Komparasi Model Regresi dalam Menganalisis Dampak RLS dan Perusahaan IMK terhadap Jumlah Penduduk Miskin di Indonesia Tahun 2024

Authors

  • Tengku Alfaisal Hardian Riau University
  • Shelfi Ayu Yontiani Riau University
  • Meysawalia Sabina Ready Riau University

DOI:

https://doi.org/10.55338/jeama.v4i3.654

Keywords:

Pengurangan Kemiskinan, Pendidikan, Usaha Mikro, Regresi Nonlinier, Ketimpangan Daerah

Abstract

Kemiskinan di Indonesia tetap menjadi tantangan multidimensional meskipun berbagai program pengentasan telah diterapkan, dengan bukti empiris menunjukkan peran rata-rata lama sekolah (RLS) dan industri mikro dan kecil (IMK) yang tidak konsisten dalam mengurangi kemiskinan. Penelitian ini bertujuan untuk menganalisis hubungan nonlinier antara RLS, jumlah perusahaan IMK, dan jumlah penduduk miskin melalui pendekatan komparatif model regresi. Metode penelitian menggunakan desain kuantitatif dengan data cross-section dari 38 provinsi pada tahun 2024, diolah menggunakan RStudio melalui estimasi Ordinary Least Squares (OLS) pada lima model regresi (linier, kuadratik, kubik, eksponensial, dan geometrik), serta evaluasi berdasarkan adjusted R², RMSE, MAE, dan BIC. Hasil menunjukkan model kuadratik sebagai spesifikasi terbaik (adjusted R²=0,942; RMSE=209,278; MAE=136,405; BIC=427,944), mengungkap hubungan nonlinier cekung dengan RLS berpengaruh negatif kuat yang semakin intensif pada tingkat pendidikan tinggi (efek marginal meningkat hingga 9-10 tahun), sementara IMK memiliki dampak minimal, ditambah titik optimal penurunan kemiskinan dan interaksi positif yang melemahkan efektivitas tanpa koordinasi. Kesimpulan menekankan kebijakan terpadu berbasis daerah untuk menyinergikan peningkatan kualitas pendidikan dengan penguatan kualitatif IMK, sehingga mempercepat pengurangan kemiskinan dan mendukung SDGs.

References

Badan Pusat Statistik, “Memahami perbedaan angka kemiskinan versi Bank Dunia dan BPS,” May 2025. [Online]. Available: https://www.bps.go.id/id/news/2025/05/02/702/memahami-perbedaan-angka-kemiskinan-versi-bank-dunia-dan-bps.html

Badan Pusat Statistik, “Rata-rata lama sekolah (RLS),” Sistem Informasi Rujukan Statistik (SIRUSA). [Online]. Available: https://sirusa.web.bps.go.id/metadata/indikator/52306

H. H. Hasanah, L. Ode, and M. Khaidir, “Pengaruh rata-rata lama sekolah terhadap tingkat kemiskinan di Indonesia Tahun 2022,” 2023.

G. A. Winarni, I. Harsono, Endang Astuti, Himawan Sutanto, and Ida Ayu Putri Suprapti, “Pengaruh angka harapan hidup, pendidikan dan kesempatan kerja terhadap kemiskinan di Kabupaten/Kota Provinsi Nusa Tenggara Barat tahun 2018-2022,” LANCAH: Jurnal Inovasi dan Tren, vol. 2, no. 1, Feb. 2024, doi: 10.35870/ljit.v2i1.2242.

R. Ramadhan and M. Anas, “The impact of micro and small industries on poverty in Indonesia,” Management Studies and Entrepreneurship Journal, pp. 33620-3629, 2025.

R. Dwi Heriansyah, I. Nuraini, and H. Kusuma, “Analisis pengaruh jumlah industri dan indeks pembangunan manusia terhadap jumlah penduduk miskin di Kabupaten/Kota Provinsi Banten tahun 2012-2016,” Jurnal Ilmu Ekonomi, vol. 2, pp. 453–463, 2018.

P. M. Parasan and V. Manoppo, “Peran industri kecil menengah dalam menanggulangi kemiskinan di Provinsi Sulawesi Utara,” Balance: Jurnal Akuntansi dan Manajemen, vol. 2, no. 1, 2023.

Badan Pusat Statistik, “Jumlah penduduk miskin (ribu jiwa) menurut provinsi dan daerah, 2025,” Badan Pusat Statistik. [Online]. Available: https://www.bps.go.id/id/statistics-table/2/MTg1IzI=/jumlah-penduduk-miskin-ribu-jiwa-menurut-provinsi-dan-daerah.html

Badan Pusat Statistik, “[Metode baru] Rata-rata lama sekolah (tahun), 2025,” Badan Pusat Statistik. [Online]. Available: https://www.bps.go.id/id/statistics-table/2/NDE1IzI=/-metode-baru--rata-rata-lama-sekolah.html

Badan Pusat Statistik, “Jumlah perusahaan industri skala mikro dan kecil menurut provinsi (unit), 2024,” Badan Pusat Statistik. [Online]. Available: https://www.bps.go.id/id/statistics-table/2/NDQwIzI=/jumlah-perusahaan-menurut-provinsi.html

N. Sudariana and M. M. Yoedani, “Analisis statistik regresi linear berganda,” Seniman Nusaputra, 2021.

W. Mujahid and M. Arif Tiro, “Pemodelan laju inflasi dengan menggunakan regresi non-linear berbasis algoritma genetika (kasus: kota-kota di Pulau Jawa),” VARIANSI: Journal of Statistics and Its Application on Teaching and Research, vol. 4, no. 1, pp. 20–29, 2022, doi: 10.35580/variansiunm7.

J. Sudrajat, S. Wira Rizki, and H. Perdana INTISARI, “Perbandingan model regresi parametik eksponensial dan Weibull pada data survival tersensor interval,” Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster), vol. 07, no. 3, pp. 231–238, 2018.

Sartin, “Analisis faktor-faktor yang mempengaruhi nilai output produksi dengan pendekatan fungsi produksi Coobdouglas di PT Garudafood-Gresik,” Jurnal Manajemen dan Teknik Industri Produksi, Sep. 2018.

Downloads

Published

2026-03-09

How to Cite

Hardian, T. A., Yontiani, S. A. ., & Ready, M. S. (2026). Komparasi Model Regresi dalam Menganalisis Dampak RLS dan Perusahaan IMK terhadap Jumlah Penduduk Miskin di Indonesia Tahun 2024. Jurnal Ekonomi, Akutansi Dan Manajemen Nusantara, 4(3), 777–786. https://doi.org/10.55338/jeama.v4i3.654