PEMODELAN INDEKS PEMBANGUNAN MANUSIA DI INDONESIA DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION

Abstract

The human development index (HDI) is an important indicator to measure success in efforts to build the quality of human life. The growth of Indonesia's HDI varies from region to region because it is influenced by spatial effects. One of the methods used in cases of spatial heterogeneity and spatial autocorrelation is geographically weighted regression (GWR). The purpose of this study is to model HDI data using GWR. The results of the study concluded that by using the Gaussian Kernel weighting function, the GWR model was obtained which was better in determining the factors that affect HDI, with AIC values of 94,567 and R2 of 96,19%. The existence of geographic factors affects the HDI resulting in 34 GWR models or 5 combinations of significant GWR models, with factors affecting the HDI namely the percentage of the poor (X1), the open unemployment rate (X2), and the average length of schooling (X3).
Keywords: HDI, Spatial Regression, GWR
ABSTRAK
Indeks pembangunan manusia (IPM) merupakan indikator penting untuk mengukur keberhasilan dalam upaya membangun kualitas hidup manusia. Pertumbuhan IPM Indonesia antar wilayah satu dengan wilayah lainnya berbeda karena dipengaruhi adanya efek spasial. Salah satu metode yang digunakan pada kasus heterogenitas spasial dan autokorelasi spasial yaitu geographically weighted regression (GWR). Tujuan dari penelitian ini adalah memodelkan data IPM menggunakan GWR. Hasil penelitian menyimpulkan dengan menggunakan fungsi pembobot Kernel Gaussian diperoleh model GWR yang lebih baik dalam menentukkan faktor-faktor yang mempengaruhi IPM, dengan nilai AIC sebesar 94,567 dan R2 sebesar 96,19%. Adanya faktor geografi mempengaruhi IPM sehingga menghasilkan 34 model GWR atau 5 kombinasi model GWR yang signifikan, dengan faktor yang mempengaruhi IPM yaitu persentase penduduk miskin (X1), tingkat pengangguran terbuka (X2), dan rata-rata lama sekolah (X3).
Kata Kunci: IPM, Regresi Spasial, GWR.