Pemodelan Indeks Pembangunan Manusia di Indonesia dengan Geographically Weighted Regression (GWR)

Authors

DOI:

https://doi.org/10.24014/jsms.v8i2.17886

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator penting untuk mengukur keberhasilan dalam upaya membangun kualitas hidup manusia. IPM menjelaskan bagaimana penduduk dapat mengakses hasil pembangunan dalam hal pendapatan, kesehatan dan pendidikan. Penelitian ini bertujuan untuk mendapatkan pemodelan IPM serta melihat faktor-faktor apa saja yang mempengaruhi IPM di Indonesia tahun 2020. Data pada penelitian ini berupa data sekunder yang diperoleh dari Badan Pusat Statistik (BPS). Pemodelan dengan menggunakan regresi linier belum tentu cocok diterapkan diseluruh provinsi yang ada di Indonesia karena kondisi pendapatan, kesehatan dan pendidikan di provinsi di Indonesia berbeda-beda. Oleh karena itu, pada penelitian ini digunakan pendekatan geografis yaitu Geographically Weighted Regression (GWR) dalam memodelkan IPM dengan menggunakan variabel bebas yaitu Harapan Lama Sekolah (HLS), Rata-rata Lama Sekolah (RLS), Umur Harapan Hidup (UHH) dan Pengeluaran Per Kapita (PPK). Model GWR merupakan pengembangan dari model regresi spasial dimana setiap parameter dihitung setiap lokasi pengamatan, sehingga setiap lokasi akan memiliki interpretasi yang berbeda-beda. Pada pemodelan GWR membutuhkan fungsi pembobot, adapun fungsi pembobot yang digunakan pada penelitian ini yaitu Adaptive Kernel Gaussian. Hasil penelitian ini menunjukkan bahwa semua variabel bebas berpengaruh terhadap IPM. Model GWR merupakan model terbaik dibandingkan regresi linier dengan standar pemilihan nilai koefisien determinasi terbesar dan nilai Akaike Information Criterion (AIC) terkecil.    

Author Biography

References

S. Joanne, L. Ronald, and J. Djami, “Menggunakan Metode Stepwise (Model of Ambon City Human Development Index ( HDI ) Using Stepwise Method ) Variabel Penelitian,” Journal Of Statistics and Its Applications, vol. 2, pp. 45–52, 2010.

A. Maulana, R. Meilawati, and V. Widiastuti, “Pemodelan Indeks Pembangunan Manusia (IPM) Metode Baru Menurut Provinsi Tahun 2015 Menggunakan Geographically Weighted Regression (GWR),” Indonesian Journal of Applied Statistics, vol. 2, no. 1, p. 21, 2019, doi: 10.13057/ijas.v2i1.26170.

Y. Karyono, E. Tusianti, I. G. N. A. R. Gunawan, A. Nugroho, and A. Clarissa, Indeks Pembangunan Manusia 2020. Jakarta: Badan Pusay Statistik, 2021.

A. C. Rencher and G. B. Schaalje, Linear Models in Statistics. Singapore: John Wiley & Sons Inc, 2008.

S. Haryanto and G. A. Andriani, “Pemodelan Jumlah Penduduk Miskin Di Jawa Tengah Menggunakan Geographically Weighted Regression (Gwr),” Litbang Sukowati, vol. 4, no. 2, p. 10, 2019, doi: 10.32630/sukowati.v4i2.122.

M. F. Agustina, R. Wasono, and M. Y. Darsyah, “Pemodelan Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan di Provinsi Jawa Tengah,” Statistika, vol. 3, no. 2, pp. 67–74, 2015.

K. Amelia, L. O. Asril, and L. Febrianti, “Pemodelan Incident Rate Demam Berdarah Dengue Di Indonesia Yang Berkaitan Dengan Faktor Lingkungan Menggunakan Metode Geographically Weighted Regression (Gwr),” Ekologia, vol. 20, no. 2, pp. 64–73, 2020, doi: 10.33751/ekologia.v20i2.2167.

N. Lutfiani, Sugiman, and S. Mariani, “Pemodelan Geographically Weighted Regression (GWR) dengan Fungsi Pembobot Kernel Gaussian dan Bi-Square,” Unnes Journal of Mathematics, vol. 8, no. 1, pp. 82–91, 2019, doi: 10.15294/ujm.v8i1.17103.

I. Maggri and D. Ispriyanti, “Pemodelan Data Kemiskinan Di Provinsi Sumatera Barat Dengan Metode Geographically Weighted Regression (GWR),” Media Statistika, 2005.

I. F. Mahdy, “Pemodelan Jumlah Kasus Covid-19 Di Jawa Barat Menggunakan Geographically Weighted REgression,” Seminar Nasional Official Statistics, 2020.

V. S. Ratnasari Panji Anugrah, P. A. Simamora, and V. Ratnasari, “Pemodelan Persentase Kriminalitas Dan Faktor-Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR),” Jurnal Sains dan Seni ITS, vol. 3, no. 1, pp. D18–D23, 2014, [Online]. Available: http://ejurnal.its.ac.id/index.php/sains_seni/article/view/6107.

A. R. Tizona, R. Geojantoro, and Wasono, “Pemodelan Geographically Weighted Regression (Gwr) Dengan Fungsi Pembobot Adaptive Kernel Bisquare Untuk Angka Kesakitan Demam Berdarah di Kalimantan Timur Tahun 2015,” Jurnal Eksponensial, vol. 8, no. 1, pp. 87–94, 2017.

I. Sartika and N. N. Debataraja, “Analisis Regresi Dengan Metode Least Absolute Shrinkage And Selection Operator (LASSO) Dalam Mengatasi Multikolinieritas,” Buletin Ilmiah Math Stat dan Terapan (Bimaster), vol. 09, no. 1, pp. 31–38, 2020.

T. W. Utami, A. Rohman, and A. Prahutama, “Pemodelan Regresi Berganda Dan Geographically Weighted Regression Pada Tingkat Pengangguran Terbuka Di Jawa Tengah,” Media Statistika, vol. 9, no. 2, p. 133, 2017, doi: 10.14710/medstat.9.2.133-147.

K. Isbiyantoro, Y. Wilandari, and Sugito, “Perbandingan Model Pertumbuhan Ekonomi Di Jawa Tengah Dengan Metode Regresi Linier Berganda dan Metode Geographically Weighted Regression,” Jurnal Gaussian, vol. 35, no. 3, pp. 461–469, 2014.

G. Mardiatmoko, “Pentingnya Uji Asumsi Klasik Pada Analisis Regresi Linier Berganda,” Barekeng: Jurnal Ilmu Matematika dan Terapan, vol. 14, no. 3, pp. 333–342, 2020, doi: 10.30598/barekengvol14iss3pp333-342.

B. S. Yandell and L. Anselin, Spatial Econometrics: Methods and Models., vol. 85, no. 411. 1990.

R. W. Elzati, A. Adnan, R. Yendra, and M. N. Muhaijir, “The analysis relationship of poverty, unemployment and population with the rates of crime using geographically weighted regression (GWR) in Riau province,” Applied Mathematical Sciences, vol. 14, no. 6, pp. 291–299, 2020, doi: 10.12988/ams.2020.914196.

A. S. Fotheringham, C. Brunsdon, and M. Charlton, Geographically Weighted Regression. England: John Wiley & Sons, Ltd, 2002.

A. Maulani, N. Herrhyanto, and M. Suherman, “Aplikasi Model Geographically Weighted Regression (Gwr) Untuk Menentukan Faktor-Faktor Yang Mempengaruhi Kasus Gizi Buruk Anak Balita Di Jawa Barat,” Jurnal EurekaMatika, vol. 4, no. 1, pp. 46–63, 2016.

A. Ramadan, R. D. Bekti, and J. Statistika, “Analisis Indeks Pembangunan Manusia Di Kabupaten Dan Kota Provinsi Jawa Tengah Tahun 2014 Menggunakan Metode Geographically Weighted Regression ( Studi Kasus Pada Data Indeks Pembangunan Manusia Tahun 2014 Di Provinsi Jawa Tengah ),” Jurnal Statistika Industri dan Komputasi, vol. 2, no. 2, pp. 59–66, 2017.

Z. Putri, Pemodelan Indeks Pembangunan Manusiia Menggunakan Geographically Weighted Regression (GWR). Yogyakarta: Universitas Islam Indonesia, 2018.

Downloads

Additional Files

Published

2022-09-12

Issue

Vol. 8 No. 2 (2022): JSMS Juli 2022

Section

Articles

License

JSMS : Jurnal Sains Matematika dan Statistika operates an Open Access policy under a Creative Commons Attribution 4.0 International License. Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a  Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.