Pemodelan pada Faktor-Faktor yang Mempengaruhi Tingkat Kemiskinan di Provinsi Sumsel Tahun 2018-2023 dengan Menggunakan Regresi Data Panel

Siti Rahma Mutiara, Irmeilyana Irmeilyana, Ning Eliyati, Bambang Suprihatin, Sri Indra Maiyanti

Abstract


Kemiskinan adalah suatu kondisi dimana seseorang atau sekelompok orang tidak mampu memenuhi kebutuhan dasar mereka. Tingkat kemiskinan Provinsi Sumsel pada tahun 2018-2023 masih di atas tingkat kemiskinan nasional. Tujuan penelitian ini yaitu untuk memperoleh model terbaik dalam mengestimasi tingkat kemiskinan pada kabupaten/kota di Sumsel dengan menggunakan regresi data panel tahun 2018-2023. Variabel bebas yang digunakan ada 5, yaitu laju PDRB, IPM, tingkat pengangguran terbuka, angka harapan hidup, dan laju pertumbuhan penduduk. Data yang digunakan merupakan data sekunder yang diperoleh dari BPS Provinsi Sumsel. Estimasi model regresi data panel dilakukan dengan menggunakan tiga model, yaitu Common Effect Model (CEM), Fixed Effect Model (FEM), dan Random Effect Model (REM). Pemilihan model terbaik dilakukan dengan tiga pengujian yaitu uji Chow, uji Hausman, dan uji Lagrange Multiplier.  Model terbaik yang terpilih yaitu FEM efek individu dengan model regresi yaitu 

Yit  = gi + 24,035 – 0,870 X2it +0,712 X4it  + 0,204 X5it. Hasil estimasi FEM menunjukkan bahwa variabel IPM (X2), angka harapan hidup (X4), dan laju pertumbuhan penduduk (X5) berpengaruh signifikan dan mampu menjelaskan tingkat kemiskinan di Provinsi Sumsel sebesar 97,8%. Hasil MAPE sebesar 2,36% sehingga model dikategorikan memiliki tingkat akurasi tinggi. 

Kata Kunci: Fixed Effect Model; efek individu; tingkat kemiskinan; regresi data panel.



Full Text:

PDF

References


R. Aprilianti, G. C. Messakh, S. N. Asiah, and D. A. Nohe, “Analisis Regresi Data Panel Pada Kasus Persentase Kemiskinan di Kalimantan Timur,” Pros. Semin. Nas. Mat. Stat. dan Apl., pp. 211–223, 2022.

A. N. Ilham and D. Octaviani, “Analisis Peran Faktor-Faktor Ekonomi yang Mempengaruhi Pengentasan Kemiskinan di Indonesia,” J. Ekon. Trisakti, vol. 4, no. 1, 2024.

S. P. Sari and D. A. Darussamin, “Analisis PDRB, Tingkat Pendidikan dan Tingkat Pengangguran terhadap Tingkat Kemiskinan di Provinsi Sumatera Selatan Periode 2004-2013,” I-Economic, vol. 2, no. 1, 2016.

R. B. Praja, M. Muchtar, and P. R. Sihombing, “Analisis Pengaruh Indeks Pembangunan Manusia, Laju Pertumbuhan Penduduk, dan Tingkat Pengangguran Terbuka terhadap Kemiskinan di DKI Jakarta,” Ecoplan, vol. 6, no. 1, 2023.

S. Sayifullah and T. R. Gandasari, “Pengaruh Indeks Pembangunan Manusia dan Pengangguran Terhadap Kemiskinan di Provinsi Banten,” J. Ekon., vol. 6, no. 2, 2016.

P. R. Sihombing, Analisis Regresi Data Panel Berganda. Bandung: Yogyakarta: Penerbit Widiana, 2018.

A. T. Basuki and N. Prawoto, Analisis Regresi dalam Penelitian Ekonomi dan Bisnis (Dilengkapi Aplikasi SPSS dan Eviews). Jakarta: Jakarta: PT Raja Grafindo Persada, 2016.

Irmeilyana and I. Amalia, “Model Regresi Data Panel Pada Faktor-Faktor yang Menentukan Produksi Kopi di Provinsi Sumatera Selatan Tahun 2015-2021,” J. Sains Terap., vol. 8, no. 1, 2022.

S. F. Candra and I. Irmeilyana, “Model Regresi Data Panel pada Pengaruh Faktor Curah Hujan Terhadap Produksi Kopi di Provinsi Sumatera Selatan Tahun 2014-2021,” J. Penelit. Sains, vol. 26, no. 1, 2024.

S. Oktarinda, “Model Regresi Data Panel Pada Faktor-Faktor yang Mempengaruhi Kemiskinan di Provinsi Sumatera Selatan Tahun 2020-2022,” Universitas Sriwijaya, 2024.

BPS, Profil Kemiskinan di Indonesia Maret 2023. Palembang, 2023.

J. Sriyana, Metode Regresi Data Panel. Yogyakarta: Yogyakarta: Ekonisia, 2014.

A. Tripena, “Regresi Data Panel Untuk Analisis Faktor-Faktor yang Mempengaruhi Produk Domestik Regional Bruto di Kawasan Barlingmascakeb,” PESHUM J. Pendidikan, Sos. dan Hum., vol. 2, no. 1, 2022.

I. Ghozali, Aplikasi Analisis Multivariate Dengan Program IBM SPSS 25. Semarang: Semarang: Badan Penerbit Universitas Diponegoro, 2018.

A. Nurfadilah, W. Budi, E. Kurniati, and D. Suhaedi, “Penerapan Metode Moving Average untuk Prediksi Indeks Harga Konsumen,” J. Mat. J. Teor. dan Terap. Mat., vol. 21, no. 1, 2022.

A. A. Suryanto and A. Muqtadir, “Penerapan Metode Mean Absolute Error (MEA) dalam Algoritma Regresi Linear untuk Prediksi Produksi Padi,” Saintekbu, vol. 11, no. 1, 2019.

S. Sautomo and H. F. Pardede, “Prediksi Belanja Pemerintah Indonesia Menggunakan Long Short-Term Memory (LSTM),” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, 2021.




DOI: https://doi.org/10.56064/jps.v26i3.1095

Refbacks

  • There are currently no refbacks.


   

  

 

 

Creative Commons License

Jurnal Penelitian Sains (JPS) Published by UP2M, Faculty of Mathematic and Natural Science Sriwijaya University is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

 

View My Stats