Pemodelan Geographically Weighted Panel Regression untuk Data Kemiskinan di Provinsi Jawa Barat

Abstract

Abstract. Regression analysis aims to understand the impact of one dependent variable on one or more independent variables. The panel regression model combines time series and cross-sectional data. For parameter estimation in the Fixed Effect Model, the least squares method with dummy variables, or Ordinary Least Squares Dummy Variables (LSDV), is used. The Random Effect Model employs the Generalized Least Squares method or the Weighted Least Squares method. However, due to differences in characteristics or phenomena between various locations or regions, known as spatial heterogeneity, conditions may vary. To address spatial heterogeneity, Geographically Weighted Panel Regression is utilized, allowing for the modeling of each research area over time. This study used factors such as households with access to decent drinking water, expected years of schooling, and open unemployment, with the Fixed Effect Model being the chosen approach. The goal was to develop a Geographically Weighted Panel Regression model based on the selected Fixed Effect Model. The optimal model, with a minimum cross-validation value of 45704.40 and a minimum Akaike Information Criterion value of 1135.954, was found using the Bisquare Kernel function. The significance tests indicated that the factors influencing poverty rates in the districts and cities of West Java vary by location due to spatial differences.

Abstrak. Analisis regresi bertujuan untuk melihat pengaruh satu variabel terikat dengan satu atau lebih variabel bebas. Model regresi data panel adalah salah satu model regresi yang berisikan data gabungan time series dan cross section.Metode estimasi parameter untuk Fixed Effect Model adalah metode kuadrat terkecil dengan Dummy variables atau Ordinary Least Square Dummy variables (LSDV). Untuk model acak Random Effect Model menggunakan metodeGeneralized Least Squares atau metode Weighted Least Squares. Namun, pada kenyataannya, kondisinya mungkin berbeda dari satu lokasi ke lokasi lainnya karena perbedaan dalam karakteristik atau fenomena antara berbagai lokasi atau wilayah dalam suatu ruang geografis, hal ini disebut dengan heterogenitas spasial. Pada Geographically Weighted Panel Regressiondigunakan untuk menangkap heterogenitas spasial di seluruh wilayah atau titik dalam analisis data spasial, serta dapat memodelkan masing-masing wilayah penelitian sepanjang periode waktu tertentu. Berdasarkan hasil penelitian model estimasi regresi data panel menggunakan faktor-faktor yang digunakan dalam penelitian ini, yaitu rumah tangga yang memiliki akses terhadap sumber air minum layak, harapan lama sekolah, dan pengangguran terbuka dengan model yang terpilih yaitu Fixed Effect Model. Tujuan penelitian ini adalah untuk menghasilkan model Geographically Weighted Panel Regression menggunakan model yang terpilih yaitu fixed effect model. Berdasarkan perhitungan nilai  cross validationpaling minimum sebesar 45704.40 dan nilai Akaike Information Criterion paling minimum sebesar 1135.954 terdapat pada model GWPR dengan menggunakan fungsi pembobot Bisquare Kernel.  Pada uji signifikansi parameter diperoleh hasil bahwa model untuk setiap lokasi dan faktor-faktor yang memengaruhi persentase penduduk miskin di kabupaten/kota Jawa Barat berbeda-beda untuk setiap lokasinya karena adanya variasi spasial.