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

Isi Artikel Utama

Alfisyahrina Hapsery
DEA TRISHNANTI

Abstrak

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 perbedaanna 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 faktor rata-rata lama sekolah dan kemampuan masyarakat mengakses internet berpengaruh signifikan terhadap angka indek literasi Indonesia. Dengan metode GWR terbukti bahwasannya wilayah berpengaruh signifikan terhadap angka indeks literasi Indonesia dengan nilai kebaikan model yang terbentuk dari model GWR yaitu 92.46%

Rincian Artikel

Bagian
Statistics
Biografi Penulis

Alfisyahrina Hapsery, Universitas PGRI Adi Buana Surabaya

Statistika

Referensi

[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.