Implementasi Geographically Weighted Regression (Gwr) Dan Mixed Geographically Weighted Regresion (Mgwr) Dalam Perhitungan Jumlah Penduduk Miskin (Studi Kasus: Jumlah Penduduk Miskin Provinsi Jawa Tengah 2020)

Abstract

Peningkatan jumlah penduduk miskin tahun 2020 berdasarkan data BPS mencapai 1.28 juta penduduk dari tahun sebelumnya. Jawa Tengah merupakan salah satu provinsi dengan jumlah penduduk miskin tertinggi di Indonesia pada tahun 2020. Perbedaan karakteristik pada tiap wilayah di Provinsi Jawa Tengah menimbulkan terjadinya heterogeniatas spasial yang menyebabkan penggunaan metode regresi linear berganda dianggap kurang tepat, oleh karena itu dalam penelitian ini akan digunakan metode Geographically Weighted Regression (GWR). Namun, tidak semua variabel independen berpengaruh secara lokal, melainkan terdapat variabel independen yang berpengaruh secara global atau sama untuk setiap wilayah atau terdapat gabungan variabel independen yang berpengaruh secara global dan lokal. Mixed Geographically Weighted Regression (MGWR) merupakan suatu metode yang menghasilkan parameter yang bersifat global dan lokal, pada penelitian ini digunakan metode MGWR dengan variabel global adalah persentase penduduk dan upah minimum kabupaten, sedangkan variabel lokal adalah tingkat pengangguran terbuka dan tingkat pendidikan terakhir perguruan tinggi. Tujuan dalam penelitian ini adalah untuk mendapatkan pemodelan regresi linear berganda, GWR, dan MGWR yang kemudian dibandingkan untuk memperoleh model terbaik data jumlah penduduk miskin di Provinsi Jawa Tengah tahun 2020. Hasil analisis MGWR menunjukkan bahwa kedua variabel global signifikan berpengaruh, sedangkan variabel lokal yang signifikan berpengaruh berbeda pada setiap wilayahnya begitu pula dengan model yang terbentuk juga akan berbeda untuk setiap wilayah. Kendati demikian, model terbaik yang terbentuk adalah model dengan metode GWR fungsi pembobot fixed gaussian yang ditunjukkan dari nilai kriteria kebaikan model yaitu MAPE, MSE, RMSE, AIC, dan adjusted-R 2 .