Analisis Autokorelasi dan Pemodelan Spasial Tingkat Kemiskinan di Indonesia

Abstract

Penelitian ini bertujuan untuk menganalisis pola spasial dan keterkaitan
tingkat kemiskinan pada kabupaten/kota di Indonesia menggunakan
pendekatan statistika spasial. Data yang digunakan mencakup 420 wilayah hasil penggabungan data sosial ekonomi dan data spasial. Metode analisis yang digunakan meliputi uji autokorelasi spasial global dengan Moran’s I, analisis autokorelasi spasial lokal menggunakan LISA, serta pemodelan regresi dengan pendekatan Ordinary Least Squares (OLS) dan Spatial Filtering. Hasil penelitian menunjukkan adanya autokorelasi spasial positif yang signifikan pada tingkat kemiskinan, yang mengindikasikan pola mengelompok (clustered). Analisis LISA mengidentifikasi adanya klaster kemiskinan tinggi di wilayah Indonesia bagian timur, khususnya Papua, serta klaster kemiskinan rendah di wilayah Jawa, Sumatera, dan Kalimantan. Model OLS menunjukkan bahwa variabel angka harapan hidup, rata-rata lama sekolah, dan pengeluaran per kapita berpengaruh signifikan terhadap tingkat
kemiskinan. Namun, model Spatial Filtering memberikan hasil yang lebih baik dengan peningkatan nilai koefisien determinasi, sehingga mampu menjelaskan variasi kemiskinan secara lebih komprehensif dengan mempertimbangkan efek spasial.