| dc.description.abstract | Indeks Pembangunan Manusia (IPM) dan tingkat kemiskinan merupakan salah satu tolok ukur keberhasilan pembangunan negara melalui upaya peningkatan kualitas hidup manusia. Pengkajian terhadap tercapainya keberhasilan pembangunan mengindikasikan bahwa banyak faktor yang mempengaruhi sehingga diperlukan identifikasi faktor yang berpengaruh dengan analisis regresi.
Salah satu pendekatan dalam regresi adalah nonparametrik. Adanya keterbatasan informasi dan pola hubungan antara peubah respon dengan peubah penjelas menjadikan pertimbangan digunakannya pendekatan nonparametrik yang lebih fleksibel dalam mengestimasi bentuk kurva, tanpa dipengaruhi subjektivitas peneliti. Beberapa metode diantaranya yaitu Multivariate Adaptive Regression Spline (MARS) dan Support Vector Regression (SVR). Penerapan model regresi dapat digunakan berdasarkan banyaknya peubah respon yang terlibat. Pada model regresi birespon mengahasilkan dua persamaan dan memberikan hasil yang lebih baik daripada pemodelan respon tunggal karena juga melibatkan hubungan antar peubah responnya.
Penelitian ini bertujuan untuk mengevaluasi kebaikan model MARS dan SVR (single-stage) serta hybrid MARS-SVR birespon. Kajian juga dilakukan dengan mengakomodasi adanya korelasi antar respon menggunakan matriks pembobot pada saat estimasi parameter model serta tanpa pembobot. Umumnya matriks bobot ini tidak diketahui, sehingga harus diduga dari data. Pemodelan birespon data riil diterapkan pada indikator kesejahteraan rakyat di Indonesia yang dikaji dari persentase penduduk miskin dan IPM di 34 Provinsi Indonesia tahun 2020. Data yang digunakan merupakan data sekunder yang bersumber dari Badan Pusat Statistik dan Kementerian PPN/Bappenas tahun 2021.
Perbandingan model dilakukan berdasarkan nilai RMSECV. Model satu tahap (single-stage) dengan pembobot memberikan evaluasi yang lebih baik apabila digunakan metode SVR birespon dengan RMSECV sebesar 0,0038. Model SVR memberikan kinerja pemodelan yang baik karena kemampuannya dalam mendapatkan solusi yang unik, namun kelemahannya tidak dapat menangkap kepentingan relatif dari peubah penjelas terhadap peubah respon ketika banyak peubah yang dipertimbangkan. Peningkatan kinerja model prediksi dengan metode MARS diadaptasi untuk mengidentifikasi peubah penting yang selanjutnya digunakan sebagai peubah penjelas dalam metode SVR melalui pemodelan hybrid. Hasil estimasi hybrid MARS-SVR birespon dengan pembobot memberikan tingkat akurasi yang baik dengan nilai RMSECV sebesar 0,0043. Validasi model juga menunjukkan hasil prediksi yang baik dengan nilai RMSEPCV sebesar 0,618 serta korelasi antara data aktual dengan prediksi sebesar 0,9837 untuk respon persentase penduduk miskin dan 0,9995 untuk IPM. | id |
