Pemodelan Kemiskinan di Sumatera Utara Menggunakan Regresi Nonparametrik Kernel dan Splines

Penanggulangan kemiskinan merupakan tujuan utama dari Sustainable Development Goals (SDGs). Masyarakat miskin disebabkan oleh rendahnya modal manusia. Salah satu indikator yang dapat mengukur modal manusia adalah Indeks Pembangunan Manusia (IPM). Sumatera Utara masih menemati posisi ke-lima dengan tingkat kemiskinan tertinggi di Pulau Sumatera, padahal memiliki jumlah penduduk terbanyak di Pulau Sumatera. Penelitian ini bertujuan untuk melakukan pemodelan kemiskinan dengan faktor yang mempengaruhinya yaitu IPM di Provinsi Sumatera Utara dengan regresi nonparametrik dan regresi kuantil karena sifatnya yang fleksibel dan dapat memodelkan data dengan level yang berbeda. Regresi nonparametrik yang digunakan pada penelitian ini dalah regresi kernel dan smoothing splines. Hasil pemodelan regresi nonparametrik kernel diperoleh bandwith optimal dari fungsi kernel gaussian dengan NWE adalah 2,13512 dengan GCV 11,78793, pemodelan dengan smoothing splines diperoleh nilai parameter pemulus optimal yaitu 0,00544 dengan GCV 47,29301, dan pemodelan dengan regresi kuantil smoothing splines diperoleh nilai parameter pemulus optimal yaitu 0,11 dengan GCV 3,81497. Hasil perbandingan model diperoleh bahwa metode regresi kuantil smoothing splines merupakan metode terbaik karena memiliki kurva regresi yang lebih mengikuti sebaran hubungan data dan nilai GCV dan RMSE yang lebih rendah.