PENGGUNAAN MODEL REGRESI KUANTIL BOOTSTRAP DALAM MENGATASI DATA OUTLIER PADA DATA ANGKA KEMISKINAN DI PROVINSI SULAWESI SELATAN

Analisis regresi merupakan analisis statistik yang sering digunakan untuk memodelkan hubungan antara dua jenis variabel, Namun adanya outlier dari suatu data akan mengakibatkan hasil estimasi dengan menggunakan metode OLS bersifat bias. Penanganan outlier pada data dapat dilakukan dengan menggunakan model regresi kuantil. Proses pendugaan parameter model regresi kuantil dapat digunakan dengan metode numerik yaitu metode simpleks. Dalam proses estimasi regresi kuantil, untuk mendapatkan distribusi data yang lebih stabil diperlukan metode bootstrap residual. Penelitian ini bertujuan untuk mendapatkan faktor-faktor yang berpengaruh terhadap angka kemiskinan di Provinsi Sulawesi Selatan berdasarkan model regresi kuantil bootstrap. Data yang digunakan dalam penelitian ini adalah persentase angka kemiskinan, nilai Indeks Pembangunan Manusia (IPM), persentase Angka Partisipasi Murni (APM) pendidikan formal, dan Tingkat Pengangguran Terbuka (TPT) di Provinsi Sulawesi Selatan pada tahun 2020-2022. Hasil analisis menunjukkan bahwa model regresi kuantil bootstrap dapat mengatasi keberadaan outlier dalam mengestimasi parameter regresi kuantil bootstrap, hal ini ditunjukkan dengan adanya perubahan nilai estimasi parameter yang lebih konsisten di tiap tiap kuantilnya. Hasil perhitungan uji RMSE pada model menunjukkan bahwa pada kuantil 0.5 memiliki nilai terbaik dengan nilai 2.1978, yang menunjukkan bahwa model cenderung memberikan prediksi yang lebih akurat dan mendekati nilai aktual. Faktor IPM memiliki pengaruh negatif secara signifikan terhadap angka kemiskinan di Provinsi Sulawesi Selatan pada setiap kuantil.