Penggerombolan Wilayah Berbasis Koefisien Lokal Geographically Weighted Panel Regression Pada Pemodelan Kemiskinan Jawa Barat

Abstract

Analisis regresi merupakan metode statistika yang digunakan untuk menjelaskan hubungan antara peubah respons dengan peubah penjelas. Namun perbedaan antarwilayah terkadang sulit ditangkap oleh model regresi global karena adanya heterogenitas spasial, yaitu kondisi ketika pengaruh peubah penjelas berbeda pada setiap wilayah amatan. Selain itu penelitian juga tidak terbatas pada satu waktu tertentu. Maka dikembangkanlah metode Geographically Weighted Panel Regression (GWPR) yang mengintegrasikan dimensi spasial dan temporal dalam satu kerangka pemodelan. Penelitian ini bertujuan melakukan pengelompokkan wilayah Jawa Barat berdasarkan kemiripan koefisien lokal yang diperoleh dari estimasi GWPR serta melakukan identifikasi peubah yang menjadi karakteristik utama setiap gerombol dalam menjelaskan tingkat kemiskinan. Data yang digunakan bersumber dari Badan Pusat Statistik Provinsi Jawa Barat dan Kementerian Keuangan periode 2020-2024. Prosedur analisis diawali dengan eksplorasi data, pemilihan model regresi data panel terbaik, pemodelan GWPR, dan penggerombolan wilayah berbasis K-means. Hasil menunjukkan bahwa GWPR dengan fungsi pembobot Adaptive Kernel Bisquare merupakan model terbaik dengan nilai R square sebesar 0,86 dan RSS sebesar 2,7. Kemudian penggerombolan wilayah menghasilkan empat gerombol kabupaten/kota dengan kemiripan pola pengaruh peubah terhadap persentase penduduk miskin. Gerombol 1 dicirikan peubah usia harapan hidup, pengeluaran per kapita, akses sanitasi layak. Gerombol 2 dicirikan peubah upah minimum kerja, angka partisipasi murni, transfer daerah dan dana desa. Gerombol 3 dicirikan peubah air minum layak, akses sanitasi layak, laju pertumbuhan penduduk. Gerombol 4 dicirikan peubah angka partisipasi murni, air minum layak, laju pertumbuhan penduduk.