ANALISIS KEMISKINAN DENGAN PEMODELAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DI PROVINSI NUSA TENGGARA TIMUR

Evy Sulistianingsih, Puji Astuti, Naomi Nessyana Debataraja,

BIMASTER
Vol 7, No 3 (2018): BIMASTER

 Geographically Weighted Regression (GWR) merupakan pengembangan dari model regresi linier untuk mengatasi masalah heterogenitas spasial. Letak geografis untuk setiap lokasi ditambahkan sehingga parameter untuk setiap lokasi berbeda-beda. Estimasi parameter model GWR diperoleh menggunakan Weighted Least Square (WLS) dengan memberikan pembobot yang berbeda di setiap lokasi. Pembobot yang digunakan adalah Gaussian Kernel  dengan pemilihan bandwidth optimum menggunakan Cross Validation (CV). Tujuan dari penelitian ini untuk menentukan model GWR dalam mendapatkan faktor yang mempengaruhi kemiskinan di 22 kabupaten/kota di Provinsi Nusa Tenggara Timur. Nilai koefisien determinasi  yang diperoleh pada model GWR di Provinsi Nusa Tenggara Timur adalah 84,42%. Dengan demikian, besar pengaruh variabel dependen terhadap persentase kemiskinan sebesar 84,42% dan besar pengaruh faktor lain yang tidak dijelaskan pada model GWR adalah 15,58%.                                                                                                                                                                             Kata Kunci : Breusch-Pagan, Gaussian Kernel, Cross Validation, Spasial