Writer / NIM
MUFTIH ALWI ALIU / 413417025
Study Program
S1 - STATISTIKA
Advisor 1 / NIDN
Dra. LAILANY YAHYA, M.Si / 0019126805
Advisor 2 / NIDN
FAHREZAL ZUBEDI, S.Pd., M.Si / 0006069401
Abstract
Indonesia merupakan negara berkembang yang dihadapkan pada masalah kemiskinan. Persentase penduduk miskin di Indonesia tahun 2020 meningkat 0.97 persen dari tahun 2019. Analisis yang cocok untuk mengatasi kemiskinan di Indonesia ini dengan menggunakan efek kewilayaan yaitu Geographically Weighted Logistic Regression (GWLR). Penelitian ini bertujuan untuk membandingkan fungsi pembobot Fixed Gaussian Kernel, Fixed Tricube Kernel dan Fixed Bisquare Kernel pada model GWLR dalam memodelkan kasus kemiskinan di Indonesia tahun 2020. Pada model terbaik dapat diketahui faktor signifikan yang mempengaruhi kemiskinan di Indonesia tahun 2020. Penelitian ini menggunakan data Persentase Penduduk Miskin (Y) dan faktor-faktor yang mempengaruhinya, yaitu Tingkat Pengangguran Terbuka (X1), Indeks Pembangunan Manusia (X2) dan Jumlah Penduduk (X3) pada 34 Provinsi di Indonesia. Hasil penelitian ini yaitu model GWLR dengan fungsi pembobot Fixed Gaussian Kernel merupakan model terbaik dalam memodelkan kasus kemiskinan di Indonesia pada tahun 2020 yang diperoleh berdasarkan nilai Akeike Information Criterion Corrected (AICc) terkecil. Model GWLR dengan fungsi pembobot Fixed Gaussian Kernel menghasilkan Tingkat Pengangguran Terbuka merupakan faktor signifikan yang mempengaruhi kemiskinan di Indonesia tahun 2020 pada 10 Provinsi di Indonesia yaitu Provinsi Aceh, Sumatera Utara, Sumatera Barat, Riau, Jambi, Sumatera Selatan, Bengkulu, Lampung, DKI Jakarta dan Banten.
Indonesia is a developing country whereby poverty remains a problem. The percentage of poor people in Indonesia from 2019 to 2020 undergoes an increase of 0.97%. The most appropriate analysis to eradicate poverty in Indonesia is by means of the Geographically Weighted Logistic Regression (GWLR). This research aims at comparing the weighting functions of Fixed Gaussian Kernel, Fixed Tricube Kernel and Fixed Bisquare Kernel in GWLR model on poverty cases in Indonesia in 2020. The significant factor influencing poverty in Indonesia is able to be determined at the best modeI. This research employs the Poor Percentage Data (Y) and the influencing factors that include the Open Unemployment Rate (X1), the Human Development Index (X2). and the Total Population (X3) throughout the 34 Provinces in Indonesia. Findings reveal that the GWLR model with Fixed Gaussian Kernel weighting function is the best model in modeling poverty cases in Indonesia in 2020 on the basis of the lowest Akeike Information Criterion Corrected (AICc) value. The GWLR model with Fixed Gaussian Kernel weighting function denotes that the Open Unemployment Rate is a significant factor influencing poverty in 10 provinces of Indonesia in 2020 including Aceh, North Sumatera. West Sumatera, Riau, Jambi, South Sumatera, Bengkulu, Lampung. DKI Jakarta and Banten.
Download files
