Partial Least Squares (PLS) merupakan metode yang dikembangkan oleh Herman Wold pada tahun 1960. Metode ini digunakan untuk membangun model dari data ketika variabel independennya sangat banyak dan saling berkorelasi.PLS dapat dikombinasikan dengan metode lain, salah satunya adalah Transformasi Wavelet Kontinu (TWK). Penggunaan transformasi ini dilatarbelakangi oleh perlunya tahap pra-pemrosesan agar data yang digunakan bebas noise, dalam hal ini noise yang dimaksud adalah adanya outlier. Adanya outlier dapat menyebabkan model yang diperoleh kurang dapat diandalkan. Oleh karena itu, tahap pra-pemrosesan ini perlu dilakukan. Penelitian ini diajukan untuk memperoleh model yang baik dengan menggunakan Mexican Hat sebagai mother wavelet dalam TWK. Hasil yang diperoleh dari dari TWK akan dilanjutkan dengan metode PLS. Penggabungan kedua metode ini memberikan hasil yang cukup baik. Hal ini ditunjukkan dengan nilai R2 yang lebih baik jika dibandingkan dengan penelitian sebelumnya yang menggunakan Haar Wavelet sebagai mother waveletnya.

Mexican Hat, Multikolinier, Outlier, Partial Least Squares, Wavelet

• Ir. Herena Pudjihastuti, M.S.

• Margaretha Ohyver, S.Si., M.Si.