Leniati, April (2023) Pemodelan Geographically Weighted Binary Logistic Regression pada Kasus Kemiskinan di Provinsi Sumatera Barat. Bachelor/Skripsi thesis, Universitas Negeri Padang.
final_02_April_Leniati_19337041_6302_2023.pdf
Download (3MB)
Abstract
Penelitian ini membahas tentang analisis status kemiskinan yang terjadi di Kabupaten/Kota Provinsi Sumatera Barat Tahun 2022. Permasalahan dalam penelitian ini adalah adanya Kabupaten/Kota yang memiliki persentase penduduk miskin diatas rata-rata kemiskinan Provinsi Sumatera Barat sebesar 5,92%. Penelitian ini bertujuan untuk mengetahui model Geographically Weighted Binary Logistic Regression (GWBLR) pada data persentase penduduk miskin di Kabupaten/Kota dan mengetahui faktor-faktor apa yang berpengaruh signifikan terhadap status kemiskinan Kabupaten/Kota di Provinsi Sumatera Barat. Jenis penelitian ini adalah penelitian terapan. Populasi dalam penelitian ini adalah 19 Kabupaten/Kota di Provinsi Sumatera Barat. Jenis data yang digunakan yaitu data sekunder yang diperoleh dari publikasi Badan Pusat Statistik Tahun 2023 yaitu status kemiskinan Kabupaten/Kota (Y), angka harapan hidup (X1), angka melek huruf (X2), tingkat partisipasi angkatan kerja (X3), dan laju pertumbuhan produk domestik regional bruto (X4). Metode yang digunakan dalam penelitian ini adalah GWBLR. Model regresi spasial GWBLR yang terbentuk sebagai berikut �(�) = 79,68 − 0,945�1 Hasil penelitian menunjukkan bahwa faktor yang mempengaruhi status kemiskinan di Provinsi Sumatera Barat Tahun 2022 yaitu angka harapan hidup. Setiap kenaikan angka harapan hidup suatu Kabupaten/Kota maka peluang Kabupaten/Kota tersebut untuk miskin sebesar 2,6 kali dibandingkan dengan Kabupaten/Kota tidak miskin. Variabel angka harapan hidup berpengaruh pada daerah Kabupaten Dharmasraya, Kabupaten Solok, Kabupaten Kepulauan Mentawai, Kabupaten Lima Puluh Kota, Kota Padang, Kota Padang Panjang, Kabupaten Padang Pariaman, Kota Payakumbuh, Kabupaten Pesisir Selatan, Kota Sawahlunto.
| Item Type: | Thesis (Bachelor/Skripsi) |
|---|---|
| Contributors: | Contribution Contributors Email Thesis advisor Permana, Dony UNSPECIFIED Corrector Amalita, Nonong UNSPECIFIED Corrector Marta, Zamahsary UNSPECIFIED |
| Uncontrolled Keywords: | GEOGRAPHICALLY WEIGHTED BINARY LOGISTIC REGRESSION |
| Subjects: | Q Science > QA Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika-S1 |
| Depositing User: | Arlianis Arlianis S.IP |
| Date Deposited: | 12 Nov 2026 02:30 |
| Last Modified: | 12 Nov 2026 02:30 |
| URI: | https://repository.unp.ac.id/id/eprint/49869 |
