Analysis of Determinants of Agricultural Sector Gross Regional Domestic Product Across Regions in South Kalimantan (A Geographically Weighted Panel Regression Approach)
Analisis Determinan Produk Domestik Regional Bruto Sektor Pertanian Antar Wilayah di Kalimantan Selatan (Pendekatan Geographically Weighted Panel Regression)
The agricultural sector plays a strategic role in the Indonesian economy, including in South Kalimantan, but its contribution to the Regional Gross Domestic Product (GRDP) varies unevenly across regions. This study aims to analyze the determinants of the agricultural sector GRDP in South Kalimantan both globally and spatially. Using panel data from 13 regencies/cities for the period 2020–2024, the analysis was conducted using two approaches is global panel regression and Geographically Weighted Panel Regression (GWPR). The results show that the GWPR model is significantly superior in capturing spatial heterogeneity compared to the global model, with a Cross Validation (CV) value of 0.0425 and R² of 0.7042. At the local level, the GWPR model was able to explain up to 86.76% of the variation in Tabalong Regency. Globally, plantation area, capital expenditure (lag 1), and the mining sector's contribution significantly affect agricultural GRDP. However, GWPR estimates reveal substantial spatial variation, the coefficient of plantation area ranges from 0.036 to 0.233 (highest in Tabalong), capital expenditure from 0.019 to 0.050, while the mining sector's contribution shows a consistently negative effect (–0.035 to –0.006), with the strongest impact in mining-intensive areas. These findings confirm the necessity of differentiated policy approaches tailored to the local characteristics of each region.
Bahasa Indonesia
Sektor pertanian memegang peran strategis dalam perekonomian Indonesia, termasuk di Kalimantan Selatan, namun kontribusinya terhadap PDRB tidak merata antarwilayah. Penelitian ini bertujuan untuk menganalisis determinan PDRB sektor pertanian di Kalimantan Selatan secara global dan spasial. Dengan menggunakan data panel dari 13 kabupaten/kota periode 2020–2024, analisis dilakukan dengan dua pendekatan yaitu regresi data panel global dan Geographically Weighted Panel Regression (GWPR). Hasil penelitian menunjukkan bahwa model GWPR secara signifikan lebih unggul dalam menangkap heterogenitas spasial dibandingkan model global, dengan nilai Cross Validation (CV) sebesar 0,0425 dan R² sebesar 0,7042. Pada tingkat lokal, model GWPR bahkan mampu menjelaskan variasi hingga 86,76% di Kabupaten Tabalong. Secara global, variabel luas lahan perkebunan, belanja modal (lag 1), dan kontribusi sektor pertambangan signifikan memengaruhi PDRB sektor pertanian. Namun, estimasi GWPR mengungkap variasi spasial yang nyata, koefisien luas lahan perkebunan berkisar antara 0,036 hingga 0,233 (tertinggi di Tabalong), belanja modal antara 0,019 hingga 0,050, sementara kontribusi sektor pertambangan menunjukkan pengaruh negatif konsisten (–0,035 hingga –0,006), dengan dampak terkuat di wilayah pusat pertambangan. Temuan ini menegaskan pentingnya pendekatan kebijakan yang berbeda-beda sesuai karakteristik lokal setiap wilayah.
Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.
Afiliasi tidak diketahui
Organisasi berbeda
Organisasi sama
Afiliasi tidak diketahui
Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulis
Organisasi
Artikel bersama
Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.