DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Penghargaan iii
Abstrak iv
Abstract v
Daftar Isi vi
Daftar Tabel viii
Bab 1 Pendahuluan 1
1.1. Latar Belakang
1 1.2.
Perumusan Masalah 3
1.3. Pembatasan Masalah
4 1.4.
Tujuan Penelitian 4
1.5. Kontribusi Penelitian
4 1.6.
Metodologi Penelitian 5
Bab 2 Tinjauan Pustaka 6
2.1. Matrik
6 2.1.1. Definisi Matriks
6 2.1.2. Jenis-Jenis Matriks
7 2.1.3. Penjumlahan Matriks dan Perkalian Skalar Matriks
10 2.1.4. Determinan
11 2.1.5. Invers Matriks
11 2.2.
Nilai Eigen dan Vektor Eigen 12
2.3. Matriks Korelasi
13 2.4.
Multikolinearitas 15
2.5. Konsekuensi Multikolinearitas
17 2.6.
Pendeteksian Multikolinearitas 18
2.7. Regresi Linear Berganda
18 2.8.
Metode Regresi Ridge 19
2.9. Ridge Trace
21 2.10. Analisis Komponen Utama
22 Bab 3 Metode Penelitian
29 3.1.
Bidang Penelitian 29
3.2. Metode dan Desain Penelitian
29
3.3. Sumber Data
30
Universitas Sumatera Utara
3.4. Variabel Penelitian
30 3.5.
Teknik Analisis Data 31
Bab 4 Pembahasan 35
4.1. Metode Regresi Ridge
35 4.2.
Metode Regresi Linear Berganda 40
4.3. Pendeteksian Multikolinearitas
41 4.4.
Metode Regresi Ridge 43
4.5. Uji Keberartian Regresi
47 4.6.
Metode Analisis Komponen Utama 54
Bab 5 Kesimpulan dan Saran 66
5.1. Kesimpulan
68 5.2.
Saran 68
Daftar Pustaka 69
Universitas Sumatera Utara
DAFTAR TABEL
Halaman Tabel 4.1: Data Banyaknya Serangan Virus Pada penggerek Batang
39 Padi Afrika di Pantai Gading Afrika Barat dan
Faktor-faktor yang Mempengaruhinya Tabel 4.2: Penaksir Parameter Metode Kuadrat Terkecil
40 Tabel 4.3: ANAVA untuk Data Awal
41 Tabel 4.4: Nilai Toleransi dan VIF
41
Tabel 4.5: Nilai Korelasi Antar Variabel Bebas 42
Tabel 4.6: Hasil Pemusatan dan Penskalaan 43
Tabel 4.7: Nilai VIF
β c Dengan Berbagai Nilai c
44 Tabel 4.8: Nilai
β c Dengan Berbagai Nilai c 45
Tabel 4.9: ANAVA Ridge 47
Tabel 5.0: Penaksir Parameter Regresi Ridge 48
Tabel 5.1: Matriks Korelasi 55
Tabel 5.2: Communalities 55
Tabel 5.3: Nilai Eigen Analisis Komponen Utama 56
Tabel 5.4: Matriks Komponen 57
Tabel 5.5: Koefisien Komponen Utama 57
Tabel 5.6: Skor Faktor Komponen Utama 59
Tabel 5.7: Koefisien Regresi Komponen Utama 60
Tabel 5.8: ANAVA Komponen Utama 60
Universitas Sumatera Utara
ABSTRAK
Multikolinearitas adalah suatu kondisi dalam regresi linear berganda dimana antar variabel bebas saling berkorelasi. Multikolinearitas mengakibatkan hasil koefisien
regresi dari analisis regresi berganda menjadi sangat lemah atau tidak dapat memberikan hasil analisis yang mewakili sifat variabel bebas yang bersangkutan, dan
mengakibatkan pengujian hipotesis parameter berdasarkan metode kuadrat terkecil memberikan hasil yang tidak valid. Indikasi masalah multikolinearitas dapat dideteksi
dengan faktor inflasi ragam. Dua metode yang dapat digunakan untuk mengatasi multikolinearitas yaitu metode ridge dan analisis komponen utama. Metode ridge
bertujuan untuk mengurangi multikolinearitas dengan menentukan penduga yang bias tetapi mempunyai varians yang lebih kecil dari varians penduga regresi linear
berganda. Analisis komponen utama bertujuan menghasilkan variabel-variabel baru komponen utama yang saling ortogonal dan mereduksi dimensi data.
Universitas Sumatera Utara
ABSTRACT
Multicollinearity is a condition in multiple linear regression where between the independent variables are correlated. Multicollinearity resulted in the regression
coefficients from multiple regression analysis to be very weak or can’t provide analytical result that represent the characteristic of the relevant independent variables,
and resulted the parameter hypothesis tests using the least square method gives result that are not valid. Indication of multicollinearity problems can be detected with
variance inflation factor. Two methods can be used to overcome multicollinearity the method of ridge and principal component analysis. Ridge method aims to reduce
multicollinearity by determining the bias estimator but has a smaller variance than the variance of multiple linear regression estimator. The principle component analysis
aimed to yield new variables principle component which orthogonal to each other and reduce data dimension.
Universitas Sumatera Utara
BAB 1
PENDAHULUAN
1.1. Latar Belakang
