BAB I

PENDAHULUAN

1.1

Latar Belakang
Kemiskinan merupakan salah satu permasalahan yang dialami Indonesia.

Tingkat kemiskinan Indonesia saat ini masih tergolong tinggi. Berdasarkan data BPS
periode maret 2013, tingkat kemiskinan Indonesia mencapai 11,37 % atau sekitar
28,07 juta orang. Permasalahan ini mendapat perhatian serius dari pemerintah
sehingga menyusun program kerja yang bertujuan untuk menurunkan tingkat
kemiskinan. Salah satu syarat pengentasan kemiskinan adalah mengetahui faktor
faktor yang mempengaruhi perkembangan kemiskinan
Ada

beberapa

metode

yang

dapat

digunakan

untuk

memprediksi

perkembangan kemiskinan serta menyelidiki faktor-faktor yang mempengaruhinya,

diantaranya adalah analisis regresi. Analisis regresi

merupakan

suatu

teknik

statistik yang digunakan untuk menyelidiki dan memodelkan hubungan antara

variabel bebas dan variabel tak bebas. Misalkan tingkat kemiskinan adalah variable
bebas, pendidikan dan kesehatan merupakan variable tak bebas. Jika
bebas dan

variabel-variabel bebas, maka model regresi linear secara

umum dapat dinyatakan sebagai

dengan

adalah parameter-parameter regresi dan

yang

variabel tak

adalah eror. Permasalahan

muncul dalam analisis regresi adalah menentukan estimator terbaik untuk

yang sangat dipengaruhi oleh penggunaan metode. Sebagai

contoh,

penggunaan

metode

kuadrat terkecil (MKT) tidak akan tepat dalam

menyelesaikan permasalahan yang mengandung observasi pencilan atau ekstrem,

karena asumsi kenormalan tidak dapat dipenuhi. Dalam analisis regresi, adanya
tingkat kemiskinan yang jauh melampaui kemiskinan secara umum dapat
dikategorikan sebagai pencilan, sehingga penggunaan metode kuadrat terkecil untuk
mengestimasi parameter regresi kurang tepat. Untuk mengatasi hal ini diperlukan

metode estimasi parameter yang bersifat robust.

Robust

diartikan sebagai

ketidaksensitifan atau ketegaran terhadap perubahan-perubahan kecil dari asumsi.

Estimasi robust ini merupakan perluasan dari MLE. Estimasi dengan metode
maximum likelihood estimator (MLE) akan menghasilkan estimator yang bersifat
sama seperti metode kuadrat terkecil, artinya MLE juga tidak robust terhadap
pengaruh pencilan. Suatu teknik robust yang sering digunakan adalah estimasiM, S, dan MM. Oleh karena itu, penulis tertarik untuk mengetahui model regresi
optimal untuk memprediksi kemiskinan di Indonesia dengan menggunakan estimasiM, estimasi-S, dan estimasi-MM, maka pada penelitian ini penulis mengambil judul
Optimasi Regresi Robust untuk Memprediksi Perkembangan Kemiskinan Di
Indonesia.

1.2

Rumusan Masalah
Masalah yang dibahas dalam penelitian ini yaitu :
a. Bagaimana model regresi robust dengan estimasi M ?
b. Bagaimana model regresi robust dengan estimasi S ?
c. Bagaiman model regresi robust dengan estimasi MM ?
d. Bagaiaman model regresi yang optimal untuk memprediksi kemiskinan di
Indonesia ?

1.3

Tujuan Penelitian
Penelitian ini bertujuan untuk menentukan model regresi yang optimal untuk

memprediksi perkembangam kemiskinan di Indonesia dengan membandingkan

beberapa model regresi diantaranya model regresi robust dengan estimasi M, model
regresi robust dengan estimasi S dan model regresi robust dengan estimasi MM.

1.4

Manfaat Penelitian
Melalui penelitian ini, penulis berharap agar dapat memberikan sumbangan

pemikiran terkait pengentasan kemiskinan di Indonesia dengan mengetahui faktorfaktornya. Selain itu, penelitian ini juga diharapkan dapat bermanfaat bagi penelitian
selanjutnya.