REGRESI RIDGE DENGAN BENTUK Q DAN FAKTOR SHRINKAGE MENGGUNAKAN SINGULAR VALUE DECOMPOSITION

RIZKI ARISTA SP, Drs. Zulaela,Dipl.Med.Stats.,M.Si

2014 | Skripsi | STATISTIKA

Salah satu asumsi yang harus dipenuhi dalam regresi linier berganda adalah tidak ada multikolinieritas atau tidak ada hubungan linier diantara variabel bebas. Multikolinearitas menyebabkan MSE dari penduga kuadrat terkecil menjadi sangat besar sehingga estimator yang diperoleh dari metode kuadrat terkecil tidak tepat. Pada kenyataannya, yang diharapkan pada sebuah penelitian adalah model yang memiliki ragam minimum, meskipun berbias. Metode regresi ridge dengan bentuk Q dan faktor shrinkage merupakan salah satu cara untuk mengatasi masalah multikolinieritas karena menghasilkan MSE yang kecil meskipun bias yang dihasilkan relatif kecil. Metode ini menyusutkan koefisien regresi linier menggunakan faktor shrinkage dan mengontrol penyusutannya menggunakan bentuk Q. Metode ini merupakan modifikasi dari metode regresi ridge biasa dengan menggunakan singular value decomposition yaitu menguraikan s matrik dari variabel bebas X menjadi 3 komponen tanpa mengubah karakteristik variabel- variabel bebasnya.

One of the assumptions in a multiple linear regression is no multicollinearity or no linear relationship between the independent variables. Multicollinearity causes the MSE of the least squares estimators become so great and the estimator obtained from the least squares method is not appropriate. In fact, the study is expected in a model that has minimum variance, though biased. Ridge regression with Q-shape and shrinkage factors is one way to solve the problem of multicollinearity because it produces small MSE despite the relatively small bias. This method reduced the coefficient of linear regression using shrinkage factors to shrink the coefifisien and controlling them using the Q-shape. This method is a modification of the ordinary ridge regression method using singular value decomposition by change the component of independent variable without changing the characteristics of the independent variables.

Kata Kunci : -