Poverty Modeling in East Nusa Tenggara Using Fourier Nonparametric Regression with Cosine–Sine Comparison and Hypothesis Testing

Abstrak

Kemiskinan adalah isu multidimensional yang kompleks dan tetap menjadi tantangan pembangunan utama di Indonesia, khususnya di Nusa Tenggara Timur (NTT), yang secara konsisten mencatat salah satu tingkat kemiskinan tertinggi secara nasional. Pendekatan parametrik konvensional, seperti regresi linier, seringkali tidak memadai untuk menangkap hubungan nonlinier dan kompleks antara faktor sosioekonomi dan tingkat kemiskinan. Oleh karena itu, penelitian ini mengusulkan pendekatan regresi nonparametrik berdasarkan deret Fourier untuk memodelkan kemiskinan di NTT. Kebaruan penelitian ini terletak pada perbandingan sistematis antara komponen Fourier berbasis kosinus dan berbasis sinus dalam kerangka regresi nonparametrik, dikombinasikan dengan pengujian statistik inferensial untuk mengidentifikasi determinan kemiskinan yang signifikan. Penelitian ini menggunakan data cross-sectional dari 22 kabupaten/kota di NTT untuk tahun 2025. Estimasi model dilakukan menggunakan metode Ordinary Least Squares (OLS), sedangkan parameter osilasi optimal ditentukan menggunakan Generalized Cross-Validation (GCV). Kinerja model dievaluasi menggunakan MSE, RMSE, MAPE, dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model Fourier berbasis kosinus dengan tiga osilasi mengungguli model berbasis sinus, mencapai MSE sebesar 1,903, RMSE sebesar 1,379, MAPE sebesar 5,817%, dan R² sebesar 95,146%. Pengujian hipotesis menunjukkan bahwa semua variabel prediktor secara signifikan memengaruhi tingkat kemiskinan baik secara simultan maupun parsial. Temuan ini menunjukkan bahwa pendekatan regresi nonparametrik Fourier sangat efektif dalam menangkap pola kemiskinan yang kompleks dan berfluktuasi, serta memberikan model yang lebih akurat dan mudah diinterpretasikan untuk mendukung kebijakan pengentasan kemiskinan yang tepat sasaran.