Feevrinna Yohannes Harianto, - (2022) Perbandingan Metode Geographically Weighted Regression Dan Mixed Geographically Weighted Regression Dalam Pemodelan Persentase Angka Kemiskinan Di Indonesia Saat Masa Pandemi Covid-19. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 081811833038_HALAMAN JUDUL.pdf Download (1MB)
	Text (BAB I) 081811833038_BAB I.pdf Download (1MB)
	Text (FULLTEXT) 081811833038_FULLTEXT.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Kemiskinan merupakan masalah utama pembangunan perekonomian di suatu negara. Mengentaskan kemiskinan menjadi salah satu tujuan utama baik nasional maupun dunia. Badan Pusat Statistik (BPS) Indonesia sebagai pusat data Indonesia mengartikan persentase angka kemiskinan sebagai persentase penduduk yang memiliki rataan pengeluaran per kapita per bulan berada dibawah garis kemiskinan. Permasalahan kemiskinan selama pandemi Covid-19 merupakan masalah nasional yang terjadi di seluruh provinsi. Efek spasial diduga berpengaruh terhadap kemiskinan, sehingga pengujian aspek spasial yaitu uji heterogenitas dan uji dependensi dilakukan dan diperoleh hasil bahwa terdapat heterogenitas dan ketergantungan antar wilayah pada data persentase kemiskinan antar provinsi di Indonesia. Metode Geographically Wighted Regression (GWR) dan Mixed Geographically Wighted Regression (MGWR) adalah metode analisis spasial yang sesuai untuk digunakan dalam analisis kemiskinan. Metode MGWR dilakukan atas dasar hasil uji variabilitas yang menunjukkan variabel TPT bersifat global. Pengujian variabilitas pada model GWR perlu dilakukan untuk menduga apakah terdapat variabel yang seharusnya diperlakukan secara global untuk dikombinasikan bersama varaibel lokal lainnya. Oleh karena itu, tujuan dalam penelitian ini adalah memodelkan persentase kemiskinan di Indonesia saat masa Pandemi Covid-19 dengan menggunakan pendekatan GWR dan MGWR. Kelebihan metode MGWR jika dibandingkan dengan GWR adalah fleksibilitas dalam mem Data yang digunakan dalam penelitian ini adalah rataan upah per jam, TPT, laju PDRB, AHLS, koordinat latitude, dan longitude dari 34 provinsi di Indonesia dan diambil dari website resmi BPS. Hasil analisis menunjukkan metode GWR dinilai lebih mampu dibandingkan metode MGWR dalam memodelkan persentase angka kemisikinan di Indonesia dengan nilai ????2 masing-masing sebesar 68,81% dan 53,33%. Hasil uji parsial model GWR menunjukkan bahwa variabel prediktor rataan upah per jam, TPT, laju PDRB, dan AHLS memiliki pengaruh yang berbeda-beda di masing-masing provinsi di Indonesia.

Actions (login required)

View Item