Analisis Perbandingan Regresi Komponen Utama dan Regresi Ridge untuk Mengatasi Masalah Multikolinieritas pada Model Regresi Linier Berganda
Teks penuh
Gambar
Dokumen terkait
Berdasarkan hasil penelitian ini melalui metode analisis komponen utama dihasilkan dua variable baru (komponen utama) yang bersifat saling bebas atau tidak ada
Metode kuadrat terkecil merupakan suatu metode estimasi parameter regresi yang paling sederhana untuk regresi linier sederhana maupun regresi linier berganda, tetapi jika
Dari ketiga metode regresi yang digunakan pada data tersebut, metode regresi ridge dan regresi akar laten mempunyai MSE yang lebih kecil daripada yang dihasilkan
Analisis komponen utama merupakan teknik statistik yang dapat digunakan untuk menjelaskan struktur variansi-kovariansi dari sekumpulan variabel melalui beberapa variabel
Berdasarkan hasil penelitian dan pembahasan pada bab sebelumnya, bahwa metode regresi ridge merupakan metode yang baik dalam mengatasi masalah multikolinearitas
Berdasarkan latar belakang yang telah dikemukakan di atas, maka masalah yang dibahas dalam penelitian ini adalah menggunakan analisis regresi komponen utama untuk
Seperti yang telah dituliskan di atas, yang akan digunakan untuk mengatasi masalah multikolinieritas ini adalah Regresi Komponen Utama, Regresi Ridge, dan Regresi
Metode kuadrat terkecil merupakan suatu metode estimasi parameter regresi yang paling sederhana untuk regresi linier sederhana maupun regresi linier berganda, tetapi jika
