PEMODELAN RANDOM EFFECT PADA REGRESI DATA LONGITUDINAL DENGAN ESTIMASI GENERALIZED METHOD OF MOMENTS (STUDI KASUS DATA PENDUDUDUK MISKIN DI INDONESIA)

Indeks kedalaman  kemiskinan  merupakan  ukuran  rata-rata kesenjangan  penyebaran  pengeluaran  masing-masing  penduduk terhadap  garis  kemiskinan.  Banyak  faktor  yang  mempengaruhi indeks  kedalaman  kemiskinan,  baik  dari  indikator  kesehatan, SDM  maupun  ekonomi.  Oleh karena itu diperlukan sebuah pemodelan statistika untuk menganalisa faktor-faktor yang mempengaruhi indeks kedalaman kemiskinan di Indonesia. Data kemiskinan yang digunakan pada penelitian ini bersumber dari data SUSENAS yang berupa data longitudinal dengan individu pengamatan adalah seluruh kabupaten/kota di Indonesia dari tahun 2008 sampai 2012. Analisis data longitudinal tidak cukup menggunakan OLS karena beberapa asumsi OLS seperti homokedastisitas dan tidak ada autokorelasi sulit terpenuhi pada analisa data longitudinal karena cendurung adanya pengaruh antar individu dan antar waktu pengamatan dalam model. Untuk mengatasi hal tersebut digunakan metode Generalized Method of Moment (GMM) yang digunakan untuk menaksir parameter model data longitudinal. GMM adalah metode penaksiran parameter yang fokus utamanya adalah meminimalkan fungsi kuadratik  untuk mencari parameter . Analisis GMM untuk data longitudinal pada penelitian ini  denganRandom Effect. Dengan menggunakan model Random Effect maka kesimpulan yang diperoleh adalah semakin tinggi Rata-rata lama sekolah (X1), Angka Melek Huruf penduduk usia 15-55 tahun (X3), Persentase rumah tangga yang menggunakan air bersih (X5) dan Angka harapan hidup (X6) maka indeks kedalaman kemiskinan akan semakin kecil. Sedangkan jika semakin tinggi Persentase rumah tangga yang pernah membeli beras raskin (X4) maka indeks kedalaman kemiskinan juga semakin tinggi