ANALISIS SPASIAL MODERN DALAM KAJIAN PERTUMBUHAN PENDUDUK: STUDI GWLR DI PULAU JAWA

Okky Rizky Saputra, Politeknik Statistika STIS, Indonesia
Ferdy Kusuma, Politeknik Statistika STIS, Indonesia
Rezky Aditya Ar'razak, Politeknik Statistika STIS, Indonesia

 10.21831/jssd.v2i2.23122

Abstract


Laju Pertumbuhan Penduduk mengacu pada tingkat faktor-faktor yang mempengaruhi peningkatan dan penurunan jumlah penduduk. Perkembangan jumlah penduduk di pemerintahan daerah menyebabkan laju pertumbuhan penduduk menjadi tidak terkendali. Di Pulau Jawa, laju pertumbuhan penduduk dari tahun 2020 hingga 2021 meningkat signifikan sebesar 3,125%. Peningkatan jumlah penduduk ini menimbulkan berbagai masalah ekonomi dan sosial. Untuk mengatasi masalah ini, diperlukan pemodelan spasial yang efektif dan komprehensif, yaitu Geographically Weighted Logistic Regression (GWLR) dengan pembobot Fixed Gaussian dan Adaptive Gaussian. Pemodelan GWLR bertujuan untuk memahami faktor-faktor yang mempengaruhi laju pertumbuhan penduduk di setiap kabupaten/kota di Pulau Jawa. Berdasarkan hasil pemodelan GWLR dengan AICc, fungsi kernel Fixed Bi Square memiliki nilai 137,545. Ini menunjukkan bahwa pemodelan laju pertumbuhan penduduk di setiap kabupaten/kota berbeda-beda. Hasil pemodelan GWLR di Pulau Jawa menunjukkan bahwa ada 29 kabupaten/kota dengan laju pertumbuhan penduduk yang signifikan pada variabel pasangan usia subur peserta KB dan angka kematian bayi, sedangkan 71 kabupaten/kota memiliki laju pertumbuhan penduduk yang signifikan pada variabel pasangan usia subur peserta KB.

Keywords


AICc; GWLR; Laju Pertumbuhan Penduduk; Kernel Fixed BiSquare

References


Aji, C. A. W., Mukid, M. A., & Yasin, H. (2014). Analisis Faktor-Faktor Yang Mempengaruhi Laju Pertumbuhan Penduduk Kota Semarang Tahun 2011 Menggunakan Geographically Weighted Logistic Regression. Gaussian, 3(23), 161–171.

Cao, J., Zhang, Z., Wang, C., Liu, J., & Zhang, L. (2019). Susceptibility assessment of landslides triggered by earthquakes in the Western Sichuan Plateau. CATENA, 175, 63–76. https://doi.org/https://doi.org/10.1016/j.catena.2018.12.013

Chi, G., & Zhu, J. (2008). Spatial regression models for demographic analysis. Population Research and Policy Review, 27, 17–42.

Chowdhuri, I., Pal, S. C., Chakrabortty, R., Malik, S., Das, B., & Roy, P. (2021). Torrential rainfall-induced landslide susceptibility assessment using machine learning and statistical methods of eastern Himalaya. Natural Hazards, 107(1), 697–722. https://doi.org/10.1007/s11069-021-04601-3

Christaller, W., & Baskin, C. W. (1966). Central places in southern Germany.

Fuadi, H. (2021). Analisis Dampak Peningkatan Laju Pertumbuhan Penduduk (Data Sp2020) Terhadap Pengendalian Kuantitas Penduduk Di Nusa Tenggara Barat. Elastisitas - Jurnal Ekonomi Pembangunan, 3(2), 148–155. https://doi.org/10.29303/e-jep.v3i2.45

Harrell, F. E. (2015). Binary Logistic Regression BT - Regression Modeling Strategies: With Applications to Linear Models, Logistic and Ordinal Regression, and Survival Analysis (J. Harrell Frank E. (ed.); pp. 219–274). Springer International Publishing. https://doi.org/10.1007/978-3-319-19425-7_10

Hudson, J. C. (1972). Geographical diffusion theory. (No Title).

Kirk, D. (1996). Demographic Transition Theory. Population Studies, 50(3), 361–387. https://doi.org/10.1080/0032472031000149536

Krugman, P. (1992). Geography and trade. MIT press.

Laksmini, P. (2017). Faktor-faktor yang Berhubungan dengan Penggunaan Metode Kontrasepsi Jangka Panjang (MKJP) di Pulau Jawa (Analisis Data SDKI 2012). Jurnal Persada Husada Indonesia, 4(12).

Mishra, V. N., Kumar, V., Prasad, R., & Punia, M. (2021). Geographically Weighted Method Integrated with Logistic Regression for Analyzing Spatially Varying Accuracy Measures of Remote Sensing Image Classification. Journal of the Indian Society of Remote Sensing, 49(5), 1189–1199. https://doi.org/10.1007/s12524-020-01286-2

Nkeki, F. N., & Asikhia, M. O. (2019). Geographically weighted logistic regression approach to explore the spatial variability in travel behaviour and built environment interactions: Accounting simultaneously for demographic and socioeconomic characteristics. Applied Geography, 108(October 2018), 47–63. https://doi.org/10.1016/j.apgeog.2019.05.008

Perroux, F. (1955). Note sur la notion de" pôle de croissance". Economie Appliquée, 8(1), 307–320.

Rotinsulu, F. G. F., Wagey, F. W., & Tendean, H. M. M. (2021). Gambaran Penggunaan Alat Kontrasepsi pada Wanita di Indonesia. E-Clinic, 9(1).

Safitri, A., Sudarmin, S., & Nusrang, M. (2019). Model Regresi Logistik Biner pada Tingkat Pengangguran Terbuka di Provinsi Sulawesi Barat Tahun 2017. VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 1(2), 1. https://doi.org/10.35580/variansiunm9354

Salsabila, R., Atus Amadi Putra, Nonong Amalita, & Fadhilah Fitri. (2023). Analysis of Factors Influencing the Population Growth Rate in West Sumatra Using Geographically Weighted Logistic Regression. UNP Journal of Statistics and Data Science, 1(3), 196–202. https://doi.org/10.24036/ujsds/vol1-iss3/59

Setiawati, E., Handayani, O. W. K., & Kuswardinah, A. (2017). Pemilihan kontrasepsi berdasarkan efek samping pada dua kelompok usia reproduksi. Unnes Journal of Public Health, 6(3), 167–173.

Solekha, N. A., & Qudratullah, M. F. (2022). Pemodelan Geographically Weighted Logistic Regression dengan Fungsi Adaptive Gaussian Kernel Terhadap Kemiskinan di Provinsi NTT. Jambura Journal of Mathematics, 4(1), 17–32. https://doi.org/10.34312/jjom.v4i1.11452

Suartha, N. (2016). Faktor-Faktor Yang Mempengaruhi Tingginya Laju Pertumbuhan Dan Implementasi Kebijakan Penduduk Di Provinsi Bali. Piramida, 12(1), 1–7.

Ulhaq, H. (2020). Geographically Weighted Logistic Regression (Gwlr) With Gaussian Adaptive Kernel Weighting Function, Bisquare, and Tricube in Case of Malnutrition of Toddlers in Indonesia. Jurnal Litbang Edusaintech, 1(1), 5–13. https://doi.org/10.51402/jle.v1i1.2




DOI: https://doi.org/10.21831/jssd.v2i2.23122

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Jurnal Statistika dan Sains Data

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Our journal is indexed by:

Online ISSN (e-ISSN): 3025-9649

Creative Commons LicenseJurnal Statistika dan Sains Data by http://journal.student.uny.ac.id/ojs/index.php/jssd is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 JSSD Statistics