PEMODELAN GEOGRAPHICALLY WEIGHTED PANEL REGRESSION MENGGUNAKAN PEMBOBOT KERNEL GAUSSIAN DAN KERNEL BI-SQUARE PADA KEMISKINAN DI PAPUA

Abstract

Papua merupakan provinsi dengan tingkat kemisikinan tertinggi di Indonesia. Jumlah penduduk miskin di Papua selama tahun 2019-2021 cukup fluktuatif. Kemiskinan disebabkan oleh banyak faktor, antara lain kesulitan dalam memenuhi kebutuhan dasar, kesulitan dalam memperoleh pendidikan dan pekerjaan. Penelitian ini bertujuan untuk melakukan pemodelan Geographically Weighted Panel Regression menggunakan fungsi pembobot adaptive kernel gaussian dan adaptive kernel bi-square pada jumlah penduduk miskin di Papua. Dalam suatu penelitian tidak cukup melakukan pengamatan dalam satu waktu tertentu, tetapi juga perlu dilakukan dalam berbagai periode waktu. Model regresi linier secara umum bersifat global, dimana estimasi parameternya bernilai sama untuk semua lokasi. Pada kenyataannya, antara lokasi satu dengan lainnya memiliki kondisi yang berbeda. Hal ini memungkinkan adanya keragaman spasial antar lokasi. GWPR merupakan metode statistika yang digunakan dalam menganalisis keragaman spasial. Hasil penelitian ini menyatakan bahwa nilai koefisien determinasi pada pembobot adaptive bi-square kernel lebih besar yaitu 79,84% dan nilai AIC pada pembobot adaptive bi-square kernel lebih kecil yaitu 666,8033 daripada model GWPR dengan fungsi pembobot adaptive kernel gaussian, sehingga model GWPR dengan fungsi pembobot adaptive kernel bi-square lebih baik digunakan untuk pemodelan Geographically Weighted Panel Regression pada jumlah penduduk miskin di kabupaten/kota provinsi Papua tahun 2019-2021 terhadap faktor-faktor yang mempengaruhinya.