PERBANDINGAN METODE MINIMUM COVARIANCE DETERMINANT DAN MINIMUM VECTOR VARIANCE DALAM PEMODELAN REGRESI KOMPONEN UTAMA PADA DATA PRODUK DOMESTIK REGIONAL BRUTO

Latar Belakang. Regresi Komponen Utama (RKU) adalah salah satu model yang dapat digunakan untuk menagatasi masalah multikolinearitas. RKU diawali dengan Analisis Komponen Utama (AKU) dalam pembentukan komponen utama. Namundalam AKU klasik, matriks varian kovarian yang terbentuk tidakrobust terhadap pencilan. Metode Minimum Covariance Determinant (MCD) dan Minimum Vector Variance (MVV) adalah pendekatan yang dapat digunakan untuk membentuk matriks varian kovarian yang dapat menangani masalah pencilan. Tujuan.Penelitian ini bertujuan membandingkan metode MCD dan MVV dalam pemodelan regresi komponen utama. Metode. Penelitian ini menggunakan metode MCD dan MVV untuk membentuk matriks varian kovarian yang robust terhadap pencilan. Matriks varian kovarian yang diperoleh, diubah menjadi matriks korelasi yang kemudian digunakan untuk membentuk komponen utama pada AKU.Hasil. Pembentukan komponenutama berdasarkan proporsi keragaman kumulatif minimal sebesar 80% untuk metode MCD dan MVV menghasilkan masing-masing 2 komponen utama.Model RKU dengan MCD memiliki performa yang lebih bagus berdasarkan nilaiR^2tertinggi sebesar 90% dan nilai MSE terkecil, sebesar 150.456 dibandingkan dengan metode MVV yang memiliki nilai R^2 sebesar 89% dan nilai MSE sebesar 157.021.Kesimpulan. Model MCD lebih efektif dalam mengatasi pencilan dan multikolinearitas daripada MVV untuk pemodelan regresi komponen utama pada data PDRB tahun 2020, dengan estimasi parameter yang lebih akurat berdasarkan nilai R^2yang terbesar dan nilai MSE yang terkecil.