Grafiken

Prikaz kako se loči podatke po spolu in sprememba poimenovanja iz 1 in 2 v M in F

Analiza ročno vnesenih podatkov 1.Zoom MTRD

Penelitian ini menganalisis faktor-faktor yang memengaruhi tingkat kemiskinan di Indonesia menggunakan data BPS 2023 dengan pendekatan OLS, Robust, Nonlinear, dan Lasso Regression. Variabel utama mencakup pendidikan, pengeluaran, IPM, kesehatan, dan tenaga kerja. Hasil menunjukkan model Nonlinear memiliki kinerja terbaik (Adj R² = 0.547), sedangkan Lasso menghasilkan model paling efisien dengan variabel signifikan IPM, Pengeluaran, Sanitasi, dan TPAK. Secara umum, peningkatan IPM, pendidikan, dan akses sanitasi berperan penting dalam menurunkan kemiskinan. Kata Kunci: Kemiskinan, Regresi Nonlinear, Lasso, Robust, Indonesia

Zahra Mahendra Putri 3338230009 Dbscan Clustering Time Series - Data Challenge