%O https://scholar.google.com/citations?view_op=new_profile&hl=en

ID SINTA Dosen Pembimbing:
Nar Herrhyanto: 
Lukman: 6675529
%T ANALISIS REGRESI DENGAN METODE PARTIAL LEAST SQUARE DENGAN COPULA GAUSSIAN DALAM MENGIDENTIFIKASI ENDOGENITAS VARIABEL PADA DATA INDEKS KINERJA EKONOMI
%K PDB, Copula Gaussian, PLS-SEM, endogenitas, indikator ekonomi

GDP, Gaussian Copula, PLS-SEM, endogeneity, economic indicators
%D 2025
%L repoupi138532
%A - Mochammad Dhiya Agung Majdi
%A - Nar Herrhyanto
%A - Lukman
%X Dalam era globalisasi dengan dinamika ekonomi yang kompleks, pemahaman terhadap faktor-faktor yang memengaruhi kinerja ekonomi menjadi krusial. Penelitian ini bertujuan untuk menganalisis hubungan antara beberapa indikator ekonomi utama, yaitu Produk Domestik Bruto (PDB), Indeks Harga Konsumen Nasional (IHKN), nilai ekspor, nilai impor, dan uang beredar dengan pendekatan metodologi yang mampu menangani keterbatasan regresi linier klasik. Salah satu tantangan utama dalam analisis ekonomi adalah masalah endogenitas, yang dapat menyebabkan bias dalam estimasi hubungan antarvariabel. Untuk mengatasi hal tersebut, penelitian ini menggabungkan metode Partial Least Squares Structural Equation Modeling (PLS-SEM) dengan pendekatan Copula Gaussian. PLS-SEM digunakan untuk memodelkan hubungan kompleks antarvariabel laten, tanpa ketergantungan pada asumsi distribusi normal. Copula memungkinkan pemodelan hubungan dependensi antarvariabel ekonomi yang tidak selalu bersifat linier atau simetris. Hasil penelitian ini menunjukkan bahwa tidak adanya endogenitas pada data setelah diuji menggunakan pendekatan Copula sehingga dapat dilakukan estimasi terhadap variabel dependen dalam hal ini PDB yang hasilnya memiliki tingkat akurasi yang sangat baik dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,608%. Temuan ini menunjukkan bahwa kombinasi metode PLS-SEM dan Copula Gaussian efektif dalam menganalisis kinerja ekonomi dan dapat menjadi pendekatan yang andal untuk penelitian ekonomi makro yang kompleks.

In the era of globalization with increasingly complex economic dynamics, understanding the factors that influence economic performance is crucial. This study aims to analyze the relationships among several key economic indicators, namely Gross Domestic Product (GDP), National Consumer Price Index (NCPI), export value, import value, and money supply, using a methodological approach that addresses the limitations of classical linear regression. One of the main challenges in economic analysis is the issue of endogeneity, which can lead to biased estimates of relationships among variables. To address this, the study combines the Partial Least Squares Structural Equation Modeling (PLS-SEM) method with the Gaussian Copula approach. PLS-SEM is used to model complex relationships among latent variables, without relying on the assumption of normal distribution. Copulas enable the modeling of dependency relationships among economic variables that are not necessarily linear or symmetric. The results of this study indicate the absence of endogeneity in the data after testing with the Copula approach, allowing for the estimation of GDP with a very high level of accuracy, as reflected by a Mean Absolute Percentage Error (MAPE) of 1,608%. These findings indicate that the combination of PLS-SEM and Gaussian Copula methods is effective in analyzing economic performance and can be a reliable approach for complex macroeconomic research.
%I Universitas Pendidikan Indonesia