TATA LOKA VOLUME 21 NOMOR 4, NOVEMBER 2019, 669-677 © 2019 BIRO PENERBIT PLANOLOGI UNDIP P ISSN 0852-7458- E ISSN 2356-0266 DOI: https://doi.org/10.14710/tataloka.21.4.669-677 T A T A L O K A ANALISIS SPASIAL KEMISKINAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION: STUDI KASUS KABUPATEN PANDEGLANG DAN LEBAK Analysis Spatial of Poverty using Geographically Weighted Regression Approach: Case Study of Pandeglang and Lebak Regencies Sukanto 1 , Bambang Juanda 2 , Akhmad Fauzi 2 and Sri Mulatsih 2 Diterima: 5 Maret 2018 Disetujui: 17 Agustus 2018 Abstrak Kemiskinan masih menjadi permasalahan utama dalam pembangunan baik di tingkat nasional maupun daerah. Program penanggulangan kemiskinan yang dilakukan belum memperhatikan aspek spasial sehingga kebijakan yang diambil sering kurang tepat sasaran. Penelitian ini bertujuan untuk melihat pola spasial kemiskinan di Kabupaten Pandeglang dan Lebak. Metode yang digunakan adalah geographically weighted regression (GWR) dengan data kemiskinan tahun 2016. Hasil studi menunjukkan adanya autokorelasi spasial positif dan berkelompok pada 25 kecamatan. Variabel angka partisipasi murni cenderung menurunkan kemiskinan di semua kecamatan. Sementara itu, variabel dana desa, listrik dan jalan cenderung menurunkan angka kemiskinan pada lebih dari 80% kecamatan. Respon terhadap variabel bebas berbeda di setiap kecamatan amatan. Oleh karena itu, program pengentasan kemiskinan tiap kecamatan disesuaikan dengan masing-masing faktor yang berpengaruh. Kata Kunci: Spasial Autokorelasi, GWR, Kemiskinan, Kecamatan Abstract: Poverty is a main problem both at the national and regional development. Existing poverty alleviation programs have not paid attention to the spatial aspect, thus the policies are often poorly targeted. This study aims to find spatial patterns of poverty in Pandeglang and Lebak districts. Geographically weighted regression (GWR) are used to analysis poverty data of 2016. Based on the analysis, positive spatial autocorrelation are found and clustered in 25 sub-districts. Net enrollment rates tend to reduce poverty in all sub-districts. Meanwhile, village funds, electricity and roads tend to reduce poverty rates in more than 80% of sub-districts. Independent variables has different response in each sub-district. Therefore, the poverty alleviation program of each sub-district is adjusted to its influencing factor. Keywords: Autocorrelation spatial, GWR, poverty, sub-district PENDAHULUAN Kemiskinan masih menjadi fokus utama bagi setiap negara khususnya negara berkembang. Pada tingkat dunia, agenda pengurangan kemiskinan terlihat dari dokumen 1 Program Studi Ekonomi Pembangunan Fakultas Ekonomi, Universitas Sriwijaya 2 Program Studi Ilmu Perencanaan Pembangunan Wilayah dan Perdesaan, Institut Pertanian Bogor Korespondensi: soekanto0813@gmail.com