Pengujian autokorelasi pada model regresi spasial lag dengan Lagrange multiplier : Studi kasus penyakit diare di Jawa Timur Tahun 2010

INDONESIA :

Data spasial merupakan salah satu jenis data dependent. Pada data spasial, penyelesaian pada regresi klasik mengalami keterbatasan dalam memenuhi asumsi, terutama asumsi yang berkenaan dengan masalah error yang berkorelasi dan masalah heterogenitas pada errornya. Hal ini dikarenakan pengamatan di suatu lokasi memiliki ketergantungan yang cukup kuat dengan pengamatan di lokasi lain yang berdekatan (nearest-neighbor). Hal inilah yang dinamakan dengan efek spasial. Oleh karena itu, perlu adanya pengujian autokorelasi untuk mengetahui ada atau tidaknya efek spasial dalam suatu data. Apabila dalam model analisis regresi spasial menunjukkan adanya autokorelasi, maka dapat diindikasikan bahwa parameter model regresi tersebut dipengaruhi oleh faktor lokasi.

Salah satu statistik uji yang dapat digunakan untuk menguji autokorelasi spasial adalah Lagrange Multiplier (LM). Untuk studi kasus data penyakit diare di Jawa Timur Tahun 2010, berdasarkan nilai statistik uji LM ditunjukkan bahwa autokorelasi pada lag maupun error signifikan, dimana nilai p-valuenya < α (o.1). Variabel bebas yang signifikan terhadap variabel y adalah X_3(persentase penduduk terhadap ketersediaan jamban) dan X_6(jumlah penduduk setiap kota/kabupaten). Model regresi spasial lag yang diperoleh adalah: y=0.390 ∑_(i=1,i≠j)^n W_ij y_i+4605.174-172.159x_3i+44.827x_6i+ε_i

Selain menggunakan statistik uji LM pada model pada regresi spasial lag, dapat juga digunakan statistik uji lainnya pada model regresi spasial error, atau model regresi spasial gabungan (lag dan error). Matriks pembobot pun dapat diganti sesuai dengan kebutuhan peneliti.

ENGLISH :

Spatial data is one type of data dependent. In spatial data, solving the classical regression have limitations in meeting the assumptions, particularly assumptions concerning the correlated error problem and the problem of heterogeneity in the error. This is because the observations at a given location has a strong dependence with observations in other locations adjacent (nearest-neighbor). This is what is called the spatial effects. Therefore, the need for autocorrelation test to determine the presence or absence of spatial effects in the data. If the spatial regression analysis model indicates autocorrelation, it can be indicated that the regression model parameters are influenced by the location factor.

One statistical test that can be used to test the spatial autocorrelation is Lagrange Multiplier (LM). Data for the case study of diarrheal disease in East Java in 2010, based on the value of LM test statistics indicated that the autocorrelation at lag or significant error, where the value of p-valuenya < α (o.1). Significant independent variable on the variable y is (percentage of population on the availability of latrines) and (the population of each city / county). Spatial lag regression models obtained are:
y=0.390 ∑_(i=1,i≠j)^n W_ij y_i+4605.174-172.159x_3i+44.827x_6i+ε_i

In addition to using the statistic LM test on spatial lag regression model, can also be used the other test statistics spatial regression model error, or a combination of spatial regression models (lag and error). Weighted matrix can be changed according to the needs of researchers.