PEMODELAN PERSENTASE PENDUDUK MISKIN DI INDONESIA MENGGUNAKAN REGRESI PROBIT DAN REGRESI LOGISTIK
Abstract
Regresi probit dan regresi logistik merupakan pendekatan alternatif untuk memodelkan hubungan antara variabel respon kategorik dan variabel bebas, di mana variabel respon berdistribusi Bernoulli atau Multinomial. Model probit dan model logistik adalah model non linier yang menggunakan bilangan biner (variabel boneka) sebagai variabel responnya. Variabel boneka yang dimaksud adalah jenis variabel diskrit yang mempunyai dua nilai yaitu 0 dan 1. Tujuan penelitian ini adalah untuk memperoleh model regresi terbaik pada pemodelan persentase penduduk miskin dan mengetahui faktor-faktor yang memengaruhi persentase penduduk miskin di Indonesia tahun 2020. Hasil penelitian menunjukkan bahwa model terbaik pada pemodelan persentase penduduk miskin di Indonesia tahun 2020 adalah model regresi probit dengan nilai AIC sebesar 25,137 dan ketepatan klasifikasi sebesar 91,18%. Berdasarkan model terbaik diperoleh faktor-faktor yang memengaruhi persentase penduduk miskin di Indonesia tahun 2020 yaitu tingkat pengangguran terbuka, proyek investasi dalam negeri, indeks pembangunan manusia (IPM), angka partisipasi murni dan kasar sekolah usia 19 – 24 tahun, dan tingkat setengah pengangguran.