PEMODELAN SEKTOR UNGGULAN PROVINSI KALIMANTAN BARAT DENGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS
Abstract
West Kalimantan is the province with the fourth largest area in Indonesia, namely 147,307 square km. West Kalimantan has 12 districts and 2 cities, one of which is Ketapang Regency which covers an area of 31,240.74 km2. The research is limited to three leading sectors which have the largest average contribution to GRDP in West Kalimantan Province, namely the agriculture, forestry and fisheries sectors; industrial processing; as well as wholesale and retail trade, and car and motorcycle repair. The focus of this research is aimed at modeling the leading sector for the West Kalimantan economy. The results of the modeling showed multicollinearity so it was continued with the Principal Component Analysis. The results of the analysis with the model show that there is no element of multicollinearity between the dependent variables.
References
Badan Pusat Statistik. (2021). Produk Domestik Regional Bruto Provinsi Kalimantan Barat Menurut Lapangan Usaha 2017-2021. Pontianak: Badan Pusat Statistik Provinsi Kalimantan Barat.
Badan Pusat Statistik. (2021). Kalimantan Barat Dalam Angka 2021. Pontianak: Badan Pusat Statistik Provinsi Kalimantan Barat.
Achmad, D. (2016). Potensi dan Tantangan Pengembangan Sektor Unggulan di Kalimantan Barat. Jurnal Ekonomi Bisnis Dan Kewirausahaan, 5(2), 94. https://doi.org/10.26418/jebik.v5i2.17142
Amalia, F. (2012). Penentuan Sektor Unggulan Perekonomian Wilayah Kabupaten Bone Bolango dengan Pendekatan Sektor Pembentuk PDRB. Etikonomi, 11(2), 196–207. https://doi.org/10.15408/etk.v11i2.1893
Andayani, R., Kesumaningrum, D., & Nisa, T. (2023). Analisis Rendang Daging Sapi dan Daging Babi Hutan Menggunakan Metode Spektroskopi FTIR Kombinasi Kemometrik untuk Autentikasi Halal. Jurnal Sains, Farmasi, dan Klinis, 10(1). 78–88. https://doi.org/10.25077/jsfk.10.1.78-88.2023
Khan, M. S., Islam, N., Uddin, J., Islam, S., & Nasir, M. K. (2022). Water quality prediction and classification based on principal component regression and gradient boosting classifier approach. Journal of King Saud University - Computer and Information Sciences, 34(8), 4773–4781. https://doi.org/10.1016/j.jksuci.2021.06.003
Lawendatu, J., Kekenusa, J. S., & Hatidja, D. (2014). Regresi Linier Berganda untuk Menganalisis Pendapatan Petani Pala. D’CARTESIAN, 3(1), 66. https://doi.org/10.35799/dc.3.1.2014.3998
Mangilaleng, E. J., Rotinsulu, D., & Rompas, W. (2015). Analisis Sektor Unggulan Kabupaten Minahasa Selatan. Jurnal Berkala Ilmiah Efisiensi, 15(04), 193–205.
Modes, J. T., & Hidayah, R. N. (2021). Analisis Sektor Unggulan di Provinsi Kalimantan Barat. Jurnal Forum Analisis Statistik (FORMASI), 1(1), 35–45. https://doi.org/10.57059/formasi.v1i1.10
Nasution, M. Z. (2019). Penerapan Principal Component Analysis (PCA) dalam Penentuan Faktor Dominan yang Mempengaruhi Prestasi Belajar Siswa (Studi Kasus : SMK Raksana 2 Medan). Jurnal Teknologi Informasi, 3(1), 41. https://doi.org/10.36294/jurti.v3i1.686
Pendi, P. (2021). Analisis Regresi dengan Metode Komponen Utama dalam Mengatasi Masalah Multikolinearitas. Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya, 10(1), 131–138. https://jurnal.untan.ac.id/index.php/jbmstr/article/view/44750
Sari, K. R. T. P. (2017). Analisis Faktor yang Mempengaruhi Kinerja Keselamatan Menggunakan Metode Partial Component Regression (PCR) dan Non-Iterative Linear Partial Least Square (NIPALS). Politeknosains, XVI(1), 41–47.
Supriyadi, E., Mariani, S., & Sugiman, S. (2017). Perbandingan Metode Partial Least Square (PLS) dan Principal Component Regression (PCR) untuk mengatasi Multikolinearitas pada Model Regresi Linear Berganda. 6(2), 117–128. https://doi.org/10.15294/UJM.V6I2.11819
Tazliqoh, A. Z., Rahmawati, R., & Safitri, D. (2015). Perbandingan Regresi Komponen Utama dengan Regresi Ridge pada Analisis Faktor-Faktor Pendapatan Asli Daerah (PAD) Provinsi Jawa Tengah. Jurnal Gaussian, 4(1), 1–10. http://ejournal-s1.undip.ac.id/index.php/gaussian.
