| NIM | K1B015044 |
|---|
| Namamhs | NI`MAL FATA |
|---|
| Judul Artikel | PEMODELAN DATA KEMISKINAN DI PROVINSI JAWA TIMUR MENGGUNAKAN ANALISIS REGRESI SPASIAL |
|---|
| Abstrak (Bhs. Indonesia) | Kemiskinan menjadi masalah di hampir semua negara, termasuk di Indonesia. Penyebab kemiskinan yang beragam membuat angka kemiskinan selalu tinggi. Salah satu faktor yang mempengaruhi tingkat kemiskinan yaitu lokasi geografis dan kedekatan wilayah. Penelitian ini bertujuan untuk memodelkan faktor-faktor yang signifikan berpengaruh terhadap persentase penduduk miskin di Provinsi Jawa Timur menggunakan model regresi spasial. Langkah-langkah yang dilakukan yaitu menganalis faktor-faktor yang berpengaruh berdasarkan p-value hasil uji t pada model regresi linier berganda, membuat matriks pembobot spasial, dan membuat model regresi spasial berdasarkan nilai estimasi parameter dari variabel-variabel yang signivikan berpengaruh terhadap persentase penduduk miskin.. Pemodelan dilakukan berdasarkan pengaruh spasial, sehingga sebelum melakukan pemodelan perlu dikakukan identifikasi keberadaan dependensi spasial dengan menggunakan uji Lagrange Multiplier (LM). Hanya terdapat dependensi spatial lag pada data yang dianalisis, sehingga yang dipilih untuk memodelkan data adalah model Spatial Autoregressive Model (SAR). Berdasarkan hasil pemodelan SAR diketahui bahwa faktor-faktor yang mempengaruhi besarnya persentase penduduk miskin adalah persentase penduduk yang tidak lulus SD dan persentase penduduk yang tidak bekerja. |
|---|
| Abtrak (Bhs. Inggris) | Poverty is a problem in almost all countries, including Indonesia. The various causes of poverty make the poverty rate always high. One of the factors that influence poverty is geographic location and regional proximity. This study aims to model the factors that are significant to the proportion of poor people in East Java Province using a spatial regression model. The steps taken are to analyze the influencing factors based on the p-value of the t-test results on multiple linear regression models, create a spatial weighting matrix, and create a spatial regression model based on the estimated parameter values of the variables that are significant to the percentage of poor people. The modeling is done based on the effect of the spatial test, so before doing the modeling it is necessary to know the existence of spatial dependencies by using the Lagrange Multiplier (LM). There is only a spatial lag dependency on the analyzed data, so the Spatial Autoregressive Model (SAR) was chosen to model the data. Based on the SAR modeling, it is known that the factors that influence the percentage of the poor are the percentage of the population who do not pass elementary school and the percentage of the population who does not work. |
|---|
| Kata kunci | Kemiskinan, Regresi Spasial, Spatial Autoregressive Model (SAR). Lagrange Multiplier (LM). |
|---|
| Pembimbing 1 | Supriyanto, M.Si |
|---|
| Pembimbing 2 | Agus Suganda, M.Si |
|---|
| Pembimbing 3 | - |
|---|
| Tahun | 2022 |
|---|
| Jumlah Halaman | 12 |
|---|
| Tgl. Entri | 2022-07-19 15:27:43.245166 |
|---|