|
AbstractPro-poor growth program has not been effective reducing poverty in Papua because the government does not have complete information about the spatial variation of poverty-causing factors (spatial heterogeneity). Therefore, this study will analyze poverty-causing factors using Geographically Weighted Regression (GWR) model. This study finds that the influence of the cultivated land area, use of technical irrigation, source of drinking water, and the electrical infrastructure vary spatially. In additions, multivariate K-means clusteringshows that subdistricts are spatially clustered by geographical conditions. These results imply that poverty alleviation interventions should be dierent for different areas.AbstrakProgram pro-poor growth (program pembangunan ekonomi yang berpihak kepada penduduk miskin) belum efektif mengurangi kemiskinan di Papua karena pemerintah tidak memiliki informasi lengkap mengenai faktor-faktor yang menyebabkan kemiskinan menurut variasi wilayah (spatial heterogeneity). Oleh karena itu, studi ini akan menganalisis faktor-faktor tersebut dengan menggunakan model Geographically Weighted Regression (GWR). Studi ini menemukan pengaruh luas lahan yang diusahakan, penggunaan irigasi teknis, sumber air minum, dan listrik terhadap kemiskinan bervariasi secara spasial. Sementara itu, multivariate K-means clustering menunjukkan kecamatan mengelompok menurut kondisi geografis. Ini menyiratkan bahwa intervensi pengentasan kemiskinan seharusnya berbeda untuk wilayah berbeda. |
