Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Statistika dan Aplikasinya
Annisa Intan Setyani
Program Studi Diploma IV, Jurusan Statistika Sosial dan Kependudukan, Politeknik Statistika STIS, Jakarta
Agriculture, Biological Sciences & Forestry Computer Science & IT Economics, Econometrics & Finance Social Sciences Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Aplikasi Metode Geographically Weighted Regression Determinan Kemiskinan Multidimensi Kabupaten/kota di Kawasan Timur Indonesia Annisa Intan Setyani; Sugiarto
Jurnal Statistika dan Aplikasinya Vol 5 No 2 (2021): Jurnal Statistika dan Aplikasinya
Publisher : Program Studi Statistika FMIPA UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/JSA.05201

Abstract

Masih terjadi ketidakmerataan kemiskinan antar wilayah di Indonesia dimana sebagian besar provinsi di Kawasan Timur Indonesia (KTI) memiliki nilai Angka Kemiskinan Multidimensi (AKM) yang lebih tinggi daripada Kawasan Barat Indonesia (KBI) dan angka nasional. Beberapa provinsi di KTI bahkan memiliki angka kemiskinan multidimensi dengan perbedaan nilai yang cukup jauh dibandingkan angka kemiskinan moneter wilayah tersebut. Wilayah KTI yang memiliki nilai AKM tinggi cenderung mengelompok secara geografis. Penelitian ini bertujuan untuk menganalisis variabel-variabel yang berpengaruh pada AKM kabupaten/kota di KTI dengan mempertimbangkan pengaruh spasial. Analisis yang digunakan dalam penelitian ini yaitu analisis inferensia dengan Geographically Weighted Regression (GWR). Hasil penelitian menunjukkan bahwa terdapat efek dan heteregenitas spasial pada pemodelan kemiskinan multidimensi di KTI. Rasio ketergantungan, IPM, rasio rumah sakit terhadap penduduk, persentase desa dengan dengan permukaan jalan mayoritas aspal, dan persentase desa tanpa sinyal internet memiliki pengaruh signifikan terhadap AKM yang berbeda-beda untuk setiap kabupaten/kota di KTI. Pemodelan menggunakan GWR menunjukkan hasil yang lebih baik daripada model regresi global.
Co-Authors Sugiarto