PEMODELAN PERSENTASE PENDUDUK MISKIN DI INDONESIA DENGAN GEOGRAPHICALLY WEIGHTED REGRESSION

Abstract

Kemiskinan menjadi masalah berkepanjangan yang dihadapi oleh pemerintah Indonesia. Persentase penduduk miskin di Indonesia pada tahun 2019 mencapai 9,41% dari total penduduk. Kemiskinan di Indonesia disebabkan oleh beberapa faktor salah satunya yaitu perbedaan karakteristik di setiap wilayahnya, untuk itu penelitian ini menerapkan model Geographically Weighted Regression (GWR) pada persentase penduduk miskin di Indonesia untuk melihat ada tidaknya pengaruh heterogenitas spasial pada data. Model GWR mengestimasi parameternya dengan metode Weighted Least Square (WLS) yaitu dengan memberi pembobot yang berbeda pada setiap lokasi pengamatan. Variabel prediktor yang digunakan dalam penelitian ini yaitu tingkat pengangguran terbuka (X1), persentase rumah tangga yang memiliki akses terhadap sumber air minum (X2), persentase rumah tangga yang memiliki akses terhadap sanitasi layak (X3), persentase pengeluaran perkapita untuk makanan (X4), dan rata-rata lama sekolah (X5). Hasil penelitian menunjukkan bahwa model terbaik adalah model GWR dengan pembobot adaptive bi-square yang menghasilkan nilai R² sebesar 0,8572. Hal itu menunjukkan variabel prediktor secara simultan berpengaruh terhadap varibel respon sebesar 85,72%. Variabel yang dominan berpengaruh signifikan terhadap persentase penduduk miskin adalah persentase pengeluaran perkapita untuk makanan.