Skripsi ini membahas mengenai principal covariate regression pada suatu data runtun waktu. Principal covariate regression adalah suatu model regresi yang menggambarkan hubungan antara variabel respon dengan banyak variabel kovariat dengan taksiran parameternya diperoleh melalui peminimuman sebuah fungsi kriteria. Fungsi kriteria merupakan fungsi dari error peramalan dan error kompresi informasi variabel-variabel kovariat yang masing-masing sudah terboboti. Selanjutnya taksiran parameter ini disubstitusikan dalam Persamaan peramalan dan kemudian digunakan untuk meramal nilai variabel respon pada periode selanjutnya. Selain itu, pada tugas akhir ini juga diberikan contoh aplikasi peramalan runtun waktu dengan menggunakan principal covariate regression.

---

This paper discusses about principal covariate regression on time series data. Principal covariate regression is a regression model describes a relation between response variable and a large number of covariate variables with the estimation parameters are obtained by minimizing a single criterion. A single criterion is a weighted of forecast error and of predictor compression error. Furthermore, the estimation parameters are substituted in forecast equation and used to forecast value of response variable for next period. Besides, this paper also gives an application of time series forecasting by principal covariate regression.