A Comparison of Ridge Regression and Partial Least Squares in Addressing Multicollinearity Among Factors Affecting Poverty in Simalungun Regency in 2025

Leony  Purba; Juli Antasari  Sinaga; Yoel Octobe  Purba

doi:10.55927/ijar.v5i6.16580

Authors

Leony Purba Universitas HKBP Nommensen
Juli Antasari Sinaga Universitas HKBP Nommensen
Yoel Octobe Purba Universitas HKBP Nommensen

DOI:

https://doi.org/10.55927/ijar.v5i6.16580

Keywords:

Poverty, Multicollinearity, Ridge Regression, Partial Least Square, Simalungun

Abstract

Poverty is a multidimensional phenomenon influenced by various socioeconomic factors that are often correlated with one another. These strong relationships among variables can trigger multicollinearity problems in conventional regression analysis. This study aims to compare the effectiveness of the Ridge Regression and Partial Least Square (PLS) methods in overcoming multicollinearity issues in modeling the factors influencing poverty in Simalungun Regency from 2017 to 2025. This study utilizes secondary time series data, with the Poverty Rate (Y) as the dependent variable and independent variables including the Human Development Index (X_1), Open Unemployment Rate (X_2), Gross Regional Domestic Product (X_3), Population Density (X_4), and Total population (X_5). Initial detection results indicate the presence of strong multicollinearity, where the population density and Total population variables have Variance Inflation Factor (VIF) values greater than 10. Based on the evaluation of the model's goodness of fit, Ridge Regression proved to be more optimal than PLS in addressing this multicollinearity problem. The Ridge Regression model yielded a high Adjusted R-Square value of 88.93% and a Mean Square Error (MSE) of 0.0369. On the other hand, PLS only produced an Adjusted R-Square of 57.20% and an MSE of 0.1426. The partial testing results on the best model (Ridge Regression) concluded that the Human Development Index (HDI) and the Total population have a significant negative effect on the poverty rate in Simalungun Regency.

Downloads

Download data is not yet available.

References

Aisyah Futri Utami Daulay, & Sulaiman Sihombing. (2025). Pengaruh Pengangguran dan Pendidikan Terhadap Kemiskinan di Provinsi Sumatera Utara. Jurnal Ekonomi Bisnis Dan Akuntansi, 5(1), 257–269. https://doi.org/10.55606/jebaku.v5i1.5044

Ali, R. G., & Nugraha, J. (2019). Penerapan Metode Regresi Ridge Dalam Mengatasi Masalah Multikolinearitas Pada Kasus Indeks Pembangunan Manusia Di Indonesia Tahun 2017. Prosiding Sendika, 5(2).

Anggraeni, W. R., Debataraja, N. N., & Rizki, S. W. (2018). Estimasi Parameter Regresi Ridge Untuk Mengatasi Multikolinearitas. Buletin Ilmiah Mat. Stat. Dan Terapannya, 07(4).

Asrat, C. A., & Yahya, I. (2025). Arus Jurnal Sains dan Teknologi (AJST) Perbandingan Metode Principal Component Analysis (PCA) dan Partial Least Square (PLS) dalam Penanganan Multikolinearitas pada Kasus Kemiskinan di Provinsi Sulawesi Tenggara Tahun 2023 INFO PENULIS. 3(1). http://jurnal.ardenjaya.com/index.php/ajsthttp://jurnal.ardenjaya.com/index.php/ajst

Ayoo, C. (2022). Poverty Reduction Strategies in Developing Countries. In Rural Development - Education, Sustainability, Multifunctionality. IntechOpen. https://doi.org/10.5772/intechopen.101472

Barella, Y., Fergina, A., Mustami, M. K., Rahman, U., & Alajaili, H. M. A. (2024). Quantitative Methods in Scientific Research. Jurnal Pendidikan Sosiologi Dan Humaniora, 15(1), 281. https://doi.org/10.26418/j-psh.v15i1.71528

Badan Pusat Statistik Kabupaten Simalungun. (24 Februari 2021). Keadaan Ketenagakerjaan Simalungun Agustus 2020. Diakses pada 12 Maret 2026, dari https://simalungunkab.bps.go.id/id/pressrelease/ 2021/02/24/61/keadaan-ketenagakerjaan-simalungun-agustus-2020.html

Badan Pusat Statistik Kabupaten Simalungun. (16 Desember 2021). Profil Kemiskinan Simalungun Maret 2021. Diakses pada 15 Februari 2026, dari https://simalungunkab.bps.go.id/id/pressrelease/2021/12/16/64/profil-kemiskinan-simalungun-maret-2021.html

Badan Pusat Statistik Indonesia. (30 November 2023). Penghitungan dan Analisis Kemiskinan Makro Indonesia Tahun 2023. Diakses pada 13 Maret 2026,

Badan Pusat Statistik Kabupaten Simalungun. (28 Februari 2024). Kabupaten Simalungun Dalam Angka 2024. Diakses pada 13 Maret 2026,

Badan Pusat Statistik Kabupaten Simalungun. (28 Februari 2025). Kabupaten Simalungun Dalam Angka 2025. Diakses pada 16 Februari 2026, dari

Edna Safitri, S., Triwahyuningtyas, N., & Sugianto, S. (2022). ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI PROVINSI BANTEN. SIBATIK JOURNAL: Jurnal Ilmiah Bidang Sosial, Ekonomi, Budaya, Teknologi, Dan Pendidikan, 1(4). https://doi.org/10.54443/sibatik.v1i4.30

Fitri, I., Satyahadewi, N., & Kusnandar, D. (2014). METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER. In Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) (Vol. 03, Issue 3).

Gunawan, R., Zulkarmain, D., & Arianto, S. (2024). Perbandingan Metode Ordinary Least Square (OLS) Dan Metode Partial Least Square (pls) Untuk Mengatasi Multikolinearitas. Socius: Jurnal Penelitian Ilmu-Ilmu Sosial, 1(6).

Kiha, E. K., Seran, S., & Lau, H. T. (2021). Pengaruh Jumlah Penduduk, Pengangguran, dan Kemiskinan Terhadap Indeks Pembangunan Manusia (IPM) di Kabupaten Belu. INTELEKTIVA: Jurnal Ekonomi, Sosial & Humaniora, 2(7)(7).

Kitole, F. A., & Sesabo, J. K. (2024). The Heterogeneity of Socioeconomic Factors Affecting Poverty Reduction in Tanzania: A Multidimensional Statistical Inquiry. Society, 61(5), 560–574. https://doi.org/10.1007/s12115-024-00957-x

Nova Amelia, Selfi Oktarahmadini, & Anisa Harahap. (2025). Peran Pemerintah dalam Mengatasi Kemiskinan di Kota Medan. Jurnal Ilmu Komunikasi, Administrasi Publik Dan Kebijakan Negara, 2(1), 01–23. https://doi.org/10.62383/komunikasi.v2i1.76

Perdana Aji Pangesti, A., & Yasin, H. (2021). PEMODELAN REGRESI RIDGE ROBUST S,M, MM-ESTIMATOR DALAM PENANGANAN MULTIKOLINIERITAS DAN PENCILAN (Studi Kasus : Faktor-Faktor yang Mempengaruhi Kemiskinan di Jawa Tengah Tahun 2020). 10(3), 402–412. https://ejournal3.undip.ac.id/index.php/gaussian/

Puspa, S. D., Riyono, J., & Puspitasari, F. (2021). Analisis Faktor-Faktor yang Mempengaruhi Pemahaman Konsep Matematis Mahasiswa dalam Pembelajaran Jarak Jauh Pada Masa Pandemi Covid-19. Jurnal Cendekia : Jurnal Pendidikan Matematika, 5(1). https://doi.org/10.31004/cendekia.v5i1.533

Sari, B. D. N., Harsyiah, L., & Baskara, Z. W. (2025). Perbandingan Regresi Ridge dan Partial Least Square Dalam Mengatasi Multikolinearitas Pada Faktor-faktor Yang Mempengaruhi Kemiskinan di Nusa Tenggara Barat. Indonesian Journal of Applied Statistics and Data Science, 2(2), 59–69. https://doi.org/10.29303/ijasds.v2i2.8051

Tiolina, E., & Widarto, R. (2022). Partial Least Squares (Teori Dan Praktek). In Tahta Media Group.