APLIKASI GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) UNTUK PEMETAAN FAKTOR YANG MEMPENGARUHI INDEKS AKTIVITAS LITERASI MEMBACA DI INDONESIA

Main Article Content

Alfisyahrina Hapsery
DEA TRISHNANTI

Abstract

Papua memiliki angka indeks literasi terendah yaitu 19,9 dan Jakarta merupakan daerah dengan angka indeks literasi tertingi yaitu mencapai 58,16. Namun Jakarta dengan angka indeks literasi tertinggi menempati posisi angka indeks literasi sedang karena masih dibawah angka 60. Papua dan Jakarta adalah dua provinsi yang sangat mencolok perbedaannya dari segi geografis dimana Jakarta terletak di pulau Jawa dan merupakan Ibukota negara sedangkan Papua berada dipulau paling timur Indonesia. Oleh karena itu diperlukan suatu metode pemodelan statistik dengan memperhitungkan aspek spasial yaitu menggunakan metode Geographically Weighted Regression (GWR) yang diharapkan mampu menghasilkan model angka indeks literasi di Indonesia tahun 2017 di tiap wilayah. GWR adalah salah satu metode spasial yang menggunakan faktor geografis sebagai variabel bebas yang dapat mempengaruhi variabel dependen. Berdasarkan hasil analisis dan pembahasan dengan menggunakan analisis GWR diketahui bahwa pada pengelompokkan variabel berpengaruh signifikan terhadap indeks aktivitas literasi diperoleh 11 kelompok dimana kelompok 1 hanya terdapat satu variabel yang berpengaruh signifikan terhadap indeks aktivitas literasi yaitu persentase melek huruf latin yang terdapat di Provinsi Papua. Sedangkan, pada kelompok 11 dimana semua variabel independen berpengaruh signifikan terhadap indeks aktivitas literasi terdapat di Provinsi Jambi, Provinsi Sumatera Selatan, dan Provinsi Lampung. Hasil analisis juga menunjukkan bahwa pemodelan terbaik dari beberapa metode regresi adalah model GWR karena memiliki kebaikan model yang lebih besar dari model regresi linier yaitu sebesar 92.46%.

Article Details

Section
Statistics
Author Biography

Alfisyahrina Hapsery, Universitas PGRI Adi Buana Surabaya

Statistika

References

[1]      K. Naibaho, œMenciptakan Generasi Literat Melalui Perpustakaan, Visi Pustaka, vol. 9, no. No. 3, p. 4, 2007.

[2]      M. Tarigan, œTerburuknya Peringkat Literasi Kita, Tempo, 2016. [Online]. Available: koran.tempo.co/read/397142/terpuruknya-peringkat-literasi-kita.

[3]      OECD, œPISA Indonesia 2015, Ctry. Note, pp. 45, 2015.

[4]      Puslitjakdikbud, œIndeks Aktivitas Literasi Membaca 34 Provinsi, repositori.kemdikbud.go.id, 2019. [Online]. Available: repositori.kemdikbud.go.id.

[5]      E. B. Harsono, œPapua (Masih) Darurat Literasi, Harian Nasional, 2019. [Online]. Available: http://www.harnas.co/2019/09/20/papua-masih-darurat-literasi. [Accessed: 14-Sep-2020].

[6]      A. S. Fotheringham, C. Brunsdon, and M. Charlton, Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. West Sussex, England: John Wiley & Sons, Ltd, 2002.

[7]      J. Fox, œApplied Regression Analysis and Generalized Linear Models, SAGE Publ. Inc, 2015.

[8]      J. Lee and D. W. S. Wong, Statistical Analysis with ArcView GIS. Canada: John Willey & Sons, Inc, 2001.

[9]      M. Charlton and A. S. Fotheringham, Geographically Weighted Regression. White paper, National Centre for Geocomputation National University of Ireland Maynooth, 2009.

[10]    L. Anselin, Spatial Econometrics: Methods and Models. Berlin: Springer-Verlag, 2013.