Pengujian autokorelasi spasial pada regresi spasial lag dengan Local Indicator of Spatial Autocorrelation (LISA)

INDONESIA:

Model regresi spasial merupakan pengembangan model regresi linier dimana terdapat efek spasial yang dibentuk sebagai matriks pembobot spasial. Adanya efek spasial ditandai dengan autokorelasi spasial dan heterogenitas spasial. Untuk mendeteksi autokorelasi spasial yakni dengan metode Local Indicator of Spatial Autocorrelation (LISA). Penelitian ini bertujuan untuk mendapatkan hasil pengujian autokorelasi spasial pada model regresi spasial lag menggunakan metode LISA. Hasil penelitian diaplikasikan pada data kemiskinan di Provinsi Jawa Timur pada tahun 2015 sehingga didapatkan pemetaan angka kemiskinan di Provinsi Jawa Timur serta pengujian autokorelasi spasial dengan metode LISA pada data kemiskinan di Jawa Timur dan memodelkan angka kemiskinan dengan 5 variabel yang mempengaruhi variabel kemiskinan. Variabel bebas yang digunakan dalam penelitian ini adalah X_1 sebagai presentasi Produk Domestik Regional Bruto (PDRB), X_2 sebagai presentasi Angka Partisipasi Sekolah (APS), X_3 sebagai presentasi Tingkat Pengangguran Terbuka (TPS), X_4 sebagai presentasi Tingkat Partisipasi Angkatan Kerja (TPAK), X_5 sebagai presentasi Prakiraan Permintaan Masyarakat (PPM). Hasil pada penelitian ini didapatkan nilai autokorelasi spasial secara lokal dengan Local Indicator of Spatial Autocorrelation (LISA) serta pemetaan kemiskinan di Jawa Timur tahun 2015 secara lokal.

ENGLISH:

Spatial regression model is one of linear regression model developments which has spatial effect that made as spatial weight matrix. Spatial effect can be marked with spatial autocorrelation and spatial heterogeneity. Spatial Autocorrelation can be detected with Local Indicator of Spatial Autocorrelation (LISA) method. This research is used for obtaining spatial autocorrelation testing results on spatial lag regression model with LISA method. The research’s result is applied at poverty data in East Java Regency on 2015 so that can be got the poverty mapping in East Java Regency and spatial autocorrelation testing with LISA method on poverty data in East Java and make poverty number with five variables that give the poverty number impacts. Free variables used in this research are X_1 represents as Gross Regional Domestic Product (GDRP), X_2 represents as Studying Participation Number (SPN), X_3 represents as Open Unemployment Number Rating (OUNR), X_4 represents as Workforce Participation Rating (WPR), X_5 represents as Society Requests Estimation (SRE). From this research, it get the local spatial autocorrelation value with Local Indicator of Spatial Autocorrelation (LISA) and poverty mapping in East Java on 2015 locally.