Perbandingan Model Regresi Ridge Dan Partial Least Square (Pls) Untuk Mengatasi Masalah Multikolinieritas Dalam Regresi Linier Berganda
| Main Author: | Afidati, Asna Della Nur |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/168544/1/ASNA%20DELLA%20NUR%20AFIDATI.pdf http://repository.ub.ac.id/168544/ |
Daftar Isi:
- Analisis regresi linier berganda merupakan analisis yang digunakan untuk mengetahui hubungan antar peubah respon dan peubah prediktor. Apabila terdapat korelasi antar peubah prediktor dikatakan terjadi multikolinieritas pada data. Metode yang dapat digunakan untuk menangani masalah multikolinieritas yaitu regresi ridge dan regresi Partial Least Square (PLS). Penelitian ini bertujuan untuk mengetahui metode yang terbaik antara regresi ridge dan regresi PLS dalam mengatasi masalah multikolinieritas. Data yang digunakan adalah data Angka Kematian Bayi (AKB) di Jawa Timur tahun 2016 dan data harga penutupan saham perusahaan keuangan tahun 2015. Untuk membandingkan kedua metode digunakan kriteria kebaikan model R2 Adjusted, Root Mean Square Error (RMSE), dan Akaike Information Criterion (AIC). Hasil penelitian didapatkan nilai R2 Adjusted regresi PLS lebih besar daripada regresi ridge serta nilai RMSE dan AIC regresi PLS lebih kecil daripada regresi ridge. Sehingga dari nilai ketiga kriteria kebaikan model dapat diketahui bahwa regresi PLS lebih baik daripada regresi ridge.