Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

Riza Damayanti, Mutiah Salamah Chamid
Submission Date: 2016-01-22 13:04:17
Accepted Date: 2016-04-28 10:46:37

Abstract


PDRB merupakan salah satu indikator perekonomi-an suatu wilayah. Perhitungan PDRB salah satunya mengguna-kan pendekatan nilai tambah atau produksi, yang berkaitan dengan penggunaan sumber daya alam. Faktor pencemaran lingkungan berpengaruh terhadap ketersediaan sumber daya alam, sehingga mempunyai pengaruh dalam menentukan tinggi rendahnya PDRB suatu provinsi. Berbagai penelitian PDRB dengan metode statistika sudah banyak dilakukan. Namun, penelitian tersebut belum ada yang memodelkan antara PDRB dengan faktor pencemaran lingkungan yang memperhatikan faktor spasial. Oleh karena itu, dalam penelitian ini dilakukan analisis spasial dengan Geographically Weighted Regression (GWR). Metode GWR digunakan untuk memodelkan PDRB di Indonesia serta mengetahui faktor dari segi lingkungan yang berpengaruh secara signifikan di tiap provinsi. Hasil pemodelan dengan GWR diperoleh model yang berbeda-beda untuk tiap provinsi. Model GWR menunjukkan hasil yang lebih baik dibandingkan model regresi global, terlihat dari nilai AIC maupun SSE yang lebih kecil, dan R2 yang lebih besar.

Keywords


GWR;Lingkungan;PDRB;Regresi Linier Berganda

References


Sasana, Hadi. (2006). Jurnal Bisnis dan Ekonomi (JBE) ISSN : 1412-3126, Analisis Determinan Belanja Daerah di Kabupaten/Kota Provinsi Jawa Barat Dalam Era Otonomi dan Desentralisasi Fiskal. Universitas Diponegoro. Semarang.

Hutabarat, Lamhot. (2010). Pengaruh PDRB Sektor Industri Terhadap Kualitas Lingkungan Ditinjau Dari Emisi Sulfur dan CO2 di Lima Negara Anggota Asean Periode 1980-2000. Skripsi Fakultas Ekonomi Universitas Diponegoro.

Dariah, R.A. (2006). Dampak Pertumbuhan Ekonomi dan Degradasi Lingkungan di Jawa Barat. Tesis. Semarang : Universitas Diponegoro.

Idris. (2008). Penerapan Konsep Sustainable Development Sebagai Langkah Strategis Untuk Mempersiapkan Masa Depan Bangsa, Artikel Jurnal ECONOMAC Volume II No. 2 FE UNP Padang.

Hocking, R. R. (1996). Method and Applications of Linear Models (2nd Edition ed.). New York: John Wiley & Sons, Inc.

Draper, N. R., dan Smith, H. (1998). Applied Regression Analysis (3rd Edition ed.). New York: John Wiley & Sons, Inc.

Lee, J., dan Wong, D. W. (2001). Statistical Analysis with ArcView GIS. Canada: John Willey & Sons, Inc.

Anselin, L. (1988). Spatial Econometrics : Methods and Models. Dordrecht: Kluwer Academic Publisher

Fotheringham, A. S., Brunsdon, C., dan Charlton, M. E. (2002). Geographically Weighted Regression : The Analysis of Spatially Varying Relationships. Chichester: John Wiley & Sons, Inc.


Full Text: PDF

CC Licencing


Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Refbacks

  • There are currently no refbacks.


Lembaga Penjaminan Mutu, Pengelolaan dan Perlindungan Kekayaan Intelektual (LPMP2KI) ITS
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.