ABSTRAK
Pembangunan manusia merupakan indikator penting dalam mengukur ke- berhasilan pembangunan negara. Standar ukur pembangunan di suatu wilayah ditetapkan dalam Indeks Pembangunan Manusia (IPM). Menurut Badan Pusat Statistik (BPS), Papua merupakan provinsi dengan IPM terendah di Indonesia dengan indeks 58:05%. Enam faktor yang diduga memengaruhi IPM adalah angka harapan hidup, rata-rata lama sekolah, harapan lama sekolah, kepadatan penduduk, pengeluaran perkapita, dan pengangguran terbuka. Pengaruh faktor-faktor tersebut terhadap IPM ditentukan dengan model regresi linier berganda. Rendahnya IPM di Provinsi Papua disebabkan oleh perbedaan karakteristik wilayah dan geogra_s (heterogenitas spasial) sehingga dapat digunakan model geographically weighted regression (GWR).
Model GWR merupakan pengembangan model regresi linier dengan menambahkan fungsi pembobot untuk mengatasi efek heterogenitas spasial. Fungsi pembobot yang digunakan adalah kernel Gaussian yang melibatkan perbedaan letak wilayah. Penambahan fungsi pembobot mengakibatkan korelasi antar variabel meningkat sehingga diindikasikan terjadi multikolinearitas pada model GWR. Akibatnya, terdapat kesalahan dalam intrepretasi dan besarnya variansi penduga parameter model sehingga model GWR tidak tepat untuk digunakan.
Multikolinearitas pada model GWR diatasi dengan menambahkan nilai parameter ridge (c) optimum sehingga terbentuk model geographically weighted ridge regression (GWRR). Penambahan nilai tersebut untuk memperkecil variansi penduga parameter model GWR. Nilai parameter ridge optimum ditentukan dari nilai generalized cross validation (GCV ) minimum. Tujuan penelitian ini adalah menerapkan model GWRR pada data IPM di Provinsi Papua dengan fungsi pembobot kernel Gaussian.
Berdasarkan hasil penelitian, diperoleh model regresi ridge pada data IPM di Provinsi Papua dengan nilai parameter ridge (c) sebesar 0.149 dan GCV minimum 0.0001825532. Angka harapan hidup, rata-rata lama sekolah, harapan la-ma sekolah, pengeluaran perkapita, dan pengangguran terbuka merupakan factor yang memengaruhi IPM di Provinsi Papua. Selain itu, diperoleh 29 model GWRR pada data IPM di Provinsi Papua untuk 29 kabupaten/kotamadya. Dari 29 model GWRR diperoleh tiga kelompok wilayah berdasarkan faktor yang memengaruhi IPM untuk setiap wilayah.
Kata kunci: IPM, heterogenitas spasial, model GWR, multikolinearitas, model ridge, model GWRR.
