Regresi Ridge Parsial Untuk Data Yang Mengandung Masalah Multikolinearitas

Ghaida Azzahra; Nar Herrhyanto; Fitriani Agustina

doi:10.17509/jem.v8i2.30724

Regresi Ridge Parsial Untuk Data Yang Mengandung Masalah Multikolinearitas

Ghaida Azzahra, Nar Herrhyanto, Fitriani Agustina

Abstract

Multikolinearitas merupakan kondisi dimana terdapat hubungan linear antar beberapa atau semua variabel bebas dari model regresi linear berganda. Multikolinearitas dapat mengakibatkan taksiran parameter koefisien regresi dari variabel-variabel tersebut tidak dapat ditaksir dengan pasti. Regresi ridge dapat mengatasi permasalahan multikolinearitas, namun terdapat keterbatasan dalam regresi ridge yaitu konstanta bias c diterapkan untuk semua variabel bebas terlepas dari tinggi rendahnya tingkat multikolinearitas. Artikel ini membahas mengenai pengembangan metode regresi ridge yang menambahkan konstanta bias c untuk variabel yang mengandung kolinearitas tinggi. Pengembangan dari regresi ridge ini dinamakan regresi ridge parsial. Metode regresi ridge parsial ini diterapkan pada studi kasus angka kematian bayi di Provinsi Jawa Timur tahun 2018. Hasil penelitian menunjukkan adanya multikolinearitas pada data studi kasus kematian bayi tersebut. Selain itu diperoleh informasi bahwa angka kematian bayi di Provinsi Jawa Timur tahun 2018 hanya dipengaruhi oleh variabel berat badan lahir rendah, dimana setiap satu kenaikan bayi yang memiliki berat badan lahir rendah, akan meningkatkan angka kematian bayi sebesar 0,0953.

Keywords

multikolinearitas, regresi ridge, regresi ridge parsial, angka kematian bayi

Full Text:

PDF

References

Gujarati, D. N., & Porter, D. C. (2009). Basic Econometrics Fifth Edition. New York: McGraw-Hill Irwin.

Sudjana. (2005). Metoda Statistika. Bandung: PT Tarsito.

de Souza, S. V., & Junqueira, R. G. (2005). A procedure to assess linearity by ordinary least squares method. Analytica Chimica Acta, 552(1-2), 25-35.

Harvey, A. C. (1977). Some comments on multicollinearity in regression. Journal of the Royal Statistical Society: Series C (Applied Statistics), 26(2), 188-191.

Hoerl, A. E., & Kennard, R. W. (1970). Ridge Regression : Biased Estimation for Nonorthogonal Problems. Technometrics, 55-67.

Wasilaine, T., Talakua, M., & Lesnussa, Y. (2014). Model Regresi Ridge Untuk Mengatasi Model Regresi Linier Berganda Yang Mengandung Multikolinearitas. Barekeng Jurnal Ilmu Matematika dan Terapan, 31-37.

Topal, M., Eyduran, E., Yağanoğlu, A. M., Sönmaz, A. Y., & Keskin, S. (2010). Use of ridge and principal component regression analysis methods in multicollinearity. Journal of the Faculty of Agriculture of Atatürk University (Turkey).

Chandrasekhar, C., Bagyalakshmi, H., Srinivasan, M., & Gallo, M. (2016). Partial Ridge Regression Under Multicollinearity. Journal of Applied Statistics.

Dinas Kesehatan. 2018. Profil Kesehatan Provinsi Jawa Timur Tahun 2018. Surabaya: Dinas Kesehatan Provinsi Jawa Timur.

DOI: https://doi.org/10.17509/jem.v8i2.30724