Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Emerging Statistics and Data Science Journal
Amna, Faiz Mustafid
Unknown Affiliation
Computer Science & IT Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Faktor-Faktor Kemiskinan di Provinsi Sulawesi Tengah Tahun 2013-2023 Menggunakan Model Koyck: Analisis Faktor-Faktor Kemiskinan di Provinsi Sulawesi Tengah Tahun 2013-2023 Menggunakan Model Koyck Amna, Faiz Mustafid; Widodo, Edy; Shiddiq, Yazid Mumtaz; Qonita, Rosyada Laili; Safira, Aulia; Refgina, Refgina
Emerging Statistics and Data Science Journal Vol. 4 No. 1 (2026): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol4.iss.1.art03

Abstract

Salah satu isu yang menjadi perhatian saat ini di negara berkembang, khususnya Indonesia, adalah kemiskinan. Pada tahun 2023, Indonesia menempati peringkat ke 70 dari 100 negara termiskin di dunia. Provinsi Sulawesi Tengah berada di peringkat kedua pada pulau Sulawesi dengan persentase penduduk miskin mencapai 12,41%. Beberapa variabel yang diduga mempengaruhi penentuan Persentase Penduduk Miskin (PPM) merupakan Rata-rata Lama Sekolah (RLS), Indeks Pembangunan Manusia (IPM), dan Tingkat Pengangguran Terbuka (TPT). Berdasarkan perihal diatas, jurnal ini ditulis untuk mengetahui faktor pada periode sebelumnya berpengaruh terhadap PPM pada periode yang ditentukan di Provinsi Sulawesi Tengah menggunakan Model Koyck. Penelitian menggunakan data sekunder yang diperoleh melalui website BPS Pusat RI. Diperoleh hasil analisis berupa Model Koyck dengan uji asumsi yang terpenuhi, model Koyck menunjukkan bahwa RLS, IPM, dan TPT mempengaruhi persentase penduduk miskin di Sulawesi Tengah pada tahun 2013-2023. Model Koyck dapat dikategorikan sangat baik untuk memprediksi nilai PPM berdasarkan variabel RLS, IPM, dan TPT dengan nilai MAPE sebesar 1,928%, 1,9935%, dan 3,155%. Dimana hasil MAPE tersebut menunjukkan nilai di bawah 10% yang berarti model yang digunakan memiliki Tingkat akurasi sampai dengan 98% pada RLS dan IPM, serta 97% TPT.
Co-Authors Edy Widodo Qonita, Rosyada Laili Refgina, Refgina Safira, Aulia Shiddiq, Yazid Mumtaz