PEMODELAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION MENGGUNAKAN METODE MM-ESTIMATOR PADA DATA KEMISKINAN DI PROVINSI SULAWESI SELATAN = Mixed Geographically Weighted Regression Modeling Using the MM-Estimator Method on Data of Poverty in South Sulawesi Province

ABSTRAK Amalia Mentari Djalumang. Pemodelan Mixed Geographically Weighted Regression Menggunakan Metode MM-Estimator Pada Data Kemiskinan di Provinsi Sulawesi Selatan (dibimbing oleh Drs. Raupong, M.Si dan Siswanto, S.Si., M.Si). Latar Belakang. Model Mixed geographically weighted regression (MGWR) adalah gabungan dari model regresi linear global dengan model GWR, sehingga parameter model yang diperoleh bersifat lokal dan sebagian nya bersifat global. Dalam menganalisis data dengan model MGWR, terkadang ditemukan adanya pencilan yang dapat berpengaruh besar terhadap koefisien regresi sehingga estimasi parameter dapat menjadi bias. Oleh karena itu, untuk mengatasi hal tersebut diperlukan sebuah metode yang lebih robust (kekar) terhadap adanya pencilan. Tujuan. Penelitian ini bertujuan untuk memperoleh estimasi parameter model MGWR menggunakan metode MM-estimator dan faktor-faktor yang berpengaruh secara signifikan pada persentase penduduk miskin di Provinsi Sulawesi Selatan. Metode. Penelitian ini menggunakan metode MGWR dengan MM-estimator. Hasil. Variabel yang berpengaruh signifikan secara global adalah indeks kedalaman kemiskinan (X_7) terhadap persentase penduduk miskin di Provinsi Sulawesi Selatan tahun 2023. Dan variabel yang berpengaruh signifikan secara lokal adalah persentase penduduk (X_1), tingkat pengangguran terbuka (X_2), dan harapan lama sekolah (X_4) terhadap persentase penduduk miskin di Provinsi Sulawesi Selatan tahun 2023. Kesimpulan. Berdasarkan dengan hasil yang telah diperoleh, dapat disimpulkan bahwa beberapa wilayah yang berdekatan memiliki faktor-faktor yang sama dalam mempengaruhi persentase penduduk miskin di Provinsi Sulawesi Selatan pada tahun 2023.