PERBANDINGAN REGRESI RIDGE DAN PRINCIPAL COMPONENT REGRESSION DALAM MENGATASI MULTIKOLINIERITAS PADA FAKTOR-FAKTOR YANG MEMENGARUHI KEMISKINAN DI INDONESIA

RAEHANI, RAHMAWATI (2023) PERBANDINGAN REGRESI RIDGE DAN PRINCIPAL COMPONENT REGRESSION DALAM MENGATASI MULTIKOLINIERITAS PADA FAKTOR-FAKTOR YANG MEMENGARUHI KEMISKINAN DI INDONESIA. S1 thesis, Universitas Mataram.

	Text Skripsi_Raehani Rahmawati_G1D019058_2023.pdf Restricted to Repository staff only Download (2MB)
Preview	Text Artikel_Raehani Rahmawati_G1D019058_2023.pdf Download (790kB) | Preview

Abstract

Analisis regresi merupakan suatu metode statistika yang bertujuan untuk mengukur korelasi atau hubungan antar variabel independen terhadap variabel dependen. Analisis regresi memiliki beberapa asumsi yang harus terpenuhi agar memperoleh suatu model yang baik. Salah satu asumsi yang harus terpenuhi adalah tidak adanya multikolinieritas antara variabel independen. Multikolinieritas merupakan suatu keadaan dimana terdapat hubungan atau korelasi antar variabel independen yang menyebabkan keakuratan model berkurang. Penelitian ini bertujuan untuk membandingkan regresi ridge dan PCR dalam mengatasi multikolinieritas. Regresi ridge merupakan modifikasi dari metode kuadrat terkecil bekerja dengan menambahkan tetapan bias pada diagonal utama matriks varians-kovarians. Perhitungan tetapan bias pada penelitian ini menggunakan metode Kibria. Principal component regression merupakan gabungan dari principal component analysis (PCA) dan analisis regresi, metode ini bekerja dengan meregresikan komponen-komponen utama. Adapun kriteria pembanding yang digunakan adalah dan . Data penelitian yang digunakan yaitu data faktor-faktor yang memengaruhi kemiskinan di Indonesia pada tahun 2021. Berdasarkan hasil perhitungan diperoleh bahwa keakuratan model regresi ridge sebesar 83,6%, sedangkan keakuratan model principal component regression sebesar 77,5% nilai tersebut dilihat dari besar nilai . Selanjutnya nilai dari model regresi ridge lebih besar dari nilai model principal component regression yaitu . Dengan demikian dapat disimpulkan bahwa regresi ridge dengan parameter Kibria lebih baik dibandingkan dengan principal component regression dalam mengatasi multikolinieritas pada data faktor-faktor yang memengaruhi kemiskinan di Indonesia.

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Analisis Regresi, Estimasi Parameter Kibria, Kemiskinan, Multikolinieritas, Principal Component regression, Regresi Ridge.
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Matematika dan ilmu Pengetahuan Alam
Depositing User:	Meike Megawati
Date Deposited:	27 Nov 2023 07:53
Last Modified:	27 Nov 2023 07:53
URI:	http://eprints.unram.ac.id/id/eprint/43629

Actions (login required)

View Item