Model Geographically Weighted Panel Regression dengan Fixed Effect Model pada penyebaran kemiskinan di Jawa Tengah

INDONESIA:

Geographically Weighted Panel Regression (GWPR) merupakan pengembangan dari model regresi yang menggabungkan model Geographically Weighted Regression (GWR) dengan regresi data panel. Tujuan pada penelitian ini adalah untuk membentuk model regresi data panel dan model GWPR yang diterapkan pada penyebaran jumlah penduduk miskin di Jawa Tengah pada 35 kabupaten/kota dalam rentang tahun 2017-2019. Selanjutnya akan ditentukan model terbaik dalam menjelasakan penyebaran jumlah penduduk miskin di Jawa Tengah.

Model regresi data panel yang digunakan pada penelitian ini adalah Fixed Effect Model (FEM) dengan within estimator. Estimasi parameter pada model regresi data panel menggunakan metode Ordinary Least Square (OLS). Perbedaan karakteristik kabupaten/kota pada model regresi data panel digambarkan oleh nilai intersep. Model GWPR yang digunakan merupakan gabungan model GWR dengan model regresi data panel FEM. Pemilihan fungsi pembobot pada model GWPR berdasarkan nilai cross validation (CV) minimum antara fixed gaussian kernel dan fixed exponential kernel. Fungsi pembobot yang digunakan pada penelitian ini adalah fixed gaussian kernel dengan CV minimum 4066,3610.

Hasil yang didapat pada penelitian ini adalah model regresi data panel dan model GWPR yang terbentuk pada setiap kabupaten/kota di Jawa Tengah adalah berbeda. Perbedaan pada model regresi data panel terletak pada nilai intersep yang menunjukkan karakteristik setiap kabupaten/kota. Sedangkan perbedaan pada model GWPR karena adanya unsur spasial yaitu perbedaan letak geografis. Berdasarkan perbandingan nilai RSS, AIC, dan R^2 diperoleh model GWPR merupakan model terbaik dalam menjelaskan penyebaran jumlah penduduk miskin di Jawa Tengah pada tahun 2017-2019 dengan koefisien determinasi sebesar 76,90%.

ENGLISH:

Geographically Weighted Panel Regression (GWPR) is the development of a regression model that combines the Geographically Weighted Regression (GWR) model with panel data regression. The purpose of this study is to form a panel data regression model and a GWPR model that is applied to the distribution of the number of poor people in Central Java in 35 districts/cities in the 2017-2019 range. Furthermore, the best model will be determined in explaining the distribution of the number of poor people in Central Java.

The panel data regression model used in this study is Fixed Effect Model (FEM) with within estimator. Parameter estimation in the panel data regression model used the Ordinary Least Square (OLS) method. The difference in the characteristics of districts/cities in the panel data regression model is described by the intercept value. The GWPR model used is a combination of the GWR model with the FEM panel data regression model. The selection of the weighting function in the GWPR model is based on the minimum cross validation (CV) value between the fixed gaussian kernel and the fixed exponential kernel. The weighting function used in this study is a fixed gaussian kernel with a minimum CV of 4066,3610.

The results obtained in this study are panel data regression models and the GWPR model formed in each district/city in Central Java is different. The difference in the panel data regression model lies in the intercept value which shows the characteristics of each district/city. While the difference in the GWPR model is due to the spatial element, namely the difference in geographical location. Based on the comparison of RSS, AIC, and R^2values, the GWPR model is the best model in explaining the distribution of the number of poor people in Central Java in 2017-2019 with a coefficient of determination of 76.90%.

ARABIC:

انحدار اللوحة الموزونة جغرافيًا هو تطوير لنموذج الانحدار الذي يجمع بين نموذج الانحدار الموزون جغرافيًا مع لوحة انحدار البيانات. الغرض من هذه الدراسة هو تشكيل نموذج لوحة الانحدار للبيانات
الذي يتم تطبيقه على توزيع السكان في إنتشار الفقر في جاوى الوسطى، في 35 مقاطعة أو مدينة في نطاق 2017-2019. علاوة على ذلك سيتم تحديد أفضل نموذج في شرح توزيع لسكان GWPR ونموذج جاوى الوسطىف

ننموذج انحدار بيانات اللوحة المستخدم في هذه الدراسة هو نموذج التأثير الثابت (FEM) ضمن المقدر. استخدم تقدير المعلمة في نموذج انحدار بيانات اللوحة طريقة بطريقة المربعات الصغرى العادية (OLS). يتم وصف الاختلاف في خصائص المناطق أو المدن المدن في نموذج انحدار بيانات اللوحة بواسطة قيمة التقاطع. نموذج GWPR المستخدم هو مزيج من نموذج GWR مع نموذج انحدار بيانات لوحة FEM. يعتمد اختيار دالة الترجيح في نموذج GWPR على الحد الأدنى من قيمة التحقق المتقاطع (CV) بين نواة gaussian الثابتة والنواة الأسية الثابتة. وظيفة الترجيح استخدام في هذه الدراسة هي نواة غاوسية ثابتة بسيرة ذاتية لا تقل عن 40663610.

النتائج التي تم الحصول عليها في هذه الدراسة هي نماذج لوحة انحدار للبيانات ونموذج GWPR الذي تم تشكيله في كل منطقة أومدينة في إنتشار الفقر في جاوى الوسطى، مختلف. يكمن الاختلاف في نموذج انحدار بيانات اللوحة في قيمة التقاطع التي توضح خصائص كل منطقة أومدينة. بينما يرجع الاختلاف في نموذج GWPR إلى العنصر المكاني ، أي الاختلاف في الموقع الجغرافي. بناءً على مقارنة قيم RSS و AIC و R2، فإن نموذج GWPR هو أفضل نموذج في شرح توزيع السكان في إنتشار الفقر في جاوى الوسطى، في 2017-2019 بمعامل تحديد 76.90٪.