Pemodelan faktor-faktor yang mempengaruhi kemiskinan di Pulau Jawa menggunakan multivariate adaptive regression splines

Kemiskinan masih menjadi salah satu permasalahan utama di Indonesia, terutama di Pulau Jawa yang menyumbang sekitar 52,45% dari total penduduk miskin nasional berdasarkan data Badan Pusat Statistik (BPS) tahun 2024. Tingginya tingkat kemiskinan dipengaruhi oleh berbagai faktor sosial, ekonomi, dan infrastruktur yang memiliki hubungan kompleks serta tidak selalu bersifat linier. Penelitian ini bertujuan untuk membentuk model terbaik menggunakan metode Multivariate Adaptive Regression Splines (MARS) serta mengidentifikasi faktor-faktor yang berpengaruh terhadap persentase penduduk miskin di Pulau Jawa tahun 2024. Variabel yang digunakan meliputi Tingkat Pengangguran Terbuka, Indeks Pembangunan Manusia, PDRB per kapita, Tingkat Partisipasi Angkatan Kerja, dan Kepadatan Penduduk. Model terbaik dipilih berdasarkan nilai Generalized Cross Validation (GCV) minimum dan koefisien determinasi (R2) maksimum. Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada kombinasi parameter Basis Function (BF) = 20, Maximum Interaction (MI) = 2, dan Minimum Observation (MO) = 2 dengan nilai GCV sebesar 6,397 dan nilai R2 sebesar 0,6504. Variabel yang berpengaruh terhadap tingkat kemiskinan meliputi ingkat Pengangguran Terbuka, Indeks Pembangunan Manusia, Produk Domestik Regional Bruto (PDRB), Tingkat Partisipasi Angkatan Kerja, dan Kepadatan Penduduk. Dengan demikian, metode MARS mampu membentuk model yang baik dalam mengidentifikasi faktor-faktor yang memengaruhi kemiskinan di Pulau Jawa tahun 2024.