Electronic Theses and Dissertation

Provinsi aceh menghadapi peningkatan kerentanan fiskal menjelang berakhirnya dana otonomi khusus (otsus) pada tahun 2028 akibat tingginya ketergantungan terhadap transfer pemerintah pusat. penelitian ini bertujuan mengembangkan model prediksi pendapatan asli daerah (pad) berbasis spasial menggunakan geographically weighted random forest (gwrf) dengan memanfaatkan citra cahaya malam (nighttime light/ntl) sebagai proksi aktivitas ekonomi. penelitian ini menggunakan data periode 2013–2024 dari 23 kabupaten/kota di aceh yang bersumber dari direktorat jenderal perimbangan keuangan (djpk), kementerian keuangan republik indonesia, serta earth observation group (eog), national oceanic and atmospheric administration (noaa). model menghasilkan bandwidth optimal sebesar 550 km yang menunjukkan bahwa pengaruh spasial bekerja pada skala regional. model memiliki kinerja prediktif yang kuat dengan koefisien determinasi global sebesar 0,8955. hal ini berarti model mampu menjelaskan 89,55% variasi pad. namun, terdapat heterogenitas spasial, di mana wilayah timur-utara menunjukkan tingkat kesesuaian yang tinggi dengan koefisien determinasi cenderung berada di atas 80%, sedangkan beberapa wilayah barat-selatan seperti aceh selatan dan aceh tenggara memiliki tingkat kesesuaian yang lebih rendah dengan koefisien determinasi bahkan kurang dari 50%. hal ini mencerminkan keterbatasan sensitivitas data ntl pada wilayah dengan intensitas cahaya rendah. proyeksi pad tahun 2025-2027 menunjukkan potensi penurunan pada beberapa wilayah di tahun 2025 serta dinamika pertumbuhan yang beragam menjelang berakhirnya otsus. validasi terhadap pagu anggaran tahun 2025 menunjukkan konsistensi antara hasil prediksi dan data aktual. penelitian ini memberikan kontribusi dengan mengintegrasikan spatial machine learning dan data satelit sebagai proksi ekonomi, serta menunjukkan bahwa model gwrf berbasis ntl berpotensi menjadi alat yang andal dalam mendukung perencanaan fiskal daerah yang adaptif dan berkelanjutan pada masa transisi pasca-otsus.

Aceh Province is facing increasing fiscal vulnerability ahead of the expiration of the Special Autonomy Fund (Otsus) in 2028 due to its high dependence on central government transfers. This study aims to develop a spatial based model for predicting Regional Original Revenue (PAD) using Geographically Weighted Random Forest (GWRF) by leveraging Nighttime Light (NTL) imagery as a proxy for economic activity. This study utilizes panel data from 2013–2024 covering 23 regencies/cities in Aceh, sourced from the Directorate General of Fiscal Balance (DJPK), Ministry of Finance of the Republic of Indonesia, and the Earth Observation Group (EOG), National Oceanic and Atmospheric Administration (NOAA). The model identifies an optimal bandwidth of 550 km, indicating that spatial effects operate at a regional scale. The model achieves strong predictive performance with a global coefficient of determination of 0.8955, explaining 89.55% of the variation in PAD. However, spatial heterogeneity is observed, where eastern–northern regions achieve high accuracy coefficient of determination more than 80%, while several western–southern regions, such as Aceh Selatan and Aceh Tenggara, show lower performance coefficient of determination less than 50%. This limitation reflects the reduced sensitivity of NTL data in low-light areas. Projections for 2025–2027 indicate potential short-term declines in PAD in several regions in 2025, followed by heterogeneous growth patterns toward the end of the Otsus period. Validation against the 2025 budget ceiling demonstrates consistency between predicted and actual values. This study contributes by integrating spatial machine learning with satellite-based economic proxies and highlights the potential of NTL-based GWRF as a robust tool to support adaptive and sustainable regional fiscal planning in the post-Otsus transition.