Analisis Indeks Pembangunan Manusia Provinsi-Provinsi di Indonesia Menggunakan Indeks Baru Berdasarkan Metode Resampling
DOI:
https://doi.org/10.24246/juses.v4i1p9-16Keywords:
autokorelasi spasial, estimasi densitas Kernel, Indeks Baru, metode BootstrapAbstract
Pada penelitian ini dibahas tentang penggunaan Indeks Baru untuk mengukur autokorelasi spasial secara global. Kontribusi utama dari karya ini adalah untuk mengetahui korelasi antara Indeks Geary dan Indeks Moran. Selain itu penelitian ini bertujuan untuk mengetahui pengaruh spasial terhadap IPM Provinsi-Provinsi di Indonesia. Data yang digunakan adalah data IPM provinsi-provinsi di Indonesia tahun 2010 – 2018. Prosedur yang dilakukan adalah dengan mengukur data IPM menggunakan Indeks Geary dan Indeks Moran. Selanjutnya nilai Indeks Geary dan Indeks Moran digunakan untuk mencari korelasi yang terjadi antara Indeks Geary dan Indeks Moran. Korelasi yang terbentuk antara Indeks Geary dan Indeks Moran sangat kuat sehingga Indeks Baru dapat dirumuskan. Untuk memvalidasi keakuratan Indeks Baru dilakukan uji autokorelasi spasial terhadap Indeks Baru menggunakan Metode Bootstrap dan resampling berdasarkan estimasi densitas Kernel. Berdasarkan hasil resampling menggunakan metode bootstrap dan resampling berdasarkan estimasi densitas Kernel dengan pengulangan sebanyak 10000 kali ditemukan bahwa nilai-p tahun 2010 – 2018 berkisar antara 0,001 – 0,006 yang berarti terdapat autokorelasi spasial atau terdapat keterkaitan erat antara IPM provinsi dengan IPM provinsi-provinsi yang bertetangga. Dengan kata lain, bahwa antar provinsi satu dengan provinsi yang berbatasan memiliki kemiripan nilai IPM atau saling berkorelasi. Dengan didapatkannya hasil analisis ini, maka dapat menjadi acuan pemerintah dalam melakukan pemerataan pembangunan disetiap provinsi di Indonesia dengan mempertimbangkan keterkaitan antar provinsi di Indonesia.
Downloads
References
BPS. (2015). Indeks pembangunan manusia. In Badan Pusat Statistik.
BPS. (2019). Tabel indeks pembangunan manusia (metode baru). Retrieved from http://ipm.bps.go.id/data/provinsi/metode/baru
Gramacki, A. (2018). Bandwidth Selectors for Kernel Density Estimation.
Griffith, D. A. (1996). Spatial autocorrelation and eigenfunctions of the geographic weights matrix accompanying geo-referenced data. Canadian Geographer, 40(4), 351–367.
Jay, L., & Wong, D. W. . (2000). Statiscal Analysis with ArcView Gis.
Modjo, M. . (2018). Identifikasi autokorelasi spasial pada laju inflasi di Indonesia Timur menggunakan local indicator of spatial autocorrelation (LISA) berdasarkan metode Boorstrap. Universitas Kristen Satya Wacana.
Nisa, E. K. (2017). Identifikasi spatial pattern dan spatial autocorrelation pada indeks pembangunan manusia Provinsi Papua Barat Tahun 2012. Jurnal At-Taqaddum, 9(August), 32.
Sarita, F. T., Setiawan, A., & Parhusip, H. A. (2019). Analisis Indeks Pembangunan Manusia (IPM) Kabupaten/Kota di Provinsi Maluku Utara Menggunakan Indeks Geary C Berdasarkan Resampling Estimasi Densitas Kernel. Jurnal Teknik Informatika Dan Sistem Informasi, 5(1), 62–72.
Sawada, M. (2009). Global spatial autocorrelation indices-Moran’s I, Geary’s C and the general cross-product statistic. University of Ottawa.
Setiawan, A. (2002). Resampling berdasarkan estimasi densitas kernel bivariat. 1(1).
Winsy Weku, Adi Setiawan, S. Y. (2012). Analisis pola spasial dan dinamika IPM Tahun 2006-2009 Propinsi Sulawesi Utara menggunakan metode spatial autocorrelation.
Zhukov, Y. M. (2010). Applied Spatial Statistics in R , Section 2 Spatial Autocorrelation Spatial Data and Basic Visualization in R.
Zucchini, W. (2003). Applied smoothing techniques part 1: kernel density estimation. Retrieved from https://staff.ustc.edu.cn/~zwp/teach/Math-Stat/kernel.pdf
