Implementasi Metode Geographically Weighted Negative Binomial Regression (GWNBR) dalam menganalisis Faktor-faktor yang mempengaruhi Jumlah Anak Putus Sekolah di Indonesia Tahun 2022 (Studi Kasus: Jumlah Anak Putus Sekolah Jenjang SMP di Indonesia Tahun 2022)

Abstract

Pendidikan salah satu kebutuhan dasar dan kebutuhan wajib yang harus dipenuhi oleh semua orang. Namun, pendidikan menjadi salah satu isu permasalahan pembangunan yang bersifat global, sehingga menjadi salah satu poin utama dalam tujuan pembangunan berkelanjutan. Indonesia menjadi salah satu negara yang masih menghadapi permasalahan dalam bidang pendidikan karena masih banyak masyarakat yang belum mendapatkan pendidikan sesuai dengan program yang telah ditetapkan oleh pemerintah. Regresi Poisson adalah salah satu analisis statistik yang digunakan untuk menentukan faktor-faktor yang mempengaruhi jumlah anak putus sekolah. Model Regresi Poisson adalah model regresi nonlinier yang digunakan untuk menganalisis data diskrit. Asumsi rata-rata sama dengan varians dalam analisis regresi Poisson jarang terpenuhi karena masalah penyebaran berlebihan yang sering muncul dalam pemodelan, di mana nilai varians lebih besar dari nilai rata-ratanya. Salah satu metode yamg digunakan dalam mengatasi overdispersi dalam regresi Poisson adalah regresi Binomial Negatif. Dalam penelitian ini menggunakan Model Regresi Binomial Negatif Berbobot Geografis (GWNBR) untuk memodelkan data cacah yang mempunyai overdispersi dan memperhatikan aspek spasial dengan kernel adaptive bisquare sebagai matriks pembobot. Variabel prediktor yang digunakan adalah persentase penduduk miskin, indeks pembangunan manusia, rata-rata lama sekolah, harapan lama sekolah, angka partisipasi sekolah, tingkat pengangguran terbuka, dan produk domestik regional bruto per kapita. Berdasarkan hasil penelitian, variabel yang berpengaruh signifikan pada model GWNBR menghasilkan satu kelompok saja, dimana semua variabel prediktor memberikan pengaruh yang sama pada setiap provinsi, yaitu variabel persentase penduduk miskin, indeks pembangunan manusia, rata-rata lama sekolah, harapan lama sekolah, angka partisipasi sekolah, tingkat pengangguran terbuka, dan produk domestik regional bruto per kapita.