PEMODELAN INDEKS KEDALAMAN KEMISKINAN DI INDONESIA MENGGUNAKAN ANALISIS REGRESI ROBUST

Authors

  • Intan Kusuma Wardani Program Studi Statistika, Fakultas MIPA, Universitas Sebelas Maret
  • Yuliana Susanti Program Studi Statistika, Fakultas MIPA, Universitas Sebelas Maret
  • Sri Subanti Program Studi Statistika, Fakultas MIPA, Universitas Sebelas Maret

Keywords:

Analisis Regresi, Indeks Kedalaman Kemiskinan, Regresi Robust

Abstract

Kemiskinan adalah suatu permasalahan serius yang masih dihadapi oleh berbagai negara di dunia, tidak terkecuali negara Indonesia. Salah satu ukuran yang dapat menggambarkan kondisi kemiskinan di suatu wilayah adalah Indeks Kedalaman Kemiskinan. Berdasarkan data dari BPS, selama kurun waktu 2015-2019 Indeks Kedalaman Kemiskinan di Indonesia menurun namun tidak secara signifikan. Untuk bisa mengatasi kemiskinan diperlukan pemahaman data dan analisis yang tepat sehingga dapat diketahui faktor apa yang berpengaruh terhadap kemiskinan di Indonesia. Analisis regresi adalah suatu metode statistik yang mempelajari hubungan antara variabel dependen dan variabel independen. Metode yang biasa digunakan dalam analisis regresi adalah Metode Kuadrat Terkecil atau yang dikenal dengan MKT. Adanya pencilan pada data Indeks Kedalaman Kemiskinan di Indonesia tahun 2019 mengakibatkan data tersebut harus dianalisis dengan suatu metode statistik yang bersifat tidak sensitif terhadap pencilan. Pada penelitian ini digunakan analisis regresi robust estimasi-M dengan pembobot Huber untuk menangani pencilan dalam data. Tujuan dari penelitian ini adalah untuk menentukan variabel yang berpengaruh signifikan terhadap Indeks Kedalaman Kemiskinan di Indonesia tahun 2019. Hasil dari penelitian ini menunjukkan bahwa model Indeks Kedalaman Kemiskinan di Indonesia tahun 2019 menggunakan regresi robust estimasi-M dipengaruhi oleh Persentase Penduduk Miskin, Gini Rasio dan Persentase Rumah Tangga yang Menggunakan Penerangan dengan Sumber Listrik (40% ke bawah) dengan nilai R-square = 99,90%.

 

Kata kunci : , ,

Downloads

Published

2021-03-20

Issue

Section

Articles