ABSTRAK

FARIS ROSI FADHILAH, “Perbandingan Metode Partial Least Square (PLS) dengan Ridge Regression untuk Mengatasi Multikolinieritas (Studi Kasus : Indeks Pembangunan Manusia (IPM) di Kota Balikpapan, Bontang, dan Samarinda Tahun 2004 sampai dengan 2013)”. Di bawah bimbingan Ibu Ika Purnamasari, S.Si., M.Si. selaku pembimbing I dan Ibu Desi Yuniarti, S.Si., M.Si. selaku pembimbing II.

Model regresi linier adalah salah satu model statistika yang berguna untuk mengestimasi/memprediksi seberapa jauh pengaruh satu atau beberapa variable bebas terhadap variabel terikat. Dalam model regresi linier sering ditemukan masalah multikolinieritas. Multikolinieritas adalah adanya korelasi antar variabel bebas. Dalam statistika terdapat beberapa metode dalam mengatasi masalah multikolinieritas, diantaranya yaitu Partial Least Square (PLS) dan Ridge Regression. Partial Least Square (PLS) adalah teknik prediktif yang merupakan alternatif untuk metode OLS, korelasi kanonik, dan Structural Equation Modelling (SEM). Sedangkan Ridge Regression merupakan shrinkage methods atau metode penyusutan koefisien regresi yang dapat digunakan untuk mengatasi masalah multikolinieritas. Berdasarkan analisis yang didapat, hasil dari mengatasi multikolinieritas dengan metode Partial Least Square memiliki nilai MSE yang lebih kecil dibandingkan dengan Ridge Regression dan memiliki nilai