%A NIM. 14610004 WANDA AYU PUSPITA
%O Dr. Epha Diana Supandi, M.Sc.
%T 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)
%X 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.
%K Regresi linear berganda, multikolinearitas, metode Partial Least Square
(PLS), metode Principal Component Regression (PCR), PCA,
koefisien determinasi , Mean Square Error (MSE).
%D 2018
%I UIN SUNAN KALIJAGA YOGYAKARTA
%L digilib32140