Perbandingan Metode Principal Component Analysis (PCA) dan Partial Least Square (PLS) dalam Penanganan Multikolinearitas pada Kasus Kemiskinan di Provinsi Sulawesi Tenggara Tahun 2023

Asrat, Chafifah Apriliani
Makkulau
Yahya, Irma

ARUS JURNAL SAINS DAN TEKNOLOGI
Vol 3 No 1: April (2025)

Multikolinearitas merupakan salah satu permasalahan dalam analisis regresi linear berganda yang dapat mempengaruhi kestabilan dan keakuratan estimasi parameter. Oleh karena itu, diperlukan metode yang dapat mengatasinya agar hasil analisis menjadi lebih valid. Penelitian ini bertujuan untuk membandingkan penanganan multikolinearitas pada kasus kemiskinan di Provinsi Sulawesi Tenggara tahun 2023 dengan menggunakan metode Principal Component Analysis (PCA) dan Partial Least Square (PLS). Analisis dilakukan dengan membentuk komponen baru dari variabel independen menggunakan kedua metode tersebut. Model terbaik ditentukan berdasarkan nilai Adjusted R², Root Mean Square Error (RMSE), dan Akaike Information Criterion (AIC). Hasil penelitian menunjukkan bahwa metode PLS menghasilkan nilai Adjusted R² sebesar 93,26%, RMSE sebesar 0,2596, dan AIC sebesar 7,0880, sedangkan PCA menghasilkan nilai Adjusted R² sebesar 92,92%, RMSE sebesar 2,5524, dan AIC sebesar 86,1822. Dengan demikian, metode PLS lebih direkomendasikan dalam menangani multikolinearitas karena mampu menghasilkan model regresi yang lebih akurat, efisien, dan informatif.