PEMODELAN ANALISIS KOMPONEN UTAMA ROBUST MENGGUNAKAN METODE MINIMUM COVARIAN DETERMINANT-LEAST TRIMMED SQUARE PADA DATA PRODUK DOMESTIK REGIONAL BRUTO

Analisis regresi merupakan salah satu metode analisis data yang digunakan untuk mempelajari hubungan antara dua atau lebih variabel dalam menentukan pengaruh antara variabel tersebut. Dalam analisis regresi linear sering kali muncul masalah multikolinearitas antara variabel prediktor. Hal ini dapat menyebabkan masalah interpretasi yang sulit dan mengurangi keandalan hasil estimasi koefisien regresi. Salah satu metode yang efektif untuk menangani multikolineritas adalah analsisi komponen utama (AKU). AKU klasik memiliki kelemahan ketika data mengandung outlier karena vektor rata-rata dan matriks kovarian atau korelasi sampel sangat sensitif terhadap outlier. Begitu pula dengan metode ordinary least square (OLS) pada regresi komponen utama (RKU) dapat menghasilkan estimasi dari parameter regresi yang bias ketika terdapat outlier dalam data. Oleh karena itu akan dikembangkan menjadi regresi robust yang menerapkan metode robust pada kedua tahap tersebut. Regresi robust merupakan metode regresi yang digunakan pada saat distribusi dari galat tidak normal dalam model. Metode robust yang digunakan dalam penelitian ini adalah metode minimum covariance determinant (MCD) pada saat melakukan AKU dan metode estimasi least trimmed square (LTS) pada saat melakukan RKU. Pada penelitian ini, produk domestik regional bruto di Indonesia tahun 2020 akan dimodelkan dengan metode AKU robust menggunakan MCD-LTS berdasarkan variable jumlah produk domestik regional bruto, panjang jalan, distribusi listrik, infrastruktur kesehatan, infrastruktur pendidikan, infrastruktur pariwisata, infrastruktur perumahan, dan fasilitas industri. Salah satu ukuran untuk melihat kebaikan model regresi adalah dengan menggunakan nilai adjusted R^2 dan nilai MSE. Model regresi AKU robust menggunakan MCD-LTS yang telah diuji memiliki nilai adjusted R^2 sebesar 99.03% dan nilai MSE sebesar 0,0226%.