Electronic Theses and Dissertation

Penduduk miskin adalah kelompok masyarakat yang hidup di bawah garis kemiskinan
dan tidak mampu memenuhi kebutuhan dasar seperti pangan, sandang, dan papan.
Kemiskinan tetap menjadi permasalahan utama di Indonesia, khususnya di Pulau
Sumatra yang pada tahun 2023 tercatat memiliki jumlah penduduk miskin sebanyak
5,67 juta jiwa. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang
memengaruhi jumlah penduduk miskin di Pulau Sumatra pada tahun 2023. Data yang
digunakan berbentuk data kuantitatif sekunder dan dianalisis menggunakan regresi
linier berganda. Namun, regresi linier berganda mensyaratkan terpenuhinya asumsi
klasik, dan berdasarkan uji diagnostik, data mengandung outlier. Oleh karena itu,
digunakan metode regresi robust dengan pendekatan estimasi method of moment dan
least trimmed squares untuk menentukan model terbaik. Data diperoleh dari Badan
Pusat Statistik pada 10 provinsi di Pulau Sumatra, terdiri dari 1 variabel dependen
dan 7 variabel independen, dengan 154 kabupaten/kota sebagai unit analisis. Hasil
analisis menunjukkan bahwa model regresi robust estimasi LTS merupakan model
terbaik, dengan nilai koefisien determinasi (R²) sebesar 90,36% dan Residual
Standard Error (RSE) sebesar 7,962. Model ini lebih akurat dan stabil dibandingkan
regresi linier berganda dengan pendekatan ordinary least squares. Berdasarkan
model terbaik, terdapat lima faktor yang berpengaruh signifikan terhadap jumlah
penduduk miskin, yaitu jumlah penduduk (X1), harapan lama sekolah (X3), PDRB atas
dasar harga konstan (X4), persentase rumah tangga penerima Program Keluarga
Harapan (X6), dan kepemilikan rumah tinggal sendiri (X7).

The poor population refers to the segment of society living below the poverty line and unable to meet basic needs such as food, clothing, and shelter. Poverty remains a major issue in Indonesia, especially in Sumatra Island, which recorded 5.67 million poor people in 2023. This study aims to identify the factors influencing the number of poor people in Sumatra Island in 2023. The data used are secondary quantitative data and were analyzed using multiple linear regression. However, multiple linear regression requires several classical assumptions, and diagnostic testing revealed the presence of outliers. Therefore, robust regression methods using the method of moment and least trimmed squares estimations were applied to determine the best model. The data were sourced from BPS for 10 provinces in Sumatra Island, consisting of 1 dependent variable and 7 independent variables, with 154 districts/cities as units of analysis. The analysis results show that the robust regression model using the LTS estimation is the best model, with a coefficient of determination (R²) of 90,36% and the lowest Residual Standard Error (RSE) of 7,962. This model is considered more accurate and stable compared to multiple linear regression using the ordinary least squares method. Based on the best model, five significant factors were identified to affect the number of poor people in Sumatra Island: total population (X1), expected years of schooling (X3), Gross Domestic Product at constant prices (X4), percentage of households receiving the Family Hope Program (X6), and percentage of households owning their homes (X7).