Pendugaan Parameter Partial Least Square Regression (Plsr) Menggunakan Nonlinier Itertive Partial Least Square (Nipals) Pada Regresi Logistik Ordinal

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. Jika terdapat multikolinieritas, maka perlu dilakukan pendugaan parameter menggunakan Partial Least Square Regression (PLSR) agar tidak menghasilkan interpretasi model ataupun koefisien regresi yang tidak tepat. PLSR merupakan model yang menghubungkan peubah respon numerik dengan peubah prediktor numerik maupun kategorik. Metode PLSR dilakukan dengan pembentukan komponen yang ortogonal. Salah satu metode pembentukan komponen yang dapat digunakan yaitu dengan Nonlinier Iterative Partial Least Square (NIPALS). Dalam penelitian ini bertujuan untuk melakukan pendugaan paramenter menggunakan pedekatan PLSR dengan NIPALS pada regresi logistik ordinal 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 sifat hujan di Kota Pacitan menjadi diatas normal