Kemiskinan adalah suatu kondisi ketika seseorang tidak dapat memenuhi kebutuhan dasar seperti keuangan, pendidikan, dan kesehatan. Kemiskinan dipengaruhi oleh banyak faktor yang saling terkait, baik internal maupun eksternal. Jawa Tengah merupakan salah satu provinsi yang paling terdampak pandemi COVID-19 terutama faktor ekonomi yang menyebabkan terjadinya kenaikan kasus kemiskinan. Pada penelitian ini dilakukan pemodelan faktor-faktor yang diduga mempengaruhi kemiskinan di Jawa Tengah menggunakan metode Least Absolute Shrinkage Selection and Operator (LASSO) dengan algoritma Least Angle Regression (LARS). Metode ini digunakan karena terdeteksi adanya multikolinearitas antar faktor yang menyebabkan pendugaan koefisien regresi menjadi tidak efisien. Metode LASSO bertujuan untuk menyeleksi faktor-faktor dengan cara mengecilkan koefisien regresi variabel independen yang memiliki korelasi tinggi hingga tepat nol atau mendekati nol sehingga variabel independen tersebut dianggap tidak berpengaruh signifikan terhadap model. Koefisien LASSO diperoleh dengan menggunakan algoritma LARS, yang efisien dalam komputasi LASSO. Berdasarkan hasil analisis, model LASSO terbaik pada data kemiskinan di Jawa Tengah tahun 2020 diperoleh pada tahap keenam ketika s = 0,2235 dan MSE = 0,12. Hasilnya disimpulkan bahwa enam dari empat belas faktor yang signifikan mempengaruhi kemiskinan di Jawa Tengah pada tahun 2020, yaitu angka partisipasi sekolah, produk domestik regional bruto, tingkat pengangguran terbuka, jumlah penerima bantuan, upah minimum kabupaten/kota, dan indeks pembangunan manusia. Berdasarkan model LASSO yang diperoleh, terbukti bahwa masalah multikolinearitas dapat diselesaikan.