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