PENGEMBANGAN DAN APLIKASI GEOINFORMATIKA BAYESIAN PADA DATA KEMISKINAN DI INDONESIA (STUDI KASUS JAWA TIMUR)
(Bayesian Geoinformatics Development and Aplication on Poverty Data in Indonesia (Study case East Java))

Asep Saefuddin1), Aji Hamim Wigena1), Nunung Nuryartono2)
1)Dep. Statistika, Fakultas Matematika dan IPA, IPB.
2) Dep. Ilmu Ekonomi, Fakultas Ekonomi Manajemen, IPB.

ABSTRAK

Kemiskinan sudah sejak lama menjadi masalah di Indonesia yang belum terselesaikan. Survey Badan Pusat Statistik (BPS) Maret 2011 memprediksi jumlah orang miskin di Indonesia sebanyak 30,02 juta jiwa atau 12,49% dari total jumlah penduduk. Masalah kemiskinan sering menjadi perhatian peneliti secara substansi dan metodologinya. Berdasarkan sudut pandang metodologi, khususnya statistika, persoalan ini sangat menarik karena memunculkan isu ketidakbebasan data, korelasi spasial, keheterogenan ragam galat, pengaruh spasial, dan berbagai persoalan statistika lainnya. Tujuan utama penelitian ini adalah mempelajari dan mengembangkan metode statistika spasial dalam kasus kemiskinan dan kaitannya dengan faktor-faktor sosial ekonomi regional. Metode-metode yang dikembangkan adalah pendeteksian hotspot kemiskinan lokal, model regresi spasial terutama General Spatial Model (GSM), Simultan Autoregressive (SAR), Conditional Autoregressive (CAR), Spatial Error Model (SEM), Geographically Weighted Regression (GWR), dan Small Area Estimation (SAE). Hasil penelitian menunjukkan bahwa kemiskinan di tingkat Kabupaten/Kota maupun desa berkaitan dengan keragaman spasial. Secara umum faktor-faktor yang dapat menjadi indikator kemiskinan di Jawa Timur adalah pendidikan masyarakat yang masih rendah, terbatasnya akses terhadap air bersih, kurangnya sarana kesehatan, dan banyaknya rumah tangga yang tidak memiliki rumah layak huni. Diharapkan hasil kajian ini dapat menyumbangkan metode pendekatan yang aplikatif bagi penanganan atau pengentasan kemiskinan di Jawa Timur.

Kata kunci: Kemiskinan, spasial, Jawa Timur.

ABSTRACT

Since along time ago, poverty has been a problem in Indonesia that can not be solved. Following the CBS survey on March 2011 showed that there were 30.02 million people or 12.49% of total Indonesian were considered poor. From the statistic point of view, poverty is an interesting topic because there is an issue of autocorrelation among data, spatial autocorrelation, error variance heterogenity, spatial interaction, and other statistical issues. The main objective of this research is to develop spatial statistics applied on poverty considered spatially dependence and related factors on socio-regional economic. The methods developed in this research include hotspot detection and regional rangking, spatial regression especially (General Spatial Model (GSM), Simultan Autoregressive (SAR), Conditional Autoregressive (CAR), Spatial Error Model (SEM), Geographically Weighted Regression (GWR), and Small Area Estimation (SAE). The results of this research show that poverty at a regency/city level and at village level is spatially dependence containing spatial heterogeneity. In addition the main factors causing poverty in East java are low education, poor access to clean water, lack of health facilities, and families with improper housing. We expect that this research will give an applicative contribution for poverty alleviation in East Java.

Keywords: Poverty, spatial, East Java.

Download : Abstrak