Pemodelan Autoregresif Spasial pada Data Panel (Studi Kasus Kemiskinan di Jawa Timur)

Abstract

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.