PEMILIHAN MODEL REGRESI LINIER BERGANDA PADA KASUS MULTIKOLINEARITAS DENGAN METODE REGRESI KOMPONEN UTAMA (Principal Component Regression) DAN REGRESI GULUD (Ridge Regression)
Abstract: Pada analisis
regresi berganda di katakan baik atau cocok, jika memenuhi asumsi – asumsi
klasik berikut ini yaitu asumsi autokorelasi, normalitas galat,
heterokesdastisitas, dan
multikolinearitas. Dari ke empat asumsi klasik tersebut masalah yang
sering muncul dalam regresi linier berganda adalah tidak terpenuhinya asumsi
multikolinearitas. Pada penelitian ini akan dilihat metode mana yang paling tepat untuk mengatasi
multikolinearitas antara metode regresi komponen utama dan regresi gulud dengan
tingkat multikolinearitas. Kriteria pembanding yang digunakan untuk kedua
metode yaitu R2adj. Data yang digunakan adalah data sekunder yaitu data 1
adalah data kebugaran tubuh dan data 2 adalah data permintaan ayam di AS. Kemudian dilakukan analisis diperoleh hasil
Pada data 1 dengan menggunakan metode regresi komponen utama menpunyai nilai
R2adj sebesar 68,7%, sedangkan pada
metode regresi gulud sebesar 68,2%. Pada data 2 nilai R2adj pada metode regresi
komponen utama sebesar 89,4 %, sedangkan pada metode regresi gulud sebesar
88,2%. Dari hasil tersebut dapat
disimpulkan bahwa metode regresi komponen utama
lebih baik digunakan daripada metode regresi gulud, ini berarti data
yang disifati multikolinearitas sangat kuat dan kuat lebih baik menggunakan
metode regresi komponen utama.
Penulis: Illati Masruroh
Kode Jurnal: jpmatematikadd141102
