Metode Regresi Ridge Studi Metode Regresi Ridge Dan Metode Analisis Komponen Utama Dalam Menyelesaikan Masalah Multikolinearitas

BAB 4 PEMBAHASAN

4.1. Metode Regresi Ridge

Metode regresi ridge merupakan salah satu metode yang dianjurkan untuk memperbaiki masalah multikolinearitas dengan cara memodifikasi metode kuadrat terkecil, sehingga dihasilkan penduga koefisien regresi lain yang bias. Modifikasi metode kuadrat terkecil tersebut dilakukan dengan cara menambah tetapan bias c yang relatif kecil pada diagonal matriks X’X , sehingga penduga koefisien regresi dipengaruhi oleh besarnya tetapan bias k. pada umumnya nilai c terletak anatara 0 dan 1. Pada dasarnya metode ini juga merupakan metode kuadrat terkecil. Perbedaannya adalah bahwa pada metode regresi ridge, nilai variabel bebasnya ditransformasikan dahulu melalui prosedur centering and rescaling. Kemudian pada diagonal utama matriks korelasi variable bebas ditambahkan biasing constant c dimana nilainya antara 0 dan 1. Metode regresi ridge dapat digunakan dengan asumsi matriks korelasi dari variable bebasnya dapat diinverskan. Akibatnya nilai dugaan koefisien regresi dan variable tak bebasnya mudah didapat. Model Regresi berganda dengan OLS b c + b 1 X i1 + b 2 X i2 + . . . + b p-1 X ip-1 16 b = X X -1 XY 17 Model Standardized Regression b 1 X i1 + b 2 X i2 + . . . + b p-1 X ip-1 18 b = r xx -1 r xy matriks korelasi Model Ridge regression i R = b 1 R Z i1 + b 2 R Z i2 + . . . + b p-1 R Z ip-1 19 Universitas Sumatera Utara b R = r xx + c I -1 r xy matriks korelasi dimana: c = biasing constant I = identity matrix b R [p-1 x 1] = Tahapan dalam metode regresi ridge : 1. Lakukan transformasi tehadap matriks X menjadi Z dan vektor Y menjadi Y R , melalui centering and rescaling. 2. Hitung matriks ZZ = matriks korelasi dari variable bebas, serta hitung ZY R = korelasi dari variable bebas terhadap variable tak bebas y. 3. Hitung nilai penaksir parameter b R dengan kemungkinan tetapan bias c. 4. Hitung nilai VIF dengan berbagai nilai c 0c1 5. Tentukan nilai c dengan mempertimbangkan nilai VIF dan b R . Tentukan koefisien penduga estimator regresi ridge dari nilai c yang terpilih.. 6. Buat persamaan model regresi ridge 7. Uji Hipotesis secara Simultan dengan ANOVA regresi ridge dan Parsial . 8. Transformasikan ke bentuk asal.

a. Metode Centering and Rescaling

Dokumen yang terkait

Perbandingan Penggunaan Metode Analisis Regresi Ridge dan Metode Analisis Regresi Komponen Utama dalam Menyelesaikan Masalah Multikolinieritas (Studi Kasus Data PDRB Propinsi Sumatera Utara)

12 128 69

ANALISIS METODE PRINCIPAL COMPONENT ANALYSIS (KOMPONEN UTAMA) DAN REGRESI RIDGE DALAM MENGATASI DAMPAK MULTIKOLINEARITAS DALAM ANALISIS REGRESI LINEAR BERGANDA

13 88 144

Analisis penerapan metode kuadrat terkecil dan regresi komponen utama dalam multikolinearitas

1 8 78

METODE ANALISIS REGRESI KOMPONEN UTAMA DALAM MENGATASI MASALAH MULTIKOLINIERITAS.

0 0 6

(ABSTRAK) ANALISIS METODE PRINCIPAL COMPONENT ANALYSIS (KOMPONEN UTAMA) DAN REGRESI RIDGE DALAM MENGATASI DAMPAK MULTIKOLINEARITAS DALAM ANALISIS REGRESI LINEAR BERGANDA.

0 1 2

Penerapan Metode Generalized Ridge Regression dalam Mengatasi Masalah Multikolinearitas.

0 0 7

Regresi Komponen Utama, Regresi Ridge, dan Regresi Akar Laten dalam Mengatasi Masalah Multikolinieritas.

1 7 8

PERBANDINGAN REGRESI KOMPONEN UTAMA DENGAN REGRESI RIDGE UNTUK MENGATASI MASALAH MULTIKOLINIERITAS -

1 0 74

BAB 2 LANDASAN TEORI 2.1 Aljabar Matriks - Perbandingan Penggunaan Metode Analisis Regresi Ridge dan Metode Analisis Regresi Komponen Utama dalam Menyelesaikan Masalah Multikolinieritas (Studi Kasus Data PDRB Propinsi Sumatera Utara)

0 0 18

Perbandingan Regresi Ridge (Regresi Gulud) dan Principal Component Analysis (Analisis Komponen Utama) dalam Mengatasi Masalah Multikolinearitas - Repositori UIN Alauddin Makassar

0 1 115