DOI: https://doi.org/10.14710/j.gauss.14.2.480-488

ANALISIS KEMISKINAN, KETIMPANGAN, DAN PENGANGGURAN TERHADAP IPM DI 3 PROVINSI SUMATERA MENGGUNAKAN SPLINE TRUNCATED

Lutfiah Firlian orcid  -  Department of Statistics, Universitas Bengkulu, JL. WR. Supratman, Kandang Limun, Muara Bangkahulu, Bengkulu, Indoneisa, Indonesia
*Idhia Sriliana  -  Program Studi Statistika, Universitas Bengkulu, JL WR, Supratman, Kandang Limun, Bengkulu, Indonesia, Indonesia
Della Nur Afni  -  Program Studi Statistika, Universitas Bengkulu, JL WR, Supratman, Kandang Limun, Bengkulu, Indonesia, Indonesia
Ukasyah Aflah  -  Program Studi Statistika, Universitas Bengkulu, JL WR, Supratman, Kandang Limun, Bengkulu, Indonesia, Indonesia
Pepi Novianti  -  Program Studi Statistika, Universitas Bengkulu, JL WR, Supratman, Kandang Limun, Bengkulu, Indonesia, Indonesia
Open Access Copyright 2025 Jurnal Gaussian under http://creativecommons.org/licenses/by-nc-sa/4.0.

Citation Format:
Abstract
This study aims to analyze the effect of the open unemployment rate (TPT), economic inequality (Gini ratio), and the percentage of poor people on the Human Development Index (HDI) in three provinces with the highest poverty rates on Sumatra Island, namely Aceh, Bengkulu, and South Sumatra. The truncated spline nonparametric regression method was used in this study to accommodate the complex relationship between variables without assuming a particular distribution. The results of the analysis show that all three independent variables have an effect. The results of the analysis show that the best model is obtained with four knot points, producing a minimum Generalized Cross Validation (GCV) value of 7,9580594, a minimum Mean Squared Error (MSE) value of 3.899, and a coefficient of determination (R²) of 77,96%. With a fairly high level of accuracy, this model can be used as a basis for further analysis in understanding the relationship between economic variables and the HDI. In addition, this model can be a reference in formulating more effective policies to reduce economic inequality and improve the welfare of people in the poorest areas on Sumatra Island.
Fulltext View|Download
Keywords: Poverty; HDI;Spline Truncated; GCV; Nonparametrik Regression

Article Metrics:

Article Info
Section: Articles
Language : ID
Recent articles
Front Matter PENERAPAN MODEL REGRESI RANDOM FOREST UNTUK PREDIKSI HARGA LAPTOP BERDASARKAN FITUR LAPTOP PENGKLASIFIKASIAN PENYAKIT HIPERTENSI MENGGUNAKAN METODE CHI-SQUARE AUTOMATIC INTERACTION DETECTION Pengklasteran dan Penerapan Rantai Markov untuk Prediksi Produksi padi dan Lahan Panen di Kalimantan Barat More recent articles
  1. Alwi, W., Irwan, M. and Musfirah, M. (2021) ‘Penerapan Regresi Nonparametrik Spline Dalam Memodelkan Faktor-Faktor Yang Mempengaruhi Indeks Pembangunan Manusia (Ipm) Di Indonesia Tahun 2018’, Jurnal MSA ( Matematika dan Statistika serta Aplikasinya ), 9(2). Available at: https://doi.org/10.24252/msa.v9i2.23055
  2. Dani, A.T.R. et al. (2021) ‘Pemodelan Regresi Nonparametrik Spline Truncated pada Data Longitudinal’, Inferensi, 4(1), p. 47. Available at: https://doi.org/10.12962/j27213862.v4i1.8737
  3. Izzah, N. and Budiantara, I.N. (2020) ‘Pemodelan Faktor-faktor yang Mempengaruhi Tingkat Partisipasi Angkatan Kerja Perempuan di Jawa Barat Menggunakan Regresi Nonparametrik Spline Truncated’, Inferensi, 3(March), pp. 21–27
  4. Kurniawati, N.A. (2019) ‘Pemodelan Tingkat Pengangguran Terbuka di Nonparametrik Spline Truncated’, Jurnal Sains Dan Seni ITS, 8(2), pp. 2–8
  5. Latiffa, N., Rotinsulu, D. and Tumilaar, R. (2017) ‘Pengaruh Pertumbuhan Ekonomi Dan Indeks Pembangunan Manusia Terhadap Tingkat Pengangguran Terbuka Dan Dampaknya Pada Jumlah Penduduk Miskin Di Kota Manado’, Jurnal Berkala Ilmiah Efisiensi, 17(02), pp. 106–117
  6. Pratiwi, L.P.S. (2020) ‘Pemilihan Titik Knot Optimal Model Spline Truncated Dalam Regresi Nonparametrik Multivariabel dengan GCV’, Jurnal Matematika, 10(2), p. 78. Available at: https://doi.org/10.24843/jmat.2020.v10.i02.p125
  7. Ramadhan, M.R., Darnah, D. and Wahyuningsih, S. (2023) ‘Model Regresi Nonparametrik Spline Truncated Pada Indeks Pembangunan Manusia di Indonesia’, Eksponensial, 14(2), p. 91. Available at: https://doi.org/10.30872/eksponensial.v14i2.1090
  8. Riani, I.A.P., Sumreskosu, Y. and Purwadi, M.A. (2021) ‘ANALISIS PENGARUH PERTUMBUHAN EKONOMI, TINGKAT KEMISKINAN DAN RASIO GINI TERHADAP INDEKS PEMBANGUNAN MANUSIA DI PROVINSI PAPUA PERIODE 2011-2020’, Jurnal Kajian Ekonomi dan Studi Pembangunan, VIII(1), pp. 1–17
  9. Rinawati, Y. et al. (2022) ‘Pengaruh PDRB , Kemiskinan , dan Jumlah Penduduk Terhadap IPM di Provinsi Jawa Timur Tahun 2017-2021’, Jurnal Ecogen, 5(4), pp. 517–527
  10. Sanusi, W., Syam, R. and Adawiyah, R. (2020) ‘Model Regresi Nonparametrik dengan Pendekatan Spline (Studi Kasus: Berat Badan Lahir Rendah di Rumah Sakit Ibu dan Anak Siti Fatimah Makassar)’, Journal of Mathematics, Computations, and Statistics, 2(1), p. 70. Available at: https://doi.org/10.35580/jmathcos.v2i1.12460
  11. Sihombing, P.R. and Famalika, A. (2022) ‘Penerapan Analisis Regresi Nonparametrik dengan Pendekatan Regresi Kernel dan Spline’, Jurnal Ekonomi Dan Statistik Indonesia, 2(2), pp. 172–181. Available at: https://doi.org/10.11594/jesi.02.02.05
  12. Simarmata, Y.P.H. and Sinaga, M. (2023) ‘Analisis Pengaruh Kemiskinan, Pengangguran, danKetimpangan Distribusi Pendapatan Terhadap IndeksPembangunan Manusia di Indonesia’, LWSA Coference Series , 06, pp. 104–106. Available at: https://doi.org/10.32734/lwsa.v6i1.1679
  13. Statistik, B.P. (2023) Persentase Penduduk Miskin menurut Provinsi di Indonesia
  14. Wandha, M.D. et al. (2024) ‘Pengaruh Indeks Pembangunan Manusia (IPM) dan Tingkat Pengangguran Terhadap Kemiskinan di Jawa Timur Periode 2020-2022’, Inisiatif: Jurnal Ekonomi, Akuntansi Dan Manajemen, 3(1), pp. 52–66
  15. Wongkar, D.C. and Fahmuddin, M.S. (2023) ‘Analisis Regresi Nonparametrik Spline Truncated untuk Menganalisis Faktor-Faktor yang Mempengaruhi Tingkat Pengangguran Terbuka di Provinsi Sulawesi Selatan’, VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 5(2), pp. 55–63. Available at: https://doi.org/10.35580/variansiunm101

Last update:

No citation recorded.

Last update:

No citation recorded.