Pendekatan Partial Least Square Regression (Plsr) Untuk Mengatasi Multikolinierita Dalam Regresi Logistik Ordinal
Daftar Isi:
- Regresi logistik ordinal merupakan analisis hubungan antara peubah respon kategorik bersifat ordinal dengan peubah prediktor kategorik maupun numerik. Regresi logistik ordinal dengan banyak peubah prediktor memiliki sensitivitas terhadap multikolinieritas. Salah satu metode yang dapat digunakan jika data disifati multikolinieritas adalah kombinasi antara regresi PLS dengan regresi logistik ordinal. Partial Least Square Regression (PLSR) merupakan model yang menghubungkan peubah respon numerik dengan peubah prediktor numerik maupun kategorik. Data yang digunakan merupakan data sekunder bersumber pada Tim Nasional Percepatan Penanggulangan Kemiskinan (TNP2K) Provinsi Jawa Timur tahun 2009 tentang komponen Indeks Pembangunan Manusia (IPM) di 38 kota/kabupaten di Jawa Timur. Peubah prediktor yaitu, Harapan Hidup (AHH), Angka melek Huruf (AMH), Rata-rata Lama Sekolah (RLS), Pengeluaran per Kapita (PPK), Angka Kematian Bayi (AKB) dan Penduduk > 15 tahun yang bekerja (PK). Peubah respon yang digunakan dalam penelitian adalah derajat peningkatan IPM. Berdasarkan hasil analisis didapatkan bahwa AHH dan AKB memiliki multikolinieritas yang tinggi dengan nilai korelasi sebesar -0.998. Selanjutnya dilakukan analisis PLSR sehingga didapatkan model PLSOLR sebagai berikut: Logit P(y ≤ 1) = –22.37 + 0.26AHH + 0.26RLS + 0.19PPK – 0.26AKB Logit P(y ≤ 2) = –0.20 + 0.26AHH + 0.26RLS + 0.19PPK – 0.26AKB