OPTIMASI ELASTIC NET REGRESSION DENGAN OPTUNA UNTUK ANALISIS FAKTOR KEMISKINAN DI INDONESIA

Abstract

Kemiskinan di Indonesia merupakan permasalahan kompleks yang dipengaruhi oleh berbagai faktor sosial dan ekonomi. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi tingkat kemiskinan di Indonesia tahun 2023 dengan menggunakan metode Elastic Net Regression yang dioptimalkan melalui algoritma Optuna. Pendekatan ini dipilih karena mampu mengatasi multikolinearitas dan menghasilkan model prediktif yang lebih stabil dan akurat. Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik (BPS) yang mencakup delapan variabel independen: Angka Harapan Hidup (AHH), Angka Melek Huruf (AMH), Produk Domestik Regional Bruto (PDRB), Indeks Pembangunan Manusia (IPM), Partisipasi Angkatan Kerja (PAK), Rata-rata Lama Sekolah (RLS), Indeks Kemahalan Konstruksi (IKK), dan Pernikahan Dini. Hasil analisis menunjukkan bahwa model terbaik, yaitu Elastic Net Regression yang dioptimasi dengan Optuna, memiliki nilai R² sebesar 0,7155, MAE sebesar 3,1405, dan MSE sebesar 16,1338, serta memenuhi seluruh asumsi regresi klasik. Enam variabel signifikan ditemukan, yakni IPM, AHH, AMH, dan Pernikahan Dini yang berpengaruh negatif, serta RLS dan PAK yang berpengaruh positif terhadap kemiskinan. Temuan ini menekankan pentingnya pembangunan manusia, pendidikan, literasi, akses kerja, dan pencegahan pernikahan dini dalam upaya penanggulangan kemiskinan secara berkelanjutan.