Perlu apa ga sih, eksplorasi data secara spasial? Menurut saya ya perlu, karena ada insight/wawasan yang luput/terlewat ketika kita melihat data hanya secara tabular saja.
Jawa Timur merupakan salah satu Provinsi di Pulau Jawa yang terletak di ujung Timur yang terbagi atas 38 Kabupaten/Kota. Provinsi Jawa Timur merupakan salah satu kontributor pertumbuhan ekonomi yang signifikan secara nasional. Dengan kontribusi terbesar dari sektor perindustrian, perdagangan besar, pertanian-kehutanan-perikanan, konstruksi, akomodasi-makanan-minuman, dan disusul dari sektor-sektor lain. Dalam kerangka / frame perencanaan pembangunan daerah dan perencanaan ruang wilayah, terutama dari segi ekonomi wilayah, diperlukan adanya pencermatan dari segi statistik spasial untuk mendapatkan insight dari kinerja sektor berbasis data kontribusi masing-masing Kabupaten dan Kota di wilayah Jawa Timur. Wawasan pengetahuan atau insight dari pencermatan statistisk spasial diharapkan dapat memberikan gambaran lebih dalam untuk pengayaan analisis dasar maupun analisis lebih lanjut terkait kinerja sektor dan kinerja wilayah Kabupaten/Kota yang dapat digunakan sebagai masukan dalam fungsi teknokratis pada perencanaan daerah (Rencana Kerja Pemerintah Daerah) maupun perencanaan wilayah (Rencana Tata Ruang) lingkup Jawa Timur. Saat ini, proses perencanaan pembangunan daerah maupun perencanaan wilayah secara umum telah mempergunakan analisis ekonomi maupun analisis wilayah yang menginputkan PDRB sebagai salah satu bagian penting dalam merupuskan output rencana nya. Adapun demikian, belum banyak didapatkan adanya wawasan dari segi statistik spasial. Wawasan pengetahuan atau insight dari segi statistik spasial dapat memberikan gambaran kinerja dan kontribusi sektor PDRB Jawa Timur dari input PDRB Kabupaten/Kota sehingga dapat memberikan gambaran kinerja sektor ekonomi wilayah internal lintas Kabupaten/Kota. Salah satunya, statistik spasial dapat memberikan gambaran linearitas kontribusi sektor industri, yang dapat dibandingkan dengan gambaran tahun seri sebelumnya maupun dibanding dengan sektor lain pada seri tahun yang sama. Linearitas (linearity) secara umum adalah pembandingan secara linear antara suatu variabel terhadap variabel lainnya yang kemudian menghasilkan suatu output yang dapat dibandingkan dengan linearitas padanan/bandingan, baik bandingan seri waktu, maupun bandingan sektor lain. Linearitas berdasar pengertiannya, adalah hubungan positif (positive relationship) secara statistik. Semakin linear atau semakin besar angka linearitas antara dua variabel dapat ditunjukkan dengan statistik R2 yang mendekati 1. Begitu juga linearitas negatif adalah hubungan negatif (negative relationship) antara dua variabel dan dapat ditunjukkan dengan dengan statistik R2 yang mendekati 1. Akan tetapi dapat dibedakan dengan melihat arah kemiringan garis trend, dimana arah garis miring turun ke kiri menandakan adanya linearitas positif / hubungan positif sedangkan arah garis miring turun ke kanan menunjukkan adanya linearitas negatif / hubungan negatif.
Peta Batas Wilayah dan Titik Pusat Unit Satuan Wilayah Kabupaten/Kota Di Jawa Timur
Peta Tingkat PDRB ADHK Kabupaten/Kota di Jawa Timur Tahun 2020 dan Statistiknya
Matriks penimbang spasial (spatial weight matrix) yang merepresentasikan hubungan interaksi antar unit satuan wilayah Kabupaten/Kota yang digunakan adalah berbasis jarak terbalik (inverse distance) yang cukup sesuai dengan Hukum Geografi Tobler yaitu unit-unit wilayah yang lebih dekat lebih terkait dibanding unit-unit wilayah yang jauh. Jarak standar yang digunakan untuk menentukan unit tetangga (neighbor unit) dimana terjadi interaksi yang cukup optimal antar Kabupaten/Kota di Jawa Timur adalah sebesar 80 km antar titik pusat unit satuan wilayah Kabupaten/Kota. Angka 80 km didapatkan dari hasil analisis optimasi interaksi antar unit wilayah satuan yaitu Kabupaten/Kota berbasis jarak terbalik dimana interaksi antar unit wilayah cukup sesuai dengan persebaran koneksitas jaringan jalan di Jawa Timur.
Peta Pola Interaksi Antar Unit Wilayah Satuan yaitu Kabupaten/Kota Berbasis Jarak Terbalik (Inverse Distance) 80 km dan statistiknya.
Tahap analisis pertama ini dengan metode Exploratoty Spatial Data Analysis (ESDA) menggunakan software Geoda, menghasilkan scatterplot matrix yang membandingkan nilai input PDRB ADHK Tahun 2020 Kabupaten/Kota, dengan 17 Sektor. Dalam proses Pembuatan scatterplot matrix tersebut sekaligus menghasilkan grafik linearitas antar input, tidak hanya bandingan dengan nilai input PDRB ADHK Tahun 2020 saja tetapi antar komponen input. Untuk memudahkan membaca, dilakukan pemotongan hasil scatterplot matrix agar fokus pada linearitas masing-masing sektor terhadap PDRB ADHK Tahun 2020 saja.
Terus ceritanya, artinya gambar iki opo? Ya ya bentar..
Hasil Potongan Scatterplot Matrix Linearitas PDRB ADHK Tahun 2020 Kabupaten/Kota terhadap 17 Sektor Komponen PDRB ADHK, Garis Trend Polinomial dan Keterangan Linearitas nya
Hasil scatterplot matrix linearitas PDRB Tahun 2020 Kabupaten/Kota terhadap 17 Sektor Komponen PDRB dan Antar Sektor Komponen PDRB menunjukkan insight / wawasan sebagai berikut :
- Sektor Pertanian, Kehutanan dan Perikanan, dan sektor Pertambangan dan Penggalian bersifat tidak linear dan cenderung stagnan. Sektor Pertanian, Kehutanan dan Perikanan terdapat kecenderungan minor bahwa semakin besar angka PDRB maka semakin kecil angka sektor dimaksud (divergen). Sedangkan untuk sektor Pertambangan dan Penggalian terdapat kecenderungan minor bahwa semakin besar angka PDRB maka semakin besar juga angka sektor dimaksud.
- Selain kedua sektor tersebut, sektor lainnya (15 sektor) bersifat linear. Dan yang menunjukkan kontribusi PDRB paling besar adalah sektor Industri Pengolahan dimana angka yang tidak terlalu besar dari sektor ini, menyumbang secara signifikan besar untuk angka PDRB (kecenderungan konvergen).
Hasil Scatterplot Matrix Linearitas PDRB ADHK Tahun 2020 Kabupaten/Kota terhadap Sektor Primer, Sekunder, dan Tersier PDRB ADHK dan Garis Trend Polinomial
Sesuai Sektor Primer yang terdiri atas (∑) sektor Pertanian, Kehutanan dan Perikanan dan sektor Pertambangan dan Penggalian menunjukkan linearitas Sektor Primer bersifat stagnan (non-linear) terhadap PDRB dan terdapat divergensi secara minor. Sektor Sekunder yang terdiri atas (∑) sektor Industri Pengolahan, sektor Pengadaan Listrik dan Gas, sektor Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang, sektor Konstruksi, menunjukkan linearitas Sektor Sekunder bersifat linear terhadap PDRB dan terdapat divergensi secara minor. Sektor Tersier yang terdiri atas (∑) sektor Perdagangan Besar dan Eceran; Reparasi Mobil dan Sepeda Motor, sektor Transportasi dan Pergudangan, sektor Penyediaan Akomodasi dan Makan Minum, sektor Informasi dan Komunikasi, sektor Jasa Keuangan dan Asuransi, sektor Real Estat, sektor Jasa Perusahaan, sektor Administrasi Pemerintahan, Pertahanan dan Jaminan Sosial Wajib, sektor Jasa Pendidikan, sektor Jasa Kesehatan dan Kegiatan Sosial, dan sektor Jasa Lainnya, menunjukkan linearitas Sektor Tersier bersifat sangat linear terhadap PDRB.
Selanjutnya untuk lebih menspasialkan, dilakukan juga analisis Generalized Linear Regression (GLR) yang akan menunjukkan seberapa besar linearitas sektor-sektor di unit wilayah yang dipilih sebagai variabel independen kajian terhadap PDRB ADHK Tahun 2020 sebagai variabel dependen. Analisis GLR juga akan menunjukkan unit wilayah Kabupaten/Kota yang selaras kontribusi variabel independennya dan yang kurang selaras (variasi besar/simpangan). Variabel yang menjadi inputan analisis ini adalah sektor-sektor PDRB ADHK Tahun 2020 yang telah disimplifikasi menjadi 3 sektor.
Secara garis besar, sektor-sektor PDRB yang digunakan secara nasional yang dibakukan oleh Badan Pusat Statistik (BPS) berasal dari fungsi umum sektor ekonomi yang secara umum dibagi menjadi 3 klasifikasi yaitu : sektor Primer, sektor Sekunder, dan sektor Tersier. Sektor primer merupakan sektor dengan fungsi ekonomi Agriculture, bersifat agraris dan ekstraktif, nilai ekonominya diperoleh dari kegiatan yang secara langsung diambil dari alam. Sektor Sekunder merupakan sektor dengan fungsi ekonomi pengolahan/ manufaktur, nilai ekonominya diperoleh dari kegiatan pengolahan bahan mentah/ bahan baku menjadi bahan jadi yang bernilai tambah. Sektor Tersier merupakan sektor dengan fungsi utama sebagai jasa / service yang nilai ekonomi nya berasal dari pelayanan atas jasa (bukan barang).
Selanjutnya dilakukan analisis Generalized Linear Regression (GLR) dengan hasil yang menerangkan kontribusi dan linearitas inputan nilai 3 sektor pada masing-masing wilayah Kabupaten/Kota terhadap nilai ∑ PDRB ADHK 2020 Jawa Timur (∑ PDRB ADHK seluruh wilayah Kabupaten/Kota). Hasil yang terpetakan merupakan statistik residual yang distandardkan, yang akan menunjukkan unit wilayah Kabupaten/Kota yang linear dengan rata-rata input variabel dependen (PDRB Kabupaten/Kota Tahun 2020) dan yang tidak/kurang linear dengan rata-rata input variabel dependen.
Hasil Statistik Analisis GLR untuk Input Variabel Independen Sektor Primer sebagai berikut :
Running script GeneralizedLinearRegression...
WARNING 001605: Distances for Geographic Coordinates (degrees, minutes, seconds) are analyzed using Chordal Distances in meters.
------------------- Summary of GLR Results [Model Type: Continuous (Gaussian/OLS)] -------------------
------------------------------------------------------------------------------------------------------
Variable Coefficient [a] StdError t-Statistic Probability [b] Robust_SE Robust_t Robust_Pr [b]
Intercept 61651841,892422 22831398,857423 2,700309 0,010492* 29437735,132374 2,094313 0,043335*
PRIMER20 -0,110041 1,797644 -0,061214 0,951529 1,641416 -0,067040 0,946922
------------------------------------------------------------------------------------------------------
----------------------------------------------- GLR Diagnostics -----------------------------------------------
---------------------------------------------------------------------------------------------------------------
Input Features: pdrbjatimdaratkab2020test Dependent Variable: PDRB20
Number of Observations: 38 Akaike's Information Criterion (AICc) [d]: 1508,379467
Multiple R-Squared [d]: 0,000104 Adjusted R-Squared [d]: -0,027671
Joint F-Statistic [e]: 0,003747 Prob(>F), (1,36) degrees of freedom: 0,998128
Joint Wald Statistic [e]: 0,004494 Prob(>chi-squared), (1) degrees of freedom: 0,946550
Koenker (BP) Statistic [f]: 1,248612 Prob(>chi-squared), (1) degrees of freedom: 0,263818
Jarque-Bera Statistic [g]: 657,383165 Prob(>chi-squared), (2) degrees of freedom: 0,000000*
---------------------------------------------------------------------------------------------------------------
Completed script Generalized Linear Regression (GLR)...
Peta Sebaran Residu Terstandarisasi Hasil Analisis Generalized Linear Regression untuk Input Variabel Independen Sektor Primer
Hasil Analisis GLR untuk Input Variabel Independen Sektor Primer menunjukkan insight/wawasan sebagai berikut :
- Unit wilayah dengan warna putih abu-abu di Peta Gambar di atas yang meliputi Kabupaten-Kabupaten : Bangkalan, Sampang, Pamekasan, Sumenep, Lamongan, Tuban, Bojonegoro, Ngawi, Madiun, Nganjuk, Jombang, Mojokerto, Ponorogo, Kediri, Pacitan, Trenggalek, Tulungagung, Blitar, Lumajang, Probolinggo, Jember, Bondowoso, Situbondo, dan Banyuwangi serta Kota Malang dan Kota Batu, dari hasil model regresi GLR merupakan unit wilayah Kabupaten/Kota yang kinerja sektor Primer nya linear dengan rata-rata kinerja Jawa Timur (sebagai ∑ Kabupaten/Kota). Yang menarik pada klasifikasi ini, Kota Batu dan Kota Malang yang secata administrasi merupakan “Kota”, tetapi kinerja sektor Primernya masih signifikan dan bahkan masih satu klasifikasi dengan Kabupaten-Kabupaten yang menjadi sentra produksi Primer.
- Kota Surabaya dengan warna hijau gelap di Peta Gambar di atas memiliki standar residu bernilai positif yang sangat signifikan tingginya (over) terhadap rata-rata regresi Kabupaten/Kota se-Jawa Timur dan menjadi anggota tunggal dari klasifikasi ini, menunjukkan bahwa kinerja sektor Primer PDRB Kota Surabaya sangat unik dan sangat tidak linear terhadap sektor Primer PDRB se-Jawa Timur. Hal ini secara teori perkembangan wilayah sangat sesuai dengan hirarkhinya sebagai Ibukota Provinsi dan sebagai pusat dari Pusat Kegiatan Nasional (PSN) Perkotaan Gerbangkertosusila yang sudah meninggalkan sektor Primer, dan terus tumbuh menjadi wilayah Perkotaan yang berbasis sektor non Primer, terutama sektor Tersier (perdagangan dan jasa-jasa).
- Kabupaten Gresik, Kabupaten Sidoarjo, Kabupaten Pasuruan, Kabupaten Malang, dan Kota Kediri memiliki standar residu bernilai positif yang cukup signifikan tingginya (over) terhadap rata-rata regresi Kabupaten/Kota se-Jawa Timur, tetapi tidak setinggi Kota Surabaya menunjukkan bahwa kontribusi sektor Primer terhadap PDRB Kabupaten/Kota nya tidak linier (menyimpang) di bawah rata-rata regresi GLR. Secara teoritis hal ini selaras dengan indikasi sektor non Primer (Sekunder dan Tersier) tumbuh dan secara signifikan mengurangi kinerja linearitas sektor Primer.
- Kota Mojokerto, Kota Blitar, Kota Madiun, Kota Pasuruan, dan Kota Probolinggo, menunjukkan standar residu bernilai negatif (under) yang cukup signifikan terhadap rata-rata regresi Kabupaten/Kota se-Jawa Timur, menunjukkan kontribusi sektor Primer terhadap PDRB Kabupaten/Kota nya tidak linier (menyimpang) di atas rata-rata regresi GLR. Insight yang menarik pada klasifikasi ini, adalah anggotanya adalah unit wilayah Kota-Kota (selain Kota Kediri, Kota Batu dan Kota Malang), yang sesuai teori perkembangan ekonomi wilayah memang sangat wajar untuk menyimpang (tidak linear) dengan kinerja sektor Primer.
Hasil Statistik Analisis GLR untuk Input Variabel
Independen Sektor Sekunder dan Tersier besok2 aja ya, beberapa hari lagi akan kita muat disini (kalau sudah slesai saya buat narasi nya hehehe)
Update part 2 di alamat web berikut
http://spasialin.blogspot.com/2021/11/part-2-lanjutan-eksplorasi-data-kita.html
No comments:
Post a Comment