Analisis Geographically Weighted Regression Untuk Mengidentifikasi Faktor Pendukung Kepesertaan PBI-JK di Jawa Timur

Authors

  • SYAHNUR ALAWIYAH Universitas Islam Negeri Sunan Ampel Surabaya
  • Putroue Keumala Intan
  • Maunah Setyawati

DOI:

https://doi.org/10.14421/fourier.2025.142.90-102

Keywords:

BPJS, Kepesertaan JKN, GWR, Kemiskinan

Abstract

Kesehatan memainkan peran yang sangat penting dalam pembangunan daerah. Jaminan Kesehatan Nasional (JKN) memberikan perlindungan sosial kepada masyarakat, termasuk dukungan bagi kelompok Penerima Bantuan Iuran Jaminan Kesehatan (PBI-JK) yang ditujukan bagi masyarakat miskin dan kurang mampu. Di Provinsi Jawa Timur, tingkat partisipasi PBI-JK bervariasi secara signifikan di antara berbagai kabupaten dan kota. Penelitian ini bertujuan untuk menganalisis faktor-faktor spasial yang mempengaruhi partisipasi PBI-JK menggunakan metode Geographically Weighted Regression (GWR) dengan fungsi kernel fixed gaussian. Temuan menunjukkan bahwa model GWR secara efektif mengidentifikasi ketidakmerataan spasial antar wilayah, mengungkapkan bahwa variabel populasi memiliki pengaruh signifikan terhadap partisipasi PBI-JK di semua kabupaten dan kota, sedangkan variabel persentase penduduk miskin hanya menunjukkan dampak signifikan di sebagian besar wilayah di Jawa Timur.

Downloads

Download data is not yet available.

References

D. A. Anantika and H. Sasana, “Analisis Pengaruh Pengeluaran Pemerintah Sektor Pendidikan, Kesehatan, Korupsi, dan Pertumbuhan Ekonomi terhadap Indeks Pembangunan Manusia di Negara APEC,” Diponegoro Journal of Economics, vol. 9, no. 3, pp. 167–178, Jul. 2021, https://doi.org/10.14710/DJOE.31581.

N. Murniati, R. M. Rimbani, and U. Mawaddah, “Keberhasilan Program Subsidi Kesehatan Terhadap Alokasi Biaya Kesehatan Keluarga Miskin,” Jurnal Riset Ilmu Ekonomi, vol. 1, no. 1, pp. 12–21, Apr. 2021, https://doi.org/10.23969/JRIE.V1I1.9.

C. R. A. Saputro and F. Fathiyah, “Universal Health Coverage: Internalisasi Norma di Indonesia,” Jurnal Jaminan Kesehatan Nasional (JJKN), vol. 2, no. 2, pp. 204–216, Dec. 2022, https://doi.org/10.53756/jjkn.v2i2.108.

A. N. R. Hasibuan, S. A. Putri, S. R. Hasibuan, and F. P. Gurning, “Analisis Kesesuaian Anggota BPJS Penerima Bantuan Iuran (PBI) dengan Indikator Kemiskinan di Kota Medan,” Jurnal Kolaboratif Sains, vol. 7, no. 7, pp. 2465–2478, Jul. 2024, https://doi.org/10.56338/JKS.V7I7.5602.

I. Nugraheni et al., “Tinjauan Literatur: Evaluasi Program Jaminan Kesehatan Nasional (JKN) di Indonesia,” Jurnal Kesehatan, vol. 12, no. 2, Dec. 2023, https://doi.org/10.46815/JK.V12I2.184.

Dinas Kesehatan Provinsi Jawa Timur, “Profil Kesehatan Provinsi Jawa Timur Tahun 2023,” [Nama Penerbit/Kota], 2024.

DJSN, “Sismonev DJSN | Kesehatan.” Accessed: May 15, 2025. [Online]. Available: https://kesehatan.djsn.go.id/kesehatan/pesertasegmen/

F. Fitriyani, S. Yurinanda, and C. Multahadah, “Penerapan Metode Geographically Weighted Regression Pada Tingkat Pencemaran Air Berdasarkan Total Coliform Di Provinsi Jambi,” Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika, vol. 4, no. 1, pp. 603–613, Apr. 2023, https://doi.org/10.46306/LB.V4I1.305.

A. Hapsery and D. Trishnanti, “Aplikasi Geographically Weighted Regression (GWR) Untuk Pemetaan Faktor Yang Mempengaruhi Indeks Aktivitas Literasi Membaca Di Indonesia,” Jurnal Riset dan Aplikasi Matematika (JRAM), vol. 5, no. 2, pp. 80–91, Oct. 2021, https://doi.org/10.26740/JRAM.V5N2.P80-91.

J. A. Nursiyono and M. Apriyani, “Determinan Kematian Ibu di Jawa Timur Tahun 2020: Analisis Geographically Weighted Regression (GWR),” Poltekita: Jurnal Ilmu Kesehatan, vol. 16, no. 1, pp. 89–97, May 2022, https://doi.org/10.33860/jik.v16i1.844.

D. P. Ningrum, T. Saifudin, S. Suliyanto, and N. Chamidah, “Tuberculosis Modeling in East Java Based on Geographically Weighted Regression Approach,” Jurnal Matematika, Statistika dan Komputasi, vol. 19, no. 1, pp. 19–32, Sep. 2022, https://doi.org/10.20956/j.v19i1.21262.

H. Y. Saputra and I. F. Radam, “Accessibility model of BRT stop locations using Geographically Weighted regression (GWR): A case study in Banjarmasin, Indonesia,” International Journal of Transportation Science and Technology, vol. 12, no. 3, pp. 779–792, Sep. 2023, https://doi.org/10.1016/j.ijtst.2022.07.002.

Pemerintah Pusat, “PERPRES No. 82 Tahun 2018.” Accessed: Apr. 29, 2025. [Online]. Available: https://peraturan.bpk.go.id/Details/94711/perpres-no-82-tahun-2018

S. Mar’atush Sholihah, N. Yoga Aditiya, E. Saphira Evani, and S. Maghfiroh, “Konsep Uji Asumsi Klasik pada Regresi Linier Berganda,” Jurnal Riset Akuntansi Soedirman, vol. 2, no. 2, pp. 102–110, Dec. 2023, https://doi.org/10.32424/1.JRAS.2023.2.2.10792.

A. H. Azizah, N. Nurjannah, A. A. R. Fernandes, and R. Hamdan, “Geographically Weighted Panel Logistic Regression Semiparametric Modeling On Poverty Problem,” MEDIA STATISTIKA, vol. 16, no. 1, pp. 47–58, Nov. 2023, https://doi.org/10.14710/MEDSTAT.16.1.47-58.

G. Dwijuna Ahadi, N. N. Laili, and E. Zain, “The Simulation Study of Normality Test Using Kolmogorov-Smirnov, Anderson-Darling, and Shapiro-Wilk,” EIGEN MATHEMATICS JOURNAL, vol. 6, no. 1, pp. 11–19, Jun. 2023, https://doi.org/10.29303/EMJ.V6I1.131.

Z. Chen, S. Zhang, W. Geng, Y. Ding, and X. Jiang, “Use of Geographically Weighted Regression (GWR) to Reveal Spatially Varying Relationships between Cd Accumulation and Soil Properties at Field Scale,” Land, vol. 11, no. 5, p. 635, Apr. 2022, https://doi.org/10.3390/LAND11050635.

A. M. Khariyani and E. P. Setiawan, “Analisis Faktor-Faktor Yang Memengaruhi Jumlah Penderita Tuberkulosis Menggunakan Geographically Weighted Regression Di Provinsi Jawa Timur,” [Nama Jurnal/Prosiding], 2022.

R. Putra, S. W. Tyas, and M. G. Fadhlurrahman, “Geographically Weighted Regression with The Best Kernel Function on Open Unemployment Rate Data in East Java Province,” Enthusiastic: International Journal of Applied Statistics and Data Science, pp. 26–36, Apr. 2022, https://doi.org/10.20885/ENTHUSIASTIC.VOL2.ISS1.ART4.

S. Kartika and G. Kholijah, “Penggunaan Metode Geograhically Weighted Regression (GWR) Untuk Mengestimasi Faktor Dominan yang Mempengaruhi Penduduk Miskin di Provinsi Jambi,” JOMTA Journal of Mathematics: Theory and Applications, vol. 2, no. 2, 2020.

Downloads

Published

2025-10-31

How to Cite

SYAHNUR ALAWIYAH, Putroue Keumala Intan, & Maunah Setyawati. (2025). Analisis Geographically Weighted Regression Untuk Mengidentifikasi Faktor Pendukung Kepesertaan PBI-JK di Jawa Timur. Jurnal Fourier, 14(2), 90–102. https://doi.org/10.14421/fourier.2025.142.90-102

Issue

Section

Articles