ANALISIS REGRESI ROBUST ESTIMASI GM PADA INDEKS KEPARAHAN KEMISKINAN PROVINSI-PROVINSI DI INDONESIA

Rio Aristiarto, Yuliana Susanti, Irwan Susanto

Abstract


Indeks keparahan kemiskinan merupakan indikator yang dapat digunakan untuk melihat perkembangan kemiskinan. Indeks ini memberikan gambaran mengenai penyebaran pengeluaran di antara penduduk miskin. Kemiskinan di Indonesia selama tiga tahun terakhir terjadi peningkatan. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi indeks keparahan kemiskinan provinsi-provinsi di Indonesia. Data indeks keparahan kemiskinan tahun 2021 mengandung pencilan di dalamnya sehingga asumsi normalitas tidak terpenuhi. Salah satu metode yang dapat digunakan dalam mengatasi pencilan yaitu analisis regresi robust. Estimasi yang digunakan adalah Generalized M (GM) yang merupakan pengembangan dari estimasi M ketika estimasi M kurang sensitif terhadap pencilan. Hasil penelitian menunjukkan bahwa faktor-faktor yang berpengaruh signifikan terhadap indeks keparahan kemiskinan provinsi-provinsi di Indonesia tahun 2021 adalah persentase penduduk miskin, indeks pembangunan manusia, dan proporsi rumah tangga dengan status rumah milik sendiri.

Full Text:

PDF

References


Asogwa, B. C., Okwoche, V. A., & Umeh, J. C. (2012). Analysing the determinants of poverty severity among rural farmers in Nigeria: A censored regression model approach. American International Journal of Contemporary Research, 2(5), 166–176.

BPS. (2021). Indikator Kesejahteraan Rakyat 2021. Badan Pusat Statistik.

Fadilah, M. F., & Basuki, M. U. (2020). Analisis Faktor-Faktor yang Mempengaruhi Kerentanan Kemiskinan Relatif di Kota Jakarta Barat Tahun 2018. . Diponegoro Journal of Economics, 9(2), 157–168.

Hidayatulloh, F. P., Yuniarti, D., & Wahyuningsih, S. (2015). Regresi Robust dengan Metode Estimasi-S. Jurnal EKSPONENSIAL, 6(2), 163–170.

Ilmi, M. B. (2021). Pengaruh PDRB, IPM dan TPT Terhadap Kemiskinan di Lima Provinsi dengan Tingkat Kemiskinan Tertinggi di Indonesia Periode 2010-2019 [Skripsi]. Institut Agama Islam Negeri Ponorogo.

Junus, F. D. (2021). Estimasi Parameter Model Mixed Geographically Weighted Regression Menggunakan Metode Generalized M-Estimator [Skripsi]. Universitas Hasanuddin.

Kambubuy, S. K., & Budiasih, B. (2020). MAMPUKAH PROVINSI PAPUA MENCAPAI TUJUAN PERTAMA DARI SDGs? Seminar Nasional Official Statistics, 2019(1), 524–534. https://doi.org/10.34123/semnasoffstat.v2019i1.214

Shodiqin, A., Aini, A. N., & Rubowo, M. R. (2018). Perbanding Dua Metode Regresi Robust yakni Metode Least Trimmed Squares (LTS) dengan metode Estimator-MM (Estmasi-MM) (Studi Kasus Data Ujian Tulis Masuk Terhadap Hasil IPK Mahasiswa UPGRIS). Jurnal Ilmiah Teknosains, 4(1), 35–42. https://doi.org/10.26877/jitek.v4i1.2403

Situmorang, M. H. S., & Susanti, Y. (2020). Pemodelan Indeks Keparahan Kemiskinan di Indonesia Menggunakan Analisis Regresi Robust. Indonesian Journal of Applied Statistics, 3(1), 51. https://doi.org/10.13057/ijas.v3i1.40838

Susanti, Y., Pratiwi, H., Sulistijowati H., S., & Liana, T. (2014). M Estimation, S Estimation, and MM Estimation in Robust Regression. International Journal of Pure and Apllied Mathematics, 91(3). https://doi.org/10.12732/ijpam.v91i3.7




DOI: https://doi.org/10.30998/semnasristek.v7i1.6273

Refbacks

  • There are currently no refbacks.


Prosiding SEMNAS RISTEK indexed by: