Pemilihan Fungsi Pembobot pada Regresi Terboboti Geografis untuk Menganalisis Faktor Kemiskinan di Nusa Tenggara Timur

Abstract

Tingkat kemiskinan merupakan salah satu indikator yang menggambarkan tingkat kesejahteraan masyarakat di suatu negara. Indonesia merupakan negara berkembang dimana kemiskinan selalu menjadi persamalahan utama yang menjadi perhatian. Nusa Tenggara Timur termasuk salah satu dari 5 provinsi dengan persentase kemiskinan terbesar di Indonesia yang menempati urutan ke-3 khususnya pada tahun 2023. Tujuan Pembangunan Berkelanjutan mempunyai target yaitu menghapus kemiskinan ekstrim dan memastikan kesempatan yang sama serta mengurangi ketimpangan di dalam suatu negara. Namun kenyataannya, persentase kemiskinan Nusa Tenggara Timur memiliki perbedaan yang sangat signifikan dengan Bali yang merupakan provinsi dengan persentase kemiskinan paling rendah di Indonesia. Oleh karena itu, penelitian ini disusun bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi persentase kemiskinan kabupaten/kota di Provinsi Nusa Tenggara Timur menggunakan metode Regresi Terboboti Geografis (RTG). Pada analisis RTG, penelitian ini membandingkan beberapa fungsi pembobot. Hasil penelitian menunjukkan bahwa RTG dengan fungsi pembobot adaptive bisquare kernel merupakan model terbaik berdasarkan nilai AIC sebesar 40,13, nilai RMSE sebesar 0,46, dan nilai adjusted R-squared sebesar 68%. Model ini membagi kabupaten/kota di Provinsi Nusa Tenggara Timur menjadi 3 kelompok dengan peubah signifikan yang telah disesuaikan dengan karakteristik masing-masing wilayah.

The poverty rate is one of the indicators that reflect the level of community welfare in a country. Indonesia is a developing country where poverty has always been a major issue of concern. East Nusa Tenggara is one of the five provinces with the highest poverty percentage in Indonesia, ranking third in 2023. The Sustainable Development Goals aim to eliminate extreme poverty, ensure equal opportunities, and reduce inequality within a country. However, the poverty percentage in East Nusa Tenggara shows a significant difference compared to Bali, which has the lowest poverty percentage in Indonesia. Therefore, this study aims to identify the factors affecting the poverty percentage in districts/cities in East Nusa Tenggara province using the Geographically Weighted Regression (GWR) method. In the GWR analysis, this study compares several weighting functions. The results show that GWR with the adaptive bisquare kernel weighting function is the best model based on an AIC value of 40,13, an RMSE value of 0,46, and an adjusted R-squared value of 68%. This model divides the districts/cities in East Nusa Tenggara into three groups with significant variables adjusted to the characteristics of each region.