Perbandingan Metode Principal Component Analysis (PCA) dan Partial Least Square (PLS) dalam Penanganan Multikolinearitas pada Kasus Kemiskinan di Provinsi Sulawesi Tenggara Tahun 2023
DOI:
https://doi.org/10.57250/ajst.v3i1.1164Kata Kunci:
PCA, PLS, Multikolinearitas, KemiskinanAbstrak
Multikolinearitas merupakan salah satu permasalahan dalam analisis regresi linear berganda yang dapat mempengaruhi kestabilan dan keakuratan estimasi parameter. Oleh karena itu, diperlukan metode yang dapat mengatasinya agar hasil analisis menjadi lebih valid. Penelitian ini bertujuan untuk membandingkan penanganan multikolinearitas pada kasus kemiskinan di Provinsi Sulawesi Tenggara tahun 2023 dengan menggunakan metode Principal Component Analysis (PCA) dan Partial Least Square (PLS). Analisis dilakukan dengan membentuk komponen baru dari variabel independen menggunakan kedua metode tersebut. Model terbaik ditentukan berdasarkan nilai Adjusted R², Root Mean Square Error (RMSE), dan Akaike Information Criterion (AIC). Hasil penelitian menunjukkan bahwa metode PLS menghasilkan nilai Adjusted R² sebesar 93,26%, RMSE sebesar 0,2596, dan AIC sebesar 7,0880, sedangkan PCA menghasilkan nilai Adjusted R² sebesar 92,92%, RMSE sebesar 2,5524, dan AIC sebesar 86,1822. Dengan demikian, metode PLS lebih direkomendasikan dalam menangani multikolinearitas karena mampu menghasilkan model regresi yang lebih akurat, efisien, dan informatif.
Referensi
Azizah, I.N., Arum, P.R., dan Wasono, R., (2021). Model Terbaik Uji Multikolinearitas untuk Analisis Faktor-faktor yang Mempengaruhi Produksi Padi di Kabupaten Blora Tahun 2020, Prosiding Seminar Nasional UNIMUS., 4(1), 61-69.
Badan Pusat Statistik Indonesia. (2010). Pertumbuhan dan Persebaran Penduduk Indonesia Hasil Sensus Penduduk 2010. https://www.bps.go.id/id/publication/2011/05/23/35c86fd4076ef 657ef89125d/pertumbuhan-dan-persebaran-penduduk-indonesia-hasil-sensus-penduduk-2010.html. Diakses pada 18 Februari 2025, pukul 15.30 WITA.
Badan Pusat Statistik Indonesia. (2024). Persentase Penduduk Miskin Maret 2024 turun menjadi 9,03 persen. https://www.bps.go.id/id/pressrelease/2024/07/01/2370/persentase-penduduk-misk in-maret-2024-turun-menjadi-9-03-persen-.html. Diakses pada 2 November 2024, pukul 16.54 WITA.
Badan Pusat Statistik Provinsi Sulawesi Tenggara. (2023). Persentase Penduduk Miskin Maret 2023 11,43 Persen. https://sultra.bps.go.id/en/pressrelease/2023/07/17/1057/persentase-penduduk-miskin-maret-2023-11-43-persen.ht ml. Diakses pada 16 Oktober 2024, pukul 10.24 WITA.
Badan Pusat Statistik Provinsi Sulawesi Tenggara. (2024). Jumlah Penduduk Umur 15 Tahun Keatas yang Menganggur Menurut Kabupaten/Kota (Jiwa), 2022-2024. https://sultra.bps.go.id/id/statistics-table/2/Mzk4IzI=/jumlah-penduduk-umur-15-tahun-keatas-yang-menganggur-menurut-kabupaten-kota--jiwa-.html. Diakses pada 18 Februari 2025, pukul 15.25 WITA.
Bastien, P., Vinzi, V.E., dan Tenenhaus, M., (2005). PLS generalised linear regression, Computational Statistics & Data Analysis., 48(1), 17-46.
Candra, W.P.A., Sukarsa, I.K.G., dan Gandhiadi, G.K., (2024). Perbandingan antara Latent Root Regression dan Ridge Regression dalam Mengatasi Multikolinearitas, INNOVATIVE: Journal Of Social Science Research., 4(1), 10300-10312.
Gunawan, R.A., Zulkarmain, D.P., dan Arianto, S.T., (2024). Perbandingan Metode Ordinary Least Square (OLS) dan Metode Partial Least Square (PLS) untuk Mengatasi Multikolinearitas, Socius: Jurnal Penelitian Ilmu-ilmu Sosial., 1(6), 97-103.
Huda, A.C., Az-Zahra, A., Yasmin, F.P., Ningrum, I.W.K., Putra, W.S., dan Budiasih, (2023). Analisis Regresi Spasial Persentase Kemiskinan di Kawasan Timur Indonesia Tahun 2022, Seminar Nasional Official Statistics 2023. 2023(1)., 747-756.
Irawati, M. dan Pakereng, M.A.I., (2023). Analisis Pengaruh Jumlah Pengangguran terhadap Jumlah Kemiskinan menggunakan Metode Regresi Linier (Studi Kasus: Kota Salatiga), Jurnal Ekonomi dan Manajemen Teknologi., 7(2), 401-408.
Irham, A.R. dan Putri, R.M., (2023). Kepadatan Penduduk terhadap Indeks Pembangunan Manusia di Provinsi Lampung, Jurnal Media Komunikasi Geografi., 24(1), 91-100.
Milniadi, A.D. dan Adiwijaya, N.O., (2023). Analisis Perbandingan Model Arima dan LSTM dalam Peramalan Harga Penutupan Saham (Studi Kasus: 6 Kriteria Kategori Saham Menurut Peter Lynch), SIBATIK JOURNAL., 2(6), 1683-1692.
Muthahharah, I. dan Fatwa, I., (2022). Analisis Regresi Linear Berganda untuk Media Pembelajaran Daring terhadap Prestasi Belajar Mahasiswa di STKIP Pembangunan, Jurnal Matematika dan Statistika serta Aplikasinya., 10(1), 53-60.
Nasution, M.Z., Nababan, A.A., Syaliman, K.U., Novelan, M.S., dan Jannah, M., (2019). Penerapan Principal Component Analysis (PCA) dalam Penentuan Faktor Dominan yang Mempengaruhi Pengidap Kanker Serviks, Jurnal Mantik Penusa., 3(1), 204-120.
Nurrahmah, A., Ningsih, R.S., Dafa A, N., Esabela P, D., dan Puspita, A.M.I., (2024). Menelusuri Akar Kemiskinan di Indonesia: Strategi dan Harapan untuk Masa Depan, Jurnal Penelitian Pendidikan Indonesia., 1(4), 31-34.
Silitonga, Y.C., Kamid., dan Multahadah, C., (2021). Perbandingan Metode Stepwise dan Principal Component Analysis (PCA) pada Kasus Faktor-faktor yang Mempengaruhi Pendapatan Asli Daerah (PAD) Di Provinsi Jambi, Gamma Pi: Jurnal Matematika dan Terapan., 3(2), 12-20.
Sudrajat, D., (2020). Pengantar Statistika Pendidikan Disertai Aplikasi Program SPSS, Surakarta: Pusat Kajian Bahasa dan Budaya.
Supriyadi, E., Mariani, S., dan Sugiman., (2017). Perbandingan Metode Partial Least Square (PLS) dan Principal Component Regression (PCR) untuk Mengatasi Multikolinearitas pada Model Regresi Linear Berganda, UNNES Journal of Mathematics., 6(2), 117-128.
Wohon, S.C., Hatidja, D., dan Nainggolan, N., (2017). Penentuan Model Regresi Terbaik dengan menggunakan Metode Stepwise (Studi Kasus: Impor Beras di Sulawesi Utara), Jurnal Ilmiah Sains., 17(2), 80-88.
Yenny, N.F. dan Anwar, K., (2020). Pengaruh Jumlah Penduduk terhadap Pertumbuhan Ekonomi di Kota Lhokseumawe, Jurnal Ekonomika Unimal., 1(2), 26-31.
