ANALISIS KEMISKINAN MENGGUNAKAN REGRESI RIDGE, LASSO DAN ELASTIC-NET PROVINSI SUMATERA UTARA TAHUN 2025

Abstract

Salah satu prioritas utama dalam tujuan Pembangunan Berkelanjutan (SDGs) dan Rencana Pembangunan Jangka Menengah Nasional (RPJMN) 2025-2029 yaitu pengentasan kemiskinan. Pada tahun 2025, angka kemiskinan di Provinsi Sumatera Utara tercatat sebesar 7,24 persen. Dalam menganalisis kemiskinan yang memiliki banyak faktor penyebab dan sering kali terjadi pelanggaran asumsi klasik multikolinearitas sehingga menyebabkan model regresi linear (OLS) tidak lagi bersifat Best Linear Unbiased Estimator (BLUE). Tujuan dari penelitian ini yaitu membandingkan metode yang terbaik dari metode OLS dan regresi regularisasi, yaitu OLS, Ridge, LASSO, dan Elastic Net serta variabel yang memengaruhi persentase kemiskinan di 33 kabupaten/kota Provinsi Sumatera Utara tahun 2025. Dalam penelitian ini menggunakan data sekunder dari Badan Pusat Statistik (BPS) tahun 2025 dengan 18 variabel independen. Analisis dilakukan menggunakan perangkat lunak RStudio dengan dan menentukan parameter penalti λ yang optimal. Hasil penelitian menunjukkan bahwa LASSO merupakan model terbaik dengan nilai Mean Squared Error (MSE) terkecil sebesar 5,610, dibandingkan Elastic Net (5,706) dan Ridge (6,502). LASSO berhasil mereduksi 12 variabel dan menyisakan 6 variabel signifikan, yaitu rata-rata lama sekolah (X3), pengeluaran perkapita (X4), angka partisipasi sekolah (X11), pertumbuhan ekonomi (X12), persentase rumah tangga dengan sanitasi tidak layak (X14), dan rasio jenis kelamin (X18). Variabel rata-rata lama sekolah (X3) dan pertumbuhan ekonomi (X12) menjadi faktor paling dominan dilihat dari pengaruh negatif yang besar terhadap kemiskinan.