Kemiskinan menjadi salah satu tantangan utama dalam pembangunan berkelanjutan. Berbagai metode analisis telah dikembangkan untuk memahami faktor penyebab kemiskinan. Salah satu inovasi terbaru adalah model Bivariate Polynomial Binary Logit Regression (BPBLR), yang menggabungkan data binary response secara simultan untuk menganalisis hubungan kompleks antara kemiskinan dengan berbagai faktor sosial dan ekonomi.
Apa Itu Model BPBLR
BPBLR adalah pengembangan dari regresi logit binary, yang dirancang untuk menganalisis dua variabel respons biner yang saling berkorelasi. Dalam konteks ini, variabel yang dianalisis adalah tingkat kedalaman kemiskinan dan tingkat keparahan kemiskinan, masing-masing dikategorikan sebagai rendah atau tinggi. Model ini menggunakan pola polinomial untuk mendeskripsikan hubungan antara variabel logit dan prediktor, yang memberikan fleksibilitas lebih dibandingkan pendekatan linier konvensional.
Mengapa BPBLR Penting
Model ini penting karena dapat memberikan wawasan lebih mendalam terkait faktor-faktor yang memengaruhi kemiskinan. Dalam penelitian terbaru, model ini diaplikasikan pada data kemiskinan di Jawa tahun 2022. Data tersebut mencakup indikator seperti tingkat pengangguran terbuka, tingkat literasi, rata-rata lama sekolah, tingkat partisipasi sekolah menengah, dan pertumbuhan PDB pada harga konstan.
Hasil Penelitian
Hasil analisis menunjukkan beberapa temuan menarik sebagai berikut:
- Literasi Penduduk: Peningkatan tingkat literasi penduduk usia ≥15 tahun memiliki pengaruh signifikan terhadap penurunan kedalaman dan keparahan kemiskinan.
- Lama Sekolah: Rata-rata lama sekolah yang lebih tinggi berhubungan dengan penurunan risiko kemiskinan.
- Pertumbuhan Ekonomi: Peningkatan pertumbuhan PDB pada harga konstan memiliki pengaruh kompleks, tergantung pada tingkat kedalaman dan keparahan kemiskinan.
- Selain itu, model ini menunjukkan bahwa kemiskinan di banyak wilayah di Jawa masih berkorelasi kuat dengan tingkat pendidikan dan partisipasi sekolah.
Kesimpulan
- BPBLR menawarkan pendekatan inovatif untuk memahami dan menangani kemiskinan. Dengan mengidentifikasi faktor-faktor signifikan seperti pendidikan dan ekonomi, pemerintah dapat merancang kebijakan yang lebih efektif untuk mencapai Tujuan Pembangunan Berkelanjutan (SDGs), khususnya terkait kemiskinan.
- Model ini bukan hanya alat analisis, tetapi juga menjadi panduan strategis untuk memahami kemiskinan secara komprehensif. Inovasi ini membuktikan bahwa data statistik dapat menjadi landasan kuat untuk pengambilan keputusan yang tepat dan akurat.
Penulis: Marisa Rifada
Link:
