Laporkan Masalah

PENERAPAN METODE RESTRICTED RIDGE ESTIMATION DALAM MENANGANI MASALAH MULTIKOLINEARITAS PADA MODEL LINEAR TERBATAS

SISKA SETYANINGSIH, Prof. Drs. Subanar, Ph.D.

2016 | Skripsi | S1 STATISTIKA

Analisis regresi bertujuan untuk memodelkan hubungan antara variabel dependen dan independen. Salah satu metode yang umum digunakan yaitu metode kuadrat terkecil. Namun, jika terdapat informasi tambahan mengenai parameter yang memenuhi pembatasan linear Rβ=r maka model regresi menjadi terbatas. Pemodelan regresi dengan pembatasan linear tersebut menggunakan metode kuadrat terkecil terbatas. Dalam model regresi linear, no multikolinearitas adalah salah satu asumsi klasik yang harus dipenuhi dan jika tidak maka estimasi parameter akan jauh dari nilai yang seharusnya. Metode yang dapat menangani multikolinearitas yaitu regresi ridge dengan cara menambahkan matriks diagonal berisi tetapan biask ke matriks X'X. Dalam regresi liner terbatas, metode yang digunakan untuk mengangani multikolinearitas adalah restricted ridge estimationyang merupakan penerapan ridge dalam model linear terbatas. Metode ini memberikan estimasi parameter dan mean square error yang lebih baik dari pada metode kuadrat terkecil terbatas. Berdasarkan studi kasus, dapat disimpulkan bahwa metode ini dapat menganani multikolinearitas pada model regresi linear terbatas.

Regression analysis is used to perform relationship model among dependent and independent variable. One of the most popular method of this analysis is least square estimation. However, if there any additonal information about the unknown parameter which satisfy the linear restriction Rβ=r then linear model being restricted.This regression using restricted least square estimation. No multicollinearity is a classic assumption required in linear model and if there exists multicollinearity, parameter estimation would be badly apart from the actual coefficient. To overcome multicollinearity, one of best methods is ridge regression with adding diagonal matrix of k to the correlation matrix X'X. In restricted linear regression, the methodsused to handle multicollinearity is restricted ridge estimation by applying ridge estimation to the restricted linear model. This method give a better parameter estimation and mean square error than restricted least square. From the case study, it can be conclude that this method can solve multicollinearity of the restricted linear model.

Kata Kunci : Pembatasan Linear, Kuadrat Terkecil Terbatas, Multikolinearitas, Regresi Ridge, Restricted Ridge Estimation, Mean Square Error

  1. S1-2016-334962-abstract.pdf  
  2. S1-2016-334962-bibliography.pdf  
  3. S1-2016-334962-tableofcontent.pdf  
  4. S1-2016-334962-title.pdf