Pusparani, DianaElfa (2014) Perbandingan Metode Stepwise Dan Ridge Regression Dalam Menentukan Model Regresi Berganda Terbaik Pada Kasus Multikolinieritas. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis regresi linier berganda digunakan untuk mengetahui hubungan antara dua atau lebih peubah penjelas dan peubah respon. Salah satu asumsi yang mendasari analisis regresi berganda adalah asumsi nonmultikolinieritas, yaitu tidak terdapat hubungan linier antar peubah penjelas dalam model regresi. Jika terdapat multikolinieritas maka kesimpulan yang dihasilkan akan tidak tepat, jadi masalah multikolinieritas harus dihindari. Model regresi terbaik adalah model yang dapat menjelaskan perilaku peubah respon dengan memilih peubah penjelas dari sekian banyak peubah penjelas pada data. Pada penelitian ini metode yang digunakan dalam mengatasi multikolinieritas adalah metode stepwise dan ridge regression dengan menggunakan pembanding R2 adj dan Cp Mallow. Penelitian dilakukan dengan menggunakan dua data dengan tingkat multikolinieritas sedang dan sangat kuat. Hasil penelitian menunjukkan bahwa pada data tingkat multikolinieritas sedang, untuk menangani multikolinieritas lebih baik dilakukan dengan regresi ridge, sedangkan data dengan tingkat multikolinieritas sangat kuat dapat diatasi dengan baik menggunakan metode stepwise.
English Abstract
Multiple linear regression analysis was used to determine the relationship between more than two explanatory variables and response variable. One of the assumptions underlying multiple regression analysis is the non multicollinearity assumption in which there is no linear relationship between the explanatory variables in the regression model. If there is multicollinearity the resulting conclusions would not be appropriate, so multicollinearity problems should be avoided. The best regression model is a model that can explain the behavior of the response variables by selecting explanatory variable from a lot of explanatory variables in the data. In this research the method used for solving multicollinearity are stepwise method and ridge regression using comparative values R2 adj and Cp Mallow. The research was conducted using two levels of data with medium and highly strong multicollinearity. The results showed that the level of multicollinearity in the data is medium, to handle multicollinearity by using ridge regression, while the data with highly strong multicollinearity can be overcome well by using the stepwise method.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2014/251/051404834 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 28 Aug 2014 13:33 |
| Last Modified: | 21 Oct 2021 04:29 |
| URI: | http://repository.ub.ac.id/id/eprint/153876 |
Preview |
Text
DAFTAR_TABEL.pdf Download (1MB) | Preview |
Preview |
Text
DAFTAR_PUSTAKA.pdf Download (1MB) | Preview |
Preview |
Text
LEMBAR_PERNYATAAN.pdf Download (1MB) | Preview |
Preview |
Text
KATA_PENGANTAR.pdf Download (1MB) | Preview |
Preview |
Text
DAFTAR_LAMPIRAN.pdf Download (1MB) | Preview |
Preview |
Text
LEMBAR_PENGESAHAN_SKRIPSI.pdf Download (1MB) | Preview |
Preview |
Text
ABSTRACT.pdf Download (1MB) | Preview |
Preview |
Text
ABSTRAK.pdf Download (1MB) | Preview |
Preview |
Text
DAFTAR_ISI.pdf Download (1MB) | Preview |
Preview |
Text
BAB_V.pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |