Raudhah, AfaninNur (2017) Analisis Regresi Linier Berganda Untuk Data Dengan Berbagai Tingkat Multikolinieritas Menggunakan Regresi Ridge. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis regresi linier berganda digunakan untuk menjelaskan hubungan antara peubah respon dan beberapa peubah prediktor. Apabila antar peubah prediktor berkolasi (multikolinieritas) maka model reresi ridge dapat digunakan sebagai altnatif. Penelitan ini bertujuan untuk mengetahui aplikasi model regresi ridge pada tiga macam dat dengan berbagai tingkat multikolinieritas. Kebaikan model diperoleh dengan membandingkan ragam penduga model regresi linier biasa (estimasi dengan Metode Kuadrat Terkecil, MKT) dengan penduga regresi ridge. Dari hasil analisis yang dilakukan, data 1 (kepadatan penduduk Kabupaten Malang tahun 2015) memiliki multikolinieritas sangat tinggi, dengan bilangan kondisi nilai K adalah 4237.999. Data 2 (tanaman hias Kota Wisata Batu) memiliki multikolinieritas tinggi, dengan bilangan kondisi nilai K adalah 802.02. Sedangkan data 3 (Indeks Pembangunan Manusia Provinsi Jawa Timur tahun 2013) memiliki multikolinieritas rendah dengan bilangan kondisi nilai K adalah 99.287. Dari perbandingan ragam penduga model regresi, regresi ridge lebih efisien daripada penduga MKT. Sedangkan nilai koefisien determinasi terkoreksi (R2 adj) pada penduga MKT sangat tinggi, namun pada penduga regresi ridge mengalami penurunan.
English Abstract
Multiple linear regression analysis was used to explain the relationship between response variables and some predictor variables. If the predictor variables are correlated each other (multicolinearity) then the ridge regression model can be used as an alternative. This study aims to determine the application of ridge regression model on three kinds of data with various levels of multicollinearity. The goodness of the model was obtained by comparing the various estimates of the usual linear regression model (estimate by the Least Square Method, OLS) with the ridge regression estimator. From the results of the analysis, data 1 (population density of Malang Regency in 2015) has a very high multicollinearity, with the condition number value of K is 4237.999. Data 2 (ornamental plant Kota Wisata Batu) has high multikolinieritas, with the condition number value of K is 802.02. While data 3 (Human Development Index of East Java Province in 2013) has a low multicollinearity with the condition number value of K is 99.287. From the comparison of regression model variables, the ridge regression is more efficient than the OLS estimator. While the corrected coefficient of determination (R2adj) on OLS predictor is very high, but on ridge regression estimator decreased.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2017/216/051704172 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Kustati |
| Date Deposited: | 13 Jun 2017 13:26 |
| Last Modified: | 13 Jun 2017 13:26 |
| URI: | http://repository.ub.ac.id/id/eprint/155258 |
Actions (login required)
 |
View Item |