Pemodelan kemiskinan penduduk Jawa Tengah menggunakan Geographically Weighted Regression

Oleh :
Ria Pratiwi Kusumastuti - M0105015 - Fak. MIPA

ABSTRAK Ria Pratiwi Kusumastuti, 2009. PEMODELAN KEMISKINAN PENDUDUK JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED REGRESSION. Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sebelas Maret. Kemiskinan merupakan sebuah masalah yang dialami oleh beberapa negara terutama negara-negara berkembang. Kemiskinan dipengaruhi oleh kondisi geografi dan lingkungan. Data yang dipengaruhi oleh kondisi geografi dan lingkungan merupakan data yang bersifat spasial. Geographically Weighted Regression (GWR) merupakan teknik statistik untuk menganalisis data spasial yang menghasilkan penduga parameter model yang bersifat lokal untuk setiap titik/lokasi dimana data tersebut dikumpulkan. Pada model GWR, dihasilkan penduga parameter model yang berbeda pada tiap lokasi kabupaten dengan mempertimbangkan titik lokasi penelitian. Penduga parameter modelnya diperoleh dengan weighted least square (WLS) dan menggunakan fungsi kernel gaussian sebagai pembobot. Tujuan dari penelitian ini adalah untuk menentukan variabel-variabel yang menentukan kemiskinan penduduk di Jawa Tengah serta menentukan model kemiskinan penduduk di Jawa Tengah dengan model GWR. Hasil dari penelitian ini, ada tiga variabel yang berpengaruh terhadap kemiskinan penduduk Jawa Tengah yaitu variabel jumlah penduduk Jawa Tengah yang bekerja sebagai buruh tani/bangunan atau lapangan pekerjaan lain dengan pendapatan kurang dari Rp. 600.000,00 per bulan per kabupaten , banyaknya penduduk Jawa Tengah yang tidak sekolah/tidak tamat SD/SD per kabupaten ,, luas perkebunan negara per kabupaten . Salah satu model GWR adalah untuk kabupaten Cilacap. Model GWR untuk tiap lokasi menghasilkan koefisien determinasi rata-rata 88,50% sehingga dapat disimpulkan bahwa model GWR untuk 35 kabupaten/kota di Jawa Tengah cocok terhadap data. Kata kunci : kemiskinan, GWR, WLS, kernel Gaussian.