<![CDATA[Abstrak Tujuan penelitian ini adalah untuk mengetahui bagaimana regresi kuantil mempengaruhi hubungan kemiskinan dengan angka harapan hidup, rata-rata lama pendidikan, dan infrastruktur. Penelitian ini menggunakan data sekunder dan bersifat kuantitatif. Badan Pusat Statistik dan organisasi lain memberikan data sekunder kepada para peneliti, yang mereka gunakan untuk membuat populasi observasi sebanyak seratus individu. Metode regresi yang kami gunakan adalah regresi kuantil. Dari data dan pembahasan dapat disimpulkan bahwa dengan menggunakan model regresi pada kuantil 0,5, variabel angka harapan hidup berpengaruh negatif secara parsial dan signifikan terhadap kemiskinan. Berdasarkan model regresi pada kuantil 0,6, variabel rata-rata lama sekolah mempunyai dampak yang besar dan sebagian besar bersifat negatif terhadap kemiskinan. Kemiskinan dipengaruhi positif secara signifikan dan parsial oleh variabel infrastruktur, dengan model regresi pada kuantil 0,6. Dengan menggunakan model regresi pada kuantil 0,5 maka variabel angka harapan hidup secara simultan berpengaruh positif dan tidak signifikan terhadap kemiskinan, variabel rata-rata lama sekolah secara simultan berpengaruh negatif dan signifikan, dan variabel infrastruktur secara simultan berpengaruh positif dan signifikan. Kata Kunci: Kemiskinan, Angka Harapan Hidup, Lama Sekolah, Infrastruktur, Regresi Kuantil Abstract The purpose of this study is to determine how quantile regression affects the relationship between poverty and life expectancy, average length of education, and infrastructure. This study uses secondary data and is quantitative in nature. The Central Statistics Agency and other organizations provided the researchers with secondary data, which they used to create an observation population of one hundred individuals. The regression method we employed was quantile regression. We can infer the following conclusion from the data and discussion: using a regression model at the 0.5 quantile, the life expectancy variable partially and significantly negatively affects poverty. According to a regression model at the 0.6 quantile, the variable average years of schooling has a substantial and largely negative impact on poverty. Poverty is significantly and partially impacted positively by the infrastructure variable, with a regression model at the 0.6 quantile. Using a regression model at the 0.5 quantile, the life expectancy variable simultaneously has a positive and insignificant effect on poverty, the average years of schooling variable simultaneously has a negative and significant effect, and the infrastructure variable simultaneously has a positive and significant effect. Keywords: Poverty, Life Expectancy, Years of Schooling, Infrastructure, Quantile Regression]]>
