Pemodelan Regresi Nonparametrik Spline Truncated Komponen Utama Robust dengan Minimum Covariance Determinant- Least Trimmed Square (Studi Kasus: Persentase Penduduk Miskin Di Sulawesi Selatan)=Nonparametric Truncated Spline Regression With Robust Principal Components Based On Minimum Covariance Determinant And Least Trimmed Square (Case Study: Percentage Of Poor Population In South Sulawesi)

Latar Belakang. Regresi nonparametrik merupakan pendekatan yang fleksibel dalam memodelkan hubungan antarvariabel ketika pola hubungan tidak mengikuti bentuk parametrik tertentu. Namun, dalam penerapannya sering dijumpai permasalahan multikolinearitas antarvariabel prediktor serta keberadaan pencilan yang dapat menyebabkan estimasi parameter menjadi tidak stabil dan kurang akurat. Kondisi tersebut umum terjadi pada data sosial ekonomi, termasuk data kemiskinan yang dipengaruhi oleh berbagai faktor yang saling berkorelasi dan memiliki karakteristik hubungan yang kompleks. Tujuan. Penelitian ini bertujuan untuk mengestimasi parameter dan memperoleh model Regresi Nonparametrik Spline Truncated Komponen Utama Robust dengan Minimum Covariance Determinant-Least Trimmed Square (MCD-LTS) pada data Persentase Penduduk Miskin di Sulawesi Selatan tahun 2023-2024. Metode. Penanganan multikolinearitas dilakukan melalui Analisis Komponen Utama (AKU) robust berbasis MCD, sedangkan estimasi parameter regresi dilakukan menggunakan metode LTS untuk mengatasi pengaruh pencilan. Jumlah komponen utama ditentukan berdasarkan proporsi variansi kumulatif. Pemilihan titik knot optimal pada spline truncated dilakukan menggunakan kriteria Generalized Cross Validation (GCV). Hasil. Berdasarkan analisis AKU robust, diperoleh tiga komponen utama yang mampu menjelaskan 79,2% total variansi data. Model terbaik diperoleh pada tiga titik knot dengan nilai GCV minimum sebesar 3,963. Evaluasi kebaikan model menunjukkan bahwa pendekatan spline truncated komponen utama robust MCD-LTS lebih baik dibandingkan spline truncated komponen utama klasik Least Square dan LTS. Kesimpulan. Integrasi spline truncated, AKU robust MCD, dan estimasi LTS menghasilkan model yang fleksibel, stabil, dan resisten terhadap multikolinearitas dan pencilan, serta lebih unggul dibandingkan metode pembanding dalam memodelkan kemiskinan di Sulawesi Selatan.