PEMODELAN KEMISKINAN DI PROVINSI JAWA BARAT TAHUN 2024 MENGGUNAKAN REGRESI RIDGE DAN LASSO

Abstract

Kemiskinan di Provinsi Jawa Barat merupakan isu strategis yang memerlukan pendekatan analisis yang tepat, terutama karena banyaknya variabel sosial-ekonomi yang saling berkorelasi. Penelitian ini bertujuan memodelkan faktor-faktor yang memengaruhi tingkat kemiskinan di Provinsi Jawa Barat tahun 2024 dengan membandingkan regresi linear berganda, regresi Ridge, dan regresi LASSO. Data yang digunakan merupakan data sekunder dari publikasi Badan Pusat Statistik yang mencakup 27 kabupaten/kota dengan sepuluh variabel sosial ekonomi sebagai prediktor. Hasil regresi linear menunjukkan bahwa beberapa variabel tidak signifikan karena pengaruh multikolinearitas. Nilai VIF mengonfirmasi bahwa variabel rata-rata lama sekolah dan Indeks Pembangunan Manusia (IPM) memiliki multikolinearitas tinggi. Untuk mengatasi hal tersebut, diterapkan regresi penalized. Regresi Ridge mampu menstabilkan koefisien tetapi tidak melakukan seleksi variabel, sedangkan LASSO menghasilkan performa terbaik dengan nilai MSE terendah serta menyeleksi empat variabel utama. Tahap Post-Selection OLS menunjukkan bahwa kepadatan penduduk merupakan variabel yang paling konsisten signifikan dan memiliki pengaruh positif terhadap tingkat kemiskinan. Temuan ini menegaskan bahwa wilayah dengan penduduk padat memiliki kerentanan lebih tinggi terhadap kemiskinan akibat tekanan fasilitas dasar, persaingan pekerjaan, dan keterbatasan layanan publik. Hasil penelitian ini diharapkan menjadi dasar bagi penyusunan kebijakan penanggulangan kemiskinan berbasis wilayah di Provinsi Jawa Barat