ANALISIS FAKTOR KEMISKINAN DI PROVINSI SUMATERA UTARA BERDASARKAN REGRESI KOMPONEN UTAMA
Main Article Content
Abstract
Kemiskinan merupakan permasalahan terkait kesejahteraan masyarakat yang serius dan menjadi indikator keberhasilan ekonomi dari suatu negara. Provinsi Sumatera Utara merupakan salah satu provinsi dengan jumlah penduduk miskin terbanyak dengan total 1,2 juta jiwa di pulau Sumatera pada tahun 2022. Tujuan penelitian ini yaitu menangani masalah multikolinearitas pada faktor-faktor yang mempengaruhi kemiskinan di Provinsi Sumatera Utara dengan menggunakan analisis komponen utama. Data yang diperoleh merupakan data yang didapatkan dari Badan Pusat Statistik Provinsi Sumatera Utara. Terdapat 8 variabel prediktor yang digunakan dan terbentuk 3 komponen utama dengan keragaman total sebesar 84,5%. Komponen utama yang terbentuk kemudian diregresikan dan diperoleh persamaan . Model regresi tersebut terbebas dari masalah multikolinearitas dan ketiga komponen secara signifikan berpengaruh terhadap jumlah penduduk miskin di Provinsi Sumatera Utara.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
References
[2] M. S. Noya, V. Delsen, A. Z. Wattimena, and S. D. Saputri, “PENGGUNAAN METODE ANALISIS KOMPONEN UTAMA UNTUK MEREDUKSI FAKTOR-FAKTOR INFLASI DI KOTA AMBON,” Jurnal Ilmu Matematika dan Terapan, vol. 11, no. 2, pp. 109–118, Dec. 2017.
[3] M. Sriningsih, D. Hatidja, and J. D. Prang, “PENANGANAN MULTIKOLINEARITAS DENGAN MENGGUNAKAN ANALISIS REGRESI KOMPONEN UTAMA PADA KASUS IMPOR BERAS DI PROVINSI SULUT,” Jurnal Ilmiah Sains, vol. 18, no. 1, pp. 18–24, 2018.
[4] S. Susilawati and D. Didiharyono, “Application of Principal Component Regression in Analyzing Factors Affecting Human Development Index,” Jurnal Varian, vol. 6, no. 2, pp. 199–208, May 2023, doi: 10.30812/varian.v6i2.2366.
[5] P. S. M. J. Silaban, P. S. Br Sembiring, V. A. Br Sitepu, and J. P. Br.Sembiring, “the Pengaruh IPM dan PDRB terhadap Jumlah Penduduk Miskin di Sumatera Utara Tahun 2002-2017,” Jesya (Jurnal Ekonomi & Ekonomi Syariah), vol. 4, no. 1, pp. 311–321, Dec. 2020, doi: 10.36778/jesya.v4i1.288.
[6] R. Annisa and H. Sutjipto, “ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK MISKIN DI KABUPATEN DAN KOTA PROVINSI BANTEN,” Tirtayasa EKONOMIKA, vol. 12, no. 2, pp. 301–316, 2017.
[7] R. S. Susanti, M. Syafri, and A. Hasin, “Penentuan Indikator Kesehatan Keluarga dengan Menggunakan Metode Analisis Komponen Utama (PCA),” Jurnal Matematika dan Statistika serta Aplikasinya, vol. 11, no. 1, pp. 46–51, 2023.
[8] F. Daniel, “MENGATASI PENCILAN PADA PEMODELAN REGRESI LINEAR BERGANDA DENGAN METODE REGRESI ROBUST PENAKSIR LMS,” BAREKENG: Jurnal Ilmu Matematika dan Terapan, vol. 13, no. 3, pp. 145–156, Oct. 2019, doi: 10.30598/barekengvol13iss3pp145-156ar884.
[9] A. C. Rencher and G. B. Schaalje, LINEAR MODELS IN STATISTICS, 2nd ed. Canada: John Wiley & Sons, Inc.
[10] G. Haumahu and N. Lewaherilla, “PENERAPAN ANALISIS KOMPONEN UTAMA DALAM MEREDUKSI FAKTOR-FAKTOR PENYEBAB DIARE DI PROVINSI MALUKU THE APPLICATION OF PRINCIPAL COMPONENT ANALYSIS TO REDUCE DIARRHEA FACTORS IN MALUKU PROVINCE,” Mathematics & Applications (MAP Journal), vol. 2, no. 1, pp. 41–46, 2020.
[11] Drajat Indra Purnama and Pardomuan Robinson Sihombing, “PERBANDINGAN ANALISIS KOMPONEN UTAMA DAN ROBUST PCA (ROBPCA) (STUDI KASUS: PADA ANALISIS DATA RATA-RATA PENGELUARAN PER KAPITA SEBULAN UNTUK KOMODITAS MAKANAN DI PROVINSI SULAWESI SELATAN),” lppm bina bangsa, vol. 1, no. 1, pp. 67–76, Mar. 2021.
[12] U. Lorenzo-Seva and P. J. Ferrando, “MSA: The Forgotten Index for Identifying Inappropriate Items Before Computing Exploratory Item Factor Analysis,” Methodology, vol. 17, no. 4, pp. 296–306, 2021, doi: 10.5964/meth.7185.
[13] M. Faisal, S. Ali, and D. Ratna, “ANALISIS KOMPONEN UTAMA PADA DINAS KETENAGAKERJAAN BAGIAN PENEMPATAN DAN PERLUASAN KERJA MENCARI PEKERJAAN MENURUT GOLONGAN PEKERJAAN,” Journal of Innovation Research and Knowledge (JIRK), vol. 2, no. 12, pp. 4561–4568, 2023.
[14] A. C. Rencher, “Methods of Multivariate Analysis Second Edition.”
[15] M. Sriningsih, D. Hatidja, and J. D. Prang, “Penanganan Multikolinearitas Dengan Menggunakan Analisis Regresi Komponen Utama Pada Kasus Impor Beras Di Provinsi Sulawesi Utara,” Jurnal Ilmiah Sains, vol. 18, no. 1, 2018.
[16] N. Sari, H. Yasin, and A. Prahutama, “GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH,” JURNAL GAUSSIAN, vol. 5, no. 4, pp. 717–726, 2016, [Online]. Available: http://ejournal-s1.undip.ac.id/index.php/gaussian
[17] S. Yulianto and U. Putriana, “ANALISIS KOMPONEN UTAMA (AKU) UNTUK PENGELOMPOKAN AREA PELAYANAN DAN JARINGAN (APJ) DAERAHJAWA TENGAHDAN D.I. YOGYAKARTA,” JASDM, vol. 1, no. 1, pp. 7–11, 2019.
[18] A. Ilmaniati and B. E. Putro, “ANALISIS KOMPONEN UTAMA FAKTOR-FAKTOR PENDAHULU (ANTECENDENTS) BERBAGI PENGETAHUAN PADA USAHA MIKRO, KECIL, DAN MENENGAH (UMKM) DI INDONESIA,” Januari, vol. 11, no. 1, 2019, doi: 10.24853/jurtek.11.1.67-78.
[19] Z. W. Baskara, L. Harsyiah, D. N. A. Paramartha, and Q. D. Utama, “Analisis Faktor Untuk Pemetaan Karakteristik pada Percobaan Dekafeinasi Kopi Robusta,” EIGEN MATHEMATICS JOURNAL, pp. 15–20, Jun. 2022, doi: 10.29303/emj.v5i1.139.
[20] A. N. Nitasari et al., “Reduksi Faktor-Faktor yang Mempengaruhi Kualitas Air Hujan dengan Metode Analisis Komponen Utama,” Zeta - Math Journal, vol. 8, no. 1, pp. 7–15, Feb. 2023, doi: 10.31102/zeta.2023.8.1.7-15.
[21] H. T. Antono and M. Lutfi, “Variabel-Variabel yang Berpengaruh Terhadap Swabakar Batubara Menggunakan Regresi Komponen Utama,” Statistika, vol. 14, no. 1, pp. 25–30, 2014.