Pemodelan Regresi Kuantil Least Absolute Shrinkage and Selection Operator dengan Estimator Spline Truncated pada Data Persentase Penduduk Miskin di Pulau Sulawesi Tahun 2023 = Quantile Least Absolute Shrinkage and Selection Operator Regression with Truncated Spline Estimator on Percentage of Poor People in Sulawesi Island 2023

Latar Belakang. Analisis regresi bertujuan untuk memahami hubungan antara variabel respon dengan beberapa variabel prediktor. Namun, analisis regresi memerlukan beberapa asumsi yang kerap kali terlanggar karena adanya pencilan. Kehadiran pencilan dapat diatasi menggunakan regresi kuantil. Akan tetapi, regresi kuantil tidak dapat mengatasi pelanggaran asumsi multikolinearitas. Oleh karena itu, dikembangkan metode regresi kuantil least absolute shrinkage and selection operator (regresi kuantil LASSO) yang lebih stabil menghadapi pencilan dan multikolinearitas pada data. Selain itu, hubungan antar variabel tidak selalu bersifat linier sehingga diperlukan pendekatan yang lebih fleksibel dalam menangkap pola hubungan tersebut menggunakan estimator spline truncated. Tujuan. Penelitian ini bertujuan mendapatkan model regresi kuantil LASSO dengan estimator spline truncated pada data Persentase Penduduk Miskin (PPM) berdasarkan faktor-faktor yang memengaruhi PPM di Pulau Sulawesi tahun 2023. Metode. Data yang digunakan merupakan data PPM di Pulau Sulawesi tahun 2023, dengan lima variabel prediktor. Analisis dilakukan menggunakan metode regresi kuantil LASSO dengan estimator spline truncated. Hasil. Model regresi kuantil LASSO dengan estimator spline truncated yang optimal diperoleh dengan menggunakan 2 titik knot untuk setiap kuantil τ=0,25; 0.5; dan 0,75, dengan nilai GCV minimum berturut-turut sebesar 12,021;7,733; dan 13,086. Kesimpulan. Berdasarkan model yang diaplikasikan pada PPM di Pulau Sulawesi tahun 2023 diperoleh 3 model yang mewakili masing-masing kuantil sehingga model yang dihasilkan tidak terganggu akan kehadiran pencilan. Selain itu, regulasi LASSO menyederhanakan model dengan mengecilkan hingga menyeleksi koefisien yang dianggap kurang penting. Adapun penggunaan estimator spline truncated membuat model lebih fleksibel untuk menyesuaikan secara otomatis dengan pola data.

Keyword : Generalized Cross Validation, LASSO, Persentase Penduduk Miskin, Regresi Kuantil, Spline Truncated