Hayatul Atiqah
Pordi Matematika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pemodelan Indeks Pembangunan Manusia di Indonesia dengan Geographically Weighted Regression (GWR) Muhammad Marizal; Hayatul Atiqah
Jurnal Sains Matematika dan Statistika Vol 8, No 2 (2022): JSMS Juli 2022
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v8i2.17886

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator penting untuk mengukur keberhasilan dalam upaya membangun kualitas hidup manusia. IPM menjelaskan bagaimana penduduk dapat mengakses hasil pembangunan dalam hal pendapatan, kesehatan dan pendidikan. Penelitian ini bertujuan untuk mendapatkan pemodelan IPM serta melihat faktor-faktor apa saja yang mempengaruhi IPM di Indonesia tahun 2020. Data pada penelitian ini berupa data sekunder yang diperoleh dari Badan Pusat Statistik (BPS). Pemodelan dengan menggunakan regresi linier belum tentu cocok diterapkan diseluruh provinsi yang ada di Indonesia karena kondisi pendapatan, kesehatan dan pendidikan di provinsi di Indonesia berbeda-beda. Oleh karena itu, pada penelitian ini digunakan pendekatan geografis yaitu Geographically Weighted Regression (GWR) dalam memodelkan IPM dengan menggunakan variabel bebas yaitu Harapan Lama Sekolah (HLS), Rata-rata Lama Sekolah (RLS), Umur Harapan Hidup (UHH) dan Pengeluaran Per Kapita (PPK). Model GWR merupakan pengembangan dari model regresi spasial dimana setiap parameter dihitung setiap lokasi pengamatan, sehingga setiap lokasi akan memiliki interpretasi yang berbeda-beda. Pada pemodelan GWR membutuhkan fungsi pembobot, adapun fungsi pembobot yang digunakan pada penelitian ini yaitu Adaptive Kernel Gaussian. Hasil penelitian ini menunjukkan bahwa semua variabel bebas berpengaruh terhadap IPM. Model GWR merupakan model terbaik dibandingkan regresi linier dengan standar pemilihan nilai koefisien determinasi terbesar dan nilai Akaike Information Criterion (AIC) terkecil.