<![CDATA[Di Indonesia, termasuk di Kalimantan Barat, Kemiskinan merupakan masalah yang kompleks dan multidimensional karena dipengaruhi oleh berbagai faktor. Tantangan ini semakin kompleks karena dipengaruhi oleh faktor spasial dan karakteristik lokal seperti kondisi geografis yang beragam, tingkat pengangguran, dan disparitas pembangunan antarwilayah. Sehingga pendekatan analitis yang mampu menangkap keragaman spasial dan karakteristik lokal menjadi hal penting. Model Mixed Geographically Weighted Regression (MGWR) merupakan salah satu pendekatan yang bisa digunakan dalam menganalisis variasi spasial dalam pengaruh faktor-faktor tertentu terhadap jumlah penduduk miskin. Beberapa variabel mungkin memiliki efek yang stabil di seluruh wilayah atau dikatakan bersifat global, sedangkan variabel lain bisa memiliki efek yang bervariasi di setiap lokasi atau dikatakan bersifat lokal. Tujuan dari penelitian adalah menganalisis model MGWR, menerapkan model MGWR dan membandingkan Regresi Linier Berganda, GWR dan MGWR. Langkah-langkah yang dilakukan adalah menganalisis deskriptif data, melakukan uji heterokedastisitas, melalukan analisis terhadap regresi model GWR, melakukan analisis terhadap regresi model MGWR, dan melakukan perbandingan antara GWR dengan MGWR untuk melihat nilai AIC. Berdasarkan hasil analisis diperoleh bahwa variabel yang bersifat global yaitu persentase penduduk (X1) dan upah minimum kabupaten (X3). Sedangkan yang bersifat lokal yaitu tingkat pengangguran terbuka (X2), dan tingkat pendidikan terakhir (X4). Pada Tingkat pengangguran terbuka berpengaruh signifikan secara lokal pada kabupaten Landak, Sanggau, Sintang, Sekadau, Melawi, Kayong Utara, dan Kota Pontianak. Sedangkan variabel tingkat pendidikan terakhir tidak signifikan berpengaruh pada kabupaten Bengkayang, Ketapang dan Sekadau. Hasil perbandingan antara model regresi linier berganda, Geographically Weighted Regression (GWR), Mixed Geographically Weighted Regression (MGWR) diperoleh bahwa model MGWR yang terbaik karena memiliki nilai AIC terkecil sebesar 301,9651. Kata Kunci : Spasial, AIC, regresi, GWR]]>
