BAB 1
PENDAHULUAN
1.1. Latar Belakang
Banyak metode yang dapat digunakan untuk menganalisis data atau informasi pada suatu pengamatan. Salah satu metode statistik yang paling bermanfaat dan paling
sering digunakan adalah analisis regresi. Metode ini digunakan untuk mengetahui sejauh mana ketergantungan atau hubungan sebuah variabel tak bebas dengan sebuah
atau lebih variabel bebas. Jika dalam analisisnya hanya melibatkan sebuah variabel bebas, maka analisis yang digunakan adalah Analisis Regresi Linier Sederhana.
Sedangkan bila dalam analisisnya melibatkan dua atau lebih variabel bebas, maka analisis yang digunakan adalah Analisis Linier Berganda.
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen X
1
, X
2
,….X
n
dengan variabel dependen Y. Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel
dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel
independen mengalami kenaikan atau penurunan.
Adakalanya penaksiran koefisien regresi menggunakan analisis regresi linear berganda tidak bisa dilakukan karena terjadi masalah multikolinearitas.
Multikolinieritas merupakan permasalahan dalam analisis regresi ketika variabel bebas dalam model regresi saling berkorelasi atau saling bergantung satu sama lain
Bowerman dalam Norliza, 2006. Masalah yang ditimbulkan oleh multikolinieritas
Universitas Sumatera Utara
diantaranya adalah koefisien regresi menjadi lebih tidak stabil, Standard Error menjadi besar dan variabel terlihat memiliki pengaruh yang kecil secara individual
tetapi kuat secara kelompok selain itu multikolinieritas juga dapat mengakibatkan tanda dari koefisien regresi berlawanan arah dengan koefisien korelasi . Untuk
mengatasi masalah tersebut terdapat beberapa metode yang biasa digunakan, diantaranya adalah penggunaan informasi apriori dari hubungan beberapa variabel
yang saling berhubungan, menghubungkan data cross sectional dan data time 2 series, mengeluarkan suatu variabel atau beberapa variabel prediktor yang terlibat
hubungan kolinier Soemartini, 2008. Akan tetapi pada prakteknya prosedur penanggulangan tersebut sangat tergantung sekali pada kondisi penelitian. Dan
metode lainnya yaitu metode regresi ridge dan metode analisis komponen utama.
Metode regresi ridge merupakan salah satu metode yang dianjurkan untuk memperbaiki masalah multikolinearitas, prosedur ini di tujukan untuk mengatasi
kondisi buruk yang diakibatkan oleh korelasi yang tinggi antara beberapa peubah peramal di dalam model, sehingga matriks X
t
X nya hampir singular, yang pada gilirannya menghasilkan nilai dugaan parameter model yang tidak stabil.
Regresi ridge merupakan modifikasi dari metode kuadrat terkecil dengan cara menambah tetapan bias c yang kecil kepada nilai diagonal matriks X
t
X. Besarnya tetapan bias c mencerminkan besarnya bias dalam koefisien penduga ridge dan c
yang bernilai nol merupakan implementasi dari metode kuadrat terkecil. Metode ini bertujuan untuk memperkecil variansi estimator koefisien regresi.
Dalam penelitian ini digunakan teknik yang memperkecil masalah multikolinearitas tanpa harus mengeluarkan variabel bebas yang terlibat hubungan
kolinear, yaitu dengan metode Analisis Kompnen Utama. Analisis komponen utama merupakan teknik statistik yang dapat digunakan untuk menjelaskan struktur
variansi-kovariansi dari sekumpulan variabel melalui beberapa variabel baru dimana variabel baru ini saling bebas, dan merupakan kombinasi linier dari variabel asal.
Universitas Sumatera Utara
Selanjutnya variabel baru ini dinamakan komponen utama principal component. Tujuan metode ini untuk menyederhanakan variabel yang diamati dengan cara
mereduksi data asliawal menjadi sedikit mungkin komponen, akan tetapi mampu menyerap sebagian besar jumlah varian dari data asliawal menyerap informasi
sebanyak mungkin dari informasi data asli.
Analisis komponen utama menghasilkan kombinasi linear dari variabel- variabel yang diperoleh dari mereduksi variabel asliawal yang banyak sekali. Di
dalam proses mereduksi, diperoleh variabel yang lebih sedikit akan tetapi masih mengandung informasi yang termuat dalam data asliawal. Variabel hasil mereduksi
tersebut dinamakan faktor yang juga disebut komponen atau faktor komponen.
Dari uraian di atas, maka dalam penelitian tugas akhir ini peneliti mengkaji metode regresi ridge dan metode analisis komponen utama untuk menyelesaikan
masalah multikolinearitas. Oleh karena itu penulis mengangkat judul untuk penelitian ini yaitu “Studi Metode Regresi Ridge Dan Metode Analisis Komponen Utama
Dalam Menyelesaikan Masalah Multikolinearitas”.
1.2. Perumusan Masalah
Kategori