PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU

  • Salmon N. Aulele Jurusan Matematika FMIPA Universitas Pattimura
DOI: https://doi.org/10.30598/barekengvol8iss2pp53-57
Keywords: Kemiskinan, Faktor Geografis, Geographically Weighted Regression

Abstract

Kemiskinan merupakan persoalan yang kompleks, karena tidak hanya berkaitan dengan masalah rendahnya tingkat pendapatan dan konsumsi, tetapi juga berkaitan dengan rendahnya tingkat pendidikan, kesehatan serta ketidakberdayaannya untuk berpartisipasi dalam pembangunan. Tujuan penelitian ini adalah menentukan faktor-faktor yang mempengaruhi jumlah rumah tangga miskin dengan memperhatikan faktor geografis di Pulau Buru menggunakan model Geographically Weighted Regression (GWR), sehingga diperoleh model yang dapat digunakan untuk memperkirakan jumlah rumah tangga miskin 13 Kecamatan di Pulau Buru. Hasil penelitian menunjukan bahwa variabel yang signifikan mempengaruhi jumlah rumah tangga miskin di tiap kecamatan di Pulau Buru yaitu banyaknya rumah tangga yang tidak punya fasilitas tempat buang air besar atau bersifat umum (X1), banyaknya rumah tangga yang sumber penerangan utama bukan listrik (X2), banyaknya rumah tangga yang sumber air minumnya dari sumur/mata air tak terlindung/sungai (X4), banyaknya rumah tangga yang pengeluaran untuk makanannya lebih besar 80% (X5) serta banyaknya rumah tangga yang pendidikan tertinggi kepala rumah tangganya SD kebawah (X7).

Downloads

Download data is not yet available.

References

BPS, 2011, Metodologi Penentuan Rumah Tangga Miskin 2011. BPS. Jakarta
BPS, 2011, Analisis dan Penghitungan Tingkat Kemiskinan 2011. BPS. Jakarta.
Chasco, C. Garcia, I. dan Vicens, J. 2007, Modeling Spastial Variations in Household Disposible Income with Geographically Weighted Regression,
Fotheringham, A.S. Brunsdon, C. dan Charlton, M. 2002, Geographically Weighted Regression. John Wiley and Sons, Chichester, UK.
Mei, C.L. (2005), Geographically Weighted Regression Technique for Spatial Data Analysis, School Of Science Xi’an Jiaotong University.
World Bank, (2006), Era Baru Dalam Pengentasan Kemiskinan di Indonesiai, Laporan Bank Dunia.
Yildirim, J.N. dan Ocal, N. (2006), A Sectoral Analysis of Spatial Regional Employment Dynamics of Turkish
Published
2014-12-01
How to Cite
[1]
S. Aulele, “PENDEKATAN MODEL GEOGRAPHICALLY WEIGHTED REGRESSION UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH RUMAH TANGGA MISKIN DI PULAU BURU”, BAREKENG: J. Math. & App., vol. 8, no. 2, pp. 53-57, Dec. 2014.
Issue
Vol 8 No 2 (2014): BAREKENG : Jurnal Ilmu Matematika dan Terapan
Section
Articles

Authors who publish with this Journal agree to the following terms:

  1. Author retain copyright and grant the journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allow others to share the work within an acknowledgement of the work’s authorship and initial publication of this journal.
  2. Authors are able to enter into separate, additional contractual arrangement for the non-exclusive distribution of the journal’s published version of the work (e.g. acknowledgement of its initial publication in this journal).
  3. Authors are permitted and encouraged to post their work online (e.g. in institutional repositories or on their websites) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published works.

Most read articles by the same author(s)