PEMILIHAN MODEL REGRESI LINEAR BERGANDA TERBAIK PADA KASUS MULTIKOLINEARITAS DENGAN REGRESI KOMPONEN UTAMA DAN STEPWISE REGRESSION

WIDIYAWATI, 1717031003 (2021) PEMILIHAN MODEL REGRESI LINEAR BERGANDA TERBAIK PADA KASUS MULTIKOLINEARITAS DENGAN REGRESI KOMPONEN UTAMA DAN STEPWISE REGRESSION. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK - Widiyawati.pdf Download (12Kb) | Preview
	File PDF SKRIPSI TANPA LAMPIRAN - Widiyawati.pdf Restricted to Hanya staf Download (820Kb)
Preview	File PDF SKRIPSI TANPA PEMBAHASAN - Widiyawati.pdf Download (632Kb) | Preview

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

ABSTRACT SELECTION OF THE BEST MULTIPLE LINEAR REGRESSION MODEL IN MULTICOLINEARITY CASE WITH PRINCIPAL COMPONENT REGRESSION AND STEPWISE REGRESSION By Widiyawati One of assumption violation in regression analysis is be found linear relationship between some or all independent variables in regression model which is called multicollinearity. The consequence of the multicollinearity problem that is variance regression coefficients becomes very large, even though the least squares method still meets the requirement of the Best Linear Unbiased Estimator (BLUE) with high multicollinearity but the estimator obtained is unstable. This study aims to determine the performance of the Principal Component Regression and stepwise regression method in overcoming multicollinearity in multiple linear regression based on simulation data and real data on the percentage of poor people in the province of Indonesia. The result of this study indicate that the Stepwise Regression method is better in selecting multiple linear regression models in the case multicollinearity compared to the Principal Component Regression method based on the Adjusted R2 dan MSE criteria values. The percentage of Poor Population data is indluenced by the human development index, population density, and old school hope on Stepwise Regression method while the Principal Component Regression method is the human development index, per capita expenditure, and population density. Key Word : Principal Component Regression, Stepwise Regression, Multiple Linear Regression, Multicollinearity. ABSTRAK PEMILIHAN MODEL REGRESI LINEAR BERGANDA TERBAIK PADA KASUS MULTIKOLINEARITAS DENGAN REGRESI KOMPONEN UTAMA DAN STEPWISE REGRESSION Oleh Widiyawati Salah satu pelanggaran asumsi pada analisis regresi adalah terdapatnya hubungan linear diantara beberapa atau semua variabel bebas dalam model regresi yang disebut multikolinearitas. Konsekuensi dari masalah multikolinearitas yaitu variansi dari koefisien regresi menjadi sangat besar, meskipun metode kuadrat terkecil tetap memenuhi syarat Best Linear Unbiased Estimator (BLUE) dengan multikolinearitas yang tinggi namun penduga yang didapatkan tidak stabil. Penelitian ini bertujuan untuk mengetahui performa metode Regresi Komponen Utama dan Stepwise Regression dalam mengatasi masalah multikolinearitas pada regresi linear berganda berdasarkan data simulasi dan data real Persentase Penduduk Miskin Provinsi di Indonesia. Hasil penelitian ini menunjukkan bahwa metode Stepwise Regression lebih baik dalam pemilihan model regresi linear berganda pada kasus multikolinearitas dibandingkan dengan metode Regresi Komponen Utama berdasarkan nilai kriteria Adjusted R 2 dan MSE. Data Persentase Penduduk Miskin dipengaruhi oleh indeks pembangunan manusia, kepadatan penduduk, dan harapan lama sekolah pada metode Stepwise Regression sedangkan pada metode Regresi Komponen Utama adalah indeks pembangunan manusia, pengeluaran per-kapita disesusaikan, dan kepadatan penduduk. Kata Kunci : Regresi Komponen Utama, Stepwise Regression, Regresi Linear Berganda, Multikolinearitas.

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	UPT . Teti Novianti
Date Deposited:	25 Apr 2022 06:51
Terakhir diubah:	25 Apr 2022 06:51
URI:	http://digilib.unila.ac.id/id/eprint/60478

Actions (login required)

Lihat Karya Akhir