<mods:mods version="3.3" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:mods="http://www.loc.gov/mods/v3"><mods:titleInfo><mods:title>Faktor-Faktor yang Mempengaruhi Kemiskinan di Provinsi Papua &#13;
Pegunungan Tahun 2024 Menggunakan Analisis Regresi LASSO</mods:title></mods:titleInfo><mods:name type="personal"><mods:namePart type="given">Nakita Auzillia</mods:namePart><mods:namePart type="family">Syahputri</mods:namePart><mods:role><mods:roleTerm type="text">author</mods:roleTerm></mods:role></mods:name><mods:abstract>Kemiskinan masih menjadi permasalahan kompleks di Indonesia, terutama di Provinsi Papua Pegunungan yang pada tahun 2024 mencatat tingkat kemiskinan tertinggi secara nasional sebesar 29,66%. Meskipun memiliki potensi sumber daya alam yang melimpah, ketimpangan pembangunan, rendahnya kualitas sumber daya manusia, dan keterbatasan akses layanan dasar menjadi faktor yang diduga memengaruhi tingginya angka kemiskinan. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor signifikan yang memengaruhi tingkat kemiskinan di provinsi tersebut. Metode yang digunakan adalah regresi Least Absolute Shrinkage and Selection Operator (LASSO), yang mampu mengatasi multikolinearitas dan melakukan seleksi peubah secara otomatis. Data penelitian merupakan data sekunder dari Badan Pusat Statistik tahun 2024 yang mencakup 14 peubah bebas dan satu peubah terikat, yaitu persentase tingkat kemiskinan di delapan kabupaten/kota. Analisis dilakukan melalui eksplorasi data, standarisasi, uji multikolinearitas, pembagian data training dan testing (70:30), penentuan lambda optimal dengan validasi silang 5-fold, serta pendugaan parameter menggunakan package glmnet di R. Hasil penelitian menunjukkan bahwa dari 14 peubah bebas, hanya tiga yang signifikan memengaruhi tingkat kemiskinan, yaitu tingkat partisipasi angkatan kerja, rata-rata lama sekolah, dan jumlah penduduk miskin dengan model � = −0,066 − 0,333�4 + 0,346�5 + 0,551�7 Model LASSO yang diperoleh memiliki nilai koefisien determinasi (R²) sebesar 0,602 dan MSE sebesar 0,177. Kesimpulannya, regresi LASSO efektif digunakan untuk membangun model prediksi kemiskinan yang sederhana namun akurat, serta memberikan rekomendasi kebijakan yang fokus pada peningkatan kualitas tenaga kerja, relevansi pendidikan, dan pengurangan jumlah penduduk miskin di Provinsi Papua Pegunungan.</mods:abstract><mods:classification authority="lcc">HA Statistics</mods:classification><mods:originInfo><mods:dateIssued encoding="iso8601">2025-12</mods:dateIssued></mods:originInfo><mods:originInfo><mods:publisher>Universitas Negeri Padang;Statistika FMIPA UNP</mods:publisher></mods:originInfo><mods:genre>Thesis</mods:genre></mods:mods>