Kemiskinan merupakan persoalan yang tidak hanya berkaitan dengan rendahnya pendapatan masyarakat. Masalah ini juga dipengaruhi oleh akses terhadap pendidikan, layanan kesehatan, kesempatan kerja, hingga kondisi ekonomi daerah. Karena banyak faktor tersebut saling berkaitan, para peneliti sering menghadapi kesulitan ketika menggunakan metode regresi biasa untuk mengetahui faktor mana yang benar-benar berpengaruh.
Kabupaten Simalungun sendiri menunjukkan perkembangan yang cukup positif dalam beberapa tahun terakhir. Persentase penduduk miskin turun dari sekitar 10,81 persen pada 2016 menjadi 7,72 persen pada 2024. Namun, pandemi COVID-19 sempat meningkatkan angka kemiskinan menjadi 8,81 persen pada 2021. Kondisi tersebut menunjukkan bahwa kemiskinan sangat dipengaruhi dinamika sosial dan ekonomi yang kompleks sehingga diperlukan metode analisis yang lebih stabil dan mampu mengatasi hubungan erat antarvariabel.
Dalam penelitian ini, tim peneliti menggunakan data deret waktu (time series) Kabupaten Simalungun selama periode 2017–2025. Variabel yang dianalisis meliputi tingkat kemiskinan sebagai variabel utama, sedangkan faktor-faktor yang diuji terdiri atas:
- Indeks Pembangunan Manusia (IPM)
- Tingkat Pengangguran Terbuka (TPT)
- Produk Domestik Regional Bruto (PDRB)
- Kepadatan penduduk
- Jumlah penduduk
Seluruh data berasal dari sumber resmi Badan Pusat Statistik (BPS) dan dianalisis menggunakan perangkat lunak R. Sebelum dilakukan pemodelan, peneliti terlebih dahulu menguji apakah terjadi multikolinearitas di antara variabel-variabel tersebut. Hasilnya menunjukkan bahwa variabel kepadatan penduduk dan jumlah penduduk memiliki nilai Variance Inflation Factor (VIF) di atas 10, yang berarti terdapat hubungan sangat kuat antarvariabel sehingga metode regresi biasa kurang tepat digunakan.
Selanjutnya, kedua metode statistik dibandingkan berdasarkan kemampuan menjelaskan variasi kemiskinan dan tingkat kesalahan prediksinya. Hasil penelitian memperlihatkan perbedaan yang cukup mencolok.
Regresi Ridge menghasilkan:
- Adjusted R-Square sebesar 88,93%
- Mean Square Error (MSE) sebesar 0,0369
Sementara metode Partial Least Squares hanya menghasilkan:
- Adjusted R-Square sebesar 57,20%
- Mean Square Error (MSE) sebesar 0,1426
Semakin tinggi nilai Adjusted R-Square menunjukkan semakin besar variasi kemiskinan yang dapat dijelaskan oleh model. Sebaliknya, semakin kecil nilai MSE menunjukkan prediksi model semakin akurat. Berdasarkan dua indikator tersebut, Regresi Ridge terbukti memberikan performa yang jauh lebih baik dibandingkan metode PLS.
Analisis lebih lanjut pada model terbaik, yaitu Regresi Ridge, menemukan bahwa Indeks Pembangunan Manusia (IPM) dan jumlah penduduk merupakan dua faktor yang berpengaruh signifikan terhadap tingkat kemiskinan di Kabupaten Simalungun.
IPM memiliki pengaruh negatif yang signifikan terhadap kemiskinan. Artinya, semakin tinggi kualitas pendidikan, kesehatan, dan standar hidup masyarakat yang tercermin dalam IPM, maka tingkat kemiskinan cenderung semakin rendah.
Jumlah penduduk juga menunjukkan pengaruh negatif yang signifikan dalam model penelitian ini. Sementara itu, Tingkat Pengangguran Terbuka, Produk Domestik Regional Bruto, dan kepadatan penduduk tidak menunjukkan pengaruh yang signifikan secara statistik pada model terbaik.
Menurut para peneliti dari Universitas HKBP Nommensen, hasil tersebut menunjukkan bahwa peningkatan kualitas sumber daya manusia menjadi salah satu strategi paling penting dalam upaya menurunkan angka kemiskinan di Kabupaten Simalungun. Oleh karena itu, pemerintah daerah disarankan memprioritaskan kebijakan yang berfokus pada peningkatan kualitas pendidikan, layanan kesehatan, serta standar hidup masyarakat sebagai komponen utama pembentuk IPM.
Selain itu, penelitian ini juga merekomendasikan evaluasi terhadap kebijakan kependudukan agar program pengentasan kemiskinan dapat disusun lebih tepat sasaran. Peneliti juga membuka peluang penelitian lanjutan dengan membandingkan metode statistik lain seperti Principal Component Regression (PCR) maupun LASSO agar model prediksi kemiskinan semakin akurat di masa mendatang.
Temuan ini memiliki manfaat yang cukup luas. Bagi pemerintah daerah, model Regresi Ridge dapat digunakan sebagai dasar dalam menyusun kebijakan berbasis data untuk mengurangi kemiskinan. Bagi akademisi, penelitian ini memberikan bukti empiris bahwa pemilihan metode analisis statistik sangat memengaruhi kualitas hasil penelitian ketika variabel-variabel yang dianalisis saling berkorelasi. Sementara bagi masyarakat, hasil penelitian menegaskan bahwa investasi pada pendidikan dan peningkatan kualitas hidup tetap menjadi salah satu langkah paling efektif dalam mengurangi kemiskinan secara berkelanjutan.
Profil Penulis
Leony Purba merupakan peneliti dari Universitas HKBP Nommensen yang memiliki minat pada bidang statistika terapan, analisis regresi, dan pemodelan data sosial ekonomi.
Juli Antasari Sinaga merupakan akademisi di Universitas HKBP Nommensen dengan keahlian di bidang statistika, metodologi penelitian kuantitatif, dan analisis data.
Yoel Octobe Purba adalah peneliti dari Universitas HKBP Nommensen yang berfokus pada analisis statistik dan penerapan metode kuantitatif dalam penelitian sosial ekonomi.
0 Komentar