Hasil Pencarian  ::  Simpan CSV :: Kembali

"Partial Least Squares Regression adalah salah satu teknik regresi yang memerhatikan pola hubungan antara variabel respon dan variabel prediktor. Teknik tersebut dapat digunakan saat terdapat korelasi tinggi antara variabel prediktor, banyaknya variabel prediktor yang melebihi jumlah observasi dan efek random pada variabel prediktor. PLSR dengan menggunakan algoritma NIPALS, membentuk komponen yang merupakan kombinasi linier berbobot dari variabel prediktor yang digunakan untuk memprediksi variabel respon dengan metode Ordinary Least Squares, dimana komponen yang terbentuk ortogonal atau tidak saling berkorelasi dan banyaknya komponen yang terbentuk akan lebih sedikit dari banyaknya variabel prediktor.

---

Partial Least Squares Regression is one of technique that takes into account the pattern of relationship between response variable and predictor variables. The technique can be used when there is high correlation between predictors variables, the number of predictors variables exceed the number of observation and random effects on predictor variables. PLS using NIPALS algorithm, which is component forming a weigthed linear combination of predictor variables use to predict response variable by the method of Ordinary Least Squares, in which the component are formed orthogonal or not correlated each other and the number will be fewer than the number of predictor variables."

"Dalam penerapan analisis regresi seringkali terdapat efek dependensi spasial (lokasi) yaitu nilai observasi variabel dependen pada suatu lokasi bergantung pada nilai observasi di lokasi lain. Karateristik ini dinamakan spasial lag. Bentuk dependensi lain adalah spasial error yaitu error pada suatu lokasi dipengaruhi oleh error pada lokasi sekitarnya. Model regresi yang melibatkan efek dependensi spasial disebut model spasial dependen. Dalam kenyataannya tidak tertutup kemungkinan spasial dependen pada data cross section memiliki kedua kararateristik dependensi spasial. Tugas akhir ini membahas tentang prosedur mengestimasi parameter model dengan kedua jenis spasial dependen, yaitu spasial lag sekaligus spasial error dengan metode Generalized Spatial Two Stage Least Squares (GS2SLS). Metode ini menggunakan Two Stage Least Squares, Generalized Moment, dan transformasi Cochrane-Orcutt. Taksiran yang dihasilkan bersifat konsisten. Kata Kunci: Spasial Lag, Spasial Error, Two Stage Least Squares, Generalized Moment, Transformasi Cochrane-Orcutt."

"ABSTRAKAnalisis regresi linier memodelkan hubungan linier antara variabel respon dengan variabel regresor. Analisis regresi linier menghasilkan suatu model yang disebut model regresi linier. Metode yang sering digunakan untuk menaksir parameter pada model regresi linier adalah metode ordinary least square OLS . Metode OLS akan menghasilkan taksiran terbaik ketika semua asumsinya terpenuhi. Namun pada kenyataannya, asumsi-asumsi tersebut seringkali tidak terpenuhi. Asumsi yang seringkali tidak terpenuhi adalah adanya multikolinieritas dan outlier. Multikolinieritas akan menyebabkan variansi dari taksiran parameter regresi membesar, sedangkan outlier akan membuat taksiran parameter menjadi bias. Jika terdapat multikolinieritas dan outlier pada data, digunakan jackknife ridge M-estimator. Jackknife ridge M-estimator adalah taksiran koefisien regresi yang memiliki sifat robust sehingga tidak terpengaruh oleh outlier dan menggunakan metode ridge untuk mengatasi masalah multikolinieritas serta menggunakan metode jackknife untuk mereduksi bias yang dihasilkan metode ridge. Pada regresi linier berganda, model regresi dapat terdiri dari banyak kandidat variabel regresor. Metode subset selection digunakan untuk memilih sebagian kecil saja dari kandidat variabel regresor pada model regresi linier berganda yang paling baik dalam memprediksi nilai dari variabel respon. Kriteria seleksi yang dapat digunakan pada metode subset selection apabila terdapat outlier dan multikolinieritas pada data yaitu kriteria GSp yang merupakan generalized version dari kriteria Sp. Hal tersebut dikarenakan, kriteria GSp didasarkan oleh jackknife ridge M-estimator yang dapat mengatasi masalah outlier dan multikolinieritas. Selanjutnya, kriteria GSp diimplementasikan untuk mendapatkan model terbaik pada data IQ yang memiliki masalah outlier dan multikolinieritas. Berdasarkan analisis data, diperoleh bahwa untuk mengetahui IQ seseorang orang tersebut tidak harus melakukan 5 tes kepribadian berbeda, karena dengan hanya melakukan 3 tes kepribadian saja yaitu tes 1, tes 3 dan tes 5, sudah dapat diketahui besar IQ dari orang tersebut, dimana hal tersebut dapat mengurangi waktu, biaya dan tenaga yang diperlukan.

---

ABSTRACTLinear regression analysis model the linear relation between response variable with regressor variables. Linear regression analysis produce a linear regression model. Ordinary least squares OLS method is often utilized to estimate parameters of linear regression model. OLS method will produce the best estimates when all the assumptions are met. However, in real data, those assumptions are often not violated. Such as the multicollinearity and outliers. Multicollinearity will produce a large variance of the regression parameters, while outliers will cause a biased estimates. Jackknife ridge M estimator is recommended to be implemented in the model when these problems are present. Jackknife ridge M estimator is the regression with robust property, which makes it able not to be influenced by the presence of outlier, and ridge method is utilized to overcome multicollinearity, where the jackknife method is utilized to reduce the bias from the result of the ridge method. In multiple linear regression, regression model could possibly contain many regressor variable candidates. Subset selection method is utilized to select some of those regressor variable candidates on the multiple linear regression model that best predicts the value of the response variable. The selection criterion that can be utilized on the subset selection method when outlier and multicollinearity are present is the GSp criterion which is the generalized version of the Sp criterion. The reason for this is because the GSp criterion is based on jackknife ridge M estimator, which is able to solve the problem of outlier and multicollinearity. Furthermore, GSp criterion is implemented to obtain the best model on IQ data that has outlier and multicollinearity issues. Based on the data analysis, it was found that to know the IQ of a person the person does not need to do 5 different personality tests, because by only doing 3 personality test which is test 1, test 3 and test 5, it can be known the IQ of that person, where it can reduce the time, cost and energy required."

"Orientasi kepemimpinan diperlukan dalam seleksi pemimpin yang tepat dan efektif bagi suatu perusahaan. Kepemimpinan yang efektif merupakan salah satu faktor penentu dalam keberhasilan suatu organisasi. Orientasi kepemimpinan dinilai berdasarkan dimensi future orientation, balancing target orientation, dan creating network orientation. Masing ndash;masing dimensi tersebut akan menunjukkan tempat yang tepat bagi pemimpin. Tujuan penelitian ini adalah mengetahui faktor-faktor yang memengaruhi tingginya skor setiap dimensi dari orientasi kepemimpinan berdasarkan karakteristik kepemimpinan yang dimiliki oleh calon pemimpin, meliputi gaya kepemimpinan, kompetensi, persiapan memimpin, kemampuan manajemen dan perencanaan serta mencari profil karyawan yang memiliki orientasi kepemimpinan yang tinggi. Metode yang digunakan dalam analisis data meliputi Partial Least Square PLS dan Classification and Regression Tree CART. Jumlah responden yang digunakan adalah sebanyak 202 karyawan dari PT ABC Jakarta dengan jabatan minimal asisten manajer yang diperoleh dengan menyebarkan kuesioner secara purposive sampling. Hasil penelitian ini menunjukkan bahwa persiapan memimpin dan kemampuan manajemen memengaruhi future orientation; kemampuan manajemen, kompetensi, dan perencanaan memengaruhi balancing target orientation; kemampuan kepemimpinan, manajemen, dan kompetensi memengaruhi creating network orientation. Profil karyawan PT ABC Jakarta yang memiliki future orientation tinggi yaitu karyawan yang berusia 30 sampai kurang dari 40 tahun serta memiliki kemampuan manajemen dan persiapan memimpin yang tinggi. Profil karyawan dengan Balancing target orientation tinggi yaitu karyawan dengan jabatan lebih tinggi dari manajer dan memiliki kemampuan manajemen yang tinggi. Sedangkan profil dengan creating network orientation yang tinggi adalah karyawan laki-laki yang memiliki kemampuan manajemen yang tinggi.

---

The leadership orientation is needed in selecting an appropriate and effective leader for the company. The effective leadership is one of the factors which determines the success of the company. The leadership orientation is judged by the dimension of future orientation, balancing target orientation, and creating network orientation. Each element of those dimensions will point out the exact position for the leader. The aim of this study is to reveal the factors that affect the score for each dimension from the leadership orientation based on the leadership characteristics that a leader has, including leadership style, competence, leading preparation, management skill and planning skill and to look for the staffs profile which has a high dimension of leadership orientation. The methods used in this study are Partial Least Square PLS and Classification and Regression Tree CART. The respondents are 202 staffs in total from ABC Jakarta Company whose minimal position is manager assistant, which is obtained by a questioner distribution using purposive sampling.

The result of this study shows that the leading preparation and management skill affect the future orientation the management skill, competence, and planning skill affect the balancing target orientation the leadership skill, management skill, and competence affect the creating network orientation. The profile of ABC Company staffs who have high future orientation are the staffs who are in the age of 30 until less than 40 years and have high management skill and leadership preparation. The profile of staffs with high balancing target orientation is the staffs with higher position than manager and who have high managing skills. Meanwhile, the profile of staffs with high creating network orientation is the male staffs with high managing skills."