Cover Image

Perbandingan Regresi Ridge (Regresi Gulud) dan Principal Component Analysis (Analisis Komponen Utama) dalam Mengatasi Masalah Multikolinearitas

Main Author: Hasriani, Hasriani
Format: Report NonPeerReviewed Book
Bahasa: ind
Terbitan: , 2014
Subjects:
519.53 Matematika Statistikal Deskriptif
Online Access: http://repositori.uin-alauddin.ac.id/7545/1/HASRIANI.pdfbn.pdf
http://repositori.uin-alauddin.ac.id/7545/
ctrlnum 7545
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repositori.uin-alauddin.ac.id/7545/</relation><title>Perbandingan Regresi Ridge (Regresi Gulud) dan Principal Component Analysis (Analisis Komponen Utama) dalam Mengatasi Masalah Multikolinearitas</title><creator>Hasriani, Hasriani</creator><subject>519.53 Matematika Statistikal Deskriptif</subject><description>Regresi linier berganda dikatakan baik jika memenuhi asumsi-asumsi seperti: asumsi normalitas, heteroskedastisitas, galat tidak mengalami autokorelasi, dan tidak terjadi multikolinearitas. Dari asumsi-asumsi tersebut masalah yang sering muncul dalam regresi linier berganda yaitu tidak terpenuhinya asumsi multikolinearitas. Multikolinearitas merupakan suatu kondisi dimana data-data hasil pengamatan dari variabel-variabel bebas terjadi atau memiliki hubungan yang cenderung tinggi. Penelitian ini bertujuan untuk&#xD; membandingkan metode yang tepat dalam mengatasi multikolinearitas antara metode regresi ridge dan principal component analysis. Kriteria pembanding yang digunakan untuk kedua metode yaitu mean square error (MSE) dan&#xD; koefisien determinasi (R2), data yang digunakan yaitu data 1 adalah data simulasi dengan program Microsoft Excel dan data 2 adalah data kasus yaitu data barang impor dan faktor-faktor yang mempengaruhinya. Kemudian dilakukan analisis, sehingga diperoleh data 1 menggunakan regresi ridge mempunyai nilai MSE sebesar 0,02405 dan R2 sebesar 82,4% sedangkan pada principal component analysis nilai MSE sebesar 14,14 dan R2 sebesar 37,5% sedangkan pada data 2 menggunakan regresi ridge mempunyai nilai MSE sebesar 0,00216 dan R sebesar 96,9% sedangkan pada principal component analysis nilai MSE sebesar5,15 dan R2 sebesar 69,5%. Dari hasil tersebut dapat disimpulkan bahwa metode regresi ridge lebih baik digunakan dalam mengatasi multikolinearitas daripada principal component analysis.</description><date>2014</date><type>Report:Report</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>ind</language><identifier>http://repositori.uin-alauddin.ac.id/7545/1/HASRIANI.pdfbn.pdf</identifier><identifier> Hasriani, Hasriani (2014) Perbandingan Regresi Ridge (Regresi Gulud) dan Principal Component Analysis (Analisis Komponen Utama) dalam Mengatasi Masalah Multikolinearitas. Undergraduate (S1) thesis, Universitas Islam Negeri Alauddin Makassar. </identifier><recordID>7545</recordID></dc>
language ind
format Report:Report
Report
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Hasriani, Hasriani
title Perbandingan Regresi Ridge (Regresi Gulud) dan Principal Component Analysis (Analisis Komponen Utama) dalam Mengatasi Masalah Multikolinearitas
publishDate 2014
topic 519.53 Matematika Statistikal Deskriptif
url http://repositori.uin-alauddin.ac.id/7545/1/HASRIANI.pdfbn.pdf
http://repositori.uin-alauddin.ac.id/7545/
contents Regresi linier berganda dikatakan baik jika memenuhi asumsi-asumsi seperti: asumsi normalitas, heteroskedastisitas, galat tidak mengalami autokorelasi, dan tidak terjadi multikolinearitas. Dari asumsi-asumsi tersebut masalah yang sering muncul dalam regresi linier berganda yaitu tidak terpenuhinya asumsi multikolinearitas. Multikolinearitas merupakan suatu kondisi dimana data-data hasil pengamatan dari variabel-variabel bebas terjadi atau memiliki hubungan yang cenderung tinggi. Penelitian ini bertujuan untuk membandingkan metode yang tepat dalam mengatasi multikolinearitas antara metode regresi ridge dan principal component analysis. Kriteria pembanding yang digunakan untuk kedua metode yaitu mean square error (MSE) dan koefisien determinasi (R2), data yang digunakan yaitu data 1 adalah data simulasi dengan program Microsoft Excel dan data 2 adalah data kasus yaitu data barang impor dan faktor-faktor yang mempengaruhinya. Kemudian dilakukan analisis, sehingga diperoleh data 1 menggunakan regresi ridge mempunyai nilai MSE sebesar 0,02405 dan R2 sebesar 82,4% sedangkan pada principal component analysis nilai MSE sebesar 14,14 dan R2 sebesar 37,5% sedangkan pada data 2 menggunakan regresi ridge mempunyai nilai MSE sebesar 0,00216 dan R sebesar 96,9% sedangkan pada principal component analysis nilai MSE sebesar5,15 dan R2 sebesar 69,5%. Dari hasil tersebut dapat disimpulkan bahwa metode regresi ridge lebih baik digunakan dalam mengatasi multikolinearitas daripada principal component analysis.
id IOS3661.7545
institution UIN Alauddin Makassar
affiliation onesearch.apptis.or.id
institution_id 497
institution_type library:university
library
library UPT Perpustakaan UIN Alauddin Makassar
library_id 627
collection Repository UIN Alauddin Makassar
repository_id 3661
subject_area Islam/Agama Islam
Religious Education/Pendidikan Keagamaan, Pendidikan Agama
Humanities/Humanisme
Islam and Social Sciences/Islam dan Ilmu-ilmu Sosial
city GOWA
province SULAWESI SELATAN
repoId IOS3661
first_indexed 2018-02-01T01:15:45Z
last_indexed 2018-02-01T01:15:45Z
recordtype dc
_version_ 1763195794262851584
score 17.538404

Lihat Juga