Regresi Komponen Utama dalam Mengatasi Multikolinieritas pada Faktor-Faktor yang Mempengaruhi Inflasi di Indonesia

Salsabila Hadi Putri Ningrum; Khairatun Hisan; Triana Putri Ramdhani; Luzianawati Luzianawati; M. Daffa Rizki Zindawi; Lisa Harsyiah

doi:10.29303/ijasds.v2i1.5827

Authors

Salsabila Hadi Putri Ningrum Program Studi Matematika, Universitas Mataram, Indonesia
Khairatun Hisan Program Studi Matematika, Universitas Mataram, Indonesia
Triana Putri Ramdhani Program Studi Matematika, Universitas Mataram, Indonesia
Luzianawati Luzianawati Program Studi Matematika, Universitas Mataram, Indonesia
M. Daffa Rizki Zindawi Program Studi Matematika, Universitas Mataram, Indonesia
Lisa Harsyiah Program Studi Statistika, Universitas Mataram, Indonesia

DOI:

https://doi.org/10.29303/ijasds.v2i1.5827

Keywords:

Inflation, Multicollinearity, Principal Component Regression

Abstract

Inflation is a significant concern for a developing country like Indonesia. To effectively anticipate inflationary trends, it is essential to conduct statistical analysis to determine what factors can influence inflation. This study utilized Principal Component Regression (PCR) to address multicollinearity in the regression model linking inflation to various factors. The results revealed that transportation, food, electricity and household fuel factors positively correlate with inflation, while health, education and clothing show negative correlations. However, the resulting regression model proved to be inadequate, as evidenced by a very low R-square value. This highlights the necessity for further refinement of the model to provide better information in the context of inflation management in Indonesia.

References

Al Makhrus, M. N. (2022). Analisis Faktor-Faktor Yang Mempengaruhi Inflasi di Indonesia Tahun 1990-2020. Skripsi. Universitas Islam Indonesia.

Hadifa, R., & Hukom, A. (2021). Impact of Covid-19 on the Inflation Rate of Central Kalimantan Province. Budapest International Research and Critics Institute (BIRCI-Journal): Humanities and Social Sciences, 4(4), 10895-10903.

Hastie, T., Tibshirani, R., & Friedman, J. (2008). The Elements of Statistical Learning (Second Edition). California: Springer.

Herawati, N., Nisa, K., Setiawan, E., Nusyirwan, & Tiryono. (2018). Regularized Multiple Regression Methods to Deal with Severe Multicollinearity. International Journal of Statistics and Applications, 8(4).

Idrus, A. (2018). Pengaruh Faktor Internal dan Eksternal Terhadap Return On Equity (ROE). Misykat Al-Anwar Jurnal Kajian Islam Dan Masyarakat, 1(2), 88-107.

James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning. New York: Springer.

Kutner, M. H., Nachtsheim, C. J., Neter, J., & Li, W. (2005). Applied Linier Statistical Models (Fifth Edition). McGraw-Hill.

Lawendatu, J., Kekenusa, J. S., & Hatidja, D. (2014). Regresi linier berganda untuk menganalisis pendapatan petani pala. d'CARTESIAN: Jurnal Matematika dan Aplikasi, 3(1), 66-72. https://ejournal.unsrat.ac.id/v3/index.php/decartesian/article/view/3998/3510

Marcus, G. L., Wattimanela, H. J., & Lesnussa, Y. A. (2012). Analisis regresi komponen utama untuk mengatasi masalah multikolinieritas dalam analisis regresi linier berganda. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 6(1), 31-40.

Maulida, R. (2022). Perbandingan principal component regression dan regresi ridge pada analisis faktor-faktor indeks pembangunan manusia (Doctoral dissertation, Universitas Islam Negeri Maulana Malik Ibrahim).

Ningsih, S., & Dukalang H. (2019). Penerapan Metode Suksesif Interval Pada Analisis Regresi Linier Berganda. Jambaru journal of mathematics, 1(1), 43-53. https://ejurnal.ung.ac.id/index.php/jjom/article/view/1742

Rahmawati, R. (2022). Perbandingan regresi ridge dan principal component regression dalam mengatasi multikolinearitas pada faktor-faktor yang menyebabkan kemiskinan (Skripsi, Universitas Mataram, Program Studi Matematika). Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Mataram.

Romanda, R. (2020). Analisis Faktor-Faktor yang Mempengaruhi Inflasi di Indonesia Tahun 2015-2019 dengan Pendekatan Error Corection Model (ECM). Jurnal Akuntansi dan Ekonomika, 10(1), 119-128.

Salim, A., Fadilla, F., & Purnamasari, A. (2021). Pengaruh Inflasi Terhadap Pertumbuhan Ekonomi Indonesia. Ekonomica Sharia: Jurnal Pemikiran dan Pengembangan Ekonomi Syariah, 7(1), 17-28. https://ejournal.stebisigm.ac.id/index.php/esha/article/view/268

Simon, F. (2023). Faktor-Faktor Yang Mempengaruhi Inflasi Di Indonesia (Studi pada Masa Pandemi Covid-19). SCIENTIFIC JOURNAL OF REFLECTION: Economic, Accounting, Management and Business, 6(1), 125-132.

Sriningsih, M., Hatidja, D., & Prang, J. D. (2018). Penanganan multikolinearitas dengan menggunakan analisis regresi komponen utama pada kasus impor beras di Provinsi Sulut. Jurnal Ilmiah Sains, 18(1), 18-24.

Wasilaine, T. L., Talakua, M. W., & Lesnussa, Y. A. (2014). Model Regresi Ridge untuk Mengatasi Model Regresi Linier Berganda Yang Mengandung Multikolinieritas. BAREKENG: Jurnal Ilmu Matematika dan Terapan, 8(1), 31-37.