PERBANDINGAN METODE PARTIAL LEAST SQUARE (PLS) DAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) UNTUK MENGATASI MULTIKOLINEARITAS (STUDI KASUS: FAKTOR-FAKTOR YANG MEMENGARUHI KEMISKINAN DI PROVINSI JAWA TENGAH)

WANDA AYU PUSPITA, NIM. 14610004 (2018) PERBANDINGAN METODE PARTIAL LEAST SQUARE (PLS) DAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) UNTUK MENGATASI MULTIKOLINEARITAS (STUDI KASUS: FAKTOR-FAKTOR YANG MEMENGARUHI KEMISKINAN DI PROVINSI JAWA TENGAH). Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.

Preview	Text (PERBANDINGAN METODE PARTIAL LEAST SQUARE (PLS) DAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) UNTUK MENGATASI MULTIKOLINEARITAS (STUDI KASUS: FAKTOR-FAKTOR YANG MEMENGARUHI KEMISKINAN DI PROVINSI JAWA TENGAH)) 14610004_BAB I_BAB VI_DAFTAR_PUSTAKA.pdf - Published Version Download (7MB) | Preview
	Text (PERBANDINGAN METODE PARTIAL LEAST SQUARE (PLS) DAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) UNTUK MENGATASI MULTIKOLINEARITAS (STUDI KASUS: FAKTOR-FAKTOR YANG MEMENGARUHI KEMISKINAN DI PROVINSI JAWA TENGAH)) 14610004_BAB II_S.D_SEBELUM_BAB_TERAKHIR.PDF.pdf - Published Version Restricted to Registered users only Download (8MB)

Abstract

Permasalahan yang sering terjadi pada regresi linear berganda adalah adanya korelasi yang tinggi antar variabel prediktor disebut multikolinearitas. Jika data mengandung unsur multikolinearitas, maka terjadi pelanggaran asumsi klasik. Hal ini menyebabkan standar eror yang dihasilkan akan tinggi dan menandakan bahwa penduga yang dihasilkan dari OLS (Ordinary Least Squares) atau metode kuadrat terkecil bersifat tidak BLUE (Best Linear Unbiased Estimator). Metode yang dapat digunakan untuk mengatasai masalah multikolinearitas antara lain Partial Least Square (PLS) dan Principal Component Regression (PCR). Metode PLS dapat diperoleh melalui regresi berganda dengan mengambil kesimpulan dari uji signifikansi. Uji signifikansi bertujuan untuk memilih variabel prediktor pembangun komponen PLS dan menentukan banyaknya komponen PLS yang terbentuk. Sedangkan metode PCR merupakan teknik analisis yang mengkombinasikan antara analisis regresi dengan Principal Component Analysis (PCA). PCA bertujuan untuk menyederhanakan variabel yang diamati dengan cara mereduksi dimensinya tanpa kehilangan banyak informasi dari variabel asalnya. Penelitian ini bertujuan untuk membandingkan metode manakah yang paling mampu mengatasi masalah multikolinearitas dilihat dari kriteria nilai koefisien determinasi yang paling tinggi dan nilai Mean Square Error (MSE) yang paling rendah. Penelitian ini diterapkan pada kasus kemiskinan di Provinsi Jawa Tengah periode 2007-2016 yang di dalam data tersebut terdapat masalah multikolinearitas. Variabel prediktor yang digunakan berjumlah 4 variabel yaitu PDRB, Angka Melek Huruf, Angka Partisipasi Sekolah dan Pengeluaran Per Kapita. Hasil penelitian terhadap kasus kemiskinan di Provinsi Jawa Tengah periode 2007-2016, metode PLS mampu mengatasi masalah multikolinearitas dibandingkan dengan metode PCR. Hal ini dilihat dari kriteria nilai koefisien determinasi metode PLS sebesar 86,3% dan metode PCR sebesar 86,1% serta nilai Mean Square Error (MSE) metode PLS sebesar 112747,814 dan metode PCR sebesar 114029,899.

Share this knowledge with your friends :

Actions (login required)

View Item