Regresi linier berganda merupakan metode statistika yang banyak digunakan untuk menganalisis pengaruh beberapa variabel bebas terhadap satu variabel terikat. Namun, metode ini sering menghadapi masalah multikolinearitas, yaitu ketika terdapat korelasi yang tinggi antar variabel bebas. Multikolinearitas dapat menyebabkan koefisien regresi menjadi tidak stabil dan menurunkan akurasi prediksi model. Penduga Liu merupakan pendekatan alternatif yang digunakan untuk mengatasi multikolinearitas dalam regresi berganda dengan menambahkan parameter bias guna menghasilkan estimasi koefisien yang lebih stabil. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor kunci yang
memengaruhi Indeks Ketahanan Pangan (IKP) di Indonesia pada tahun 2023 dengan menggunakan Penduga Liu. Variabel bebas yang dianalisis meliputi Persentase Penduduk Miskin (�1), Jumlah Penduduk (�2), Rata-rata Pengeluaran Per kapita (�3), Persentase Rumah Tangga yang memiliki Akses terhadap Sumber Air Minum Layak (�4), Indeks Pembangunan Manusia (�5), Umur Harapan Hidup saat Lahir (�6), dan Rekap Produksi Padi (�7). Hasil penelitian menunjukkan bahwa variabel (�3) dan (�5) berpengaruh signifikan terhadap IKP di Indonesia, sedangkan variabel (�1, �2, �4, �6, dan �7) tidak memberikan pengaruh yang signifikan. Diharapkan hasil penelitian ini dapat menjadi masukan bagi para pemangku kepentingan, termasuk pemerintah dan masyarakat, untuk berkolaborasi dalam memperkuat faktor-faktor utama yang menunjang ketahanan pangan di Indonesia.
Multiple linear regression is a widely used statistical method for analyzing the\ influence of several independent variables on a single dependent variable. However, this method often encounters the issue of multicollinearity, which occurs when independent variables are highly correlated with each other. Multicollinearity can lead to unstable regression coefficients and reduce the accuracy of model predictions. The Liu estimator is an alternative approach used to address multicollinearity in multiple regression by introducing a bias parameter to produce more stable coefficient estimates. This study aims to identify the key factors influencing the Food Security Index (FSI) in Indonesia in 2023 using the Liu estimator. The independent variables analyzed include the Percentage of Poor Population (X₁), Total Population (X₂), Average Per Capita Expenditure (X₃), Percentage of Households with Access to Safe Drinking Water (X₄), Human Development Index (X₅), Life Expectancy at Birth (X₆), and Rice Production Recap (X₇). The results indicate that variables X₃ and X₅ have a significant influence on the FSI in Indonesia, while variables (X₁, X₂, X₄, X₆, and X₇) do not. It is expected that the findings of this study will serve as input for relevant stakeholders, including the government and the public, to collaborate in strengthening the key factors that contribute to food security in Indonesia.