Electronic Theses and Dissertation

Ketimpangan pendapatan merupakan permasalahan penting dalam pembangunan ekonomi yang diukur menggunakan rasio gini. Pulau Sumatra memiliki karakteristik sosial ekonomi yang beragam sehingga menunjukkan adanya perbedaan tingkat ketimpangan antar kabupaten/kota. Oleh karena itu, diperlukan pendekatan analisis spasial untuk mengidentifikasi faktor-faktor yang memengaruhi rasio gini secara lebih akurat. Penelitian ini bertujuan untuk menentukan kernel terbaik menggunakan model Mixed Geographically Weighted Regression (MGWR) serta mengidentifikasi faktor-faktor yang berpengaruh secara global dan lokal di Pulau Sumatra tahun 2025. Variabel yang digunakan meliputi pengeluaran per kapita, laju pertumbuhan ekonomi, harapan lama sekolah, tingkat pengangguran terbuka, tingkat partisipasi angkatan kerja, rata-rata lama sekolah, dan umur harapan hidup. Analisis diawali dengan uji asumsi dan uji aspek spasial, kemudian dilanjutkan dengan pemodelan MGWR menggunakan beberapa fungsi kernel. Hasil penelitian menunjukkan bahwa model MGWR mampu menggambarkan variasi spasial dengan lebih baik dibandingkan model global. Selain itu, terdapat variabel yang berpengaruh secara global dan lokal terhadap rasio gini yaitu Persentase Pengeluaran Per Kapita (X1), Laju Pertumbuhan Ekonomi (X2), Tingkat Partisipasi Angkatan Kerja (X5), dan Rata-rata Lama Sekolah (X6). Hal ini menunjukkan bahwa pengaruh faktor sosial ekonomi berbeda di setiap wilayah. Berdasarkan hasil tersebut, dapat disimpulkan bahwa pendekatan MGWR efektif dalam menganalisis ketimpangan pendapatan karena mampu mengakomodasi perbedaan antarwilayah. Oleh karena itu, kebijakan yang diterapkan perlu disesuaikan dengan karakteristik masing-masing daerah.

Income inequality is a critical issue in economic development, measured using the Gini coefficient. The island of Sumatra exhibits diverse socioeconomic characteristics, resulting in varying levels of inequality across its districts and cities. Therefore, a spatial analysis approach is necessary to more accurately identify the factors influencing the Gini coefficient. This study aims to determine the optimal kernel using the Mixed Geographically Weighted Regression (MGWR) model and to identify factors that have both global and local influences on Sumatra Island in 2025. The variables used include per capita expenditure, economic growth rate, expected years of schooling, open unemployment rate, labor force participation rate, average years of schooling, and life expectancy. The analysis begins with assumption tests and spatial aspect tests, followed by MGWR modeling using several kernel functions. The results indicate that the MGWR model better captures spatial variation compared to the global model. Additionally, variables Percentage of Per Capita Expenditures (X1), Economic Growth Rate (X2), Labor Force Participation Rate (X5), and Average Years of Schooling (X6) exert both global and local influences on the Gini coefficient. This indicates that the influence of socioeconomic factors varies across regions. Based on these results, it can be concluded that the MGWR approach is effective in analyzing income inequality because it accommodates inter-regional differences. Therefore, implemented policies need to be tailored to the characteristics of each region.