Regresi Ridge Parsial Untuk Data Yang Mengandung Masalah Multikolinearitas
Keywords:
Angka kematian bayi, Multikolinearitas, Regresi ridge, Regresi ridge parsialAbstract
Multicollinearity is a condition where linear relationships exist among some or all of the independent variables in a multiple linear regression model. Multicollinearity can cause the estimated regression coefficient parameters of these variables to be unreliable or unable to be estimated precisely. Ridge regression can address multicollinearity issues; however, it has a limitation in that the bias constant $c$ is applied to all independent variables, regardless of the level of multicollinearity present. This article discusses the development of a ridge regression method that adds the bias constant $c$ specifically for variables containing high collinearity. This development of ridge regression is called partial ridge regression. The partial ridge regression method was applied to a case study of infant mortality rates in East Java Province in 2018. The research results indicate the presence of multicollinearity in the infant mortality case study data. Furthermore, the findings reveal that the infant mortality rate in East Java Province in 2018 was significantly influenced only by the low birth weight variable, where every single unit increase in infants with low birth weight increases the infant mortality rate by 0.0953.
Keywords: Infant mortality rate, Multicollinearity, Partial ridge regression, Ridge regression.
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.
References
Chandrasekhar, C., Bagyalakshmi, H., Srinivasan, M., & Gallo, M. (2016). Partial Ridge Regression Under Multicollinearity. Journal of Applied Statistics.
de Souza, S. V., & Junqueira, R. G. (2005). A procedure to assess linearity by ordinary least squares method. Analytica Chimica Acta, 552(1-2), 25-35.
Dinas Kesehatan. 2018. Profil Kesehatan Provinsi Jawa Timur Tahun 2018. Surabaya: Dinas Kesehatan Provinsi Jawa Timur.
Eyduran, E., Yağanoğlu, A. M., Sönmaz, A. Y., & Keskin, S. (2010). Use of ridge and principal component regression analysis methods in multicollinearity. Journal of the Faculty of Agriculture of Atatürk University (Turkey).
Gujarati, D. N., & Porter, D. C. (2009). Basic Econometrics Fifth Edition. New York: McGraw-Hill Irwin.
Harvey, A. C. (1977). Some comments on multicollinearity in regression. Journal of the Royal Statistical Society: Series C (Applied Statistics), 26(2), 188-191.
Hoerl, A. E., & Kennard, R. W. (1970). Ridge Regression : Biased Estimation for Nonorthogonal Problems. Technometrics, 55-67.
Multikolinearitas. Barekeng Jurnal Ilmu Matematika dan Terapan, 31-37.
Sudjana. (2005). Metoda Statistika. Bandung: PT Tarsito.
Wasilaine, T. L., Talakua, M. W., & Lesnussa, Y. A. (2014). Model Regresi Ridge untuk Mengatasi Model Regresi Linier Berganda yang Mengandung Multikolinieritas. BAREKENG: Jurnal Ilmu Matematika dan Terapan, 8(1), 31-37.
