Penerapan Model Mixed Geographically Weighted Regression pada Kasus Kemiskinan di Jawa Barat Tahun 2019

Dwi Putra Erfansyah, Nusar Hajarisman

Abstract


Abstract. Poverty is a problem that is difficult to solve. Poverty cannot be resolved by increasing only one part, but all parts must also be repaired simultaneously. Based on this phenomenon, the problems in this study are formulated as follows: (1) How are the parameter estimates obtained from the mixed geographically weighted regression method on poverty data in West Java Province in 2019? (2) How is the effect of each independent variable for each region on poverty data in West Java Province in 2019? (3) How do local or global variables affect the poverty data in West Java Province in 2019? This study used a mixed geographically weighted regression method. The population selected in this study are districts and cities in West Java. The data used are poverty percentage data as a response variable and regional minimum wages, human development index, labor force participation rate, per capita Gross Regional Domestic Product and open unemployment rate as independent variables. The data used are secondary data obtained from the Central Statistics Agency. The results of this study are: (1) independent variables that are global regional minimum wages, gross regional domestic product per capita and open unemployment rate (2) independent variables that are local in nature are human development index and labor force participation rate (3) significant variables. influencing the percentage of poverty in West Java 2019 is a regional minimum wage as a global variable and a local variable is human development index.

Keywords: Poverty, Mixed Geographically Weighted Regression.

Abstrak. Kemiskinan merupakan persoalan yang susah untuk diuraikan. Kemiskinan tidak dapat diselesaikan hanya dengan peningkatan salah satu bagian saja tetapi semua bagian juga harus diperbaiki secara bersamaan. Berdasarkan fenomena tersebut, maka permasalahan dalam penelitian ini dirumuskan sebagai berikut: (1) Bagaimana estimasi parameter yang didapatkan dari metode mixed geographically weighted regression pada data kemiskinan di Provinsi Jawa Barat Tahun 2019? (2) Bagaimana pengaruh setiap variabel bebas untuk setiap wilayah pada data kemiskinan di Provinsi Jawa Barat Tahun 2019? (3) Bagaimana pengaruh variabel yang bersifat lokal ataupun global untuk setiap wilayah pada data kemiskinan di Provinsi Jawa Barat Tahun 2019?. Penelitian ini menggunakan metode mixed geographically weighted regression. Populasi yang dipilih dalam penelitian ini adalah wilayah kabupaten dan kota yang ada di Jawa Barat. Data yang digunakan merupakan data persentase kemiskinan sebagai variabel respon dan Upah minimun regional , Indeks pembangunan manusia , Tingkat partisipasi angkatan kerja ,  Produk Domestik Regional Bruto perkapita   dan Tingkat pengangguran terbuka  sebagai variabel bebas. Data yang digunakan merupakan data sekunder yang didapat dari badan pusat statistika. Hasil dari penelitian ini adalah: (1) variabel bebas yang bersifat global upah minimum regional, produk domestik regional bruto perkapita dan tingkat pengangguran terbuka (2) variabel bebas yang bersifat lokal adalah indeks pembangunan manusia dan tingkat partisipasi angkatan kerja (3) variabel yang signifikan mempengaruhi persentase kemiskinan di Jawa Barat Tahun 2019 adalah upah minimum regional yang bersifat global dan adalah indeks pembangunan manusia yang bersifat lokal.

Kata Kunci: Kemiskinan, Mixed Geographically Weighted Regression.


Keywords


Kemiskinan, Mixed Geographically Weighted Regression

References


Badan Pusat Statistik. (2019). Kemiskinan dan Ketimpangan di Jawa Barat September 2019. Bandung: Badan Pusat Statistik Jawa Barat.

Chasco, C., Garcia, I. & Vicens, J. (2007). Modeling Spastial Variations in Household Disposible Income with Geographically Weighted Regression. Munich Personal RePec Arkhive (MPRA) No. 1682.

Fotheringham, A.S., Brunsdon, C., & Chartlon, M. (2002). Geographically Weighted Regression: The Analysis Of Spatially Varying Relationships. John Wiley & Sons, USA.

Lumaela, A.K., Otok, B.W., & Sutikno. (2013). Pemodelan Chemical Oxygen Demand (COD) Sungai di Surabaya dengan Metode Mixed Geographically Weighted Regression. Jurnal Statistika, Vol.2 No.1

Purhadi & Yasin, H. (2012). Mixed Geographically Weighted Regression Model Case Study : The Percentage Of Poor Households In Mojokerto 2008. European Journal of Scientific Research, Vol.69, issue 2, Hal 188-196.




DOI: http://dx.doi.org/10.29313/.v6i2.23475

Flag Counter