Model Geographically Weighted Negative Binomial Regression pada Kasus Jumlah Rumah Tangga Miskin di Kabupaten Tuban

Kabupaten Tuban merupakan salah satu kabupaten di Provinsi Jawa Timur dengan tingkat kemiskinan masih cukup relatif tinggi. Hal ini dibuktikan dengan masuknya Kabupaten Tuban pada peringkat ke-5 di Provinsi Jawa Timur dan peringkat pertama di wilayah eks-Karesidenan Bojonegoro dengan tingkat kemiskinan yang tertinggi pada tahun 2020. Tercatat pada tahun 2020 tingkat kemiskinan di Kabupaten Tuban mencapai 15,91 persen, di atas tingkat kemiskinan Provinsi Jawa Timur yang sebesar 11,09 persen. Penelitian ini bertujuan untuk memodelkan jumlah rumah tangga miskin di Kabupaten Tuban serta mendapatkan variabel-variabel yang signifikan menggunakan Geographically Weighted Negative Binomial Regression (GWNBR). Data yang digunakan dalam penelitian berupa data sekunder yaitu Data Terpadu Kesejahteraan Sosial Kabupaten Tuban per Oktober 2020 yang diperoleh dari Basis Data Terpadu Kabupaten Tuban. Berdasarkan pemodelan menggunakan GWNBR diperoleh hasil yaitu terdapat 3 kelompok kecamatan berdasarkan variabel prediktor yang berpengaruh signifikan terhadap jumlah rumah tangga miskin di Kabupaten Tuban. Variabel prediktor yang berpengaruh signifikan untuk semua kecamatan yaitu persentase rumah tangga dengan bahan bakar/energi utama untuk memasak adalah gas kota/biogas, persentase rumah tangga dengan dinding terluas adalah bambu, dan persentase penduduk usia 15-64 tahun yang menderita tuna wicara. ===================================================================================================== Tuban Regency is one of regency in East Java Province that has poverty rate which is still relatively high. This thing is proved where Tuban Regency in position 5th in East Java Province and in position 1st in Bojonegoro Ex-Residency with the highest poverty rate in 2020. Poverty rate in Tuban Regency almost 15,91 percent in 2020, which is higher than poverty rate in East Java Province that is only 11,09 percent. This study is aimed for modeling the number of poor households in Tuban Regency and for getting significant variables using Geographically Weighted Negative Binomial Regression (GWNBR). Data that used in this study is secondary data which is namely Integrated Social Welfare Data of Tuban Regency as of October 2020 that obtained from The Unified Database of Tuban Regency. Based on modeling using GWNBR, the results obtained are there are 3 groups of sub-districts based on significant predictor variables that are influenced to the number of poor households in Tuban Regency, where are the significant predictor variables for all sub-districts are the percentage of households with main fuel/energy for cooking is city gas/biogas, the percentage of households with the widest wall is bamboo, and the percentage of populations in age 15-64 years old that have speech impaired