Electronic Theses and Dissertation

Kemiskinan di Provinsi Aceh merupakan permasalahan yang bersifat multidimensional dengan variasi yang tinggi antarwilayah dan waktu. Meskipun persentase penduduk miskin di Aceh menunjukkan tren penurunan dari 15,32% pada tahun 2019 menjadi 12,64% pada tahun 2024, angka tersebut masih berada di atas rata-rata nasional. Kondisi ini mengindikasikan adanya heterogenitas spasial dan temporal yang tidak dapat dijelaskan oleh model regresi global. Penelitian ini bertujuan untuk membentuk model Geographically and Temporally Weighted Regression (GTWR) guna menduga tingkat kemiskinan di 23 kabupaten/kota Provinsi Aceh pada periode 2019–2024, serta mengidentifikasi faktor-faktor yang memengaruhinya secara spasio-temporal. Data yang digunakan adalah data sekunder dari Badan Pusat Statistik (BPS). Uji Moran’s I mengonfirmasi adanya autokorelasi spasial (p-value < 2,2×10⁻¹⁶) dan uji Breusch-Pagan mengonfirmasi heterogenitas spasial (p-value = 0,004163), sehingga pendekatan GTWR dinilai tepat untuk diterapkan. Model GTWR diestimasi menggunakan fungsi pembobot Adaptive Kernel Gaussian dengan bandwidth optimum sebesar 21 (CV = 705,0186), menghasilkan 138 model lokal yang berbeda untuk setiap kabupaten/Kota dan tahun pengamatan. Hasil pemodelan menunjukkan nilai R² sebesar 0,6901. Variabel rata-rata lama sekolah (X₅) merupakan faktor yang paling konsisten dan dominan dengan pengaruh negatif yang signifikan di hampir seluruh wilayah sepanjang periode pengamatan (134 dari 138 model). Variabel lain yang berpengaruh secara signifikan antara lain jumlah penduduk (X₇), akses sanitasi layak (X₄), dan tingkat pengangguran terbuka (X₂), dengan arah dan intensitas pengaruh yang bervariasi antarwilayah dan waktu. Sementara itu, tingkat partisipasi angkatan kerja (X₁) tidak menunjukkan pengaruh yang signifikan di seluruh wilayah pengamatan. Hasil penelitian ini membuktikan bahwa pendekatan GTWR mampu menangkap dinamika spasial dan temporal kemiskinan di Provinsi Aceh.

Poverty in Aceh Province is a multidimensional problem characterized by high variation across regions and over time. Although the poverty rate in Aceh shows a declining trend from 15.32% in 2019 to 12.64% in 2024, it remains above the national average. This condition indicates the presence of spatial and temporal heterogeneity that cannot be adequately explained by global regression models. This study aims to construct a Geographically and Temporally Weighted Regression (GTWR) model to estimate poverty levels across 23 districts/cities in Aceh Province for the period 2019–2024, and to identify the factors influencing poverty in a spatio-temporal framework. Secondary data from the Badan Pusat Statistik (BPS). Moran’s I test confirmed spatial autocorrelation (p-value < 2.2×10⁻¹⁶) and the Breusch-Pagan test confirmed spatial heterogeneity (p-value = 0.004163), justifying the use of GTWR. The model was estimated using an Adaptive Gaussian Kernel weighting function with an optimal bandwidth of 21 (CV = 705.0186), yielding 138 distinct local models for each district/city and observation year. The model achieved an R² value of 0.6901. Mean years of schooling (X₅) was identified as the most consistent and dominant factor, with a significant negative effect across nearly all regions throughout the observation period (134 out of 138 models). Other significant variables include total population (X₇), access to proper sanitation (X₄), and open unemployment rate (X₂), with varying directions and magnitudes across regions and time. The labor force participation rate (X₁) showed no significant effect across all observed regions. These findings demonstrate that the GTWR approach captures the spatio-temporal dynamics of poverty in Aceh Province.