Article Sidebar

Submitted
December 25, 2023
Accepted
January 22, 2024
Published
January 22, 2024
Download
PDF
Statistic
Read Counter : 112 Download : 411

Main Article Content

Abstract

Kemiskinan dipandang sebagai ketidakmampuan sisi ekonomi dalam memenuhi
kebutuhan dasar makanan dan non makanan yang diukur berdasarkan Garis
Kemiskinan. Kemiskinan suatu daerah sangat mungkin dipengaruhi oleh kemiskinan di
kabupaten/kota. Maka dari itu, diperlukan suatu pemodelan yaitu model regresi spasial.
Tujuan penelitian ini adalah untuk mengidentifikasi faktor-faktor yang berpengaruh
terhadap kemiskinan dengan memperhatikan efek spasial di Provinsi Bengkulu pada
tahun 2020. Pada analisis ini menggunakan bantuan software GeoDa, Archmap dan R
studio. Model regresi spasial yang digunakan dalam penelitian ini adalah Spatial
Autoregressive Model (SAR). Model SAR menunjukkan keterkaitan antara suatu
kabupaten/kota dengan kabupaten/kota yang berdekatan. Diperoleh nilai AIC sebesar
adalah 48.0022 dan nilai tersebut lebih kecil dari regresi klasik. Data yang digunakan
diperoleh dari Badan Pusat Statistika (BPS) Provinsi Bengkulu mengenai Persentase
Penduduk Miskin.

Keywords

Regresi Spasial Spatial Autoregressive Model (SAR) Kemiskinan Geoda ArcMap

Article Details

License

Copyright (c) 2024 Andini, Meli, Rhiva, Maimuna, Nurul

Creative Commons License

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

How to Cite
Andini, A., Handayani Catur Putri, M., Immaniah, R., Kamal, M., & Hidayati, N. (2024). ANALISIS REGRESI SPASIAL PADA PERSENTASE PENDUDUK MISKIN DI PROVINSI BENGKULU TAHUN 2020 DIKOMBINASIKAN DENGAN APLIKASI ARCMAP DAN GEODA. Diophantine Journal of Mathematics and Its Applications, 2(2). https://doi.org/10.33369/diophantine.v2i2.32045
Download Citation
Endnote/Zotero/Mendeley (RIS)
BibTeX

References

  1. Giovanni, R., “Analisis Pengaruh PDRB, Pengangguran dan Pendidikan Terhadap Tingkat Kemiskinan di Pulau Jawa
  2. Tahun 2009-2016”, Economics Development Analysis Journal, 2018.
  3. Karim, A., & Lestari, S.W.,. "Model Regresi Spasial dalam Menganalisis Hubungan Pertumbuhan Ekonomi, Indeks
  4. Pembangunan Manusia dan Pengangguran terhadap Kemiskinan Provinsi Papua", Seminar Nasional Edusainstek,
  5. FMIPA Unimus. Semarang. Semarang 2019.
  6. Rosa, M., “Pemodelan Indeks Pembangunan Manusia Menggunakan Analisis Regresi Spasial di Provinsi Jawa
  7. Timur”, Jurnal Matematika UNAND, vol. 9, no. 4, pp. 347-356, 2020.
  8. Novitasari, D., & Khikmah, L., “Penerapan Model Regresi Spasial pada Indeks Pembangunan Manusia (IPM) di Jawa
  9. Tengah”. Statistika, vol. 19, no. 2, pp. 123-134, 2019.
  10. Awaluddin, N., Geopraphical Information System with ArcGis 9.x. Yogakarta: Andi, 2010.
  11. Edy, H., & Vickey, I. R. T., Aplikasi Sistem Informasi Geografis Dalam Pemetaan Batas Administrasi,
  12. Tanah,Penggunaan lahan, Lereng di Yogyakarta menggunakan Software Arcview Gis, 2007.
  13. Anselin, L., Syabri, I., & Kho, Y., “GeoDa: An Introduction to Spatial Data Analysis”, Geographical Analysis, vol. 38, pp.
  14. –22, 2006.
  15. Anselin, L., GeoDaTM 0.9 User’s Guide. Urbana-Champaign: Spatial Analysis Laboratory, 2003.
  16. Setiawati. (2021). Analisis Pengaruh Kebijakan Deviden Terhadap Nilai Perusahaan Pada Perusahaan Farmasi di
  17. Bei. Jurnal Inovasi Penelitian, 1, (8), 1581-1990.
  18. Arifin, A. T. (2015). Pemodelan Laju Pertumbuhan Ekonomi di Provinsi Jawa Timur Berdasarkan Pendekatan Regresi
  19. Spasial Lag, (45)
  20. Pratiwi, L. P. S., Hanief, S., & Suniantara, I. K. P. (2018). Pemodelan Menggunakan Metode Spasial Durbin Model Untuk
  21. Data Angka Putus Sekolah Usia Pendidikan Dasar.
  22. LeSage, J.P. (1998). Spatial Econometrics. Department of Economics University of Toledo.
  23. Anselin. L., Spatial Econometrics: Methods Models. Dordrecht: Kluwer Academic Publishers, 1998.