi Regional. Studi Kasus Data Panel di Indonesia. Jurnal Ekonomi Pembangunan 12: 1 (Hal: 27 – 36). Sodik, J. dan Nuryadin, D. (2005), Investasi Dan Pertumbuhan Ekonomi Regional (Studi Kasus Pada 26 Propinsi Di Indonesia, Pra Dan Pasca Otonomi). Jurnal Ekonomi Pembangunan 10: 2 (Hal: 157 – 170). 34
TERIMA KASIH 35
