PEMODELAN JACKKNIFE RIDGE MM-ESTIMATOR PADA DATA PRODUK DOMESTIK REGIONAL BRUTO TAHUN 2020 = MODELING JACKKNIFE RIDGE MM-ESTIMATOR ON THE GROSS REGIONAL DOMESTIC PRODUCT DATA OF 2020

Latar Belakang. Regresi ridge merupakan metode yang digunakan untuk mengatasi masalah multikolinearitas dengan menambahkan nilai tetapan bias k, tetapi regresi ridge masih memiliki kelemahan yaitu bias yang dihasilkan tidak selalu bernilai kecil. Metode jackknife ridge regression (JRR) merupakan pengembangan dari regresi ridge dengan estimasi yang lebih stabil dibandingankan dengan regresi ridge. Selain multikolinearitas, masalah lain yang sering muncul dalam analisis regresi adalah outlier yang menyebabkan data tidak mengikuti distribusi normal. Regresi robust MM-Estimator digunakan untuk mengatasi masalah outlier tersebut. Tujuan. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi produk domestik regional bruto (PDRB) dengan metode jackknife ridge MM-Estimator (JRMM) Tahun 2020. Metode. Penelitian ini dilakukan dengan mengestimasi parameter MM-Estimator, selanjutnya hasil estimasi MM-Estimator digunakan untuk mendapatkan estimasi JRMM. Hasil. JRMM lebih unggul dari model JRR berdasarkan nilai R^2 JRMM lebih tinggi sebesar 89,14% dan nilai mean square error (MSE) lebih kecil sebesar 0.0041 dibandingkan dengan model JRR dengan nilai R^2 sebesar 16,76% dan nilai MSE sebesar 0.0489. Kesimpulan. Metode JRMM efektif dalam mengestimasi faktor-faktor yang berpengaruh signifikan terhadap data PDRB yaitu panjang jalan, distribusi listrik, infrastruktur kesehatan, dan infrastruktur pendidikan. Sedangkan faktor-faktor yang tidak berpengaruh signifikan terhadap data PDRB yaitu infrastruktur pariwisata, infrastruktur perumahan, dan fasilitas industri Tahun 2020.

Kata Kunci: Jackknife Ridge Regression, MM-Estimator, Multikolinearitas, Outlier.