Pemodelan Kemiskinan Di Provinsi Jawa Barat Dengan Menggunakan Pendekatan Seemingly Unrelated Regression (SUR) Spasial

Penerapan persamaan regresi dalam sebuah kasus seringkali memiliki keterkaitan dengan persamaan yang lain. Jika sebuah persamaan saling berkaitan dikarenakan error regresinya saling berkorelasi, maka pendekatan yang dapat digunakan adalah Seemmingly Unrelated Regression (SUR). Pendekatan SUR dapat diaplikasikan pada data kemiskinan. Salah satu Provinsi di Indonesia yang memiliki jumlah penduduk miskin yang tinggi adalah Provinsi Jawa Barat .Jumlah persentase kemiskinan di Provinsi Jawa Barat mengalami penurunan setiap tahun namun angka penurunan tersebut belum mencapai target yang sudah direncanakan oleh pemerintah.Sehingga dilakukan pemodelan kemiskinan untuk mendapatkan faktor-faktor penyebab kemiskinan di Provinsi Jawa Barat. Sehingga dapat dilakukan langkah- langkah pencegahan atau perbaikan oleh para pengambil kebijakan. Berdasarkan pengujian Moran’s I diperoleh bahwa terdapat dependensi spasial pada data kemiskinan di Provinsi Jawa Barat. Berdasarkan hasil pengujian Lagrange Multiplier diperoleh bahwa model SUR-Spasial untuk data kemiskinan di Provinsi Jawa Barat adalah SUR-Spatial Lag Model (SUR-SLM) pada α=10%. Estimasi parameter SUR-SLM dilakukan dengan Maximum Likelihood Estimation (MLE). Berdasarkan model SUR-SLM didapati bahwa variabel yang berpengaruh signifikan terhadap kemiskinan dengan kategori miskin dan kategori hampir miskin pada α=10% adalah rata- rata lama sekolah dan pengangguran terbuka. The application of the regression equation in a case often have linkages with other equations. If an equation related to each other because the regression errors are correlated, then the approach can be used is Seemmingly Unrelated Regression (SUR). SUR approach can be applied to data on poverty. One of the provinces in Indonesia which has a high number of poor people in the provinces of West Java. The number of percentage of poverty in West Java Province has decreased every year, but the rate of decline has not reached the target that has been planned by government.So that modeling poverty to gain factors causes of poverty in West Java Province. So it can be preventive or corrective measures by policy makers. Based on testing Moran's I found that there is a spatial dependencies in data on poverty in West Java Province. Based on test results obtained that Lagrange Multiplier SUR-Spatial models for data on poverty in West Java province is SUR-Spatial Lag Model (SUR-SLM) at α = 10%. SUR-SLM parameter estimation carried out by Maximum Likelihood Estimation (MLE). SUR-SLM based models found that the variables that significantly influence poverty with poor category and the category of near-poor at α = 10% is the average old school and open unemployment