PEMODELAN PERSENTASE PENDUDUK MISKIN DI INDONESIA MENGGUNAKAN METODE GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION (STUDI KASUS: PERSENTASE PENDUDUK MISKIN DI INDONESIA TAHUN 2020-2022)

Abstrak

Kemiskinan menjadi salah satu masalah yang terus dibenahi oleh negara-negara yang sedang berkembang, salah satunya Indonesia. Pada periode per Maret 2023, persentase penduduk miskin di Indonesia sebesar 9,36%. Angka tersebut cukup jauh dari target pemerintah untuk kemiskinan ekstrem tahun 2024 sebesar 0% - 1% yang tertuang dalam RUU APBN 2024, sedangkan persentase penduduk miskin pada Maret 2023 terhadap Maret 2022 hanya turun sebesar 0,18%. Oleh karena itu, perlu dilakukan pemodelan persentase penduduk miskin serta menganalisis variabel yang berpengaruh pada kemiskinan di Indonesia sebagai salah satu acuan bagi pemerintah untuk mengambil tindakan dalam mewujudkan target kemiskinan ekstrem pada tahun 2024. Metode regresi linear berganda dapat digunakan untuk menganalisis variabel yang berkontribusi pada kemiskinan di Indonesia. Akan tetapi, metode tersebut tidak mempertimbangkan keragaman spasial. Selain komponen spasial, komponen temporal juga dapat memicu keragaman. Metode GWTR (Geographically and Temporally Weighted Regression) dapat mengakomodasi keragaman spasial-temporal tersebut. Berdasarkan analisis GTWR, pemodelan GTWR menggunakan fungsi adaptive kernel bisquare menghasilkan pemodelan yang lebih baik daripada pemodelan regresi linear berganda dengan nilai adjusted R^2 sebesar 0.5887, AIC sebesar 534.4663, dan RMSE sebesar 3.3878. Selain itu, diperoleh variabel yang berkontribusi pada persentase penduduk miskin di Indonesia tahun 2020-2022 secara umum yaitu Kepadatan Penduduk, Persentase Angka Melek Huruf Penduduk Umur 15 Tahun Ke Atas, dan Produk Domestik Regional Bruto Atas Dasar Harga Konstan.