Penerapan Model Cluster Robust Standard Error pada Data Panel menggunakan Bias Reduced Linearization (Studi Kasus: Indeks Pembangunan Manusia di Indonesia Tahun 2018-2022)

Latar Belakang. Indeks Pembangunan Manusia (IPM) adalah indikator penting yang digunakan untuk menilai kualitas hidup masyarakat melalui dimensi kesehatan, pendidikan, dan standar hidup layak. Analisis faktor-faktor yang memengaruhi IPM memerlukan metode statistik yang mampu memberikan hasil estimasi yang akurat pada data panel dengan jumlah klaster yang terbatas. Metode Cluster Robust Standard Error (CRSE) berbasis Bias Reduced Linearization (BRL) dipilih karena dapat mengurangi bias pada standard error dan menghasilkan kesimpulan yang lebih valid. Tujuan. Penelitian ini bertujuan untuk mendapatkan model regresi data panel terbaik dengan metode CRSE berbasis BRL pada kasus IPM di Indonesia tahun 2018–2022, serta menganalisis pengaruh persentase penduduk miskin, PDRB atas dasar harga konstan, tingkat pengangguran terbuka, rata-rata lama sekolah, angka melek huruf, serta akses sanitasi dan air minum layak terhadap IPM. Metode. Penelitian ini menggunakan data sekunder dari Badan Pusat Statistik (BPS) periode 2018–2022. Analisis dilakukan dengan regresi data panel menggunakan model efek umum, tetap, dan acak, pemilihan model dilakukan dengan uji Chow dan Hausman, kemudian estimasi akhir dihitung dengan pendekatan CRSE berbasis BRL. Hasil. Hasil penelitian menunjukkan bahwa rata-rata lama sekolah, PDRB, dan akses air minum layak berpengaruh positif terhadap IPM, sedangkan persentase penduduk miskin dan tingkat pengangguran terbuka berpengaruh negatif. Kesimpulan. Penerapan estimator BRL terbukti lebih unggul dibandingkan OLS karena mampu memperhitungkan korelasi intra-klaster dan menghasilkan standard error yang lebih stabil serta mendekati nilai sebenarnya, sehingga uji t dan F menjadi lebih reliabel dan tidak bias.