Implementasi Metode Geographically And Temporally Weighted Regression (Gtwr) Dalam Menganalisis Faktor-Faktor Yang Memengaruhi Produk Domestik Regional Bruto (Studi Kasus : Produk Domestik Regional Bruto Provinsi Jawa Tengah 20172019)
Abstract
Salah satu tujuan utama setiap negara termasuk Indonesia adalah meningkatkan
pertumbuhan ekonomi. Pertumbuhan ekonomi sendiri merupakan keadaan di mana
produksi barang dan jasa suatu daerah bertambah sehingga kemakmuran pada
negara tersebut juga bertambah yang diakibatkan oleh berkembangnya kegiatan
dalam perekonomian. Realisasi pertumbuhan ekonomi suatu daerah dapat
dicerminkan dalam perubahan nilai Produk Domestik Regional Bruto (PDRB).
Pembangunan di daerah akan ikut menurun apabila PDRB menurun setiap
tahunnya, begitu juga sebaliknya sehingga pemerintah menyusun Rancangan
Pembangunan baik jangka menengah, lama, atau pendek. Demi mendukung
pengoptimalan Rancangan Pembangunan yang digarap pemerintah, maka
penelitian terkait faktor yang mempengaruhi PDRB pada kabupaten di Provinsi
Jawa Tengah ini dilakukan. Tujuan dari penelitian ini adalah melihat gambaran
kondisi PDRB pada Provinsi Jawa Tengah dan didapatkannya model terbaik yang
dapat menjelaskan kondisi PDRB Provinsi Jawa Tengah yang diidentifikasi
terdapat heterogenitas spasial dan temporal. Adanya heterogenitas temporal dan
spasial menyebabkan adanya perbedaan pemodelan PDRB setiap daerah dan
tahunnya, sehingga salah satu metode yang dapat menganalisis heterogenitas
tersebut adalah Geographically and Temporally Weighted Regression (GTWR).
Metode GTWR merupakan pengembangan dari metode Geographically Weighted
Regression (GWR) yang merupakan pengembangan dari metode regresi linier
berganda. Pada penelitian ini menggunakan variabel prediktor Indeks
Pembangunan Manusia (IPM), Upah Minimum Kabupaten (UMK), Pendapatan
Asli Daerah (PAD), dan Penanaman Modal Dalam Negeri (PMDN). Kesimpulan
yang didapatkan adalah model terbaik untuk menggambarkan kondisi PDRB
kabupaten/ kota di Jawa Tengah pada tahun 2017 – 2019 adalah GTWR dengan
fungsi pembobot Adaptive Kernel Tricube dengan adjusted R
sebesar 77,69% dan
MAPE sebesar 19,41%.
Collections
- Statistics [899]