This Author published in this journals
All Journal Jurnal Eurekamatika
Ghaida Azzahra
Universitas Pendidikan Indonesia

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Regresi Ridge Parsial Untuk Data Yang Mengandung Masalah Multikolinearitas Ghaida Azzahra; Nar Herrhyanto; Fitriani Agustina
Jurnal EurekaMatika Vol 8, No 1 (2020): Jurnal EurekaMatika
Publisher : Mathematics Program Study, Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (595.146 KB) | DOI: 10.17509/jem.v8i2.30724

Abstract

Abstrak. Multikolinearitas merupakan kondisi dimana terdapat hubungan linear antar beberapa atau semua variabel bebas dari model regresi linear berganda. Multikolinearitas dapat mengakibatkan taksiran parameter koefisien regresi dari variabel-variabel tersebut tidak dapat ditaksir dengan pasti. Regresi ridge dapat mengatasi permasalahan multikolinearitas, namun terdapat keterbatasan dalam regresi ridge yaitu konstanta bias c diterapkan untuk semua variabel bebas terlepas dari tinggi rendahnya tingkat multikolinearitas. Artikel ini membahas mengenai pengembangan metode regresi ridge yang menambahkan konstanta bias c untuk variabel yang mengandung kolinearitas tinggi. Pengembangan dari regresi ridge ini dinamakan regresi ridge parsial. Metode regresi ridge parsial ini diterapkan pada studi kasus angka kematian bayi di Provinsi Jawa Timur tahun 2018. Hasil penelitian menunjukkan adanya multikolinearitas pada data studi kasus kematian bayi tersebut. Selain itu diperoleh informasi bahwa angka kematian bayi di Provinsi Jawa Timur tahun 2018 hanya dipengaruhi oleh variabel berat badan lahir rendah, dimana setiap satu kenaikan bayi yang memiliki berat badan lahir rendah, akan meningkatkan angka kematian bayi sebesar 0,0953.Abstract Multicollinearity is a condition where there is a linear relationship between some or all of the independent variables from multiple linear regression models. Multicollinearity can result in the parameter estimates of the regression coefficients of these variables that cannot be estimated with certainty. Ridge regression can solve multicollinearity problems, but there are limitations in ridge regression, namely the bias constant c is applied to all independent variables regardless of the level of multicollinearity. This article discusses the development of a ridge regression method that adds a bias constant c for variables containing high collinearity. The development of this ridge regression is called partial ridge regression. This partial ridge regression method was applied to a case study of infant mortality in East Java Province in 2018. The results showed that there was multicollinearity in the case study data of infant mortality. In addition, information was obtained that the infant mortality rate in East Java Province in 2018 was only influenced by the variable low birth weight, where every one increase in babies who have low birth weight, will increase the infant mortality rate by 0.0953.