METODE PRINCIPAL COMPONENT LOGISTIC REGRESSION (PCLR) UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LOGISTIK
| Main Author: | RAHMA SARITA, 1617031035 |
|---|---|
| Format: | Bachelors NonPeerReviewed Book Report |
| Terbitan: |
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
, 2020
|
| Subjects: | |
| Online Access: |
http://digilib.unila.ac.id/62394/1/ABSTRAK-ABSTRACT.pdf http://digilib.unila.ac.id/62394/2/SKRIPSI%20FULL.pdf http://digilib.unila.ac.id/62394/3/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf http://digilib.unila.ac.id/62394/ |
Daftar Isi:
- Metode Principal Component Logistic Regression (PCLR) adalah metode yang dapat digunakan untuk mengatasi multikolinearitas dengan mereduksi dimensi variabel bebas menjadi lebih sederhana tanpa kehilangan informasi penting didalamnya. Penelitian ini bertujuan untuk mengetahui performa metode PCLR dalam menangani multikolinearitas pada regresi logistik dengan Maximum Likelihood Estimation (MLE) berdasarkan data simulasi dan data real Indeks Pembangunan Kesehatan Masyarakat (IPKM) di Indonesia. Hasil dari penelitian ini menunjukkan bahwa metode PCLR lebih baik dalam menangani multikolinearitas dibandingkan dengan metode MLE berdasarkan nilai kriteria MSE. Data IPKM dipengaruhi oleh indeks pembangunan manusia, jumlah penduduk miskin, dan rumah tangga ber-PHBS berdasarkan metode PCLR sedangkan pada metode MLE tidak ada variabel bebas yang mempengaruhi persentase IPKM di Indonesia. Kata Kunci: Principal Component Logistic Regression (PCLR), Regresi Logistik, Multikolinearitas