Pemodelan Regresi Spasial Berbasis Area Pada Indeks Kualitas Lingkungan Hidup (IKLH) di Provinsi Kalimantan Selatan

Nor Jinan Hafidhah; Yuana Sukmawaty; Yeni Rahkmawati

doi:10.14710/jwl.13.3.41-60

DOI: https://doi.org/10.14710/jwl.13.3.41-60

Pemodelan Regresi Spasial Berbasis Area Pada Indeks Kualitas Lingkungan Hidup (IKLH) di Provinsi Kalimantan Selatan

Nor Jinan Hafidhah - Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lambung Mangkurat, Banjarbaru, Indonesia, Indonesia

*Yuana Sukmawaty

- Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lambung Mangkurat, Jl.. Jenderal Ahmad Yani KM 36, Banjarbaru, Kalimantan Selatan, Banjarbaru, Indonesia 70714, Indonesia

Yeni Rahkmawati

- Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lambung Mangkurat, Banjarbaru, Indonesia, Indonesia

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

BibTex Citation Data :

@article{JWL23129,
    author = {Nor Jinan Hafidhah and Yuana Sukmawaty and Yeni Rahkmawati},
    title = {Pemodelan Regresi Spasial Berbasis Area Pada Indeks Kualitas Lingkungan Hidup (IKLH) di Provinsi Kalimantan Selatan},
    journal = {Jurnal Wilayah dan Lingkungan},
  volume = {13},
    number = {3},
    year = {2025},
    keywords = {Kalimantan Selatan; Kualitas Lingkungan Hidup; Regresi Spasial; Spatial Autoregressive Moving Average},
    abstract = {Indeks Kualitas Lingkungan Hidup (IKLH) merupakan indikator yang dapat memberikan gambaran tentang kualitas lingkungan hidup di suatu wilayah. IKLH digunakan sebagai alat evaluasi dalam berbagai program perbaikan kualitas lingkungan hidup dan sumber informasi untuk mendukung pengambilan kebijakan mengenai perlindungan dan pengelolaan lingkungan hidup. Dalam perhitungan IKLH terdapat empat indikator, yaitu Indeks Kualitas Air (IKA), Indeks Kualitas Udara (IKU), Indeks Kualitas Lahan (IKTL), dan Indeks Kualitas Air Laut (IKAL). Penelitian ini bertujuan untuk menganalisis pengaruh persentase jumlah penduduk, Produk Domestik Regional Bruto (PDRB), dan jumlah kendaraan bermotor terhadap IKLH di Provinsi Kalimantan Selatan tahun 2022. Metode penelitian yang digunakan dalam penelitian ini adalah analisis regresi spasial berbasis area. Data yang digunakan merupakan data sekunder tahun 2022 dari Badan Pusat Statistik (BPS) dan Dinas Lingkungan Hidup (DLH) Provinsi Kalimantan Selatan, meliputi 13 kabupaten/kota sebagai area pengamatan. Hasil penelitian menunjukkan bahwa model  Spatial Autoregressive Moving Average  (SARMA) merupakan model terbaik untuk memodelkan faktor-faktor yang diduga berpengaruh terhadap IKLH. Dari model SARMA diperoleh bahwa persentase jumlah penduduk, PDRB dan jumlah kendaraan bermotor berpengaruh signifikan terhadap IKLH di Provinsi Kalimantan Selatan. Koefisien determinasi sebesar 80,65% menunjukkan bahwa model mampu menjelaskan keragaman IKLH secara kuat. Kebaruan penelitian ini terletak pada penggunaan model SARMA yang mampu menangkap pengaruh spasial lag dan eror secara simultan, serta temuan hubungan positif PDRB terhadap IKLH yang mengindikasikan bahwa pertumbuhan ekonomi di Kalimantan Selatan dapat berjalan seiring dengan peningkatan kualitas lingkungan.},
   issn = {2407-8751},   pages = {41--60}  doi = {10.14710/jwl.13.3.41-60},
    url = {https://ejournal2.undip.ac.id/index.php/jwl/article/view/23129}
}

Citation Format:

Abstract

Indeks Kualitas Lingkungan Hidup (IKLH) merupakan indikator yang dapat memberikan gambaran tentang kualitas lingkungan hidup di suatu wilayah. IKLH digunakan sebagai alat evaluasi dalam berbagai program perbaikan kualitas lingkungan hidup dan sumber informasi untuk mendukung pengambilan kebijakan mengenai perlindungan dan pengelolaan lingkungan hidup. Dalam perhitungan IKLH terdapat empat indikator, yaitu Indeks Kualitas Air (IKA), Indeks Kualitas Udara (IKU), Indeks Kualitas Lahan (IKTL), dan Indeks Kualitas Air Laut (IKAL). Penelitian ini bertujuan untuk menganalisis pengaruh persentase jumlah penduduk, Produk Domestik Regional Bruto (PDRB), dan jumlah kendaraan bermotor terhadap IKLH di Provinsi Kalimantan Selatan tahun 2022. Metode penelitian yang digunakan dalam penelitian ini adalah analisis regresi spasial berbasis area. Data yang digunakan merupakan data sekunder tahun 2022 dari Badan Pusat Statistik (BPS) dan Dinas Lingkungan Hidup (DLH) Provinsi Kalimantan Selatan, meliputi 13 kabupaten/kota sebagai area pengamatan. Hasil penelitian menunjukkan bahwa model Spatial Autoregressive Moving Average (SARMA) merupakan model terbaik untuk memodelkan faktor-faktor yang diduga berpengaruh terhadap IKLH. Dari model SARMA diperoleh bahwa persentase jumlah penduduk, PDRB dan jumlah kendaraan bermotor berpengaruh signifikan terhadap IKLH di Provinsi Kalimantan Selatan. Koefisien determinasi sebesar 80,65% menunjukkan bahwa model mampu menjelaskan keragaman IKLH secara kuat. Kebaruan penelitian ini terletak pada penggunaan model SARMA yang mampu menangkap pengaruh spasial lag dan eror secara simultan, serta temuan hubungan positif PDRB terhadap IKLH yang mengindikasikan bahwa pertumbuhan ekonomi di Kalimantan Selatan dapat berjalan seiring dengan peningkatan kualitas lingkungan.

Fulltext View|Download

Keywords: Kalimantan Selatan; Kualitas Lingkungan Hidup; Regresi Spasial; Spatial Autoregressive Moving Average

Article Metrics:

Article Info

Section: Research Articles

Language : ID

In Vol 13, No 3 (2025): Desember 2025

Recent articles

Pemodelan Regresi Spasial Berbasis Area Pada Indeks Kualitas Lingkungan Hidup (IKLH) di Provinsi Kalimantan Selatan Urban Sprawl and Its Impacts on Land Cover Change in the Outskirts of the Surabaya Metropolitan Area Kajian Kerentanan Fisik dan Sosial Ekonomi Untuk Pengelolaan Lingkungan Kawasan Pesisir Kabupaten Bintan More recent articles

Agustina, M., Makkulau, Abapihi, B., Wibawa, G. N., Ruslan, & Yahya, I. (2022). Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Pengangguran Terbuka di Indonesia Dengan Pendekatan Regresi Spasial. Prosiding Seminar Nasional Sains dan Terapan (SINTA) VI, 6. doi: https://ejournal.unsrat.ac.id/index.php/sinta6/article/view/41871
Anjani, D. (2013). Penerapan Model IPAT (Impact-Population-Affluence-Technology) Pada Emisi Karbon Dioksida (CO2) di Asean. Skripsi, Universitas Airlangga, Surabaya. Dikutip dari
http://repository.unair.ac.id/id/eprint/2975
Arsyad, M., Bahri, S., & Suharto, E. (2019). Dampak transportasi darat terhadap kualitas udara perkotaan di Indonesia. Jurnal Lingkungan dan Pembangunan, 25(2), 101–112
Badan Informasi Geospasial (BIG). (2023). Peta Per Wilayah Provinsi Kalimantan Selatan. Diambil kembali dari https://tanahair.indonesia.go.id/
Badan Perencanaan Pembangunan Daerah Provinsi Kalimantan Selatan (2021). RPJMD Provinsi Kalimantan Selatan 2021-2026. BAPPEDA Provinsi Kalimantan Selatan
Badan Pusat Statistik (BPS). (2022). Provinsi Kalimantan Selatan Dalam Angka 2022. Banjarbaru: Badan Pusat Statistik Provinsi Kalimantan Selatan
Damayanti, R., & Chamid, M. S. (2016). Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR). Jurnal Sains dan Seni ITS, 5(1), 2337-3520
doi: https://dx.doi.org/10.12962/j23373520.v5i1.14170
Dinas Lingkungan Hidup Provinsi Kalimantan Selatan. (2022). Indeks Kualitas Lingkungan Hidup Kalimantan Selatan. Banjarbaru: DLH Prov. Kalimantan Selatan
Fadhilla, G. (2020). Analisis Pengaruh Pertumbuhan Ekonomi Terhadap Kualitas Lingkungan Hidup . Universitas Islam Negeri (UIN) Syarif Hidayatullah , Ekonomi Pembangunan. Jakarta: Fakultas Ekonomi dan Bisnis uin jakarta. Diambil kembali dari https://repository.uinjkt.ac.id/dspace/handle/123456789/54492
Firdaus, I. A. (2017). Pengaruh Pertumbuhan dan Keterbukaan Ekonomi Terhadap Perubahan Kualitas Lingkungan: Analisis Environmental Kuznet Curve (Studi Kasus Negara-Negara Anggota Regional Comprehensive Economic Partnership Tahun 1999-2014). Jurnal Ilmiah Mahasiswa FEB, 05(02)
doi: https://jimfeb.ub.ac.id/index.php/jimfeb/article/download/4171/3685
Hadiningrum, S. (2018). Pemodelan Regresi Spasial Pada Indeks Kualitas Lingkungan Hidup di Jawa Timur Tahun 2015. Skripsi, Universitas Brawijaya, Malang. Dikutip dari
http://repository.ub.ac.id/id/eprint/168701
Hidayati, A. Z., & Zakianis. (2022). Analisis Faktor-Faktor yang Mempengaruhi Indeks Kualitas Lingkungan Hidup (IKLH) di Indonesia Tahun 2017-2019. Jurnal Medika Hutama, 03(02), 2327-2340. Dikutip dari
http://jurnalmedikahutama.com/index.php/JMH/article/view/456
Kementerian Lingkungan Hidup dan Kehutanan. (2021). Profil Indeks Kualitas Lingkungan Hidup 2021. Direktorat Jenderal Pengendalian Pencegahan dan Kerusakan Lingkungan. Jakarta: Kementerian Lingkungan Hidup dan Kehutanan
Kementerian Lingkungan Hidup dan Kehutanan. (2022). Profil Indeks Kualitas Lingkungan Hidup 2022. Direktorat Jenderal Pengendalian Pencemaran dan Kerusakan Lingkungan. Jakarta: Kementerian Lingkungan Hidup dan Kehutanan
Kementerian Lingkungan Hidup dan Kehutanan (2023). Kemenperin: Polusi Tinggi di Akhir Pekan, Bukan Faktor Kendaraan Bermotor. Dikutip dari http://ikft.kemenperin.go.id/kemenperin-polusi-tinggi-di-akhir-pekan-bukan-faktor-kendaraan-bermotor/
Lispani, N. M., Sumarjaya, I. W., & Sukarsa, I. k. (2018). Pemodelan Jumlah Tindak Kriminalitas di Provinsi Jawa Timur Dengan Analisis Regresi Spatial Autoregressive And Moving Average. E-Jurnal Matematika, 7(4), 346-356
doi: https://doi.org/10.24843/MTK.2018.v07.i04.p224
Nada, S. (2022). Perbandingan Matriks Pembobot Spasial Menggunakan Metode Spatial Autoregressive Model (SAR) Pada Kasus Stunting Balita Usia 0-59 Bulan di Indonesia Tahun 2021. Skripsi, Universitas Islam Negeri Syarif Hidayatullah , Jakarta
Pemerintah Provinsi Kalimantan Selatan. (2018). Peraturan Daerah Provinsi Kalimantan Selatan Nomor 19 Tahun 2018 tentang Rencana Pembangunan Industri Provinsi Kalimantan Selatan 2018–2038. Banjarmasin: Sekretariat Daerah
Putri, U. A. (2016). Penanganan Masalah Multikolinearitas Pada Fungsi Produksi Cobb-Douglas Dengan Pendekatan Partial Least Square-Path Modelling. Skripsi, Universitas Islam Negeri Syarif Hidayatullah, Jakarta. Dikutip dari
http://repository.uinjkt.ac.id/dspace/handle/123456789/43424
Saraswati, A. R., & Siagian, T. H. (2020). Modeling Kualitas Lingkungan Hidup di Indonesia Tahun 2017: Suatu Upaya Pencapaian SDGs. Seminar Nasional Official Statistics 2019, 2019(1), 315-324. doi: https://dx.doi.org/10.34123/semnasoffstat.v2019i1.213
Sistem Informasi Pengelolaan Sampah Nasional (SIPSN). (2022). Grafik Komposisi Sampah Berdasarkan Sumber Sampah. Jakarta: Menteri Lingkungan Hidup dan Kehutanan. Diambil kembali dari https://sipsn.menlhk.go.id/sipsn/public/data/sumber
Yanuari, A. (2013). Perbandingan Pengujian Efek Spasial dengan Lagrange Multplier dan Robust Lagrange Multiplier Pada Pemilihan Model Regresi Dependensi Spasial. Skripsi, Universitas Brawijaya, Malang. Dikutip dari http://repository.ub.ac.id/id/eprint/153430
Yasin, H., Warsito, B., & Hakim, A. R. (2020). Regresi Spasial (Aplikasi dengan R). Pekalongan: Wade Group
Zaman, A. N. (2015). Penerapan Spatial Autoregressive Moving Average (SARMA) dengan Kasus Multikolinieritas Pada Data Pengangguran di Jawa Timur Tahun 2012. Skripsi, Universitas Brawijaya, Malaang. Dikutip dari http://repository.ub.ac.id/id/eprint/154541/

Last update:

No citation recorded.

Last update:

No citation recorded.

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Start from Volume 13 Number 2 2025, authors who publish in the Jurnal Wilayah dan Lingkungan (JWL) retain full copyright ownership (Copyright@Authors) of their work. In keeping with the journal’s commitment to open access, all articles are published under the terms of the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0).

Before it, copyright was still owned by the publisher, Universitas Diponegoro. To support a better open access program, we have created a new policy so that authors have full copyright ownership.