<![CDATA[Abstrak. Analisis regresi logistik digunakan untuk menentukan hubungan antara peubah respon bersifat kategori dengan satu atau lebih peubah penjelas dengan asumsi bahwa respon tidak dipengaruhi oleh lokasi geografis (data spasial). Salah satu metode analisis spasial adalah Model Regresi Logistik Terboboti Geografis (RLTG). Model RLTG adalah bentuk regresi logistik lokal di mana lokasi geografis diperhatikan dan diasumsikan memiliki distribusi Bernoulli. Pendugaan parameter model RLTG menggunakan metode Maximum Likelihood Estimation (MLE) dengan memberikan bobot yang berbeda pada lokasi yang berbeda. Data dalam penelitian ini diperoleh dari publikasi Badan Pusat Statistik, yaitu data dan Informasi Kemiskinan di Provinsi Sulawesi Selatan. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi status kemiskinan di Provinsi Sulawesi Selatan dengan menggunakan model regresi logistik terboboti geografis dengan fungsi pembobot Kernel bisquare. Hasil penelitian menunjukkan bahwa peubah penjelas yang mempengaruhi status kemiskinan di Provinsi Sulawesi Selatan adalah persentase penduduk tidak bekerja dan persentase rumah tangga pengguna jamban bersama.Abstract. Logistic regression a analysis is used to determine the relationship between categorical response variables with one or more predictor variable assuming that the response is not influenced by geographical location (spatial data). One method of spatial analysis is Geographically Weighted Logistic Regression (GWLR). The GWLR model is a local form of logistic regression where the geographical location is considered and assumed to have a Bernoulli distribution. Estimating parameters of the RLTG model uses the Maximum Likelihood Estimation (MLE) method by giving different weights to different locations. The data were obtained from BPS publications, namely Data and Information on Poverty in South Sulawesi Province. This study aims to determine the factors that influence poverty status in South Sulawesi Province using a geographically weighted logistic regression model with kernel bisquare weighting function. The results showed that the explanatory variables that influence the status of poverty in the province of South Sulawesi were the percentage of the population not working and the percentage of common household toilet users.Keywords: logistic regression, kernel bisquare, GWLR and poverty.]]>
