UIMUIM

UIM | Zeta - Math JournalUIM | Zeta - Math Journal

Masalah kemiskinan menjadi isu global yang menarik untuk dibahas karena berdampak pada kondisi sosial ekonomi, pendidikan, kesehatan, maupun stabilitas politik suatu wilayah. Berdasarkan data Badan Pusat Statistik (BPS), jumlah penduduk miskin di Provinsi Jawa Timur sebanyak 4,19 juta orang pada Maret 2023 mengalami penurunan sebanyak 47,7 ribu orang dari September 2022. Namun Jawa Timur masih menjadi Provinsi dengan jumlah penduduk miskin tertinggi di Indonesia. Upaya yang dapat dilakukan dalam pengentasan kemiskinan yaitu mengetahui daerah dengan tingkat kemiskinan tertinggi, sedang atau rendah di Provinsi Jawa Timur dengan cara mengelompokkan Kabupaten/Kota berdasarkan indikator kemiskinan. Dalam penelitian ini pengelompokan Kabupaten/Kota berdasarkan indikator kemiskinan dilakukan dengan mempertimbangkan efek geografis menggunakan metode Fuzzy Geographically Weighted Clustering (FGWC). Hasil Penelitian diperoleh 3 cluster yang optimum dengan karakteristik cluster yang berbeda berdasarkan indikator kemiskinan. Cluster 1 dengan kemiskinan rendah, cluster 2 dengan kemiskinan sedang dan cluster 3 dengan kemiskinan tinggi.

Penelitian ini menganalisis empat indikator kemiskinan (pertumbuhan ekonomi, indeks pembangunan manusia, pengangguran, upah minimum) dan menemukan nilai statistik masing‑masing.Analisis FGWC menghasilkan tiga cluster optimal, di mana Cluster 1 mencakup lima kabupaten/kota dengan kemiskinan rendah, Cluster 2 mencakup sepuluh daerah dengan kemiskinan sedang, dan Cluster 3 mencakup dua puluh tiga daerah dengan kemiskinan tinggi.Karakteristik masing‑masing cluster dapat dijadikan dasar bagi pemerintah dalam merumuskan kebijakan penanggulangan kemiskinan yang terfokus.

Penelitian selanjutnya dapat mengeksplorasi pengaruh penambahan variabel sosial‑ekonomi lain, seperti akses layanan kesehatan, tingkat pendidikan, dan infrastruktur, terhadap hasil pengelompokan kemiskinan menggunakan metode FGWC untuk melihat apakah klasifikasi wilayah menjadi lebih detail dan akurat. Selain itu, perlu dilakukan perbandingan kinerja FGWC dengan metode clustering spasial lain seperti Spatial DBSCAN atau hierarchical clustering dalam konteks pemetaan kemiskinan di Jawa Timur, sehingga dapat diidentifikasi kelebihan dan keterbatasan masing‑masing pendekatan dalam menangkap pola geografis. Selanjutnya, dapat dikembangkan model FGWC dinamis yang mengintegrasikan data temporal selama beberapa tahun untuk memantau perubahan tingkat kemiskinan secara berkelanjutan, memungkinkan evaluasi efektivitas kebijakan penanggulunan kemiskinan secara real‑time dan memberikan rekomendasi kebijakan yang lebih responsif.

  1. Pengelompokan Kabupaten/Kota di Provinsi Sulawesi Tengah Berdasarkan Indikator Pembangunan Ekonomi Menggunakan... doi.org/10.22487/2540766X.2022.v19.i1.15868Pengelompokan Kabupaten Kota di Provinsi Sulawesi Tengah Berdasarkan Indikator Pembangunan Ekonomi Menggunakan doi 10 22487 2540766X 2022 v19 i1 15868
  2. Analisa Perbandingan Complate Linkage AHC dan K-Medoids Dalam Pengelompokkan Data Kemiskinan di Indonesia... doi.org/10.47065/bits.v5i2.4310Analisa Perbandingan Complate Linkage AHC dan K Medoids Dalam Pengelompokkan Data Kemiskinan di Indonesia doi 10 47065 bits v5i2 4310
  3. Dampak Pengangguran, Pendidikan dan Inflasi Terhadap Kemiskinan di Indonesia Periode Tahun 2014-2020... journal.iaincurup.ac.id/index.php/disclosure/article/view/6522Dampak Pengangguran Pendidikan dan Inflasi Terhadap Kemiskinan di Indonesia Periode Tahun 2014 2020 journal iaincurup ac index php disclosure article view 6522
Read online
File size574.53 KB
Pages10
DMCAReport

Related /

ads-block-test