PEMODELAN KEMISKINAN DI INDONESIA MENGGUNAKAN GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION (GTWR)

Kemiskinan menjadi masalah besar yang harus segera diselesaikan oleh
pemerintah dan masyarakat Indonesia. Berbagai program dirancang dan
dilaksanakan untuk mengentaskan kemiskinan di Indonesia. Dibutuhkan penelitian
untuk mengetahui faktor apa saja yang berpengaruh terhadap masalah kemiskinan.
Salah satu metode statistik yang dapat digunakan untuk menganalisiss pengaruh
tersebut adalah metode geographically and temporally weighted regression
(GTWR). Metode ini menggabungkan pengaruh spasial dan waktu secara
bersamaan. Pembentukan model diawali dengan penentuan matriks pembobot.
Dalam menentukan matriks pembobot digunakan fungsi kernel tetap dimana nilai
bandwidth untuk setiap lokasi dan waktu amatan adalah sama. Matriks pembobot
dengan fungsi kernel yang digunakan adalah fungsi Gaussian, bi-square,
eksponensial dan kernel tricube. Pemilihan model terbaik dilakukan dengan
membandingkan model GTWR dari masing-masing matriks pembobot keempat
fungsi kernel tersebut. Model terbaik ditentukan dengan melihat nilai �
2
terbesar
dan ��� terkecil. Berdasarkan hasil olah data yang dilakukan diperoleh model
GTWR dengan matriks pembobot fungsi kernel eksponensial memiliki nilai �
2 =
71,05% terbesar dan ��� = 718,5934 terkecil. Variabel yang berpengaruh secara
signifikan pada model berbeda-beda di setiap lokasi dan waktu amatan. Variabel
prediktor yang signifikan ditentukan dengan membandingkan nilai �hitung dan
������. Variabel prediktor signifikan ketika �hitung > �tabel. Hasil analisiss data
menunjukkan variabel umur harapan hidup (UHH) memiliki pengaruh di sebagian
besar Provinsi di Indonesia pada setiap tahun amatan.
Kata Kunci: Geographically and Temporally Weighted Regression (GTWR),
Bandwidth, Fungsi Gaussian, Fungsi Bi-Square, Fungsi Eksponensial, Fungsi
Tricube, Umur Harapan Hidup (UHH)