Penggunaan Geographically Weighted Regression (GWR) dengan Pembobot Gauss Kernel untuk Klasifikasi Desa Miskin (Studi Kasus Desa-desa di Kabupaten Jember, Jawa Timur)

Abstract

Penentuan suatu wilayah desa tergolong miskin atau tidak, umumnya menggunakan rata-rata pengeluaran per kapita sebagai indikator utamanya. Hanya saja, analisis yang biasanya digunakan kebanyakan masih bersifat global dan hasilnya diberlakukan untuk semua desa. Padahal masalah kemiskinan sangat mungkin dipengaruhi oleh lokasi (space) dan ketetanggaan (neighboring), sehingga data antar pengamatan sulit untuk diasumsikan saling bebas. Salah satu analisis yang mengakomodir masalah spasial ini adalah Geographically Weighted Regression (GWR), yaitu regresi yang terboboti secara geografis. Pengamatan di lokasi yang lebih jauh diboboti dengan pembobot yang lebih kecil, sesuai Tobler’s first law of geography yang menyatakan bahwa semakin dekat suatu lokasi maka pengaruhnya akan semakin besar. Dalam banyak analisis GWR, juga dalam tulisan ini pembobot yang digunakan adalah Gauss Kernel, yang membutuhkan nilai bandwidth sebagai parameter jarak yang masih mempengaruhi suatu desa terhadap desa lainnya. Bandwidth optimum dapat diperoleh dengan meminimalkan nilai CV (cross validation). Model GWR tidak dapat digunakan untuk menduga parameter selain parameter di lokasi pengamatan (Walter, Carsten and Jeremy 2005). Untuk desa-desa yang tidak diobservasi peubah responnya, digunakan interpolasi Inverse Distance Weighted (IDW) berdasarkan nilai-nilai penduga GWR rata-rata pengeluaran per kapita tiap desa.