PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION

Abstract

Penghitungan jumlah penduduk miskin selama ini sering dimodelkan sebagai fungsi regresi secara global, artinya nilai koefisien regresi berlaku untuk semua wilayah geografis. Padahal asumsi ini tidak selalu valid karena perbedaan lokasi geografis sangat mungkin menyebabkan terjadinya heterogenitas spasial. Apabila terjadi heterogenitas spasial, parameter regresi akan bervariasi secara spasial, sehingga ketika model regresi secara global diterapkan, akan menghasilkan nilai rata-rata dari semua nilai parameter regresi yang bervariasi secara spasial tersebut. Penelitian ini menggunakan metode Geographically Weighted Regression (GWR) untuk menganalisis data yang mengandung heterogenitas spasial. Dalam model GWR penaksiran parameter modelnya diperoleh dengan menggunakan Weighted Least Square (WLS) yaitu dengan memberikan pembobot yang berbeda pada setiap lokasi. Penelitian ini membahas faktor-faktor yang mempengaruhi tingkat kemiskinan di Provinsi Sumatera Barat. Hasil pengujian kesesuaian model menunjukkan bahwa tidak ada pengaruh faktor spasial terhadap tingkat kemiskinan di Provinsi Sumatera Barat. Hasil penelitian menunjukkan bahwa terdapat 4 variabel yang diduga mempengaruhi tingkat kemiskinan di Provinsi Sumatera Barat yaitu variabel luas lantai, fasilitas tempat buang air besar, kesanggupan membayar biaya puskesmas/poliklinik serta tingkat pendidikan kepala rumah tangga. Keempat variabel tersebut mempunyai pengaruh yang hampir sama di setiap kota dan kabupaten. Kata Kunci: Kemiskinan, Heterogenitas Spasial, Geographically Weighted Regression