RIZKI FITRIANA (1309 105 002) - digilib.its.ac.id · Jatim 2010. 33% 25%. 15%. 27%. PHR. Industri. Pertanian. Lain-lain. Kontribusi sektor Pertanian, Industri, dan PHR berbeda terhadap

PEMODELAN PDRB SEKTOR PERTANIAN, INDUSTRI, SERTA PERDAGANGAN, HOTEL, DAN RESTORAN (PHR) PROPINSI JAWA TIMUR DENGAN PENDEKATAN EKONOMETRIKA PANEL SPASIAL

RIZKI FITRIANA (1309 105 002)

Pembimbing :

Dr. Ir. Setiawan, MS

PENDAHULUAN

Latar Belakang

Indikatorpertumbuhan

EkonomiPDRB

ADHB

ADHK

Sektor PDRB1. Pertanian2. Pertambangan3. Industri Pengolahan4. Listrik, Gas, dan Air5. Bangunan6. Perdagangan, Hotel, dan Restoran

7. Pengangkutan dan Komunikasi8. Lembaga Keuangan9. Jasa - jasa

Ekonomi Jawa Timur 2010

5.23

6.537.14 7.16

0

1

2

3

4

5

6

7

8

1 2 3 4

Pertumbuhan Ekonomi Jatim 2010

33%

25%

15%

27%

PHR Industri Pertanian Lain-lain

Kontribusi sektor Pertanian, Industri, dan PHR berbeda terhadapnilai PDRB masing – masing kabupaten / kota di Propinsi JawaTimur. Oleh karena itu, penelitian yang bersifat lintas wilayah danlintas sektor (Bappenas, 2006) sangat diperlukan di Jawa Timur.

Penelitian Terdahulu

Setiawan, et al (2009)

Yunitasari (2009)

Fatmawati (2010)

Model Ekonometrika SpasialPertumbuhan Propinsi KepulauanRiau, sebagai Dasar PengembanganSistem Pertahanan

Pendekatan Ekonometrika SpasialTerhadap Produk Domestik Regional BrutoSektor Industri di Wilayah Jawa Timur

Pendekatan Ekonometrika Panel Spasial UntukPemodelan PDRB Sektor Industri di SWP Gerbangkertasusila dan Malang - Pasuruan

Muchlisoh (2008) Model Regresi Data Panel Dengan KorelasiError Spasial

Rumusan Masalah

1. Bagaimana model untuk PDRB sektor Pertanian, sektor Industri, dan SektorPerdagangan, Hotel, dan Restoran di Jawa Timur dengan pendekatan modelPanel Spasial?

2. Bagaimana efek spasial pada model PDRB sektor Pertanian, sektorIndustri, dan Sektor Perdagangan, Hotel, dan Restoran di Jawa Timur ?

3. Bagaimana elastisitas masing-masing faktor terhadap PDRB sektorPertanian, sektor Industri, dan Sektor Perdagangan, Hotel, dan Restoran diJawaTimur ?

Tujuan Penelitian

1. Mendapatkan model untuk PDRB sektor Pertanian, sektor Industri, danSektor Perdagangan, Hotel, dan Restoran di Jawa Timur denganpendekatan model Panel Spasial.

2. Mengetahui efek spasial pada model PDRB sektor Pertanian, sektorIndustri, dan Sektor Perdagangan, Hotel, dan Restoran di Jawa Timur.

3. Mengetahui elastisitas masing-masing faktor terhadap PDRB sektorPertanian, sektor Industri, dan Sektor Perdagangan, Hotel, dan Restorandi Jawa Timur.

Manfaat Penelitian

Batasan Masalah

Memberikan informasi bagi pemerintah Propinsi Jawa Timur danpara stakeholder untuk menentukan arah kebijakanpembangunan perekonomian di setiap kabupaten / kota diPropinsi Jawa Timur. Selain itu dapat memberikan wawasankeilmuan mengenai ekonometrika panel spasial.

Data nilai PDRB sektor Pertanian, Industri Pengolahan, sertaPerdagangan, Hotel, dan Restoran masing – masing kabupaten /kota Propinsi Jawa Timur berdasarkan harga konstan tahun2007 – 2009.

Variabel Variabel yang digunakan oleh Bappenas (2006).

Matriks Pembobot Rook Contiguity

TINJAUAN PUSTAKA

Fungsi Produksi Cobb - Douglass

iuiii eXXY 32

321βββ=

iii uXXY +++= 332211 lnlnlnln βββ

Elastisitas

Spesifikasi Model (Bappenas, 2006)

987654321 YYYYYYYYYPDRB ++++++++=

Pertanian

Pertambangan

Industri Pengolahan

Listrik, Gas, dan Air

Bangunan

PHR

Transportasi & Angkutan

Lembaga Keuangan

Jasa - Jasa

15413121101 ε++++++= BBJaBMDaIDaISaWGaaY

22322102 ε++++= DTbBPGbTKbbY

3543323103 ε++++++= BPGcBBJcBMDcIScTKccY

43424104 ε++++= BBJdISdTKddY

55453125105 ε++++++= BPGeBBJeBMDeIDeTKeeY

643626106 ε+++++= BPGfBMDfIDfTKffY

7543727107 ε++++++= BPGgBBJgBMDgIDgTKggY

843828108 ε+++++= BPGhBMDhIShTKhhY

9543929109 ε++++++= BPGiBBJiBMDiIDiTKiiY

Spesifikasi Model (Bappenas, 2006)

987654321 YYYYYYYYYPDRB ++++++++=

Pertanian

Pertambangan

Industri Pengolahan

Listrik, Gas, dan Air

Bangunan

PHR

Transportasi & Angkutan

Lembaga Keuangan

Jasa - Jasa

154131101 ε+++++= BBJaBMDaIDaTKaaY

22322102 ε++++= DTbBPGbTKbbY

35433103 ε+++++= BPGcBBJcBMDcTKccY

43424104 ε++++= BBJdISdTKddY

55453125105 ε++++++= BPGeBBJeBMDeIDeTKeeY

6436106 ε++++= BPGfBMDfTKffY

7543727107 ε++++++= BPGgBBJgBMDgIDgTKggY

843828108 ε+++++= BPGhBMDhIShTKhhY

9543929109 ε++++++= BPGiBBJiBMDiIDiTKiiY

Matriks Pembobot Spasial

Rook Contiguity(Persinggungan sisi) : Wij=1 untuk lokasi yangbersisian (common side) dengan lokasi yang menjadiperhatian.

1

2

3 5

4

0110010100110000000100010

54321

54321

=

05.05.0005.005.0005.05.0000

0000100010

W

Model Panel SpasialModel Spasial Lag (SAR)

Model Spasial Error (SEM)

itiit

N

jjtijit xywy εµβδ +++= ∑

=1

itiitit xy φµβ ++=

it

N

jitijit w εφρφ += ∑

=1

Variabel dependentergantung pada variabeldependen tetangga dansatu set karakteristik lokal.

Variabel dependen tergantungpada karakteristik local danerror yang berkorelasi antartempat (space).

Estimasi Parameter Model Panel Spasial

EstimasiParameter

Fixed Effect Model

Random Effect Model

MLE

Likelihood Ratio Test (LR test)Fixed EffectH0 : µ1=µ2=…=µN=α

H1 : Minimal ada satu µ yang berbeda

Statistik uji : -2s

Daerah kritis : Tolak H0 jika -2s > χ2(α’,DF)

DF : N - 1

Random EffectH0 : θ = 1

H1 : θ ≠ 1

Statistik uji : -2s

Daerah kritis : Tolak H0 jika -2s > χ2(α’,DF)

DF : 1

Hausman’s TestH0 : h = 0 (random effect)

H1 : h ≠ 0 (fixed effect)

Statistik Uji :

Daerah kritis : Tolak H0 jika

REFE ]ˆˆ[]'ˆˆ[ δδ 'β'βd −=

2)1,( +> Km αχ

ddd 1)][var(' −=m1**212 )(ˆ)(ˆ)var( −−•• −= X'XX'Xd FERE σσ

Pemilihan Model TerbaikSAR Fixed Effect

R2(e,IN)

Corr2

SEM Fixed Effect

R2( )

Corr2

SAR Random Effect

R2( )

Corr2

SEM Random Effect

R2( )

Corr2

μIτβXWIXYWIe ˆ)(ˆ])(ˆ[)(ˆ~NTTTY ⊗−⊗−−⊗−= ρρ

)ˆ)](ˆ[,( 12 βXWIIY *−∗ ⊗− TNTcorr δ

μIτβXWIXYWIe ˆ)(ˆ])(ˆ[)(ˆ~NTTTY ⊗−⊗−−⊗−= ρρ

)ˆ,(2 βXY *∗corr

βXYWIYe ˆ)(ˆ~ *** −⊗−= Tδ

)ˆ)](ˆ[,( 12 βXWIIY −⊗− TNTcorr δ

βXY ˆ~ −=e

)ˆ,(2 βXYcorr

e~

e~

e~

Pemeriksaan Asumsi Residual

• Uji GlejserIdentik

• Plot ACFIndependen

• Uji Kolmogorov SmirnovDistribusi Normal

• R2 tinggi tetapi sedikit parameter yang signifikan• Korelasi parsial antar variabel independenMultikolinearitas

Analisis Komponen Utama Tujuan utama analisis komponen utama adalah menjelaskan struktur varian

kovarian satu set variabel menjadi variabel yang lebih sedikit yang merupakankombinasi linear variabel tersebut.

Komponen utama sangat berguna pada analisis regresi jika jumlah variabelindependen relative besar terhadap jumlah observasi dan jika antar variabelindependen mempunyai korelasi yang tinggi (Rencher, 2002).

Komponen utama dari Z didapatkan dari eigen vector dari matriks korelasi (ρ)

Komponen utama ke i dari variabel terstandarisasi adalah :

Proporsi varian yang dapat dijelaskan oleh k komponen utama adalah

)()('' 121

µ−== − XVeZeY iii

pkλ

Sektor Pendukung PDRB

Pertanian• Tanaman bahan pangan• Tanaman perkebunan• Peternakan• Kehutanan• Perikanan

Industri• Makanan,minuman&tem

bakau• Tekstil• Kayu dan hasil hutan• Kertas dan barang

cetakan• Pupuk,barang

kimia,&karet• Semen & barang galian

non logam• Logam dasar, besi, dan

baja• Alat angkutan dan

mesin• Barang lainnya

PHR

• Perdagangan• Hotel• Restoran

METODOLOGI PENELITIAN

Sumber DataData sekunder dari BPS Propinsi Jawa Timur Data PDRB tiga sektor utama perekonomian Jawa Timur dan faktor

pendukungnya pada setiap kabupaten/kota

1 Kab. Bangkalan 14 Kab. Malang 27 Kab. Trenggalek2 Kab. Banyuwangi 15 Kab. Mojokerto 28 Kab. Tuban3 Kab. Blitar 16 Kab. Nganjuk 29 Kab. Tulungagung4 Kab. Bojonegoro 17 Kab. Ngawi 30 Kota Batu5 Kab. Bondowoso 18 Kab. Pacitan 31 Kota Blitar6 Kab. Gresik 19 Kab. Pamekasan 32 Kota Kediri7 Kab. Jember 20 Kab. Pasuruan 33 Kota Madiun8 Kab. Jombang 21 Kab. Ponorogo 34 Kota Malang9 Kab. Kediri 22 Kab. Probolinggo 35 Kota Mojokerto10 Kab. Lamongan 23 Kab. Sampang 36 Kota Pasuruan11 Kab. Lumajang 24 Kab. Sidoarjo 37 Kota Probolinggo12 Kab. Madiun 25 Kab. Situbondo 38 Kota Surabaya13 Kab. Magetan 26 Kab. Sumenep

Variabel Penelitian

Variabel Respon• Y1 : PDRB sektor Pertanian (Juta Rupiah)• Y2 : PDRB sektor Industri (Juta Rupiah)• Y3 : PDRB sektor Perdagangan, Hotel, dan Restoran (PHR)

(Juta Rupiah)

Variabel Prediktor• X1 : Jumlah tenaga kerja sektor Pertanian (Jiwa)• X2 : Jumlah tenaga kerja sektor Industri (Jiwa)• X3 : Jumlah tenaga kerja sektor Perdagangan, Hotel, dan

Restoran (PHR) (Jiwa)• X4 : Pengeluaran belanja modal (BMD) (Ribu Rupiah)• X5 : Pengeluaran belanja barang dan jasa (BBJ) (Ribu Rupiah)• X6 : Pengeluaran belanja pegawai (BPG) (Ribu Rupiah)

Langkah Analisis Data

1 • Deskripsi Variabel Respon

2 • Membuat matriks Rook Contiguity

3 • Estimasi Parameter

4 • Uji Likelihood Ratio

5 • Uji Hausman’s

6 • Memilih model terbaik

7 • Membentuk variabel komponen utama

8 • Mengulangi langkah 3 – 6

9 • Pemeriksaan asumsi residual

10 • Intrepretasi Model

Analisis dan Pembahasan

Pertanian• Deskripsi PDRB Pertanian• Pemodelan PDRB Pertanian• Intrepretasi Model

Industri• Deskripsi PDRB Industri• Pemodelan PDRB Industri• Intrepretasi Model

PHR• Deskripsi PDRB PHR• Pemodelan PDRB PHR• Intrepretasi Model

Deskripsi PDRB Pertanian

sawah26%

pertanian tanah kering25%

hutan26%

lain-lain23%

0.00

1,000,000.00

2,000,000.00

3,000,000.00

4,000,000.00

5,000,000.00

6,000,000.00

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37

Rata-rata PDRB Pertanian (Juta)

Peringkat kabupaten/kota yang mempunyai rata-rata nilai PDRB Pertaniantertinggi adalah :1. Kabupaten Banyuwangi2. Kabupaten Jember3. Kabupaten Malang4. Kabupaten Sumenep.

Pemodelan PDRB PertanianUji Likelihood Ratio

Model Chi Square DF P-ValueSAR Fixed Effect 776,4626 38 0,0000SAR Random Effect 362,9293 1 0,0000SEM Fixed Effect 787,3979 38 0,0000SEM Random Effect 362,9902 1 0,0000

Uji Hausman’s

Model Chi Square DF P-ValueSAR Fixed Effect

5,2867 4 0,2591SAR Random EffectSEM Fixed Effect

0,1353 4 0,9978SEM Random Effect

Pemodelan PDRB PertanianPemilihan Model Terbaik

Estimasi Parameter

Model R2 Corr2

SAR Fixed Effect 0,9999 0,1610SAR Random Effect 0,9998 0,0001SEM Fixed Effect 0,9996 0,0212SEM Random Effect 0,9998 0,0011

Variabel Koefisien P-ValueConst 5,262274 0,000000Ln TK_P (X1) -0,003481 0,581535Ln BMD (X4) -0,005908 0,476791Ln BBJ (X5) -0,008278 0,648041δ 0,602983 0,000000

R2 = 0,9998Corr2 = 0,0001

Pemodelan PDRB PertanianAnalisis Komponen Utama

Eigenvalue 1.6409 0.9661 0.3930Proportion 0.547 0.322 0.131Cumulative 0.547 0.869 1.000

Variable PC1 PC2 PC3X1 0.284 -0.940 0.190X4 0.696 0.066 -0.715X5 0.659 0.335 0.673

BBJLnBMDLnPTKLn ZZZPC 659.0696.0284.01_ _ ++=

Pemodelan PDRB Pertanian dengan PC_1 Uji Likelihood Ratio

Uji Hausman’s





Pemilihan Model Terbaik

Pemodelan PDRB Pertanian dengan PC_1

Model R2 Corr2


Estimasi Parameter

Variabel Koefisien P-ValueConstant 4,902267 0,000000PC_1 -0,005407 0,253870δ 0,606956 0,000000

R2 = 0,9998Corr2 = 0,0000

Variabel Koefisien P-ValueConstant 12,923108 0,000000PC_1 -0,013662 0,001680ρ 0,707989 0,000000

R2 = 0,9998Corr2 = 0,0003

Pemodelan PDRB Pertanian dengan PC_1 Pemeriksaan Asumsi Residual

Asumsi Residual Identikabs_res = 0.0165 + 0.00045 PC_1Predictor Coef SE Coef T PConstant 0.016524 0.001279 12.92 0.000PC_1 0.000450 0.001003 0.45 0.655

Asumsi Residual Independen Asumsi Distribusi Normal

0.0500.0250.000-0.025-0.050-0.075

99.9

99

9590

80706050403020

10

5

1

0.1

Pertanian_PC

Perc

ent

Mean -0.0005404StDev 0.02146N 114KS 0.060P-Value >0.150

Probability Plot of Pertanian_PCNormal

120100806040200

0.075

0.050

0.025

0.000

-0.025

-0.050

observasi

resi

dual

Scatterplot Residual Pertanian

Intrepretasi Model PDRB Pertanian

itij

itijitit wPCPDRBLn εµφ +++−= ∑=

38

107989,01_013662,0

itij

itijLnBBJLnBMDpLnTKit wZZZPDRBLn εµφ +++++−= ∑=

38

1_ 07989,0)659,0696,0284,0(013662,0

itij

itijit wLnBBJLnBMDPLnTKPDRBLn εµφ ++++−−−= ∑=

38

107989,06972,0009,000951,0_00388,0

Deskripsi PDRB Industri

0.00

5,000,000.00

10,000,000.00

15,000,000.00

20,000,000.00

25,000,000.00

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38No Kab / Kota

Rata-rata PDRB Industri (Juta)

Kota Kediri

Sidoarjo

Gresik

Surabaya

Pemodelan PDRB IndustriUji Likelihood Ratio

Uji Hausman’s



-6,4194 5 0,2675SAR Random EffectSEM Fixed Effect


Pemodelan PDRB IndustriPemilihan Model Terbaik

Estimasi Parameter

Model R2 Corr2


Variabel Koefisien P-ValueConst 5,091629 0,000000Ln TK_I (X2) -0,000466 0,918077Ln BMD (X4) 0,003476 0,700869Ln BBJ (X5) -0,004984 0,789334Ln BPG (X6) 0,079232 0,000104δ 0,485985 0,000000

R2 = 0,9998Corr2 = 0,0184

Pemodelan PDRB IndustriAnalisis Komponen Utama

Eigenvalue 2.6246 0.6528 0.4118 0.3108Proportion 0.656 0.163 0.103 0.078Cumulative 0.656 0.819 0.922 1.000

Variable PC1 PC2 PC3 PC4X2 0.431 0.870 -0.098 0.218X4 0.513 -0.226 0.791 0.244X5 0.505 -0.431 -0.591 0.457X6 0.544 -0.075 -0.120 -0.827

BPGLnBBJLnBMDLnITKLn ZZZZPC 544,0505,0513,0431,01_ _ +++=

Pemodelan PDRB Industri dengan PC_1 Uji Likelihood Ratio

Uji Hausman’s






Pemodelan PDRB Industri dengan PC_1

Estimasi Parameter

Model R2 Corr2


Variabel Koefisien P-ValueConstant 12,852085 0,000000PC_1 0,003622 0,505973ρ 0,706189 0,000000

R2 = 0,9998Corr2 = 0,0003

Variabel Koefisien P-ValueConstant 4,468301 0,000001PC_1 0,009355 0,034459δ 0,648986 0,000000

R2 = 0,9998Corr2 = 0,0016

Pemodelan PDRB Industri dengan PC_1 Pemeriksaan Asumsi Residual

Asumsi Residual Identik


abs_res = 0.0182 - 0.000062 PC1Predictor Coef SE Coef T PConstant 0.018233 0.001378 13.23 0.000PC_1 -0.0000615 0.0008545 -0.07 0.943

0.080.060.040.020.00-0.02-0.04-0.06-0.08

99.9

99

9590

80706050403020

10

5

1

0.1

residual

Perc

ent

Mean 4.823749E-17StDev 0.02345N 114KS 0.052P-Value >0.150

Probability Plot of residualNormal

120100806040200

0.050

0.025

0.000

-0.025

-0.050

-0.075

observasi

resi

dual

Scatterplot residual Industri

Intrepretasi Model PDRB Industri

ititj

jtijit PCIPDRBLnwIPDRBLn ε+++= ∑=

468301,41_009355.0_648986,0_38

1

itBPGLn

BBJLnBMDLnITKLnj

jtijit

Z

ZZZIPDRBLnwIPDRBLn

ε+++

+++= ∑=

468301,400509,0

00472,00048,000403,0_648986,0_ _

38

1

ititit

ititj

jtijit

BPGLnBBJLn

BMDLnITKLnIPDRBLnwIPDRBLn

ε+++

+++= ∑=

86205,300509,000472,0

0048,0_00403,0_648986,0_38

1

Deskripsi PDRB PHR

Surabaya

0.00

5,000,000.00

10,000,000.00

15,000,000.00

20,000,000.00

25,000,000.00

30,000,000.00

35,000,000.00

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38

Rata-rata PDRB PHR (juta)

Pemodelan PDRB PHR Uji Likelihood Ratio

Uji Hausman’s





Pemodelan PDRB PHR Pemilihan Model Terbaik

Estimasi Parameter

Model R2 Corr2


Variabel Koefisien P-ValueConst 13,057662 0,000000Ln TK_PHR (X3) 0,002007 0,565134Ln BMD (X4) -0,002851 0,572628Ln BPG (X6) 0,044079 0,146800ρ 0,915051 0,000000

R2 = 0,9998Corr2 = 0,0065

Pemodelan PDRB PHRAnalisis Komponen Utama

Eigenvalue 2.1945 0.4918 0.3137Proportion 0.731 0.164 0.105Cumulative 0.731 0.895 1.000

Variable PC1 PC2 PC3X3 0.563 -0.713 -0.418X4 0.564 0.701 -0.436X6 0.604 0.010 0.797

BPGLnBMDLnPHRTKLn ZZZPC 604,0564,0563,01_ _ ++=

Pemodelan PDRB PHR dengan PC_1 Uji Likelihood Ratio

Uji Hausman’s






Pemodelan PDRB PHR dengan PC_1

Estimasi Parameter

Model R2 Corr2


Variabel Koefisien P-ValueConstant 1,681391 0,000188PC_1 0,008732 0,007540δ 0,871969 0,000000

R2 = 0,9997Corr2 = 0,0003

Variabel Koefisien P-ValueConstant 13,887638 0,000000PC_1 0,000391 0,906683ρ 0,927211 0,000000

R2 = 0,9998Corr2 = 0,0000

Pemodelan PDRB PHR dengan PC_1 Pemeriksaan Asumsi Residual

Asumsi Residual Identik


abs_res = 0.0134 - 0.000753 PC_1Predictor Coef SE Coef T PConstant 0.0134124 0.0009525 14.08 0.000PC_1 -0.0007531 0.0006458 -1.17 0.246

0.0500.0250.000-0.025-0.050

99.9

99

9590

80706050403020

10

5

1

0.1

residual

Perc

ent

Mean 1.512557E-17StDev 0.01689N 114KS 0.059P-Value >0.150

Probability Plot of residualNormal

120100806040200

0.050

0.025

0.000

-0.025

-0.050

observasi

resi

dual

Scatterplot residual PHR

Intrepretasi Model PDRB PHR

ititj

jtijit PCPHRPDRBLnwPHRPDRBLn ε+++= ∑=

681391,11_008732.0_871969,0_38

1

681391,100527,000493,000492,0_871969,0_ _

38

1++++= ∑

=LnBPGLnBMDPHRTKLn

jjtijit ZZZPHRPDRBLnwPHRPDRBLn

++= ∑=

itj

jtijit PHRTKLnPHRPDRBLnwPHRPDRBLn _00492,0_871969,0_38

1

itBPGLnBMDLn ε+++ 21478,100527,000493,0

Kesimpulan dan Saran

Kesimpulan

PertanianModel Terbaik :

SEM random effect

Interaksi spasialerror = 0,07989

Tanda negatif padaparameter β disebabkankarena korelasi antarspasial lag.

IndustriModel Terbaik :

SAR random effect

Interaksi spasiallag= 0,648986

Elastisitas• TK_I = 0,00403• BMD = 0,0048• BBJ = 0,00472• BPG = 0,00509

PHRModel Terbaik :

SAR random effect

Interaksi spasiallag= 0,871969

Elastisitas•TK_PHR = 0,00492• BMD = 0,00493• BPG = 0,00527

Saran

Karena keterbatasan data maka variabel investasi pemerintah daerahdan investasi swasta pada masing-masing sektor diabaikan. Selain itu, variabelupah petani diabaikan pula dan diganti dengan variabel tenaga kerja sektorPertanian. Untuk kesempurnaan model maka perlu ditambahkan variabelinvestasi pemerintah daerah dan swasta pada masing sektor serta variabelupah petani. Pada model sektor Pertanian masih terdapat kasusmultikolinearitas antar variabel spasial lag, maka perlu dilakukan pemodelankembali untuk mengatasi kasus multikolinearitas tersebut.

DAFTAR PUSTAKA

Anselin, Luc. (1988). Spatial Econometrics : Methods and Models. Kluwer AcademicPublisher : London.Bappenas. (2006). Laporan Hasil Kajian Tahun 2006 : Penyusunan Model PerencanaanLintas Wilayah dan Lintas Sektor. Jakarta : Bappenas.Bidang Ekonomi Moneter KBI Surabaya. (2010). Kajian Ekonomi Regional ProvinsiJawa Timur Triwulan IV-2010.http://www.bi.go.id/web/id/DIBI/Info_Publik/Ekonomi_Regional/KER/Jatim/ker_jatim_tw410.htm (diakses 1 maret 2011, 12:18 wib)Daniel, Wayne W. (1989). Statistika Nonparametrik Terapan. Jakarta: PT. Gramedia.Elhorst, J.Paul. (2009). Spatial Panel Data Models. In Fischer MM, Getis A (Eds)Handbook of Applied Spatial Analysis, Ch. C.2. Berlin Heidelberg New York : Springer.Fatmawati, Irma. (2010). Pendekatan Ekonometrika Panel Spasial Untuk PemodelanPDRB Sektor Industri di SWP Gerbangkertasusila dan Malang - Pasuruan, Tugas Akhir, Institut Teknologi Sepuluh Nopember (ITS), Surabaya.Gujarati, Damodar N. (2004). Basic Econometric 4th Edition. The McGraw – HillCompanies.

Lanjutan Daftar PustakaJatimprov.(2004). Mencapai Target Pembangunan Ekonomi Dengan Menjaga StabilitasIndikator Makro Ekonomi.http://www.jatimprov.go.id/dbfile/bidlahta/20080513164849_target_pembangunan_economi_bpde_2004.pdf (diakses 1 maret 2011, 12:54)LeSage, James P. (1999). The Theory and Practice of Spatial Econometrics.Department of Economics University of Toledo.Dwiatmono, Linuwih, Setiawan, Suhartono, Sutikno, Sutijo, dan Wiryadi. (2009). Model Ekonometrika Spasial Pertumbuhan Propinsi Kepulauan Riau, sebagai DasarPengembangan Sistem Pertahanan. Seminar Nasional Statistika IX : Institut TeknologiSepuluh NopemberJohnson, R.A. and Wichern, D.W. (2002), Applied Multivariate Statistical Analysis, 5th

ed, New Jersey: Prentice Hall International.Inc.Muchlisoh, S. (2008), “Model Regresi Data Panel Dengan Korelasi Error Spasial”, TesisMagister, Institut Teknologi Sepuluh Nopember (ITS), Surabaya.Rencher, Alvin C. (2002). Methods of Multivariate Analysis 2nd ed. John Wiley & Sons, Inc : New York.Widarjono, Agus. (2007). Ekonometrika : Teori dan Aplikasi. PenerbitEkonisia, Fakultas Ekonomi U2 : Yogyakarta.Yunitasari, Hanik. (2009). Pendekatan Ekonometrika Spasial Terhadap ProdukDomestik Regional Bruto Sektor Industri di Wilayah Jawa Timur, Tugas Akhir , InstitutTeknologi Sepuluh Nopember (ITS), Surabaya.

http://www.jatimprov.go.id/dbfile/bidlahta/20080513164849_target_pembangunan_economi_bpde_2004.pdf�

http://www.jatimprov.go.id/dbfile/bidlahta/20080513164849_target_pembangunan_economi_bpde_2004.pdf�

Documents

RIZKI FITRIANA (1309 105 002) - digilib.its.ac.id · Jatim 2010. 33% 25%. 15%. 27%. PHR. Industri. Pertanian. Lain-lain. Kontribusi sektor Pertanian, Industri, dan PHR berbeda terhadap