PENDUGAAN PARAMETER PARTIAL LEAST SQUARE REGRESSION (PLSR) MENGGUNAKAN NONLINIER ITERATIVE PARTIAL LEAST SQUARE (NIPALS) PADA REGRESI LOGISTIK ORDINAL
Abstract: Regresi logistik
adalah pemodelan matematik yang dapat digunakan untuk menggambarkan hubungan
beberapa peubah prediktor dengan peubah respon yang berupa kategori. Regresi
logistik yang melibatkan peubah respon dengan kategori lebih dari dua disebut
sebagai regresi logistik ordinal. Pada analisis regresi logistik, asumsi yang
harus terpenuhi yaitu tidak adanya multikolinieritas. Partial Least Square
Regression (PLSR) merupakan model yang
menghubungkan peubah respon numerik dengan peubah prediktor numerik maupun
kategorik. Salah satu metode pembentukan komponen yang dapat digunakan yaitu
dengan Nonlinier Iterative Partial Least Square (NIPALS ) yang dapat
menjelaskan variasi dari peubah prediktor dan mempresiksi peubah respon dengan
baik. Dalam penelitian ini bertujuan untuk melakukan pendugaan paramenter
menggunakan pedekatan PLSRdengan pembentukan komponen menggunakan algoritma
NIPALS pada regresi logistik yang melanggar asumsi non- multikolinieritas dan
akan dilakukan pemodelan pada data sifat hujan di Kota Pacitan Tahun 2001-2010.
Hasil analisis menunjukkan bahwa semakin meningkatnya peubah prediktor suhu permukaan
laut pada grid 29, grid 30, grid 31, NINO 3.4, anomali pada NINO 3.4, SOI akan
meningkatkan peluang sifat hujan di Kota Pacitan menjadi diatas normal.
Penulis: Yeni Purwanti
Kode Jurnal: jpmatematikadd141111
