Pemodelan Geographically Weighted Regression (GWR) Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Monica Firda Agustina, Rochdi Wasono, Moh. Yamin Darsyah

Abstract


Penelitian ini bertujuan memodelkan tingkat kemiskinan di Jawa Tengah Tahun 2014 dengan memasukkan efek spasial. Metode yang digunakan adalah regresi linier dan GWR. Dalam model GWR estimasi parameter menggunakan Weighted Least Square (WLS) dengan pembobot fungsi kernel gaussian. Hasil penelitian menyimpulkan model GWR lebih baik dibandingkan dengan model regresi linier. Berdasarkan hasil penelitian terdapat 5 variabel prediktor yang diduga mempengaruhi tingkat kemiskinan kabupaten/kota di Jawa Tengah yaitu upah minimum kerja (X1), persentase penduduk yang bekerja di sektor pertanian (X2) , pelayanan kesehatan Jamkesmas (X4), persentase rumah tangga yang menggunakan jamban(X6), dan inflasi (X8). Model GWR memiliki R2 sebesar 73,95% menunjukkan bahwa model mampu menerangkan tingkat keragaman kemiskinan sebesar 73,95% dan sisanya dipengaruhi variabel lain di luar model. Tingkat kemiskinan di Jawa Tengah tidak dipengaruhi oleh faktor geografis karena tidak ada perbedaan signifikan antara model regresi linier dan GWR. varibel prediktor tersebut mempunyai pengaruh yang hampir sama di setiap kabupaten/kota.

Kata Kunci : GWR , Regresi Linier, Tingkat Kemiskinan.


Full Text:

PDF

Article Metrics

Abstract view : 1110 times
PDF - 510 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2016 Jurnal Statistika