PEMODELAN REGRESI RIDGE DAN REGRESI KUANTIL UNTUK MENGANALISIS FAKTOR YANG MEMENGARUHI INDEKS HARGA YANG DITERIMA PETANI

Abstract

Koefisien determinasi atau R² yang dihasilkan oleh regresi ridge dengan parameter penalti optimal 23,27881 mencapai 0,9139 dan angka ini lebih kecil jika dibandingkan dengan model OLS yang memiliki R² sebesar 0,9894 tetapi metode ridge tetap mampu menstabilkan estimasi koefisien serta mengurangi pengaruh multikolinearitas sehingga inflasi menjadi variabel dengan dampak positif paling dominan terhadap IHTP. Analisis regresi kuantil mengungkapkan bahwa dampak dari setiap variabel independen tidak seragam di seluruh distribusi kuantil di mana inflasi tetap menjadi penentu utama meskipun kekuatannya berkurang saat bergerak dari kuantil rendah ke kuantil tinggi sementara IHBP mengalami pergeseran dari efek negatif menjadi positif seiring dengan peningkatan kuantil dan IHPB menunjukkan penurunan pengaruh pada kuantil atas sedangkan pertalite serta kredit pertanian memperlihatkan konsistensi yang relatif stabil di semua kuantil. Akan tetapi tidak satu pun dari variabel independen tersebut yang mencapai signifikansi statistik pada ketiga tingkat kuantil yang diuji. Perbandingan antara kedua metode tersebut memperjelas bahwa regresi ridge dan regresi kuantil mempunyai fokus analitis yang tidak sama serta saling melengkapi tanpa saling menggantikan karena regresi ridge menyajikan gambaran stabil tentang hubungan rata-rata sementara regresi kuantil mengungkapkan variasi pengaruh di berbagai titik distribusi IHTP. Penggabungan kedua pendekatan ini menghasilkan pemahaman yang jauh lebih menyeluruh terhadap faktor-faktor yang memengaruhi IHTP jika dibandingkan dengan hanya menerapkan salah satu metode secara tunggal.