Estimasi Model Geographically Weighted Panel Nonparametric Regression dengan Estimator Spline untuk Menganalisis Indeks Pembangunan Manusia Di Sulawesi Selatan

Latar Belakang. Pendekatan pemodelan regresi geografis telah berkembang pesat dalam menangani variasi spasial pada analisis data. Model Geographically Weighted Regression (GWR) dan Geographically Weighted Panel Regression (GWPR) banyak digunakan untuk mengakomodasi heterogenitas spasial, namun masih memiliki keterbatasan dalam menangkap hubungan nonlinier antar variabel. Oleh karena itu, penelitian ini mengusulkan pendekatan Geographically Weighted Panel Nonparametric. Tujuan. Memperoleh estimasi parameter model Geographically Weighted Panel Regression (GWPR) dengan estimator spline untuk menganalisis Indeks Pembangunan Manusia (IPM) di Provinsi Sulawesi Selatan pada periode 2019-2023 dan Memperoleh faktor-faktor yang berpengaruh signifikan terhadap Indeks Pembangunan Manusia (IPM) di Sulawesi Selatan menggunakan model GWPR dengan estimator spline. Metode. Tahapan analisis meliputi statistik deskriptif, uji multikolinearitas menggunakan VIF, pemodelan regresi data panel melalui uji Chow dan uji Hausman, analisis pola hubungan menggunakan scatter plot, penentuan titik knot optimum berbasis GCV, pengujian heterogenitas spasial menggunakan Breusch–Pagan, pembentukan matriks bobot spasial dengan fixed Gaussian kernel, estimasi parameter GWPR spline, serta pengujian signifikansi parameter secara parsial berdasarkan nilai p-value. Hasil Model Geographically Weighted Panel Regression (GWPR) dengan estimator spline menghasilkan parameter yang berbeda pada setiap kabupaten/kota di Provinsi Sulawesi Selatan, yang mengindikasikan adanya heterogenitas spasial dan hubungan nonlinier antar variabel. Model terbaik diperoleh pada spline dengan dua titik knot berdasarkan nilai GCV minimum serta menggunakan pembobot fixed Gaussian kernel. Pengujian signifikansi parameter menunjukkan bahwa faktor-faktor yang memengaruhi Indeks Pembangunan Manusia (IPM) bervariasi antar wilayah. Kesimpulan model GWPR spline mampu memberikan pemodelan yang lebih fleksibel dan representatif dalam menganalisis IPM secara spasial dan temporal, sehingga dapat menjadi dasar dalam perumusan kebijakan pembangunan yang lebih tepat sasaran