Implementation Of Mixed Geographically Weighted Regression Model To Analyze Social Assistance Budget In East Java

Abstract

Social assistance (BANSOS) is aid provided by the government to low-income communities in the form of money, goods, or services. Understanding the allocation and influencing factors of social assistance in East Java is crucial for effective distribution. Mixed Geographically Weighted Regression (MGWR) combines global and local regression models to address spatial variability in the data.This study aims to develop an MGWR model with a fixed kernel weighting function for social assistance budgets in East Java in 2022. Specifically, it seeks to identify which factors, based on spatial heterogeneity, can be classified as global variables or local variables that can be modeled using MGWR.The study employs the Mixed Geographically Weighted Regression (MGWR) method with a fixed Gaussian kernel to analyze social assistance budget data and economic factors in East Java for 2022. Models OLS, GWR, and MGWR are applied and evaluated using the Akaike Information Criterion (AIC) to identify the best-performing model. The MGWR model with a fixed Gaussian kernel is the best for the social assistance budget in East Java, yielding a lower AIC compared to OLS and GWR models. The globally influential factor in this model is economic growth (𝑋4).This research is limited to data from 2022, which may not reflect long-term trends. Additionally, the analysis is confined to East Java, so generalizing results to other regions should be done cautiously. Data quality and completeness may affect the findings.This study provides original contributions by applying the MGWR method to social assistance budgets in East Java. This allows for a detailed understanding of influencing factors both globally and locally. The approach offers a more accurate model than OLS and GWR and highlights economic growth as a significant global factor in determining social assistance budgets.

Keywords

Social Assistance, MGWR, Kernel, AIC.

Judul

Implementasi Model Regresi Geografis Terboboti Campuran Untuk Menganalisis Anggaran Bantuan Sosial Di Jawa Timur

Abstrak

Bantuan sosial (BANSOS) adalah bantuan yang diberikan oleh pemerintah kepada masyarakat berpenghasilan rendah dalam bentuk uang, barang, atau jasa. Memahami alokasi dan faktor-faktor yang mempengaruhi bantuan sosial di Jawa Timur sangat penting untuk distribusi yang efektif. Mixed Geographically Weighted Regression (MGWR) menggabungkan model regresi global dan lokal untuk mengatasi variabilitas spasial pada data. Penelitian ini bertujuan untuk mengembangkan model MGWR dengan fungsi pembobot kernel tetap untuk anggaran bantuan sosial di Jawa Timur pada tahun 2022. Secara khusus, penelitian ini bertujuan untuk mengidentifikasi faktor-faktor mana saja, berdasarkan heterogenitas spasial, yang dapat diklasifikasikan sebagai variabel global atau variabel lokal yang dapat dimodelkan dengan menggunakan MGWR. Penelitian ini menggunakan metode Mixed Geographically Weighted Regression (MGWR) dengan kernel Gaussian tetap untuk menganalisis data anggaran bansos dan faktor ekonomi di Jawa Timur tahun 2022. Model OLS, GWR, dan MGWR diaplikasikan dan dievaluasi dengan menggunakan Akaike Information Criterion (AIC) untuk mengidentifikasi model dengan kinerja terbaik. Model MGWR dengan kernel Gaussian tetap merupakan yang terbaik untuk anggaran bantuan sosial di Jawa Timur, menghasilkan AIC yang lebih rendah dibandingkan dengan model OLS dan GWR. Faktor yang berpengaruh secara global dalam model ini adalah pertumbuhan ekonomi (𝑋4). Penelitian ini terbatas pada data dari tahun 2022, yang mungkin tidak mencerminkan tren jangka panjang. Selain itu, analisis ini terbatas pada Jawa Timur, sehingga generalisasi hasil ke daerah lain harus dilakukan dengan hati-hati. Kualitas dan kelengkapan data dapat memengaruhi hasil temuan. Penelitian ini memberikan kontribusi orisinil dengan menerapkan metode MGWR pada anggaran bantuan sosial di Jawa Timur. Hal ini memungkinkan pemahaman yang lebih rinci mengenai faktor-faktor yang mempengaruhi baik secara global maupun lokal. Pendekatan ini menawarkan model yang lebih akurat daripada OLS dan GWR dan menyoroti pertumbuhan ekonomi sebagai faktor global yang signifikan dalam menentukan anggaran bantuan sosial.

Kata Kunci

Bantuan Sosial, MGWR, Kernel, AIC.

Reference

Utami, P., Nurdiansyah, D., and Kartini, A.Y. (2024). IMPLEMENTATION OF MIXED GEOGRAPHICALLY WEIGHTED REGRESSION MODEL TO ANALYZE SOCIAL ASSISTANCE BUDGET IN EAST JAVA. Jurnal Statistika Dan Aplikasinya, 8(2), 171–178.doi.org/10.21009/JSA.08204

Sumber: Jurnal JSA 2024