Penerapan Metode Regresi Ridge Parsial untuk Mengatasi Masalah Multikolinearitas untuk Memodelkan Faktor-Faktor yang Mempengaruhi Kemiskinan di Jawa Tengah pada Tahun 2020

  • Saquila Beninurhadi Putri statistika
  • Suliadi FMIPA-STATISTIKA
Keywords: Regresi Ridge, Regresi Ridge Parsial, Multikolinearitas, Kemiskinan

Abstract

Abstract. In regression analysis, multicollinearity is a condition of strong collinearity between independent variables. If multicollinearity occurs, the estimated parameters will have a large and not stable variance. Ridge regression is one of the solutions to overcome multicollinearity by adding a parameter c as a bias setting to the variance-covariance matrix of the independent variables. However, in the usual ridge regression model has some drawbacks, such as the bias constant c is added to all independent variables, regardless of the high or low level of collinearity among the variables. Therefore, Chandrasekhar, et al. (2016) developed a new ridge regression method, namely partial ridge regression. This research discusses the partial ridge regression method and applies to the case of poverty in Central Java Province in 2020. The results showed multicollinearity in the data and a bias constant c which was only added to variables with low eigenvalues, namely on Eigen 4. The partial ridge regression is =0.5753 + 0.4977 -1.6661 -0.1679  and then returned to the original regression model as =85.1023+1.6967 +0.0010 -1.3272 -0.3430.

Abstrak. Dalam analisis regresi, multikolinearitas adalah suatu kondisi kekolinieran yang kuat antar variabel independent. Apabila terjadi multikolinearitas maka taksiran parameter akan memiliki varians yang besar dan tidak stabil. Regresi ridge merupakan salah satu solusi untuk mengatasi multikolinearitas dengan cara menambahkan parameter c sebagai tetapan bias pada matriks varians -kovarians pada variabel independen. Namun model regresi ridge terdapat beberapa kekurangan diantaranya yaitu konstanta bias c ditambahkan ke semua variabel independent, tanpa melihat tinggi rendahnya tingkat kolinearitas diantara variabel-variabel. Oleh karena itu, Chandrasekhar, et al., (2016) mengembangkan suatu metode regresi rigde baru yaitu partial regression ridge atau regresi ridge parsial. Skripsi ini membahas tentang metode regresi ridge parsial yang diterapkan pada kasus kemiskinan di Jawa Tengah pada tahun 2020 . Hasil penelitian menunjukan adanya multikolinearitas pada data dan kontanta bias c yang hanya ditambahkan pada variabel yang berinilai eigen rendah yaitu pada eigen 4. Regresi ridge parsialnya adalah  =0.57531 + 0.4977 -1.6661 -0.1679  lalu dikembalikan ke model regresi semula menjadi  =85.1023+1.6967 +0.0010 -1.3272 -0.3430.

Published
2023-01-28