skip to main content

Analisis Pola Spasial dan Sebaran Penduduk Miskin di Kabupaten Mandailing Natal

*Arif Naldi  -  Institut Pertanian Bogor, Indonesia
Hermanto Siregar  -  Institut Pertanian Bogor, Indonesia
Sri Mulatsih  -  Institut Pertanian Bogor, Indonesia

Citation Format:
Abstract

Kemiskinan di Kabupaten Mandailing Natal merupakan masalah yang sangat krusial di Daerah Tapanuli Selatan (TABGSEL) karena Kabupaten Mandailing Natal merupakan salah satu daerah yang memiliki angka kemiskinan yang tinggi dan merupakan salah satu penyumbang kemiskinan yang tinggi di Provinsi Sumatera Utara. Keberagaman dan keluasan karakteristik wilayah yang dapat menyebabkan permasalahan dan kondisi kemiskinan menjadi kompleks dan berbeda-beda, sehingga menarik untuk ditelaah secara spasial karena karakteristik sosial dan ekonomi masyarakat terkait dengan karakteristik spasial. Tujuan penelitian ini adalah untuk mengkaji sebaran penduduk miskin secara umum (Indeks Moran) dan pola spasialnya di 377 desa. Nilai data hasil penelitian sebesar 0,152434, menunjukkan adanya autokorelasi positif atau mengelompok antar desa. Autokorelasi tersebut menggambarkan bahwa desa-desa yang berdampingan memiliki karakteristik yang sama. Berdasarkan uji Lisa, 45 desa dengan kriteria tinggi-tinggi, 48 desa dengan kriteria rendah-rendah, 8 desa dengan kriteria rendah-tinggi, dan 10 desa dengan kriteria tinggi-rendah.

Fulltext View|Download
Keywords: Auto Korelasi Spasial, Kemiskinan, Pemetaan Cluster, Uji Moran

Article Metrics:

  1. Badan Pusat Statistik. 2019. Provinsi Sumatera Utara
  2. Bappenas. 2019
  3. Hakim DA. 2017. Indeks Perkembangan Dan Kemandirian Desa Di Kabupaten Sukabumi: Tantangan Pembangunan Wilayah Perdesaan [Tesis]. Bogor (ID): Institut Pertanian Bogor
  4. Hasibuan NH, Juanda B, Mulatsih S. 2019. Analisis sebaran dan faktor penyebab kemiskinan di Kabupaten Bandung Barat. Jurnal Agribisnis Indonesia Vol 7, No 2
  5. Hermes, Juand B, Rustiadi E, Barus Baba. 2017. Pemetaan efek spasial pada data kemiskinan Kota Bengkulu. Jurnal OF Regional and Rural Development Planning. Vol 1, No 2
  6. Lee J, Wong DWS. 2001. Statistical Analysis ArchView GIS. New York: John Wiley & Sons, Inc
  7. Listyaningsih U. 2018. Prespektif Spasial Penanggulangan Kemiskinan di Yogyakarta. Patrawidya. Vol 19, No.1
  8. Liu YS, Liu JL, Zhou Y. 2017. Spatio-temporal patterns of rural poverty in China and targetedpoverty alleviation strategies. Jurnal of Rural Studies. 52 (2017) 66-75
  9. Riadi B, Syafi’i A, Widodo HM. 2011. Pembangunan Sistem Informasi Spasial. Studi Kasusu Kabupaten Pidiejaya Provinsi Aceh. Globe Vol. 13. No 1
  10. Salmirawati, Sukarna, Abdy M. 2017. Regresi Spasial Untuk Mengukur Faktor-Faktor Kemiskinan Di Provinsi Sulawesi Selatan. Universitas Negeri Makassar. Parang Tambung, 90244 Sulawesi Selatan
  11. Saputro DRS, Widyaningsih P, Kurdi NA, Hardianti, Susanti A. (2017) Local Indicator Of Spatial Association (LISA) Cluster Map untuk Identifikasi Penyebaran dan Pemetaan Penyakit Demam Berdarah Dengue (Dbd) di Jawa Tengah. Seminar Matematika dan Pendidikan Matematika UNY
  12. Sartika C, Blaka MY, Rumbia WA. 2016. Studi Faktor-fakotr Penyebab Kemiskinan Masyarakat Desa Lohia Kecamatan Lohia Kabupaten Muna. Jurnal. Ekonomi. Vol 1. No 1
  13. Wuryandari T, Hoyyi A, Kusumawardani DS, Rahmawati D. 2014. Identifikasi Autokorelasi Spasial Pada Jumlah Pengangguran Di Jawa Tengan Menggunakan Indeks Moran. Media Statistika. Vol. 7. No 1

Last update:

No citation recorded.

Last update:

No citation recorded.

slot gacor slot