Penerapan LASSO untuk Mengidentifikasi Peubah yang Berpengaruh Terhadap Tingkat Kemiskinan di Jawa Tengah

Abstract

Indonesia merupakan negara dengan jumlah penduduk terbanyak keempat di dunia dan termasuk kategori negara berkembang. Sebagai negara berkembang salah satu permasalahan yang ada di Indonesia adalah masalah kemiskinan. Provinsi Jawa Tengah menempati posisi kedua sebagai provinsi dengan jumlah penduduk miskin terbanyak di Indonesia pada tahun 2019. Selama lima tahun terakhir persentase kemiskinan di Jawa Tengah mengalami penurunan, akan tetapi pada awal tahun 2020 persentase kemiskinan di Jawa Tengah kembali meningkat. Analisis regresi linier dapat diterapkan pada data kemiskinan di Jawa Tengah untuk mengetahui peubah-peubah yang berpengaruh terhadap tingkat kemiskinan di Jawa Tengah. Salah satu permasalahan yang sering muncul dalam analisis regresi linier adalah adanya korelasi yang tinggi antarpeubah bebas (multikolinearitas). Multikolinearitas dapat mempengaruhi pendugaan metode kuadrat terkecil (MKT). Peubah pada data kemiskinan di Jawa Tengah mengalami masalah multikolinearitas sehingga pada penelitian ini dilakukan pendekatan dengan metode Least Absolute Shrinkage and Selection Operator (LASSO) untuk mengatasinya. Metode LASSO dapat menyusutkan koefisien MKT tepat nol sehingga dapat melakukan seleksi peubah. Model yang dihasilkan metode LASSO lebih sederhana dan secara tidak langsung bebas dari multikolinearitas. Berdasarkan hasil pada penelitian ini, peubah yang masuk ke dalam model LASSO yaitu indeks pembangunan manusia, upah minimum kabupaten, dan pengeluaran pemerintah.

Indonesia is the fourth most populous country in the world and belongs to the category of developing countries. As a developing country, one of the problems in Indonesia is poverty. Central Java province was on the second position as the province with the highest number of poor people in Indonesia in 2019. During the last five years the percentage of poverty in Central Java has decreased, but in the beginning of 2020 the percentage of poverty in Central Java has increased again. Linear regression analysis can be applied on poverty data in Central Java to determine the variables that affecting the poverty level in Central Java. One of the problems common in linear regression analysis is the high correlation between independent variables (multicollinearity). In order to handle multicollinearity problem in the poverty dataset in Central Java, the Least Absolute Shrinkage and Selection Operator (LASSO) method in used in this research. The LASSO method can reduce the value of OLS coefficient into zero, this can be the considered as variable selection. Furthermore, the model produced by the LASSO method is quite simpler and indirectly free from multicollinearity. The result show that the variables included in the LASSO model are human development index, district minimum wages, and government spending.