PEMODELAN ROBUST SPATIAL ERROR MODEL RANDOM EFFECT DENGAN GENERALIZED M-ESTIMATOR (Studi Kasus: Indeks Pembangunan Manusia di Indonesia Tahun 2018-2022) = Robust Spatial Error Model with Random Effect Using Generalized M-Estimator (Case Study: Human Development Index in Indonesia, 2018–2022)

Latar Belakang. Regresi linier klasik memiliki keterbatasan dalam menganalisis data berdimensi waktu dan spasial karena mengabaikan heterogenitas antar wilayah dan dinamika temporal. Model Spatial Error Model dengan Random Effect (SEM-RE) dikembangkan untuk mengakomodasi keterkaitan spasial antar error serta perbedaan karakteristik wilayah. Namun, Keberadaan outlier dalam data dapat mengganggu estimasi parameter. Oleh karena itu, diperlukan estimasi robust terhadap outlier, salah satunya adalah Generalized M-Estimator. Tujuan. Penelitian ini bertujuan membentuk model Robust Spatial Error Model Random Effect (SEM-RE) menggunakan GM-Estimator untuk mengidentifikasi faktor-faktor yang memengaruhi Indeks Pembangunan Manusia (IPM) di Indonesia tahun 2018-2022. Metode. Analisis dilakukan terhadap data IPM provinsi di Indonesia Tahun 2018-2022. Estimasi dilakukan melalui tahapan analisis data panel, pengujian spasial, pendeteksian outlier dengan DFFITS, serta penerapan GM-Estimator untuk membentuk model RSEM-RE. Evaluasi model dilakukan dengan R^2 dan RMSE. Hasil. Model RSEM-RE menunjukkan performa lebih baik dibandingkan SEM-RE, dengan nilai R^2 sebesar 92,07% dan RMSE sebesar 0,9507. Variabel signifikan meliputi angka harapan hidup, rata-rata lama sekolah, serta terdapat efek spasial dan acak antar wilayah. Kesimpulan. Hasil menunjukkan bahwa model RSEM-RE dengan GM-Estimator efektif menangani outlier dan memberikan estimasi yang lebih akurat sehingga dapat digunakan sebagai dasar kebijakan pembangunan manusia berbasis spasial.