Indonesia, sebagai negara terpadat keempat di dunia, bercita-cita menjadi negara berpenghasilan tinggi pada tahun 2045, sebagaimana diuraikan dalam agenda jangka panjang nasionalnya yang dikenal sebagai Indonesia Emas 2045. Pencapaian visi ini tidak hanya membutuhkan pertumbuhan ekonomi yang berkelanjutan dan inklusif, tetapi juga pembangunan yang merata di seluruh provinsi. Salah satu tantangan ekonomi paling mendesak yang dihadapi Indonesia adalah risiko jatuh ke dalam Perangkap Pendapatan Menengah (MIT). Perangkap Pendapatan Menengah (MIT) adalah kondisi di mana pertumbuhan ekonomi stagnan setelah mencapai status berpenghasilan menengah. Menurut proyeksi Badan Perencanaan Pembangunan Nasional (Bappenas) Indonesia, negara ini harus mempertahankan pertumbuhan PDB tahunan sebesar 6–8% untuk menghindari MIT dan memenuhi tujuan pembangunannya. Namun, jika dibandingkan dengan negara-negara berpenduduk besar lainnya seperti Tiongkok dan India, Indonesia belum mencapai pertumbuhan ekonomi 8% dalam 16 tahun terakhir. Studi ini bertujuan untuk mengidentifikasi dan memodelkan faktor-faktor sosial-ekonomi yang memengaruhi MIT di tingkat provinsi di Indonesia selama tahun 2020–2023. Model Aditif Umum (Generalized Additive Model/GAM) digunakan untuk menangkap hubungan nonlinier dan heterogen antara prediktor dan PDB per kapita, dengan pola kompleks yang seringkali gagal dideteksi oleh model linier atau parametrik konvensional. Penggunaan GAM dalam konteks ini merupakan kontribusi metodologis, karena studi yang menerapkan GAM untuk analisis MIT di Indonesia masih sangat terbatas. Oleh karena itu, penelitian ini memperkenalkan pendekatan analitis baru dengan menunjukkan bagaimana GAM dapat mengungkapkan hubungan fungsional yang fleksibel dan mengungkap efek nonlinier yang diabaikan oleh regresi panel tradisional. PDB per kapita dimodelkan menggunakan enam prediktor: harapan hidup, tingkat kemiskinan, pangsa pekerjaan informal, penyelesaian pendidikan menengah atas, prevalensi kerawanan pangan, dan kepadatan penduduk. Model terbaik diperoleh menggunakan keluarga Gaussian dengan tautan identitas, dengan lima prediktor menunjukkan efek nonlinier dan kerawanan pangan menunjukkan pengaruh linier negatif. Model yang dipilih menunjukkan kinerja yang kuat, ditunjukkan oleh nilai AIC sebesar 2743,279 dan R2 sebesar 98,6%, yang menunjukkan daya penjelas yang sangat tinggi. Selain itu, model ini mencapai akurasi prediksi yang baik, dengan MAPE sebesar 8,04%. Temuan ini mendukung kebijakan berbasis bukti yang selaras dengan Tujuan Pembangunan Berkelanjutan (SDG) 8, yang mendorong pertumbuhan ekonomi inklusif dan berkelanjutan.
Penulis: Dita Amelia, S.Si., M.Si.
