PERFORMA MODEL REGRESI KOMPONEN UTAMA SPARSE PADA DATA ANGKA KEMISKINAN DI PROVINSI SULAWESI SELATAN TAHUN 2022 = PERFORMANCE OF SPARSE PRINCIPAL COMPONENT REGRESSION MODEL ON POVERTY NUMBER DATA IN SOUTH SULAWESI PROVINCE IN 2022

Latar Belakang. Multikolienaritas terjadi ketika antar variabel prediktor memiliki korelasi yang tinggi sehingga koefisien regresi tidak stabil dan sulit menentukan pengaruh individual dari variabel prediktor. Salah satu metode yang dapat digunakan untuk mengatasi hal tersebut yaitu Analisis Komponen Utama (AKU). Namun, nilai loading yang dihasilkan AKU tidak memiliki perbedaan signifikan sehingga mengakibatkan hasil Komponen Utama (KU) sulit untuk diinterpretasikan terhadap variabelnya. Oleh karena itu, metode Sparse AKU digunakan untuk melihat variabel prediktor yang berkontribusi dalam pembentukan KU. Pemilihan parameter tuning l dan l_(1,j) pada sparse AKU menggunakan metode cross validation untuk menghasilkan nilai loading sparse. Tujuan. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi angka kemiskinan di Provinsi Sulawesi Selatan Tahun 2022 dengan regresi sparse AKU. Metode. Penelitian ini dilakukan dua tahap: 1) pembentukan komponen utama sparse AKU; 2) memodelkan hubungan angka kemiskinan di Provinsi Sulawesi Selatan Tahun 2022 dengan faktor-faktor yang mempengaruhinya dengan regresi sparse AKU. Hasil. Hasil analisis menunjukkan bahwa model regresi sparse AKU merupakan model terbaik ketika l=1, berdasarkan nilai proporsi keragaman kumulatif sebesar 85,27% dari tiga KU dengan tujuh nilai loading yang bernilai nol. Uji parameter secara parsial regresi sparse AKU menujukkan bahwa W_1 dan W_2 berpengaruh signifikan terhadap jumlah penduduk miskin dengan α=0,05. Kesimpulan. Variabel yang signifikan mempengaruhi jumlah kemiskinan di antaranya Indeks Pembangunan Manusia (X_1), Produk Domestik Regional Bruto Harga Konstan Menrut Lapangan Kerja (X_2), Kepadatan Penduduk (X_3), Tingkat Pengangguran Terbuka (X_4), Pengeluaran Perkapita Disesuaikan (X_6), dan Angka Partisipasi Sekolah Penduduk Usia 16-18 Tahun (X_7). Sedangkan Tingkat Partisipasi Angkatan Kerja (X_5) tidak berpengaruh terhadap jumlah kemiskinan.

Keywords : Multikolienaritas, Sparse Analisis Komponen Utama, Parameter Tunig, Cross Validation, Regresi Komponen Utama.