Analisis Regresi Spasial Durbin Untuk Menganalisis Faktor-Faktor Yang Berhubungan Dengan Persentase Penduduk Miskin (original) (raw)
Related papers
2020
Indonesia as a country rich in natural resources has not been able to make it as a country that is free from poverty. The percentage of poor people in Indonesia is still high, is still less efficient, the government's policy in alleviating poverty. This can be seen from the increase in the human development index, gross domestic product and the number of health facilities that are not counted by reducing the percentage of the poor population. The purpose of this study is to describe the percentage of poor people in Indonesia and to analyze the factors that influence the percentage of poor people in Indonesia. This study uses panel data regression analysis using the Random Effect Model (REM) method. The results showed the regional gross domestic product and the level of openness significantly open to the percentage of Indonesia's poor population. While the human development index and the amount of health development are not significant to the percentage of poor people in Indo...
Penerapan Analisis Statistik Spasial Terhadap Pekerja Miskin Indonesia 2015
Prosiding Seminar Nasional Matematika dan Statistika, 2019
Statistika sebagai alat dasar untuk menganalisis suatu permasalahan memiliki peran khusus dalam menganalisis. Dalam kondisi tertentu, alat analisis yang leih spesifik dibutuhkan untuk menganalisis suatu permasalahan, salah satunya adalah analisis statistik spasial. Salah satu penerapan analisis staistik spasial adalah pada data pekerja miskin Indonesia tahun 2015. Persoalan kemiskinan tidak hanya dilihat dari sisi pengeluaran penduduk, akan tetapi juga perlu dilihat dari sisi pendapatan penduduk. Dengan bekerja, penduduk akan memperoleh pendapatan yang digunakan untuk memenuhi kebutuhan. Pada kenyataannya, pendapatan yang diperoleh penduduk bisa jadi tidak mencukupi kebutuhannya. Fenomena ini disebut pekerja miskin. Penelitian ini mengindikasikan adanya efek spasial pada pekerja miskin, yang ditunjukkan melalui autokorelasi spasial yang signifikan. Hal tersebut mengindikasikan adanya efek ketergantungan antarwilayah. Karakteristik provinsi di Indonesia yang beragam menimbulkan adanya heterogenitas spasial pada model pekerja miskin di Indonesia. Untuk mengakomodir masalah autokorelasi dan heterogenitas spasial pada regresi data counts, metode Geographical Weighted Poisson Regression (GWPR) menjadi lebih tepat. Penelitian ini membuktikan bahwa penduduk bekerja berpendidikan SMA ke bawah, IPM, PAD, dan penduduk bekerja perempuan signifikan terhadap jumlah pekerja miskin untuk setiap provinsi, sedangkan variabel penduduk bekerja di sector pertanian tidak signifikan di provinsi Kepulauan Riau, Kalimantan Barat, dan Kalimantan Utara. Secara umum, perbandingan nilai AIC, deviance, dan percent deviance explained menunjukan bahwa model GWPR lebih baik daripada model regresi poisson.
Analisis Faktor Untuk Menganalisis Variabel Penduduk Miskin
MAp (Mathematics and Applications) Journal, 2020
Data kemiskinan Indonesia umumnya menggunakan pengukuran basic needs approach. Berdasarkan data Survei Sosial Ekonomi Nasional (SUSENAS) yang dilakukan oleh Badan Pusat Statistik (BPS) setiap tahun, BPS membagi kriteria kesejahteraan masyarakat menjadi tiga kelompok berdasarkan kelompok pengeluaran, yaitu 40% kebawah, 40% tengah dan 20% keatas. Kelompok pengeluaran 40% kebawah bisa dikatakan sebagai penduduk miskin. Kelompok inilah yang akan diamati dan dilakukan analisis. Data BPS 10 tahun terakhir menyebutkan bahwa kemiskinan Provinsi Lampung terus mengalami penurunan setiap tahunnya dari tahun 2008 sebesar 22,19% sampai tahun 2018 menjadi 13,14%. Analisis faktor merupakan salah satu teknik untuk mengombinasikan variabel dengan tujuan menciptakan kelompok variabel baru. Analisis faktor sendiri dibagi menjadi dua, yaitu analisis faktor eksploratori dan konfirmatori. Informasi yang diperoleh dari data SUSENAS 2018 akan digunakan dalam analisis dan harapannya variabel baru yang didapatkan dengan analisis faktor eksploratori bisa menyederhanakan variabel yang selama ini digunakan oleh BPS. Berdasarkan hasil analisis faktor eksploratori yang telah dilakukan dapat disimpulkan bahwa faktor baru yaitu faktor kebutuhan tambahan dan faktor kebutuhan utama yang terbentuk dari 5 variabel awal bisa digunakan untuk menggambarkan kondisi kelompok masyarakat dengan kelompok pengeluaran 40% kebawah. Faktor kebutuhan tambahan terdiri dari status kepemilikan rumah sendiri, memakai BPJS dan bisa baca tulis. Sedangkan faktor kebutuhan utama terdiri dari sumber air bersih yang digunakan dan pengeluaran untuk makan.
Analisis Pola Spasial dan Sebaran Penduduk Miskin di Kabupaten Mandailing Natal
TATALOKA
Kemiskinan di Kabupaten Mandailing Natal merupakan masalah yang sangat krusial di Daerah Tapanuli Selatan (TABGSEL) karena Kabupaten Mandailing Natal merupakan salah satu daerah yang memiliki angka kemiskinan yang tinggi dan merupakan salah satu penyumbang kemiskinan yang tinggi di Provinsi Sumatera Utara. Keberagaman dan keluasan karakteristik wilayah yang dapat menyebabkan permasalahan dan kondisi kemiskinan menjadi kompleks dan berbeda-beda, sehingga menarik untuk ditelaah secara spasial karena karakteristik sosial dan ekonomi masyarakat terkait dengan karakteristik spasial. Tujuan penelitian ini adalah untuk mengkaji sebaran penduduk miskin secara umum (Indeks Moran) dan pola spasialnya di 377 desa. Nilai data hasil penelitian sebesar 0,152434, menunjukkan adanya autokorelasi positif atau mengelompok antar desa. Autokorelasi tersebut menggambarkan bahwa desa-desa yang berdampingan memiliki karakteristik yang sama. Berdasarkan uji Lisa, 45 desa dengan kriteria tinggi-tinggi, 48 d...
Analisis Faktor-Faktor Penentu yang Mempengaruhi Jumlah Penduduk Miskin Regional di Indonesia
Unisia, 2011
This research investigate the socioeconomic variables influencing the regional poverty in indonesia. Using secondary data collected from the Central Bureau of Statistics, the independent variabels used in this reserach iare regional income perkapita, income disparity, regional human development index and life expectation ratio. This research uses a pooled data analysis, i.e. random effect regression. The result of this research shows us that Human Development Index (HDI) and life expectation ratio are statisticaily effect the level of regional poverty in indonesia.
Linear regression analysis is a technique used to connect between dependent and independent variables. Geographically Weighted Regression (GWR) is the local form of linear regression. GWR allows researchers to assess the spatial (geograhic) variations that may exist in the relationship between dependent and independent variables across all observation locations. Estimation of GWR model parameters using Weighted Least Square method is done by giving different weighting at every location. This study aims to model the percentage of poor population of Kutai Kartanegara Regency using GWR method with exponential kernel weighting function. The result obtained different GWR model every sub-district. Factors affecting the percentage of population in Tenggarong sub-district, Loa Kulu, Loa Janan, Anggana, Samboja, Tenggarong Seberang, and Marang Kayu are the percentage of elemntary school participation (x 1), percentage of open unemployment (x 2), and percentage of population using clean water (PDAM) (x 3). At sub-district of muara Muntai, Sebulu, Kota Bangun and Kenohan the percentage of poor population is affected by percentage of population using clean water (PDAM) (x 3). At sub-district of Muara Badak, Muara Kaman and Muara Wis the percentage of poor population is affected by the percentage of open unemployment (x 2), and percentage of population e using clean water (PDAM) (x 3). At sub-district of Kembang Janggut the percentage of poor population is affected by percentage of population using clean water (PDAM) (x 3), percentage of gross regional domestic product per capita (x 4), and percentage population of receiving the poor rice (x 5). At sub-district of Tabang the percentage of poor population is affected by percentage of elemntary school participation (x 1). At sub-district of Muara Jawa the percentage of poor population is affected by percentage of elemntary school participation (x 1), percentage of open unemployment (x 2), and percentage population of receiving the poor rice (x 5). At sub-district of Sangasanga the percentage of poor population is affected by the percentage of open unemployment (x 2), percentage of population using clean water (PDAM) (x 3), percentage of gross regional domestic product per capita (x 4), and percentage population of receiving the poor rice (x 5).
Pemodelan Persentase Penduduk Miskin di Jawa Timur dengan Pendekatan Ekonometrika Panel Spasial
2012
Kemiskinan merupakan salah satu permasalahan pembangunan yang timbul di negara berkembang, seperti Indonesia. Jumlah penduduk miskin di Indonesia berfluktuasi dari tahun ke tahun, termasuk di Provinsi Jawa Timur. Salah satu upaya yang dilakukan untuk mengatasi masalah ini adalah dengan menentukan faktor-faktor yang berpengaruh terhadap kemiskinan. Penelitian ini fokus pada pemodelan persentase penduduk miskin dengan pendekatan ekonometrika panel spasial sehingga diharapkan dapat menjelaskan efek spasial dan efek periode waktu terhadap persentase penduduk miskin pada masing-masing kabupaten/kota di Jawa Timur. Aspek kemiskinan yang diamati terbatas hanya terdiri dari tiga sektor yaitu pendidikam, ekonomi dan kesehatan. Model terbaik untuk persentase penduduk miskin adalah SEM Fixed Effect. Koefisien autoregresif spasial pada model persentase penduduk miskin yaitu sebesar 0,391980. Faktor yang paling elastis adalah tingkat penggangguran terbuka sebesar 0,627804%.
Tirtayasa Ekonomika, 2017
Poverty has become a problem that always happens in the district Banten Province. In the last 6 years, in 2010 to 2015 the population of the poor in this province decline and a significants increase of large. In year 2015 the number of poor in the province of Banten experienced a significant increase of large, although in 2014 had improved. In reducing the number of poor people cannot be separated from issues such as the number of unemployment, GDRP per capita and the level of education that is a very influential. This research aims to understand how big variable influence te number of unemployment, per capita gross, and the level of education on the number of poor people in the districts province of Banten year 2010-2015 who later expected to be material considerations in determining a poverty reduction policies in the districts Banten Province. The data used is taken from secondary data from the statistic Banten. This study using methods panel data with a fem model. The result of research showed that the variable the number of unemployment, and gdp per capita had a positive impact significant, a variable level of education have a negative influence significant impact on the number of poor people in the district Banten years of 2010 to 2015.
Jurnal Riset Akuntansi & Keuangan, 2019
Kemiskinan dipandang sebagai kondisi di mana seseorang atau sekelompok orang, laki-laki atau perempuan, tidak terpenuhi hak-hak dasar mereka memenuhi syarat untuk kehidupan yang bermartabat. Sudut pandang kemiskinan adalah pendekatan berbasis hak yang mengakui bahwa masyarakat miskin memiliki hak dasar yang sama dengan anggota masyarakat lainnya. Penelitian ini bertujuan untuk mengetahui Faktor Yang Mempengaruhi Jumlah Penduduk Miskin Sumatera Utara 2003- 2014. Variabel yang digunakan meliputi Pertumbuhan Ekonomi, Pendapatan Per Kapita, Inflasi dan Pengangguran. Metode yang digunakan adalah metode Ordinary Least Square (OLS), yang menggunakan beberapa metode regresi linear untuk mengelola data menggunakan SPSS 22.Hasil penelitian ini menunjukkan bahwa koefisien determinasi (R²) dari 0,698, yang berarti bahwa variabel independen, yaitu pertumbuhan ekonomi, pendapatan per kapita, inflasi, dan pengangguran mempengaruhi jumlah penduduk miskin di Provinsi Sumatera Utara.
Journal of Economics and Business
Tujuan dari penelitian adalah untuk memahami pengaruh pertumbuhan ekonomi, pengangguran dan upah minimum terhadap jumlah penduduk miskin di Indonesia tahun 2000-2020. Digunakan data sekunder dari publikasi Badan Pusat Statistik (BPS) dan menganalisis penelitian dengan metode analisis regresi linear berganda dengan menggunakan program IBM SPSS 26. Dari hasil penelitian ini dapat dilihat bahwa sebagian dari pertumbuhan ekonomi mempunyai dampak negatif namun tidak signifikan, pengangguran mempunyai dampak positif tetapi tidak signifikan terhadap jumlah penduduk miskin, dan upah minimum mempunyai dampak negatif dan signifikan terhadap jumlah penduduk miskin di Indonesia. Kesimpulan dari penelitian ini adalah pemerintah harus menyelenggarakan tindakan pengawasan dalam pelaksanaan peraturan yang berhubungan dengan upah minimum. Contohnya, pemerintah mengamati, turun tangan, dan menyelidiki apakah keputusan perundang-undangan pada ketenagakerjaan sudah diterapkan dengan baik atau tidak. Ji...