Pemodelan Semiparametric Geographically Weighted Regression pada Kasus Jumlah Penduduk Miskin di Provinsi Papua Menggunakan Linear Model Coregionalization = Semiparametric Geographically Weighted Regression Modeling in the Case of the Number of Poor Population in Papua Province Using Linear Model Coregionalization

Semiparametric geographically weighted regression (SGWR) merupakan model regresi yang memuat dua jenis variabel yaitu varabel global dan lokal. Pengelompokan variabel pada penelitian ini memanfaatkan nilai partial sill (psill) yang diperoleh dari output linear model coregionalization (LMC) hasil kombinasi tiga fungsi variogram. Penelitian ini bertujuan untuk mengidentifikasi variabel yang mempengaruhi kemiskinan di Provinsi Papua tahun 2020, diantaranya yaitu angka melek huruf (AMH), angka harapan hidup (AHH), angka partisipasi sekolah (APS), realisasi APBD, jumlah penduduk, pendapatan perkapita, rasio ketergantungan dan tingkat partisipasi angkatan kerja (TPAK). Berdasarkan nilai psill, variabel AMH, realisasi APBD, jumlah penduduk, pendpaatan perkapita, dan TPAK sebagai variabel global sedangkan variabel AHH, APS dan rasio ketergantungan dikelompokkan sebagai variabel lokal. Kelima variabel global memberikan pengaruh signifikan terhadap jumlah penduduk miskin sedangkan dari ketiga variabel lokal hanya rasio ketergantungan yang memberi pengaruh signifikan di tiap lokasi dan lainnya tidak signifikan di lokasi tertentu. Hasil analisis menunjukkan bahwa model SGWR1 dengan variabel lokalnya memiliki proporsi psill non-nugget di atas 80% lebih sesuai dengan data yang dimiliki dibandingkan model SGWR2 yang mengikutsertakan variabel dengan proporsi 70% sampai 80%. Hal tersebut ditunjukkan oleh nilai AICc model SGWR1 sebesar 76.504 sedangkan model SGWR2 sebesar 81.588.

Keywords : Kemiskinan, LMC, Regresi Spasial, SGWR, Variogram