Analisis Faktor-Faktor yang Memengaruhi Indeks Risiko Bencana pada Setiap Provinsi di Indonesia Menggunakan Geographically Weighted Panel Regression

Saputri, Arindah Maharani (2026) Analisis Faktor-Faktor yang Memengaruhi Indeks Risiko Bencana pada Setiap Provinsi di Indonesia Menggunakan Geographically Weighted Panel Regression. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 2043221088-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Indonesia merupakan salah satu negara yang rawan terjadi bencana karena terletak pada wilayah rawan bencana. Sejak tahun 2020, frekuensi kejadian bencana menunjukkan fluktuasi yang signifikan dan tentunya berdampak pada berbagai aspek kehidupan. Apabila tidak segera dicegah atau ditangani akan memengaruhi peningkatan risiko bencana di suatu wilayah. World Risk Report (WRR) tahun 2024 mencatat bahwa Indonesia berada pada peringkat ke-2 dari 193 negara dengan risiko bencana tertinggi. Badan Nasional Penanggulangan Bencana (BNPB) tahun 2024 menyebutkan bahwa terdapat perbedaan signifikan indeks risiko bencana antarprovinsi, adapun proyeksi tahun 2025 memperkirakan adanya peningkatan jumlah provinsi dengan tingkat risiko tinggi sebanyak 11 provinsi di Indonesia. Kondisi ini mengindikasikan adanya kesenjangan antarprovinsi yang dapat disebabkan oleh perbedaan karakteristik masing-masing wilayah. Oleh karena itu, perlu dilakukan analisis terhadap faktor-faktor yang memengaruhi Indeks Risiko Bencana (IRB) di Indonesia tahun 2020 hingga 2024 menggunakan Geographically Weighted Panel Regression (GWPR). Penelitian ini menggunakan data pada 34 provinsi di Indonesia selama lima tahun. Hasil penelitian menunjukkan bahwa variabel kepadatan penduduk, Produk Domestik Regional Bruto (PDRB), Indeks Pembangunan Mnausia (IPM), APBD belanja tidak terduga, dan Upah Minimum Provinsi (UMP) berpengaruh signifikan terhadap indeks risiko bencana di Indonesia menggunakan model fixed effect. Pemodelan GWPR dengan pembobot adaptive bisquare kernel merupakan model terbaik dengan nilai kebaikan model (R2) sebesar 97,47%. Selain itu, pemodelan GWPR membentuk 16 kelompok wilayah berdasarkan variabel yang signifikan pada masing-masing provinsi.
===================================================================================================================================
Indonesia is one of the countries prone to disasters because it is located in a disaster-prone area. Since 2020, the frequency of disasters has fluctuated significantly, impacting various aspects of life. If not immediately prevented or addressed, this will increase the risk of disasters in a region. The 2024 World Risk Report notes that Indonesia ranks second out of 193 countries with the highest risk of disasters. The National Disaster Management Agency in 2024 stated that there are significant differences in the disaster risk index between provinces, and the 2025 projection estimates an increase in the number of provinces with a high risk level to 11 provinces in Indonesia. This condition indicates a gap between provinces that may be caused by differences in the characteristics of each region. Therefore, it is necessary to analyze the factors that influence the Disaster Risk Index in Indonesia from 2020 to 2024 using Geographically Weighted Panel Regression (GWPR). This study uses data from 34 provinces in Indonesia over five years. The results show that the variables of population density, gross regional domestic product, human development index, unexpected expenditure in the regional budget, and provincial minimum wage significantly affect the disaster risk index in Indonesia using a fixed effect model. GWPR modeling with adaptive bisquare kernel weighting is the best model with a model goodness value (R2) of 97.47%. In addition, GWPR modeling formed 16 regional groups based on significant variables in each province.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Geographically Weighted Panel Regression, Indeks Risiko Bencana, Indonesia, Geographically Weighted Panel Regression, Disaster Risk Index, Indonesia
Subjects:	H Social Sciences > HA Statistics > HA30.6 Spatial analysis H Social Sciences > HA Statistics > HA31.3 Regression. Correlation. Logistic regression analysis. Q Science > QA Mathematics > QA401 Mathematical models.
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Arindah Maharani Saputri
Date Deposited:	13 Feb 2026 06:40
Last Modified:	13 Feb 2026 06:40
URI:	http://repository.its.ac.id/id/eprint/132399

Actions (login required)

View Item