PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION TERHADAP KEMISKINAN DI INDONESIA

Kemiskinan di Indonesia mengalami kenaikan dan penurunan setiap tahun
di setiap provinsinya. Terjadinya kenaikan dan penurunan itu disebabkan oleh
adanya faktor yang memengaruhi tingkat kemiskinan di suatu wilayah. Penelitian
ini bertujuan untuk mengetahui faktor-faktor apa saja yang memengaruhi
kemiskinan di Indonesia setiap provinsi pada tahun 2021. Salah satu cara untuk
menentukan faktor kemiskinan menggunakan analisis model regresi spasial dengan
metode Geographically Weighted Regression (GWR) yang akan di modelkan untuk
mengeksplorasi keragaman spasial dengan membentuk model regresi yang berbeda
pada setiap lokasi pengamatan. Fungsi pembobot yang digunakan dalam penelitian
ini adalah fixed kernel gaussian. Variabel yang digunakan dalam penelitian ini
adalah Persentase penduduk miskin (�) sebagai variabel dependen dan variabel
independen yaitu persentase yang menamatkan pendidikan SD/SMP (��),
persentase tidak bekerja (��), laju pertumbuhan penduduk (��), persentase Produk
Domestik Regional Bruto (PDRB) atas dasar harga berlaku ( ��), persentase rumah
tangga miskin yang menerima Bantuan Pangan Non Tunai (BPNT) (��). Hasil dari
penelitian menyimpulkan bahwa model GWR memiliki R2 sebesar 76.03% yang
menunjukkan model mampu menjelaskan tingkat keragaman kemiskinan sebesar
76.03% dan sisanya dipengaruhi variabel lain di luar model. Terbentuk empat
variabel yang berpengaruh signifikan. Kelompok pertama variabel yang signifikan
adalah rumah tangga penerima BPNT, kelompok kedua adalah tidak bekerja yang
signifikan, kelompok ketiga variabel signifikan rumah tangga penerima BPNT dan
tidak bekerja, sedangkan kelompok keempat adalah variabel tidak bekerja dan
PDRB atas dasar harga berlaku yang signifikan.
Kata Kunci: Fixed kernel gaussiian, GWR, Kemiskinan