Pemetaan Kemiskinan Melalui Pendekatan Geographically Weighted Lasso

Abstract

Penelitian ini bertujuan menganalisis kemiskinan menurut variasi wilayah dengan pendekatan spasial melalui penerapan metode Geographically Weighted Lasso (GWL). Studi kasus yang diambil adalah Sumatera Utara, salah satu provinsi dengan tingkat kemiskinan tertinggi di Indonesia. Data penelitian bersifat sekunder yang berasal dari publikasi dan laman BPS. Hasil penelitian menunjukkan metode GWL mampu mengatasi multikolinieritas lokal dan heterogenitas data spasial. Sebesar 85,93 persen kemiskinan di Sumatera Utara dapat dijelaskan oleh seluruh variabel prediktor. Variabel yang signifikan adalah persentase rumah tangga dengan luas lantai kurang dari 8 m2, tingkat setengah pengangguran, dan persentase pekerja informal. Pemodelan kemiskinan dengan metode GWL mampu meningkatkan ketepatan estimasi parameter sehingga program pengentasan kemiskinan di Sumatera Utara akan lebih efektif jika disesuaikan dengan karateristikmasing-masing daerah.

Implementation of Geographically Weighted Lasso (Gwl) in Analyzing Rice Production Factors in Indonesia

“…GWR modeling can overcome the problem of heterogeneity by exploring spatial diversity (Fotheringham et al, 2002) (Bangun & Meimela, 2020). In addition, according to Wheeler (2009) that there are problems that usually arise in GWR, namely local collinearity (local multicollinearity) in the estimated coefficients, which can increase the variance of the estimated regression coefficients, to overcome this Wheeler (2009) proposed the GWL method which is a development of GWR by applying the lasso technique in its estimation so that the estimated results obtained become more stable.…”