Perbandingan Model Spasial dalam Permasalahan Kemiskinan di Provinsi Jawa Timur
DOI:
https://doi.org/10.29313/statistika.v24i2.3638Keywords:
Kemiskinan, Pembobot Queen Contiguity, SpasialAbstract
ABSTRAK
Kemiskinan merupakan masalah kompleks yang mempengaruhi berbagai aspek kehidupan. Berdasarkan publikasi Badan Pusat Statistik (BPS), pada Tahun 2022 persentase kemiskinan sebanyak 10,49% ditemukan di Provinsi Jawa Timur. Pemerintah Indonesia masih memprioritaskan penurunan angka kemiskinan dan akan tetap diteruskan melalui Rencana Pembangunan Jangka Menengah Nasional (RPJMN) sampai tahun 2024. Tujuan penelitian ini untuk mencari model faktor-faktor yang mempengaruhi kemiskinan. Permasalahan pengentasan kemiskinan di Indonesia tidak hanya ditangani dengan menganalisis faktor-faktor yang menyebabkan kemiskinan, tetapi juga melihat aspek lokasi. Berdasar hal tersebut, model regresi yang digunakan pada penelitian ini adalah model spasial. Tiga model-spasial yang dibandingkan dalam penelitian meliputi Spatial-Autoregressive (SAR), Spatial-Error-Model (SEM) dan Spatial Autoregressive-Moving Average (SARMA). Berdasarkan hasil yang didapat, faktor yang mempengaruhi kemiskinan di Provinsi Jawa Timur pada tahun 2021 adalah Angka Harapan Hidup (AHH) dan Harapan Lama Sekolah (HLS) dengan model yang didapatkan Spatial Autoregressive Moving Average (SARMA).
ABSTRACT
Poverty is a complex problem that affects various aspects of life. Based on a publication from the Central Bureau of Statistics (BPS), it shows that in 2022, the poverty rate in East-Java Province will be 10.49%. The Indonesian government continues to prioritize poverty reduction and will continue to do so through the National Medium Term Development Plan (RPJMN) until 2024. The purpose of this study is the development of a model of the factors that have an impact on poverty. The problem of poverty alleviation in Indonesia is treated not only by analyzing the factors that cause poverty, but also by looking at the location aspect. Based on this, the regression model used in the present study is a spatial model. This study compares three models including Spatial Autoregressive (SAR), Spatial Error Model (SEM) and Spatial Autoregressive Moving Average (SARMA). Based on the results obtained, the factors affect poverty in East Java Province in 2021 are life expectancy (AHH) and school expectancy (HLS) with the model obtained Spatial Autoregressive Moving Average (SARMA).
References
Adawiyah, S. El. (2020). Kemiskinan Dan Fakor-Faktor Penyebabnya. Khidmat Sosial: Journal of Social Work and Social Service, 1(April), 43–50.
Akolo, I. R. (2022). Perbandingan Matriks Pembobot Rook dan Queen Contiguity Dalam Analisis Spatial Autoregressive Model (Sar) Dan Spatial Error Model (Sem). Jambura Journal of Probability and Statistics, 3(1), 11–18. https://doi.org/10.34312/jjps.v3i1.13582
Anselin, L. (1988). Spatial Econometrics : Methods and Models. Kluwer Academic Publishers.
(BPS), B. P. S. (2022). Perkembangan Pembangunan Provinsi Jawa Timur. https://jatim.bps.go.id
Dewi P, K. K. S., Susilowati, M., & Sumarjaya, I. W. (2017). Metode Spatial Autoregressive dalam Memodelkan Masyarakat Yang Berperilaku Mck Di Sungai. E-Jurnal Matematika, 6(4), 233–240. https://doi.org/10.24843/mtk.2017.v06.i04.p171
Lee, J., & Wong, D. W. S. (2005). Statistical Analysis with Arcview Gis. John Wiley & Sons.
Lispani, N. M. L., Sumarjaya, I. W., & Sukarsa, I. K. G. (2018). Pemodelan Jumlah Tindak Kriminalitas Di Provinsi Jawa Timur Dengan Analisis Regresi Spatial Autoregressive and Moving Average. E-Jurnal Matematika, 7(4), 346. https://doi.org/10.24843/mtk.2018.v07.i04.p224
Murdiyana, M., & Mulyana, M. (2017). Analisis Kebijakan Pengentasan Kemiskinan Di Indonesia. Jurnal Politik Pemerintahan Dharma Praja, 10(1), 73–96. https://doi.org/10.33701/jppdp.v10i1.384
Pramesti, W., Fitriani, F., & Nirmala, K. L. (2022). Spatial Autoregresive Moving Average Pada Pemodelan Persentase Penduduk Miskin Kabupaten/Kota Di Provinsi Jawa Timur Tahun 2020. J Statistika: Jurnal Ilmiah Teori Dan Aplikasi Statistika, 15(1), 158–166. https://doi.org/10.36456/jstat.vol15.no1.a5838
Rizki, M. I., & Taqiyyuddin, T. A. (2021). Pemodelan Regresi Spatial Autoregressive Fixed Effect Model Data Panel Pada Tingkat Kemiskinan Di Provinsi Jawa Barat. J Statistika: Jurnal Ilmiah Teori Dan Aplikasi Statistika, 14(1), 44–51. https://doi.org/10.36456/jstat.vol14.no1.a3816
Rosanti, I. W., & Budiantara, I. N. (2020). Pemodelan Faktor-Faktor Yang Mempengaruhi Morbiditas Di Jawa Tengah Menggunakan Regresi Nonparametrik Spline Truncated. Inferensi, 3(September), 107–114.
Sari, D. N. E., Hayati, M. N., & Wahuyningsih, S. (2020). Model Spatial Autoregressive Moving Average (SARMA) pada Data Jumlah Kejadian Demam Berdarah Dengue (DBD) di Provinsi Kalimantan Timur dan Tengah Tahun 2016. Jurnal EKSPONENSIAL, 11(1), 57–64.
Sihombing, A. O. (2022). Analisis spasial Kemiskinan Di Sumatera Utara. Journal of Analytical Research, Statistics and Computation, 1(1), 64–77. https://www.jarsic.org/main/article/view/6/3
Sulistyawan, E., & Mustika, R. (2019). Spasial Error Model untuk Balita Gizi Buruk DI di Provinsi Jawa Timur Tahun 2016. Jurnal Riset Dan Aplikasi Matematika (JRAM), 3(1), 57. https://doi.org/10.26740/jram.v3n1.p57-63
To’oki, A. S., Tope, P., & Thaha, K. (2022). Pengaruh Rata-rata Lama Sekolah Dan Harapan Lama Sekolah Terhadap Kemiskinan Di Provinsi Sulawesi Tengah Tahun 2015-2019. Ideal, 15(1), 12–19.
Yulianto, S., & Ayuwida, C. A. (2021). Model tingkat kemiskinan Provinsi Jawa Timur dengan analisis regresi spasial. Seminar Nasional Matematika Dan Pendidikan Matematika (6 Th SENATIK), 6, 121–127.
Yulianto, S., & Romandilla, G. E. (2022). Pemodelan Regresi Data Panel pada Data Kemiskinan di Provinsi Jawa Timur. Seminar Nasional Matematika Dan Pendidikan Matematika (7th SENATIK), 7(November 2022), 29–36.
