<![CDATA[Kemiskinan dapat diukur menggunakan indikator persentase penduduk miskin dan indeks kedalaman kemiskinan. Faktor yang memengaruhi kemiskinan bisa dianalisis dengan analisis regresi. Pada penelitian ini digunakan analisis regresi nonparametrik birespon spline. Kelebihan dari estimator spline yaitu mampu menangani pola data yang naik atau turun dengan tajam menggunakan titik knot dan kurva yang dihasilkan relatif lebih mulus. Penelitian ini bertujuan untuk menentukan model terbaik pada persentase penduduk miskin dan indeks kedalaman kemiskinan dengan regresi nonparametrik birespon spline. Data yang digunakan adalah data persentase penduduk miskin dan indeks kedalaman kemiskinan sebagai variabel respon. Sedangkan variabel prediktor yaitu tingkat pengangguran terbuka dan tingkat partisipasi angkatan kerja yang diambil dari website BPS Provinsi Jawa Timur tahun 2020. Langkah pertama pada pemodelan adalah menguji korelasi Pearson untuk mengetahui hubungan antara persentase penduduk miskin dengan indeks kedalaman kemiskinan. Kemudian menentukan pola data antara variabel prediktor dengan variabel respon menggunakan scatterplot. Selanjutnya menentukan matriks pembobot W menggunakan Weighted Least Square (WLS). Setelah itu menentukan banyaknya kombinasi orde dengan titik knot berdasarkan nilai GCV minimum yang melibatkan matriks pembobot W. Langkah terakhir memodelkan regresi nonparametrik birespon spline terbaik dan menghitung nilai dari koefisien determinasi (R2). Hasil dari pemodelan diperoleh bahwa model regresi nonparametrik birespon spline terbaik pada persentase penduduk miskin dan indeks kedalaman kemiskinan berorde dua dengan tiga titik knot. Kebaikan dari model diukur berdasarkan R2 yang diperoleh bahwa tingkat pengangguran terbuka dan tingkat partisipasi angkatan kerja memengaruhi persentase penduduk miskin dan indeks kedalaman kemiskinan sebesar 57,252% sedangkan untuk sisanya dipengaruhi variabel lain. Kata Kunci: kemiskinan, GCV, titik knot]]>
Copyrights © 2023
