PERBANDINGAN METODE REGRESI RIDGE DAN METODE REGRESI KOMPONEN UTAMA DALAM MENANGANI MULTIKOLINEARITAS

SITI ULFA NABILA, 1417031111 (2018) PERBANDINGAN METODE REGRESI RIDGE DAN METODE REGRESI KOMPONEN UTAMA DALAM MENANGANI MULTIKOLINEARITAS. Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lampung.

Preview	File PDF ABSTRAK.pdf Download (257Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya pengguna terdaftar Download (4Mb)
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (4067Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Regresi ridge dan Regresi Komponen Utama merupakan metode - metode yang dapat mengatasi multikolinearitas. Regresi ridge mengatasi multikolinearitas dengan menambahkan konstanta bias pada diagonal matriks X^T X sedangkan Regresi Komponen Utama mengatasi multikolinearitas dengan mereduksi dimensi variabel bebas menjadi lebih sederhana tanpa kehilangan informasi penting didalamnya. Tujuan dari penelitian ini adalah menduga parameter regresi dengan menggunakan metode regresi ridge, metode Regresi Komponen Utama dan MKT dan mengetahui metode terbaik dalam menangani multikolinearitas. Hasil dari penelitian ini menunjukkan bahwa Regresi Komponen Utama lebih baik dalam menangani multikolinearitas dibandingkan dengan metode regresi ridge dan MKT berdasarkan nilai dari koefisien regresi, MSE dan AMSE. Kata Kunci: regresi ridge, Regresi Komponen Utama, multikolinearitas, MSE, AMSE Ridge regression and Principal Component Regression are methods that can solve multicollinearity. Ridge regression solves multicollinearity by adding a bias constant to diagonal X^T X matrix while Principal Component Regression solves multicollinearity by reducing the dimension of independent variables without losing any important information in it. The purpose of this study is to estimate regression parameters by using ridge regression, Principal Component Regression and OLS and to estimate the best method for handling multicollinearity. The results show that Principal Component Regression gives better estimator in handling multicollinearity than ridge regression and OLS based on the value of regression coefficient, MSE and AMSE. Keywords: ridge regression, Principal Component Regression, multicollinearity, MSE, AMSE

Jenis Karya Akhir:	Skripsi
Subyek:	> QA Mathematics
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	201801522 . Digilib
Date Deposited:	05 Jun 2018 07:27
Terakhir diubah:	05 Jun 2018 07:27
URI:	http://digilib.unila.ac.id/id/eprint/31575

Actions (login required)

Lihat Karya Akhir