Pemodelan Spasial Disparitas IPM di Indonesia Tahun 2024 Menggunakan Multiscale Geographically Weighted Quantile Regression (MGWQR)
Keywords:
Heterogenitas Spasial, Multiskala, Pencilan, Regresi Kuantil, Skala SpasialAbstract
Indeks Pembangunan Manusia (IPM) merupakan indikator penting untuk mengukur keberhasilan pembangunan melalui dimensi standar hidup layak, pendidikan, dan kesehatan. IPM kabupaten/kota di Indonesia tahun 2024 menunjukkan heterogenitas spasial dengan sebaran asimetris (left-skewed) dan keberadaan pencilan. Pendekatan estimasi berbasis rata-rata memiliki keterbatasan dalam menangkap dinamika hubungan antarvariabel pada nilai ekstrem, sehingga diperlukan metode yang lebih robust. Sebagai kontribusi aplikatif, penelitian ini bertujuan untuk memodelkan disparitas IPM di 514 kabupaten/kota dengan menerapkan metode Multiscale Geographically Weighted Quantile Regression (MGWQR) untuk mengatasi variasi spasial, distribusi asimetris, dan perbedaan skala pengaruh (bandwidth) antarvariabel. Penelitian ini menggunakan data sekunder dari BPS dan BIG, yang dianalisis pada kuantil 0,1; 0,5; dan 0,9 dengan variabel prediktor mencakup persentase penduduk miskin (PPM), PDRB (Ln_PDRB), rata-rata lama sekolah (RLS), proporsi persalinan tanpa fasilitas kesehatan (PTF), serta prevalensi ketidakcukupan konsumsi pangan (PKKP). Analisis difokuskan pada kuantil 0,1 dan 0,9 sebagai representasi wilayah dengan capaian IPM ekstrem rendah dan ekstrem tinggi, serta kuantil 0,5 sebagai kondisi median. Hasil penelitian menunjukkan bahwa MGWQR dengan kernel bisquare merupakan model terbaik dengan nilai Pseudo R-squared mencapai 91% dan mampu mereduksi Mean Quantile Loss hingga 35,6% relatif terhadap model QR. Hasil analisis spasial multiskala menunjukkan variabel RLS sebagai prediktor positif paling stabil, sedangkan Ln_PDRB memberikan efek dorongan terbesar di wilayah dengan IPM rendah. Sebaliknya, kemiskinan (PPM) menjadi variabel penghambat paling sensitif di kuantil 0,9. Tipologi spasial yang terbentuk menunjukkan daerah IPM rendah sangat dipengaruhi seluruh dimensi pembangunan, sementara wilayah IPM tinggi tidak lagi dipengaruhi secara signifikan oleh aksesibilitas fasilitas kesehatan (PTF) dan ketahanan pangan (PKKP)
