##MASUKKAN DATA KONSUMSI
library(haven)
data<- read_dta("b1_ks1.dta")
##Filter data untuk hanya menampilkan yang mengkonsumsi kategori "N"
data_Konsumsi <- subset(data, ks1type %in% c("N"))##MASUKKAN DATA PENDAPATAN
library(haven)
data_pendapatan<- read_dta("b3a_tk1.dta")
##MENGGABUNGKAN DATA KONSUMSI DAN DATA PENDAPATANdata_regresi1 <- merge(data_Konsumsi, data_pendapatan, by = "hhid14_9", all = TRUE)
names(data_regresi1)[4] <- "konsumsi"
names(data_regresi1)[50] <- "pendapatan"
head(data_regresi1)## hhid14_9 ks1type hhid14.x konsumsi ks03 ks02x ks03x version.x module.x pid14
## 1 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 1
## 2 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 8
## 3 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 7
## 4 001060004 N 0010651 15000 0 1 3 1.3 B1_KS1 2
## 5 001060004 N 0010651 15000 0 1 3 1.3 B1_KS1 1
## 6 001080000 N 0010800 0 0 3 3 1.3 B1_KS1 8
## tk01a tk01b tk01c tk01d tk01 tk02 tk03 tk04 tk05 tk06a tkp07x tk07 tk08 tk15
## 1 3 3 3 3 7 3 3 3 1 1 NA NA NA
## 2 1 1 3 3 3 1 NA NA NA NA NA NA NA
## 3 1 3 1 3 1 NA NA NA NA NA NA NA NA
## 4 1 3 3 3 1 NA NA NA NA NA NA NA NA
## 5 1 3 1 3 4 1 NA NA NA NA NA NA NA
## 6 1 3 1 3 1 NA NA NA NA NA NA NA NA
## tk16ax tk16a1 tk16b tk16cart tk16c1 tk16d tk16ex tk16e tk16fa tk16fb tk16fc
## 1 NA NA NA NA NA 3 NA NA NA NA NA
## 2 NA NA NA NA 2 3 NA NA NA NA NA
## 3 NA NA NA NA 3 3 NA NA NA NA NA
## 4 NA NA NA NA 3 3 NA NA NA NA NA
## 5 NA NA NA NA 2 3 NA NA NA NA NA
## 6 NA NA NA NA 2 3 NA NA NA NA NA
## tk16fd tk16fe tk16ff tk16fg tk16g tk16h tk16i tk16ja tk16jb tk16jc tk16jd
## 1 NA NA NA NA NA 7 3 NA NA NA NA
## 2 NA NA NA NA NA 3 3 NA NA NA NA
## 3 NA NA NA NA NA 2 3 NA NA NA NA
## 4 NA NA NA NA NA 1 3 NA NA NA NA
## 5 NA NA NA NA NA 2 3 NA NA NA NA
## 6 NA NA NA NA NA 2 3 NA NA NA NA
## tk16k hhid14.y pidlink pendapatan version.y module.y
## 1 2 0010600 001060001 NA 1.3 B3A_TK1
## 2 1 0010600 001060008 NA 1.3 B3A_TK1
## 3 1 0010600 001060007 NA 1.3 B3A_TK1
## 4 1 0010651 001065102 NA 1.3 B3A_TK1
## 5 1 0010651 001060004 NA 1.3 B3A_TK1
## 6 1 0010800 001080008 NA 1.3 B3A_TK1model <- lm(konsumsi ~ pendapatan , data = data_regresi1)
# Melihat ringkasan model
summary(model)##
## Call:
## lm(formula = konsumsi ~ pendapatan, data = data_regresi1)
##
## Residuals:
## Min 1Q Median 3Q Max
## -5275 -5184 -4672 866 145127
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.275e+03 3.727e+02 14.151 <2e-16 ***
## pendapatan -2.011e-04 1.815e-04 -1.108 0.268
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 11810 on 1253 degrees of freedom
## (33498 observations deleted due to missingness)
## Multiple R-squared: 0.0009786, Adjusted R-squared: 0.0001813
## F-statistic: 1.227 on 1 and 1253 DF, p-value: 0.2681\[ Y = \beta_0 + \beta_1X_1 + \beta_2X_2 + \ldots + \beta_nX_n + \varepsilon \] \[ Y = 5.275 + 0X_1 + 0X_2 + \varepsilon \]
Pada hasil regresi di atas menunjukkan bahwa variabel pendapatan dan tingkat harga tidak memiliki pengaruh terhadap pengeluaran konsumsi ayam.
library(haven)
data_harga<- read_dta("b1_ks4.dta")data_regresi2 <- merge(data_regresi1, data_harga, by = "hhid14_9", all = TRUE)
head(data_regresi2)## hhid14_9 ks1type hhid14.x konsumsi ks03 ks02x ks03x version.x module.x pid14
## 1 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 8
## 2 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 8
## 3 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 8
## 4 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 8
## 5 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 8
## 6 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 8
## tk01a tk01b tk01c tk01d tk01 tk02 tk03 tk04 tk05 tk06a tkp07x tk07 tk08 tk15
## 1 1 1 3 3 3 1 NA NA NA NA NA NA NA
## 2 1 1 3 3 3 1 NA NA NA NA NA NA NA
## 3 1 1 3 3 3 1 NA NA NA NA NA NA NA
## 4 1 1 3 3 3 1 NA NA NA NA NA NA NA
## 5 1 1 3 3 3 1 NA NA NA NA NA NA NA
## 6 1 1 3 3 3 1 NA NA NA NA NA NA NA
## tk16ax tk16a1 tk16b tk16cart tk16c1 tk16d tk16ex tk16e tk16fa tk16fb tk16fc
## 1 NA NA NA NA 2 3 NA NA NA NA NA
## 2 NA NA NA NA 2 3 NA NA NA NA NA
## 3 NA NA NA NA 2 3 NA NA NA NA NA
## 4 NA NA NA NA 2 3 NA NA NA NA NA
## 5 NA NA NA NA 2 3 NA NA NA NA NA
## 6 NA NA NA NA 2 3 NA NA NA NA NA
## tk16fd tk16fe tk16ff tk16fg tk16g tk16h tk16i tk16ja tk16jb tk16jc tk16jd
## 1 NA NA NA NA NA 3 3 NA NA NA NA
## 2 NA NA NA NA NA 3 3 NA NA NA NA
## 3 NA NA NA NA NA 3 3 NA NA NA NA
## 4 NA NA NA NA NA 3 3 NA NA NA NA
## 5 NA NA NA NA NA 3 3 NA NA NA NA
## 6 NA NA NA NA NA 3 3 NA NA NA NA
## tk16k hhid14.y pidlink pendapatan version.y module.y ks4type ks13a ks13
## 1 1 0010600 001060008 NA 1.3 B3A_TK1 M 3 NA
## 2 1 0010600 001060008 NA 1.3 B3A_TK1 C 1 1
## 3 1 0010600 001060008 NA 1.3 B3A_TK1 H1 3 NA
## 4 1 0010600 001060008 NA 1.3 B3A_TK1 L 3 NA
## 5 1 0010600 001060008 NA 1.3 B3A_TK1 E 1 1
## 6 1 0010600 001060008 NA 1.3 B3A_TK1 A 1 15
## ks14 ks14a ks14b ks16 hhid14 ks15 ks13x ks14x version module
## 1 NA NA NA NA 0010600 NA NA NA 1.3 B1_KS4
## 2 1 NA NA 2 0010600 15000 1 1 1.3 B1_KS4
## 3 NA NA NA NA 0010600 NA NA NA 1.3 B1_KS4
## 4 NA NA NA NA 0010600 NA NA NA 1.3 B1_KS4
## 5 1 NA NA 1 0010600 15000 1 1 1.3 B1_KS4
## 6 1 NA NA 2 0010600 150000 1 1 1.3 B1_KS4data_regresi2 <- merge(data_regresi1, data_harga, by = "hhid14_9", all = TRUE)
names(data_regresi2)[61] <- "harga"
head(data_regresi2)## hhid14_9 ks1type hhid14.x konsumsi ks03 ks02x ks03x version.x module.x pid14
## 1 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 8
## 2 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 8
## 3 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 8
## 4 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 8
## 5 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 8
## 6 001060000 N 0010600 20000 0 1 3 1.3 B1_KS1 8
## tk01a tk01b tk01c tk01d tk01 tk02 tk03 tk04 tk05 tk06a tkp07x tk07 tk08 tk15
## 1 1 1 3 3 3 1 NA NA NA NA NA NA NA
## 2 1 1 3 3 3 1 NA NA NA NA NA NA NA
## 3 1 1 3 3 3 1 NA NA NA NA NA NA NA
## 4 1 1 3 3 3 1 NA NA NA NA NA NA NA
## 5 1 1 3 3 3 1 NA NA NA NA NA NA NA
## 6 1 1 3 3 3 1 NA NA NA NA NA NA NA
## tk16ax tk16a1 tk16b tk16cart tk16c1 tk16d tk16ex tk16e tk16fa tk16fb tk16fc
## 1 NA NA NA NA 2 3 NA NA NA NA NA
## 2 NA NA NA NA 2 3 NA NA NA NA NA
## 3 NA NA NA NA 2 3 NA NA NA NA NA
## 4 NA NA NA NA 2 3 NA NA NA NA NA
## 5 NA NA NA NA 2 3 NA NA NA NA NA
## 6 NA NA NA NA 2 3 NA NA NA NA NA
## tk16fd tk16fe tk16ff tk16fg tk16g tk16h tk16i tk16ja tk16jb tk16jc tk16jd
## 1 NA NA NA NA NA 3 3 NA NA NA NA
## 2 NA NA NA NA NA 3 3 NA NA NA NA
## 3 NA NA NA NA NA 3 3 NA NA NA NA
## 4 NA NA NA NA NA 3 3 NA NA NA NA
## 5 NA NA NA NA NA 3 3 NA NA NA NA
## 6 NA NA NA NA NA 3 3 NA NA NA NA
## tk16k hhid14.y pidlink pendapatan version.y module.y ks4type ks13a ks13
## 1 1 0010600 001060008 NA 1.3 B3A_TK1 M 3 NA
## 2 1 0010600 001060008 NA 1.3 B3A_TK1 C 1 1
## 3 1 0010600 001060008 NA 1.3 B3A_TK1 H1 3 NA
## 4 1 0010600 001060008 NA 1.3 B3A_TK1 L 3 NA
## 5 1 0010600 001060008 NA 1.3 B3A_TK1 E 1 1
## 6 1 0010600 001060008 NA 1.3 B3A_TK1 A 1 15
## ks14 ks14a ks14b ks16 hhid14 harga ks13x ks14x version module
## 1 NA NA NA NA 0010600 NA NA NA 1.3 B1_KS4
## 2 1 NA NA 2 0010600 15000 1 1 1.3 B1_KS4
## 3 NA NA NA NA 0010600 NA NA NA 1.3 B1_KS4
## 4 NA NA NA NA 0010600 NA NA NA 1.3 B1_KS4
## 5 1 NA NA 1 0010600 15000 1 1 1.3 B1_KS4
## 6 1 NA NA 2 0010600 150000 1 1 1.3 B1_KS4#buat model regresi
model <- lm(konsumsi ~ pendapatan + harga , data = data_regresi2)
# Melihat ringkasan model
summary(model)##
## Call:
## lm(formula = konsumsi ~ pendapatan + harga, data = data_regresi2)
##
## Residuals:
## Min 1Q Median 3Q Max
## -16508 -5533 -4651 1491 144932
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.507e+03 1.738e+02 31.674 < 2e-16 ***
## pendapatan -2.359e-04 8.526e-05 -2.767 0.00567 **
## harga 1.102e-02 1.941e-03 5.680 1.4e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 12560 on 7529 degrees of freedom
## (338909 observations deleted due to missingness)
## Multiple R-squared: 0.004982, Adjusted R-squared: 0.004717
## F-statistic: 18.85 on 2 and 7529 DF, p-value: 6.839e-09\[ Y = \beta_0 + \beta_1X_1 + \beta_2X_2 + \ldots + \beta_nX_n + \varepsilon \] \[ Y = 5507 + 0X_1 + 0X_2 + \varepsilon \]
Pada hasil regresi di atas menunjukkan bahwa variabel pendapatan dan tingkat harga tidak memiliki pengaruh terhadap pengeluaran konsumsi ayam.
library(tseries)## Registered S3 method overwritten by 'quantmod':
## method from
## as.zoo.data.frame zooresiduals <- residuals(model)
# Uji Jarque-Bera terhadap residu
result <- jarque.bera.test(residuals)
# Menampilkan hasil uji
print(result)##
## Jarque Bera Test
##
## data: residuals
## X-squared = 1039327, df = 2, p-value < 2.2e-16Nilai Jarque-Bera yang diperoleh adalah 1039327 dan nilai p-value dari residual dengan menggunakan uji Jarque-Bera sebesar 0.0000 > 5%, . Hal ini menunjukkan bahwa residual terdistribusi tidak normal.
library(lmtest)## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numericresult <- gqtest(model)
# Menampilkan hasil uji
print(result)##
## Goldfeld-Quandt test
##
## data: model
## GQ = 0.2678, df1 = 3763, df2 = 3763, p-value = 1
## alternative hypothesis: variance increases from segment 1 to 2Nilai uji Goldfeld-Quandt adalah 0.2678, dan karena nilai p-value 1 lebih besar dari 0,05, kita gagal menolak hipotesis nol, kita tidak memiliki cukup bukti untuk mengatakan bahwa heteroskedastisitas ada di dalam model regresi.
library(lmtest)
result <- dwtest(model)
# Menampilkan hasil uji
print(result)##
## Durbin-Watson test
##
## data: model
## DW = 0.22578, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0Nilai uji Durbin-Watson adalah 0.22578, dan karena nilai p-value 0.00.
Karena nilai p ini lebih kecil dari 0,05, kita tolak hipotesis nol dan menyimpulkan bahwa residual dalam model regresi ini berautokorelasi.
library(lmtest)
result <- bgtest(model)
# Menampilkan hasil uji
print(result)##
## Breusch-Godfrey test for serial correlation of order up to 1
##
## data: model
## LM test = 5876.6, df = 1, p-value < 2.2e-16Dari output tersebut kita dapat melihat bahwa statistik uji adalah X^2= 5876 dengan derajat kebebasan 1, p-value = 0.000. kita tolak hipotesis nol dan menyimpulkan bahwa terdapat autokorelasi di antara residu pada beberapa orde ≤ 1.
library(car)## Loading required package: carDatavif(model)## pendapatan harga
## 1.006131 1.006131Variabel pendapatan memiliki multicolinearitas yang rendah begitupun dengan variabel pendidikan yang memiliki multicolinearitas yang rendah.
library(leontief)
library(matrixcalc)
library(readxl)data_io <- read_excel("data_input_output.xlsx")
str(data_io)## tibble [23 x 29] (S3: tbl_df/tbl/data.frame)
## $ Deskripsi : chr [1:23] "Pertanian, Kehutanan, dan Perikanan" "Pertambangan dan Penggalian" "Industri Pengolahan" "Pengadaan Listrik dan Gas" ...
## $ Pertanian, Kehutanan, dan Perikanan : num [1:23] 5952300 1012 3509192 70128 454 ...
## $ Pertambangan dan Penggalian : num [1:23] 1657 442995 43197 15688 3607 ...
## $ Industri Pengolahan : num [1:23] 37735368 1928059 11150514 497827 4149 ...
## $ Pengadaan Listrik dan Gas : num [1:23] 296 809887 30355 3411676 1254 ...
## $ Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang : num [1:23] 375 17 62751 5600 1000 ...
## $ Konstruksi : num [1:23] 15314 6477806 28585980 35733 7653 ...
## $ Perdagangan Besar dan Eceran; Reparasi Mobil dan Sepeda Motor : num [1:23] 19204 3669 309686 121061 14067 ...
## $ Transportasi dan Pergudangan : num [1:23] 12894 5434 392964 50685 15625 ...
## $ Penyediaan Akomodasi dan Makan Minum : num [1:23] 3873552 128 4541221 36068 3376 ...
## $ Informasi dan Komunikasi : num [1:23] 2.24 8.10e+02 2.64e+05 5.35e+04 1.97e+03 ...
## $ Jasa Keuangan dan Asuransi : num [1:23] 707 865 89291 41423 1072 ...
## $ Real Estate : num [1:23] 0 521 23207 36865 2978 ...
## $ Jasa Perusahaan : num [1:23] 0 597 66754 14203 2169 ...
## $ Administrasi Pemerintahan, Pertahanan dan Jaminan Sosial Wajib: num [1:23] 192166 1524 540743 471409 12766 ...
## $ Jasa Pendidikan : num [1:23] 52522 683 787800 118805 3797 ...
## $ Jasa Kesehatan dan Kegiatan Sosial : num [1:23] 36321 252 775799 34760 5358 ...
## $ Jasa Lainnya : num [1:23] 234514 403 790923 144086 22324 ...
## $ Total Permintaan Antara : num [1:23] 48127191 9674663 51964028 5159482 103621 ...
## $ Konsumsi Rumah Tangga : num [1:23] 18449096 5173 34349246 2205336 607585 ...
## $ Konsumsi LNPRT : num [1:23] 0 0.000751 0 0 0 ...
## $ Total Konsumsi Pemerintah : num [1:23] 0.00 6.72e-02 6.00e+05 0.00 2.95e+04 ...
## $ Pembentukan Modal Tetap Bruto : num [1:23] 6574962 349720 3062298 588 0 ...
## $ Perubahan Inventori : num [1:23] 798372 356833 -591618 0 0 ...
## $ Total Ekspor Luar Negeri : num [1:23] 2294043 74604 12333239 633 94 ...
## $ Total Ekspor Antar Provinsi : num [1:23] 17106573 4233865 47805799 219254 91406 ...
## $ Total Ekspor : num [1:23] 19400616 4308469 60139038 219888 91500 ...
## $ Total Konsumsi Akhir : num [1:23] 45223047 5020195 97558999 2425811 728573 ...
## $ Total Output : num [1:23] 9.34e+07 1.47e+07 1.50e+08 7.59e+06 8.32e+05 ...#Persiapkan Matriks Total Input-Output
input_output <- as.matrix(data_io[, -1])#Hitung matriks Leontief
total_output <- colSums(input_output)
leontief_matrix <- input_output / total_output#Tampilkan matriks Leontief
print(leontief_matrix)## Pertanian, Kehutanan, dan Perikanan Pertambangan dan Penggalian
## [1,] 2.734528e-02 3.011629e-05
## [2,] 2.809680e-05 1.228477e-03
## [3,] 7.716226e-03 1.039371e-04
## [4,] 2.613515e-03 1.047460e-05
## [5,] 2.117570e-04 1.590752e-06
## [6,] 1.809214e-05 2.682404e-06
## [7,] 1.124502e-02 1.307604e-02
## [8,] 4.836298e-03 1.038615e-03
## [9,] 2.497498e-03 3.570487e-04
## [10,] 1.243028e-03 8.005533e-02
## [11,] 1.036898e-02 1.056215e-03
## [12,] 0.000000e+00 1.329604e-03
## [13,] 6.814352e-03 1.324018e-03
## [14,] 9.002987e-05 4.592938e-05
## [15,] 2.070358e-05 4.827725e-05
## [16,] 1.542945e-04 2.689334e-05
## [17,] 2.828437e-03 1.254313e-03
## [18,] 7.290888e-03 1.371854e-01
## [19,] 7.115410e-04 2.250512e-03
## [20,] 3.593701e-01 2.442256e-02
## [21,] 1.585970e-01 1.506959e-01
## [22,] 1.866152e-01 3.295905e-01
## [23,] 5.235883e+01 8.165328e-03
## Industri Pengolahan Pengadaan Listrik dan Gas
## [1,] 6.846605e-02 4.775809e-06
## [2,] 1.597638e-01 1.287485e-02
## [3,] 9.907066e-02 1.103150e-03
## [4,] 1.230492e-03 1.066018e-01
## [5,] 2.327224e-03 6.967527e-07
## [6,] 1.804766e-04 1.052627e-06
## [7,] 2.509207e-02 9.133445e-03
## [8,] 7.296702e-03 5.033710e-04
## [9,] 6.939484e-05 2.353680e-05
## [10,] 4.209061e-04 3.156000e-02
## [11,] 2.291242e-03 8.533456e-03
## [12,] 3.875195e-03 0.000000e+00
## [13,] 5.305304e-04 5.741610e-04
## [14,] 8.778806e-04 1.528789e-05
## [15,] 8.769857e-03 5.457494e-07
## [16,] 5.626107e-05 1.718408e-06
## [17,] 3.198950e-03 7.082762e-05
## [18,] 4.277543e-01 1.148198e-02
## [19,] 4.493899e-02 2.716657e-03
## [20,] 3.810266e-01 5.340966e-01
## [21,] 2.059257e+00 1.935127e-02
## [22,] 1.568918e+00 6.667010e-03
## [23,] 8.302045e+00 4.919482e-02
## Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang Konstruksi
## [1,] 5.812755e-06 5.706994e-04
## [2,] 3.085891e-07 3.019149e+00
## [3,] 1.439300e-03 8.588844e-02
## [4,] 1.470745e-04 2.081223e-04
## [5,] 5.549624e-05 4.963709e-05
## [6,] 3.062216e-04 2.214854e-02
## [7,] 6.087107e-04 1.610599e-01
## [8,] 8.137070e-04 6.237669e-02
## [9,] 2.968380e-05 1.749497e-03
## [10,] 3.527650e-06 4.431760e-02
## [11,] 5.060189e-05 4.908656e-02
## [12,] 2.649689e-04 3.211118e-03
## [13,] 3.408479e-05 9.492318e-03
## [14,] 5.047385e-07 1.464798e-06
## [15,] 4.664494e-04 2.135690e-05
## [16,] 1.402534e-06 3.099255e-05
## [17,] 3.217563e-06 1.404323e-02
## [18,] 4.665815e-04 4.683576e-01
## [19,] 4.318655e-06 3.786784e-03
## [20,] 3.831881e-05 4.778662e+00
## [21,] 1.319735e-03 1.141104e+00
## [22,] 1.513381e-02 1.273061e-01
## [23,] 1.829879e-03 2.614791e-01
## Perdagangan Besar dan Eceran; Reparasi Mobil dan Sepeda Motor
## [1,] 1.282217e-05
## [2,] 1.618202e-06
## [3,] 1.422720e-03
## [4,] 3.362129e-03
## [5,] 3.093088e-05
## [6,] 2.611474e-05
## [7,] 4.053239e-01
## [8,] 1.140824e-02
## [9,] 1.596799e-04
## [10,] 1.568851e-02
## [11,] 2.658978e-02
## [12,] 2.098529e-02
## [13,] 2.063713e-02
## [14,] 0.000000e+00
## [15,] 1.407647e-03
## [16,] 6.459244e-05
## [17,] 9.136576e-03
## [18,] 4.343322e-01
## [19,] 1.223698e-02
## [20,] 2.677656e-03
## [21,] 3.113818e-02
## [22,] 4.485107e+00
## [23,] 6.333926e-01
## Transportasi dan Pergudangan Penyediaan Akomodasi dan Makan Minum
## [1,] 3.187085e-05 1.210336e-01
## [2,] 3.047650e-03 7.119561e-08
## [3,] 7.144202e-03 8.239472e-03
## [4,] 1.405566e-04 2.988648e-03
## [5,] 3.759515e-05 2.999414e-05
## [6,] 3.725371e-07 7.429308e-06
## [7,] 1.416672e-03 6.485567e-01
## [8,] 1.573290e-02 3.874102e-03
## [9,] 9.410089e-04 5.760831e-04
## [10,] 5.949294e-03 1.648206e-04
## [11,] 3.105755e-02 1.987285e-05
## [12,] 4.023202e-01 1.780141e-05
## [13,] 3.960701e-03 1.524470e-04
## [14,] 2.286227e-04 0.000000e+00
## [15,] 3.645599e-04 2.310503e-06
## [16,] 1.348104e-04 9.630951e-05
## [17,] 1.550813e-02 5.955234e-02
## [18,] 3.171061e-01 3.106033e-02
## [19,] 3.474509e-02 9.701855e-04
## [20,] 7.727270e-01 6.295116e-03
## [21,] 4.685207e-01 1.780659e-01
## [22,] 4.226026e-01 1.791396e-01
## [23,] 2.022368e+00 4.888890e-01
## Informasi dan Komunikasi Jasa Keuangan dan Asuransi Real Estate
## [1,] 5.884096e-08 4.119389e-06 0.000000e+00
## [2,] 4.497234e-05 5.608268e-06 1.146343e-06
## [3,] 4.249886e-03 1.385608e-03 8.648828e-04
## [4,] 8.499120e-04 7.541331e-04 1.718183e-02
## [5,] 7.164188e-05 2.458797e-05 8.948406e-06
## [6,] 2.443483e-04 3.587530e-03 6.799811e-04
## [7,] 3.472731e-04 8.160991e-03 3.673330e-04
## [8,] 8.563062e-04 3.684266e-03 3.578068e-03
## [9,] 1.035927e-03 2.400673e-04 6.558708e-05
## [10,] 1.441599e-02 1.837311e-02 7.544202e-03
## [11,] 1.277537e-03 2.694151e-02 8.783294e-03
## [12,] 1.240116e-01 4.919312e-05 2.981262e-03
## [13,] 3.584887e-03 3.732582e-04 1.992717e-03
## [14,] 7.105569e-06 2.569656e-03 1.132010e-03
## [15,] 1.173776e-05 6.541730e-04 1.669280e-06
## [16,] 9.530720e-07 2.061769e-05 8.582689e-06
## [17,] 2.889016e-04 1.216130e-01 2.436947e-04
## [18,] 2.140268e-02 4.822268e-02 3.305653e-03
## [19,] 2.370643e-02 2.416299e-04 3.324195e-03
## [20,] 5.150711e-03 2.520667e-03 6.769864e-03
## [21,] 2.927294e-01 2.528619e-03 6.485805e-03
## [22,] 6.223215e+00 6.523720e-03 7.960445e+00
## [23,] 6.371833e-02 8.535441e-02 3.057309e-01
## Jasa Perusahaan
## [1,] 0.000000e+00
## [2,] 1.436893e-06
## [3,] 4.456966e-05
## [4,] 6.264078e-06
## [5,] 9.966571e-06
## [6,] 2.277381e-04
## [7,] 2.441355e-04
## [8,] 1.585696e-02
## [9,] 4.603354e-03
## [10,] 6.731060e-04
## [11,] 1.098225e-03
## [12,] 6.126950e-04
## [13,] 2.234435e-03
## [14,] 3.367414e-03
## [15,] 1.544435e-04
## [16,] 1.155941e-05
## [17,] 1.560717e-02
## [18,] 2.841217e-02
## [19,] 8.744900e-04
## [20,] 2.834433e-02
## [21,] 8.116343e-02
## [22,] 2.349088e-03
## [23,] 1.238332e-02
## Administrasi Pemerintahan, Pertahanan dan Jaminan Sosial Wajib
## [1,] 1.592334e-02
## [2,] 1.353627e-05
## [3,] 1.336568e-03
## [4,] 2.644066e-01
## [5,] 2.320857e-04
## [6,] 1.758978e-03
## [7,] 1.238618e-03
## [8,] 1.509846e-03
## [9,] 5.124441e-04
## [10,] 1.181493e-03
## [11,] 4.480693e-03
## [12,] 2.226408e-04
## [13,] 1.010726e-02
## [14,] 3.950480e-02
## [15,] 4.884662e-05
## [16,] 1.492910e-05
## [17,] 2.067028e-04
## [18,] 1.042395e-01
## [19,] 4.256922e-03
## [20,] 4.628386e-02
## [21,] 2.355387e-01
## [22,] 7.887625e-01
## [23,] 3.735704e-01
## Jasa Pendidikan Jasa Kesehatan dan Kegiatan Sosial Jasa Lainnya
## [1,] 8.349494e-04 6.612555e-04 1.093011e-01
## [2,] 2.482754e-05 5.789844e-06 1.210020e-06
## [3,] 2.461572e-02 2.037331e-02 4.606655e-03
## [4,] 6.601521e-05 1.930010e-03 9.344782e-04
## [5,] 6.888891e-06 8.637616e-05 3.464229e-04
## [6,] 2.264785e-02 4.426882e-04 6.081215e-04
## [7,] 4.698297e-03 1.446297e-02 7.828858e-03
## [8,] 1.356678e-03 1.029668e-02 6.713069e-03
## [9,] 9.073274e-01 1.417457e-04 2.075992e-02
## [10,] 5.507344e-03 2.456699e-04 4.223359e-03
## [11,] 1.960003e-03 3.783467e-02 2.019148e-03
## [12,] 4.308433e-04 3.113037e-04 1.273653e-02
## [13,] 1.072677e-04 1.528790e-04 3.032566e-03
## [14,] 3.263563e-05 2.427755e-01 1.328215e-07
## [15,] 8.129580e-04 4.223935e-04 4.790039e-05
## [16,] 1.550180e-03 5.991307e-04 2.799831e-03
## [17,] 2.075925e-04 1.507279e-04 2.780109e-03
## [18,] 2.117876e-01 2.194369e-03 8.419616e-03
## [19,] 1.088944e-01 4.250377e-05 8.884407e-02
## [20,] 5.510179e-03 5.304421e-03 2.348945e-02
## [21,] 4.514186e-02 1.260193e-01 1.346846e-02
## [22,] 1.101581e-01 1.167310e-02 1.687538e-02
## [23,] 3.838431e-01 3.669474e-01 7.925515e-03
## Total Permintaan Antara Konsumsi Rumah Tangga Konsumsi LNPRT
## [1,] 0.021225495 1.034784e+01 0.000000e+00
## [2,] 0.044446081 9.404683e-05 1.362917e-12
## [3,] 1.443158834 9.525439e-02 0.000000e+00
## [4,] 0.011344984 5.306262e-03 0.000000e+00
## [5,] 0.003861712 4.056676e-04 0.000000e+00
## [6,] 1.261160726 1.140992e-04 0.000000e+00
## [7,] 0.085346771 8.560304e-02 1.238531e-05
## [8,] 0.112037286 5.669962e-01 2.820334e-07
## [9,] 0.026397869 2.883617e-02 1.032176e-08
## [10,] 0.168940849 2.777876e-01 1.248125e-10
## [11,] 0.196170774 2.384720e+00 2.195235e-10
## [12,] 0.086078639 3.542315e-02 0.000000e+00
## [13,] 0.120387610 1.363057e-03 4.120437e-08
## [14,] 0.054195975 3.100256e-04 0.000000e+00
## [15,] 0.007641043 1.815174e-01 1.241672e-02
## [16,] 0.005971870 5.747223e-02 1.647614e-01
## [17,] 0.163842277 8.767558e-02 6.883648e-03
## [18,] 6.429840575 3.974805e+00 1.734820e-02
## [19,] 0.004822293 3.152109e-01 8.184368e-05
## [20,] 0.122455675 6.909495e-01 2.410953e-02
## [21,] 23.363137344 3.177804e+00 8.274160e-02
## [22,] 3.323081867 0.000000e+00 0.000000e+00
## [23,] 1.621371405 0.000000e+00 0.000000e+00
## Total Konsumsi Pemerintah Pembentukan Modal Tetap Bruto
## [1,] 0.000000e+00 4.264227e-02
## [2,] 1.082724e-09 5.426892e-03
## [3,] 9.538807e-03 5.575122e-02
## [4,] 0.000000e+00 1.347950e-05
## [5,] 9.213768e-04 0.000000e+00
## [6,] 0.000000e+00 5.643230e+00
## [7,] 1.107106e-04 1.214541e-01
## [8,] 7.893926e-04 1.880229e-02
## [9,] 3.410767e-06 1.725648e-03
## [10,] 1.244174e-04 2.214719e-02
## [11,] 6.862304e-02 3.230688e-06
## [12,] 0.000000e+00 0.000000e+00
## [13,] 3.707740e-07 3.048062e-02
## [14,] 5.166941e-02 6.429127e-05
## [15,] 7.613057e-03 1.261586e-05
## [16,] 1.427759e-03 8.039793e-03
## [17,] 3.164805e-04 2.282688e-03
## [18,] 1.029135e+00 3.372768e-01
## [19,] 1.265451e-04 9.981292e-03
## [20,] 2.361591e-02 1.048491e-02
## [21,] 1.759318e+01 6.239498e-02
## [22,] 0.000000e+00 0.000000e+00
## [23,] 0.000000e+00 0.000000e+00
## Perubahan Inventori Total Ekspor Luar Negeri Total Ekspor Antar Provinsi
## [1,] 1.755509e-03 5.519701e-03 1.519894e-01
## [2,] 1.329830e-02 4.981088e-05 1.046495e-02
## [3,] -2.757389e-01 5.439318e-03 2.681360e+01
## [4,] 0.000000e+00 2.908896e-06 3.986104e-03
## [5,] 0.000000e+00 2.610214e-06 2.534788e-04
## [6,] -5.611407e-08 9.275378e-06 9.787384e-03
## [7,] 2.163731e-04 6.719365e-02 9.906056e-03
## [8,] 2.781957e-05 2.638241e-01 6.279093e-03
## [9,] 2.003703e-06 9.918809e-04 1.723789e-02
## [10,] -1.018464e-05 9.739228e-04 5.389079e-02
## [11,] 5.603337e-07 2.178507e-04 5.553553e-03
## [12,] 0.000000e+00 9.597730e-04 4.517300e-02
## [13,] 4.992748e-07 6.973571e-03 5.852877e-01
## [14,] 0.000000e+00 6.263691e-04 1.929745e-03
## [15,] 2.918958e-07 2.381335e-04 4.743963e-03
## [16,] 1.434744e-08 9.506147e-03 1.645643e-02
## [17,] 1.222770e-05 1.218465e-03 1.507755e-02
## [18,] 4.852141e-02 2.914713e-01 2.152835e+00
## [19,] -4.991151e-05 0.000000e+00 6.712667e-02
## [20,] 4.626213e-05 0.000000e+00 0.000000e+00
## [21,] 3.357823e-01 1.018794e-02 6.728192e+00
## [22,] 0.000000e+00 0.000000e+00 0.000000e+00
## [23,] 0.000000e+00 0.000000e+00 0.000000e+00
## Total Ekspor Total Konsumsi Akhir Total Output
## [1,] 7.050465e-01 1.037268482 2.804769e-01
## [2,] 1.346231e-01 0.131835676 8.558875e-02
## [3,] 3.341679e-02 5.416819238 9.697395e-01
## [4,] 3.989581e-04 0.039102905 1.177073e-01
## [5,] 7.581902e-03 0.011582187 1.515066e-02
## [6,] 3.617870e-02 3.851008855 2.492610e+00
## [7,] 4.112884e-02 1.339939980 1.872126e+00
## [8,] 8.303028e+00 0.020233338 3.089833e+00
## [9,] 7.421786e-02 0.031287834 3.435824e-01
## [10,] 5.844803e-03 0.855164843 3.371323e-01
## [11,] 6.157791e-03 0.069337429 6.751971e-01
## [12,] 8.505981e-04 0.032290023 5.254551e-01
## [13,] 7.227681e-04 1.256866220 3.792439e-03
## [14,] 3.076095e-03 0.403582928 4.204817e-02
## [15,] 2.287229e-02 0.067280187 2.049655e+00
## [16,] 5.955852e-03 0.022787322 8.748289e-02
## [17,] 3.902722e-02 0.004915375 2.934033e-02
## [18,] 6.365925e+01 0.198545642 3.679227e+02
## [19,] 8.793167e-03 0.058880124 3.907861e-01
## [20,] 0.000000e+00 1.687829510 3.556960e-01
## [21,] 9.048139e-01 1.151714062 1.938664e+00
## [22,] 0.000000e+00 0.000000000 0.000000e+00
## [23,] 0.000000e+00 0.000000000 0.000000e+00Model ekonomi Leontief merupakan model yang digunakan untuk menganalisis input dan output dari sistem ekonomi (Chiang dan Wainright, 2005). Adapun yang dimaksud sistem ekonomi input output adalah seperangkat 𝑛 industri yang saling bergantung di mana masing-masing diidentifikasikan oleh proses produktif yang mengkonsumsi komoditas yang diproduksi sebagai input dalam proporsi tertentu untuk menghasilkan satu barang homogen melalui hubungan teknologi (Aroche dan Mrquez, 2021).
Dalam matrix leontief di atas terdapat 23 sektor ekonomi yang saling terhubung satu sama lain. Setiap angka dalam matrix mewakili proporsi dari output dari satu sektor yang diperlukan sebagai input oleh sektor lainnya. Misalnya, angka pertama (baris 4, kolom 2) menunjukkan bahwa sektor industri pengolahan pengadaan listrik dan gas membutuhkan sekitar 0.12% dari outputnya sendiri sebagai input, dan sektor kedua (baris 4, kolom 2) membutuhkan sekitar 1.066018e-01% dari output pertanian sebagai input.