Analisis dan Prediksi Persentase Angka Kemiskinan di Indonesia menggunakan Metode Regresi Linier Berganda

Authors

  • Lotar Mateus Sinaga Fakultas Ilmu Komputer, Universitas Katolik Santo Thomas
  • Sardo Pardingotan Sipayung Fakultas Ilmu Komputer, Universitas Katolik Santo Thomas

DOI:

https://doi.org/10.54367/kakifikom.v6i2.4332

Keywords:

kemiskinan, regresi linier berganda, prediksi, Indonesia, faktor-faktor ekonomi, analisis data

Abstract

Kemiskinan adalah masalah kompleks yang dipengaruhi oleh berbagai faktor ekonomi, sosial, dan demografi yang saling berkaitan. Sudah menjadi tugas kebijakan ekonomi yang signifikan, oleh karena itu, dalam hal tersebut, untuk mengidentifikasi segala faktor yang relevan dan signifikan serta menguraikan efeknya terhadap tingkat kemiskinan, kita menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik dan sumber-sumber kemiskinan lainnya yang memengaruhi periode penelitian yang spesifik. Variabel independen yang digunakan dalam analisis meliputi tingkat pengangguran, tingkat pendidikan, tingkat inflasi, pertumbuhan ekonomi, dan variabel lain yang relevan yang diduga memengaruhi angka kemiskinan. Menggunakan metode regresi linier berganda, peneliti mengembangkan model yang memprediksi angka kemiskinan dengan tingkat keakuratan tertentu. Hasil analisis menunjukkan bahwa variabel-variabel tersebut berpengaruh signifikan pada angka kemiskinan dan beberapa faktor memiliki korelasi positif sedangkan beberapa korelasi memiliki korelasi negatif. Misalnya, tingkat pengangguran dan inflasi berkorelasi positif dan hubungannya bidireksional dengan angka kemiskinan, sedangkan tingkat pendidikan dan pertumbuhan ekonomi negatif. Model termasuk validasi yang baik, yang diberikan oleh tingkat koefisien determinasi. Inhalasi penelitian juga membahas implikasi hasil temuan dalam konteks kebijakan publik. Hasil temuan penelitian ini dapat digunakan sebagai landasan pengetahuan untuk membantu mereformasi kebijakan publik.

References

Gujarati, D. N., & Porter, D. C. (2009). Basic Econometrics. McGraw-Hill Irwin. (Buku ini adalah sumber klasik yang menyediakan dasar-dasar ekonometrika, termasuk regresi linier berganda).

Wooldridge, J. M. (2012). Introductory Econometrics: A Modern Approach. South-Western Cengage Learning. (Buku ini mengajarkan teknik-teknik ekonometrika modern dengan aplikasi praktis).

Ravallion, M. (2001). "The Mystery of the Vanishing Benefits: Ms. Speedy Analyst's Introduction to eval_uation." The World Bank Economic Review, 15(1), 115-140. (Artikel ini menjelaskan metodologi untuk mengeval_uasi dampak kebijakan pada kemiskinan).

Sumarto, S., Suryahadi, A., & Pritchett, L. (2003). "Safety Nets or Safety Ropes? Dynamic Benefit Incidence of Two Crisis Programs in Indonesia." World Development, 31(7), 1257-1277. (Studi ini analisis dampak program bantuan sosial terhadap kemiskinan di Indonesia).

Anselin, L., & Bera, A. K. (1998). "Spatial Dependence in Linear Regression Models with an Introduction to Spatial Econometrics." In Statistics Textbooks and Monographs (pp. 237-290). Marcel Dekker, Inc.

Anggi Sazwati, Denni Pratama, Khaerul Anam, Edi Wahyudin, Ahmad Rifa’i (2024). PENERAPAN DATA MINING UNTUK MENGESTIMASI PERSENTASE PENDUDUK MISKIN DI JAWA BARAT MENGGUNAKAN REGRESI LINIER BERGANDA.

https://www.bps.go.id/id/statistics-table/2/NTQzIzI=/tingkat-pengangguran-terbuka--februari-2024.html.

https://www.bps.go.id/id/statistics-table/3/YWtoQlRVZzNiMU5qU1VOSlRFeFZiRTR4VDJOTVVUMDkjMw==/produk-domestik-regional-bruto-per-kapita-atas-dasar-harga-berlaku-menurut-provinsi--ribu-rupiah---2022.html?year=2022.

https://www.bps.go.id/id/statistics-table/2/MTg1IzI=/jumlah-penduduk-miskin-ribu-jiwa-menurut-provinsi-dan-daerah.html

https://satudata.kemendag.go.id/data-informasi/perdagangan-dalam-negeri/produk-domestik-bruto

Downloads

Published

2024-12-03

How to Cite

Sinaga, L. M., & Sipayung, S. P. (2024). Analisis dan Prediksi Persentase Angka Kemiskinan di Indonesia menggunakan Metode Regresi Linier Berganda. KAKIFIKOM (Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer), 6(2), 116–125. https://doi.org/10.54367/kakifikom.v6i2.4332