PDRB Produk Domestik Regional Bruto 23

2.6 Pendeteksian Multikolinieritas 16

2.7 Metode Regresi Ridge

17 2.8 Uji Koefisien Korelasi Ganda 19 2.9 Metode Analisis Regresi Komponen Utama 20 2.9.1 Menentukan Komponen Utama 20 2.9.2 Komponen Utama Berdasarkan Matriks Korelasi 21 2.9.3 Kriteria Pemilihan Komponen Utama 22 BAB 3 PEMBAHASAN 23

3.1 PDRB Produk Domestik Regional Bruto 23

3.2 Analisis Dengan Regresi Linier Berganda 26 3.3 Pendeteksian Multikolinieritas 28 3.4 Metode Analisis Regresi Ridge 30 3.5 Uji Keberartian Regresi 39 3.6 Regresi Komponen Utama 40 3.7 Analisis Regresi Komponen Utama 42 3.7.1 Model Regresi Yang Cocok 46 3.7.2 Perbandingan Hasil Analisis Regresi Ridge dan Analisis Regresi Komponen Utama 48 BAB 4 KESIMPULAN DAN SARAN 49 4.1 Kesimpulan 49 4.2 Saran 50 Daftar Pustaka 51 Lampiran 53 Universitas Sumatera Utara DAFTAR TABEL Halaman Tabel 3.1 Data PDRB Propinsi Sumatera Utara 26 Tabel 3.2 Estimator Parameter Regresi Kuadrat Terkecil 27 Tabel 3.3 ANOVA b 27 Tabel 3.4 Tabel VIF dan TOL 28 Tabel 3.5 Koefisien Korelasi Parsial 29 Tabel 3.6 Transformasi Ridge 31 Tabel 3.7 Nilai dengan berbagai harga 34 Tabel 3.8 Nilai VIF dengan Berbagai Nilai 37 Tabel 3.9 ANAVA Regresi Ridge 39 Tabel 3.10 Matriks Korelasi 43 Tabel 3.11 Nilai Eigen, Proporsi Total Variansi, dan Proporsi Variansi Kumulatif 43 Tabel 3.12 Koefisien Komponen Utama Vektor Eigen 45 Tabel 3.13 Skor Faktor Komponen Utama 45 Tabel 3.14 Uji Signifikansi Koefisien Regresi Komponen Utama 46 Tabel 3.15 Koefisien Korelasi Pearson Model Summary 47 Universitas Sumatera Utara ABSTRAK Multikolinieritas adalah kondisi dimana dalam sebuah regresi terdapat korelasi yang sangat tinggi antara variabel bebasnya. Analisis Regresi Ridge dan Analisis Regresi Komponen Utama adalah metode untuk menyelesaikan multikolinearitas yang terjadi pada analisis regresi ganda. Metode Analisis Regresi Ridge adalah metode yang memberikan tetapan bias yang relatif kecil dengan cara mengalikan tetapan bias θ pada diagonal matriks identitas, sehingga parameter penduganya menjadi : . Metode Analisis Regresi Komponen utama pada dasarnya adalah bertujuan untuk menyederhanakan variabel yang diamati dengan cara menyusutkan mereduksi dimensinya. Hal ini dilakukan dengan cara menghilangkan korelasi diantara variabel bebas melalui transformasi variabel bebas asal ke variabel baru yang tidak berkorelasi sama sekali atau yang biasa disebut dengan komponen utama principal component. Pengujian koefisien yang diperoleh dari kedua metode akan menunjukkan bahwa multikolinieritas dalam suatu regresi linier berganda sudah diselesaikan. Universitas Sumatera Utara ABSTRACT Multicollinearity is a condition where there is a regression in a very high correlation between the independent variables. Ridge Regression Analysis and Principal Component Regression analysis is a method to solve the multicollinearity that occurs in multiple regression analysis. Ridge Regression Analysis is a method that gives a relatively small constant bias by multiplying the constant bias on the diagonal identity matrix θ, so the estimation parameter be: . Principal Component Regression analysis is basically aimed to simplify the variables observed by shrinking reduced the dimension. This is done by removing the correlation between independent variables through the transformation of the independent variables of origin to a new variable that does not correlate at all, or so-called principal component principal component. Testing coefficients obtained from the two methods would indicate that multicollinearity in a multiple linear regression was completed. Universitas Sumatera Utara BAB 1 PENDAHULUAN

1.1 Latar Belakang