PERBANDINGAN PRINCIPAL COMPONENT REGRESSION DAN REGRESI RIDGE PADA ANALISIS FAKTOR-FAKTOR INDEKS PEMBANGUNAN MANUSIA DI PROVINSI SUMATERA BARAT

Ismi Khoiro, Ezhari Asfa'ani, Syarto Musthofa

Abstract


Penelitian ini membahas tentang perbandingan metode principal component regression dan regresi ridge dalam mengatasi masalah multikolinearitas pada data Indeks Pembangunan Manusia (IPM) di Provinsi Sumatera Barat. Penelitian menggunakan data yang diambil dari Badan Pusat Statistika Sumatera Barat pada tahun 2023. Kedua metode tersebut akan dibandingkan berdasarkan nilai  dan RSE. Nilai  yang dihasilkan principal component regression  (93,2%) >  regresi ridge (84,89%), begitu juga dengan nilai  principal component regression (92,8%) >  regresi ridge (84,89%). Sedangkan nilai RSE principal component regression (0,2683) <  RSE regresi ridge (0,4). Dapat disimpulkan bahwa model terbaik yang diperoleh untuk mengatasi masalah multikolinearitas pada data IPM Provinsi Sumatera Barat adalah principal component regression.


Keywords


IPM, Principal Component Regression, Regresi Ridge

Full Text:

PDF

References


M. Muliza, T. Zulham, and C. Seftarita, “Analisis Pengaaruh Belanja Pendidikan, Belanja Kesehatan, Tingkat Kemiskinan dan PDRB terhadap IPM di Provinsi Aceh,” J. Perspekt. Ekon. Darussalam, pp. 51–69, 2017.

“Badan Pusat Statistika Provinsi Sumbar (2023). Indeks Pembangunan Manusia (IPM) Provinsi Sumatera Barat Tahun 2023,” Badan Pusat Statistika Cianjur.

Irwan and Hasriani, “Perbandingan Regresi Ridge dan Principal Component Analysis dalam Mengatasi Multikolinearitas,” J. Teknosains, pp. 125–135, 2016.

H. . Sinaga and D. Saputro, “Performa Metode Elastic-Net dalam Kasus Multikolinearitas pada Analisis Linear Berganda,” Pros. Semin. Pendidik. Mat. dan Mat., p. 3(2721), 2021.

I. Fiqriah, S. MArtha, and D. Kusnandar, Penerapan Regresi Ridge Robust-M dalam Mengatasi Multikolinearitas dan Pencilan pada Data Stunting di Indonesia. 2024.

E. Supriyadi, S. Mariani, and Sugiman, “Perbandingan Metode Partial Least Square dan Principal Component Regression untuk Mengatasi Multikolinearitas pada Model Regresi Linear Berganda,” Unnes J. Math., vol. 6, no. 2, pp. 117–128, 2017.

T. L. Wasilaine, M. W. Talakua, and Y. A. Lesnussa, “Model Regresi Ridge Untuk Mengatasi Model Regresi Linier Berganda Yang Mengandung Multikolinieritas,” J. Ilmu Mat. Dan Terap., vol. 8, no. 1, 2014.

L. H. Hasibuan, F. Yanuar, D. Devianto, and M. Maiyastri, “Quantile Regression Analysis; Simulation Study With Violation of Normality Assumption,” JOSTECH J. Sci. Technol., vol. 4, no. 2, pp. 133–142, 2024.

A. Karim, “Seminar Nasional Pendidikan, Sains dan Teknologi Perbandingan Metode Ordinary Least Square (Ols) Dan Metode Regresi Robust Pada Hasil Produksi Padi di Kabupaten Indramayu,” Semin. Nas. Pendidikan, Sains dan Teknol. ISBN 978-602-61599-6-0 Fak. Mat. dan Ilmu Pengetah. Alam Univ. Muhammadiyah Semarang, pp. 219–223, 2017.

A. Quraisy, “Normalitas Data Menggunakan Uji Kolmogorov-Smirnov dan Saphiro-Wilk,” J-HEST J. Heal. Educ. Econ. Sci. Technol., vol. 3, no. 1, pp. 7–11, 2022.

N. Y. Aditiya, E. S. Evani, and S. Maghfiroh, “Konsep Uji Asumsi Klasik Pada Regresi Linier Berganda,” J. Ris. Akunt. Soedirman, vol. 2, no. 2, pp. 102–110, 2023.

R. A. Indhova, S. Suparti, and A. R. Hakim, “Perbandingan Gulud Regression Dan Principal Component Regression Terhadap Pemodelan Indeks Pembangunan Manusia Provinsi Jawa Timur,” J. Gaussian, vol. 12, no. 2, pp. 199–208, 2023.

Z. Istianto and M. Muji, “Pengaruh Corporate Social Responsibility, Ukuran Perusahaan, Leverage, Profitabilitas, dan Capital Intensity Terhadap Agresivitas Pajak (Pada Perusahaan Manufaktur yang terdaftar di BEI Periode 2015-2019),” Bus. Econ. Conf. Util. Mod. Technol., pp. 22662–9404, 2020.

R. A. Gunawan, D. Prasetya Zulkarmain, and D. Arianto, S. T., Ekonomi, F., Bisnis, “Socius: Jurnal Penelitian Ilmu-Ilmu Sosial Perbandingan Metode Ordinary Least Square dan Metode Partial Least Square Untuk Mengatasi Multikolinearitas,” J. Ilm. Bid. Sos. Ekon. Budaya, Ekol. Dan Pendidik., vol. 1, no. 6, pp. 795–808, 2023.

E. A. Fauzan and S. Soehardjoepri, “Perbandingan Metode Regresi Komponen Utama dan Regresi Ridge pada Analisis Pengaruh Rasio Keuangan Profitabilitas terhadap Harga Saham Perusahaan Perbankan,” J. Sains Dan Seni ITS, vol. 11, no. 6, 2023.

S. Sakdiyah and R. Subekti, “Optimalisasi Jumlah Kelompok Pada Metode Single Linkage dan Complete Linkage Menggunakan Indeks Davies Bouldin,” J. Kaji. Dan Terap. Mat., vol. 7, no. 1, pp. 20–30, 2018.

P. Pendi, “Analisis Regresi Dengan Metode Komponen Utama Dalam Mengatasi Masalah Multikolinearitas,” Bimaster Bul. Ilm. Mat. Stat. Dan Ter., vol. 10, no. 1, pp. 131–138, 2021.

N. A. D. K. Naomi Nessyana Debataraja, “Metode Generalized Ridge Regression Dalam Mengatasi Multikolinearitas,” Bimaster Bul. Ilm. Mat. Stat. Dan Ter., vol. 8, no. 4, pp. 679–686, 2019.

N. N. Anggraeni, W. R., Debataraja and S. W. Rizki, “Estimasi Parameter Regresi Ridge Untuk Mengatasi Multikolinearitas,” Bul. Ilm. Mat. Stat. Dan Ter., vol. 07, no. 4, pp. 295–302, 2018.

T. Faizia, A. Prahutama, and H. Yasin, “Pemodelan Indeks Pembangunan Manusia Di Jawa Tengah Dengan Regresi Komponen Utama Robust,” J. Gaussian, vol. 8, no. 2, pp. 253–271, 2019.




DOI: https://doi.org/10.15548/map.v6i2.10168

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Lisensi Creative Commonsis licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.