Analisis Data kemiskinan Provinsi DKI Jakarta Jawa Barat dengan Metode geographically Weighted Logistic Regression (GWLR)
Kemiskinan adalah masalah sentral yang mendunia dan hingga kini telah
menjadi isu sentral di belahan bumi manapun termasuk Indonesia, sehingga
penting untuk mengetahui variabel-variabel apa yang dapat mempengaruhi
kemiskinan suatu wilayah.
Dalam menentukan suatu wilayah tergolong miskin atau tidak, analisis yang
digunakan biasanya masih bersifat global. Sementara kondisi kemiskinan
suatu wilayah sangat mungkin dipengaruhi oleh lokasi atau kondisi geografis
wilayah tersebut, termasuk posisinya terhadap wilayah lain di sekitamya.
Salah satu metode statistika yang dapat digunakan untuk menganalisis
heterogenitas spasial tersebut adalah Geographically Weighted Logistic
Regression (GWLR).
Dalam penelitian ini diperolah bahwa model Geographically Weighted
Logistic Regression (GWLR) dengan pembobot adaptive kernel gaussian
lebih cocok untuk memodelkan kemiskinan di Provinsi DKI Jakarta dan Jawa
Barat dibandingkan model regresi logistik global. Dengan model GWLR
terlihat bahwa pengaruh variabel penjelas terhadap kemiskinan bervariasi
pada setiap wilayah.
4. Abstract :
Poverty is a central issue in worldwide, including in Indonesia, so it is
important to identify the variables that can affect the poverty of a region.
The determination poverty level in a region, are usually based on the global
analysis. While the poverty level of a region very likely influenced by the
location or geographical conditions of the region, including the position of
the other areas in the vicinity. One statistical method that can be used to
analyze the spatial heterogeneity is Geographically Weighted Logistic
Regression(G WLR).
In this research obtained that the Geographically Weighted Logistic
Regression (GWLR) model with an adaptive gaussian kernel weighting matrix
more suitable for modeling poverty in Jakarta and West Java than global
logistic regression model. GWLR model shows that the influence of
explanatory variables on poverty varies in each region.
No copy data
No other version available