You are on page 1of 6

Menentukan Faktor-Faktor yang Mempengaruhi Kemiskinan di Provinsi Aceh pada

Tahun 2017 Dengan Menggunakan Analisis Regresi Spasial

Sebra Damlif E1), Syafriandi2)


1)
Mahasiswa D3 Statistika
2)
Staf Pengajar Jurusan Matematika, FMIPA Universitas Negeri Padang
sebradamlife@gmail.com

ABSTRACT
Poverty is a problem that is of concern in every country in the world. Indonesia is one of the
country of in region East Asia and Pasific has the high poverty rate.The Indonesian goverment has a
target to reduce poverty rate by 7,0-8,0 percentage in 2019 but in September 2018 the poverty rate is
9.66 percentage that rate is still far from the target.Therefore, Study of factors poverty is important to
reduce poverty. Aceh is a province of Indonesia that has the 6th highest poverty rate in 2017. This
research is applied research. In this research the analysis used was spatial autoregressive regression
(SAR). Based on the resulth of the research, the following models of factor that influence poverty in
Aceh are obtained:
ŷ = −0.192Wy + 19.48 + 0.17X1 + 0.1009X2 − 0.078X4
The result of this experiment is 𝜌 coeffcient of 0.192 indicates that an increase in influence from
the are surrounding a district will reduce poverty, one percentage of people who do not graduate from
elementary school will increase poverty by 0.17, every increase one percentage people was working in
the agricultural sector will provide an increase in poverty of 0.1009, and every increase of one
percentage of poor households using decent water will reduce poverty rate by 0.078.

Keywords : Poverty, Spatial Autoregressive Regression, Lagrange Multiplier, Breush Pagan


his is an open access article distributed under the Creative Commons 4.0 Attribution License, which permits unrestricted use, distribution, and reproduction
in any medium, provided the original work is properly cited. ©2018 by author and Universitas Negeri Padang.

PENDAHULUAN makanan dan bukan makanan yang diukur dari


sisi pengeluaran perkapita perbulan. Sehingga,
A. Latar Belakang
garis kemiskinan yang diperoleh oleh BPS
Kemiskinan merupakan suatu masalah yang
adalah penjumlahan antara garis kemiskinan
menjadi perhatian di setiap negara. Oleh karena
makanan dan nonmakanan. Berdasarakan data
itu, pemerintah di setiap negara memiliki
BPS (2017) penduduk miskin di Indonesia
berbagai macam cara untuk mengentaskan
mengalami kenaikan sebesar 6,9 ribu orang pada
kemiskinan. World Bank, merupakan suatu
Maret 2017 dengan rincian jumlah penduduk
lembaga internasional yang memiliki tujuan
miskin Maret 2017 mencapai 27,77 juta orang
untuk mengentaskan kemiskinan di seluruh
dibandingkan dengan September 2016.
dunia. World Bank mengelompokkan penduduk
Kenaikan jumlah penduduk miskin Indonesia
pada kategori miskin berdasarkan garis
juga berdampak di provinsi aceh dimana aceh
kemiskinan internasional. Garis kemiskinan
merupakan provinsi yang terletak pada daerah
internasional yang digunakan yaitu Purchasing
paling ujung pulau sumatera yang memiliki
Power Parity (PPP).
persentase penduduk miskin terbanyak di pulau
World Bank membagi keseluruhan dunia
sumatera. Tingginya persentase penduduk
menjadi lima wilayah bagian dan negara
miskin akan menyebabkan permasalahan sosial
Indonesia termasuk kedalam wilayah East Asia
bagi daerah maupun nasional seperti
and Pasific yang memiliki persentase
menurunnya kualitas sumber daya manusia,
kemiskinan sebesar 3,5% dari keseluruhan total
terganggunya stabilitas sosial politik dan
populasi. Indonesia memiliki lembaga penyedia
meningkatnya angka kriminalitas. Sehingga, hal
data kemiskinan yang dinamakan dengan Badan
tersebut akan menghambat perkembangan
Pusat Statistik (BPS). Menurut BPS (2017:58)
ekonomi daerah maupun nasional. Pemerintah
kemiskinan adalah ketidakmampuan sari sisi
Indonesia memiliki target untuk tingat
ekonomi untuk memenuhi kebutuhan dasar
kemiskinan yang ditulis didalam rencana

1
pembangunan jangka menengah 2015-2019 Sehingga menyebabkan masalah bahwasanya
yang berbunyi menurunkan tingkat kemiskinan penduduk yang tinggal di daerah yang sama
menjadi 7,0-8,0 persen pada akhir tahun 2019. cenderung sama dan saling mempengaruhi. Hal
Faktanya pada September 2018 angka tersebut sesuai dengan hukum Tobler (dalam
kemiskinan sebesar 9,66 persen yang mana Schabenberger dan Gotway, 2005) yang
angka tersebut masih berbeda dengan target berbunyi “everything is reated to everything
yang seharusnya. else, but near things are more related that
Laderchi (1997) menyimpulkan bahwa distance thins”.
pengukuran kemiskinan pendapatan itu sendiri Berdasarkan permasalahan diatas maka
tidak menyampaikan semua informasi yang penelitian ini akan mengkaji tentang faktor-
menarik jika tujuannya adalah untuk faktor yang mempengaruhi kemiskinan di
memberikan gambaran menyeluruh tentang provinsi aceh pada tahun 2017 menggunakan
kemiskinan. Sedangkan menurut (Perkumpulan analisis regresi spasial.
Prakarsa, 2013:2) masalah kemiskinan tidak
hanya berkaitan dengan kemampuan daya beli B. Regresi Spasial
(PPP), penghasilan atau konsumsi yang dipakai Analisis regresi spasial adalah analisis yang
oleh World Bank dan BPS tapi terdapat dimensi digunakan untuk melihat pengaruh variabel
yang lebih luas dari kondisi kemiskinan dan bebas terhadap variabel terikat dengan
pada tahun 2010 UNDP dan OPHI menyepakati menambahkan efek lokasi pada pengamatan.
sebuah inisiasi pengukuran kemiskinan melalui Secara umum model regresi spasial sebagai
Multidimensional Poverty Index (MPI). berikut.
Menurut UNDP (dalam Alkire, 2018:8-9) 𝑦 = 𝜌𝑊1 𝑦 + 𝑋𝛽 + 𝑢 (1)
MPI memiliki tiga macam dimensi kunci yaitu
kesehatan, pendidikan dan standar kehidupan. 𝑢 = 𝜆𝑊2 𝑢 + 𝜀 (2)
Berdasarkan dimensi tersebut maka dalam (Lesage, 1999)
penelitian ini variabel yang akan digunakan
yaitu rumah tangga yang menggunakan air layak Dimana 𝑦 adalah vektor variabel respon, 𝜌
dari dimensi standar kehidupan dan lamanya adalah parameter koefisien spasial lag variabel
penduduk yang bersekolah tidak tamat SD dari predictor, 𝑊1 , 𝑊2 matriks pembobot berukuran ,
dimensi pendidikan. Kemiskinan juga dapat 𝑋 matriks variabel prediktor, 𝛽 vektor parameter
terjadi karena seseorang tidak mampu koefisien regresi, 𝑢 vektor galat, 𝜆 parameter
menghasilkan pendapatan yang cukup untuk koefisien spasial pada galat, 𝜀 vektor galat dan 𝐼
mempertahankan standar kebutuhan hidup matriks identitas berukuran nxn
minimumnya (BPS, 2007:21). Oleh karena itu,
dapat dilihat pentingnya ketenagakerjaan bagi Jika 𝜌 = 0 dan 𝜆 = 0 maka akan didapatkan
penduduk sehingga pada penelitian ini diambil model Spatial Autoregressive (SAR). Pada
variabel dari dimensi ketenagakerjaan yaitu model ini menunjukkan adanya efek spasial pa-
penduduk yang bekerja disektor pertanian dan da variabel respon. Sehingga model spasial yang
penduduk yang bukan bekerja disektor didapatkan menjadi:
pertanian. 𝑦 = 𝜌𝑊𝑦 + 𝑋𝛽 + 𝑢 (3)
Banyaknya dimensi yang menyebabkan
kemiskinan sehingga penulis tertarik untuk (Bivand et al, 2008)
mengetahui faktor-faktor yang mempengaruhi
kemiskinan yang studi kasusnya di Provinsi Dimana 𝑦 variabel respon, 𝑋 matriks variabel
Aceh. Salah satu analisis yang biasanya penjelas, 𝑊𝑦 matriks pembobot spasial, 𝜌
digunakan adalah analisis regresi. Karena, koefisien prediktor model spasial lag.
analisis regresi dapat digunakan untuk Jika 𝜌 = 0 dan 𝜆 ≠ 0 maka akan menjadi
memprediksi variabel dependen jika diketahui Spatial Error Model (SEM) atau model galat
variabel independennya. Tetap regresi linier spasial. Model galat spasial adalah model yang
dengan metode OLS tidak memperhatikan aspek menunjukkan adanya efek spasial dalam galat..
lokasi atau posisi data. Aspek lokasi sangat Sehingga diperoleh persamaan sebagai berikut:
penting karena wilayah yang berupa desa atau
perkotaan bisa saja memiliki sumber pendapatan 𝑦 = 𝑋𝛽 + 𝜆𝑊𝑢 + 𝜀 (4)
yang sama dan memiliki geografis yang sama.

2
(Sudarsono, 2012) Tolak H0 pada taraf sifnifikansi
(α) jika Z > 𝑍1−𝛼
1. Efek Spasial
Efek spasial terdiri dari dua bagian yaitu 2. Matriks Pembobot Spasial
efek heterogenistas dan efek dependensi Matriks pembobot spasial merupakan
sebagai berikut ini: matriks yang menggambarkan hubungan
a.Efek heterogenitas adalah efek yang kedekatan antar wilyah pengamatan yang
menunjukkan adanya keragaman antar disimbolkan dengan W.
lokasi yang diuji menggunakan uji 𝑤11 𝑤12 … 𝑤1𝑛
Breush-Pagan dengan hipotesis: 𝑤21 𝑤22 … 𝑤2𝑛
H0: terdapat homoskedasititas spasial 𝑊=[ … … ⋱ ⋮ ]
H1: terdapat heteroskedasititas spasial 𝑤31 𝑤32 … 𝑤𝑛𝑛
Statistik uji:
Elemen-elemen dari W adalah wij dengan i
1
𝐵𝑃 = (∑𝑛𝑖=1 𝑥𝑖 𝑓𝑖 )(∑𝑛𝑖=1 𝑥𝑖 𝑥𝑖 )(∑𝑛𝑖=1 𝑥𝑖 𝑓𝑖 ) (5) adalah baris pada elemen W dan j adalah ko-
2
lom. Pada elemen W dan merupakan wilayah
(Arbia, 2006) di sekitar lokasi pengamatan i. Untuk elemen
matriks didefinisikan dengan nilai 1 untuk
2
Menolak H0 jika 𝐵𝑃 > 𝜒𝛼,1 maka wilayah yang bersisian dengan daerah yang
dapat disimpulkan bahwa terdapatnya ke- menjadi perhatian, sedangkan daerah lainnya
heterogenisan/keragaman spasial. didefinisikan elemen matriks pembobot sebe-
sar 0. Untuk melihat hubungan antar wilayah
b. Efek dependensi spasial adalah efek terdapat tiga tipe interaksi atau persinggungan
yang terjadi akibat adanya dependensi batas wilayah (Lesage, 1999:11) yaitu:
dalam data wilayah yang diuji
menggunakan uji Lagrange Multiplier a. Rook contiguity adalah persentuhan sisi
dan ujiindeks Moran’s. wilayah satu dengan sisi wilayah yang
1) Lagrange Multiplier SAR lain yang bertetangga (side). Nilai pada
Hipotesis: setiap elemenya 1 jika lokasi i dan j ber-
H0: 𝜌 dan atau 𝜆 = 0 (tidak ada sentuhan sisi dan 0 jika lokasi i dan j
keterkaitan antar lokasi) tidak bersentuhan sisi.
H1 : 𝜌 dan atau 𝜆 ≠ 0 (ada b. Bishop contiguity adalah pensentuhan
keterkaitan antar lokasi) antar sudut wilayah satu dengan wilayah
Statistik uji: yang lain yang bertetangga (vertex). Un-
tuk nilai setiap elemen yaitu jika lokasi i
dan j bersentuhan titik sudut maka nilai
𝐿𝑀 = 𝐸 −1 [𝑅𝑦2 𝑇 − 2𝑅𝑦 𝑅𝜀 𝑇 + (𝐷 + 𝑇)] (6)
elemenya 1. Tetapi, jika lokasi i dan j
tidak bersentuhan titik sudut maka nilai
(Anselin, 1998)
elemenya 0.
Keputusan tolak H0 jika 𝐿𝑀 >
2 c. Queen contiguity adalah persentuhan si-
𝜒𝛼(𝑃) dengan p adalah banyaknya pa- si (side) dan titik sudut (vertex) wilayah
rameter spasial satu dengan wilayah yang lain. Untuk
nilai dari setiap elemennya yaitu jika lo-
2) Indeks Moran’s kasi i dan j bersentuhan sisi atau titik
Hipotesis: sudut nilainya 1. Tetapi, jika lokasi i dan
H0: I = 0 (tidak ada keterkaitan antar j tidak bersentuhan sisi ataupun titik
lokasi yang diamati) sudut maka nilainya 0.
H1: I ≠ 0 (ada keterkaitan antar lokasi
yang diamati)
Statistik uji:
𝐼−𝐸(𝐼)
𝑍= (7)
𝑉𝑎𝑟(𝐼)

(Lee dan Wong, 2011)

3
METODE PENELITIAN Persentase tingkat kemiskinan di Aceh pada
Jenis penelitian ini berupa penelitian terapan. tahun 2017 yang tergolong tinggi di Aceh adalah
Penelitian diawali dengan analisis teori dan kabupaten Gayo Lues, Aceh Singkil, Pidie,
diikuti dengan pengambilan data dan Bener Meriah dan Pidie Jaya yang berada pada
penerapannya terhadap data. Jenis data yang interval 20,28%-22,11% dan daerah yang
digunakan dalam penelitian adalah data persentase kemiskinannya tergolong rendah
sekunder yang diperoleh dari Badan Pusat yaitu kota Banda Aceh, Lhokseumawe, dan
Statistik. Tingkat kemiskinan yang digunakan Langsa yang berada pada interval 7,44%-12,32.
berupa persentase penduduk miskin di Aceh Untuk melihat apakah besarnya tingkat
pada tahun 2017. kemiskinan di Aceh dipengaruhi oleh daerah
Variabel dalam penelitian ini yaitu variabel tetangganya maka dapat dilihat berdasakan uji
dependen dan variabel independen. Variabel Lagrange Multiplier dan uji Breush-Pagan.
dependen yaitu tingkat kemiskinan (Y) dan
variabel independen yang digunakan yaitu: Tabel 1. Pengujian dan pendugaan parameter
1. Penduduk yang tidak tamat SD (X1) model dengan OLS.
2. Penduduk yang bekerja di sektor Variabel
Bebas Koefisien S.Error t Pvalue
pertanian (X2).
Intersep 13.997 4.572 3.061 0.007
3. Penduduk yang bekerja tidak di sektor
X1 0.171 0.069 2.471 0.024
pertanian (X3). X2 0.146 0.068 2.142 0.046
4. Rumah tangga miskin yang X3 0.118 0.101 1.164 0.259
menggunakan air layak (X4). X4 -0.106 0.053 -1.994 0.061
Teknik analisis data dalam penelitian ini Pada Tabel 1 didapatkan bahwa variabel
yaitu eksplorasi data tingkat kemiskinan di Aceh yang mempengaruhi kemiskinan di Aceh pada
per kabupaten/kota pada tahun 2017. Setelah itu, tahun 2017 adalah variabel penduduk yang tidak
melakukan pendugaan dan pengujian model tamat SD (X1) dan variabel penduduk yang
regresi dengan metode OLS dilanjutkan dengan bekerja di sektor pertanian (X2).
pengujian asumsi klasik. Kemudian menguji Pemeriksaan asumsi kenormalan sisaaan
efek spasial yaitu efek heterogenitas dan efek untuk metode OLS dapat dilihat dengan uji
dependensi spasial. Setelah itu, pendugaan dan Anderson Darling.
pengujiaan parameter model regresi spasial yang
terpilih berdasarkan uji Lagrange Multiplier. Tabel 2. Uji Anderson Darling untuk metode OLS
Setelah didapatkan model kemudian dilakukan Nilai Anderson Darling PValue
pengujian asumsi kenormalan, kehomogenan
0.49725 0.191
dan kebebasan antarsisaan. Langkah terakhir
yaitu pemilihan model terbaik dengan Kenormalan sisaan untuk model dengan
menggunakan nilai Akaike’s Information metode OLS menghasilkan nilai PValue sebesar
Criterion (AIC). 0.191 lebih besar dari taraf signifikan 5% maka
H0 diterima sehingga dapat dikatan bahwa
HASIL DAN PEMBAHASAN sisaan menyebar normal. Pemeriksaan asumsi
Eksplorasi data tingkat kemiskinan di Aceh kehomogenan ragam dapat dilihat dengan uji
per kabupaten/kota pada tahun 2017 dapat BP.
dilihat pada Gambar 1.
Tabel 3. Uji Breush-Pagan untuk metode OLS
Nilai BP PValue
3.0486 0.5497
Kehomogenan ragam sisaan menghasilkan
nilai PValue sebesar 0.5497 yang lebih besar dari
taraf signifikansi 5% maka H0 diterima yang
artinya bahwa ragam sisaan bersifat homogen.
Untuk pemeriksaan asumsi multikolinieritas
dapat dilihat dari nilai VIF (Variance inflation
factor) .
Gambar 1. Persentase Tingkat kemiskinan Aceh
Tahun 2017.

4
sehingga H0 ditolak yang artinya terdapat
Tabel 4. Nilai VIF untuk metode OLS ketergantungan spasial lag sehingga model SAR
Variabel Nilai VIF dapat digunakan. Sedangkan untuk nilai Pvalue
X1 1.095951 model SEM sebesar 0.8974 nilai tersebut lebih
besar dari taraf signifikansi yaitu 5% maka H0
X2 2.810722
diterima yang artinya tidak terdapat
X3 3.768714 ketergantungan spasial error, sehingga model
X4 2.713849 SEM tidak dapat digunakan untuk memodelka
Asumsi multikolinieritas dilanggar apabila memodelkan tingkat kemiskinan di Aceh pada
nilai VIF >10, pada Tabel 4 dapat dilihat bahwa tahun 2017.
tidak ada nilai VIF dari masing-masing variabel Tabel 7. Pengujian dan pendugaan parameter
yang lebih besar dari 10 maka asumsi model SAR.
multikolinieritas terpenuhi. Pemilihan model Variabel Bebas Koefisien Z P-value
terbaik dengan menggunakan Best Subsets. Intersep 17.4458 4.3426 1.41E-05
X1 0.1790 3.1337 0.0017
Tabel 5. Pemilihan Model Terbaik untuk metode X2 0.1370 2.4614 0.0138
OLS X3 0.0985 1.1757 0.2397
Kombinasi Cp X4 -0.1054 -2.4046 0.0162
Vars R2 S 𝜌 -0.1795 4.0345 0.044579
Peubah Mallows
1 X2 29.9 4.8 3,0055 Pada Tabel 7 didapatkan bahwa variabel
1 X1 4.2 15.8 3,6347 yang mempengaruhi kemiskinan di Aceh pada
2 X1X2 51,6 3,0 2,8232 tahun 2017 adalah variabel penduduk yang tidak
tamat SD (X1), variabel penduduk yang bekerja
Pemilihan model terbaik dapat dilakukan di sektor pertanian (X2), variabel rumah tangga
dengan cara melihat nilai R2 terbesar, nilai S miskin yang menggunakan air layak (X4) dan
terkecil dan Cp Mallows yang mendekati koefisien 𝜌 yang signifikan mengartikan bahwa
parameter maka dapat disimpulkan bahwa ketergantungan lag pada spasial berpengaruhi
model yang terpilih yaitu dengan kombinasi dua terhadap kemiskinan.
variabel. Maka didapatkan model OLS sebagai Pemeriksaan asumsi kenormalan sisaaan dari
berikut: model SAR sama dengan metode OLS dapat
dilihat dengan uji Anderson Darling.
𝑦̂ = 9.96 + 0.1367𝑋1 + 0.1654𝑋2 (8)
Tabel 2. Uji Anderson Darling untuk model SAR
Berdasarkan persamaan menunjukkan bahwa Nilai Anderson Darling PValue
konstanta (𝛽0 ) memberikan kenaikan sebesar
0.749446 0.04365
9.96 pada tingkat kemiskinan, setiap kenaikan
Kenormalan sisaan untuk model dengan
1% penduduk yang tidak tamat SD akan
model SAR menghasilkan nilai PValue sebesar
meningkatkan tingkat kemiskinan sebesar
0.04465 lebih kecil dari taraf signifikan 5% maka
0,1367dan untuk setiap kenaikan 1% pendudk
H0 ditolak sehingga dapat dikatan bahwa sisaan
yang bekerjan di sektor pertanian akan
menyebar tidak normal. Persamaan SAR yang
menaikan tingkat kemiskinan sebesar 0.1654.
diperoleh adalah sebagai berikut:
Pemeriksaan efek heterogenitas spasial
dengan nilai BP = 2.6638 dan nilai PValue =
ŷ = −0.192Wy + 19.48 + 0.17X1 +
0.6156 maka H0 diterima menunjukkan bahwa
0.1009X 2 − 0.078X4 (9)
tidak adanya keragaman antar lokasi.

Tabel 6. Hasil Uji Dependensi Spasial deng uji


Persamaan 9 menunjukkan bahwa koefisien
LM. 𝜌 sebesar 0.192 menunjukkan bahwa adanya
peningkatan pengaruh dari wilayah yang
Model Uji LM PValue
mengelilingi suatu kabupaten/kota maka akan
SAR 3.0174 0.08237 menurunkan tingkat kemiskinan, peningkatan
SEM 0.016612 0.8974 1% penduduk yang tidak tamat SD (X1) akan
Berdasarkan Tabel 6 menunjukkan bahwa memberikan peningkatan terhadap kemiskinan
nilai Pvalue untuk model SAR sebesar 0.08237 sebesar 0.17, setiap kenaikan 1% penduduk
yang lebih kecil dari taraf signifikansi yaitu 5% yang bekerja di sektor pertanian (X2) akan

5
memberikan peningkatan kemiskinan sebesar Bivand, R.S., Pebesma E.J., Rubio, V.G. 2008.
0.1009, setiap kenaikan 1% rumah tangga Applied Spatial Data Analysis with R.
miskin yang menggunakan air layak (X4) akan New York : Springer.
memberikan penurunan tingkat kemiskinan
sebesar 0.078. Caterina Ruggeri Laderchi, 1997. "Poverty and
its many dimensions: The role of income
Tabel 8. Pemilihan model terbaik dengan AIC. as an indicator. Oxford Development
Model AIC Studies, Taylor & Francis Journals, vol.
OLS 117,1951 25(3), pages 345-360.
SAR 115.1607 Lee, J dan Wong, D. W. S. 2011. Statistical
Model terbaik untuk memodelkan Analysis with Arcview GIS. John Willey
kemiskinan di Aceh adalah moder SAR karena and Sons Inc. New York..
memiliki nilai AIC yang lebih kecil dari model
LeSage, J.P. 1999. The Theory and Practice of
regresi dengan metode OLS.
Spatial Econometrics, Departement of
Economics University of Toledo.
KESIMPULAN
Faktor-faktor yang mempengaruhi tingkat Peraturan presiden Indonesia No.2 tahun 2015.
kemiskinan di Aceh pada tahun 2017 lebih baik Rencana Pembangunan Jangka
dimodelkan dengan model SAR dengan menengah Nasional 201-2019.
memasukkan efek ketergantungan lag spasial ke Perkumpulan Prakarsa. (2013). Multidimensi
dalam model. Persamaan SAR yang diperoleh Poverty Index (MPI): Konsep dan Pen-
adalah: gukurannya di Indonesia.Jakarta
ŷ = −0.192Wy + 19.48 + 0.17X1 + 0.1009X2 Schabenberger O., Gotway C.A. 2005. Statisti-
− 0.078X4 cal Methods for Spatial Data Analysis.
Sedangkan faktor yang mempengaruhi Chapman & Hall/CRC.
tingkat kemiskinan di Aceh tahun 2017 adalah Sudarsono, De Restu.2012.Identifikasi faktor-
penduduk yang tidak tamat SD, penduduk yang faktor yang berpengaruh terhadap ban-
bekerja di sektor pertanian dan rumah tangga yaknya kejahatan dengan pendekatan an-
miskin yang menggunakan air layak. alisis spasial.Bogor: ITB.

DAFTAR PUSTAKA

Alkire, Sabina and Selim Jahan.2018. The New


Global MPI: Aligning with the
Sustainable Development Goals.UNDP
Human Development Report Office
(HDRO) Occasional Paper:Oxford
University and UNDP.
Anselin, Luc.1988. Spatial Econometrics:
Methods and Models. Netherlands:
Kluwer Academic Publisher.
Arbia, G. 2006. Spatial Econometrics: Statisti-
cal Foundations and Applications to Re-
gional Convergence. Germany: Springer-
Verlag Berlin Heidelberg.
Badan Pusat Statistik. 2018. Data dan Informasi
Kemiskinan Kabupaten/Kota Tahun 2017.
Jakarta: Badan Pusat Statistik.
Badan Pusat Statistik.2017.Perhitungan dan
Analisis Kemiskinan Makro Indonesia.
Jakarta:Badan Pusat Statistik.
6