Estimasi Parameter Model Regresi Kuantil Komponen Utama Dengan Estimator Spline Linear (Studi Kasus: Angka Kematian Ibu di Provinsi Sulawesi Selatan) = Parameter Estimation of Quantile Regression Model of Principal Components with Linear Spline Estimator (Case Study: Maternal Mortality Rate in South Sulawesi Province)

Latar Belakang. Regresi kuantil digunakan untuk memodelkan hubungan antara variabel dependen dan variabel independen dengan fokus pada kuantil tertentu. Pada data nonparametrik dan mengandung pencilan, mengestimasi parameter menggunakan Ordinary Least Square (OLS) kurang efektif. Untuk mengatasi hal tersebut, regresi kuantil spline dikembangkan dengan membagi data menjadi kuantil-kuantil tertentu dengan meminimalkan kesalahan mutlak berbobot yang tidak simetris. Meskipun regresi kuantil spline fleksibel dalam memodelkan data nonparametrik, multikolinieritas antar variabel prediktor dapat memengaruhi kestabilan model. Salah satu metode yang dapat digunakan yaitu Analisis Komponen Utama (AKU) untuk mengatasi multikolinieritas, sehingga regresi kuantil komponen utama dengan estimator spline linear menjadi pendekatan yang efektif untuk memodelkan data yang bersifat nonparametrik, mengandung pencilan, dan terpengaruh multikolinieritas. Tujuan. Penelitian ini bertujuan untuk mengestimasi parameter model regresi kuantil komponen utama dengan estimator spline linear dan mengaplikasikan pada data Angka Kematian Ibu (AKI) tahun 2019 - 2021 di Provinsi Sulawesi Selatan. Metode. Penelitian ini terdiri dari dua tahap, yaitu 1) memperoleh estimasi fungsi regresi kuantil komponen utama dengan estimator spline linear dan 2) memodelkan data AKI dengan regresi kuantil komponen utama menggunakan estimator spline linear. Model optimal yang dipilih berdasarkan nilai Generalized Cross Validation (GCV) yang paling minimum. Hasil. Berdasarkan titik knot 1, 2, dan 3 dengan kuantil τ=0,25;0,50; dan 0,75 diperoleh 9 nilai GCV. Model optimal yang diperoleh yaitu model dengan 1 titik knot, kuantil τ=0,50 berdasarkan nilai GCV paling minimum (15,340). Kesimpulan. Model regresi kuantil komponen utama dengan estimator spline linear memberikan hasil yang optimal berdasarkan letak titik knot dan kuantilnya dengan perolehan GCV minimum.