| dc.description.abstract | Pemodelan spasial dapat dilakukan berdasarkan jenis efek spasial yang terjadi pada data yang akan diteliti. Efek spasial terdiri dari ketergantungan spasial dan heteroskedastik spasial. Model regresi spasial autoregresif (spatial autoregressive regression/SAR) hanya memperhatikan ketergantungan pada peubah respon. Metode pendugaan pada SAR bersifat valid bila asumsi galat dipenuhi. Pendugaan parameter SAR yang mengandung heteroskedastik menggunakan metode kemungkinan maksimum (maximum likelihood estimation/MLE) bersifat tidak konsisten. Metode alternatif yang digunakan adalah metode momen terampat (generalized method of moments/GMM).
Kondisi heteroskedastik pada SAR dilakukan dengan membuat spatial lag yaitu menambahkan matriks bobot pada peubah dependen yang merupakan suatu fungsi non stokastik dan stokastik. Selanjutnya spatial lag akan berkorelasi dengan errornya. Pendugaan parameter GMM pada kondisi heteroskedastik dilakukan dengan menambahkan matriks bobot yang merupakan kombinasi dari fungsi momen linear dan kuadratik. Metode GMM menghasilkan penduga yang efisien dan komputasinya lebih mudah dibandingkan MLE. Penelitian ini bertujuan mengevaluasi model SAR yang mengandung heteroskedastik dengan nilai bias dugaan parameter menggunakan metode GMM pada data simulasi dan menerapkan metode GMM pada data PDRB Jawa tahun 2017.
Pada penelitian ini, nilai bias penduga GMM dibandingkan dengan penduga MLE pada data simulasi. Simulasi data dilakukan dengan jumlah amatan yaitu n=30, n=90 dan n=900 dengan 1000 kali ulangan, serta terdiri dua matriks bobot spasial yaitu circular world matrix dan small group interaction matrix. Pemilihan tiga jumlah data menggambarkan jumlah amatan (sampel) kecil, sedang dan besar. Hasil simulasi disajikan dalam bentuk evaluasi nilai bias pendugaan parameter pada interaksi spasial (ρ), dan koefisien regresi (β1,β2) untuk melihat keragaman hasil dugaan parameter dari GMM dan MLE.
Penerapan metode GMM dilakukan pada data produk domestik regional bruto (PDRB) kabupaten/kota Jawa tahun 2017 yang berasal dari Badan Pusat Statistika (BPS). Peubah yang digunakan adalah PDRB Jawa tahun 2017 atas dasar harga konstan tahun dasar 2010 sebagai peubah respon dan empat peubah penjelas yaitu jumlah tenaga kerja (X1), upah minimum kabupaten (X2), pendapatan asli daerah (X3) dan indeks pembangunan manusia (X4). Matriks bobot spasial yang digunakan dalam penelitian ini ada tiga yaitu k-nearest neighbor, eksponential distance weights, dan contiguity. Selanjutnya dilakukan perbandingan pada nilai ragam minimum dan pseudo R2 yang dihasilkan dari ketiga matriks pembobot. Tujuan membandingkan nilai ragam minimum dan pseudo R2 adalah mendapatkan matriks pembobot yang tepat untuk digunakan pada data PDRB.
Berdasarkan hasil data simulasi bahwa GMM dan MLE memberikan nilai bias dugaan parameter semakin kecil dengan bertambahnya jumlah amatan. Jika dilakukan perbandingan antara GMM dan MLE, secara keseluruhan GMM memberikan nilai bias lebih kecil dari MLE. Kondisi heteroskedastik pada unit-unit
spasial maupun dalam bentuk interaksi grup unit spasial memberikan hasil penduga yang konsisten. Perbedaan jenis interaksi spasial tidak mempengaruhi nilai bias dugaan parameter.
Berdasarkan hasil eksplorasi PDRB setiap kabupaten/kota di Jawa menunjukkan adanya hubungan spasial antar daerah serta penyebaran PDRB yang beragam, mengindikasikan adanya permasalahan heteroskedastik. Hal ini diperkuat dengan pengujian dua efek spasial yang nyata sehingga metode ML tidak valid digunakan. Pemilihan matriks pembobot yang tepat pada data PDRB adalah eksponential distance weights dengan nilai ragam paling minimum yaitu 48.41 dan pseudo R2 paling besar yaitu 77.3%. Secara keseluruhan, besarnya nilai PDRB di suatu kabupaten/kota di Jawa dipengaruhi faktor upah minimum kabupaten dan pendapatan asli daerah pada taraf nyata 5%, sehingga untuk mengambil kebijakan yang tepat yang berhubungan dengan nilai PDRB di suatu kabupaten/kota di Jawa, dua peubah ini layak untuk lebih dipertimbangkan. | id |
