Penerapan Metode Regresi Gulud dan Regresi Komponen Utama Dalam Mengatasi Penyimpangan Multikolinearitas Pada Analisis Regresi Linear Berganda

Abstract

Dalam mengkaji hubungan atau pengaruh dua atau lebih variabel bebas terhadap variabel terikat, maka model regresi yang digunakan adalah model regresi linear berganda. Pada analisis regresi linear berganda perlu dilakukan pengujian asumsi klasik agar mendapatkan penaksir yang tidak bias, linear, dan terbaik (Best Linear Unbiased Estimator/BLUE). Salah satu asumsi klasik yaitu uji multikolinearitas yang merupakan pegujian untuk mengetahui apakah terdapat korelasi antara variabel bebas pada model regresi. Tujuan dari penelitian ini adalah untuk mengetahui solusi/metode terbaik dan paling efektif dalam mengatasi penyimpangan multikolinearitas sehingga dapat memberikan permodelan regresi linear berganda terbaik. Metode yang digunakan adalah regresi gulud (ridge regression) dan regresi komponen utama (principal component regression) dengan menggunakan empat data simulasi yang berbeda. Berdasarkan hasil penelitian diketahui bahwa keempat data tersebut memiliki nilai RMSE (Root Mean Square Error) lebih kecil dan nilai Adjusted R Square (𝑅 𝐴𝑑𝑗 2 ) lebih besar pada regresi gulud daripada regresi komponen utama, sehingga metode regresi gulud merupakan solusi terbaik dan paling efektif dalam mengatasi penyimpangan multikolinearitas pada analisis regresi linear berganda.