Zidan Ramadhan, . (2024) PEMODELAN RELATIVE SPATIAL POVERTY INDEX BERDASARKAN BIG DATA DAN PRODUK PENGINDERAAN JAUH DI WILAYAH AGLOMERASI JOGLOSEMAR. S1 thesis, Universitas Pendidikan Indonesia.
Abstract
Wilayah Aglomerasi Joglosemar memiliki peran penting dalam pertumbuhan ekonomi, Namun wilayah yang berkembang ini memiliki masalah kemiskinan yaitu sebesar 8,48%. Faktor yang menyebabkan kemiskinan pada umumnya yaitu rendahnya tingkat pendidikan, minimnya lapangan kerja yang ada dan ketimpangan pendapatan yang tinggi. SUSENAS sebagai sumber data statistik yang paling lengkap di Indonesia, namun kelemahan SUSENAS adalah tidak adanya data geospasial yang detail. Tujuan utama dari penelitian ini adalah untuk mengetahui kondisi karakteristik variabel produk penginderaan jauh dan big data geospasial dengan data persentase kemiskinan di Wilayah Aglomerasi Joglosemar dan membangun pemodelan Relative Spatial Poverty Index serta menganalis kondisi kemiskinan di Wilayah Aglomerasi Joglosemar. Metode yang digunakan dalam penelitian ini adalah Sistem Informasi Geografi (SIG) dan Penginderaan Jauh, serta membangun pemodelan berbasis Weighted Sum. Variabel produk penginderaan jauh dan big data geospasial diolah menjadi Nighttime Light, Built – Up Index, POI Density, POI Distance dan Line Density. Hasil dari uji korelasi Rank Spearman juga menunjukan bahwa setiap variabel produk penginderaan jauh dan Big data geospasial memiliki koefisien korelasi (|r| ≥ 0,4) yang menunjukan kedekatan dengan data persentase kemiskinan resmi di Wilayah Aglomerasi Joglosemar cukup kuat atau sedang. Pemodelan RSPI diklasifikasikan menjadi 5 kelas yaitu sangat tinggi, tinggi, sedang, rendah, dan sangat rendah. Pemetaan kemiskinan menunjukkan konsentrasi di wilayah kabupaten, dengan Kabupaten Klaten memiliki tingkat tertinggi 12,33% dan Kota Semarang terendah 4,25%. Analisis RSPI mengidentifikasi wilayah yang rentan terhadap kemiskinan spasial. Rekomendasi melibatkan pemerintah untuk distribusi bantuan sosial yang lebih optimal dan penelitian lanjutan dengan variabel yang lebih banyak dan relevan. The Joglosemar Agglomeration region plays an important role in economic growth, but this growing region has a poverty problem of 8.48%. Factors that cause poverty in general are low levels of education, lack of available employment and high income inequality. SUSENAS is the most complete source of statistical data in Indonesia, but the weakness of SUSENAS is the absence of detailed geospatial data. The main objective of this research is to determine the condition of variable characteristics of remote sensing products and geospatial big data with poverty percentage data in the Joglosemar Agglomeration Region and build Relative Spatial Poverty Index modeling and analyze poverty conditions in the Joglosemar Agglomeration Region. The methods used in this research are Geographic Information Systems (GIS) and Remote Sensing, and building Weighted Sum-based modeling. The variables of remote sensing products and geospatial big data are processed into Nighttime Light, Built - Up Index, POI Density, POI Distance and Line Density. The results of the Spearman Rank correlation test also show that each variable of remote sensing products and geospatial big data has a correlation coefficient (|r| ≥ 0.4) which shows that the closeness to the official poverty percentage data in the Joglosemar Agglomeration Region is quite strong or moderate. RSPI modeling is classified into 5 classes: very high, high, medium, low, and very low. Poverty mapping shows a concentration in district areas, with Klaten Regency having the highest rate of 12.33% and Semarang City the lowest at 4.25%. RSPI analysis identifies areas vulnerable to spatial poverty. Recommendations involve the government for a more optimized distribution of social assistance and further research with more and relevant variables.
![[img]](http://repository.upi.edu/style/images/fileicons/text.png) |
Text
S_SIG_2005196_Title.pdf Download (1MB) |
|
Text
S_SIG_2005196_Chapter1.pdf Download (288kB) |
|
Text
S_SIG_2005196_Chapter2.pdf Restricted to Staf Perpustakaan Download (553kB) |
|
Text
S_SIG_2005196_Chapter3.pdf Download (1MB) |
|
Text
S_SIG_2005196_Chapter4.pdf Restricted to Staf Perpustakaan Download (9MB) |
|
Text
S_SIG_2005196_Chapter5.pdf Download (137kB) |
|
Text
S_SIG_2005196_Appendix.pdf Restricted to Staf Perpustakaan Download (59MB) |
| Item Type: | Thesis (S1) |
|---|---|
| Additional Information: | ID SINTA Dosen Pembimbing: Lili Somantri: 5995390 Haikal Muhammad Ihsan: 6745327 |
| Uncontrolled Keywords: | https://scholar.google.com/citations?hl=id&user=GgA5qI0AAAAJ&scilu=&scisig=APQ9KKMAAAAAZ4u_K_ExeJiT_bnO5S58XTKQW7Q&gmla=AGd7smGsZaQHYRYzJjRncSvOrMl14HHU6KDbT5rjpy2_DpE76OxxsSKREdnDAvVue1xp8VQPKLMV-t1H3wjSkGWyQXfnEFBZH6n-YokIiA63JRGSfKotTz8sAmM&sciund=15200435026534203230 SINTA ID : 5995390 SINTA ID : 6745327 |
| Subjects: | G Geography. Anthropology. Recreation > G Geography (General) H Social Sciences > HA Statistics |
| Divisions: | Fakultas Pendidikan Ilmu Pengetahuan Sosial > Sains Informasi Geografi |
| Depositing User: | Zidan Ramadan |
| Date Deposited: | 20 Jan 2025 06:36 |
| Last Modified: | 20 Jan 2025 06:36 |
| URI: | http://repository.upi.edu/id/eprint/129779 |
Actions (login required)
 |
View Item |