Implementasi Metode Geographically and Temporally Weighted Regression (Gtwr) Dalam Menganalisis Faktor-Faktor yang Memengaruhi Produk Domestik Regional Bruto (Studi Kasus : Produk Domestik Regional Bruto Provinsi Jawa Tengah 2017- 2019)

Abstract

Salah satu tujuan utama setiap negara termasuk Indonesia adalah meningkatkan pertumbuhan ekonomi. Pertumbuhan ekonomi sendiri merupakan keadaan di mana produksi barang dan jasa suatu daerah bertambah sehingga kemakmuran pada negara tersebut juga bertambah yang diakibatkan oleh berkembangnya kegiatan dalam perekonomian. Realisasi pertumbuhan ekonomi suatu daerah dapat dicerminkan dalam perubahan nilai Produk Domestik Regional Bruto (PDRB). Pembangunan di daerah akan ikut menurun apabila PDRB menurun setiap tahunnya, begitu juga sebaliknya sehingga pemerintah menyusun Rancangan Pembangunan baik jangka menengah, lama, atau pendek. Demi mendukung pengoptimalan Rancangan Pembangunan yang digarap pemerintah, maka penelitian terkait faktor yang mempengaruhi PDRB pada kabupaten di Provinsi Jawa Tengah ini dilakukan. Tujuan dari penelitian ini adalah melihat gambaran kondisi PDRB pada Provinsi Jawa Tengah dan didapatkannya model terbaik yang dapat menjelaskan kondisi PDRB Provinsi Jawa Tengah yang diidentifikasi terdapat heterogenitas spasial dan temporal. Adanya heterogenitas temporal dan spasial menyebabkan adanya perbedaan pemodelan PDRB setiap daerah dan tahunnya, sehingga salah satu metode yang dapat menganalisis heterogenitas tersebut adalah Geographically and Temporally Weighted Regression (GTWR). Metode GTWR merupakan pengembangan dari metode Geographically Weighted Regression (GWR) yang merupakan pengembangan dari metode regresi linier berganda. Pada penelitian ini menggunakan variabel prediktor Indeks Pembangunan Manusia (IPM), Upah Minimum Kabupaten (UMK), Pendapatan Asli Daerah (PAD), dan Penanaman Modal Dalam Negeri (PMDN). Kesimpulan yang didapatkan adalah model terbaik untuk menggambarkan kondisi PDRB kabupaten/ kota di Jawa Tengah pada tahun 2017 – 2019 adalah GTWR dengan fungsi pembobot Adaptive Kernel Tricube dengan adjusted R2 sebesar 77,69% dan MAPE sebesar 19,41%.