PEMODELAN TINGKAT KEMISKINAN PULAU JAWA DENGAN METODE GEOGRAPHICALLY WEIGHTED LASSO
No Thumbnail Available
Date
2017-01-16
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Salah satu indikator keberhasilan pembangunan adalah ukuran pengentasan kemiskinan, sehingga penting untuk mengidentifikasi faktor-faktor yang mempengaruhi tingkat kemiskinan. Dalam menentukan tingkat kemiskinan suatu wilayah, analisis yang digunakan umumnya masih bersifat global. Dalam kenyataannya, kondisi kemiskinan antarwilayah sangat heterogen, dimana kemiskinan di suatu wilayah dipengaruhi oleh kondisi geografis wilayah tersebut, termasuk posisinya terhadap wilayah lain di sekitarnya.
Geographically Weighted Regression (GWR) merupakan suatu model regresi yang memperhatikan adanya efek heterogenitas spasial. Beberapa penelitian telah menunjukkan bahwa korelasi lokal di antara variabel penjelas dapat menyebabkan estimasi koefisien model GWR berkorelasi kuat, yang disebut dengan multikolinieritas. Hal ini mengakibatkan estimasi parameter memiliki standar error yang besar sehingga inferensia hubungan antarvariabel menjadi problematis.
Geographically Weighted Lasso (GWL) merupakan sebuah metode yang hadir untuk mengatasi multikolinieritas dan heterogenitas pada data spasial. GWL menerapkan teknik Least Absolute Shrinkage and Selection Operator (LASSO) ke dalam model GWR untuk memperoleh estimasi parameter. Dalam penelitian ini diperoleh bahwa model GWL mampu mengatasi multikolinieritas dengan menyusutkan nilai estimasi parameter variabel yang tidak signifikan sehingga diperoleh faktor-faktor yang mempengaruhi tingkat kemiskinan kabupaten/kota di Pulau Jawa. Nilai RMSE menunjukkan bahwa pada data dengan multikolinieritas, GWL mampu meningkatkan akurasi estimasi persentase penduduk miskin dibandingkan model GWR.
Description
Keywords
Pemodelan Kemiskinan, Analisis Spasial, Multikolinieritas