Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Jurnal Statistika Industri dan Komputasi
Elisabeth Maubanu
Jurusan Statistika, FST, Institut Sains & Teknologi AKPRIND Yogyakarta
Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
ANALISIS KOMPONEN UTAMA UNTUK MENGATASI MULTIKOLINEARITAS PADA FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA DI PROVINSI NUSA TENGGARA TIMUR Elisabeth Maubanu; Kartiko Kartiko
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 01 (2018)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v3i01.1078

Abstract

Abstrak. Analisis regresi digunakan untuk menyelidiki faktor-faktor yang mempengaruhi suatu variabel tertentu. Salah satu asumsi penting yang harus dipenuhi adalah tidak adanya multikolinearitas antar variabel independen. Multikolinearitas berakibat pada tidak minimalnya variansi koefisien regresi, sehingga model regresi tidak stabil. Multikolinearitas dapat ditangani menggunakan metode analisis komponen utama.Penelitian ini menggunakan data tingkat penggangguran terbuka di provinsi Nusa Tenggara Timur serta faktor-faktor yang diduga mempengaruhi; Indeks Pembagunan Manusia, kepadatan penduduk, laju pertumbuhan penduduk, laju pertumbuhan PDRB ADHK , Upah Minimum Regional, angka melek huruf, rata-rata lama sekolah dan rasio jumlah sekolah (SMA/MA/SMK) per 10.000 jiwa penduduk.Dalam analisis menggunakan metode OLS, terjadi multikolinearitas pada faktor-faktor independen. Berdasarkan hasil analisis menggunakan analisis komponen utama, tidak lagi terjadi multikolinearitas pada penduga model regresi. Dari 8 buah variabel independen diperoleh 4 buah variabel baru yang mampu menjelaskan 88,1 % variansi dari ke-8 variabel tersebut. MSE dari penduga model regresi komponen utama lebih kecil dibandingkan menggunakan metode OLS.
Co-Authors Kartiko Kartiko