PEMODELAN SPASIAL KEMISKINAN DENGANudMIXED GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DAN FLEXIBLY SHAPED SPATIAL SCAN STATISTICud(Studi Kasus: Jumlah Rumah Tangga Sangat Miskin di Kabupaten Kulonprogo)ud

摘要

Analisis regresi merupakan salah satu analisis statistika yang digunakan untuk membuat model antara variabel respon dengan variabel prediktor. Salah satu analisis regresi yang dapat digunakan apabila variabel respon berupa data count adalah analisis regresi Poisson. Geographically Weighted Poisson Regression (GWPR) merupakan bentuk lokal dari regresi Poisson dimana lokasi pengambilan data diperhatikan. Dalam penelitian ini akan digunakan metode Mixed Geographically Weighted Poisson Regression (Mixed GWPR) yang merupakan bentuk lokal dari regresi Poisson dan merupakan gabungan dari metode nonparametrik dan parameterik dimana faktor lokasi diperhatikan. Sebagai studi kasus digunakan data jumlah rumah tangga sangat miskin per desa/kelurahan di Kabupaten Kulonprogo, Provinsi DI Yogyakarta dimana sejak 2010-2012 menjadi provinsi dengan persentase kemiskinan tertinggi di Pulau Jawa. Hasil perbandingan antara regresi Poisson, GWPR, dan Mixed GWPR memberikan kesimpulan bahwa Mixed GWPR dengan pembobot fungsi kernel Adaptive Bisquare merupakan model terbaik untuk menganalisis jumlah rumah tangga sangat miskin di Kabupaten Kulonprogo tahun 2011 karena memiliki nilai Akaike Information Criterion (AIC) terkecil. Selain itu, untuk mengetahui desa/kelurahan yang akan dijadikan prioritas lokasi pengentasan kemiskinan maka dilakukan deteksi hotspot/kantong kemiskinan dengan metode Flexibly Shaped Spatial Scan Statistic dimana diperoleh hasil bahwa di Kabupaten Kulonprogo terdapat tiga kantong kemiskinan.ududKata kunci: AIC, Flexibly Shaped Spatial Scan Statistic, Kantong Kemiskinan, udMixed GWPR, Rumah Tangga Sangat Miskinud