ANALISIS DETERMINAN KEMISKINAN DI PULAU JAWA DENGAN MODEL REGRESI SPASIAL

Suparna Parwodiwiyono

Abstract


Kemiskinan masih menjadi masalah serius di berbagai negara dan menjadi tujuan utama dari agenda Sustainable Development Goals (SDGs). Kemiskinan juga masih menjadi perhatian di Indonesia, termasuk di Pulau Jawa. Hanya saja tingkat kemiskinan di Pulau Jawa bervariasi antar kabupaten/kota. Strategi penanggulangan kemiskinan akan lebih efektif bila mempertimbangkan faktor geografis. Penelitian ini bertujuan untuk mendapatkan determinan kemiskinan pada tingkat kabupaten/kota di Pulau Jawa dengan menggunakan model regresi spasial. Data yang digunakan dalam penelitian ini berasal dari buku Data dan Informasi Kemiskinan tahun 2019 yang telah dipublikasikan oleh Badan Pusat Statistik. Tingkat kemiskinan kabupaten/kota tampak dipengaruhi oleh tingkat kemiskinan kabupaten/kota di sekitarnya atau terdapat ketergantungan spasial. Model Spatial Autoregressive Regression (SAR) lebih sesuai digunakan dalam menentukan determinan tingkat kemiskinan kabupaten/kota di Pulau Jawa. Sedangkan faktor non spasial yang mempengaruhi tingkat kemiskinan kabupaten/kota di Pulau Jawa adalah persentase penduduk miskin yang berpendidikan rendah (tamat SLTP ke bawah) dan persentase penduduk miskin yang bekerja di kegiatan informal. Tingginya persentase penduduk miskin yang tamat SLTP atau di bawahnya dan persentase penduduk miskin yang bekerja di kegiatan informal akan menyebabkan tingginya tingkat kemiskinan di suatu kabupaten/kota di Pulau Jawa. Oleh karena itu rekomendasi pada pemerintah kabupaten/kota yang tingkat kemiskinannya relatif tinggi bahwa peningkatan taraf pendidikan penduduk miskin diperlukan untuk mendukung penurunan persentase kemiskinan di suatu kabupaten/kota, paling tidak sampai tingkat SLTA. Selain itu peningkatan pekerjaan yang bersifat formal perlu didorong perkembangannya, hal ini mengingat kegiatan formal akan lebih terjamin kelayakan pekerjaannya.

Keywords


kemiskinan; regresi spasial; kegiatan informal

Full Text:

PDF

References


Anita. (2018). Pengertian SDGs (Sustainable Development Goals) dan 17 Tujuannya. Daftar Informasi Artikel Pengetahuan Umum Terlengkap. https://doi.org/10.1017/CBO9781107415324.004.

Arisanti, R. (2011). Model Regresi Spasial Untuk Deteksi Faktor Kemiskinan di Jawa Timur. Institut Pertanian Bogor. Bogor. Diunduh dari http://repository. ipb. ac.id/bitstream/handle/12, 3456789, 46782. [12 Agustus 2020].

Asselin, P.D., Gu, Y., Merchant-Borna, K., Abar, B., Wright, D.W., Qiu, X., & Bazarian, J.J. (2020). Spatial regression analysis of mr diffusion reveals subject-specific white matter changes associated with repetitive head impacts in Contact Sports. Scientific Reports, 10(1), 1–12. https://doi.org/10.1038/s41598-020-70604-y.

Bivand, R.S., Pebesma, E., & Gómez-Rubio, V. (2013). Applied Spatial Data Analysis with R: Second Edition. In Applied Spatial Data Analysis with R: Second Edition. https://doi.org/10.1007/978-1-4614-7618-4.

BPS (Badan Pusat Statistik). (2019). Data dan Informasi Kemiskinan Kabupaten/Kota 2019. Diunduh dari https://www.bps.go.id/publication/2019/12/10/665478edc012d93f7961518f/data-dan-informasi- kemiskinan-kabupaten-kota-tahun-2019.html. [10 Agustus 2020].

Dewi, A.L., Nooraeni, R., Saputri, A.A., Hirma, E.S., Pratama, F.R.A., & Mahendra, F.T. (2020). Analisis spasial angka morbiditas jawa tengah menurut kabupaten/kota Tahun 2017. Jurnal MSA (Matematika dan Statistika Serta Aplikasinya ), 8(1), 28. https://doi.org/10.24252/msa.v8i1.13749.

Higazi, S.F., Abdel-Hady, D.H., & Al-Oulfi, S.A. (2013). Application of spatial regression models to income poverty ratios in Middle Delta Contiguous Counties in Egypt. Pakistan Journal of Statistics and Operation Research, 9(1), 93–110. https://doi.org/10.18187/pjsor.v9i1.272.

Kulshreshtha, S. (2020). Identification of bio-components influencing wheat yields: application of spatial regression model. Agronomy & Agricultural Science, 3(1), 1–8. https://doi.org/10.24966/aas- 8292/100022

Mariana, M. (2013). Pendekatan regresi spasial dalam pemodelan tingkat pengangguran terbuka. Jurnal Matematika dan Pembelajaranya, 1(1), 42–63. https://doi.org/10.1097/01.CCM.0000259384.76515.83.

Marjouletta, D. (2019). Pemodelan Kemiskinan Menggunakan Refresi Panel Spasial Studi Kasus Kemiskinan Provinsi Jawa Tengah Tahun 2010-2017. Disertasi. Universitas Pendidikan Indonesia. Bandung.

Novitasari, D., & Khikmah, L. (2019). Penerapan model regresi spasial pada Indeks Pembangunan Manusia (IPM) di Jawa Tengah Tahun 2017. STATISTIKA Journal of Theoretical Statistics and Its Applications, 19(2), 123–134. https://doi.org/10.29313/jstat.v19i2.5068.

Pratiwi, L.P.S., Srinadi, I.G.A.M., & Susilawwati, M. (2013). Analisis kemiskinan dengan pendekatan model regresi spasial Durbin. Matematika, 2(3), 11–16.

Putra G.A., Tiro, M.A., & Aidid, M.K. (2019). Metode boostrap dan jackknife dalam mengestimasi parameter regresi linear ganda (Kasus: Data kemiskinan Kota Makassar Tahun 2017). VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 1(2), 32. https://doi.org/10.35580/variansiunm12895.

Sparks, C.S. (2018). Spatial Regression Modeling Example - TAMU RDC.

Takagi, D., & Shimada, T. (2019). A spatial regression analysis on the effect of neighborhood-level trust on cooperative behaviors: Comparison with a multilevel regression analysis. Frontiers in Psychology, 10(December), 1–10. https://doi.org/10.3389/fpsyg.2019.02799.




DOI: http://dx.doi.org/10.24895/SNG.2020.0-0.1124

Article Metrics

Abstract view : 0 times
PDF - 0 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Seminar Nasional Geomatika

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Prosiding Semnas Geomatika terindeks oleh:

 

Copyright of Badan Informasi Geospasial

Creative Commons License