40 dengan jumlah produksi air yang dihasilkan PDAM Bekasi. Fungsi produksi air
PDAM Bekasi berdasarkan pendekatan fungsi regresi linier berganda sebagai berikut:
AT = β0 + β1AB + β2AD + β3PBK + β4PL + εi...2
Dengan keterangan sebagai berikut : β0
: Intersep β1, β2,.., β4 : Koefisien regresi
VA : Volume air PDAM terjual m
3
AB : Air baku dalam memproduksi air yang diperoleh dari Saluran Tarum Barat dan Kali Bekasi m
3
AP : Air Produksi
m
3
PBK : Penggunaan bahan kimia kg
PL : Penggunaan listrik
Kwh εi
: Galat error yang timbul pada pengamatan ke-i diasumsikan berdistribusi normal dan tereliminasi.
Tanda parameter dugaan yang diharapkan adalah β1, β2,β3, β4 0
Metode statistik yang digunakan untuk menerangkan hubungan sebab akibat faktor-faktor yang mempengaruhi tingkat produksi air PDAM adalah
regresi linier dengan regresi komponen utama Principal Component Regression
4.3.3 Regresi Komponen Utama Principal Component Regression
Analisis komponen utama yang pada dasarnya mentransformasi peubah- peubah bebas yang berkorelasi menjadi peubah-peubah baru yang orthogonal dan
tidak berkorelasi, sehingga dapat menyederhanakan peubah-peubah yang diamati dengan cara mereduksi dimensinya. Hal ini dilakukan dengan menghilangkan
korelasi di antara peubah melalui transformasi peubah asal ke peubah baru komponen utama yang tidak berkorelasi Gaspert, 1995. Reduksi ini dilakukan
terhadap komponen utama yang mempunyai akar ciri terkecil atau akar ciri yang nilainya kurang dari satu, dengan teknik ini peubah yang cukup banyak akan
diganti dengan peubah yang jumlahnya lebih sedikit tanpa diiringi dengan
41 hilangnya obyektifitas analisis. Secara teori, jika semua komponen utama tetap
dalam model regresi, maka yang terjadi hanyalah transformasi berupa rotasi peubah bebas, sehingga koefisien regresi tidak berubah, adapun tahapan analisis
regresi komponen utama adalah: 1 Membakukan peubah bebas asal yaitu X menjadi Z
2 Mencari akar ciri dan vektor ciri dari matriks R 3 Menentukan persamaan komponen utama dari vektor ciri
4 Meregresikan peubah respon Y terhadap skor komponen utama W 5 Transformasi balik
Cara lain yang dapat digunakan dalam melakukan regresi adalah dengan menggunakan regresi gulud ridge regression, regresi kuadrat terkecil parsial
partial least square akan tetapi metode regresi komponen utama dianggap sebagai salah satu metode yang dikenal baik dan sering digunakan untuk
mengatasi masalah multikolinearitas. Pendugaan dengan regresi komponen utama akan menghasilkan nilai dugaan yang memiliki tingkat ketelitian yang lebih
tinggi, dengan jumlah kuadrat sisaan yang lebih kecil dibandingkan dengan pendugaan mengunaan metode kuadrat terkecil Gaspert, 1995.
PCA dengan melakukan standarisasi terhadap komponen utama yakni dengan membakukan peubah-peubah X tersebut menjadi Z, sebelum tahap PCA
dilakukan stepwise regression korelasi parsial dan regresi bertatar. Pendefinisian koefisien parsial antara LnY dengan Ln x1, Ln x2, Ln x3, Ln x4, Ln x5, Ln x6 Ln
x7, dummy 1, dan dummy 2 adalah apakah suatu peubah mempengaruhi peubah respons Y setelah pengaruh semua peubah sebelumnya yang ada dalam model
dikeluarkan.
42
4.3.4 Metode Uji Statitistik Fungsi Produksi a
