PEMILIHAN MODEL REGRESI LINEAR BERGANDA TERBAIK PADA KASUS MULTIKOLINEARITAS BERDASARKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN METODE STEPWISE -
Teks penuh
Gambar
Dokumen terkait
Berdasarkan latar belakang masalah di atas, maka permasalahan yang akan dibahas dalam penulisan ini adalah bagaimana menentukan model regresi terbaik dari
Untuk data ini, model yang didapat dari Metode Fraksi lebih baik daripada model terbaik dari Step- wise dan Best Subset Regression terutama jika pertim- bangan utamanya adalah
Epanechnikov 0,6 Arah Angin von Mises 6,422491 Setelah diperoleh nilai bandwidth yang optimal untuk masing-masing variabel berdasarkan kriteria CV minimum, kemudian
Metode Principal Component Analysis (PCA) akan mendapatkan variabel bebas baru yang tidak berkorelasi, bebas satu sama lainnya, lebih sedikit jumlahnya daripada variabel
Penelitian ini bertujuan untuk mengetahui: (1) Bagaimana model persamaan regresi dengan metode Partial Least Square (PLS) untuk mengatasi multikolinearitas; (2) Bagaimana model
Berdasarkan latar belakang masalah di atas, maka permasalahan yang akan dibahas dalam penulisan ini adalah bagaimana menentukan model regresi terbaik dari
Untuk data ini, model yang didapat dari Metode Fraksi lebih baik daripada model terbaik dari Step- wise dan Best Subset Regression terutama jika pertim- bangan utamanya adalah
Setelah pengujian dilakukan pada semua saham dan pada setiap komponen, hasil menunjukkan bahwa PCA yang dilakukan berhasil memisahkan kelompok saham dimana setiap anggota dalam komponen
