Pemodelan Regresi Komponen Utama Dan Lasso Terboboti Geografis (Global Dan Lokal) (Studi Kasus: Data Produk Domestik Regional Bruto (Pdrb) Pada 113 Kabupaten/Kota Di Pulau Jawa)
View/ Open
Date
2016Author
Yulita, Ira
Djuraidah, Anik
Wigena, Aji Hamim
Metadata
Show full item recordAbstract
Pada model regresi linier berganda diasumsikan tidak ada multikolinieritas antar peubah bebas dan antar pengamatan bersifat saling bebas. Multikolinieritas adalah ada korelasi yang tinggi antar peubah bebas. Multikolinieritas pada regresi linier berganda dapat diatasi dengan mentransformasi peubah bebas awal menjadi peubah baru (komponen utama) yang tidak berkorelasi. Di samping itu masalah ini dapat diatasi dengan menambahkan regularisasi L1 (Least Absolute Shrinkage and Selection Operator (Lasso)).
Pemodelan spasial dapat dilakukan berdasarkan jenis efek spasial yang terjadi pada data yang akan diteliti. Efek spasial terdiri dari dependensi spasial dan keheterogenan spasial. Dependensi spasial dapat diselesaikan dengan menambahkan komponen otoregresif pada peubah tidak bebas, galat, atau keduanya pada model regresi. Keheterogenan spasial dapat diselesaikan dengan Regresi Terboboti Geografis (RTG).
Seperti pada model regresi berganda, pada model RTG juga diasumsikan tidak ada multikolinieritas antar peubah bebas. RTG dengan kasus multikolinieritas dapat diselesaikan dengan Regresi Komponen Utama Terboboti Geografis (RKUTG) dan Regresi Lasso Terboboti Geografis (RLTG). RKUTG dan RLTG bersifat global dan lokal. Pada RKUTG global komponen utama dibentuk secara global, sedangkan RKUTG lokal komponen utama dibentuk secara lokal. Pada RLTG global parameter penyusutan pada regularisasi L1 ditentukan secara global, sedangkan RLTG lokal parameter penyusutan pada pada regularisasi L1 ditentukank secara lokal. Tujuan penelitian ini adalah menentukan model RKUTG (global dan lokal) serta RLTG (global dan lokal) dengan matrik pembobot kernel Gaussian pada data nilai PDRB di Pulau Jawa tahun 2013 serta memperoleh model dugaan terbaik dari model tersebut.
Data yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari Badan Pusat Statistik (BPS) tahun 2013. Peubah tidak bebas adalah nilai PDRB. Peubah bebas terdiri dari Indeks Pembangunan Manusia (IPM), pendidikan, angka harapan hidup, rata-rata lama sekolah, angka melek huruf, pengeluaran perkapita, persentase penduduk miskin, rumah tangga menggunakan gas, rumah tangga menggunakan listrik, jumlah pertokoan dan pasar, serta jumlah penginapan dan hotel. Untuk menentukan model RKUTG global, komponen utama global dibentuk berdasarkan matriks ragam peragam peubah tak bebas, sedangkan pada RKUTG lokal, komponen utama lokal dibentuk berdasarkan matriks ragam peragam peubah tak bebas dengan menggunakan matriks pembobot lokasi. Pada model RLTG global parameter penyusutan pada regularisasi sama untuk semua lokasi, sedangkan pada RLTG lokal parameter penyusutan pada regularisasi berbeda untuk setiap lokasi.
Hasil penelitian menunjukan model RKUTG global dan lokal menghasilkan pseudo R2 masing-masing sebesar 67.74% dan 66.43%. Model RLTG global dan
lokal menghasilkan pseudo R2 masing-masing sebesar 88.63% dan 98.61%. Model terbaik adalah model dengan menggunakan metode RLTG lokal dengan nilai R2 sebesar 98.61%. Nilai ini menunjukkan bahwa 98.61% keragaman nilai PDRB mampu dijelaskan oleh model sedangkan sisanya dijelaskan oleh peubah-peubah lain diluar model. Peubah bebas yang nyata disetiap kabupaten/kota di Pulau Jawa berbeda-beda. Jakarta Pusat dengan dugaan nilai PDRB tertinggi dipengaruhi oleh seluruh peubah bebas. Sedangkan peubah bebas yang nyata untuk Kota Sukabumi yang memiliki dugaan nilai PDRB terendah adalah jumlah pertokoan dan pasar.