Pemodelan Autoregresif Spasial pada Data Panel (Studi Kasus Kemiskinan di Jawa Timur)
Date
2022Author
Rahayu, Melania Dwi
Sulvianti, Itasia Dina
Kurnia, Anang
Metadata
Show full item recordAbstract
Penelitian ini bertujuan mengidentifikasi peubah-peubah yang berpengaruh terhadap
persentase kemiskinan di Jawa Timur pada tahun 2017-2020. Metode yang digunakan untuk
menjawab tujuan tersebut adalah analisis spasial data panel. Matriks pembobot yang digunakan
adalah matriks jarak invers, matriks jarak eksponensial, dan matriks jarak k-tetangga terdekat.
Data yang digunakan dalam penelitian ini adalah persentase kemiskinan sebagai peubah respon,
sedangkan peubah penjelasnya adalah Indeks Pembangunan Manusia (IPM), Tingkat
Pengangguran Terbuka (TPT), angka harapan hidup, rata-rata lama sekolah, rumah tangga yang
memiliki akses terhadap sanitasi layak, rumah tangga dengan sumber air minum yang layak,
dan pengeluaran rata-rata per kapita sebulan. Hasil analisis menunjukkan bahwa terdapat
ketergantungan spasial pada peubah respon dan pengaruh waktu di dalam model data panel
sangat kecil sehingga dapat diabaikan. Oleh karena itu, model yang digunakan adalah model
panel spatial autoregressive (SAR) dengan pengaruh tetap efek individu dan matriks pembobot
jarak 2-tetangga terdekat. Hasil penelitian menunjukkan bahwa peubah-peubah yang
berpengaruh signifikan terhadap persentase kemiskinan di Jawa Timur pada tahun 2017-2020
adalah tingkat pengangguran terbuka, angka harapan hidup, dan rata-rata pengeluaran per
kapita sebulan. The objective of this reserch is to identify the variables that affect the percentage of
poverty in East Java from 2017 to 2020. The method used to answer this objective is spatial
analysis of panel data. The weighting matrix used is the inverse distance, exponential distance,
and k-nearest neighbor. The data used in this research were the percentage of poverty as
response variable, meanwhile the predictor variables include the human development index,
open unemployment rate, life expectancy rate, average of length school, households that have
access to decent sanitation, households with decent drinking water sources, and average
expenditure per capita a month. The result of the analysis show that there is a spatial
dependence on the response variable and the effect of time in the panel data model is so small
that it can be ignored. Therefore, the model used is spatial autoregressive (SAR) panel model
with a fixed effect and an 2-nearest neighbor distance weighting matrix. The result of this study
show that the variables that have a significant effect on poverty in East Java from 2017 to 2020
are life expectancy rate, open unemployment rate, and average expenditure per capita a month.