Poverty is a multidimensional problem faced by all countries in the world. Poverty is the inability of individual or group to meet their basic needs in terms of expenditure. In poverty problem, there is a tendency that the poor will group in locations with certain characteristics. This spatial clustering indicates spatial diversity that making global regression analysis inappropriate for application. Therefore, the purpose of this research is to model the percentage of poor population in 119 districts on Java Island in 2021 using the Geographically Weighted Regression (GWR) method. The analysis results state that the GWR model with Kernel Fixed Bisquare provides superior results compared to the global regression model and able to overcome spatial heterogeneity problem. The model is able to provide a fairly high coefficient of determination, which is 70,73 percent. The GWR model identifies ten groups of districts based on the significance of the independent variables, with the majority of them (61 districts) having a significant RLS variable. This indicates that education is an important aspect that needs to be considered by local governments to alleviate poverty.
Bahasa Indonesia
Kemiskinan merupakan permasalahan multidimensi yang dialami seluruh negara di dunia. Kemiskinan sendiri dianggap sebagai ketidakmampuan individu atau suatu kelompok untuk memenuhi kebutuhan dasarnya menurut sisi pengeluaran. Dalam permasalahan kemiskinan, terdapat kecenderungan bahwa masyarakat miskin akan mengelompok pada lokasi dengan karakteristik tertentu. Adanya pengelompokkan tersebut yang menunjukkan terjadinya keberagaman secara spasial membuat analisis regresi global tidak tepat untuk diterapkan. Oleh sebab itu, tujuan dari penelitian ini ialah untuk memodelkan persentase penduduk miskin di 119 Kabupaten/Kota di Pulau Jawa Tahun 2021 dengan metode Geographically Weighted Regression (GWR). Hasil analisis menyatakan bahwa model GWR dengan Kernel Fixed Bisquare dapat memberikan hasil yang lebih unggul dibandingkan dengan model regresi global dan mampu mengatasi masalah heterogenitas spasial. Model GWR yang terbangun menghasilkan sepuluh kelompok kabupaten/kota menurut signifikansi variabel bebas yang didominasi oleh kelompok dengan variabel RLS signifkan, yaitu sebanyak 61 kabupaten/kota. Hasil dari pemodelan spasial dengan pendekatan GWR ini mampu memberikan nilai Adj. R-Square (koefisien determinasi) sebesar 70,73 persen dan nilai AIC sebesar 549,691.
Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.
Politeknik Statistika STIS
Organisasi berbeda
Organisasi sama
Afiliasi tidak diketahui
Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulis
Organisasi
Artikel bersama
Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.