Pemodelan Data Kemiskinan di Provinsi Sumatera Utara dengan Metode Geographically Weighted Regression

Abstract

Dalam persamaan regresi biasa, sebuah variabel respon dihubungkan dengan sejumlah variabel prediktor dengan satu output utama yaitu penaksiran parameter. Parameter ini menjelaskan hubungan setiap variabel prediktor dengan variabel respon. Namun, ketika diaplikasikan pada data spasial, model demikian ini tidaklah selalu valid karena perbedaan lokasi mungkin saja menghasilkan penaksir model yang berbeda. Salah satu analisis yang mengakomodasi kondisi spasial adalah model regresi linier lokal (locally linear regression) yang disebut dengan Geographically Weighted Regression (GWR). Ide dasar dari model GWR ini adalah mempertimbangkan unsur geografi atau lokasi sebagai pembobot dalam menaksir parameter modelnya. Estimasi parameter model GWR diperoleh dengan menggunakan metode Weighted Least Square (WLS) yaitu dengan memberikan pembobot (weight) yang berbeda pada setiap lokasi dimana data tersebut dikumpulkan. Penelitian ini bertujuan untuk memodelkan dan menguji parameter pada data kemiskinan Provinsi Sumatera Utara tahun 2013 dengan pembobot GaussianKernel. Hasil penelitian menunjukkan bahwa Kemiskinan disebabkan oleh tingkat partisipasi angkatan kerja (TPAK) , persentase penduduk SD yang ditamatkan , rumah tangga yang mempunyai JAMKESMAS dan rumah tangga yang bahan bakar utama memasak minyak tanah/kayu bakar di Provinsi Sumatera utara tahun 2013.WLS menghasilkan penduga parameter yang berbeda di setiap lokasi yang menyebabkan perbedaan model antar lokasi.