Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kemiskinan merupakan suatu kondisi yang ditandai dengan ketidakmampuan seseorang dalam memenuhi kebutuhan pokoknya. Berdasarkan publikasi Badan Pusat Statistik (BPS) dari tahun 2017 hingga 2020, Provinsi Papua dan Papua Barat yang berada di Pulau Papua merupakan dua provinsi dengan kemiskinan tertinggi di Indonesia. Oleh karena itu, penelitian ini bertujuan untuk menganalisis variabel-variabel yang signifikan memengaruhi kemiskinan di Pulau Papua. Permasalahan kemiskinan merupakan permasalahan kompleks yang tidak hanya terjadi pada satu waktu dan dapat dipengaruhi oleh aspek kewilayahan atau spasial. Hal ini mengindikasikan perlunya dilakukan suatu penelitian yang melibatkan efek spasial dalam beberapa periode waktu. Sehubungan dengan hal tersebut, maka data spasial dengan struktur panel digunakan dalam penelitian ini. Data penelitian yang merupakan data spasial dengan struktur panel mengakibatkan kemungkinan munculnya pengaruh spasial seperti heterogenitas spasial. Uji heterogenitas spasial dilakukan menggunakan uji Breusch-Pagan. Berdasarkan pengujian didapatkan bahwa terdapat heterogenitas spasial pada data kemiskinan di Pulau Papua tahun 2017-2020 sehingga dilakukan analisis lebih lanjut dengan menggunakan model Geographically Weighted Panel Regression (GWPR). Model GWPR dibentuk menggunakan fungsi pembobot kernel Fixed Gaussian, Fixed Bisquare, dan Fixed Tricube. Hasil penelitian menunjukkan bahwa model GWPR dengan fungsi pembobot kernel Fixed Gaussian merupakan model terbaik dalam memodelkan data kemiskinan di Pulau Papua tahun 2017-2020 dengan koefisien determinasi sebesar 84.93% dan RMSE sebesar 0.013459686. Variabel harapan lama sekolah, angka harapan hidup, rasio gini, pengeluaran per kapita disesuaikan, dan tingkat partisipasi angkatan kerja berpengaruh signifikan terhadap kemiskinan pada minimal satu lokasi di kabupaten/kota di Pulau Papua. Variabel angka harapan hidup dan pengeluaran per kapita disesuaikan merupakan variabel yang paling banyak berpengaruh signifikan terhadap kemiskinan di kabupaten/kota di Pulau Papua.

---

Poverty is a condition characterized by a person’s inability to fulfill their basic needs. Based on the publications of Badan Pusat Statistik (BPS) from 2017 to 2020, the provinces of Papua and West Papua on the island of Papua are the two provinces with the highest rates of poverty in Indonesia. Therefore, this study aims to analyze the variables that significantly affect poverty on Papua Island. The problem of poverty is a complex problem that does not only occur at one time and can be influenced by regional or spatial aspects. This indicates the need for a study involving spatial effects over several periods. In this regard, spatial data with panel structure is used in this study. Research data which is spatial data with a panel structure results in the possibility of the emergence of spatial influences such as spatial heterogeneity. A spatial heterogeneity test was performed using the Breusch-Pagan test. Based on the test, it was found that there is spatial heterogeneity in poverty data in Papua Island in 2017-2020 so further analysis will be carried out using the Geographically Weighted Panel Regression (GWPR) model. The GWPR model is formed using the Fixed Gaussian, Fixed Bisquare, and Fixed Tricube kernel weighting functions. The results show that the GWPR model with the Fixed Gaussian kernel weighting function is the best in modeling poverty data in Papua Island in 2017- 2020 with the coefficient of determination of 84.93% and RMSE of 0.013459686. The variables of expected years of schooling, life expectancy, gini ratio, consumption per capita, and labor force participation rate have a significant effect on poverty in at least one location in a district/city on Papua Island. The variables of life expectancy and consumption per capita have a significant effect on poverty in most districts/cities on Papua Island."

"Angka Harapan Hidup (AHH) merupakan rata-rata perkiraan banyak tahun yang dapat ditempuh oleh seseorang sejak lahir. Badan Pusat Statistik (BPS) mencatat bahwa AHH penduduk di Provinsi Jawa Barat tahun 2021 mencapai 73,23 tahun dan menempati posisi keempat dengan nilai AHH tertinggi di Indonesia pada 2021. Penelitian ini bertujuan untuk menganalisis variabel-variabel yang menjelaskan AHH di setiap kabupaten/kota di Provinsi Jawa Barat tahun 2021 menggunakan model regresi linear berganda, Geographically Weighted Regression (GWR), dan Mixed Geographically Weighted Regression (MGWR) yang kemudian dievaluasi untuk memeroleh model terbaik. Pada penelitian ini, model regresi linier berganda digunakan untuk mengetahui seberapa besar pengaruh variabel-variabel independen terhadap variabel AHH dimana nilai estimasi parameter regresi sama untuk setiap wilayah penelitian atau disebut dengan model regresi global. Provinsi Jawa Barat terdiri dari 27 kabupaten/kota yang memiliki karakteristik berbeda antarwilayah sehingga memungkinkan adanya heterogenitas spasial. Model GWR bertujuan untuk mengeksplor heterogenitas spasial dengan membentuk model regresi yang berbeda pada setiap lokasi pengamatan atau dapat disebut dengan model regresi lokal. Hal ini akan menimbulkan permasalahan apabila terdapat variabel independen yang tidak bersifat lokal atau tidak mempunyai pengaruh lokasi, tetapi diduga memiliki pengaruh terhadap variabel dependen secara global. Oleh karena itu, dikembangkan lagi menggunakan model MGWR. Model MGWR menghasilkan estimasi parameter yang bersifat global dan lokal sesuai dengan lokasi pengamatan. Variabel yang bersifat global, yaitu Tingkat Pengangguran Terbuka (TPT) dan Pengeluaran Per Kapita (PPK), sedangkan variabel yang bersifat lokal, yaitu Jumlah Penduduk Miskin (JPM), Harapan Lama Sekolah (HLS), dan Persentase Penduduk yang Mempunyai Keluhan Kesehatan Sebulan Terakhir (KK). Hasil penelitian ini menunjukkan bahwa kedua variabel global berpengaruh terhadap AHH, sedangkan variabel lokal yang berpengaruh terhadap AHH berbeda pada setiap wilayahnya, begitu pula dengan model yang terbentuk juga akan berbeda untuk setiap wilayahnya. Selain itu, model terbaik yang diperoleh adalah model GWR dengan fungsi pembobot fixed Gaussian kernel dengan nilai AIC terkecil, adjusted R-squared terbesar, dan RMSE terkecil dibandingkan model regresi linier berganda dan MGWR.

---

Life Expectancy (AHH) is an estimate of the years that a person will take from birth. Badan Pusat Statistik (BPS) notes that the AHH of the population in West Java Province in 2021 reached 73.23 years and ranked fourth with the highest AHH value in Indonesia in 2021. This study aims to analyze the variables that explain AHH in each district/city in West Java Province in 2021 using multiple linear regression models, Geographically Weighted Regression (GWR) models, and Mixed Geographically Weighted Regression (MGWR) models which are then evaluated to obtain the best model. In this study, the multiple linear regression model is used to determine how much influence the independent variables had on the AHH variable where the estimated values of the regression parameters were the same for each study area or called the global regression model. West Java Province consists of 27 districts/cities which have different characteristics between regions, thus allowing for spatial heterogeneity. The GWR model aims to explore spatial heterogeneity by forming a different regression model at each observation location or it can be called a local regression model. This will cause problems if there are independent variables that are not local in nature or do not have a location effect, but are suspected of having an influence on the dependent variable globally. Therefore, it is further developed using the MGWR model. The MGWR model produces parameter estimates that have global and local characteristics according to the observation location. Global variables are Open Unemployment Rate (TPT) and Per Capita Expenditures (PPK), while local variables are Number of Poor Population (JPM), Expected Years of Schooling (HLS), and Percentage of Population with Health Complaints in the Last Month (KK). The results of this study indicate that both global variables have a significant effect on AHH, while local variables which have a significant effect on AHH are different in each region, as well as the model formed will also be different for each region. In addition, the best model obtained is the GWR model with a fixed Gaussian kernel weighting function with the smallest AIC value, the largest adjusted R-squared, and the smallest RMSE compared to the multiple linear regression model and MGWR model."