ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN

Abstract

Analisis yang digunakan dalam data kemiskinan kebanyakan masih bersifat global dan hasilnya diberlakukan untuk semua wilayah. 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 makalah ini pembobot yang digunakan adalah Kernel Gaussian, yang membutuhkan nilai bandwidth sebagai parameter jarak yang masih mempengaruhi suatu desa terhadap desa lainnya. Bandwidth optimum dapat diperoleh dengan meminimalkan nilai koefisien CV (cross validation). Data yang digunakan sebagai studi kasus adalah data 38 kota atau kabupaten di Propinsi Jawa Timur. Hasil menunjukkan bahwa untuk data kemiskinan yang digunakan, lebih baik dianalisis dengan GWR dibandingkan regresi biasa.