PENENTUAN KETEPATAN PADA KLASIFIKASI TINGKAT KEDALAMAN KEMISKINAN DI INDONESIA DENGAN REGRESI LOGISTIK BINER
Article Sidebar
Main Article Content
Abstract
Penelitian ini bertujuan untuk mengidentifikasi variabel yang
memengaruhi indeks kedalaman kemiskinan serta mengevaluasi tingkat
akurasi klasifikasi pada 38 provinsi Indonesia tahun 2024. Metode yang
digunakan adalah pendekatan kuantitatif dengan regresi logistik biner,
menggunakan perangkat lunak EViews 13. Data diperoleh dari Badan
Pusat Statistik (BPS) Indonesia dan mencakup variabel Pengeluaran per
Kapita yang Disesuaikan (PPKD), Harapan Lama Sekolah (HLS),
Persentase Rumah Tangga yang Memiliki Akses terhadap Air Minum
Layak, Gini Ratio, Prevalensi Ketidakcukupan Konsumsi Pangan, dan
Tingkat Pengangguran Terbuka (TPT). Hasil analisis menunjukkan bahwa
variabel PPKD, HLS, dan Gini Ratio memiliki pengaruh signifikan
terhadap indeks kedalaman kemiskinan, sementara variabel lainnya
tidak menunjukkan pengaruh yang signifikan secara statistik. Model
yang dibangun mampu menjelaskan 54% variasi kedalaman kemiskinan
dan mencapai tingkat akurasi klasifikasi sebesar 81,22%. Temuan ini
menggarisbawahi pentingnya kebijakan yang terfokus pada aspek
ekonomi, pendidikan, dan pengurangan ketimpangan dalam upaya
menanggulangi kemiskinan ekstrem di Indonesia.
Downloads
Article Details
Section
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
How to Cite
References
[1] Annim, S.K., S. Mariwah and J. Sebu. (2012). Spatial Inequality and Household Poverty in Ghana. Economic Systems 36. pp. 487-505
[2] Badan Pusat Statistik. (2024). [Metode Baru] Gini ratio menurut provinsi dan daerah [Tabel statistik]. Diakses dari BPS: https://www.bps.go.id/id/statistics-table/2/OTgjMg==/gini-ratio-menurut-provinsi-dan-daerah.html
[3] Badan Pusat Statistik. (2024). [Metode Baru] Harapan lama sekolah tahun 2024 [Tabel statistik]. Diakses dari BPS: https://www.bps.go.id/id/statisticstable/2/NDE3IzI=/-metode-baru--harapan-lama-sek olah--tahun-.html
[4] Badan Pusat Statistik. (2024). [Metode Baru] Pengeluaran per kapita disesuaikan [Tabel statistik]. Diakses dari BPS: https://www.bps.go.id/id/statistics table/2/NDE2IzI=/-metode-baru-pengeluaran-per-kapita-disesuaikan.html
[5] Badan Pusat Statistik. (2024). Indeks kedalaman kemiskinan (P1) berdasarkan provinsi dan daerah [Tabel statistik]. Diakses BPS: https://www.bps.go.id/id/statistics-table/2/NTAzIzI=/indeks-kedalaman-kemiskinan--p1--menurut-provinsi-dan-daerah.html
[6] Badan Pusat Statistik. (2024). Persentase rumah tangga yang memiliki akses terhadap air minum layak menurut provinsi [Tabel statistik]. Diakses dari BPS:
[7] Badan Pusat Statistik. (2024). Prevalensi ketidakcukupan konsumsi pangan (persen) [Tabel statistik]. Diakses dari BPS: https://www.bps.go.id/id/statistics-table/2/MTQ3MyMy/prevalensi-ketidakcukupan-konsumsi-pangan--persen-.html
[8] Badan Pusat Statistik. (2024). Tingkat Pengangguran terbuka menurut provinsi [Tabel statistik]. Diakses dari BPS: https://www.bps.go.id/id/statistics-table/2/NTQzIzI=/tingkat-pengangguran-terbuka-menurut-provinsi.html
[9] Badan Pusat Statistik Indonesia. (29 November 2024). Penghitungan dan Analisis
Kemiskinan di Indonesia Tahun 2024. Diakses dari BPS: https://www.bps.go.id/id/publication/2024/11/29/31e54c0717742a2dc13300e4/computation-and-analysis-of-macro-poverty-of-indonesia-2024.html
[10] Fitri, R. E., Setiawan, E., Usman, M., & Aziz, D. (2022). Analisis regresi logistik biner terhadap data indeks kedalaman kemiskinan di Indonesia tahun 2020. Jurnal Siger Matematika, 3(2).
[11] Gudono. (2017). Analisis Data Multivariat. Yogyakarta: BPFE.
[12] Hendayanti, N. P. N., & Nurhidayati, M. (2020). Regresi Logistik Biner dalam Penentuan Ketepatan Klasifikasi Tingkat Kedalaman Kemiskinan Provinsi-Provinsi di Indonesia. Sainstek: Jurnal Sains dan Teknologi, 12(2), 63-70.
[13] McLeod, S. (2023). Maslow's hierarchy of needs. Simply Psychology.
[14] Michael P. Todaro & Stephen C. Smith (2003). Pembangunan Ekonomi di Dunia Ketiga, edisi kedelapan, Erlangga, Jakarta
[15] Nitami, T. D., Artaningtyas, W. D., & Wijayanti, D. L. (2023). Analisis kausalitas antara Indeks Pembangunan Manusia, pertumbuhan ekonomi, ketimpangan distribusi pendapatan dan Indeks Kedalaman Kemiskinan di Daerah Istimewa Yogyakarta tahun 2015–2021. Jurnal Pendidikan Ekonomi Indonesia, 5(2), 99–112.
[16] Nurmin, D., Khasanah, L. D. N., Anggraeni, S., & Nohe, D. A. (2022, May). PENENTUAN KETEPATAN KLASIFIKASI INDEKS KEDALAMAN KEMISKINAN DI INDONESIA DENGAN MODEL LOGIT. In Prosiding Seminar Nasional Matematika dan Statistika (Vol. 2).
[17] Prasetyo, P. E., & Thomas, P. (2021). A simple mitigation model of poverty reduction in Indonesia. Open Journal of Business and Management, 09(6), 2742–2758. https://doi.org/10.4236/ ojbm.2021.96152
[18] PRASETYO, P. E., & CAHYANI, E. N. (2022). Investigating Keynesian Theory in Reducing Unemployment and Poverty in Indonesia. The Journal of Asian Finance, Economics and Business, 9(10), 39–48.
[19] Ravallion, Martin, and Shaohua Chen. (1997). What Can New Survey Data Tell Us about Recent Changes in Distribution and Poverty? World Bank Economic Review 11: 357–82.
[20] Saputro, E. S., & Utomo, P. (2010). Faktor-faktor yang mempengaruhi kemiskinan secara makro di lima belas provinsi tahun 2007. Jurnal Organisasi dan Manajemen, 6(2), 89–100.
[21] Schiffman, L. G., & Wisenblit, J. L. (2015). Consumer behavior edisi 11 global edition. England: Pearson Education Limited.
[22] Sugiyono. (2013). Metode penelitian kuantitatif, kualitatif, dan R&D (hal. 85).
Bandung: Alfabeta. Tersedia secara daring di https://fliphtml5.com/gzgvn/ujol/basic/51-100.
[23] Suhartono, E. (2009). Pekerjaan Sosial di Dunia Industri. Bandung: Alfabeta.
[24] Susanti, R., & Irfan, M. (2024). Analisis determinan prevalensi ketidakcukupan konsumsi pangan di Indonesia. Media Riset Ekonomi Pembangunan (MedREP), 1(4).
[25] Tripena, A. Lianawati, Y., & Setyawan, A. A. (2023). Analisis Faktor-Faktor yang
Mempengaruhi Kemiskinan Rumah Tangga di Desa Kotayasa melalui Pendekatan Regresi Logistik Biner. Electro Luceat, 9(2), 43-58.
[26] Tambun, J. M. S., & Bangun, R. (2018). Pemodelan Faktor-Faktor yang Mempengaruhi Indeks Kedalaman Kemiskinan dan Indeks Keparahan Kemiskinan Kabupaten/Kota di Sumatera Utara Menggunakan Regresi Data Panel. Jurnal Administrasi Publik, 6(1), 100–110.
[27] Widarjono, A. (2015). Analisis Multivariat Terapan Dengan Program SPSS, AMOS, dan SMARTPLS (II). Yogyakarta: UPP STIM YKPN.