PEMODELAN EKONOMETRIKA SPASIAL DENGAN … · •Penggunaan metode statistika atau matematika dalam...
Transcript of PEMODELAN EKONOMETRIKA SPASIAL DENGAN … · •Penggunaan metode statistika atau matematika dalam...
PEMODELAN EKONOMETRIKA SPASIAL
DENGAN GEOGRAPHICAL WEIGHTED
REGRESSION (GWR)
Bambang Juanda
(ilustrasi riset Harmes)
•Penggunaan metode statistika atau matematika dalam menjelaskan sistem2 (prilaku) ekonomi.
•Penggunaan model statistik dalam menjelaskan sistem2 (masalah, perilaku) ekonomi.
• Penggunaan EKONOMETRIKA dengan jenis DATA SPASIAL
• DATA SPASIAL adalah data yang bereferensi geografis (memiliki koordinat lokasi X,Y (Latitude = garis lintang
utara/selatan equator), longitude = garis bujur timur/barat standar meridian di Greenwich)
• Bentuk Data spasial : titik (point), poligon, garis (line), permukaan bumi (surface).
• GWR merupakan salah satu model ekonometrika spasial dengan data titik
PENGERTIAN
Ekonometrika Spasial
Ekonometrika
31
32
38
65
0
33
37
30
64
34
63
1
62
35
66
20
36
40
4
45
43
44
61
41
8
46
3
2
28
60
19
9
58
57
27
59
47
67
42
25
39
5
12
29
18
23
26
54
48
2251
56
50
4953
10
14
52
2421
15
5513
17
11
16
31
32
38
65
0
33
37
30
64
34
63
1
62
35
66
20
36
40
4
45
43
44
61
41
8
46
3
2
28
60
19
9
58
57
27
59
47
67
42
25
39
5
12
29
18
23
26
54
48
2251
56
50
4953
10
14
52
2421
15
5513
17
11
16
!
!
!
! !
!!!
!
!!! !
!! !
!!
!
!
!
! ! !! !
!
!
!
!
!
!
!
!
! !
!
!
!
!
!!
!
!
!
!
!
!
!
!
!!
!! !
!!
!
!
!
!
!!
!
!
!
!
JITRA
BAJAK
BERKAS
MALABRO
KANDANG
BUMIAYU
SEMARANG
SURABAYA
PANORAMA
SUKARAMI
BETUNGAN
LEMPUING
BENTIRING
SIDOMULYO
SUMURDEWA
MUARA DUA
PINTUBATU
PENURUNAN
NUSAINDAH
PAGARDEWA
SUMBERJAYA
PEKANSABTU
DUSUNBESAR
KANDANGMAS
RAWAMAKMUR
PONDOKBESI
TIMURINDAH
KEBUNDAHRIKEBUNGERAN
PADANGJATI
KEBUNBELER
TANAHPATAH
SAWAH LEBAR
JALANGEDANG
PADANGSERAI
TELUKSEPANG
SUKAMERINDUKAMPUNGBALI
ANGGUT ATASKEBUNTEBENG
KANDANGLIMUN
BERINGINRAYA
TANJUNG JAYA
PADANGNANGKA
ANGGUT DALAM
ANGGUT BAWAH
LINGKAR BARAT
JEMBATANKECIL
PADANGHARAPAN
CEMPAKAPERMAI
PASARBENGKULU
KAMPUNGKELAWI
LINGKAR TIMUR
BENTIRINGPERMAI
SAWAHLEBAR BARU
PEMATANGGUBERNUR
RAWAMAKMURPERMAI
31
32
38
65
0
33
37
30
64
34
63
1
62
35
66
20
36
40
4
45
43
44
61
41
8
46
3
2
28
60
19
9
58
57
27
59
7
42
39
29
26
50
4947
25
5
12
18
2354
48
22
51
565253
24
1517
JENIS DATA SPASIAL
DATA SPASIAL POLIGONDATA SPASIAL GARIS DATA SPASIAL TITIK
TAHAPAN STUDI EKONOMETRIKA
Perumusan Masalah
Perumusan (Pengembangan) Model
Pengumpulan Data
Pendugaan Model
Model Layak? Interpretasi Model
PeramalanImplikasi Kebijakan
Uji Hipotesis
Teori Ekonomi,Pengalaman Lalu,
Studi Lainnya
yatidak
TAHAPAN STUDI EKONOMETRIKA SPASIAL
Perumusan Masalah
Perumusan (Pengembangan) Model
Pengumpulan Data
Pendugaan Model
Model Layak? Interpretasi Model
PeramalanImplikasi Kebijakan
Uji Hipotesis
Teori Ekonomi,Pengalaman Lalu,
Studi Lainnya
yatidak
Dependensi(Korelasi) dan
HeteroskedastisitasSpasial
TIPE DATA SPASIAL TITIK:
a. Data Cross-Section
Geographically Weighted Regression (GWR) Y ~ N( µ, σ2)
Geographically Weighted Poisson Regression (GWPR) Y ~ Poisson( )
b. Data Time-Series
STAR (Space-Time Autoregressive)
GSTAR (Generalized Space Time Autregressive )
JENIS PEMODELAN SPASIAL
TIPE DATA SPASIAL AREA:
a. Data Cross-Section
SAR : Spatial Autoregressive Models
SEM : Spatial Error Models
CAR : Conditional Autoregressive Models
SDM : Spatial Durbin Model
SARMA: Spatial Autoregressive Moving Average
b. Data Time-Series
Panel Data
Model GWR merupakan pengembangan model regresi SEDERHANA biasa, yang
ide dasarnya diambil dari regresi non parametrik.
Pemodelan spasial dengan teknik Geograficall Weighted Regression (GWR)
dimaksudkan untuk mempertimbangkan FAKTOR LOKASIONAL dalam model
regresi
GWR adalah model regresi linier lokal yang menghasilkan penduga parameter
model yang bersifat lokal untuk setiap lokasi pengamatan.
Variabel prediktor pada GWR masing-masing koefisien regresinya bergantung
pada lokasi dimana data tersebut diamati sesuai titik koordinat (ui, vi).
Berbeda dengan regresi biasa yang modelnya diberlakukan secara umum di
seluruh lokasi pengamatan, maka GWR hanya berlaku untuk masing-masing
lokasi.
PEMODELAN EKONOMETRIKA SPASIAL “GWR”
IDE DASAR
IDE DASAR GWR
MODEL REGRESI SEDERHANA:
i
p
k
kiki XY 1
0
intersep Y Error Acak
Peubah
Respons
(dependent) Peubah Penjelas ke-k
(Independent)
Slope
Pada model ini, setiap faktor geografis dianggap konstan, sehingga tidak mempengaruhi
hubungan antara variabel prediktor dan variabel respon
IDE DASAR GWR
Model GWR membutuhkan adanya POLA SPASIAL (DEPENDESI SPASIAL ATAU HETEROGENITAS SPASIAL
POLA SPASIAL, menjelaskan bagaimana fenomena geografis terdistribusi serta perbandingannya dengan
fenomena lain
Metode Autokorelasi Spasial, untuk mengetahui POLA SPASIAL : Moran’s I; Geary’s C; LISA
Prasyarat DATA GWR :
n
1i
2
i
n
1i
n
1j
ij
n
1i
n
1j
jiij
)x(x)w(
)x)(xx(xwN
I
• I : Indeks Moran
• n : Banyak lokasi kejadian
• Xi : Jumlah kejadian kemiskinan pada daerah i
• Xj : Jumlah kejadian kemiskinan pada daerah j
• : Rata-rata dari jumlah kejadian kemiskinan
• Wij : Elemen pada bobot matriks antara daerah i dan j,
Moran’s I
Hubungan antar variabel dapat berbeda untuk wilayah yang berlainan, sebagai cerminan adanya heterogenitas ataupun dependensi spasial
(autokorelasi spasial) sesuai Hukum pertama geografi.
IDE DASAR GWR
p
k
iiikikiii vuxvuy1
0 ),(),( ),( ii vu
(ui,vi) : koordinat lintang, bujur titik lokasi ke-i unit amatan.
k (ui,vi) : koefisien peubah ke-k titik lokasi ke-i unit amatan.
MODEL GWR :
)(ˆ iβ : koefisien untuk lokasi ke-i
X : matrik data dari variabel bebas
y : vektor variabel respon (nx1)
W(i) : matriks pembobot untuk lokasi i
yβ ),()),((),(ˆ 1
ii
T
ii
T
ii vuWXXvuWXvu
ni
i
i
W
W
W
i
...00
0...0
0...0
)(2
1
W
nknn
k
k
xxx
xxx
xxx
21
22221
11211
1
1
1
X
ny
y
y
2
1
y
nnpnnnn
p
vuvuvu
vuvuvu
,β...,β,β
...
...
...
,β...,β,β
10
11111110
β
ESTIMASI PARAMETER MODEL GWR
Kecamatan/kel. Kecamatan/kel. Kecamatan/kel.
Kecamatan Gading Cempaka :
1. Kel. Padang Harapan
2. Kel. Panorama
3. Kel. Jembatan Kecil
4. Kel. Jalan Gedang
5. Kel. Lingkar Barat
6. Kel. Cempaka Permai
Kecamatan Ratu Agung :
1. Kel. Lempuing
2. KIelurahan Kebun Tebeng
3. Kel. Tanah Patah
4. Kel. Nusa Indah
5. Kel. Kebun Beler
6. Kel. Kebun Kenanga
7. Kel. Sawah Lebar
8. Kel. Sawah Lebar Baru
Kecamatan Ratu Samban :
1. Kel. Penurunan
2. Kel. Kebun Dahri
3. Kel. Belakang Pondok
4. Kel. Anggut Dalam
5. Kel. Kebun Geran
6. Kel. Pengantungan
7. Kel. Anggut Bawah
8. Kel. Padang Jati
9. Kel. Anggut Atas
Kecamatan Teluk Segara :
1. Kel. Malabero
2. Kel. Kebun Ros
3. Kel. Pasar Melintang
4. Kel. Pintu Batu
5. Kel. Kebun Keling
6. Kel. pondok Besi
7. Kel. Berkas
8. Kel. Sumur Meleleh
9. Kel. Pasar Baru
10.Kel. Jitra
11.Kel. Bajak
12.Kel. Tengah Padang
13.Kel. Kampung Bali
Kecamatan Sungai Serut :
1. Kel. Kampung Kelawi
2. Kel. Semarang
3. Kel. Tanjung Agung
4. Kel. Tanjung Jaya
5. Kel. surabaya
6. Kel. Pasar Bengkulu
7. Kel. Sukamerindu
Kecamatan Muara Bangkahulu :
1. Kel. Bentiring
2. Kel. Bentiring Permai
3. Kel. Rawa Makmur
4. Kel. Rawa Makmur Permai
5. Kel. Kandang Limun
6. Kel. Beringin Raya
7. Kel. Pematang Gubernur
Kecamatan Selebar :
1. Kel. Suka Rami
2. Kel. Bumi Ayu
3. Kel. Pagar Dewa
4. Kel. Sumur Dewa
5. Kel. Bentungan
6. Kel. Pekan Sabtu
Kecamatan Kampung Melayu
:
1. Kel. Kandang
2. Kel. Kandang Mas
3. Kel. Teluk Sepang
4. Kel. Sumber Jaya
5. Kel. Padang Serai
6. Kel. Muara Dua
Kecamatan Singaranpati :
1. Kel. Dusun Besar
2. Kel. Padang Nangka
3. Kel. Timur Indah
4. Kel. Sidomulyo
5. Kel. Lingkar Timur
LOKASI PENELITIAN
67 KELURAHAN
SE-KOTA BENGKULU
13
Pembobot W(i) dihitung untuk tiap i dan wij mengindikasikan kedekatan atau bobot tiap
titik data dengan lokasi i.
Perbedaan ini yang membedakan GWR dengan WLS (yang pada umumnya mempunyai
matrik bobot yang konstan).
Peran pembobot sangat penting karena nilai pembobot tersebut mewakili letak data
observasi satu dengan lainnya sehingga sangat dibutuhkan ketepatan cara pembobotan.
GWR menggunakan pembobotan jarak, matrik bobot yang dibentuk berukuran n x n yang
pada setiap elemen diagonalnya merupakan pembobot untuk masing-masing lokasi ke-j
dari lokasi pengamatan ke-i
Aplikasinya Pembobot terbagi atas FIXED KERNEL (setiap lokasi memiliki nilai
bandwith yang sama) dan ADAPTIVE KERNEL (setiap lokasi memiliki nilai bandwith
berbeda)
Untuk memperoleh Bandwith optimum dapat menggunakan metode AICc atau CV (cross
validation). Bandwith adalah ukuran jarak fungsi pembobot atau merupakan lingkaran
dengan radius b dari titik pusat lokasi, sebagai dasar penentuan bobot setiap pengamatan
terhadap model regresi pada lokasi tersebut.
PEMBOBOT & BANDWITH “GWR”
Peubah Nama Peubah (kode) Definisi Operasional Jenis Data Teknik Analisis
Y1 Kemiskinan (pmi) Persentase penduduk miskin perkelurahan
Rasio Analisis Spasial Morran’ I Pengembangan Geodatabase, GWR,
Simulasi ModelX1 Penggunaan lahan perumahan
dan permukiman (lpi)Persentase Penggunaan lahanperumahan/permukiman
Rasio Sda
X2 Penggunaan lahan komersial/jasa (lkji)
Persentase Penggunaan lahankomersial/jasa
Rasio Sda
X3 Penggunaan lahan perkantoran (lki)
Persentase Luas Penggunaan lahanperkantoran
Rasio Sda
X4 Penggunaan lahan pendidikan (lpdi)
Persentase Luas Penggunaan lahanpendidikan
Rasio Sda
X5 Penggunaan lahan pariwisata (lpwi)
Persentase Luas Penggunaan lahanpariwisata
Rasio Sda
X6 Penggunaan lahan kosong (lksi) Persentase Luas Penggunaan lahankosong
Rasio Sda
X7 Penggunaan lahan pertanian (lpti)
Persentase Luas Penggunaan lahanpertanian
Rasio Sda
X8 Aksesibilitas Wilayah (awi) Densitas Jalan Rasio Sda
MATRIK DEFINISI OPERASIONAL VARIABEL
15
ANALISIS SPASIAL EKONOMETRIK
ANALISIS REGRESI TERBOBOTI GEOGRAFIS (GWR)
16
Variabel pmi, lpi, lkji, lki, lpdi, lpwi, lksi, dan awi berturut-turut adalah persentase penduduk miskin kelurahan ke – i,
persentase luas penggunaan lahan permukiman kelurahan ke – i, persentase luas lahan komersial/jasa, persentase luas
lahan perkantoran, persentase luas lahan pendidikan, persentase luas lahan pariwisata, persentase luas lahan kosong, dan
aksessibilitas wilayah
SIMULASI : PENDEKATAN SPASIAL DALAM MEREDUKSI
KEMISKINAN
PEMETAAN
Kluster & Overlay Peta Variasi
Pengaruh Penggunaan lahan
terhadap kemiskinan (Hasil GWR)
yang signifikan dan tidak signifikan
REKOMENDASI KEBIJAKAN
SIMULASI Model GWR
Variabel Independen yang signifikan
di lokasi ke-i
Ekstraksi Data Rencana Pola Ruang
per Kelurahan
17
VARIASI PENGARUH PENGGUNAAN LAHAN PERMUKIMAN
TERHADAP KEMISKINAN
Distribusi Spasial %X1 Lokasi Pengamatan Signifikan Distribusi Spasial %Y
±U
0 5 102,5
KM
! Pusat Lingkungan
") Sub Pusat Kota
!H Pusat Kota
Jalan Utama
Struktur Ruang
KETERANGAN
Sig. 0,05 X1
Tidak Signifikan
C1_% Lahan Permukiman
-0,236234 - -0,193095
-0,193094 - -0,149957
-0,149956 - -0,106819
-0,106818 - -0,063680
-0,063679 - -0,020542
! ")! ")
!
!!
!
!!
")!
!
!
")
!
!
!
")
")
!H!
")
TELUKSEPANG
BETUNGAN
SUMURDEWA
PEKANSABTU
SUKARAMI
KANDANG
PADANGSERAI
BENTIRING
BUMIAYU
SUMBERJAYA
MUARA DUA
KANDANGMAS
SURABAYA
SIDOMULYO
KANDANGLIMUN
PADANGNANGKA
JALANGEDANG
PAGARDEWA
BERINGINRAYA
SEMARANG
NUSAINDAH
SAWAH LEBAR
BENTIRINGPERMAIPEMATANGGUBERNUR
PANORAMA
DUSUNBESAR
PADANGHARAPAN
TIMURINDAH
TANAHPATAH
RAWAMAKMUR
PENURUNAN
LINGKAR BARAT
LEMPUING
TANJUNG JAYA
RAWAMAKMURPERMAI
SAWAHLEBAR BARU
BAJAK
JEMBATANKECIL
KEBUNTEBENG
SUKAMERINDU
PADANGJATI
CEMPAKAPERMAI
BERKAS
JITRA
LINGKAR TIMUR
KEBUNKENANGA
TANJUNGAGUNG
PASARBENGKULU
ANGGUT BAWAH
MALABRO
KAMPUNGKELAWI
KEBUNBELER
TENGAHPADANG
KEBUNKELING
ANGGUT ATAS
KEBUNROOS
BELAKANG PONDOK
PONDOKBESI KAMPUNGBALI
PASARMELINTANGSUMURMELELEH
PASARBARU
MEREDUKSI
KEMISKINAN
-0,236234 - -0,193095%
-0,193094 - -0,149957%
-0,149956 - -0,106819%
-0,106818 - -0,063680%
-0,063679 - -0,020542%
Bila Lahan
Perkim
Naik 1%
18
±U
0 5 102,5
KM
! Pusat Lingkungan
") Sub Pusat Kota
!H Pusat Kota
Jalan Utama
Struktur Ruang
KETERANGAN
% Pddk Miskin
0,020000 - 0,098000
0,098001 - 0,176000
0,176001 - 0,254000
0,254001 - 0,332000
0,332001 - 0,410000
! ")! ")
!
!!
!
!!
")!
!
!
")
!
!
!
")
")
!H!
")
31
32
38
65
0
33
37
30
64
34
63
1
62
35
66
20
36
40
4
45
43
44
61
41
8
46
3
2
28
60
19
9
58
57
27
59
47
67
42
25
39
5
12
29
18
23
26
54
48
2251
56
50
4953
10
14
52
2421
15
5513
17
11
16
±U
0 5 102,5
KM
! Pusat Lingkungan
") Sub Pusat Kota
!H Pusat Kota
Jalan Utama
Struktur Ruang
Keterangan
X1: % Lahan Permukiman
0,020145 - 0,212607
0,212608 - 0,405070
0,405071 - 0,597532
0,597533 - 0,789995
0,789996 - 0,982457
! ")! ")
!
!!
!
!!
")!
!
!
")
!
!
!
")
")
!H!
")
31
32
38
65
0
33
37
30
64
34
63
1
62
35
66
20
36
40
4
45
43
44
61
41
8
46
3
2
28
60
19
9
58
57
27
59
47
67
42
25
39
5
12
29
18
23
26
54
48
2251
56
50
4953
10
14
52
2421
15
5513
17
11
16
TERIMA KASIH
±U
0 5 102,5
KM
! Pusat Lingkungan
") Sub Pusat Kota
!H Pusat Kota
Jalan Utama
Keterangan
X4: % Lahan Pendidikan
0,000000 - 0,011380
0,011381 - 0,035451
0,035452 - 0,060318
0,060319 - 0,142546
0,142547 - 0,274177