PENANGANAN MULTIKOLINEARITAS DENGAN MENGGUNAKAN ANALISIS REGRESI KOMPONEN UTAMA PADA KASUS IMPOR BERAS DI PROVINSI SULUT                   ABSTRAKMultikolinearitas adalah suatu kondisi dimana terjadi korelasi antara variabel bebas atau antar variabel bebas tidak bersifat saling bebas. Besaran yang dapat digunakan untuk mendeteksi adanya multikolinearitas adalah faktor inflasi ragam (Variance Inflation Factor / VIF). Tujuan dari penelitian ini yakni untuk mengetahui cara mengatasi multikolinearitas, menentukan model persamaan regresi komponen utama, dan mengetahui variabel-variabel yang mempengaruhi impor beras di SULUT. Penelitian menggunakan data impor beras di Sulawesi Utara pada tahun 2006-2015. Data akan di analisis menggunakan analisis regresi komponen utama. Analisis regresi komponen utama dapat mengatasi masalah multikolinearitas pada data impor beras di Sulawesi Utara dimana terlihat nilai VIF pada regresi komponen utama bernilai satu untuk semua variabel komponen utama. Berdasarkan hasil analisis regresi komponen utama diperoleh model  = 48258,1804 + 0,006739247 X1 - 0,92939626 X2 - 0,06475365 X3 - 0,38551398 X4 + 0,0001233267 X5 + 5,365936 X6 + 0,0006384361 X7 + 0.0005029473 X8 - 3,25379897 X9 + 0,01069348 X10 dan koefisien determinasi (R2) = 90,36% dan nilai (Radj) = 85,53%. Semua variabel yaitu Produksi beras Sulawesi Utara , stok beras di Sulawesi Utara , luas panen padi Sulawesi utara , penerimaan beras dari dalam negeri sulawesi utara , devisa impor paid pada bea dan cukai Bitung , produk domestik regional bruto atas dasar harga berlaku menurut lapangan usaha di Sulawesi Utara , pendapatan pajak daerah Sulawesi Utara , penggunaan devisa impor unpaid pada bea dan cukai Bitung , kurs , dan jumlah penduduk Sulawesi Utara  mempengaruhi impor beras di SULUT (Y).Kata Kunci :  Multikolinearitas, Regresi Komponen Utama, Variance Inflation Factor (VIF), Impor Beras. MULTICOLLINEARITY HANDLING USING PRINCIPAL COMPONENTSREFRESSION ON IMPORTED RICE CASE INNORTH SULAWESI PROVINCE ABSTRACT           Multicolinearity is a condition where there is correlation between independent variables or between independent variables that are not mutually free. The quantity that can be used to detect the presence of multicollinearity is Variance Inflation Factor (VIF). The purpose of this research is to determine the equation model of regression principal component, and to know the variables that influence on rice import in SULUT. The study used data of rice imports in North Sulawesi in 2006-2015. The data will be analyzed using regression analysis of principal components. Regression analysis of principal component can overcome the problem of multicollinearity in rice import data in North Sulawesi  where seen VIF value at regression of principal component is one for all principal component variable. Based on the analysis results of regression principal component, has obtained the model Y = 48258,1804 + 0,006739247 X1 - 0,92939626 X2 - 0,06475365 X3 - 0,38551398 X4 + 0,0001233267 X5 + 5,365936 X6 + 0,0006384361 X7 + 0.0005029473 X8 - 3,25379897 X9 + 0,01069348 X10  and coefficient of determination (R2) = 90,36% and value (Radj) = 85,53%. All variables i.e North Sulawesi rice production (X1), rice stock in North Sulawesi (X2), harvested area of North Sulawesi (X3), domestic rice revenues from north Sulawesi (X4), import duty paid of Bitung’s custom duty and excise (X5 ), gross regional domestic product of current prices by business field in North Sulawesi (X6), North Sulawesi tax revenues (X7), unpaid import duties on customs duty and excise (X8), exchange rate (X9), and population North Sulawesi (X10) affects the import of rice in SULUT (Y).Keywords  :  Multicolinearity, Principal Component Regression, Variance Inflation Factor (VIF), Rice Import.

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly1) , Djoni Hatidja1) , John S. Kekenusa1) ABSTRAK Metode ARIMA adalah salah satu metode yang dapat digunakan dalam memprediksi perubahan harga saham. Tujuan dari penelitian ini adalah untuk membuat model ARIMA dan memprediksi harga saham PT. BRI, Tbk. bulan November 2014. Penelitian menggunakan data harga saham  harian  maksimum dan minimum PT. BRI, Tbk. Data yang digunakan yaitu data sekunder yang diambil dari website perusahaan PT. BRI, Tbk. sejak 3 Januari 2011 sampai 20 Oktober 2014 untuk memprediksi harga saham bulan November 2014. Dari hasil penelitian menunjukkan bahwa data tahun 2011 sampai Oktober 2014 bisa digunakan untuk memprediksi harga saham bulan November 2014. Hasilnya model ARIMA untuk harga saham maksimum adalah ARIMA (2,1,3) dan harga saham minimum adalah model (2,1,3) yang dapat digunakan untuk memprediksi data bulan November 2014 dengan validasi prediksi yang diambil pada bulan Oktober 2014 untuk selanjutnya dilakukan prediksi bulan November 2014. Kata Kunci: Metode ARIMA, PT. BRI, Tbk., Saham THE PREDICTION STOCK PRICE OF PT. BRI, Tbk. USE ARIMA METHOD (Autoregressive Integrated Moving Average) ABSTRACT ARIMA method is one of the method that used to prediction the change of stock price. The purpose of this research is to make model of ARIMA and predict stock price of PT. BRI, Tbk. in November 2014. The research use maximum and minimum data of stock price daily of PT. BRI, Tbk. Data are used is secondary data that taking from website of PT. BRI, Tbk. since January 3rd 2011 until October 20th 2014 to predict stock price in November 2014. From this research show that data from 2011 until October 2014 can be used to predict the stock price in November 2014. The result of ARIMA’s model for the maximum stock price is ARIMA (2,1,3) and the minimum stock price is (2,1,3) can use to predict the data on November 2014 with predict validation that take on October 2014 and with that predict November 2014. Keywords: ARIMA method, PT. BRI, Tbk., Stock

Penelitian ini bertujuan untuk mengetahui karakteristik data harga saham harian PT. Telkom, Tbk, membuat model dan melakukan prediksi harga saham PT. Telkom, Tbk bulan Mei sampai Juni tahun 2011. Data yang digunakan adalah data sekunder yang diambil dari website perusahaan PT. Telkom, Tbk sejak Januari 2010 sampai 30 Maret 2011 untuk memprediksi harga saham Mei sampai Juni 2011. APPLICATION OF ARIMA TO FORECASTINGSTOCK PRICE OF PT. TELOKM Tbk.ABSTRACTThe objevtives of this research was to knowed the daily stock price of PT. Telkom, Tbk, make models and predicted May up to June 2011 using the data from 2008 up to March 2011. Data that are used by secondary data and take from website of PT. Telkom, Tbk since January 2010 to March 2011 for predicting May to June 2011.

Regency of Sangihe Islands is a region that has potential in the field of horticulture, especially when producing nutmeg crop that originally from Indonesia as a trading commodity. The purpose of this study is to find out how much is the chosen variable affect the farmer income in Sensong village by using multiple regression analysis. This study used primary and secondary data, with a “simple random sampling” as a sampling technique. Based on this research, the variables that have the influence on the farmer's income is the amount of nutmeg production and labor costs. The resulting coefficient of determination is 0.930, or 93 percent. Keywords : Multiple regression analysis, the nutmeg  farmers  income Abstrak Kabupaten Kepulauan Sangihe adalah daerah yang cukup berpotensi dalam bidang perkebunan terutama dalam menghasilkan tanaman pala yang merupakan salah satu tanaman asli Indonesia sebagai komoditas perdagangan di dalam dan luar negeri. Tujuan penelitian ini adalah untuk mengetahui seberapa besar pengaruh variabel yang telah dipilih terhadap pendapatan petani pala di Desa Sensong dengan menggunakan analisis regresi berganda. Dalam penelitian ini digunakan data primer dan sekunder, dengan simple random sampling sebagai teknik pengambilan sampel. Berdasarkan hasil penelitian, variabel yang memiliki pengaruh terhadap pendapatan petani pala adalah jumlah produksi biji pala dan biaya tenaga kerja. Nilai koefisien determinasi yang dihasilkan adalah 0,930 atau 93 persen. Kata kunci : Analisis regresi berganda, pendapatan petani pala

PENGEMBANGAN MODEL REGRESI POLINOMIAL BERGANDA PADA KASUS DATA PEMASARANABSTRAK Regresi polinomial merupakan regresi linier berganda yang dibentuk dengan menjumlahkan pengaruh variabel prediktor (X) yang dipangkatkan secara meningkat sampai orde ke-k. Model regresi polinomial, struktur analisisnya sama dengan model regresi linier berganda. Artinya, setiap pangkat atau orde variabel prediktor (X) pada model polinomial, merupakan transformasi variabel awal dan dipandang sebagai sebuah variabel prediktor (X) baru dalam linier berganda. Model terbaik dari kelima model yang telah diuji adalah persamaan regresi model ke-5. Hal ini dapat dilihat dari nilai koefisien determinasi sebesar 99,1% dan nilai R-Sq(adj) = 98,8%, karena nilai R2 mendekati nilai yang telah diatur dan berdasarkan pengujian yang dilakukan ternyata seluruh koefisien-koefisien dari setiap variabel bebas signifikan serta ada kelengkungan yang bersifat kubik (pangkat 3) terhadap data X3 terhadap Y. Kata kunci: Pemasaran, Regresi polynomial. DEVELOPMENT OF MULTIPOLYNOMIAL REGRESSION MODEL ON MARKETING DATA CASE ABSTRACT Polynomial regression is linear regression multiple were created by summing the effect of each predictor variable (X) is raised to increase to the order of the k.  Polynomial regression model, has the same structure with linear regression models. That is, any rank or order predictor variable (X) in polynomial models, an initial variable transformation and is seen as a predictor variable (X) has the linear regression. The best model of the six models tested were equation regression model to-5.  It can be seen from the value of the coefficient of determination of 99.1% and a value of R-Sq (adj) = 98.8%, due to the value of R2 close to the value that has been set up and based on tests performed turns all the coefficients of each independent variable significantly and there are cubic curvature (rank 3) to the data X3 to Y. Keywords : Marketing, Polynomial regression.