Abstrak
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.