Main Article Content

Abstract

Rata-rata pengeluaran rumah tangga per kapita sebagai salah satu indikator utama pengukuran kemiskinan
sering dimodelkan sebagai fungsi regresi secara global. Artinya nilai koefisien regresi yang sama diaplikasikan
pada seluruh lokasi geografis. Padahal asumsi ini tidak selalu valid karena perbedaan lokasi sangat mungkin
menghasilkan prediksi model yang berbeda. Geographically Weighted Regression (GWR) sebagai suatu metode
regresi lokal diusulkan untuk mengatasi data yang tidak stationer (non-stationarity) tersebut. Karena model ini
memperhitungkan geografis atau lokasi sebagai penimbang dalam memprediksi parameter modelnya. Dengan
menggabungkan data sensus dan survei dalam membangun model rata-rata pengeluaran rumah tangga per
kapita, diharapkan dapat digunakan untuk memprediksi ukuran kemiskinan sampai tingkat administrasi terkecil
(desa). Namun demikian tidak seperti regresi global yang dapat digunakan untuk memprediksi di setiap lokasi,
model GWR tidak dapat digunakan untuk memprediksi di luar lokasi sampel penelitian, kecuali dengan
memprediksi koefisien regresi di lokasi tersebut. Untuk mengatasi masalah ini maka dalam makalah ini
diusulkan penggunaan prediktor Kriging. Prediksi rata-rata pengeluaran rumah tangga per kapita berdasarkan
pendekatan GWR-Kriging ini yang akan digunakan untuk mengklasifikasikan suatu desa tertinggal atau tidak
tertinggal di seluruh Jawa Tengah, setelah dibandingkan dengan garis kemiskinan yang telah didefinsikan oleh
Badan Pusat Statistik (BPS).

Kata Kunci: geographically weighted regression, prediksi wilayah kecil, prediktor kriging, desa tertinggal

Article Details