ESTIMASI TINGKAT KEMISKINAN PROVINSI JAMBI DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR)

Edi Saputra, gusmi kholijah, niken rarasati

Abstract


Kemiskinan salah satu penghambat dalam pembangunan, sehingga kemiskinan masuk dalam program yang harus diatasi. Pengentasan kemiskinan dapat dilakukan dengan melakukan berbagai program perbaikan ekonomi masyarakat. Sehingga dilakukanlah analisis faktor-faktor yang menyebabkan kemiskinan. Penyebab dari kejadian kemiskinan dikatakan sebagai variabel prediktor dan tingkat kemiskinan disebut sebagai variabel respon. Adanya hubungan pengaruh antara variabel respon dan variabel prediktor dinamakan dengan regresi. Kemudian penyebab dari tingkat kemiskinan ternyata tidak hanya dipengaruhi oleh variabel prediktor, tetapi lokasi dari daerah sangat mempengaruhi. Adanya keterhubungan antar lokasi ini dapat dianalisis dengan Geographically Weighted Regression (GWR). Hasil yang diperoleh yaitu variabel prediktor secara keseluruhan berpengaruh yaitu tidak ada ijazah SD, lulus SMP, lulus PT, upah minimum pendapatan, manfaat BPJS, besar konsumsi pangan dan papan, pendapatan per kapita. Jika dilihat dari nilai AIC dan RRS yang lebih kecil serta nilai  yang tinggi sebesar 95,95% maka model GWR dihasilkan lebih baik menganalisis tingkat kemiskinan di Provinsi Jambi.


Full Text:

PDF

References


Badan Pusat Statistik .2018. Provinsi Jambi dalam Angka 2018. BPS: Jambi.

Cao. Q, etc. 2018. Study on PM2.5 Pollution and The Mortality Due to Lung Cancer in China Based on Geographic Weighted Regression Model. BMC Public Health. Vol 18. Hal.925.

Fotheringham, A. S etc. 2002. Geographically Weighted Regression. England: John Wiley & Sons Ltd.

Nashwari, I. P, dkk. 2017. Geographically Weighted Regression Model for Poverty Analysis in Jambi Province. Indonesian Journal of Geography Vol. 49, No. 1 June 2017 (42-50).

Romano, etc. 2018. Creating a Predictive Model for Pavement Deterioration using Geographic Weighted Regression. Transportation Research Record 1-10. Journal.segepub.

Slamet. I, dkk. 2017. Geographically Weighted Regression Model on Poverty Indicator. Journal of Phisic, Series 943 (2017)012009. IOP Publishing

Suharto, Edi. 2009. Menengok Kriteria Kemiskinan di Indonesia: Menimbang Indikator Kemiskinan Berbasis Hak Jurnal Analisis Sosial. Volume 14 No.2 September 2009.


Refbacks

  • There are currently no refbacks.


FAKULTAS SAINS DAN TEKNOLOGI
UIN SUSKA RIAU

Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sntiki@uin-suska.ac.id