APLIKASI METODE GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN LAJU PERTUMBUHAN PRODUK DOMESTIK REGIONAL BRUTO DI PROVINSI NUSA TENGGARA TIMUR

Authors

  • Ignasia Novianti Luku
  • Kris Suryowati

Keywords:

Geographically Weighted Regression Principal Component Analysis, Multikolinearitas, Laju pertumbuhan PDRB

Abstract

Salah satu indikator keberhasilan pelaksanaan pembangunan yang dapat dijadikan tolak ukur secara makro adalah pertumbuhan ekonomi yang dicerminkan dari perubahan PDRB dalam suatu daerah. Dalam buku KFR Provinsi NTT tahun 2019, dikatakan bahwa secara quarter to quarter PDRB NTT triwulan I berkurang sebesar -5,62 persen. Banyaknya faktor yang mempengaruhi laju pertumbuhan PDRB memungkinkan adanya multikolinearitas lokal. Geographically Weighted Regression Principal Component Analysis (GWRPCA) merupakan salah satu metode yang digunakan jika terjadi multikolinearitas dan heterogenitas spasial. Hasil penelitian menunjukan terdapat karakteristik pola spasial pada setiap variabel dependent dan independent yang berbeda dengan variabel independent yang saling berkorelasi. Metode PCA menghasilkan tiga komponen utama yang dapat mewakili variabel peubah asli dengan proporsi varian kumulatif sebesar 99%. Pemodelan GWRPCA menggunakan pembobot fixed kernel gaussian dengan tiga komponen utama sebagai variabel independent menghasilkan pemodelan yang berbeda disetiap lokasi pengamatan dimana variabel W1 mempengaruhi laju pertumbuhan PDRB di empat kabupaten/kota, komponen utama kedua dan ketiga tidak mempengaruhi laju pertumbuhan PDRB di Provinsi Nusa Tenggara Timur. Selain itu, pemodelan GWRPCA merupakan model yang lebih baik daripada model OLS dan RPCA dalam memodelkan laju pertumbuhan PDRB di Provinsi NTT pada tahun 2019 karena memiliki nilai R2 terbesar yaitu 88% dan nilai AIC terkecil yaitu -16,59.

Downloads

Published

2023-07-18