EFEKTIVITAS ANALISIS REGRESI KOMPONEN UTAMA ROBUST DENGAN METODE MCD-LTS PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) PROVINSI SUMATERA UTARA

NURJANAH, (2023) EFEKTIVITAS ANALISIS REGRESI KOMPONEN UTAMA ROBUST DENGAN METODE MCD-LTS PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) PROVINSI SUMATERA UTARA. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (1550Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (2016Kb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (2016Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Regresi Komponen Utama (RKU) merupakan salah satu metode yang digunakan dalam mengatasi masalah multikolinearitas dengan tahapan melakukan Analisis Komponen Utama (AKU) kemudian diregresikan dengan Ordinary Least Squares (OLS). Apabila terdapat outlier, digunakan metode robust pada RKU, yaitu menggunakan metode Minimum Covariance Determinant (MCD) yang kemudian diregresikan dengan metode Least Trimmed Squares (LTS) yang dalam penelitian ini digunakan data Indeks Pembangunan Manusia (IPM) provinsi Sumatera Utara yang dipengaruhi tujuh variabel bebas yaitu tingkat partisipasi angkatan kerja, presentase penduduk miskin, penduduk umur 15 tahun keatas yang bekerja, angka partisipasi sekolah, jumlah fasilitas sekolah, banyaknya sarana kesehatan dan angka harapan hidup. Tujuan penelitian ini yaitu mengukur efektivitas penerapan metode MCD dan LTS dalam regresi komponen utama robust untuk pemodelan Indeks Pembangunan Manusia (IPM) provinsi Sumatera Utara. Hasil dari penelitian ini menunjukkan bahwa metode robust MCD-LTS dinilai lebih efektif dalam mengatasi masalah multikolinearitas dan outlier daripada metode klasik AKU-OLS dengan nilai Adjusted R2 0.5573 dan nilai RMSE 0.4339. Kata kunci : Regresi Komponen Utama, Multikolinearitas, Outlier, Robust, Minimum Covariance Determinant, Least Trimmed Squares, Indeks Pembangunan Manusia abstract Principal Component Regression (PCR) is one of the methods used in overcoming multicollinearity problems with the stages of conducting Principal Component Analysis (PCA) and then regressing with Ordinary Least Squares (OLS). If there are outliers, the PCR robust method is used, namely using the Minimum Covariance Determinant (MCD) method which is then regressed using the Least Trimmed Squares (LTS) method which in this study used data from the Human Development Index (HDI) of North Sumatra province which is influenced by seven independent variables, including labor force participation rates, percentage of poor population, population aged 15 years and over who are employed, school enrollment rates, number of school facilities, number of health facilities, and life expectancy. The purpose of this study was to measure the effectiveness of the application of the MCD and LTS methods in robust principal component regression for modeling the Human Development Index (HDI) of North Sumatra province. The results of this study indicate that the MCD-LTS method is considered effective in overcoming multicollinearity and outlier problems more than the classical AKU-OLS method with an Adjusted R2 value of 0.5573 and an RMSE value of 0.4339. Keyword : Principal Component Regression, Multicollinearity, Outlier, Robust, Minimum Covariance Determinant, Least Trimmed Squares, Human Development Index

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	2308278005 . Digilib
Date Deposited:	29 Sep 2023 01:53
Terakhir diubah:	29 Sep 2023 01:53
URI:	http://digilib.unila.ac.id/id/eprint/75914

Actions (login required)

Lihat Karya Akhir