Electronic Theses and Dissertation

Kemiskinan dapat didefinisikan sebagai kondisi di mana individu atau rumah tangga tidak mampu menyesuaikan taraf hidup di suatu kelompok untuk memenuhi kebutuhan dasar. Data yang digunakan pada penelitian ini adalah data persentase penduduk miskin di Pulau Sumatra tahun 2021 beserta faktor-faktor yang memengaruhinya. Data tersebut merupakan data sekunder yang berasal dari publikasi resmi Badan Pusat Statistik di setiap kabupaten/kota di Pulau Sumatra. Berdasarkan uji asumsi yang dilakukan dalam penelitian ini, didapatkan bahwa data persentase penduduk miskin memiliki efek spasial. Hal ini berarti bahwa terdapat keterkaitan antara kemiskinan di satu daerah dan kemiskinan daerah lain di sekitarnya. Oleh karena itu, penelitian ini menggunakan analisis regresi spasial dengan metode Geographically Weighted Regression (GWR) menggunakan dua jenis fungsi pembobot, yaitu Fixed Kernel Gaussian dan Fixed Kernel Bi-square. Metode tersebut bertujuan untuk memodelkan dan mengetahui faktor-faktor yang memengaruhi data persentase penduduk miskin di Pulau Sumatra tahun 2021. Hasil pemodelan dengan metode GWR didapatkan model yang berbeda-beda untuk setiap kabupaten/kota di Pulau Sumatra. Setiap daerah yang berdekatan cenderung memiliki kesamaan dalam variabel yang signifikan memengaruhi tingkat kemiskinan. Hasil perbandingan antara dua jenis fungsi pembobot yang digunakan pada penelitian ini menunjukkan bahwa model GWR terbaik adalah model GWR dengan fungsi pembobot Fixed Kernel Gaussian yang memiliki nilai AIC terkecil yaitu 786,876 dan nilai R2 terbesar yaitu 66,25%. Pemodelan GWR dengan fungsi pembobot terbaik yang terbentuk berjumlah 153 model dengan 22 kombinasi variabel yang signifikan memengaruhi tingkat kemiskinan, di mana terdapat satu daerah yang tidak memiliki variabel yang signifikan sama sekali.

Poverty can be defined as a condition in which individuals or households are unable to adjust the standard of living in a group to meet basic needs. The data used in this study is the percentage of poor people data on Sumatra Island in 2021 and the factors that influence it. This data is secondary data obtained from the official publication of the Central Statistics Agency in each regency/city on Sumatra Island. Based on the assumption test conducted in this study, it was found that the percentage of poor people data has a spatial effect. This means that there is a link between poverty in one area and poverty in other areas around it. Therefore, this study uses spatial regression analysis with the Geographically Weighted Regression (GWR) method using two types of weighting functions, namely Fixed Kernel Gaussian and Fixed Kernel Bi-square. This method aims to model and find out the factors that influence the percentage of poor people data on Sumatra Island in 2021. The results of modeling with GWR obtained different models for each regency/city on Sumatra Island. Each adjacent area tends to have similarities in the variables that significantly affect the poverty level. The results of the comparison between the two types of weighting functions used in this study indicate that the best GWR model is the GWR model with Fixed Kernel Gaussian weighting function, which has the smallest AIC value of 786.876 and the largest R2 value of 66.25%. The GWR modeling with the best weighting function formed was 153 models with 22 significant variable combinations of variables that significantly affect the poverty level, where there is one area that has no significant variable at all.